CN105426844B - 一种答题卡识别方法 - Google Patents
一种答题卡识别方法 Download PDFInfo
- Publication number
- CN105426844B CN105426844B CN201510804493.9A CN201510804493A CN105426844B CN 105426844 B CN105426844 B CN 105426844B CN 201510804493 A CN201510804493 A CN 201510804493A CN 105426844 B CN105426844 B CN 105426844B
- Authority
- CN
- China
- Prior art keywords
- full
- filling
- filling block
- row
- answer
- 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.)
- Active
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
- G06V10/10—Image acquisition
- G06V10/17—Image acquisition using hand-held instruments
-
- 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
- G06V10/22—Image preprocessing by selection of a specific region containing or referencing a pattern; Locating or processing of specific regions to guide the detection or recognition
- G06V10/225—Image preprocessing by selection of a specific region containing or referencing a pattern; Locating or processing of specific regions to guide the detection or recognition based on a marking or identifier characterising the area
-
- 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
- G06V10/32—Normalisation of the pattern dimensions
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Multimedia (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Computer Graphics (AREA)
- Geometry (AREA)
- Artificial Intelligence (AREA)
- Image Analysis (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
- Electrically Operated Instructional Devices (AREA)
Abstract
本发明实施例公开了一种答题卡识别方法,提取待识别填涂区域外预设的若干基准填涂黑块的中心点坐标,根据所述若干基准填涂黑块的中心点坐标与其相临的第一排填涂块的距离计算所述相临的第一排填涂块各个填涂块的中心点坐标进行黑点扫描,遍历所述相临的第一排填涂块,当填涂面积大于设定阀值时判为已填涂块,根据所述相临的第一排填涂块的中心点坐标与第二排填涂块的距离计算出所述第二排填涂块的中心点坐标,开始扫描第二排填涂块的各个填涂块以至所有填涂块完成识别。采用本发明,通过智能手机移动终端拍摄答题卡,并采用了快速填涂区域的识别方法,避免了各种干扰因素造成识别率低的缺陷,能够快速进行阅卷,明显提高老师的工作效率。
Description
技术领域
本发明涉及一种使用移动智能终端使用摄像头拍摄的图像的处理方法,尤其涉及一种答题卡识别方法。
背景技术
目前现有技术中对答题卡的输入识别系统有摄像头阅卷系统、扫描仪阅卷系统和数码相机阅卷系统三种类型。而扫描仪阅卷系统设备体积大,设备系统昂贵,不适用于普通个人使用,数码相机阅卷系统操作繁锁,不利于上手使用,而摄像头阅卷系统没有与智能手机移动终端下结合提供更携带方便的答题卡识别方法。现有技术中关于答题卡的识别是基于规范格式的扫描系统所得到的图像数据,而对于智能手机移动终端而言,其对于答题卡的拍照存在种客观因素的影响,使得不同手机不同环境得到的图像互不相同,给正确识别答题卡内容带来严重干扰,另一方面,答题卡种类多样,格式各不相同现有的识别系统不能灵活根据答题卡的样式选择相对应的识别规则,造成应用上的限制。
发明内容
本发明实施例所要解决的技术问题在于,提供一种适用于智能手机移动终端拍摄的答复卡的识别方法。可使用智能手机移动终端快速进行答题卡的识别。
为了解决上述技术问题,本发明实施例提供了一种答题卡识别方法,提取待识别填涂区域外预设的若干基准填涂黑块的中心点坐标,所述若干基准填涂黑块的中心点与所述待识别填涂区域的每行或每列填涂块的中心点位于同一线上;
根据所述若干基准填涂黑块的中心点坐标与其相临的第一排填涂块的距离计算所述相临的第一排填涂块各个填涂块的中心点坐标,并保存;
以所述相临的第一排填涂块的第一个填涂块开始识别,以所述第一个填涂块的中心点坐标为中心,以长宽为填涂块的一半作为识别预选区扫描黑点,并记录黑点的坐标,依次判断所述识别预选区的边上是否存在黑点,有则增加所述识别预选区的长度直至所述识别预选区的边上没有黑点或是所述识别预选区大于填涂块的面积,将所识别到的黑点数作为此填涂块的填涂面积进行保存,并扫描第二个填涂块直至遍历所述相临的第一排填涂块;
遍历所述相临的第一排填涂块的所有填涂块的填涂面积,当填涂面积大于设定阀值时判为已填涂块,存在多个已填涂块时根据所述识别信息判断是否有效;
根据所述相临的第一排填涂块的中心点坐标与第二排填涂块的距离计算出所述第二排填涂块的中心点坐标,开始扫描第二排填涂块的各个填涂块以至所有填涂块完成识别。
进一步地,还包括对已识别出的填涂面积的填涂块进行重新计算中心点坐标。
更进一步地,还包括从校正处理的答题卡图像上识别二维码,获取保存在所述二维码中的答题卡号,根据所述答题卡号从服务器中获取答题卡的识别信息。
更进一步地,所述识别信息包括所述若干基准填涂黑块的中心点坐标、所述基准填涂黑块的中心点与所述第一排填涂块的距离、所述填涂块的长宽、所述第二排填涂块与第一排填涂块的距离。
更进一步地,还包括从答题卡图片截取出选择题选项填涂矩形区域图片,从所述选择题选项填涂矩形区域图片中找出阀值在预设范围的选项整体轮廓,将所述选项整体轮廓逼近为多边形,遍历所述多边形的宽,找出与所述识别信息中提供的设定选项整体轮廓相近似的轮廓,定位出所述选择题选项区的四个顶点的坐标;
以所述设定选项整体轮廓新建矩形矩阵,根据所述选择题选项区的四个顶点的坐标计算出透视变换矩阵,对所述选择题选项填涂矩形区域图片进行校正;
依次扫描经过较正的所述选择题选项填涂矩形区域的各个选项填涂区域的黑点数作为各个选项的填涂面积,取出面积大于设定阀值的选项作为答案保存。
更进一步地,还包括对答题卡图片的步骤:
(1)对图像进行灰度化;
(2)进行自适应二值化处理;
(3)在得到的二值化图片中定位答题卡的四个顶点;
(4)透视变换校正图片;
(5)获取答题卡的识别信息;
(6)学号识别;
(7)答案识别;
(8)输出识别结果。
更进一步地,所述步骤(3)还包括:
将二值化后的图片中找出面积设置在阀值的轮廓,将轮廓按设定阀值逼近为多边形,并筛选出四边形的轮廓;
从大到小对比相邻轮廓的面积,面积差在设定阀值的相邻轮廓为答题卡的内轮廓和外轮廓,外轮廓的四个顶点即答题卡的四个顶点。
更进一步地,所述步骤(4)还包括:
根据所述答题卡识别信息提供的答题卡模版大小新建矩形矩阵,根据所述答题卡的四个顶点坐标计算出透视变换矩阵,将透视变换矩阵转换成图片即为校正后的答题卡。
更进一步地,还包括对填空题、主观题答案的截图,所述截图根据所述答题卡识别信息提供的位置坐标进行。
更进一步地,所述答题卡图片经智能手机移动终端获得。
实施本发明实施例,具有如下有益效果:通过智能手机移动终端拍摄答题卡,根据相关的答题卡样式进行相关填涂区域的识别,并采用了快速填涂区域的识别方法,避免了各种干扰因素造成识别率低的缺陷,能够明显提高老师的工作效率,为教学工作提供更大的帮助。
附图说明
图1是实施例一对应的答题卡样式结构示意图;
图2是实施例二对应的答题卡样式结构示意图。
具体实施方式
为使本发明的目的、技术方案和优点更加清楚,下面将对本发明作进一步地详细描述。
实施例1:
本发明实施例的一种答题卡识别方法,通过智能移动终端摄像头拍摄答题卡,获得答题卡的图像,对答题卡的图像进行以下前期处理:
(1)图片灰度化;
(2)图片自适应二值化;
(3)识别二维码;
(4)在二值化图片中定位答题卡的四个顶点;
(5)透视变换校正图片。
步骤(3)具体步骤为:获取保存在二维码中的答题卡号,根据答题卡号从服务器中获取答题卡识别信息。
步骤(4)具体步骤为:将图片二值化后,在图片中找出面积在一定阀值的轮廓,把轮廓按一定阀值逼近成多边形,筛选出四边形的轮廓,从大到小对比相邻轮廓的面积,面积差在一定阀值的相邻轮廓为答题卡的内轮廓和外轮廓,外轮廓的四个顶点即答题卡的四个顶点。
步骤(5)的具体步骤为:上一步中得到的4个顶点为p1,p2,p3,p4,根据答题卡识别信息提供的答题卡模版大小,新建一个答题卡模板大小的矩形矩阵,根据p1,p2,p3,p4对应矩阵的四个顶点坐标计算出透视变换矩阵,把透视变换矩阵转换成图片即为校正后的答题卡。
由于答题卡纸张边缘有一个稍粗的边框包围答题卡,在二值化后的图片提取轮廓时,稍粗的边框会形成内外两个轮廓,并且两个轮廓的面积差在一个比例范围,通过找边框内外轮廓的方法可以很准确的定位答题卡位置,边框外轮廓逼近成四边形后,四个顶点即为答题卡的四个顶点,答题卡旁边存在干扰物,或者拍摄倾斜度大也能非常准确的校正答题卡。
如图1所示的本实施例的答题卡结构示意图。
在本实施例中,待识别填涂区域为学号填涂区以及选择题填涂区域,学号的每一位有10个可填涂的矩形区域,可横向排列也可竖向排列,读取答题卡信息中学号识别信息,根据识别信息中得区域信息从答题卡图片截取出学号图片,对学号图片进行平滑处理和自适应二值化,得到二值化的学号图片。
学号的识别步骤为:
采用Point centers[n][10],表示有n位学号,每位学号有10个填涂区域,centers[i][j]表示第i位学号第j个填涂区域中心点坐标,int areas[n][10],表示有n位学号,areas[i][j]表示第i位学号第j个的填涂区域的填涂面积,面积阀值areaMin,表示填涂面积大于areaMin为已填涂
第0位学号的识别:
1.根据识别信息中的基准填涂黑块区域信息扫描学号填涂区域下面的各个基准填涂黑块,定位各个基准填涂黑块的中心点,根据基准填涂黑块和上面最后一排学号的距离计算出最后一排学号填涂矩形区域的中心点,把中心点坐标对应保存到centers[0][j]中,基准填涂黑块的大小与待识别的学号填涂区域面积一致。
2.从左边第一个填涂矩形区域开始,以centers[0][0]中心点坐标为中心长宽为填涂矩形的一半的rectangle作为预选区扫描黑点,并记录黑点的坐标,依次判断rectangle的四条边上是否存在黑点,有则在此边方向增加rectangle长度扩大扫面区域,直到rectangle边上没有黑点或者rectangle大于可填涂矩形区域大小结束扫描这个填涂矩形区域,扫描到的黑点数作为此填涂区域的填涂面积,保存到areas[0][0],重新根据黑点的坐标计算出此填涂区域的中心点坐标,保存到centers[0][0],然后扫描下一个填涂区域。
3.遍历areas[0][j]中的填涂面积,如果填涂面积大于areaMin判为已填涂,存在多个已填涂区域时取填涂面积最大的填涂区域,取出相应数值,10个填涂区域都未填涂则判此位学号为未填涂。
其它位学号的识别:根据第0位学号centers[0][j]各填涂区域的中心点坐标和下一排学号填涂区域的间隔计算出centers[1][j]各填涂区域的中心点坐标,按上述方方法开始扫描下一位学号,直到所有位数学号扫描结束。
在本实施例中,每个选择题由若干个选项组成,集中提供若干个填涂区域,各个选择题的填涂区域规整排列,选项数和题目数与答题卡由识别信息提供。
选择题填涂区的答案识别步骤为:
读取答题卡信息中选择题识别信息,根据识别信息中得区域信息从答题卡图片截取出选择题区域图片,对选择题区域图片进行平滑处理和自适应二值化,得到二值化的选择题区域图片。
采用Point centers[n][m],表示有n行选项填涂区域,每行有m个选项填涂区域,centers[i][j]表示第i行第j个选项填涂区域中心点坐标,intareas[n][m],表示有n行选项填涂区域,areas[i][j]表示第i行第j个选项填涂区域的填涂面积,面积阀值areaMin,表示填涂面积大于areaMin为已填涂,int optionNum表示每选择题的选项数。
识别第一行选项:
1.根据识别信息中得黑块区域信息扫描学号填涂区域下面的各个基准填涂黑块,定位各个基准填涂黑块的中心点,根据基准填涂黑块和第一行选项填涂区域的距离计算出第一行选项填涂区域的中心点,把中心点坐标对应保存到centers[0][j]中。
2.从左边第一个填涂矩形区域开始,以centers[0][0]中心点坐标为中心长宽为填涂矩形的一半的rectangle扫描黑点,并记录黑点的坐标,依次判断rectangle的四条边上是否存在黑点,有则在此边方向增加rectangle长度扩大扫面区域,直到rectangle边上没有黑点或者rectangle大于可填涂矩形区域大小结束扫描这个填涂矩形区域,扫描到的黑点数作为此填涂区域的填涂面积,保存到areas[0][0],重新根据黑点的坐标计算出此填涂区域的中心点坐标,保存到centers[0][0],然后扫描下一个填涂区域。
3.遍历areas[0][j]中的填涂面积,每optionNum个填涂面积为一道选择题的填涂答案,如果填涂面积大于areaMin判为已填涂,记录答案。
4.根据第一行选项centers[0][j]各填涂区域的中心点坐标和下一行选项填涂区域的间隔计算出centers[1][j]各填涂区域的中心点坐标,开始扫描下一行选择题选项,直到所以选择题扫描结束。
在识别过程中,可以按识别信息提供的选择题是否为多项选择题进行提取多个结果。
上述识别步骤的优点在于:
动态定位:通过基准填涂黑块并计算基准填涂黑块中心点坐标,利用基准填涂黑块和第一行选项填涂区域的距离定位出第一行各选项填涂区域的中心点坐标,确保定位第一行各选项填涂区域位置的准确性,各选项每次扫描完一个选项填涂区域时重新计算此选项填涂区域中心点坐标,扫完一行时,利用重新计算的选项填涂区域中心点坐标和选项行与行的距离动态计算下一行各选项填涂区域的中心点坐标.
增量扫描:在扫描填涂区域时,以中心点坐标为中点长宽为填涂矩形的一半的初始矩形区域扫描黑点,在依次判各个方向是否存在黑点连通区域,是则往此方向增量扫描黑点,直到扫描区域大于填涂区域或者各方向不存在黑点连通区域.未填涂的填涂区域的黑点是不连通的,只扫描初始矩形区域的黑点,扫描到的黑点数少,面积与areaMin阀值相差很大,极易区分未填涂.填涂过又擦除的填涂区域的黑点大部分是不连通的,扫描的填涂区域通常没有整个填涂区域大,扫描到的黑点数也少,面积与areaMin阀值相差很大,极易区分未填涂.已填涂的填涂区域黑点是连通的,扫描到得填涂面积与areaMin阀值相差较大,极易区分已填涂.由于使用增量扫描,在填涂区域外方向黑点是不连通的,会停止向外扫描,而向填涂区域方向扫描,即使定位填涂区域的中心点坐标存在偏差时也能保证扫描的填涂区域准确性.准确的扫描区域提高了填涂识别准确率,也提高了重新计算中点坐标的精确度。
然而需要说明的是,本实施例的基准填涂黑块设置于学号每个填涂块下方,且与各位学号的填涂区域的中心点处于同一线上,选择题填涂块上的基准填涂黑块设置于选择题填涂块上方,在实际使用时,可以根据需要将基准填涂黑块设置于其他位置,如设置于学号填涂区域的左侧或右侧等,本发明并不以此为限。
填空题识别:
填空题有若干个空,每个空的答题区域由若干条横线组成,填空题识别就是把每个空的答题区域截图并和相应的空关联起来。
读取答题卡信息中填空题识别信息,读取填空题识别信息中填空题每个空的答题区域信息,根据区域信息截图保存。
非填空题主观题识别:
非填空题主观题的每小题由一个矩形答题区域,非填空题主观题识别就是把每个小题的答题区域截图并和相应的小题关联起来。
读取答题卡信息中非填空题主观题识别信息,读取每小题的答题区域信息,根据区域信息截图保存。
实施例2:
参照图2所示的本实施例的答题卡结构示意图。
在本实施例中,待识别填涂区域为学号填涂区域,而选择题的填涂区域随附于题目,提供若干个填涂区域,选项的填涂区域为连续的矩形框。
对于本实施例的选择题填涂区域的识别方法为,读取答题卡识别信息中选择题识别信息,根据识别信息中得区域信息从答题卡图片截取出选择题选项填涂矩形区域图片,对选择题选项填涂矩形区域图片进行平滑处理和自适应二值化,得到二值化的选择题选项填涂矩形区域图片。
识别步骤如下:
1.采用int optionNum表示选择题的选项数,int optionWidth表示选择题一个选项的填涂区域宽,int optionHeigth表示选择题一个选项的填涂区域的高,int areaMin表示面积阀值,填涂面积大于areaMin为已填涂。
2.在选择题选项填涂矩形区域图片中找出面积在一定阀值的轮廓,把轮廓按一定阀值逼近成多边形,筛选出四边形的轮廓,遍历轮廓的宽,通过找出和optionWidth*optionNum相近的轮廓,即为选项填涂区域轮廓,定位出选项填涂区域的精确位置.取出四边形轮廓的四个顶点p1,p2,p3,p4。
3.上一步中得到的4个顶点为p1,p2,p3,p4,新建一个宽为optionWidth*optionNum,高为optionHeigth的矩形矩阵,根据p1,p2,p3,p4对应矩阵的四个顶点坐标计算出透视变换矩阵,把透视变换矩阵转换成图片即为校正后的选项填涂区域图片。
4.依次扫描选项填涂区域图片各个选项填涂区域的黑点数作为各个选项的填涂面积,取出大于面积大于areaMin的选项作为答案保存。
对于学号以及填空题、主观题的识别如实施1所述,本实施例在此不作重复性说明。
本实施例的选项填涂区域位置不定,选项填涂区域位置四个顶点坐标和宽高等信息保存在答题卡信息,由于校正后的答题卡可能存在位置偏移或变形,四个顶点坐标是不精确的,通过扩大四个顶点坐标范围截取选项图片,利用已知的选项区域宽高信息找出填涂区域的轮廓,重新定位填涂区域的四个顶点坐标,通过四个顶点坐标校正填涂区域得到校正后的填涂区域图片,保证了扫描的填涂区域位置的准确性,即使选项填涂区域存在偏移/倾斜,也能准确的定位选项填涂区域和校正选项填涂区域,有很好的识别准确率。
以上所揭露的仅为本发明一种较佳实施例而已,当然不能以此来限定本发明之权利范围,因此依本发明权利要求所作的等同变化,仍属本发明所涵盖的范围。
Claims (10)
1.一种答题卡识别方法,其特征在于,
提取待识别填涂区域外预设的若干基准填涂黑块的中心点坐标,所述若干基准填涂黑块的中心点与所述待识别填涂区域的每行或每列填涂块的中心点位于同一线上;
根据所述若干基准填涂黑块的中心点坐标与其相临的第一排填涂块的距离计算所述相临的第一排填涂块各个填涂块的中心点坐标,并保存;
以所述相临的第一排填涂块的第一个填涂块开始识别,以所述第一个填涂块的中心点坐标为中心,以长宽为填涂块的一半作为识别预选区扫描黑点,并记录黑点的坐标,依次判断所述识别预选区的边上是否存在黑点,有则增加所述识别预选区的长度直至所述识别预选区的边上没有黑点或是所述识别预选区大于填涂块的面积,将所识别到的黑点数作为此填涂块的填涂面积进行保存,并扫描第二个填涂块直至遍历所述相临的第一排填涂块;
遍历所述相临的第一排填涂块的所有填涂块的填涂面积,当填涂面积大于设定阀值时判为已填涂块,存在多个已填涂块时根据从服务器中获取答题卡的识别信息判断是否有效;
根据所述相临的第一排填涂块的中心点坐标与第二排填涂块的距离计算出所述第二排填涂块的中心点坐标,开始扫描第二排填涂块的各个填涂块以至所有填涂块完成识别。
2.根据权利要求1所述的答题卡识别方法,其特征在于,还包括对已识别出的填涂面积的填涂块进行重新计算中心点坐标。
3.根据权利要求2所述的答题卡识别方法,其特征在于,还包括从校正处理的答题卡图像上识别二维码,获取保存在所述二维码中的答题卡号,根据所述答题卡号从服务器中获取答题卡的识别信息。
4.根据权利要求3所述的答题卡识别方法,其特征在于,所述识别信息包括所述若干基准填涂黑块的中心点坐标、所述基准填涂黑块的中心点与所述第一排填涂块的距离、所述填涂块的长宽、所述第二排填涂块与第一排填涂块的距离。
5.根据权利要求4所述的答题卡识别方法,其特征在于,还包括从答题卡图片截取出选择题选项填涂矩形区域图片,从所述选择题选项填涂矩形区域图片中找出阀值在预设范围的选项整体轮廓,将所述选项整体轮廓逼近为多边形,遍历所述多边形的宽,找出与所述识别信息中提供的设定选项整体轮廓相近似的轮廓,定位出所述选择题选项区的四个顶点的坐标;
以所述设定选项整体轮廓新建矩形矩阵,根据所述选择题选项区的四个顶点的坐标计算出透视变换矩阵,对所述选择题选项填涂矩形区域图片进行校正;
依次扫描经过较正的所述选择题选项填涂矩形区域的各个选项填涂区域的黑点数作为各个选项的填涂面积,取出面积大于设定阀值的选项作为答案保存。
6.根据权利要求4或5所述的答题卡识别方法,其特征在于,还包括对答题卡图片的步骤:
(1)对图像进行灰度化;
(2)进行自适应二值化处理;
(3)在得到的二值化图片中定位答题卡的四个顶点;
(4)透视变换校正图片;
(5)获取答题卡的识别信息;
(6)学号识别;
(7)答案识别;
(8)输出识别结果。
7.根据权利要求6所述的答题卡识别方法,其特征在于,所述步骤(3)还包括:
将二值化后的图片中找出面积设置在阀值的轮廓,将轮廓按设定阀值逼近为多边形,并筛选出四边形的轮廓;
从大到小对比相邻轮廓的面积,面积差在设定阀值的相邻轮廓为答题卡的内轮廓和外轮廓,外轮廓的四个顶点即答题卡的四个顶点。
8.根据权利要求7所述的答题卡识别方法,其特征在于,所述步骤(4)还包括:
根据所述答题卡的识别信息提供的答题卡模版大小新建矩形矩阵,根据所述答题卡的四个顶点坐标计算出透视变换矩阵,将透视变换矩阵转换成图片即为校正后的答题卡。
9.根据权利要求8所述的答题卡识别方法,其特征在于,还包括对填空题、主观题答案的截图,所述截图根据所述答题卡的识别信息提供的位置坐标进行。
10.根据权利要求9所述的答题卡识别方法,其特征在于,所述答题卡图片经智能手机移动终端获得。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510804493.9A CN105426844B (zh) | 2015-11-20 | 2015-11-20 | 一种答题卡识别方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510804493.9A CN105426844B (zh) | 2015-11-20 | 2015-11-20 | 一种答题卡识别方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN105426844A CN105426844A (zh) | 2016-03-23 |
CN105426844B true CN105426844B (zh) | 2018-09-18 |
Family
ID=55505044
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201510804493.9A Active CN105426844B (zh) | 2015-11-20 | 2015-11-20 | 一种答题卡识别方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN105426844B (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109711404A (zh) * | 2018-12-20 | 2019-05-03 | 中科院成都信息技术股份有限公司 | 印章选票填涂的识别方法、装置及计算机可读存储介质 |
Families Citing this family (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106778750B (zh) * | 2017-01-17 | 2020-02-04 | 深圳市海云天科技股份有限公司 | 一种答题卡识别点精确定位方法及系统 |
CN107644240B (zh) * | 2017-09-27 | 2020-09-01 | 武汉天量数据技术有限公司 | 一种答题卡填涂格与试题选项的匹配方法及系统 |
CN107506764B (zh) * | 2017-09-27 | 2021-07-13 | 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 |
CN108985287B (zh) * | 2018-07-09 | 2021-05-25 | 杭州圣吉奥软件有限公司 | 笔记本纸张和分类图标识别方法 |
CN109460762B (zh) * | 2018-10-19 | 2022-05-06 | 南京理工大学 | 一种基于图像识别的答题卡评分方法 |
CN111507127A (zh) * | 2019-01-30 | 2020-08-07 | 吴勇泉 | 一种基于“矩m00”+“矩形定位”对答题卡进行识别的方法 |
CN111368761B (zh) * | 2020-03-09 | 2022-12-16 | 腾讯科技(深圳)有限公司 | 店铺营业状态识别方法、装置、可读存储介质和设备 |
CN111626280B (zh) * | 2020-04-13 | 2021-09-07 | 北京邮电大学 | 一种无定位点答题卡识别方法和装置 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
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 |
CN104134072A (zh) * | 2014-07-04 | 2014-11-05 | 北京学信速达科技有限公司 | 一种答题卡识别方法 |
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 |
CN104866847A (zh) * | 2015-05-20 | 2015-08-26 | 李宇 | 一种快速的鲁棒答题卡识别方法 |
-
2015
- 2015-11-20 CN CN201510804493.9A patent/CN105426844B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
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 |
CN104134072A (zh) * | 2014-07-04 | 2014-11-05 | 北京学信速达科技有限公司 | 一种答题卡识别方法 |
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 |
CN104866847A (zh) * | 2015-05-20 | 2015-08-26 | 李宇 | 一种快速的鲁棒答题卡识别方法 |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109711404A (zh) * | 2018-12-20 | 2019-05-03 | 中科院成都信息技术股份有限公司 | 印章选票填涂的识别方法、装置及计算机可读存储介质 |
CN109711404B (zh) * | 2018-12-20 | 2019-12-24 | 中科院成都信息技术股份有限公司 | 印章选票填涂的识别方法、装置及计算机可读存储介质 |
Also Published As
Publication number | Publication date |
---|---|
CN105426844A (zh) | 2016-03-23 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN105426844B (zh) | 一种答题卡识别方法 | |
US6778703B1 (en) | Form recognition using reference areas | |
CN110727747B (zh) | 基于经纬度识别的纸质地图快速矢量化方法及系统 | |
CN104794421B (zh) | 一种qr码定位及识别方法 | |
CN104112128B (zh) | 应用于票据影像字符识别的数字图像处理系统及方法 | |
CN100377167C (zh) | 一种用于二维码识别的二维码区域精确定位方法 | |
US9810602B2 (en) | Method and system for measuring lens distortion | |
CN109460762B (zh) | 一种基于图像识别的答题卡评分方法 | |
CN107563379B (zh) | 用于对自然场景图像中文本的定位方法 | |
KR101207127B1 (ko) | 문자 인식 전처리 방법 및 장치 | |
CN109858325B (zh) | 一种表格检测方法和装置 | |
CN109325381B (zh) | 一种qr码定位和校正方法 | |
CN109977944B (zh) | 一种数字水表读数的识别方法 | |
US20140270481A1 (en) | System for determining alignment of a user-marked document and method thereof | |
CN102360419A (zh) | 计算机扫描阅读管理方法及系统 | |
CN106033535A (zh) | 电子阅卷方法 | |
CN106169080A (zh) | 一种基于图像的燃气指数自动识别方法 | |
CN109190434B (zh) | 一种基于亚像素级角点检测的条码识别算法 | |
CN105469040A (zh) | 一种便于识别的答题卡及其制作方法 | |
CN112446262A (zh) | 文本分析方法、装置、终端和计算机可读存储介质 | |
CN109766892A (zh) | 一种基于边缘检测的射线检测图像标记信息字符分割方法 | |
CN111144270B (zh) | 基于神经网络的手写文本工整度的评测方法与评测装置 | |
CN104021385B (zh) | 基于模板匹配及曲线拟合的视频字幕细化方法 | |
Karunanayake | OMR sheet evaluation by web camera using template matching approach | |
CN110852990B (zh) | 一种基于图像处理的橡胶树斜刀痕检测方法 |
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 | ||
TR01 | Transfer of patent right | ||
TR01 | Transfer of patent right |
Effective date of registration: 20230704 Address after: 28/F, Building A, News Center, No. 289, Guangzhou Avenue, Yuexiu District, Guangzhou City, Guangdong Province, 510000 (for office use only) Patentee after: Guangdong Southern Weiming Education Technology Co.,Ltd. Address before: 510470 Sun Island Middle School Education in Renhe Town, Baiyun District, Guangzhou City, Guangdong Province Patentee before: GUANGZHOU WEIMING ZHONGZHI EDUCATION TECHNOLOGY Co.,Ltd. |