چکیده: چکیده پس از پشت سر گذاشتن پاندمی کرونا و افزایش تقاضا برای آزمون‌های الکترونیک، همچنین رواج استفاده از سرویس‌های مبتنی بر هوش مصنوعی مانند ChatGPT برای پاسخگویی به سؤالات این آزمون‌ها، نظارت تصویری به‌عنوان یکی از اصلی‌ترین روش‌های ارتقای کیفیت آزمون‌های راه دور موردتوجه قرار گرفته است. در چنین شرایطی، بررسی تعداد زیادی از فیلم‌های آزمون برای ناظران امتحانی امری زمان‌بر و خسته‌کننده است. راهکار رفع این مشکل، خلاصه‌سازی خودکار ویدئوهای زمان آزمون با درنظرگرفتن لحظات مشکوک به تقلب برای نظارت آسان می‌باشد. این پژوهش رویکرد جدیدی را برای استفاده از شبکه‌های عصبی عمیق در تجزیه‌وتحلیل تعاملات آزمون‌دهنده با اشیا حاضردرصحنه، با تأکید بر خلاصه‌سازی ویدئو و پردازش بهینه برای شناسایی لحظات دارای تقلب آشکار پیشنهاد می‌کند. تقلب آشکار شامل تعاملات فیزیکی آزمون‌دهنده با اشیا حاضردرصحنه، مانند استفاده از تلفن همراه، مرور جزوات و یا حضور بیش از یک فرد در صحنه آزمون برای به‌دست‌آوردن یک مزیت ناعادلانه نسبت به سایر آزمون‌دهندگان است. در نمونه پژوهش‌های پیشین مبتنی بر روش‌های مورفولوژی صرفاً تغییرات صحنه فارغ از اثرگذار بودن تغییرات در رخداد تقلب موردتوجه قرار می‌گرفت. در ادامه روش‌های مبتنی بر شبکه‌های عصبی پاسخ‌های نسبتاً قابل‌قبولی را از منظر علمی ارائه می‌دادند لیکن محدودیت‌های استفاده از شبکه‌های عصبی شامل نیاز به پردازنده‌های قوی، نیاز به آموزش مدل قبل از استفاده و مشکلات حریم خصوصی از جمله چالش‌های آن بشمار می‌آید. روش پیشنهادی تلفیق به‌کارگیری شبکه‌های عصبی عمیق به همراه استفاده از توابع ریخت‌شناسی برای کاهش بار پردازشی و عدم وابستگی به صحنه‌ها و شرایط مختلف آزمون‌دهنده می‌باشد. این روش شامل سه مرحله اصلی است: پیش‌پردازش، استخراج فعالیت‌های آزمون‌دهنده، و شناسایی اشیا غیرمجاز در صحنه و به‌کارگیری آن‌ها برای تقلب. در مرحله پیش‌پردازش، با مقایسه شباهت‌های ساختاری بین فریم‌های متوالی، فریم‌های بدون حرکت آزمون‌دهنده از ویدئوی اصلی حذف می‌شوند. در مرحله دوم، با استفاده از تجزیه‌وتحلیل تغییرات اسکلت بدن، حرکات آزمون‌دهنده شناسایی شده و با استفاده از شبکه عصبی دیگر، اشیا حاضردرصحنه به همراه موقعیت هر یک استخراج می‌شوند. در نهایت، صحنه‌های مشکوک به تقلب با ارزیابی تعاملات بین حرکات اعضای بدن آزمون‌دهنده و اشیا غیرمجاز موجود در صحنه شناسایی می‌شوند. ویژگی‌های مهم روش پیشنهادی شامل سرعت پردازش بالا، انعطاف‌پذیری در برابر تغییرات پس‌زمینه و توانایی در خلاصه‌سازی ویدئو بدون نیاز به آموزش قبلی است. نتایج تجربی روی 120‎ویدئو آزمون نشان می‌دهد که این روش ضمن حفظ تمامی صحنه‌های تقلب یا مشکوک به تقلب، زمان ویدئوها را تا ۷۰٪ کاهش می‌دهد.