CN105426879A - 一种答题卡识别方法及系统 - Google Patents
一种答题卡识别方法及系统 Download PDFInfo
- Publication number
- CN105426879A CN105426879A CN201510976007.1A CN201510976007A CN105426879A CN 105426879 A CN105426879 A CN 105426879A CN 201510976007 A CN201510976007 A CN 201510976007A CN 105426879 A CN105426879 A CN 105426879A
- Authority
- CN
- China
- Prior art keywords
- answer sheet
- image
- gray level
- level image
- anchor point
- 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
- 238000000034 method Methods 0.000 title claims abstract description 42
- 238000012545 processing Methods 0.000 claims abstract description 18
- 238000006243 chemical reaction Methods 0.000 claims description 25
- 238000013461 design Methods 0.000 claims description 10
- 238000003702 image correction Methods 0.000 claims description 9
- 238000004458 analytical method Methods 0.000 claims description 6
- 238000012937 correction Methods 0.000 claims description 6
- 238000012360 testing method Methods 0.000 abstract description 6
- 238000012015 optical character recognition Methods 0.000 description 10
- 238000010586 diagram Methods 0.000 description 7
- 230000000694 effects Effects 0.000 description 6
- 230000003287 optical effect Effects 0.000 description 5
- 230000008569 process Effects 0.000 description 5
- OKTJSMMVPCPJKN-UHFFFAOYSA-N Carbon Chemical compound [C] OKTJSMMVPCPJKN-UHFFFAOYSA-N 0.000 description 2
- 229910052799 carbon Inorganic materials 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000008901 benefit Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 230000035945 sensitivity Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
- G06V40/10—Human or animal bodies, e.g. vehicle occupants or pedestrians; Body parts, e.g. hands
- G06V40/12—Fingerprints or palmprints
- G06V40/13—Sensors therefor
- G06V40/1324—Sensors therefor by using geometrical optics, e.g. using prisms
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/10—Services
- G06Q50/20—Education
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/80—Geometric correction
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/40—Extraction of image or video features
- G06V10/56—Extraction of image or video features relating to colour
-
- 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
- G06V30/412—Layout analysis of documents structured with printed lines or input boxes, e.g. business forms or tables
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/10—Image acquisition modality
- G06T2207/10004—Still image; Photographic image
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30176—Document
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Business, Economics & Management (AREA)
- Multimedia (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Tourism & Hospitality (AREA)
- Educational Administration (AREA)
- General Health & Medical Sciences (AREA)
- Human Computer Interaction (AREA)
- Educational Technology (AREA)
- Optics & Photonics (AREA)
- Health & Medical Sciences (AREA)
- Economics (AREA)
- Artificial Intelligence (AREA)
- Human Resources & Organizations (AREA)
- Marketing (AREA)
- Primary Health Care (AREA)
- Strategic Management (AREA)
- General Business, Economics & Management (AREA)
- Character Input (AREA)
Abstract
本发明提供了一种答题卡识别方法及系统,涉及答题卡识别技术领域。该方法包括:采用图像获取装置扫描答题卡以获取答题卡图像,答题卡按照指定的规则设计制作而成,答题卡A、B两面的四个角处均设置有锚点;对答题卡图像进行灰度处理,得到答题卡的灰度图像;识别灰度图像上的锚点信息,根据锚点信息对所述灰度图像进行校正;对校正后的灰度图像进行二值化处理,根据二值化处理后的灰度图像分析答题卡上填涂区域的浓度及面积,以识别填涂区域是否被填涂,并根据识别结果统计出答题卡的得分。本发明降低了答题卡识别的硬件成本,提高了答题卡识别的准确率,方便教师在日常测试中使用。
Description
技术领域
本发明属于答题卡识别技术领域,尤其涉及一种答题卡识别方法及系统。
背景技术
目前,在大型考试中选择题部分一般均采用标准化答题卡的形式,由考生将所选择的答案使用2B铅笔填涂在答题卡上,然后用光电阅读机利用光反射原理对答题卡进行扫描。其中,光电阅读机主要是利用碳对红外线的电敏感反应来识别答题卡上被填涂的区域。这种采用光电阅读机识别答题卡的方式在一定程度上极大的方便了教师的阅卷工作,提高了教师的阅卷效率,但是也存在有以下缺陷:一是,由于部分题目在重新思考、检查后需要更正或者由于位置填涂错误而需要擦掉重改,但是由于使用其他型号的铅笔(如4B-6B),擦后仍然有一些较深的痕迹留在答题卡上,这样便会造成光电阅读机的误识别;同样,当使用的铅笔的碳浓度太浅时,比如H级别的铅笔,涂出来的笔迹就会很淡,这样也会造成光电阅读机的误识别;二是,由于光标阅读机的硬件成本较高,因此在一定程度上限制了自身传播和发展,一般仅用于大型考试场合,而普通的教师很难将其应用于日常练习、测试等教学活动中。
发明内容
本发明实施例的目的在于提供一种答题卡识别方法及系统,旨在解决现有的光标阅读机容易出现误识别以及由于硬件成本较高,在一定程度上限制了自身传播和发展,普通的教师很难将其应用于日常练习、测试等教学活动中的问题。
本发明实施例是这样实现的,一种答题卡识别方法,其特征在于,包括:
采用移动终端扫描所述答题卡以获取答题卡图像,所述答题卡按照指定的规则设计制作而成,所述答题卡A、B两面的四个角处均设置有锚点;
对所述答题卡图像进行灰度处理,得到所述答题卡的灰度图像;
识别所述灰度图像上的锚点信息,并根据所述锚点信息对所述灰度图像进行校正;
对校正后的灰度图像进行二值化处理,根据二值化处理后的灰度图像分析所述答题卡上填涂区域的浓度及面积,以识别所述填涂区域是否被填涂,并根据识别结果统计出所述答题卡的得分。
在本发明实施例所述的答题卡识别方法中,所述采用移动终端扫描所述答题卡以获取答题卡图像,并将所述答题卡图像上传至云端具体包括:
采用图像获取装置扫描所述答题卡A面或B面的四个锚点;
判断是否扫描成功;
若扫描成功,则判断所述四个锚点是否符合规范;
若所述四个锚点均符合规范,则抓取识别出来的答题卡图像。
在本发明实施例所述的答题卡识别方法中,所述判断所述四个锚点是否符合规范具体包括:
根据扫描获取的四个锚点的大小和形状判断所述四个锚点是否符合规范;
若所述四个锚点相对大小和形状与制作所述答题卡时设计的相对大小和形状均相同,则所述四个锚点符合规范。
在本发明实施例所述的答题卡识别方法中,所述识别所述灰度图像上的锚点信息,根据所述锚点信息对所述灰度图像进行校正具体包括:
利用OPENCV库查找轮廓方法识别出所述灰度图像上的锚点信息,并利用投射变换原理根据所述锚点信息对所述灰度图像进行校正。
在本发明实施例所述的答题卡识别方法中,所述对校正后的灰度图像进行二值化处理具体包括:
对校正后的灰度图像进行二值化处理,并分区域自适应调整所述灰度图像的二值化阀值,以得到所述答题卡的二值化图像。
本发明实施例的另一目的在于提供一种答题卡识别系统,包括图像获取装置和与所述图像获取装置连接的答题卡识别子系统,所述答题卡识别子系统包括依次连接的灰度处理模块、图像校正模块、图像二值化处理模块以及填涂区域分析模块,其中:
所述图像获取装置,用于扫描所述答题卡以获取答题卡图像,所述答题卡按照指定的规则设计制作而成,所述答题卡A、B两面的四个角处均设置有锚点;
所述灰度处理模块,用于对所述答题卡图像进行灰度处理,得到所述答题卡的灰度图像;
所述图像校正模块,用于识别所述灰度图像上的锚点信息,并根据所述锚点信息对所述灰度图像进行校正;
所述图像二值化处理模块,用于对校正后的灰度图像进行二值化处理;
所述填涂区域分析模块,用于根据二值化处理后的灰度图像分析所述答题卡上填涂区域的浓度及面积,以识别所述填涂区域是否被填涂,并根据识别结果统计出所述答题卡的得分。
在本发明实施所述的答题卡识别系统中,所述图像获取装置包括依次连接的扫描单元、第一判断单元、第二判断单元以及图像获取单元,其中:
所述扫描单元,用于扫描所述答题卡A面或B面的四个锚点;
所述第一判断单元,用于判断是否扫描成功;
所述第二判断单元,用于若扫描成功,则判断所述四个锚点是否符合规范;
所述图像获取单元,用于若所述四个锚点均符合规范,则抓取识别出来的答题卡图像。
在本发明实施例所述的答题卡识别方法中,所述第二判断单元具体用于:
根据扫描获取的四个锚点的大小和形状判断所述四个锚点是否符合规范;
若所述四个锚点相对大小和形状与制作所述答题卡时设计的相对大小和形状均相同,则所述四个锚点符合规范。
在本发明实施例所述的答题卡识别方法中,所述图像校正模块具体用于:
利用OPENCV库查找轮廓方法识别出所述灰度图像上的锚点信息,并利用投射变换原理根据所述锚点信息对所述灰度图像进行校正。
在本发明实施例所述的答题卡识别方法中,所述二值化图像处理模块具体用于:
对校正后的灰度图像进行二值化处理,并分区域自适应调整所述灰度图像的二值化阀值,以得到所述答题卡的二值化图像。
实施本发明实施例提供的一种答题卡识别方法及系统具有以下有益效果:
本发明实施例由于首先采用图像获取装置扫描所述答题卡以获取答题卡图像,所述答题卡按照指定的规则设计制作而成,所述答题卡A、B两面的四个角处均设置有锚点;然后对所述答题卡图像进行灰度处理,得到所述答题卡的灰度图像;识别所述灰度图像上的锚点信息,并根据所述锚点信息对所述灰度图像进行校正;最后对校正后的灰度图像进行二值化处理,根据二值化处理后的灰度图像分析所述答题卡上填涂区域的浓度及面积,以识别所述填涂区域是否被填涂,并根据识别结果统计出所述答题卡的得分,从而使学生可以采用任意颜色的笔进行填投,不需要使用专门的铅笔,而教师只需利用终端上的图像获取装置扫描学生的答题卡即可获取学生的成绩,无需精密昂贵的光标阅读机,降低了答题卡识别的硬件成本,方便教师将其应用于日常练习、测试等教学活动中,减少了教师给答题卡判分的时间,并且也大大提高了答题卡识别的准确率。
附图说明
图1是本发明实施例提供的答题卡识别方法的具体实现流程图;
图2是本发明实施例中答题卡A面的示意图;
图3是本发明实施例中答题卡B面的示意图;
图4是图1所示实施例中步骤S101的具体实现流程图;
图5是本发明实施例中答题卡上的锚点的结构示意图;
图6是本发明实施例提供的答题卡识别系统的结构示意图。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白,以下结合附图及实施例,对本发明进行进一步详细说明。应当理解,此处所描述的具体实施例仅仅用以解释本发明,并不用于限定本发明。
图1是本发明实施例提供的答题卡识别方法的具体实现流程图。参见图1所示,本发明实施例提供的答题卡识别方法,包括:
在S101中,采用图像获取装置扫描所述答题卡以获取答题卡图像,所述答题卡按照指定的规则设计制作而成,所述答题卡A、B两面的四个角处均设置有锚点。
图2、图3示出了本发明实施例中按照指定的规则设计制作而成的答题卡的示意图。参见图2、3所示,本发明实施例中的答题卡为矩形,并且包括A、B两面,其中,A面为选择题答题卡、B面为非选择题答题卡。进一步的,A面包括注意事项区域、学号填投区域、版本号区域以及选择题填投区域,B面包括非选择题答题区域、版本号区域以及书面表达区域,并且A、B两面的四个角处均设置有锚点。A面的选择题填投区域为5题一组,一排4组,一列4组;B面的非选择题答题区域及书面表达区域的面积可由用户根据试卷的题量自由设定。
图4示出了本发明实施例中S101的具体实现流程图,参见图4所示,步骤S101具体包括:
在S401中,采用图像获取装置扫描所述答题卡A面或B面的四个锚点;
在S402中,判断是否扫描成功;
在S403中,若扫描成功,则判断所述四个锚点是否符合规范;
在S404中,若所述四个锚点均符合规范,则抓取识别出来的答题卡图像。
在本发明实施例中,所述判断所述四个锚点是否符合规范具体包括:根据扫描获取的四个锚点的大小和形状判断所述四个锚点是否符合规范;若所述四个锚点相对大小和形状与制作所述答题卡时设计的相对大小和形状均相同,则所述四个锚点符合规范。作为一具体实现示例,所述答题卡A、B两面上的四个锚点的大小、形状均相同,所述锚点为图5所示的黑白相间的图像,那么在进行答题卡合法判断时,只需判断所述答题卡上的四个锚点图像的大小是否相同,若大小相同则进一步判断所述四个锚点图像的形状是否相同,若相同,则证明所述四个锚点图像均符合规范,此时,专区识别出来的答题卡图像,并将所述答题卡图像上传至云端;反之若所述四个锚点图像中有不符合规范的,则返回步骤S401。
在S102中,对所述答题卡图像进行灰度处理,得到所述答题卡的灰度图像。
在S103中,识别所述灰度图像上的锚点信息,并根据所述锚点信息对所述灰度图像进行校正。
在本发明实施例中,S103具体包括:利用OPENCV库查找轮廓方法识别出所述灰度图像上的锚点信息,并利用投射变换原理根据所述锚点信息对所述灰度图像进行校正。作为一具体实现示例,所述答题卡A、B两面上的四个锚点的大小、形状均相同,所述锚点为图5所示的黑白相间的图像,其从上到下黑白条纹之间的相对比例为1:1:3:1:1,那么本实施例在对所述灰度图像进行校正时,首先判断灰度图像中四个锚点图像中黑白条纹之间的相对比例是否符合1:1:3:1:1,若不符合,则利用投射变换原理对所述灰度图像进行调整,使所述四个锚点图像中的黑白条纹之间的相对比例符合1:1:3:1:1的比例,即为完成灰度图像的校正。
在S104中,对校正后的灰度图像进行二值化处理,根据二值化处理后的灰度图像分析所述答题卡上填涂区域的浓度及面积,以识别所述填涂区域是否被填涂,并根据识别结果统计出所述答题卡的得分。
在本发明实施例中,所述对校正后的灰度图像进行二值化处理具体包括:对校正后的灰度图像进行二值化处理,并分区域自适应调整所述灰度图像的二值化阀值,以得到所述答题卡的二值化图像。本实施例中采用分区域自适应调整所述灰度图像的二值化阀值的方法,可以得到最优的二值化图像,能够提高后续填投区域识别的准确率,提高答题卡识别的可靠性。此外,需要说明的是,本发明实施例中在统计出所述答题卡的得分后,可以根据教师输入的查看指令在于云端连接的PC端显示所述答题卡得分,或者之间将所述答题卡的得分返回至所述移动终端供教师查看。
以上可以看出,本发明实施例提供的一种答题卡识别方法,由于首先采用图像获取装置扫描所述答题卡以获取答题卡图像,所述答题卡按照指定的规则设计制作而成,所述答题卡A、B两面的四个角处均设置有锚点;然后对所述答题卡图像进行灰度处理,得到所述答题卡的灰度图像;识别所述灰度图像上的锚点信息,并根据所述锚点信息对所述灰度图像进行校正;最后对校正后的灰度图像进行二值化处理,根据二值化处理后的灰度图像分析所述答题卡上填涂区域的浓度及面积,以识别所述填涂区域是否被填涂,并根据识别结果统计出所述答题卡的得分,从而可以使学生采用任意颜色的笔进行填投,不需要使用专门的铅笔,而教师只需利用终端上的图像获取装置扫描学生的答题卡即可获取学生的成绩,无需精密昂贵的光标阅读机,大大降低了答题卡识别的硬件成本,方便教师将其应用于日常练习、测试等教学活动中,减少了教师给答题卡判分的时间,并且也大大提高了答题卡识别的准确率。
图6是本发明实施例提供的答题卡识别系统的结构示意图,该系统用于运行图1~图4所示实施例提供的方法。为了便于说明仅仅示出了与本发明实施例相关的部分。
参见图6所示,本发明实施例提供的一种答题卡识别系统,包括图像获取装置11和与所述图像获取装置11连接的答题卡识别子系统31,所述答题卡识别子系统31包括依次连接的灰度处理模块311、图像校正模块312、图像二值化处理模块313以及填涂区域分析模块314,其中:
所述图像获取装置11,用于扫描所述答题卡以获取答题卡图像,所述答题卡按照指定的规则设计制作而成,所述答题卡A、B两面的四个角处均设置有锚点;
所述灰度处理模块311,用于对所述答题卡图像进行灰度处理,得到所述答题卡的灰度图像;
所述图像校正模块312,用于识别所述灰度图像上的锚点信息,并根据所述锚点信息对所述灰度图像进行校正;
所述图像二值化处理模块313,用于对校正后的灰度图像进行二值化处理;
所述填涂区域分析模块314,用于根据二值化处理后的灰度图像分析所述答题卡上填涂区域的浓度及面积,以识别所述填涂区域是否被填涂,并根据识别结果统计出所述答题卡的得分。
可选的,所述图像获取装置11包括依次连接的扫描单元111、第一判断单元112、第二判断单元113以及图像获取单元114,其中:
所述扫描单元111,用于扫描所述答题卡A面或B面的四个锚点;
所述第一判断单元112,用于判断是否扫描成功;
所述第二判断单元113,用于若扫描成功,则判断所述四个锚点是否符合规范;
所述图像获取单元114,用于若所述四个锚点均符合规范,则抓取识别出来的答题卡图像。
可选的,所述第二判断单元113具体用于:
根据扫描获取的四个锚点的大小和形状判断所述四个锚点是否符合规范;
若所述四个锚点相对大小和形状与制作所述答题卡时设计的相对大小和形状均相同,则所述四个锚点符合规范。
可选的,所述图像校正模块312具体用于:
利用OPENCV库查找轮廓方法识别出所述灰度图像上的锚点信息,并利用投射变换原理根据所述锚点信息对所述灰度图像进行校正。
可选的,所述二值化图像处理模块具体用于:
对校正后的灰度图像进行二值化处理,并分区域自适应调整所述灰度图像的二值化阀值,以得到所述答题卡的二值化图像。
需要说明的是,图6所示实施例中所述图像获取装置11位于所述移动终端中,答题卡识别子系统31位于所述PC端3中(所述答题卡识别子系统31也可位于云端2中),由所述移动终端上的图像获取装置11获取答题卡图像后将所述答题卡图像发送至云端2进行存储,然后由PC3端从所述云端2获取所述答题卡图像后对其进行识别。在其他实现示例中,所述答题卡识别系统也可以单独部署于所述移动终端1、所述云端2或者所述PC端3中,当所述答题卡识别系统也可以单独部署在移动终端中时,所述移动终端扫描到答题卡图像时,不需将所述答题卡图像上传至云端,可通过所述移动终端内部署的答题卡识别子系统来识别答题卡上的答案。此外,本发明实施例提供的上述系统中各个模块,由于与本发明方法实施例基于同一构思,其带来的技术效果与本发明方法实施例相同,具体内容可参见本发明方法实施例中的叙述,此处不再赘述。
因此,可以看出本发明实施例提供的一种答题卡识别系统同样可以使学生采用任意颜色的笔进行填投,不需要使用专门的铅笔,而教师只需利用移动终端扫描学生的答题卡即可获取学生的成绩,无需精密昂贵的光标阅读机,大大降低了答题卡识别的硬件成本,方便教师将其应用于日常练习、测试等教学活动中,减少了教师给答题卡判分的时间,并且也大大提高了答题卡识别的准确率。
以上所述仅为本发明的较佳实施例而已,并不用以限制本发明,凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等,均应包含在本发明的保护范围之内。
Claims (10)
1.一种答题卡识别方法,其特征在于,包括:
采用图像获取装置扫描所述答题卡以获取答题卡图像,所述答题卡按照指定的规则设计制作而成,所述答题卡A、B两面的四个角处均设置有锚点;
对所述答题卡图像进行灰度处理,得到所述答题卡的灰度图像;
识别所述灰度图像上的锚点信息,并根据所述锚点信息对所述灰度图像进行校正;
对校正后的灰度图像进行二值化处理,根据二值化处理后的灰度图像分析所述答题卡上填涂区域的浓度及面积,以识别所述填涂区域是否被填涂,并根据识别结果统计出所述答题卡的得分。
2.如权利要求1所述的答题卡识别方法,其特征在于,所述采用移动终端扫描所述答题卡以获取答题卡图像,并将所述答题卡图像上传至云端具体包括:
采用移动终端扫描所述答题卡A面或B面的四个锚点;
判断是否扫描成功;
若扫描成功,则判断所述四个锚点是否符合规范;
若所述四个锚点均符合规范,则抓取识别出来的答题卡图像。
3.如权利要求2所述的答题卡识别方法,其特征在于,所述判断所述四个锚点是否符合规范具体包括:
根据扫描获取的四个锚点的大小和形状判断所述四个锚点是否符合规范;
若所述四个锚点相对大小和形状与制作所述答题卡时设计的相对大小和形状均相同,则所述四个锚点符合规范。
4.如权利要求3所述的答题卡识别方法,其特征在于,所述识别所述灰度图像上的锚点信息,根据所述锚点信息对所述灰度图像进行校正具体包括:
利用OPENCV库查找轮廓方法识别出所述灰度图像上的锚点信息,并利用投射变换原理根据所述锚点信息对所述灰度图像进行校正。
5.如权利要求4所述的答题卡识别方法,其特征在于,所述对校正后的灰度图像进行二值化处理具体包括:
对校正后的灰度图像进行二值化处理,并分区域自适应调整所述灰度图像的二值化阀值,以得到所述答题卡的二值化图像。
6.一种答题卡识别系统,其特征在于,包括图像获取装置和与所述图像获取装置连接的答题卡识别子系统,所述答题卡识别子系统包括依次连接的灰度处理模块、图像校正模块、图像二值化处理模块以及填涂区域分析模块,其中:
图像获取装置,用于扫描所述答题卡以获取答题卡图像,所述答题卡按照指定的规则设计制作而成,所述答题卡A、B两面的四个角处均设置有锚点;
所述灰度处理模块,用于对所述答题卡图像进行灰度处理,得到所述答题卡的灰度图像;
所述图像校正模块,用于识别所述灰度图像上的锚点信息,并根据所述锚点信息对所述灰度图像进行校正;
所述图像二值化处理模块,用于对校正后的灰度图像进行二值化处理;
所述填涂区域分析模块,用于根据二值化处理后的灰度图像分析所述答题卡上填涂区域的浓度及面积,以识别所述填涂区域是否被填涂,并根据识别结果统计出所述答题卡的得分。
7.如权利要求6所述的答题卡识别系统,其特征在于,所述图像获取装置包括依次连接的扫描单元、第一判断单元、第二判断单元以及图像获取单元,其中:
所述扫描单元,用于扫描所述答题卡A面或B面的四个锚点;
所述第一判断单元,用于判断是否扫描成功;
所述第二判断单元,用于若扫描成功,则判断所述四个锚点是否符合规范;
所述图像获取单元,用于若所述四个锚点均符合规范,则抓取识别出来的答题卡图像。
8.如权利要求7所述的答题卡识别系统,其特征在于,所述第二判断单元具体用于:
根据扫描获取的四个锚点的大小和形状判断所述四个锚点是否符合规范;
若所述四个锚点相对大小和形状与制作所述答题卡时设计的相对大小和形状均相同,则所述四个锚点符合规范。
9.如权利要求8所述的答题卡识别系统,其特征在于,所述图像校正模块具体用于:
利用OPENCV库查找轮廓方法识别出所述灰度图像上的锚点信息,并利用投射变换原理根据所述锚点信息对所述灰度图像进行校正。
10.如权利要求9所述的答题卡识别系统,其特征在于,所述二值化图像处理模块具体用于:
对校正后的灰度图像进行二值化处理,并分区域自适应调整所述灰度图像的二值化阀值,以得到所述答题卡的二值化图像。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510976007.1A CN105426879A (zh) | 2015-12-23 | 2015-12-23 | 一种答题卡识别方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510976007.1A CN105426879A (zh) | 2015-12-23 | 2015-12-23 | 一种答题卡识别方法及系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN105426879A true CN105426879A (zh) | 2016-03-23 |
Family
ID=55505078
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201510976007.1A Pending CN105426879A (zh) | 2015-12-23 | 2015-12-23 | 一种答题卡识别方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN105426879A (zh) |
Cited By (19)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106446886A (zh) * | 2016-10-13 | 2017-02-22 | 广东文讯科技有限公司 | 一种使用智能终端摄像头多点定位识别方法 |
CN106529541A (zh) * | 2016-09-08 | 2017-03-22 | 广东德诚网络科技有限公司 | 答题卡识别的方法及装置 |
CN107368800A (zh) * | 2017-07-13 | 2017-11-21 | 上海携程商务有限公司 | 基于传真识别的订单确认方法、系统、设备及存储介质 |
CN107480667A (zh) * | 2017-08-15 | 2017-12-15 | 成都准星云学科技有限公司 | 基于模板的智能题目图像采集处理的方法及其系统 |
CN108009536A (zh) * | 2017-12-01 | 2018-05-08 | 广州摩翼信息科技有限公司 | 扫描阅卷方法及系统 |
CN108364004A (zh) * | 2018-01-16 | 2018-08-03 | 深圳市脑洞科技有限公司 | 基于移动终端的答题卡扫描方法、移动终端及存储介质 |
CN108681713A (zh) * | 2018-05-18 | 2018-10-19 | 王泽普 | 一种用于教师教学质量评价的系统 |
CN108735021A (zh) * | 2018-05-23 | 2018-11-02 | 郭金荣 | 一种用于学生作业的智能辅导系统 |
CN108876195A (zh) * | 2018-07-17 | 2018-11-23 | 李小玲 | 一种智能化的教师教学质量评测系统 |
CN108985290A (zh) * | 2018-07-18 | 2018-12-11 | 杜艳平 | 一种用于教师教学质量的智能考核系统 |
CN109032744A (zh) * | 2018-07-27 | 2018-12-18 | 百度在线网络技术(北京)有限公司 | 图标展示方法、装置、服务器及存储介质 |
CN109034590A (zh) * | 2018-07-18 | 2018-12-18 | 王奎 | 一种智能化的教师教学质量评价管理系统 |
CN109509378A (zh) * | 2019-02-13 | 2019-03-22 | 湖南强视信息科技有限公司 | 一种支持手写输入的在线考试方法 |
CN111144251A (zh) * | 2019-12-17 | 2020-05-12 | 广东德诚大数据科技有限公司 | 一种基于图像采集的自动化扫描识别系统 |
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 |
CN112686143A (zh) * | 2020-12-29 | 2021-04-20 | 科大讯飞股份有限公司 | 客观题填涂的识别方法、电子设备和存储介质 |
CN112818765A (zh) * | 2021-01-18 | 2021-05-18 | 中科院成都信息技术股份有限公司 | 一种图像填涂识别方法、装置、系统、以及存储介质 |
CN113138828A (zh) * | 2021-05-10 | 2021-07-20 | 上海松鼠课堂人工智能科技有限公司 | 通过显示动态图像提示学生答题的方法与系统 |
CN113705509A (zh) * | 2021-09-02 | 2021-11-26 | 北京云蝶智学科技有限公司 | 试题解析信息的获取方法及装置 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
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 |
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 |
-
2015
- 2015-12-23 CN CN201510976007.1A patent/CN105426879A/zh active Pending
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
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 |
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 |
Non-Patent Citations (3)
Title |
---|
刘胜强: "纸卷数字化和图像识别在网上阅卷中的应用", 《中国优秀硕士学位论文全文数据库 信息科技辑》 * |
杨青燕 等: "基于灰度图像的答题卡识别技术", 《山东科技大学学报》 * |
王艳芹: "答题卡自动阅卷系统的研究与开发", 《中国优秀硕士学位论文全文数据库 信息科技辑》 * |
Cited By (24)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106529541A (zh) * | 2016-09-08 | 2017-03-22 | 广东德诚网络科技有限公司 | 答题卡识别的方法及装置 |
CN106446886A (zh) * | 2016-10-13 | 2017-02-22 | 广东文讯科技有限公司 | 一种使用智能终端摄像头多点定位识别方法 |
CN106446886B (zh) * | 2016-10-13 | 2019-08-20 | 广东文讯科技有限公司 | 一种使用智能终端摄像头多点定位识别方法 |
CN107368800A (zh) * | 2017-07-13 | 2017-11-21 | 上海携程商务有限公司 | 基于传真识别的订单确认方法、系统、设备及存储介质 |
CN107368800B (zh) * | 2017-07-13 | 2020-02-21 | 上海携程商务有限公司 | 基于传真识别的订单确认方法、系统、设备及存储介质 |
CN107480667A (zh) * | 2017-08-15 | 2017-12-15 | 成都准星云学科技有限公司 | 基于模板的智能题目图像采集处理的方法及其系统 |
CN108009536A (zh) * | 2017-12-01 | 2018-05-08 | 广州摩翼信息科技有限公司 | 扫描阅卷方法及系统 |
CN108364004A (zh) * | 2018-01-16 | 2018-08-03 | 深圳市脑洞科技有限公司 | 基于移动终端的答题卡扫描方法、移动终端及存储介质 |
CN108681713A (zh) * | 2018-05-18 | 2018-10-19 | 王泽普 | 一种用于教师教学质量评价的系统 |
CN108735021A (zh) * | 2018-05-23 | 2018-11-02 | 郭金荣 | 一种用于学生作业的智能辅导系统 |
CN108876195A (zh) * | 2018-07-17 | 2018-11-23 | 李小玲 | 一种智能化的教师教学质量评测系统 |
CN108985290A (zh) * | 2018-07-18 | 2018-12-11 | 杜艳平 | 一种用于教师教学质量的智能考核系统 |
CN109034590A (zh) * | 2018-07-18 | 2018-12-18 | 王奎 | 一种智能化的教师教学质量评价管理系统 |
CN109032744A (zh) * | 2018-07-27 | 2018-12-18 | 百度在线网络技术(北京)有限公司 | 图标展示方法、装置、服务器及存储介质 |
CN109032744B (zh) * | 2018-07-27 | 2021-10-08 | 百度在线网络技术(北京)有限公司 | 图标展示方法、装置、服务器及存储介质 |
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 |
CN109509378A (zh) * | 2019-02-13 | 2019-03-22 | 湖南强视信息科技有限公司 | 一种支持手写输入的在线考试方法 |
CN111144251A (zh) * | 2019-12-17 | 2020-05-12 | 广东德诚大数据科技有限公司 | 一种基于图像采集的自动化扫描识别系统 |
CN112686143A (zh) * | 2020-12-29 | 2021-04-20 | 科大讯飞股份有限公司 | 客观题填涂的识别方法、电子设备和存储介质 |
CN112686143B (zh) * | 2020-12-29 | 2023-12-01 | 科大讯飞股份有限公司 | 客观题填涂的识别方法、电子设备和存储介质 |
CN112818765A (zh) * | 2021-01-18 | 2021-05-18 | 中科院成都信息技术股份有限公司 | 一种图像填涂识别方法、装置、系统、以及存储介质 |
CN112818765B (zh) * | 2021-01-18 | 2023-09-19 | 中科院成都信息技术股份有限公司 | 一种图像填涂识别方法、装置、系统、以及存储介质 |
CN113138828A (zh) * | 2021-05-10 | 2021-07-20 | 上海松鼠课堂人工智能科技有限公司 | 通过显示动态图像提示学生答题的方法与系统 |
CN113705509A (zh) * | 2021-09-02 | 2021-11-26 | 北京云蝶智学科技有限公司 | 试题解析信息的获取方法及装置 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN105426879A (zh) | 一种答题卡识别方法及系统 | |
CN110008933B (zh) | 一种通用智能阅卷系统和方法 | |
US11790641B2 (en) | Answer evaluation method, answer evaluation system, electronic device, and medium | |
CN109033046A (zh) | 结构化可视文档快速信息输入系统及方法 | |
CN101334814A (zh) | 一种自动化的扫描阅卷系统及阅卷方法 | |
CN104697938B (zh) | 一种试纸读取方法及使用该方法进行验孕和排卵的测试方法 | |
US20140247965A1 (en) | Indicator mark recognition | |
CN106599887B (zh) | 试卷答题区域识别及试题评阅方法、系统 | |
CN110490141B (zh) | 一种填涂信息的识别方法、装置、终端及存储介质 | |
CN105787522A (zh) | 基于手写笔迹的书写态度评价方法及系统 | |
CN106407936A (zh) | 一种阅卷方法和系统 | |
CN110390616A (zh) | 作业批改方法、电子设备及存储介质 | |
CN112507758A (zh) | 答题卡字符串识别方法、装置、终端和计算机存储介质 | |
CN103577837A (zh) | 答题卡图片判读统计分析系统 | |
CN104992173A (zh) | 用于医学报告单的符号识别方法及系统 | |
CN102081742A (zh) | 一种书写能力的自动评价方法 | |
CN109034590A (zh) | 一种智能化的教师教学质量评价管理系统 | |
CN108428073A (zh) | 一种用于教师教学质量的智能评价系统 | |
CN103246873A (zh) | 一种采集答题卡的答题信息的方法及装置 | |
CN106815814B (zh) | 一种应用于阅卷系统的图像污染处理方法 | |
CN110555375A (zh) | 答题卡填涂信息的识别方法 | |
CN110298236B (zh) | 一种基于深度学习的盲文图像自动识别方法和系统 | |
CN108681713A (zh) | 一种用于教师教学质量评价的系统 | |
CN108985290A (zh) | 一种用于教师教学质量的智能考核系统 | |
CN113378823A (zh) | 一种心理量表试卷生成及其自动化批阅系统 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination |