En raison de la pandémie de COVID-19, le secteur de l’éducation a connu une transformation rapide des systèmes hors ligne vers les systèmes en ligne. Par conséquent, le client a constaté une demande croissante pour les examens en ligne et a demandé un système de surveillance à distance assistée par IA afin de répondre à la demande accrue d’examens en ligne, tout en assurant l’intégrité des examens.

Pour répondre à la demande croissante d’examens en ligne, notre client recherchait une solution offrant une capacité de surveillance centralisée et permettant la détection des objets interdits et des personnes non autorisées pendant les examens. La solution devait être compatible avec des ordinateurs de faible configuration dotés de webcams basiques (<1 mégapixel).

Pour répondre aux défis du client, nous avons développé une solution d’IA personnalisée qui s’intègre parfaitement à leur système de surveillance. Notre approche technique consistait à développer un modèle d’IA personnalisé pour détecter des objets interdits comme les montres intelligentes, les crayons, les calculatrices et les livres, ainsi que des activités interdites telles que détourner le regard de l’écran pendant une durée spécifique et s’éloigner de l’emplacement désigné.

Nos experts en IA ont utilisé l’apprentissage en régression à prise unique pour tracer des boîtes englobantes et identifier avec précision les étiquettes de classe. Un module spécialisé a été déployé pour vérifier la qualité du flux en vue de l’adéquation pour l’IA.

L’architecture de microservices enfichables de la solution assure l’évolutivité future. Le suivi des événements en temps réel est activé avec le marquage des heures de début et de fin.

La solution a permis un système de surveillance à distance efficace, avec l’analyse en temps réel des flux en direct, permettant la surveillance centralisée d’un grand nombre de candidats dans le monde entier.

La solution a permis de détecter efficacement les objets et activités interdits, notamment des objets comme les téléphones, les montres intelligentes et les calculatrices, ainsi que l’analyse comportementale telle que le suivi du regard, la détection de visage et l’authentification basée sur le visage.

La solution a offert un temps de réponse de moins de 2 secondes pour traiter les incidents de fraude, avec un taux de faux positifs inférieur à 10 % afin de minimiser les alertes inutiles pour les surveillants. Elle est également capable de gérer une charge élevée de 10 000 flux vidéo de webcam simultanés.