CN105138952A - 一种基于图像模式的答题卷给分及阅卷系统 - Google Patents
一种基于图像模式的答题卷给分及阅卷系统 Download PDFInfo
- Publication number
- CN105138952A CN105138952A CN201510400317.9A CN201510400317A CN105138952A CN 105138952 A CN105138952 A CN 105138952A CN 201510400317 A CN201510400317 A CN 201510400317A CN 105138952 A CN105138952 A CN 105138952A
- Authority
- CN
- China
- Prior art keywords
- answer
- answer sheet
- information
- grid
- person
- 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
Links
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V30/00—Character recognition; Recognising digital ink; Document-oriented image-based pattern recognition
- G06V30/40—Document-oriented image-based pattern recognition
- G06V30/41—Analysis of document content
- G06V30/414—Extracting the geometrical structure, e.g. layout tree; Block segmentation, e.g. bounding boxes for graphics or text
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/20—Image preprocessing
- G06V10/24—Aligning, centring, orientation detection or correction of the image
- G06V10/243—Aligning, centring, orientation detection or correction of the image by compensating for image skew or non-uniform image deformations
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
- G06V10/768—Arrangements for image or video recognition or understanding using pattern recognition or machine learning using context analysis, e.g. recognition aided by known co-occurring patterns
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- General Physics & Mathematics (AREA)
- Multimedia (AREA)
- Artificial Intelligence (AREA)
- Computing Systems (AREA)
- Health & Medical Sciences (AREA)
- Databases & Information Systems (AREA)
- Evolutionary Computation (AREA)
- General Health & Medical Sciences (AREA)
- Medical Informatics (AREA)
- Software Systems (AREA)
- Computer Graphics (AREA)
- Geometry (AREA)
- Character Input (AREA)
Abstract
本发明提供一种基于图像模式的答题卷给分及阅卷系统,根据对答题卷类型和答题者信息识别,索引到相对答题卷类型库中的答题者信息栏或者答题者信息库中的对应答题卷类型栏;通过索引矩形黑块定位对答题卷的倾斜度检测矫正;检测题目矩形黑块确定主观题区域,对每行或每列的两个题目矩形黑块之间的判分格子进行图像检测截取,提取分数;根据提取的分数更新答题卷类型库或者答题者信息库信息;检测题目矩形黑块确定解答题区域,提取答题卷每行或每列题目矩形黑块之间判分格子中的判分标记;根据提取的分数更新答题卷类型库或者答题者信息库信息;适用于阅题者平时作业,大中型考试等场景,能够方便快速地完成答题卷制作和成绩采集工作,对提高教学质量是显著的。
Description
本发明涉及图像识别技术领域,特别是涉及一种基于图像模式的答题卷给分及阅卷系统。
如图1、图2所示的一种答题卷模板,涉及一种带有索引矩形黑块和题目矩形黑块的答题卷模版系统,利用软硬件结合,通过对主观题题目数量、排版格式等因素确定题目黑色矩形块,对于解答题制作时,利用题目矩形黑块以及题目矩形黑块之间的判分格子,答题卷分布简单明了。
目前市场上也有基于图像识别技术的客观题判分,答题卷模板主要依靠的是四条框线,用基于哈佛变换来检测外接框,大津法来获取二值化,然后画格子识别,这里暴露的问题是:当答题卷版面大时,积累的误差也会变大,极易出现错误;当外界出现光照变化时也会引起错误,并且在阅卷过程需要手动更换答题者答题卷,没有实现自动快速阅卷的功能。
本发明针对于提出一种能够简单定位且利用图像识别技术提取分数信息的阅卷系统。
为了解决以上所述当答题卷版面大、外界光照变化时出现的误差或错误等缺点,本发明提供一种只需高速扫描仪和一台电脑就能快速准确地自动阅卷并给分及阅卷系统,为了达到上述目的,本发明采用以下技术方案:本发明提供了主观题的给分及阅卷:步骤一:根据对答题卷类型和答题者信息识别,索引到相对答题卷类型库中的答题者信息栏或者答题者信息库中的对应答题卷类型栏;步骤二:索引矩形黑块定位对答题卷的倾斜度检测矫正;步骤三:检测题目矩形黑块确定主观题区域;步骤四:对每行或每列的两个题目矩形黑块之间画等分格子,等分格子对应答题卷上的判分格子,对判分格子进行图像检测截取,提取分数;步骤五:根据提取的分数更新答题卷类型库或者答题者信息库信息。
优选的,所述主观题的给分及阅卷包括填空题的判分、选择题的判分、判断题的判分中的任一项或多项。
优选的,所述步骤四中填空题的判分格子数目指不低于填空题的题目数值。
优选的,还包括解答题的给分及阅卷,所述解答题的给分及阅卷,包括以下步骤,步骤一:根据对答题卷类型和答题者信息识别,索引到相对答题卷类型库中的答题者信息栏或者答题者信息库中的对应答题卷类型栏;步骤二:索引矩形黑块定位对答题卷的倾斜度检测矫正;步骤三:检测题目矩形黑块确定主观题区域;步骤四:对每行或每列的两个题目矩形黑块之间的判分格子进行图像检测截取,提取分数;步骤五:根据提取的分数更新答题卷类型库或者答题者信息库信息;步骤六:检测题目矩形黑块确定解答题区域;步骤七:提取答题卷每行或每列题目矩形黑块之间判分格子中的判分标记;步骤八:根据提取的分数更新答题卷类型库或者答题者信息库信息。
优选的,所述步骤七中每一个解答题的判分格子中填充有不大于每题分数的数值。
本发明还提供了一种基于图像模式的解答题的给分及阅卷,包括以下步骤,步骤一:根据对答题卷类型和答题者信息识别,索引到相对答题卷类型库中的答题者信息栏或者答题者信息库中的对应答题卷类型栏;步骤二:索引矩形黑块定位对答题卷的倾斜度检测矫正;步骤三:检测题目矩形黑块确定主观题区域;步骤四:对每行或每列的两个题目矩形黑块之间的判分格子进行图像检测截取,提取分数;步骤五:根据提取的分数更新答题卷类型库或者答题者信息库信息;步骤六:检测题目矩形黑块确定解答题区域;步骤七:提取答题卷每行或每列题目矩形黑块之间判分格子中的判分标记;步骤八:根据提取的分数更新答题卷类型库或者答题者信息库信息。
优选的,所述步骤七中每一个解答题的判分格子中填充有不大于每题分数的数值。
本发明的有益效果:解决了以往只能批阅客观题的思路,实现了主观题和客观题同时统计,并且降低对纸张质量的要求,普通纸张就可以阅卷,降低了成本,节约了社会资源,适用于阅题者平时作业,大中型考试等场景,能够方便快速地完成答题卷制作和成绩采集工作,对提高教学质量、信息采集效率等是显著的。
图1为本发明的一种实施案例的答题卷模板示意图;
图2为本发明的一种实施案例中为客观题题型的答题卷模板示意图,的答题卷;
图3为本发明的工作流程示意图;
图中:1、索引矩形黑块,2、题目矩形黑块,3、判分区;4、判分格子;5、答题卷类型的区分标识区,6、答题者身份的标识区,7、填空题,8、选择题,9、判断题,10、解答题。
由图3所示可知,本发明流程包括步骤一:利用模板出卷系统出卷,将出好的答题卷打印出来,由图1所示可知,所述步骤一中每份答题卷每列顶端都有两个索引矩形黑块,所述步骤一中具体题目的两端也有题目矩形黑块,所述索引矩形黑块之间的间距大于题目矩形黑块的间距,所述步骤一中每份答题卷上有答题卷类型识别区和答题者信息识别区,所述答题卷类型识别区印有代表不同答题卷类型的二维码或条形码,所述答题者信息识别区黏贴有答题者信息的二维码或者条形码。
步骤二:安装扫描仪驱动,在计算机上安装阅卷软件,所述步骤二中阅卷软件包括答题卷类型识别模块、答题者信息识别模块、答题卷题型识别模块、题目判分模块,所述答题卷类型识别模块包括二维码或条形码扫描模块、解码模块、答题卷类型库自动索引模块,所述答题者信息识别模块包括二维码或条形码扫描模块、解码模块、答题者库自动索引模块。
步骤三:将答好题的一个群体的答题卷放在扫描仪进口上,启动阅卷按钮,等待阅卷结束,所述步骤三中阅卷步骤包括答题卷类型识别、答题者信息识别、索引矩形黑块定位、答题卷的倾斜度检测矫正、题目矩形黑块定位、题目给分;
所述答题卷类型识别、答题者信息识别利用形态学和三个回字形方法检测答题卷类型识别区、答题者信息识别区中的二维码或条形码位置,将检测二维码或条形码截取出来送给开源库Zxing来解出编码信息;
所述答题卷的倾斜度检测矫正,根据索引矩形黑块左上角的点来确定答题卷斜率,根据斜率来把图像转正;
所述题目给分步骤题型识别、判分区域定位、分数识别与记录,对于不同类型的题目判分如下:
客观题的判分:
(1)填空题判分
每对题目矩形黑块管理2-3行的填空题,在每对题目矩形黑块等分画判分格子,通过扫描取出对应判分区域,判断有没有阅题者的涂抹标志,阅卷步骤采用机器视觉算法下的阅卷,在原始SAUVOLA(施喔拉)算法基础之上提出使用加速FAST-SAUVOLA(快速施喔拉)算法,引入了空间积分图的思想,不再需要逐像素扫描就能轻松获取矩形块的均值和方差,克服由于光照不均导致错误的情况。
(2)选择题判分
通过四个题目矩形黑块确定选择题的答题区域,对四个题目矩形黑块中每行的题目矩形黑块之间的距离N等分,N取值通常在20-30,然后以N等分的值为步进从左到右画格子,这样画出的格子正好包住了每题答题者作答部分,用均值聚类算法实现格子区域的二值化,计算每个格子里的黑色定位点数,将此值与事先设定的阈值作比较,大于就选中,小于就说明没有选中。
(3)判断题判分
通过四个题目矩形黑块确定选择题的答题区域,对四个题目矩形黑块中每行的题目矩形黑块之间的距离N等分,N取值通常在20-30,然后以N等分的值为步进从左到右画格子,这样画出的格子正好包住了每题答题者作答部分,用均值聚类算法实现格子区域的二值化,计算每个格子里的黑色定位点数,将此值与事先设定的阈值作比较,大于就选中,小于就说明没有选中。
解答题判分
解答题只需要两个题目矩形黑块就可以判定,计算每行或每列题目矩形黑块定位点之间的距离并N等分,N取值通常在20-30,然后以N等分的值为步进画格子,格子里面填充有不大于每题分数的数字或者为空的填充格子,阅卷时只需判断哪个区域有阅题者的红色标志即可。
步骤四:根据软件提示导出答题者成绩相关的报表文件,所述答题者成绩相关的报表文件与答题者库自动索引模块、答题卷类型库自动索引模块链接,通过步骤三的题目给分步骤实时自动更新每位答题者每科成绩。
Claims (7)
1.一种基于图像模式的答题卷给分及阅卷系统,其特征在于:主观题的给分及阅卷:步骤一:根据对答题卷类型和答题者信息识别,索引到相对答题卷类型库中的答题者信息栏或者答题者信息库中的对应答题卷类型栏;步骤二:索引矩形黑块定位对答题卷的倾斜度检测矫正;步骤三:检测题目矩形黑块确定主观题区域;步骤四:对每行或每列的两个题目矩形黑块之间画等分格子,等分格子对应答题卷上的判分格子,对判分格子进行图像检测截取,提取分数;步骤五:根据提取的分数更新答题卷类型库或者答题者信息库信息。
2.根据权利要求1所述的一种基于图像模式的答题卷给分及阅卷系统,其特征在于:所述主观题的给分及阅卷包括填空题的判分、选择题的判分、判断题的判分中的任一项或多项。
3.根据权利要求2所述的一种基于图像模式的答题卷给分及阅卷系统,其特征在于:所述步骤四中填空题的判分格子数目指不低于填空题的题目数值。
4.根据权利要求1或2所述的一种基于图像模式的答题卷给分及阅卷系统,其特征在于,还包括解答题的给分及阅卷,所述解答题的给分及阅卷,包括以下步骤,步骤一:根据对答题卷类型和答题者信息识别,索引到相对答题卷类型库中的答题者信息栏或者答题者信息库中的对应答题卷类型栏;步骤二:索引矩形黑块定位对答题卷的倾斜度检测矫正;步骤三:检测题目矩形黑块确定主观题区域;步骤四:对每行或每列的两个题目矩形黑块之间的判分格子进行图像检测截取,提取分数;步骤五:根据提取的分数更新答题卷类型库或者答题者信息库信息;步骤六:检测题目矩形黑块确定解答题区域;步骤七:提取答题卷每行或每列题目矩形黑块之间判分格子中的判分标记;步骤八:根据提取的分数更新答题卷类型库或者答题者信息库信息。
5.根据权利要求4所述的一种基于图像模式的答题卷给分及阅卷系统,其特征在于,所述步骤七中每一个解答题的判分格子中填充有不大于每题分数的数值。
6.一种基于图像模式的解答题的给分及阅卷,其特征在于:包括以下步骤,步骤一:根据对答题卷类型和答题者信息识别,索引到相对答题卷类型库中的答题者信息栏或者答题者信息库中的对应答题卷类型栏;步骤二:索引矩形黑块定位对答题卷的倾斜度检测矫正;步骤三:检测题目矩形黑块确定主观题区域;步骤四:对每行或每列的两个题目矩形黑块之间的判分格子进行图像检测截取,提取分数;步骤五:根据提取的分数更新答题卷类型库或者答题者信息库信息;步骤六:检测题目矩形黑块确定解答题区域;步骤七:提取答题卷每行或每列题目矩形黑块之间判分格子中的判分标记;步骤八:根据提取的分数更新答题卷类型库或者答题者信息库信息。
7.根据权利要求6所述的一种基于图像模式的答题卷给分及阅卷系统,其特征在于,所述步骤七中每一个解答题的判分格子中填充有不大于每题分数的数值。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510400317.9A CN105138952A (zh) | 2015-07-10 | 2015-07-10 | 一种基于图像模式的答题卷给分及阅卷系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510400317.9A CN105138952A (zh) | 2015-07-10 | 2015-07-10 | 一种基于图像模式的答题卷给分及阅卷系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN105138952A true CN105138952A (zh) | 2015-12-09 |
Family
ID=54724296
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201510400317.9A Pending CN105138952A (zh) | 2015-07-10 | 2015-07-10 | 一种基于图像模式的答题卷给分及阅卷系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN105138952A (zh) |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108171297A (zh) * | 2018-01-24 | 2018-06-15 | 谢德刚 | 一种答题卡识别方法及装置 |
CN109284702A (zh) * | 2018-09-07 | 2019-01-29 | 江苏曲速教育科技有限公司 | 一种基于图像模式的答题卷给分及阅卷系统 |
CN112348019A (zh) * | 2020-11-17 | 2021-02-09 | 武汉璞睿互联技术有限公司 | 一种答题卡矫正方法、装置、电子设备及存储介质 |
CN113450235A (zh) * | 2021-06-28 | 2021-09-28 | 北京海标教育咨询有限公司 | 具有限时自毁防作弊防盗版试卷功能的考试综合管理系统 |
Citations (5)
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 |
CN202939608U (zh) * | 2012-03-07 | 2013-05-15 | 爱意福瑞(北京)科技有限公司 | 阅卷系统 |
CN103310082A (zh) * | 2012-03-07 | 2013-09-18 | 爱意福瑞(北京)科技有限公司 | 阅卷方法和装置 |
CN103778816A (zh) * | 2014-01-27 | 2014-05-07 | 上海五和文化传播有限公司 | 纸质试卷的答案提取系统 |
-
2015
- 2015-07-10 CN CN201510400317.9A patent/CN105138952A/zh active Pending
Patent Citations (5)
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 |
CN202939608U (zh) * | 2012-03-07 | 2013-05-15 | 爱意福瑞(北京)科技有限公司 | 阅卷系统 |
CN103310082A (zh) * | 2012-03-07 | 2013-09-18 | 爱意福瑞(北京)科技有限公司 | 阅卷方法和装置 |
CN103778816A (zh) * | 2014-01-27 | 2014-05-07 | 上海五和文化传播有限公司 | 纸质试卷的答案提取系统 |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108171297A (zh) * | 2018-01-24 | 2018-06-15 | 谢德刚 | 一种答题卡识别方法及装置 |
CN108171297B (zh) * | 2018-01-24 | 2022-01-14 | 谢德刚 | 一种答题卡识别方法 |
CN109284702A (zh) * | 2018-09-07 | 2019-01-29 | 江苏曲速教育科技有限公司 | 一种基于图像模式的答题卷给分及阅卷系统 |
CN109284702B (zh) * | 2018-09-07 | 2021-06-25 | 江苏曲速教育科技有限公司 | 一种基于图像模式的答题卷给分及阅卷系统 |
CN112348019A (zh) * | 2020-11-17 | 2021-02-09 | 武汉璞睿互联技术有限公司 | 一种答题卡矫正方法、装置、电子设备及存储介质 |
CN113450235A (zh) * | 2021-06-28 | 2021-09-28 | 北京海标教育咨询有限公司 | 具有限时自毁防作弊防盗版试卷功能的考试综合管理系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN105138952A (zh) | 一种基于图像模式的答题卷给分及阅卷系统 | |
CN106033535B (zh) | 电子阅卷方法 | |
CN202939608U (zh) | 阅卷系统 | |
CN100377167C (zh) | 一种用于二维码识别的二维码区域精确定位方法 | |
CN100527156C (zh) | 一种图片文字检测的方法 | |
CN105046200B (zh) | 基于直线检测的电子阅卷方法 | |
CN102254159B (zh) | 一种数显仪表判读方法 | |
US20080311551A1 (en) | Testing Scoring System and Method | |
CN104616275A (zh) | 一种缺陷检测方法和装置 | |
CN102760226B (zh) | 一种基于实心正方形的试卷客观题答题卡定位方法 | |
CN101059885B (zh) | 一种车票真伪核验方法 | |
CN102184405A (zh) | 图像采集分析方法 | |
CN107590495B (zh) | 答题卡图片纠偏方法、装置、可读存储介质以及电子设备 | |
CN103310082A (zh) | 阅卷方法和装置 | |
CN103559490A (zh) | 基于二值图像连通域统计的答题卡自动评分方法 | |
CN108830267A (zh) | 一种基于图像识别进行阅卷的方法及系统 | |
KR20160061753A (ko) | 시험지 인식 및 채점 시스템 | |
CN101882205A (zh) | 一维条码图像扫描方法 | |
CN107038438A (zh) | 一种基于图像识别的评阅方法 | |
US20060194188A1 (en) | Material processing apparatus, material processing method, and storage medium storing material processing program | |
CN105243383A (zh) | 答题卡处理方法及系统 | |
CN106372613A (zh) | 纸质试卷的统计方法和装置 | |
CN107622268A (zh) | 一种身份证字符分割的方法 | |
CN103729645A (zh) | 基于单目摄像头的二代证区域定位与提取的方法及装置 | |
US20150379339A1 (en) | Techniques for detecting user-entered check marks |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20151209 |
|
RJ01 | Rejection of invention patent application after publication |