基于YOLOv5的作弊行为检测系统，Python和pycharm实现，可实时检测

基于YOLOv5的作弊行为检测系统，Python和pycharm实现，可实时检测，有方便操作的图形化界面

考场里转笔的手速再快，也快不过AI的识别速度。今天咱们来搞点有意思的——用YOLOv5做个能实时抓作弊行为的系统，重点在于手部异常动作识别。别被吓到，这玩意儿实现起来比想象中简单，咱们边撸代码边聊。

先上硬货，环境配置用conda新建个环境：

conda create -n cheat_det python=3.8 conda activate cheat_det pip install torch==1.9.0+cu111 torchvision==0.10.0+cu111 -f https://download.pytorch.org/whl/torch_stable.html pip install pyqt5==5.15.4 opencv-python==4.5.3.56

装完这些基本就能跑起来了。YOLOv5的源码直接去官方仓库拖下来，注意别用最新版，v6.0之后的版本对自定义数据不太友好，建议用v5.0分支。

界面部分咱们用PyQt5搭个操作台，比tkinter那套好看不止一星半点。核心代码结构长这样：

class MainWindow(QMainWindow): def __init__(self): super().__init__() self.video_thread = VideoThread() # 视频流处理线程 self.init_ui() def init_ui(self): self.video_label = QLabel(self) # 显示视频的组件 self.start_btn = QPushButton('启动监控', self) self.start_btn.clicked.connect(self.toggle_detection) def toggle_detection(self): if not self.video_thread.isRunning(): self.video_thread.start() self.start_btn.setText('停止监控') else: self.video_thread.terminate() self.start_btn.setText('启动监控')

重点是这个VideoThread，继承自QThread，负责在后台跑YOLOv5的检测逻辑，避免界面卡死。这年头不用多线程搞实时检测的都是耍流氓。

基于YOLOv5的作弊行为检测系统，Python和pycharm实现，可实时检测，有方便操作的图形化界面

模型加载部分得注意参数设置：

def load_model(): model = torch.hub.load('ultralytics/yolov5', 'custom', path='best.pt', force_reload=True) model.conf = 0.6 # 置信度阈值别设太低，误检会要命 model.iou = 0.45 # 交并比适中，防止重复框选 return model

这里有个坑——如果直接调用detect.py，视频流延迟会很高。咱们得自己重写推理循环：

def run(self): cap = cv2.VideoCapture(0) # 0号摄像头 while True: ret, frame = cap.read() if ret: results = self.model(frame, size=640) # 输入尺寸别超过640 self.send_result.emit(results.render()[0])

注意这个size参数，设太大虽然精度可能提升，但帧率会暴跌。实测在RTX3060上跑640尺寸能到45帧，足够流畅。

作弊行为识别的关键在数据标注。需要重点标注这些动作：

• 手部快速移动（传纸条）
• 头部频繁左右转动（偷看邻座）
• 异常身体倾斜（看小抄）

标注文件用YOLO格式，举个样例：

0 0.4453125 0.329861111111 0.1484375 0.157407407407 # 正常坐姿 1 0.678125 0.4325 0.0875 0.155 # 手部异常动作

数据增强要适度，特别是随机旋转别超过15度，否则正常转头和作弊动作容易混淆。

最后打包时用pyinstaller记得加这些参数：

pyinstaller --noconsole --add-data "best.pt;." --hidden-import PyQt5.sip main.py

不然分分钟给你报找不到模型文件的错误。实测打包后的exe在Win10下能跑，但建议还是配个环境省事。

整个项目跑起来后你会发现，这系统最实用的场景可能不是考场——试试用来监控自家猫主子偷吃，效果拔群。毕竟在AI眼里，作弊行为和偷吃小鱼干的动作模式，可能也没差多少嘛。