现代社会中,考试作为评估个人能力的重要手段在社会人才选拔的过程中起着至关重要的作用。为了保证考试权威性和公平性,传统的监考需要大量的人力资源和物力资源培训监考人员或者完善监考设备,导致成本较高;同时监考人员难以保持精力应对长时间的枯燥监考活动。这些传统监考制度的弊端促使我们开发自动监考系统。实现考场全局事件进行准确检测是自动监考系统的第一步。本文提出了基于三维卷积神经网络的考场全局事件自动检测模型,准确识别出考场进行状态,为建立自动监考系统提供关键技术支撑。具体工作内容如下:(1)建立考场视频数据集。搜集标准化考场916个视频,视频记录了标准化考场的完整考试流程。通过观察搜集的考场视频,本文界定六类考场全局事件,根据不同教室场景或不同监控摄像的摆放位置进一步分组,并标签化每个视频为后续模型训练和测试做准备。(2)检测考场视频全局事件。提出应用三维卷积神经网络算法在考场视频数据集上,实现提取考场视频的空间特征和时间维度上的运动特征,并通过简单的线性分类器进行考场视频全局事件分类,使得考场视频全局事件的检测准确率达到93.94%,取得了良好的分类效果。(3)证明三维卷积神经网络对考场视频的动作特征提取的有效性。通过设置对比试验,取消时间维度上特征提取操作,从准确率,精确度,召回率和F1分数的四个方面比较实验结果,实验发现三维卷积神经网络的每个方面表现均最优,证明了三维卷积神经网络中时间维度在动作特征提取上的有效性。