考试作弊在考试中时有发生,已成为损害考试公平的重要因素之一。受制于监考、巡考以及及复核监控视频工作等因素影响,经常存在对考生违纪作弊等异常行为的漏检、误检等问题,并且随着在线考试的增多,此问题更引起了人们的关注。以新兴技术和设施为手段,快速、准确判别和发现考试作弊的方法和系统研究为解决此问题提供了途径。本文以线下考试为研究对象,以监控视频为基本设施和数据来源,主要研究考生考场的常见异常行为,如东张西望、传递纸条和低头偷看等举动的自动检测算法,以建立相应的自动监测系统,辅助考务人员及时检测和判断考生异常行为。对于准确实现考生异常行为检测问题,选择YOLOv5模型作为基础的异常行为检测模型。针对考生异常行为幅度小、目标存在遮挡且目标图像较小等特点,将CBAM模块和Ghost模块融入YOLOv5模型,以提高检测的准确率。由于缺乏可用的样本,采集了实际考试中的视频数据,获得原始视频和图像数据,对其中的东张西望、低头偷看和传递纸条这三种作弊行为采样,并采用Label Img软件对样本进行标注,构建了考生异常行为样本数据集,为算法学习、测试提供支持。样本数据集的消融性实验表明,改进的YOLOv5模型对小幅动作具有较高的检出率,且维持了与YOLOv5模型基本一致的检测效率,具有良好的实用性。本文以改进的YOLOv5考生异常行为检测算法为基础,使用Python编程语言和Py Qt5框架,开发了考生异常行为检测系统,完成了视频录制、异常行为检测、实时抓拍以及异常行为视频分析等任务。对实际考试视频的测试表明,能实现对异常行为较为精准的检测。