CN104143082A - 一种基于图像模糊识别的试卷信息定位方法及系统 - Google Patents
一种基于图像模糊识别的试卷信息定位方法及系统 Download PDFInfo
- Publication number
- CN104143082A CN104143082A CN201410322040.8A CN201410322040A CN104143082A CN 104143082 A CN104143082 A CN 104143082A CN 201410322040 A CN201410322040 A CN 201410322040A CN 104143082 A CN104143082 A CN 104143082A
- Authority
- CN
- China
- Prior art keywords
- paper
- proper vector
- image
- vector value
- answered
- 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.)
- Granted
Links
Landscapes
- Image Analysis (AREA)
Abstract
本发明提供的一种基于图像模糊识别的试卷信息定位方法及系统,通过对未作答空白试卷的最大试题区域进行图像模糊识别,并以识别出的最大试题区域的外接矩形特征向量值为标准,对需要进行阅卷的已作答试卷所扫描出的试卷信息图像进行纠偏校正,从而快速的定位出已作答试卷上的答题信息,因此不仅提高了阅卷的时间,而且本方法及系统无需使用特殊的答题卡(普通的纸张即可以作为答题卡),也不需要对答题卡通过使用定位线、定位孔或者其他方式进行定位,节约了制造试卷的时间,为大型纸质化考试的阅卷工作提供了方便。
Description
技术领域
本发明涉及纸质化能力测评或者纸质化信息管理领域,尤其涉及的是一种基于图像模糊识别的试卷信息定位方法及系统。
背景技术
目前在进行纸质化能力测评或者纸质化信息管理中获取信息所采用的方法一般为先设定OMR信息,所述OMR信息包括定位点、定位线和定位矩阵,这样才能对纸质上所要获取的信息进行准确的定位,而上述各种定位不仅花费很多的时间,而且操作流程比较复杂,且容易出错,最终导致测评或者信息管理的错误率高,因此目前的纸质化信息定位技术还不能很好的满足人们的需求,尤其是大型学校考试时阅卷的需求。
因此,现有技术有待于进一步的改进。
发明内容
鉴于上述现有技术中的不足之处,本发明的目的在于为用户提供一种基于图像模糊识别的试卷信息定位方法及系统,以解决现有技术中无法快速准确的对试卷信息进行定位的问题。
为了达到上述目的,本发明采取了以下技术方案:
一种基于图像模糊识别的试卷信息定位方法,其中,所述方法包括以下步骤:
A、扫描未作答试卷,获取所述试卷试题区域的最大外接矩形特征向量值;所述试卷试题区域为试卷页面上含有该页面上全部试题信息的区域;
B、扫描已作答试卷,获取已作答试卷试题区域的最大外接矩形特征向量值;
C、以步骤A中获取的最大外接矩阵特征向量值为标准,将所述步骤A和B中分别获取的最大外接矩阵特征向量值相比对,计算出已作答试卷图像的偏移角度以及X方向和Y方向的缩放因子,并根据计算出的偏移角度和缩放因子对所述已作答试卷图像进行纠偏校正和定位。
所述基于图像模糊识别的试卷信息定位方法,其中,所述步骤A和B中最大外接矩形特征向量值的获取方法为:通过扫描获取未作答试卷或者已作答试卷的图像,从所述图像中获取未作答试卷或者已作答试卷上试题区域的灰度直方图,通过所述灰度直方图得到所述最大外接矩形特征向量值。
所述基于图像模糊识别的试卷信息定位方法,其中,所述最大外接矩形特征向量值为试卷试题区域的最大外接矩形的二维坐标值。
所述基于图像模糊识别的试卷信息定位方法,其中,对所述已作答试卷信息进行纠偏校正的方法为:根据所述步骤A和B中分别获取的最大外接矩阵的二维坐标值,计算出已作答试卷图像的偏移角度,并以步骤A中获取的最大外接矩阵的二维坐标值为标准,对所述已作答试卷图像进行纠偏校正和定位。
所述基于图像模糊识别的试卷信息定位方法,其中,将获取的未作答试卷的试卷试题区域最大外接矩形特征向量值保存到模糊分类器中。
一种基于图像模糊识别的试卷信息定位系统,其中,包括:
标准获取模块,用于扫描未作答试卷,获取所述试卷试题区域的最大外接矩形特征向量值,并将结果存储在模糊分类器中;所述试卷试题区域为试卷页面上含有该页面上全部试题信息的区域;
答卷信息获取模块,用于扫描已作答试卷,获取已作答试卷试题区域的最大外接矩形特征向量值;
纠偏定位模块,用于以标准获取模块中获取的最大外接矩阵特征向量值为标准,将标准获取模块和答卷信息获取模块中分别获取的最大外接矩阵特征向量值相比对,计算出已作答试卷图像的偏移角度以及X方向和Y方向的缩放因子,并根据计算出的偏移角度和缩放因子对所述已作答试卷图像进行纠偏校正和定位。
所述基于图像模糊识别的试卷信息定位系统,其中,在标准获取模块包括特征向量值获取第一单元;答卷信息获取模块中包括特征向量值获取第二单元;
所述特征向量值获取第一单元和第二单元,用于从扫描得到的未作答试卷或者已作答试卷的图像中获取未作答试卷或者已作答试卷上试题区域的灰度直方图,通过所述灰度直方图得到所述最大外接矩形特征向量值。
所述基于图像模糊识别的试卷信息定位系统,其中,所述最大外接矩形特征向量值为试卷试题区域的最大外接矩形的二维坐标值。
所述基于图像模糊识别的试卷信息定位系统,其中,对所述已作答试卷信息进行纠偏校正的方法为:根据标准获取模块和答卷信息获取模块中获取的最大外接矩形的二维坐标值,计算出已作答试卷图像的偏移角度,并以标准获取模块中获取的最大外接矩阵的二维坐标值为标准,对所述已作答试卷图像进行纠偏校正。
所述基于图像模糊识别的试卷信息定位系统,其中,将获取的未作答试卷的试卷试题区域最大外接矩形特征向量值保存到模糊分类器中。
有益效果:本发明提供的一种基于图像模糊识别的试卷信息定位方法及系统,通过对未作答空白试卷的最大试题区域进行图像模糊识别,并以识别出的最大试题区域的外接矩形特征向量值为标准,对需要进行阅卷的已作答试卷所扫描出的试卷信息图像进行纠偏校正和定位,从而快速的定位出已作答试卷上的答题信息,因此不仅提高了阅卷的时间,而且本方法及系统无需使用特殊的答题卡,也不需要对答题卡通过使用定位线、定位孔或者其他方式进行定位,节约了制造试卷的时间,为大型纸质化考试的阅卷工作提供了方便。
附图说明
图1为本发明一种基于图像模糊识别的试卷信息定位方法的步骤流程图。
图2为本发明中步骤S1中获取未作答试卷上所述数据信息的步骤流程图。
图3为本发明中对已作答试卷进行纠偏定位的步骤流程图。
图4为本发明一种基于图像模糊识别的试卷信息定位系统的结构原理图。
具体实施方式
本发明提供了一种基于图像模糊识别的试卷信息定位方法及系统。为使本发明的目的、技术方案及效果更加清楚、明确,以下参照附图并举实例对本发明进一步详细说明。应当理解,此处所描述的具体实施例仅用以解释本发明,并不用于限定本发明。
如图1所示,为本发明提供的基于图像模糊识别的试卷信息定位方法的方法步骤图,如图所述,所述方法包括以下步骤:
S1、扫描未作答试卷,获取所述试卷试题区域的最大外接矩形特征向量值,并将结果存储在模糊分类器中;所述试卷试题区域为试卷页面上含有该页面上全部试题信息的区域。
所述方法首先选择本次考试所使用的空白未作答试卷为基准,扫描出空白未作答试卷上的试题区域的最大外接矩形特征向量值,也即是通过对试卷的最大外接矩形特征向量值的获取,来模糊识别出该试卷上出题区域的边界,从而对试题及答题区域进行定位。
具体的,如图2所示,为本步骤中获取未作答试卷上所述数据信息的步骤流程图。
S11、通过扫描未作答试卷,获取到未作答试卷的图像;
S12、从所述图像中获取未作答试卷上试题区域的灰度直方图;
S13、通过所述灰度直方图得到所述最大外接矩形特征向量值,并将所述最大外接矩形特征向量值以XML文件的格式存入模糊分类器中。
所述最大外接矩形特征向量值为试卷试题区域的最大外接矩形的二维坐标值。
具体的,从所述灰度直方图获得最大外接矩形特征向量值的算法如下:在灰度直方图中从X轴方向从左到右进行搜索,灰度从255变为小于255的值即为左上角坐标的值,以此算法即可算出右上角坐标及左下角和右下角坐标值,把这四个坐标值向量表以及四点处的灰度值都保存到模糊分类器中。
S2、扫描已作答试卷,获取已作答试卷试题区域的最大外接矩形特征向量值。
通过上述步骤S1中同样的方法,获取到已作答试卷试题区域的最大外接矩形特征向量值。可以知道,已作答试卷试题区域中包括试题和作答出的答案。
S3、以步骤A中获取的最大外接矩阵特征向量值为标准,将所述步骤A和B中分别获取的最大外接矩阵特征向量值相比对,计算出已作答试卷图像的偏移角度以及X方向和Y方向的缩放因子,并根据计算出的偏移角度和缩放因子对所述已作答试卷图像进行纠偏校正以及定位。
具体的,对所述已作答试卷信息进行纠偏校正的方法为:根据所述步骤S1和S2中分别获取的最大外接矩阵的二维坐标值,计算出已作答试卷图像相对于未作答试卷图像的偏移角度,并以步骤S1中获取的最大外接矩阵的二维坐标值为标准,对所述已作答试卷图像进行纠偏校正,也即是使已作答试卷图像与扫描出的未作答试卷图像保持在同样位置,从而可以快速对已作答试卷上的信息进行准确的定位。
为了取得更好的定位效果,在上述发明方法中可以将获取的最大外接矩形特征向量值的信息存储在模糊分类器中,便于保存的数据重复使用。
所述模糊分类器为试卷信息的存储装置,其中可以存储不同类型的试卷信息。使用者初次使用某种类型的试卷模板时,将获取到的与该类型试卷模板所对应的数据信息存储到模糊分类器中,当再次使用该类型的试卷模板时可以直接从模糊分类器中匹配出相应的数据信息,不用重复获取该类型试卷模板的信息。
模糊分类器为数据信息的存储装置,因此使用者可以根据需要在其中存储不同的试题所对应的外接矩形特征向量值,可以为本试卷页面的全部试题区域的外接矩形特征向量值,也可以为本试卷页面某个试题的外接矩形特征向量值,也可以是本试卷页面上相连的某几道题的外接矩形特征向量值。使用者在根据需要对上述外接矩形特征向量值进行存储后,以备下一步的使用。
一般的,模糊分类器将上述存储到其中的数据信息保存成XML文件,便于提取使用。
为了对步骤S2和S3进行更加详细的说明,如图3所示为步骤S2和S3在具体应用时的流程图,如图所示:
S41、首先读取保存在模糊分类器中存储有未作答试卷数据信息的XML文件,从中获取未作答试卷的最大外接矩形特征向量表。
S42、扫描已作答试卷,获取已作答试卷的灰度直方图。
S43、从所述灰度直方图中,获取已作答试卷的最大外接矩形四个角分别对应的坐标值,即q1、 q2 、q3 、q4。
S44、通过对q1 –q4以及未作答试卷的最大外接矩形特征向量表计算出已作答试卷图像的偏移角度 ,并将图像旋转角度,使其与扫描出的未作答试卷的图像保持一致。
S45、进一步根据模糊分类器中保存的未作答试卷的最大外接矩形的面积及坐标向量对获取的已作答试卷图像进行缩放和定位。
在上述基于图像模糊识别的试卷信息定位方法的基础上,本发明还公开了一种基于图像模糊识别的试卷信息定位系统,如图4所示,所述系统包括:
标准获取模块10,用于扫描未作答试卷,获取所述试卷试题区域的最大外接矩形特征向量值,并将结果存储在模糊分类器中;所述试卷试题区域为试卷页面上含有该页面上全部试题信息的区域;具体功能如上述步骤S1所述。
答卷信息获取模块20,用于扫描已作答试卷,获取已作答试卷试题区域的最大外接矩形特征向量值;具体功能如上述步骤S2所述。
纠偏定位模块30,用于将标准获取模块和答卷信息获取模块中的最大外接矩形特征向量值进行比对,计算出已作答试卷的偏移角度以及X方向和Y方向的缩放因子,并根据计算出的偏移角度和缩放因子对所述已作答试卷图像进行纠偏校正和定位。具体功能如上述步骤S3所述。
进一步的,在标准获取模块中包括特征向量值获取第一单元;答卷信息获取模块中包括特征向量值获取第二单元;
所述特征向量值获取第一单元和第二单元,用于从扫描得到的未作答试卷或者已作答试卷的图像中获取未作答试卷或者已作答试卷上试题区域的灰度直方图,通过所述灰度直方图得到所述最大外接矩形特征向量值。
所述最大外接矩形特征向量值为试卷试题区域的最大外接矩形的二维坐标值。
在纠偏定位模块中对所述已作答试卷信息进行纠偏校正的方法为:根据标准获取模块和答卷信息获取模块中获取的最大外接矩形的二维坐标值,计算出已作答试卷图像的偏移角度以及X方向和Y方向的缩放因子,并根据计算出的偏移角度和缩放因子对所述已作答试卷图像进行纠偏校正和定位。
在所述基于图像模糊识别的试卷信息定位系统,可以将获取的未作答试卷的试卷试题区域最大外接矩形特征向量值保存到模糊分类器中。
因此通过上述方案可以想到的是,若使用者根据需要仅对试卷上的某道题或者试卷页面上的某几道相连的题的信息进行定位,依然可以使用本发明所提供的方法及系统进行实现,所述使用方法具体是:
首先获取未作答试卷上的某道题或者试卷页面上的某几道相连的题的外接矩形特征向量值,并将该外接矩形特征向量值保存到模糊分类器中,再获取已作答试卷上的对应的某道题或者试卷页面上的某几道相连的题的外接矩形特征向量值,并将两次获取到的外接矩形特征向量值相对比,以首次获得的某道题或者试卷页面上的某几道相连的题的外接矩形特征向量值为标准,对已作答试卷某道题或者试卷页面上的某几道相连的题进行定位。
本发明提供的一种基于图像模糊识别的试卷信息定位方法及系统,通过对未作答空白试卷的最大试题区域进行图像模糊识别,并以识别出的最大试题区域的外接矩形特征向量值为标准,对需要进行阅卷的已作答试卷所扫描出的试卷信息图像进行纠偏校正,从而快速的定位出已作答试卷上的答题信息,因此不仅提高了阅卷的时间,而且本方法及系统无需使用答题卡,也不需要对试卷通过使用定位线、定位孔等方式进行定位,节约了制造试卷的时间,为大型纸质化考试的阅卷工作提供了方便。
可以理解的是,对本领域普通技术人员来说,可以根据本发明的技术方案及其发明构思加以等同替换或改变,而所有这些改变或替换都应属于本发明所附的权利要求的保护范围。
Claims (10)
1.一种基于图像模糊识别的试卷信息定位方法,其特征在于,所述方法包括以下步骤:
A、扫描未作答试卷,获取所述试卷试题区域的最大外接矩形特征向量值;所述试卷试题区域为试卷页面上含有该页面上全部试题信息的区域;
B、扫描已作答试卷,获取已作答试卷试题区域的最大外接矩形特征向量值;
C、以步骤A中获取的最大外接矩阵特征向量值为标准,将所述步骤A和B中分别获取的最大外接矩阵特征向量值相比对,计算出已作答试卷图像的偏移角度以及X方向和Y方向的缩放因子,并根据计算出的偏移角度和缩放因子对所述已作答试卷图像进行纠偏校正以及定位。
2.根据权利要求1所述基于图像模糊识别的试卷信息定位方法,其特征在于,所述步骤A和B中最大外接矩形特征向量值的获取方法为:通过扫描获取未作答试卷或者已作答试卷的图像,从所述图像中获取未作答试卷或者已作答试卷上试题区域的灰度直方图,通过所述灰度直方图得到所述最大外接矩形特征向量值。
3.根据权利要求2所述基于图像模糊识别的试卷信息定位方法,其特征在于,所述最大外接矩形特征向量值为试卷试题区域的最大外接矩形的二维坐标值。
4.根据权利要求3所述基于图像模糊识别的试卷信息定位方法,其特征在于,对所述已作答试卷信息进行纠偏校正的方法为:根据所述步骤A和B中分别获取的最大外接矩阵的二维坐标值,计算出已作答试卷图像的偏移角度以及X方向和Y方向的缩放因子,并以步骤A中获取的最大外接矩阵的二维坐标值为标准,对所述已作答试卷图像进行纠偏校正和定位。
5.根据权利要求1-4任一项所述基于图像模糊识别的试卷信息定位方法,其特征在于,将获取的未作答试卷的试卷试题区域最大外接矩形特征向量值保存到模糊分类器中。
6.一种基于图像模糊识别的试卷信息定位系统,其特征在于,包括:
标准获取模块,用于扫描未作答试卷,获取所述试卷试题区域的最大外接矩形特征向量值,并将结果存储在模糊分类器中;所述试卷试题区域为试卷页面上含有该页面上全部试题信息的区域;
答卷信息获取模块,用于扫描已作答试卷,获取已作答试卷试题区域的最大外接矩形特征向量值;
纠偏定位模块,用于以标准获取模块中获取的最大外接矩阵特征向量值为标准,将标准获取模块和答卷信息获取模块中分别获取的最大外接矩阵特征向量值相比对,计算出已作答试卷图像的偏移角度以及X方向和Y方向的缩放因子,并根据计算出的偏移角度和缩放因子对所述已作答试卷图像进行纠偏校正和定位。
7.根据权利要求6所述基于图像模糊识别的试卷信息定位系统,其特征在于,在标准获取模块包括特征向量值获取第一单元;答卷信息获取模块中包括特征向量值获取第二单元;
所述特征向量值获取第一单元和第二单元,用于从扫描得到的未作答试卷或者已作答试卷的图像中获取未作答试卷或者已作答试卷上试题区域的灰度直方图,通过所述灰度直方图得到所述最大外接矩形特征向量值。
8.根据权利要求7所述基于图像模糊识别的试卷信息定位系统,其特征在于,所述最大外接矩形特征向量值为试卷试题区域的最大外接矩形的二维坐标值。
9.根据权利要求8所述基于图像模糊识别的试卷信息定位系统,其特征在于,对所述已作答试卷信息进行纠偏校正的方法为:根据标准获取模块和答卷信息获取模块中获取的最大外接矩形的二维坐标值,计算出已作答试卷图像的偏移角度,并以标准获取模块中获取的最大外接矩阵的二维坐标值为标准,对所述已作答试卷图像进行纠偏校正。
10.根据权利要求6-9任一项所述基于图像模糊识别的试卷信息定位系统,其特征在于,将获取的未作答试卷的试卷试题区域最大外接矩形特征向量值保存到模糊分类器中。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201410322040.8A CN104143082B (zh) | 2014-07-08 | 2014-07-08 | 一种基于图像模糊识别的试卷信息定位方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201410322040.8A CN104143082B (zh) | 2014-07-08 | 2014-07-08 | 一种基于图像模糊识别的试卷信息定位方法及系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN104143082A true CN104143082A (zh) | 2014-11-12 |
CN104143082B CN104143082B (zh) | 2018-06-05 |
Family
ID=51852252
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201410322040.8A Active CN104143082B (zh) | 2014-07-08 | 2014-07-08 | 一种基于图像模糊识别的试卷信息定位方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN104143082B (zh) |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105046200A (zh) * | 2015-06-19 | 2015-11-11 | 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 |
CN105760869A (zh) * | 2016-02-29 | 2016-07-13 | 武汉颂大教育科技股份有限公司 | 一种基于图像灰度识别及处理的阅卷方法 |
CN106897749A (zh) * | 2017-03-03 | 2017-06-27 | 盐城工学院 | 自动阅卷方法及系统 |
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 |
CN110008858A (zh) * | 2019-03-20 | 2019-07-12 | 联想(北京)有限公司 | 试卷展示方法及装置、计算机系统和计算机可读存储介质 |
CN112200058A (zh) * | 2020-09-30 | 2021-01-08 | 珠海读书郎网络教育有限公司 | 一种教辅资料智能批改的系统及方法 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20070141544A1 (en) * | 2003-11-28 | 2007-06-21 | Katsuaki Nakane | Apparatus for grading and evaluating compositional essays |
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 |
CN102760225A (zh) * | 2011-04-29 | 2012-10-31 | 贵州师范大学 | 一种基于矩形包围框的试卷客观题答题卡定位方法 |
CN102855495A (zh) * | 2012-08-22 | 2013-01-02 | 苏州多捷电子科技有限公司 | 电子版标准答案的实现方法及其应用系统 |
CN103839058A (zh) * | 2012-11-21 | 2014-06-04 | 方正国际软件(北京)有限公司 | 一种基于标准模版的文档图像的信息定位方法 |
CN103870832A (zh) * | 2014-03-21 | 2014-06-18 | 浙江宇视科技有限公司 | 车辆整体特征提取方法及车辆型号识别方法 |
-
2014
- 2014-07-08 CN CN201410322040.8A patent/CN104143082B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20070141544A1 (en) * | 2003-11-28 | 2007-06-21 | Katsuaki Nakane | Apparatus for grading and evaluating compositional essays |
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 |
CN102760225A (zh) * | 2011-04-29 | 2012-10-31 | 贵州师范大学 | 一种基于矩形包围框的试卷客观题答题卡定位方法 |
CN102855495A (zh) * | 2012-08-22 | 2013-01-02 | 苏州多捷电子科技有限公司 | 电子版标准答案的实现方法及其应用系统 |
CN103839058A (zh) * | 2012-11-21 | 2014-06-04 | 方正国际软件(北京)有限公司 | 一种基于标准模版的文档图像的信息定位方法 |
CN103870832A (zh) * | 2014-03-21 | 2014-06-18 | 浙江宇视科技有限公司 | 车辆整体特征提取方法及车辆型号识别方法 |
Non-Patent Citations (3)
Title |
---|
林宏裔: ""基于K-L变换的汽车车牌照识别及其相关图像处理研究"", 《万方》 * |
王鹏: ""汽车牌照自动识别方法研究"", 《中国优秀硕士学位论文全文数据库 信息科技辑》 * |
赵建蕾: ""车牌识别系统的研究"", 《中国优秀硕士学位论文全文数据库 信息科技辑》 * |
Cited By (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105046200A (zh) * | 2015-06-19 | 2015-11-11 | 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 |
CN105760869A (zh) * | 2016-02-29 | 2016-07-13 | 武汉颂大教育科技股份有限公司 | 一种基于图像灰度识别及处理的阅卷方法 |
CN105760869B (zh) * | 2016-02-29 | 2019-12-31 | 武汉颂大教育科技股份有限公司 | 一种基于图像灰度识别及处理的阅卷方法 |
CN106897749A (zh) * | 2017-03-03 | 2017-06-27 | 盐城工学院 | 自动阅卷方法及系统 |
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 |
CN110008858A (zh) * | 2019-03-20 | 2019-07-12 | 联想(北京)有限公司 | 试卷展示方法及装置、计算机系统和计算机可读存储介质 |
CN110008858B (zh) * | 2019-03-20 | 2021-11-16 | 联想(北京)有限公司 | 试卷展示方法及装置、计算机系统和计算机可读存储介质 |
CN112200058A (zh) * | 2020-09-30 | 2021-01-08 | 珠海读书郎网络教育有限公司 | 一种教辅资料智能批改的系统及方法 |
CN112200058B (zh) * | 2020-09-30 | 2021-07-06 | 珠海读书郎网络教育有限公司 | 一种教辅资料智能批改的系统及方法 |
Also Published As
Publication number | Publication date |
---|---|
CN104143082B (zh) | 2018-06-05 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN104143082A (zh) | 一种基于图像模糊识别的试卷信息定位方法及系统 | |
CN104143094B (zh) | 一种无需答题卡的试卷自动阅卷处理方法及系统 | |
US20220101030A1 (en) | Examination paper correction method and apparatus, electronic device, and storage medium | |
EP0701225B1 (en) | System for transcribing images on a board using a camera based board scanner | |
US10198661B2 (en) | System for determining alignment of a user-marked document and method thereof | |
CN103839058A (zh) | 一种基于标准模版的文档图像的信息定位方法 | |
CN102484724A (zh) | 投影图像区域检测装置 | |
CN108830267A (zh) | 一种基于图像识别进行阅卷的方法及系统 | |
CN106934767A (zh) | 一种试卷生成及评分方法及系统 | |
CN110490141A (zh) | 一种填涂信息的识别方法、装置、终端及存储介质 | |
CN102360419A (zh) | 计算机扫描阅读管理方法及系统 | |
CN108537218A (zh) | 一种答题卡的识别处理方法及装置 | |
CN107506764B (zh) | 一种答题卡填涂识别方法及系统 | |
WO2018006566A1 (zh) | 视图调整方法和系统 | |
CN108805519A (zh) | 纸质日程表电子化生成方法、装置及电子日程表生成方法 | |
CN110765995A (zh) | 一种答题卡生成方法、识别方法、装置及存储介质 | |
CN106815814B (zh) | 一种应用于阅卷系统的图像污染处理方法 | |
CN106709952B (zh) | 一种显示屏幕的自动标定方法 | |
CN105469040A (zh) | 一种便于识别的答题卡及其制作方法 | |
US20220084291A1 (en) | Augmented reality display method and device for chip structure, and readable storage medium | |
CN104851329A (zh) | 一种视频展台电子阅卷的方法及系统 | |
CN204537507U (zh) | 自动阅卷系统 | |
CN104778653A (zh) | 一种图像配准的方法 | |
CN115035032A (zh) | 神经网络训练方法、相关方法、设备、终端及存储介质 | |
CN114299478A (zh) | 结合rpa和ai的图像处理方法、装置及电子设备 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |