CN102663379A - 一种基于图像识别的阅卷方法及系统 - Google Patents

一种基于图像识别的阅卷方法及系统 Download PDF

Info

Publication number
CN102663379A
CN102663379A CN2012100784700A CN201210078470A CN102663379A CN 102663379 A CN102663379 A CN 102663379A CN 2012100784700 A CN2012100784700 A CN 2012100784700A CN 201210078470 A CN201210078470 A CN 201210078470A CN 102663379 A CN102663379 A CN 102663379A
Authority
CN
China
Prior art keywords
image
answer sheet
preset
outer rim
color region
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Pending
Application number
CN2012100784700A
Other languages
English (en)
Inventor
留越
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Individual
Original Assignee
Individual
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Individual filed Critical Individual
Priority to CN2012100784700A priority Critical patent/CN102663379A/zh
Publication of CN102663379A publication Critical patent/CN102663379A/zh
Pending legal-status Critical Current

Links

Images

Landscapes

  • Image Analysis (AREA)

Abstract

本申请公开了一种基于图像识别的阅卷方法及系统,该方法包括:接收答题卡的图像数据,从答题卡图像中确定答题卡中有效区域的外边框;对答题卡有效区域的图像进行变形校正,得到预设尺寸的目标图形图像;对所述目标图形图像进行阅卷处理,得到该答题卡的阅卷处理结果。该方法及系统对于摄像头的光轴与答题卡所在的平面之间夹角不为90度时摄像头所拍摄的答题卡图像,也能够完成阅卷处理。

Description

一种基于图像识别的阅卷方法及系统
技术领域
本申请涉及图像识别技术,尤其涉及一种基于图像识别的阅卷方法及系统。
背景技术
随着电子技术的不断发展,其已经在各行各业中得到了不同的应用。例如,在教学中,人们已经越来越习惯于通过答题卡来进行答题者答题信息的获取,并相应进行分数的计算。
在现有技术中,存在一种基于答题卡的阅卷系统,一般包括:摄像头110以及阅卷装置120,其中,摄像头110用于对答题卡进行拍照,将拍照得到的答题卡的图像数据传输给阅卷装置120;阅卷装置120对答题卡的图像数据进行阅卷处理;所述阅卷装置120可以通过PC机或者手机等具有图像识别和处理能力的终端实现。另外,现有的阅卷系统进行阅卷处理的答题卡一般为如图2所示的结构,包括答题者信息以及答题信息两个区域,答题者信息一般包括答卷标识,答题信息包括每一题目的答题信息;在实际应用中,答卷标识位数,每一题的选项以及题目的个数等并不限定,可以在实际应用中具体限定。
对于图1所示的阅卷系统,所述阅卷装置在对于例如图2所示的答题卡的图像数据进行阅卷处理时,所使用的阅卷方法主要包括:
对于摄像头发来的答题卡的图像数据,从答题卡图像的边缘开始,逐渐向图像中心进行查找,查找得到预设大小的矩形时,将该矩形作为答题卡有效区域的外边框;
根据外边框内的图像,识别出答题数据,所述答题数据可以包括:答卷标识以及每一题目的答题信息,将答题数据中每一题目的答题信息与标准数据进行比较,计算得到该答卷标识对应的阅卷处理结果;否则,阅卷失败。
对于使用上述阅卷方法的阅卷装置而言,为了保证阅卷装置能够识别出答题卡有效区域的外边框,完成对于答题卡中答题数据的阅卷处理,需要保证摄像头拍摄的答题卡图像中外边框的形状与答题卡外边框的实际形状基本相同,为了满足这一条件,阅卷系统的摄像头的光轴(例如图2中的直线L)必须垂直于答题卡所在的平面;一旦摄像头的光轴与答题卡所在的平面之间的夹角不为90度,则拍摄到的答题卡有效区域的外边框以及外边框内的图像会存在一定程度的变形,现有的阅卷装置无法进行阅卷处理。
综上所述,现有的阅卷装置仅对于摄像头的光轴基本垂直于答题卡所在的平面时,所拍摄到的答题卡图像才能进行阅卷处理,而对于摄像头的光轴与答题卡所在的平面之间夹角不为90度时摄像头所拍摄的答题卡图像,无法完成阅卷处理。
发明内容
有鉴于此,本申请要解决的技术问题是,提供一种基于图像识别的阅卷方法及系统,对于摄像头的光轴与答题卡所在的平面之间夹角不为90度时摄像头所拍摄的答题卡图像,也能够完成阅卷处理。
为此,本申请实施例采用如下技术方案:
本申请实施例提供一种基于图像识别的阅卷方法,包括:
获得答题卡的图像数据,从答题卡图像中确定答题卡有效区域的外边框;
对所述答题卡有效区域的图像进行变形校正,得到预设尺寸的目标图形图像;
对所述目标图形图像进行阅卷处理,得到该答题卡的阅卷处理结果。
所述从答题卡图像中确定答题卡有效区域的外边框包括:
确定答题卡图像的中心点;
从该中心点开始,向一个预设方向进行预设颜色区域的搜索,直到搜索到一个该预设颜色的区域的边缘;
以搜索到的所述预设颜色区域边缘的一个边缘点为起点,确定该预设颜色区域的所有边缘点,并记录所述边缘点;
根据记录的边缘点确定该预设颜色区域的尺寸,判断该预设颜色区域的尺寸不小于预设的尺寸条件时,确定该预设颜色区域为答题卡有效区域的外边框;否则,返回所述向一个预设方向进行预设颜色区域的搜索的步骤,继续沿该预设方向进行预设颜色区域的搜索,直到搜索到的预设颜色区域确定为答题卡有效区域的外边框。
所述有效区域的外边框为矩形,所述目标图形图像为目标矩形图像;则所述对有效区域的图像进行变形校正,得到预设尺寸的目标图形图像包括:
确定答题卡有效区域的外边框的4个角;
计算所述外边框的4个角与目标矩形图像的4个对应角之间的变换矩阵;
根据所述变换矩阵计算目标矩形图像上每个点在外边框内图像上的对应点;
将外边框内图像上的对应点的灰度值确定为目标矩形图像上对应点的灰度值,形成目标矩形图像。
所述对所述目标图形图像进行阅卷处理包括:
识别所述目标图形图像的方向,根据该方向识别出该目标图形图像中的答卷标识以及每一题的答题信息;对所述答卷标识进行校验,通过时,将每一题的答题信息与标准数据进行比较,计算出答卷标识对应的阅卷处理结果。
所述根据该方向识别出该目标图形图像中的答卷标识以及每一题的答题信息包括:
根据所述目标图形图像的方向,按照预设的划分方法将图面划分为填涂格,逐一判断每一填涂格是处于涂黑状态还是空白状态;
根据预设的图面数据组合规则对填涂格分组,确定每一组填涂格的填涂信息;
按照预设的读取顺序依次读取各组填涂格的填涂信息,得到答卷标识以及每一题的答题信息。
对答卷标识进行校验的方法包括:
在答卷标识中预设校验位以及校验规则;
判断当前获取到的答卷标识是否满足所述校验规则,如果是,则校验通过,否则,校验不通过。
本申请实施例还提供一种基于图像识别的阅卷系统,包括:
有效区域标定单元,用于获得答题卡的图像数据,从答题卡图像中确定答题卡有效区域的外边框;
校正单元,用于对有效区域的图像进行变形校正,得到预设尺寸的目标图形图像;
阅卷单元,用于对所述目标图形图像进行阅卷处理,得到该答题卡的阅卷处理结果。
有效区域标定单元包括:
接收子单元,用于接收答题卡的图像数据;
第一确定子单元,用于确定答题卡图像的中心点;
搜索子单元,用于从该中心点开始,向一个预设方向进行预设颜色区域的搜索,直到搜索到一个预设颜色区域的边缘;
记录子单元,用于以搜索到的所述预设颜色区域边缘的一个边缘点为起点,确定该预设颜色区域的所有边缘点,并记录所述边缘点;
判断子单元,用于根据记录的边缘点确定该预设颜色区域的尺寸,判断该预设颜色区域的尺寸不小于预设的尺寸条件时,确定该预设颜色区域为答题卡有效区域的外边框;否则,指示搜索子单元继续延预设方向进行预设颜色区域的搜索,直到搜索到的预设颜色区域确定为答题卡有效区域的外边框。
所述有效区域的外边框为矩形,所述目标图形图像为目标矩形图像,则校正单元包括:
第二确定子单元,用于确定答题卡有效区域的外边框的4个角;
第一计算子单元,用于计算所述外边框的4个角与目标矩形图像的4个对应角之间的变换矩阵;
第二计算子单元,用于根据所述变换矩阵计算目标矩形图像上每个点在外边框内图像上的对应点;
第三确定子单元,用于将外边框内图像上的对应点的灰度值确定为目标矩形图像上对应点的灰度值,形成目标矩形图像。
阅卷单元包括:
识别子单元,用于识别所述目标图形图像的方向,根据该方向识别出该目标图形图像中的答卷标识以及每一题的答题信息;
校验子单元,用于对所述答卷标识进行校验;
阅卷子单元,用于对所述答卷标识进行校验通过时,将每一题的答题信息与标准数据进行比较,计算出答卷标识对应的阅卷处理结果。
对于上述技术方案的技术效果分析如下:
在确定答题卡图像的外边框后,对外边框内的图像进行变形校正,得到预设尺寸的目标图形图像,从而即使获取到的答题卡图像是摄像头在摄像头的光轴与答题卡所在的平面之间夹角不为90度时所拍摄到的变形的答题卡图像,也能够得到预设尺寸的目标图形图像,进而完成阅卷处理。
附图说明
图1为现有技术中阅卷系统结构示意图;
图2为现有技术中答题卡的一般结构示意图;
图3为本申请实施例一种基于图像识别的阅卷方法流程示意图;
图4为本申请实施例另一种基于图像识别的阅卷方法流程示意图;
图5为本申请实施例一种基于图像识别的阅卷系统结构示意图;
图6为本申请实施例阅卷系统中有效区域标定单元的实现结构示意图;
图7为本申请实施例阅卷系统中校正单元的实现结构示意图;
图8为本申请实施例阅卷系统中阅卷单元的实现结构示意图。
具体实施方式
以下,结合附图详细说明本申请实施例基于图像识别的阅卷方法及系统的实现。
图3为本申请实施例基于图像识别的阅卷方法流程示意图,如图3所示,该方法包括:
步骤301:获得答题卡的图像数据,从答题卡图像中确定答题卡有效区域的外边框;
步骤302:对有效区域的图像进行变形校正,得到预设尺寸的目标图形图像;
步骤303:对所述目标图形图像进行阅卷处理,得到该答题卡的阅卷处理结果。
图3所示的阅卷方法中,在确定答题卡有效区域的外边框后,对外边框内的图像进行变形校正,得到预设尺寸的目标图形图像,从而即使获取到的答题卡图像是摄像头的光轴不垂直于答题卡所在平面时摄像头拍摄到的变形的答题卡图像,也能够得到预设尺寸的目标图形图像,进而完成阅卷处理。
这里,所述答题卡有效区域是指供用户进行答题者信息以及答题信息填涂的区域范围,一般的,如图2所示,答题卡的有效区域都通过预设颜色的边框框出,从而本发明实施例中可以从答题卡图像中将该边框识别出来,得到答题卡的有效区域对应的图像,进而对该有效区域对应的图像进行校正,得到预设目标图形图像。所述目标图形根据答题卡中实际设置的有效区域的边框确定,一般的,该边框多为矩形,但是,在实际应用中也可能为五边形甚至多边形,这里并不限定。
在图3的基础上,通过图4对本申请实施例的阅卷方法进行更为详细的说明。如图4所示,该阅卷方法包括:
步骤401:接收答题卡的图像数据;
所述答题卡的图像数据一般由摄像头在进行答题卡的拍照后,将拍照得到的答题卡的图像数据发送给执行本申请阅卷方法的终端。
步骤402:确定答题卡图像的中心点,从答题卡图像的中心点开始,向一个预设方向进行预设颜色区域的搜索,直到搜索到一个预设颜色区域的边缘;
所述预设颜色可以为黑色等各种颜色,与实际的答题卡中有效区域的外边框颜色相关,这里并不限定;或者,所述摄像头只能进行黑白图像的拍摄时,则该外边框的预设颜色为黑色。
其中,所述预设方向可以为任意方向,这里并不限定,可以在实际应用中根据需要自主设定,优选地,当答题卡为如图2所示的结构时,可以设置该方向为向右或者向左,从而可以更快的搜索到答题卡有效区域的外边框,提高本申请阅卷方法的阅卷速度和效率。
步骤403:以搜索到的所述预设颜色区域边缘的一个边缘点为起点,确定该预设颜色区域的所有边缘点,并记录所述边缘点;
具体的,本步骤的实现可以为:以预设颜色区域的一个边缘点为起点,紧贴该预设颜色区域的边缘逆时针或者顺时针搜索,并记录搜索到的所有边缘点,直到回到起点。
所述边缘点是指位置在预设颜色区域边缘上的点。
步骤404:根据记录的边缘点确定该预设颜色区域的尺寸,判断该预设颜色区域的尺寸不小于预设的尺寸条件时,确定该预设颜色区域为答题卡有效区域的外边框,执行步骤405;否则,返回步骤402继续沿预设方向查找下一个预设颜色区域的边缘,直到本步骤中确定搜索到的预设颜色区域为答题卡有效区域的外边框。
当然,在实际应用中,由于答题卡图像模糊等原因,也可能存在一直沿预设方向搜索到答题卡图像的边缘而仍然搜索不到外边框的情况,则可抛弃当前图像,而从摄像头重新获取答题卡图像;若持续数次均找不到边缘,则可能是未放置答题卡等原因导致,应向用户发出警报。以上的步骤402~404是一个不断循环查找符合尺寸要求的预设颜色区域,即步骤301中所述从答题卡的图像中确定答题卡有效区域的外边框的过程;在实际应用中,可能在第一次查找中即找到该外边框,也可能需要多次循环后才能找到所述外边框,与具体的答题卡结构、步骤402中预设的搜索方向等相关。
预设的尺寸条件可以根据答题卡图像的分辨率设置,例如,当答题卡有效区域的外边框为矩形时,如果摄像头的光轴不垂直于答题卡所在平面时,则拍摄得到的答题卡图像中,有效区域外边框的形状并不是矩形,而是梯形、不规则四边形等形状,具体形状与摄像头光轴相对于答题卡所在平面的夹角有关,因此,最好设置预设颜色区域的尺寸条件包括:预设颜色区域的周长大于第一预设值,边长大于第二预设值;例如,当分辨率为M*N时(M>=N),所述第一预设值可以为:(M/2)n;n为实际有效区域外边框的边数;第二预设值为M/2。
以上的确定答题卡有效区域的外边框的方法中,是从图像的中心点进行外边框的搜索,而现有技术中则从图像的外边缘进行外边框的搜索,在现有技术下,答题卡边框周围不能污损,也不能有桌面等其他背景物体,否则现有技术中将无法正确确定答题卡有效区域的外边框,进行阅卷处理,这不仅给阅卷过程增加了操作上的限制,而且偶尔边框污损的答题卡图像也会无法处理,导致整张答题卡作废,使得一组答题数据缺失,而本申请的外边框确定中,从中心点开始进行外边框的搜索,从而克服了现有技术中存在的上述问题。
步骤405:确定答题卡有效区域的外边框的4个角;
具体实现可以包括:在所记录的有效区域外缘点中,分别距离视野四角最近的4个点即为有效填涂区域的4个角。
步骤406:计算所述外边框的4个角与目标矩形图像的4个对应角之间的变换矩阵;
其中,变换矩阵求解方法为解析几何的公知知识,这里不赘述。
通过向该函数输入外边框的4个角与目标矩形图像的4个对应角的坐标,即可通过该函数计算得到变换矩阵。
步骤407:根据所述变换矩阵计算目标矩形图像上每个点在外边框内图像上的对应点;
具体的,目标矩形图像上各点坐标与变换矩阵相乘,即得该点在答题卡有效区域上的对应点坐标。
步骤408:将外边框内图像上的对应点的灰度值确定为目标矩形图像上对应点的灰度值,形成目标矩形图像。
步骤405~步骤408是步骤302中所述的对外边框内的图像进行变形校正的一种实现方法,通过执行步骤405~步骤408,即可得到目标图形图像,也即变形校正后的外边框内的图像。
在步骤405~步骤408中,假设实际的外边框为矩形,目标图形图像为目标矩形图像,在实际应用中,外边框也可以为其他的n边形,如何进行图像的变形可以参考上述的步骤405~步骤408,这里不赘述。
步骤409:识别得到目标图形图像的方向,根据该方向对应识别出该目标图形图像中的答卷标识以及每一题的答题信息;
例如,对于图2所示的答题卡其得到的目标图形图像的方向可能有4种,可以预先设定每一种方向下,目标图形图像内数据的识别方法,以便得到正确的答题者信息以及答题信息。或者,也可以先将其他方向的目标图形图像进行旋转处理,得到预设方向的目标图形图像,进而进行图像内数据的识别,这里不限制。
例如,所述根据该方向识别出该目标图形图像中的答卷标识以及每一题的答题信息可以包括:
根据所述目标图形图像的方向,按照预设的划分方法将图面划分为填涂格,逐一判断每一填涂格是处于涂黑状态还是空白状态;
根据预设的图面数据组合规则对填涂格分组,确定每一组填涂格的填涂信息;
按照预设的读取顺序依次读取各组填涂格的填涂信息,得到答卷标识以及每一题的答题信息。
在实际应用中,可以根据答题者信息与答题信息之间的位置关系确定所述方向(答题者信息位于答题信息的左边,答题者信息位于答题信息的右边,答题者信息位于答题信息的上方,答题者信息位于答题信息的下方),或者,也可以根据答题卡图像上的外框、内部表格分隔线等固定要素所处的位置,判断答题卡的方向。
例如,可以在实际答题卡中加入一些分隔线、标志点等预印信息,它们位于图像的固定位置,而且呈不对称分布,这些分隔线和/或标志点即为所述固定要素,本步骤中通过检测这些分隔线和/或标志点的位置,即可判断答题卡的方向。比如:预先设置有效区域靠近上方的纵向1/4处有一个贯通整个有效区域的预设颜色粗线,则检测到这个预设颜色粗线,即可判断答题卡方向。
本步骤中的识别目标图形图像方向为可选步骤,在实际应用中也可以具体设定答题卡的拍摄方向,从而使得每一答题卡对应的目标图形图像的方向一致,此时,该识别目标图形图像方向的步骤可以不执行,而直接按照预设的识别顺序,从目标图形图像中识别出答卷标识以及每一题的答题信息即可。
步骤410:对答卷标识进行校验,校验通过时,执行步骤411;否则,执行步骤412。
对答卷标识进行校验的方法可以包括:
在答卷标识中预设校验位以及校验规则;
判断当前获取到的答卷标识是否满足所述校验规则,如果是,则校验通过,否则,校验不通过。
例如,可以设定校验规则是:答卷标识的各位数字相加后,应是10的整数倍;例如,答卷标识包括实际顺序号以及校验位,实际顺序号分别为123号和534号,则123号的校验位为4;534的校验位为8;从而得到完整的答卷标识:1234,5348;一般答卷标识的某一位填涂错误,则,识别出答卷标识后,识别出的答卷标识的各位数字相加得到的必然不是10的整数倍,则校验不通过。此时,所述判断当前获取到的答卷标识是否满足所述校验规则包括:将答卷标识的各位数字相加,判断相加的结果是否为10的整数倍。
通过本步骤的执行,可以防止某些答题者在涂写答题卡时,对自己的答卷标识涂写错误的情况出现。本步骤为可选步骤。
步骤411:将所述每一题的答题信息与标准数据对比,计算得到该答卷标识对应的阅卷处理结果;当前答题卡的阅卷处理结束。
在实际应用中,可以预先设置所述标准数据包括:每一题的标准答案,以及题目对应的分数,从而本步骤中可以将识别到的每一题的答题信息与每一题的标准答案对比,如果相同,则在分数上增加该题目对应的分数,否则,不增加分数,直到最后一题对比完毕,得到总分数作为阅卷处理结果。
步骤412:向用户报警;当前答题卡的阅卷处理结束。
其中,所述报警可以为:发出警报声、或者,向用户显示错误信息等等,具体的报警方法这里并不限制。
在实际应用中,对于每一答题卡的图像数据都需要执行以上的步骤401~步骤412的过程,从而实现该答题卡的图像数据的阅卷处理。
与上述基于图像识别的阅卷方法相对应的,本申请实施例还提供一种基于图像识别的阅卷系统,如图5所示,该系统包括:
有效区域标定单元510,用于获得答题卡的图像数据,从答题卡图像中确定答题卡有效区域的外边框;
校正单元520,用于对有效区域的图像进行变形校正,得到预设尺寸的目标图形图像;
阅卷单元530,用于对所述目标图形图像进行阅卷处理,得到该答题卡的阅卷处理结果。
优选地,如图6所示,有效区域标定单元510可以包括:
接收子单元610,用于接收答题卡的图像数据;
第一确定子单元620,用于确定答题卡图像的中心点;
搜索子单元630,用于从该中心点开始,向一个预设方向进行预设颜色区域的搜索,直到搜索到一个预设颜色区域的边缘;
记录子单元640,用于以搜索到的所述预设颜色区域边缘的一个边缘点为起点,确定该预设颜色区域的所有边缘点,并记录所述边缘点;
判断子单元650,用于根据记录的边缘点确定该预设颜色区域的尺寸,判断该预设颜色区域的尺寸不小于预设的尺寸条件时,确定该预设颜色区域为答题卡有效区域的外边框;否则,指示搜索子单元继续延预设方向进行预设颜色区域的搜索,直到搜索到的预设颜色区域确定为答题卡有效区域的外边框。
优选地,如图7所示,所述有效区域的外边框为四边形,所述目标图形图像为目标矩形图像,则校正单元520可以包括:
第二确定子单元710,用于确定答题卡有效区域的外边框的4个角;
第一计算子单元720,用于计算所述外边框的4个角与目标矩形图像的4个对应角之间的变换矩阵;
第二计算子单元730,用于根据所述变换矩阵计算目标矩形图像上每个点在外边框内图像上的对应点;
第三确定子单元740,用于将外边框内图像上的对应点的灰度值确定为目标矩形图像上对应点的灰度值,形成目标矩形图像。
优选地,如图8所示,阅卷单元530可以包括:
识别子单元810,用于识别所述目标图形图像的方向,根据该方向识别出该目标图形图像中的答卷标识以及每一题的答题信息;
校验子单元820,用于对所述答卷标识进行校验;
阅卷子单元830,用于对所述答卷标识进行校验通过时,将每一题的答题信息与标准数据进行比较,计算出答卷标识对应的阅卷处理结果。
优选地,识别子单元810可以包括:
方向识别模块,用于识别所述目标图形图像的方向;
划分模块,用于根据所述目标图形图像的方向,按照预设的划分方法将图面划分为填涂格,逐一判断每一填涂格是处于涂黑状态还是空白状态;
确定模块,用于根据预设的图面数据组合规则对填涂格分组,确定每一组填涂格的填涂信息;
读取模块,用于按照预设的读取顺序依次读取各组填涂格的填涂信息,得到答卷标识以及每一题的答题信息。
优选地,阅卷单元530还可以包括:报警子单元840,用于对所述答卷标识进行校验未通过时,向用户进行报警。
优选地,校验子单元820可以包括:
预设子模块,用于在答卷标识中预设校验位以及校验规则;
判断子模块,用于判断当前获取到的答卷标识是否满足所述校验规则,如果是,则校验通过,否则,校验不通过。
图5~图8所示的基于图像识别的阅卷系统中,有效区域标定单元接收答题卡的图像数据,从答题卡图像中确定答题卡有效区域的外边框;校正单元对外边框内的图像进行变形校正,得到预设尺寸的目标图形图像;阅卷单元对所述目标图形图像进行阅卷处理,得到该答题卡的阅卷处理结果,从而即使获取到的答题卡图像是摄像头的光轴不垂直答题卡所在平面的情况下拍摄到的变形的答题卡图像,也能够得到预设尺寸的目标图形图像,进而完成阅卷处理。
本申请实施例的阅卷方法及系统能够设置于图1所示的阅卷装置中,进行阅卷处理。甚至,所述阅卷方法及系统也可以设置于带有存储功能的摄像头110中,从而可以将摄像头插入电脑等具有图像识别和处理功能的终端中,即可进行阅卷处理。
本领域普通技术人员可以理解,实现上述实施例的方法的过程可以通过程序指令相关的硬件来完成,所述的程序可以存储于可读取存储介质中,该程序在执行时执行上述方法中的对应步骤。所述的存储介质可以如:ROM/RAM、磁碟、光盘等。
以上所述仅是本申请的优选实施方式,应当指出,对于本技术领域的普通技术人员来说,在不脱离本申请原理的前提下,还可以做出若干改进和润饰,这些改进和润饰也应视为本申请的保护范围。

Claims (10)

1.一种基于图像识别的阅卷方法,其特征在于,包括:
获得答题卡的图像数据,从答题卡图像中确定答题卡有效区域的外边框;
对所述答题卡有效区域的图像进行变形校正,得到预设尺寸的目标图形图像;
对所述目标图形图像进行阅卷处理,得到该答题卡的阅卷处理结果。
2.根据权利要求1所述的方法,其特征在于,所述从答题卡图像中确定答题卡有效区域的外边框包括:
确定答题卡图像的中心点;
从该中心点开始,向一个预设方向进行预设颜色区域的搜索,直到搜索到一个该预设颜色的区域的边缘;
以搜索到的所述预设颜色区域边缘的一个边缘点为起点,确定该预设颜色区域的所有边缘点,并记录所述边缘点;
根据记录的边缘点确定该预设颜色区域的尺寸,判断该预设颜色区域的尺寸不小于预设的尺寸条件时,确定该预设颜色区域为答题卡有效区域的外边框;否则,返回所述向一个预设方向进行预设颜色区域的搜索的步骤,继续沿该预设方向进行预设颜色区域的搜索,直到搜索到的预设颜色区域确定为答题卡有效区域的外边框。
3.根据权利要求1所述的方法,其特征在于,所述有效区域的外边框为矩形,所述目标图形图像为目标矩形图像;则所述对有效区域的图像进行变形校正,得到预设尺寸的目标图形图像包括:
确定答题卡有效区域的外边框的4个角;
计算所述外边框的4个角与目标矩形图像的4个对应角之间的变换矩阵;
根据所述变换矩阵计算目标矩形图像上每个点在外边框内图像上的对应点;
将外边框内图像上的对应点的灰度值确定为目标矩形图像上对应点的灰度值,形成目标矩形图像。
4.根据权利要求1至3任一项所述的方法,其特征在于,所述对所述目标图形图像进行阅卷处理包括:
识别所述目标图形图像的方向,根据该方向识别出该目标图形图像中的答卷标识以及每一题的答题信息;对所述答卷标识进行校验,通过时,将每一题的答题信息与标准数据进行比较,计算出答卷标识对应的阅卷处理结果。
5.根据权利要求4所述的方法,其特征在于,所述根据该方向识别出该目标图形图像中的答卷标识以及每一题的答题信息包括:
根据所述目标图形图像的方向,按照预设的划分方法将图面划分为填涂格,逐一判断每一填涂格是处于涂黑状态还是空白状态;
根据预设的图面数据组合规则对填涂格分组,确定每一组填涂格的填涂信息;
按照预设的读取顺序依次读取各组填涂格的填涂信息,得到答卷标识以及每一题的答题信息。
6.根据权利要求4所述的方法,其特征在于,对答卷标识进行校验的方法包括:
在答卷标识中预设校验位以及校验规则;
判断当前获取到的答卷标识是否满足所述校验规则,如果是,则校验通过,否则,校验不通过。
7.一种基于图像识别的阅卷系统,其特征在于,包括:
有效区域标定单元,用于获得答题卡的图像数据,从答题卡图像中确定答题卡有效区域的外边框;
校正单元,用于对有效区域的图像进行变形校正,得到预设尺寸的目标图形图像;
阅卷单元,用于对所述目标图形图像进行阅卷处理,得到该答题卡的阅卷处理结果。
8.根据权利要求7所述的系统,其特征在于,有效区域标定单元包括:
接收子单元,用于接收答题卡的图像数据;
第一确定子单元,用于确定答题卡图像的中心点;
搜索子单元,用于从该中心点开始,向一个预设方向进行预设颜色区域的搜索,直到搜索到一个预设颜色区域的边缘;
记录子单元,用于以搜索到的所述预设颜色区域边缘的一个边缘点为起点,确定该预设颜色区域的所有边缘点,并记录所述边缘点;
判断子单元,用于根据记录的边缘点确定该预设颜色区域的尺寸,判断该预设颜色区域的尺寸不小于预设的尺寸条件时,确定该预设颜色区域为答题卡有效区域的外边框;否则,指示搜索子单元继续延预设方向进行预设颜色区域的搜索,直到搜索到的预设颜色区域确定为答题卡有效区域的外边框。
9.根据权利要求7所述的系统,其特征在于,所述有效区域的外边框为矩形,所述目标图形图像为目标矩形图像,则校正单元包括:
第二确定子单元,用于确定答题卡有效区域的外边框的4个角;
第一计算子单元,用于计算所述外边框的4个角与目标矩形图像的4个对应角之间的变换矩阵;
第二计算子单元,用于根据所述变换矩阵计算目标矩形图像上每个点在外边框内图像上的对应点;
第三确定子单元,用于将外边框内图像上的对应点的灰度值确定为目标矩形图像上对应点的灰度值,形成目标矩形图像。
10.根据权利要求7至9任一项所述的系统,其特征在于,阅卷单元包括:
识别子单元,用于识别所述目标图形图像的方向,根据该方向识别出该目标图形图像中的答卷标识以及每一题的答题信息;
校验子单元,用于对所述答卷标识进行校验;
阅卷子单元,用于对所述答卷标识进行校验通过时,将每一题的答题信息与标准数据进行比较,计算出答卷标识对应的阅卷处理结果。
CN2012100784700A 2012-03-22 2012-03-22 一种基于图像识别的阅卷方法及系统 Pending CN102663379A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN2012100784700A CN102663379A (zh) 2012-03-22 2012-03-22 一种基于图像识别的阅卷方法及系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN2012100784700A CN102663379A (zh) 2012-03-22 2012-03-22 一种基于图像识别的阅卷方法及系统

Publications (1)

Publication Number Publication Date
CN102663379A true CN102663379A (zh) 2012-09-12

Family

ID=46772863

Family Applications (1)

Application Number Title Priority Date Filing Date
CN2012100784700A Pending CN102663379A (zh) 2012-03-22 2012-03-22 一种基于图像识别的阅卷方法及系统

Country Status (1)

Country Link
CN (1) CN102663379A (zh)

Cited By (16)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102902964A (zh) * 2012-10-08 2013-01-30 飞天诚信科技股份有限公司 一种智能定位刻字区域的检测方法
CN103246873A (zh) * 2013-04-28 2013-08-14 北京贞观雨科技有限公司 一种采集答题卡的答题信息的方法及装置
CN103745104A (zh) * 2013-12-31 2014-04-23 广东工业大学 一种基于增强现实技术的评卷方法
CN104239850A (zh) * 2014-07-16 2014-12-24 华南理工大学 基于图像综合特征的答题卡填涂信息自动识别方法
CN105260997A (zh) * 2015-09-22 2016-01-20 北京好运到信息科技有限公司 一种自动获取目标图像的方法
CN105426518A (zh) * 2015-12-03 2016-03-23 广东小天才科技有限公司 一种拍照搜题的方法及系统
CN105590298A (zh) * 2014-11-07 2016-05-18 三星电子株式会社 从图像提取并校正对象的图像数据
CN105869464A (zh) * 2016-06-24 2016-08-17 苏州美丽澄电子技术有限公司 摄像式家教机器人
CN106033534A (zh) * 2015-03-18 2016-10-19 成都理想境界科技有限公司 基于直线检测的电子阅卷方法
CN106033535A (zh) * 2015-03-18 2016-10-19 成都理想境界科技有限公司 电子阅卷方法
CN107506764A (zh) * 2017-09-27 2017-12-22 武汉天量数据技术有限公司 一种答题卡填涂识别方法及系统
CN108537218A (zh) * 2018-04-12 2018-09-14 湖南诚壹文化产业有限公司 一种答题卡的识别处理方法及装置
CN109285300A (zh) * 2017-07-20 2019-01-29 东芝泰格有限公司 商品数据处理装置及商品数据处理方法、终端设备
CN112308177A (zh) * 2020-10-21 2021-02-02 泰州锐比特智能科技有限公司 试卷他人代写辨识平台
CN112700414A (zh) * 2020-12-30 2021-04-23 广东德诚大数据科技有限公司 一种用于考试阅卷的空白作答检测方法及系统
CN112752017A (zh) * 2020-06-23 2021-05-04 长沙中天电子设计开发有限公司 拍照答题器的答题方法、拍照方法、拍照答题器及系统

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN1619580A (zh) * 2004-09-03 2005-05-25 深圳市海云天科技有限公司 填涂信息卡的信息识别方法
CN101334814A (zh) * 2008-04-28 2008-12-31 华北电力大学 一种自动化的扫描阅卷系统及阅卷方法
CN101685482A (zh) * 2009-08-04 2010-03-31 上海心意答电子科技有限公司 一种自动识别处理批阅结果的电子阅卷系统及方法
CN102360419A (zh) * 2011-09-28 2012-02-22 广东启明科技发展有限公司 计算机扫描阅读管理方法及系统

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN1619580A (zh) * 2004-09-03 2005-05-25 深圳市海云天科技有限公司 填涂信息卡的信息识别方法
CN101334814A (zh) * 2008-04-28 2008-12-31 华北电力大学 一种自动化的扫描阅卷系统及阅卷方法
CN101685482A (zh) * 2009-08-04 2010-03-31 上海心意答电子科技有限公司 一种自动识别处理批阅结果的电子阅卷系统及方法
CN102360419A (zh) * 2011-09-28 2012-02-22 广东启明科技发展有限公司 计算机扫描阅读管理方法及系统

Non-Patent Citations (4)

* Cited by examiner, † Cited by third party
Title
吴柏雄: "摄像头阅卷系统关键技术的分析与应用", 《计算机系统应用》, vol. 19, no. 2, 31 December 2010 (2010-12-31) *
宋峥峥: "《自动化扫描阅卷系统的研究与实现》", 《华北电力大学硕士学位论文》, 31 December 2008 (2008-12-31) *
梁夷龙,等: "基于超椭球模糊聚类的人脑磁共振图像分割", 《软件学报》, vol. 9, no. 9, 30 September 1998 (1998-09-30) *
王丰: "《基于图像识别的客观题答题卡识别研究》", 《科技信息》, 31 December 2008 (2008-12-31), pages 330 - 331 *

Cited By (24)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102902964B (zh) * 2012-10-08 2015-06-17 飞天诚信科技股份有限公司 一种智能定位刻字区域的检测方法
CN102902964A (zh) * 2012-10-08 2013-01-30 飞天诚信科技股份有限公司 一种智能定位刻字区域的检测方法
CN103246873A (zh) * 2013-04-28 2013-08-14 北京贞观雨科技有限公司 一种采集答题卡的答题信息的方法及装置
CN103246873B (zh) * 2013-04-28 2016-05-18 北京贞观雨科技有限公司 一种采集答题卡的答题信息的方法及装置
CN103745104B (zh) * 2013-12-31 2017-03-29 广东工业大学 一种基于增强现实技术的评卷方法
CN103745104A (zh) * 2013-12-31 2014-04-23 广东工业大学 一种基于增强现实技术的评卷方法
CN104239850A (zh) * 2014-07-16 2014-12-24 华南理工大学 基于图像综合特征的答题卡填涂信息自动识别方法
CN104239850B (zh) * 2014-07-16 2017-12-01 华南理工大学 基于图像综合特征的答题卡填涂信息自动识别方法
CN105590298A (zh) * 2014-11-07 2016-05-18 三星电子株式会社 从图像提取并校正对象的图像数据
CN106033534B (zh) * 2015-03-18 2020-01-31 成都理想境界科技有限公司 基于直线检测的电子阅卷方法
CN106033534A (zh) * 2015-03-18 2016-10-19 成都理想境界科技有限公司 基于直线检测的电子阅卷方法
CN106033535A (zh) * 2015-03-18 2016-10-19 成都理想境界科技有限公司 电子阅卷方法
CN106033535B (zh) * 2015-03-18 2019-12-13 成都理想境界科技有限公司 电子阅卷方法
CN105260997A (zh) * 2015-09-22 2016-01-20 北京好运到信息科技有限公司 一种自动获取目标图像的方法
CN105426518A (zh) * 2015-12-03 2016-03-23 广东小天才科技有限公司 一种拍照搜题的方法及系统
CN105869464A (zh) * 2016-06-24 2016-08-17 苏州美丽澄电子技术有限公司 摄像式家教机器人
CN109285300A (zh) * 2017-07-20 2019-01-29 东芝泰格有限公司 商品数据处理装置及商品数据处理方法、终端设备
US10956729B2 (en) 2017-07-20 2021-03-23 Toshiba Tec Kabushiki Kaisha Data processing apparatus and method, and non-transitory computer readable medium
CN107506764A (zh) * 2017-09-27 2017-12-22 武汉天量数据技术有限公司 一种答题卡填涂识别方法及系统
CN108537218A (zh) * 2018-04-12 2018-09-14 湖南诚壹文化产业有限公司 一种答题卡的识别处理方法及装置
CN108537218B (zh) * 2018-04-12 2022-04-05 湖南诚壹文化产业有限公司 一种答题卡的识别处理方法及装置
CN112752017A (zh) * 2020-06-23 2021-05-04 长沙中天电子设计开发有限公司 拍照答题器的答题方法、拍照方法、拍照答题器及系统
CN112308177A (zh) * 2020-10-21 2021-02-02 泰州锐比特智能科技有限公司 试卷他人代写辨识平台
CN112700414A (zh) * 2020-12-30 2021-04-23 广东德诚大数据科技有限公司 一种用于考试阅卷的空白作答检测方法及系统

Similar Documents

Publication Publication Date Title
CN102663379A (zh) 一种基于图像识别的阅卷方法及系统
CN108985199A (zh) 商品取放操作的检测方法、装置及存储介质
CN110827247A (zh) 一种识别标签的方法及设备
CN108416345B (zh) 一种答题卡区域识别方法和计算设备
CN109918523B (zh) 一种基于yolo9000算法的电路板元器件检测方法
CN111860489A (zh) 一种证件图像校正方法、装置、设备及存储介质
CN106934767A (zh) 一种试卷生成及评分方法及系统
CN103179369A (zh) 摄像对象物、图像处理程序及图像处理方法
CN107454964A (zh) 一种商品识别方法和装置
CN113052064B (zh) 基于面部朝向、面部表情及瞳孔追踪的注意力检测方法
WO2021051939A1 (zh) 一种证件区域定位的方法及装置
CN112634201B (zh) 目标检测方法、装置和电子设备
CN103473492A (zh) 权限识别方法和用户终端
CN110263792B (zh) 图像识读及数据处理方法、智能笔、系统及存储介质
CN113743294B (zh) 客观题答题识别方法和阅卷系统、设备、介质
CN110348392A (zh) 车辆匹配方法及设备
CN104992173A (zh) 用于医学报告单的符号识别方法及系统
CN109492684A (zh) 数据处理方法及装置
US10445620B2 (en) Method and system for object tracking in multiple non-linear distortion lenses
CN112991410A (zh) 一种文本图像配准方法、电子设备及其存储介质
CN112395950A (zh) 教室智能考勤方法及系统
CN116580390A (zh) 价签内容获取方法、装置、存储介质和计算机设备
CN108764344A (zh) 一种基于边缘识别卡片的方法、装置及存储设备
CN114241446A (zh) 一种路牌角点的标记方法、装置、设备及存储介质
CN114863456A (zh) 题目识别方法、装置、设备及存储介质

Legal Events

Date Code Title Description
C06 Publication
PB01 Publication
C10 Entry into substantive examination
SE01 Entry into force of request for substantive examination
C12 Rejection of a patent application after its publication
RJ01 Rejection of invention patent application after publication

Application publication date: 20120912