CN107220610A - 一种应用于阅卷系统的主观题分数识别方法 - Google Patents

一种应用于阅卷系统的主观题分数识别方法 Download PDF

Info

Publication number
CN107220610A
CN107220610A CN201710368301.3A CN201710368301A CN107220610A CN 107220610 A CN107220610 A CN 107220610A CN 201710368301 A CN201710368301 A CN 201710368301A CN 107220610 A CN107220610 A CN 107220610A
Authority
CN
China
Prior art keywords
fraction
subjective item
red
recognition methods
marking system
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
CN201710368301.3A
Other languages
English (en)
Inventor
虞陆平
魏巧宝
林肖琼
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.)
Hangzhou Strong Education Technology Co Ltd
Original Assignee
Hangzhou Strong Education Technology Co Ltd
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 Hangzhou Strong Education Technology Co Ltd filed Critical Hangzhou Strong Education Technology Co Ltd
Priority to CN201710368301.3A priority Critical patent/CN107220610A/zh
Publication of CN107220610A publication Critical patent/CN107220610A/zh
Pending legal-status Critical Current

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
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/90—Determination of colour characteristics
    • 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
    • G06V10/25—Determination of region of interest [ROI] or a volume of interest [VOI]
    • 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
    • G06V30/10—Character recognition

Landscapes

  • Engineering & Computer Science (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Multimedia (AREA)
  • Artificial Intelligence (AREA)
  • Electrically Operated Instructional Devices (AREA)

Abstract

本发明提出一种应用于阅卷系统的主观题分数识别方法，包括下列步骤：对主观题下方的分数选择框进行红笔识别，获取全部红笔线条及其相对应的分数选择框；获取全部红笔线条的像素数据和长度数据；根据所述红笔线条的像素数据和长度数据，判断该主观题所选中的分数选择框。本发明提出的应用于阅卷系统的主观题分数识别方法，能够有效识别主观题下方分数选择框中的红笔线条，从而获取正确的老师评分，实现主观题的分数自动识别。

Description

一种应用于阅卷系统的主观题分数识别方法
技术领域
本发明涉及图像处理领域，且特别涉及一种应用于阅卷系统的主观题分数识别方法。
背景技术
近年来，随着信息技术的不断升级发展，更方便快捷、高效地工作、学习方式已越发受到人们的青睐。在传统的教育领域，已逐渐开展新一代的教育信息化升级探索。在国内现有的基础教育阶段，学生学习状况的主要考察形式仍然是各种类型的考试，大至高考、中考，小至基层教师日常家庭作业、单元考试，以及各类期中期末考试、会考、联考、模考等。在此状况下，教师背负着很大的批改作业和试卷的工作量压力。
因而各类标准化辅助考试方法已逐渐在各类大型考试中使用，如光标阅读机(Optical Mark Reader，OMR)进行答题卡自动阅卷处理的方式。光标阅读机用光学扫描的方法来识别按一定格式印刷或书写的标记，并将其转换为计算机能接受的电信号，从而实现自动阅卷。光标阅读机的优点是对于高配合、符合要求的答题卡，其阅读准确(即对涂点的识别有极高的精确度，误码率小于千万分之一)、阅读速度快，每秒钟可以处理一千多个信息点(处理速度以A4幅面计，每小时五千张)。这种处理方式很大程度上减轻了教师批改试卷的工作量压力，但其也存在很多缺点，例如整套硬件设备价格昂贵、答题卡质量要求苛刻、仅能处理客观题而不能处理主观题批改等，所以，迄今为止，除在大型重要选拔类考试(高考、中考)中能够被使用外，其它更多的常规考试阅卷工作无法使用该系统。
因此，随之出现的网上阅卷系统，特别针对客观题，通过电子扫描、图像识别技术实现自动评分，大大提高了阅卷效率。目前采用计算机网络技术和扫描技术的网上评卷作为一种新的评卷方式，得到了广泛地应用。其方法是，先将考生答题卡通过高速扫描仪，以图像方式原原本本扫描到系统中，形成电子版答卷，该过程中对考生的原始图像不作任何识别性修改，使扫描到系统中的电子版答卷与考生实际答卷完全一致，并通过计算机各类存储设备加以存储和管理。
图像识别软件首先识别答题卡周边已经印好的定位标记块(这些标记块的尺寸标准、黑度标准，容易识别)，据此建立图像的坐标系。图像识别软件根据已经存储在内存中的各个选项的印刷位置(相对于标记块的位置)，定位各道题的各个选项在图像上的位置(坐标)。以这些位置为中心，选取一定区域的像素(通常比允许答题者涂的范围小一些)，计算每个区域内所有像素的灰度值的总和，与某个门限值进行比对，高于它就认为答题者涂上了(选择了这个选项)。图像识别软件把识别出的选项集与标准答案进行比对，确定答题者涂中的每道题的答案是否正确。
对于主观题来说，现有技术的网上阅卷系统并没有太好的办法，一般来说都是由老师对考生的试卷答案进行手动查看分析并批改分数，然而老师手动批改的分数由于其不标准的书写笔迹，通过阅卷系统进行识别是比较困难的。
发明内容
本发明提出一种应用于阅卷系统的主观题分数识别方法，能够有效识别主观题下方分数选择框中的红笔线条，从而获取正确的老师评分，实现主观题的分数自动识别。
为了达到上述目的，本发明提出一种应用于阅卷系统的主观题分数识别方法，包括下列步骤：
对主观题下方的分数选择框进行红笔识别，获取全部红笔线条及其相对应的分数选择框；
获取全部红笔线条的像素数据和长度数据；
根据所述红笔线条的像素数据和长度数据，判断该主观题所选中的分数选择框。
进一步的，所述红笔识别通过HSV颜色模型进行红色笔迹识别处理。
进一步的，所述红色笔迹的HSV范围设置为(0,30,45)～(10,255,255)和(165,30,45)～(180,255,255)，位于以上范围的像素识别为红色笔迹。
进一步的，该方法通过判断所述红笔线条的像素数据是否大于预设像素数值，从而判断所述红笔线条所对应的分数选择框是否被选中。
进一步的，所述判断红笔线条的预设像素数值为50个。
进一步的，所述分数选择框的长度范围为40-50mm，宽度范围为30-40mm。
进一步的，所述分数选择框的尺寸为47*33mm。
进一步的，该方法通过判断所述红笔线条的长度数据是否大于预设长度数值，从而判断所述红笔线条所对应的分数选择框是否被选中。
进一步的，所述判断红笔线条的预设长度数值为所述分数选择框长度的一半。
进一步的，所述红笔线条的长度数据通过识别得到的红色笔迹两端坐标数据计算得出。
本发明提出的应用于阅卷系统的主观题分数识别方法，通过识别主观题下方分数选择框中的红笔线条，并根据所述红笔线条的像素数据和长度数据，判断该主观题所选中的分数选择框。本发明能够有效识别主观题下方分数选择框中的红笔线条，从而获取正确的老师评分，实现主观题的分数自动识别。
附图说明
图1所示为本发明较佳实施例的主观题分数识别方法流程图。
图2所示为本发明较佳实施例的主观题及其下方的分数选择框结构示意图。
图3所示为本发明较佳实施例的具有红笔线条的分数选择框结构示意图。
具体实施方式
以下结合附图给出本发明的具体实施方式，但本发明不限于以下的实施方式。根据下面说明和权利要求书，本发明的优点和特征将更清楚。需说明的是，附图均采用非常简化的形式且均使用非精准的比率，仅用于方便、明晰地辅助说明本发明实施例的目的。
本发明通过各个主观题下方的分数选择框进行解决，当老师对当前主观题的分数进行确定后，勾选相应的分数选择框，例如通过红笔在相应的分数选择框中划一道短斜线作为标记。
请参考图1，图1所示为本发明较佳实施例的主观题分数识别方法流程图。
本发明提出一种应用于阅卷系统的主观题分数识别方法，包括下列步骤：
步骤S100：对主观题下方的分数选择框进行红笔识别，获取全部红笔线条及其相对应的分数选择框；
步骤S200：获取全部红笔线条的像素数据和长度数据；
步骤S300：根据所述红笔线条的像素数据和长度数据，判断该主观题所选中的分数选择框。
根据本发明较佳实施例，所述红笔识别通过HSV颜色模型进行红色笔迹识别处理。HSV(Hue,Saturation,Value)是根据颜色的直观特性由A.R.Smith在1978年创建的一种颜色空间,也称六角锥体模型(Hexcone Model)。这个模型中颜色的参数分别是：色调(H)，饱和度(S)，明度(V)。
所述红色笔迹的HSV范围设置为(0,30,45)～(10,255,255)和(165,30,45)～(180,255,255)，位于以上范围的像素识别为红色笔迹，通过全部像素的识别获取完整的红笔线条数据。
因为存在着老师红笔不小心划到分数选择框的可能，试卷上可能会出现红色小点或者红色短线，接下来需要对此部分数据进行过滤，从而得到准确的红笔线条数据。
根据本发明较佳实施例，本发明提出的应用于阅卷系统的主观题分数识别方法，采用两种方法结合的方式来过滤错误数据。
本发明首先通过判断所述红笔线条的像素数据是否大于预设像素数值，从而判断所述红笔线条所对应的分数选择框是否被选中。根据本发明较佳实施例，所述判断红笔线条的预设像素数值为50个。当红笔线条的像素数据大于50个时，判断其选中所属的分数选择框，对于像素数据小于50个的红笔线条则被认为是误识别并进行删除过滤操作。
经过红笔线条像素判断的过滤操作后，本发明同时通过判断所述红笔线条的长度数据是否大于预设长度数值，从而判断所述红笔线条所对应的分数选择框是否被选中。
请参考图2，图2所示为本发明较佳实施例的主观题及其下方的分数选择框结构示意图。主观题题目100下面为学生主观题作答区域200，主观题作答区域200下方为多个分数选择框300。根据本发明较佳实施例，所述主观题下方的分数选择框300的长度范围为40-50mm，宽度范围为30-40mm。进一步的，所述分数选择框300的尺寸为47*33mm。在本发明较佳实施例中，每个主观题下方具有5个分数选择框300间隔且平行排列成一行，分别代表1～5的分数。老师在对学生试卷上的主观题答案进行分析后确定该题目的分数，然后使用红笔在相应的分数选择框中划出一条红笔线条进行评分操作。
请参考图3，图3所示为本发明较佳实施例的具有红笔线条的分数选择框结构示意图。所述分数选择框300内具有红笔线条400。
根据本发明较佳实施例，所述判断红笔线条的预设长度数值为所述分数选择框长度的一半。即当红笔线条的长度值超过分数选择框长度的一半时，判断当前分数选择框被选中。在本发明较佳实施例中，所述分数选择框的长度为47mm，当红笔线条的长度超过23.5mm时，判断当前分数选择框被选中。当红笔线条的长度不到23.5mm时，则当前红笔线条被认为是误识别并进行删除过滤操作。
根据本发明较佳实施例，所述红笔线条的长度数据通过识别得到的红色笔迹两端坐标数据计算得出。
通过上述红笔线条的像素数据和红笔线条的长度数据相结合的方式，将最初识别的红笔线条数据中的错误数据进行过滤，最终得到正确的红笔线条数据并确定其选中的分数选择框，从而获得每道主观题的老师评分数据。
综上所述，本发明提出的应用于阅卷系统的主观题分数识别方法，通过识别主观题下方分数选择框中的红笔线条，并根据所述红笔线条的像素数据和长度数据，判断该主观题所选中的分数选择框。本发明能够有效识别主观题下方分数选择框中的红笔线条，从而获取正确的老师评分，实现主观题的分数自动识别。
虽然本发明已以较佳实施例揭露如上，然其并非用以限定本发明。本发明所属技术领域中具有通常知识者，在不脱离本发明的精神和范围内，当可作各种的更动与润饰。因此，本发明的保护范围当视权利要求书所界定者为准。

Claims (10)

1.一种应用于阅卷系统的主观题分数识别方法，其特征在于，包括下列步骤：
对主观题下方的分数选择框进行红笔识别，获取全部红笔线条及其相对应的分数选择框；
获取全部红笔线条的像素数据和长度数据；
根据所述红笔线条的像素数据和长度数据，判断该主观题所选中的分数选择框。
2.根据权利要求1所述的应用于阅卷系统的主观题分数识别方法，其特征在于，所述红笔识别通过HSV颜色模型进行红色笔迹识别处理。
3.根据权利要求2所述的应用于阅卷系统的主观题分数识别方法，其特征在于，所述红色笔迹的HSV范围设置为(0,30,45)～(10,255,255)和(165,30,45)～(180,255,255)，位于以上范围的像素识别为红色笔迹。
4.根据权利要求1所述的应用于阅卷系统的主观题分数识别方法，其特征在于，该方法通过判断所述红笔线条的像素数据是否大于预设像素数值，从而判断所述红笔线条所对应的分数选择框是否被选中。
5.根据权利要求4所述的应用于阅卷系统的主观题分数识别方法，其特征在于，所述判断红笔线条的预设像素数值为50个。
6.根据权利要求1所述的应用于阅卷系统的主观题分数识别方法，其特征在于，所述分数选择框的长度范围为40-50mm，宽度范围为30-40mm。
7.根据权利要求6所述的应用于阅卷系统的主观题分数识别方法，其特征在于，所述分数选择框的尺寸为47*33mm。
8.根据权利要求1所述的应用于阅卷系统的主观题分数识别方法，其特征在于，该方法通过判断所述红笔线条的长度数据是否大于预设长度数值，从而判断所述红笔线条所对应的分数选择框是否被选中。
9.根据权利要求8所述的应用于阅卷系统的主观题分数识别方法，其特征在于，所述判断红笔线条的预设长度数值为所述分数选择框长度的一半。
10.根据权利要求8所述的应用于阅卷系统的主观题分数识别方法，其特征在于，所述红笔线条的长度数据通过识别得到的红色笔迹两端坐标数据计算得出。
CN201710368301.3A 2017-05-23 2017-05-23 一种应用于阅卷系统的主观题分数识别方法 Pending CN107220610A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201710368301.3A CN107220610A (zh) 2017-05-23 2017-05-23 一种应用于阅卷系统的主观题分数识别方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201710368301.3A CN107220610A (zh) 2017-05-23 2017-05-23 一种应用于阅卷系统的主观题分数识别方法

Publications (1)

Publication Number Publication Date
CN107220610A true CN107220610A (zh) 2017-09-29

Family

ID=59945309

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201710368301.3A Pending CN107220610A (zh) 2017-05-23 2017-05-23 一种应用于阅卷系统的主观题分数识别方法

Country Status (1)

Country Link
CN (1) CN107220610A (zh)

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108595427A (zh) * 2018-04-24 2018-09-28 成都海天数联科技有限公司 一种主观题评分方法、装置、可读存储介质以及电子设备
CN109460762A (zh) * 2018-10-19 2019-03-12 南京理工大学 一种基于图像识别的答题卡评分方法
CN113822907A (zh) * 2021-10-18 2021-12-21 海信集团控股股份有限公司 图像处理方法及装置
CN114639108A (zh) * 2022-05-19 2022-06-17 江西风向标智能科技有限公司 主观题的判分标记识别方法、系统、存储介质及设备

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN2149656Y (zh) * 1993-04-17 1993-12-15 北京语言学院汉语水平考试中心 自动扫描式阅卷机
JPH0830187A (ja) * 1994-07-20 1996-02-02 Shiyuusui:Kk 自動採点装置と採点表示方法及びこれらに用いられる解答用紙
CN202939608U (zh) * 2012-03-07 2013-05-15 爱意福瑞（北京）科技有限公司 阅卷系统
CN104794948A (zh) * 2015-04-20 2015-07-22 西安青柠电子信息技术有限公司 自动阅卷系统及其使用方法
CN106142889A (zh) * 2015-04-08 2016-11-23 季争鸣 一种用于自动化扫描阅卷的答题卡及其应用方法

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN2149656Y (zh) * 1993-04-17 1993-12-15 北京语言学院汉语水平考试中心 自动扫描式阅卷机
JPH0830187A (ja) * 1994-07-20 1996-02-02 Shiyuusui:Kk 自動採点装置と採点表示方法及びこれらに用いられる解答用紙
CN202939608U (zh) * 2012-03-07 2013-05-15 爱意福瑞（北京）科技有限公司 阅卷系统
CN106142889A (zh) * 2015-04-08 2016-11-23 季争鸣 一种用于自动化扫描阅卷的答题卡及其应用方法
CN104794948A (zh) * 2015-04-20 2015-07-22 西安青柠电子信息技术有限公司 自动阅卷系统及其使用方法

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
潘坚跃 等: "人体及穿戴特征识别在电力设施监控中的应用" *
王小蕾;: "一种电子文档的手写批改系统" *

Cited By (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108595427A (zh) * 2018-04-24 2018-09-28 成都海天数联科技有限公司 一种主观题评分方法、装置、可读存储介质以及电子设备
CN108595427B (zh) * 2018-04-24 2021-06-08 成都海天数联科技有限公司 一种主观题评分方法、装置、可读存储介质以及电子设备
CN109460762A (zh) * 2018-10-19 2019-03-12 南京理工大学 一种基于图像识别的答题卡评分方法
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
CN113822907A (zh) * 2021-10-18 2021-12-21 海信集团控股股份有限公司 图像处理方法及装置
CN113822907B (zh) * 2021-10-18 2024-03-26 海信集团控股股份有限公司 图像处理方法及装置
CN114639108A (zh) * 2022-05-19 2022-06-17 江西风向标智能科技有限公司 主观题的判分标记识别方法、系统、存储介质及设备

Similar Documents

Publication Publication Date Title
CN110008933B (zh) 一种通用智能阅卷系统和方法
CN108171297B (zh) 一种答题卡识别方法
CN110110581B (zh) 一种基于人工智能的试卷批改方法和系统
US8794978B2 (en) Educational material processing apparatus, educational material processing method, educational material processing program and computer-readable recording medium
CN107220610A (zh) 一种应用于阅卷系统的主观题分数识别方法
CN108735021A (zh) 一种用于学生作业的智能辅导系统
CN110414563A (zh) 考试成绩统计方法、系统及计算机可读存储介质
CN110659584B (zh) 一种基于图像识别的智能留痕阅卷系统
CN109871525A (zh) 一种易于ocr识别的印刷排版的批阅系统及实现方法
CN109101202A (zh) 一种原卷留痕的阅卷机及阅卷方法
CN109242856A (zh) 一种纸质作业电子化批阅方法及装置
CN107067399A (zh) 一种试卷图像分割处理方法
CN108563623A (zh) 一种有痕阅卷的方法和系统
CN110956138A (zh) 一种基于家教设备的辅助学习方法及家教设备
CN107066939A (zh) 一种网上阅卷系统的试卷切割处理方法
CN111008594B (zh) 改错题评阅方法、相关设备及可读存储介质
US8385811B1 (en) System and method for processing forms using color
JP4756447B2 (ja) 教材処理装置、教材処理方法および教材処理プログラム
CN107045635A (zh) 一种网上阅卷系统的试卷图像分页分题处理方法
CN110298236A (zh) 一种基于深度学习的盲文图像自动识别方法和系统
CN114550176A (zh) 基于深度学习的试卷批改方法
CN113378822A (zh) 一种在试卷中使用特殊标记框标注手写答案区域的系统
CN113903039A (zh) 一种基于颜色的答题卡答案区域采集的方法
CN110555396A (zh) 智能练习册的阅卷方法、计算机可读存储介质和电子设备
JP4238711B2 (ja) マークシート方式

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
WD01 Invention patent application deemed withdrawn after publication
WD01 Invention patent application deemed withdrawn after publication

Application publication date: 20170929