CN108009536A - 扫描阅卷方法及系统 - Google Patents
扫描阅卷方法及系统 Download PDFInfo
- Publication number
- CN108009536A CN108009536A CN201711258628.1A CN201711258628A CN108009536A CN 108009536 A CN108009536 A CN 108009536A CN 201711258628 A CN201711258628 A CN 201711258628A CN 108009536 A CN108009536 A CN 108009536A
- Authority
- CN
- China
- Prior art keywords
- obtains
- region
- target area
- answer
- full
- 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 78
- 230000008569 process Effects 0.000 claims abstract description 27
- 238000005260 corrosion Methods 0.000 claims abstract description 14
- 230000007797 corrosion Effects 0.000 claims abstract description 14
- 238000000605 extraction Methods 0.000 claims abstract description 8
- 238000004590 computer program Methods 0.000 claims description 8
- 238000006243 chemical reaction Methods 0.000 claims description 6
- 239000000284 extract Substances 0.000 claims description 6
- 238000004891 communication Methods 0.000 description 7
- 238000010586 diagram Methods 0.000 description 7
- 230000006870 function Effects 0.000 description 7
- 230000008901 benefit Effects 0.000 description 4
- 230000008859 change Effects 0.000 description 3
- 238000010168 coupling process Methods 0.000 description 3
- 238000005859 coupling reaction Methods 0.000 description 3
- 238000004364 calculation method Methods 0.000 description 2
- 230000008878 coupling Effects 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- OKTJSMMVPCPJKN-UHFFFAOYSA-N Carbon Chemical compound [C] OKTJSMMVPCPJKN-UHFFFAOYSA-N 0.000 description 1
- 230000009471 action Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 229910052799 carbon Inorganic materials 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000001914 filtration Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 230000035800 maturation Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000010606 normalization Methods 0.000 description 1
- 238000003909 pattern recognition Methods 0.000 description 1
- 230000002093 peripheral effect Effects 0.000 description 1
- 238000010008 shearing Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
Classifications
-
- 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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/20—Image enhancement or restoration using local operators
- G06T5/30—Erosion or dilatation, e.g. thinning
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/70—Denoising; Smoothing
-
- 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
- G06V10/242—Aligning, centring, orientation detection or correction of the image by image rotation, e.g. by 90 degrees
-
- 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)
- Multimedia (AREA)
- Image Processing (AREA)
Abstract
本发明提供一种扫描阅卷方法及系统，涉及图像识别技术领域，其中，扫描阅卷方法包括：对答题卡图像进行识别，提取第一目标区域；第一目标区域为客观题的答案填涂区域；对第一目标区域进行标准化处理，得到标准化目标区域；对标准化目标区域进行二值化及腐蚀膨胀处理，得到矩形填涂区域；根据矩形填涂区域的坐标，计算对应的选项得分，得到客观题分数。该扫描阅卷方法能够对答题卡上的填涂答案进行准确的识别，提高答题卡识别效率并且不限制答题卡的纸质及填涂工具。
Description
技术领域
本发明涉及图像识别技术领域，尤其是涉及一种扫描阅卷方法及系统。
背景技术
目前，学校中最常用的智能阅卷方式为阅卷机，阅卷机又称光标阅卷机(OpticalMark Reader缩写OMR)，是一种集光、机、电于一体的计算机外设录入设备，能快速识别信息卡上的涂写内容，并传入计算机中进行处理。
阅卷机的基本原理：当阅卷机中的发光器件发出的光照射在信息卡的被涂黑的信息位上时，会导致反射光变弱，由对应的接收管将变弱的光信号转移成电信号，再经A/D转换、数字滤波、模式识别后完成对信息卡中答案的识别。
现有的答题卡阅卷机虽然利用红外线对碳的敏感性，可以对答题卡上采用2B铅笔填涂的答案进行识别，但与此同时，它也限制了学生们填涂答案时所采用的工具，以及答题卡的纸质，从而导致成本高而且使用不方便的问题。
发明内容
有鉴于此，本发明的目的在于提供一种扫描阅卷方法及系统，能够对答题卡上的填涂答案进行准确的识别，提高答题卡识别效率并且不限制答题卡的纸质及填涂工具。
第一方面，本发明实施例提供了一种扫描阅卷方法，包括：
对答题卡图像进行识别，提取第一目标区域；第一目标区域为客观题的答案填涂区域；
对第一目标区域进行标准化处理，得到标准化目标区域；
对标准化目标区域进行二值化及腐蚀膨胀处理，得到矩形填涂区域；
根据矩形填涂区域的坐标，计算对应的选项得分，得到客观题分数。
结合第一方面，本发明实施例提供了第一方面的第一种可能的实施方式，其中，对第一目标区域进行标准化处理，得到标准化目标区域，具体包括：
对第一目标区域进行高斯模糊，得到第一处理结果；
对第一处理结果进行方形识别，得到第二处理结果；
对第二处理结果进行透视变换，得到标准化目标区域。
结合第一方面，本发明实施例提供了第一方面的第二种可能的实施方式，其中，对标准化目标区域进行二值化及腐蚀膨胀处理，得到矩形填涂区域，具体包括：
计算标准化目标区域的平均灰度值；
基于平均灰度值进行二值化处理，得到灰度图；
对灰度图进行腐蚀膨胀处理，得到矩形填涂区域。
结合第一方面，本发明实施例提供了第一方面的第三种可能的实施方式，其中，根据矩形填涂区域的坐标，计算对应的选项得分，得到客观题分数，具体包括：
将矩形填涂区域的坐标与预设标准答案的坐标进行比对；
根据与预设标准答案的坐标一致的矩形填涂区域所对应的选项得分，计算得到总分数值，作为客观题分数。
结合第一方面，本发明实施例提供了第一方面的第四种可能的实施方式，其中，还包括：
对答题卡图像进行识别，提取第二目标区域；第二目标区域为主观题的得分区域；
对第二目标区域进行识别，得到主观题分数；
将主观题分数与客观题分数进行加法运算，得到答题卡的总分数。
结合第一方面，本发明实施例提供了第一方面的第五种可能的实施方式，其中，在对答题卡图像进行识别，提取第一目标区域之前，还包括：
获取答题卡图像；答题卡图像包括答题卡至少一面的图像。
第二方面，本发明实施例提供一种扫描阅卷系统，包括：
识别模块，用于对答题卡图像进行识别，提取第一目标区域；第一目标区域为客观题的答案填涂区域；
标准化模块，用于对第一目标区域进行标准化处理，得到标准化目标区域；
区域处理模块，用于对标准化目标区域进行二值化及腐蚀膨胀处理，得到矩形填涂区域；
分数计算模块，用于根据矩形填涂区域的坐标，计算对应的选项得分，得到客观题分数。
结合第二方面，本发明实施例提供了第二方面的第一种可能的实施方式，其中，标准化模块包括：
高斯模糊模块，用于对第一目标区域进行高斯模糊，得到第一处理结果；
方形识别模块，用于对第一处理结果进行方形识别，得到第二处理结果；
透视变换模块，用于对第二处理结果进行透视变换，得到标准化目标区域。
第三方面，本发明实施例还提供一种电子设备，包括存储器、处理器，存储器上存储有可在处理器上运行的计算机程序，处理器执行计算机程序时实现第一方面所述的方法的步骤。
第四方面，本发明实施例还提供一种具有处理器可执行的非易失的程序代码的计算机可读介质，程序代码使处理器执行第一方面所述的方法。
本发明实施例带来了以下有益效果：
在本发明实施例提供的扫描阅卷方法中，首先对答题卡图像进行识别，提取第一目标区域，其中，第一目标区域为客观题的答案填涂区域，然后对第一目标区域进行标准化处理，得到标准化目标区域；对标准化目标区域进行二值化及腐蚀膨胀处理，得到矩形填涂区域；根据矩形填涂区域的坐标，计算对应的选项得分，得到客观题分数。上述标准化处理过程可以提高扫描答题卡时获取答题卡图像的准确率和成功率，并且该扫描阅卷方法能够对答题卡上的填涂答案进行准确的识别，提高答题卡识别效率并且不限制答题卡的纸质及填涂工具。
本发明的其他特征和优点将在随后的说明书中阐述，并且，部分地从说明书中变得显而易见，或者通过实施本发明而了解。本发明的目的和其他优点在说明书、权利要求书以及附图中所特别指出的结构来实现和获得。
为使本发明的上述目的、特征和优点能更明显易懂，下文特举较佳实施例，并配合所附附图，作详细说明如下。
附图说明
为了更清楚地说明本发明具体实施方式或现有技术中的技术方案，下面将对具体实施方式或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图是本发明的一些实施方式，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
图1为本发明实施例提供的一种扫描阅卷方法的流程图；
图2为本发明实施例提供的另一种扫描阅卷方法的流程图；
图3为本发明实施例提供的另一种扫描阅卷方法的流程图；
图4为本发明实施例提供的另一种扫描阅卷方法的流程图；
图5为本发明实施例提供的另一种扫描阅卷方法的流程图；
图6为本发明实施例提供的一种扫描阅卷系统的结构示意图；
图7为本发明实施例提供的电子设备的结构示意图。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚，下面将结合附图对本发明的技术方案进行清楚、完整地描述，显然，所描述的实施例是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
目前现有的答题卡阅卷机限制了学生们填涂答案时所采用的工具，以及答题卡的纸质，从而导致成本高而且使用不方便的问题。基于此，本发明实施例提供的一种扫描阅卷方法及系统，能够对答题卡上的填涂答案进行准确的识别，提高答题卡识别效率并且不限制答题卡的纸质及填涂工具。
为便于对本实施例进行理解，首先对本发明实施例所公开的一种扫描阅卷方法进行详细介绍。
实施例一：
本发明实施例提供本发明实施例提供了一种扫描阅卷方法，该方法可以应用于各种通过答题卡阅卷的场景中，该答题卡的纸质不受限制，而且可以将答题卡设计为正反两面答题的形式，不仅节约答题卡用纸量，而且不限制答题卡的填涂工具，除了传统的2B铅笔，还可以采用其它的写字工具，如钢笔、圆珠笔等。参见图1所示，该方法包括以下步骤：
S101：对答题卡图像进行识别，提取第一目标区域；第一目标区域为客观题的答案填涂区域。
在对答题卡图像进行识别，提取第一目标区域之前，首先获取答题卡图像，该答题卡图像包括答题卡至少一面的图像。
具体的，如果答题卡为只能在一面填涂的格式，那么就通过智能终端扫描该答题卡有答案的一面，从而获取到该答题卡图像；如果答题卡为正反两面均可填涂的格式，那么就通过智能终端分别扫描答题卡的正反面，获取答题卡两面的图像。上述智能终端包括：智能手机、平板电脑等具有拍照功能的终端。
在获取到答题卡图像后，从该答题卡图像中提取出客观题的答案填涂区域，即第一目标区域。
S102：对第一目标区域进行标准化处理，得到标准化目标区域。
具体的区域标准化过程包括以下步骤，参见图2所示：
S201：对第一目标区域进行高斯模糊，得到第一处理结果。
具体的，通过数学上的加权平均的计算方式得到图片上的各种轮廓线，也就是上述第一处理结果。
S202：对第一处理结果进行方形识别，得到第二处理结果。
通过对上述各种轮廓线进行识别，确定矩形目标区域，也就是上述第二处理结果。由于扫描角度问题，答题卡图像呈现出的可能是四边形而不是标准矩形，因此为了提高识别效率及准确性，还会对第二处理结果执行如下操作。
S203：对第二处理结果进行透视变换，得到标准化目标区域。
将上述第二处理结果中的四边形通过矩阵变换，包括scaling、rotation和shearing，得到规则的矩形，将获得的若干矩形和预定的矩形进行特征对比，过滤掉其余的矩形，只留下正确的大小固定的扫描区域矩形，即标准化目标区域。
上述标准化目标区域的过程，使得用户在通过智能终端扫描答题卡时，不需要严格地将智能终端的屏幕和答题卡完全平行，能够大大地提升扫描成功率和准确率。
S103：对标准化目标区域进行二值化及腐蚀膨胀处理，得到矩形填涂区域。
具体的处理过程包括以下步骤，参见图3所示：
S301：计算标准化目标区域的平均灰度值。
在二值化处理过程中，首先需要确定一个阈值，在现有技术中，通常采用某个固定值作为阈值，这种非动态的固定值在扫描答题卡时的光线和答题卡填涂深浅不一致时，识别准确率会大受影响。而在本发明实施例中，将实时计算出的标准化目标区域的平均灰度值作为阈值，能够大大提高答题卡识别效率，不受光线或者答题卡填涂深浅的影响。
S302：基于平均灰度值进行二值化处理，得到灰度图。
以上述平均灰度值作为阈值，动态调节阈值实现图像的二值化处理过程，得到标准化目标区域的灰度图。
S303：对灰度图进行腐蚀膨胀处理，得到矩形填涂区域。
通过二值化处理得到灰度图后，再进行腐蚀膨胀处理，得到矩形填涂区域。该矩形填涂区域就是从答题卡图像中识别出的考生填涂的客观题答案对应的区域，进一步，根据该矩形填涂区域，得到客观题分数。
S104：根据矩形填涂区域的坐标，计算对应的选项得分，得到客观题分数。
具体的客观题分数计算过程包括以下步骤，参见图4所示：
S401：将矩形填涂区域的坐标与预设标准答案的坐标进行比对。
S402：根据与预设标准答案的坐标一致的矩形填涂区域所对应的选项得分，计算得到总分数值，作为客观题分数。
在本实施例中，预先存储有标准答案对应的坐标以及对应的分数，通过矩形填涂区域的坐标与标准答案的坐标的对比，进一步确定客观题的得分情况，具体的，将与预设标准答案的坐标一致的矩形填涂区域对应的选项得分，进行相加，得到客观题分数。
本实施例所提供的扫描阅卷方法除了能够对客观题进行识别打分，还可以将主观题的分数与客观题的分数进行综合，得到该答题卡的总分数。具体的主观题识别过程包括以下步骤，参见图5所示：
S501：对答题卡图像进行识别，提取第二目标区域；第二目标区域为主观题的得分区域。
在答题卡中，还设置有主观题答题区域，以及主观题得分区域。阅卷老师可以根据主观题答题区域的答案进行打分，将分数记入上述主观题得分区域。在对答题卡图像进行识别的时候，从答题卡图像中提取出主观题的得分区域，即第二目标区域，从而进一步获取主观题得分情况。
S502：对第二目标区域进行识别，得到主观题分数。
具体的主观题分数识别过程与客观题的类似，在此不再赘述。
S503：将主观题分数与客观题分数进行加法运算，得到答题卡的总分数。
最终，将上述主观题分数与客观题分数相加，得到此答题卡的总分数。
在本发明实施例提供的扫描阅卷方法中，首先对答题卡图像进行识别，提取第一目标区域，其中，第一目标区域为客观题的答案填涂区域，然后对第一目标区域进行标准化处理，得到标准化目标区域；对标准化目标区域进行二值化及腐蚀膨胀处理，得到矩形填涂区域；根据矩形填涂区域的坐标，计算对应的选项得分，得到客观题分数。上述标准化处理过程可以提高扫描答题卡时获取答题卡图像的准确率和成功率，并且该扫描阅卷方法能够对答题卡上的填涂答案进行准确的识别，提高答题卡识别效率并且不限制答题卡的纸质及填涂工具。
实施例二：
本发明实施例提供一种扫描阅卷系统，参见图6所示，该系统包括：
识别模块61，用于对答题卡图像进行识别，提取第一目标区域；第一目标区域为客观题的答案填涂区域；标准化模块62，用于对第一目标区域进行标准化处理，得到标准化目标区域；区域处理模块63，用于对标准化目标区域进行二值化及腐蚀膨胀处理，得到矩形填涂区域；分数计算模块64，用于根据矩形填涂区域的坐标，计算对应的选项得分，得到客观题分数。
其中，标准化模块62具体包括：
高斯模糊模块621，用于对第一目标区域进行高斯模糊，得到第一处理结果；方形识别模块622，用于对第一处理结果进行方形识别，得到第二处理结果；透视变换模块623，用于对第二处理结果进行透视变换，得到标准化目标区域。
本发明实施例所提供的扫描阅卷系统中，各个模块与前述扫描阅卷方法具有相同的技术特征，因此，同样可以实现上述功能。本系统中的各个模块的具体工作过程参见上述方法实施例，在此不再赘述。
实施例三：
本发明实施例还提供一种电子设备，参见图7所示，该电子设备包括：处理器70，存储器71，总线72和通信接口73，所述处理器70、通信接口73和存储器71通过总线72连接；处理器70用于执行存储器71中存储的可执行模块，例如计算机程序。处理器执行计算机程序时实现如方法实施例所述的方法的步骤。
其中，存储器71可能包含高速随机存取存储器(RAM，RandomAccessMemory)，也可能还包括非不稳定的存储器(non-volatile memory)，例如至少一个磁盘存储器。通过至少一个通信接口73(可以是有线或者无线)实现该系统网元与至少一个其他网元之间的通信连接，可以使用互联网，广域网，本地网，城域网等。
总线72可以是ISA总线、PCI总线或EISA总线等。所述总线可以分为地址总线、数据总线、控制总线等。为便于表示，图7中仅用一个双向箭头表示，但并不表示仅有一根总线或一种类型的总线。
其中，存储器71用于存储程序，所述处理器70在接收到执行指令后，执行所述程序，前述本发明实施例任一实施例揭示的流过程定义的装置所执行的方法可以应用于处理器70中，或者由处理器70实现。
处理器70可能是一种集成电路芯片，具有信号的处理能力。在实现过程中，上述方法的各步骤可以通过处理器70中的硬件的集成逻辑电路或者软件形式的指令完成。上述的处理器70可以是通用处理器，包括中央处理器(Central Processing Unit，简称CPU)、网络处理器(Network Processor，简称NP)等；还可以是数字信号处理器(Digital SignalProcessing，简称DSP)、专用集成电路(Application Specific Integrated Circuit，简称ASIC)、现成可编程门阵列(Field-Programmable Gate Array，简称FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件。可以实现或者执行本发明实施例中的公开的各方法、步骤及逻辑框图。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。结合本发明实施例所公开的方法的步骤可以直接体现为硬件译码处理器执行完成，或者用译码处理器中的硬件及软件模块组合执行完成。软件模块可以位于随机存储器，闪存、只读存储器，可编程只读存储器或者电可擦写可编程存储器、寄存器等本领域成熟的存储介质中。该存储介质位于存储器71，处理器70读取存储器71中的信息，结合其硬件完成上述方法的步骤。
本发明实施例所提供的扫描阅卷方法的计算机程序产品，包括存储了处理器可执行的非易失的程序代码的计算机可读存储介质，所述程序代码包括的指令可用于执行前面方法实施例中所述的方法，具体实现可参见方法实施例，在此不再赘述。
所属领域的技术人员可以清楚地了解到，为描述的方便和简洁，上述描述的装置及电子设备的具体工作过程，可以参考前述方法实施例中的对应过程，在此不再赘述。
附图中的流程图和框图显示了根据本发明的多个实施例方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上，流程图或框图中的每个方框可以代表一个模块、程序段或代码的一部分，所述模块、程序段或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意，在有些作为替换的实现中，方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如，两个连续的方框实际上可以基本并行地执行，它们有时也可以按相反的顺序执行，这依所涉及的功能而定。也要注意的是，框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合，可以用执行规定的功能或动作的专用的基于硬件的系统来实现，或者可以用专用硬件与计算机指令的组合来实现。
在本发明的描述中，需要说明的是，术语“中心”、“上”、“下”、“左”、“右”、“竖直”、“水平”、“内”、“外”等指示的方位或位置关系为基于附图所示的方位或位置关系，仅是为了便于描述本发明和简化描述，而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作，因此不能理解为对本发明的限制。此外，术语“第一”、“第二”、“第三”仅用于描述目的，而不能理解为指示或暗示相对重要性。
在本申请所提供的几个实施例中，应该理解到，所揭露的系统、装置和方法，可以通过其它的方式实现。以上所描述的装置实施例仅仅是示意性的，例如，所述单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，又例如，多个单元或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些通信接口，装置或单元的间接耦合或通信连接，可以是电性，机械或其它的形式。
所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
另外，在本发明各个实施例中的各功能单元可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中。
所述功能如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个处理器可执行的非易失的计算机可读取存储介质中。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括：U盘、移动硬盘、只读存储器(ROM，Read-Only Memory)、随机存取存储器(RAM，Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。
最后应说明的是：以上所述实施例，仅为本发明的具体实施方式，用以说明本发明的技术方案，而非对其限制，本发明的保护范围并不局限于此，尽管参照前述实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，其依然可以对前述实施例所记载的技术方案进行修改或可轻易想到变化，或者对其中部分技术特征进行等同替换；而这些修改、变化或者替换，并不使相应技术方案的本质脱离本发明实施例技术方案的精神和范围，都应涵盖在本发明的保护范围之内。因此，本发明的保护范围应所述以权利要求的保护范围为准。
Claims (10)
1.一种扫描阅卷方法，其特征在于，包括：
对答题卡图像进行识别，提取第一目标区域；所述第一目标区域为客观题的答案填涂区域；
对所述第一目标区域进行标准化处理，得到标准化目标区域；
对所述标准化目标区域进行二值化及腐蚀膨胀处理，得到矩形填涂区域；
根据所述矩形填涂区域的坐标，计算对应的选项得分，得到客观题分数。
2.根据权利要求1所述的方法，其特征在于，所述对所述第一目标区域进行标准化处理，得到标准化目标区域，具体包括：
对所述第一目标区域进行高斯模糊，得到第一处理结果；
对所述第一处理结果进行方形识别，得到第二处理结果；
对所述第二处理结果进行透视变换，得到所述标准化目标区域。
3.根据权利要求1所述的方法，其特征在于，所述对所述标准化目标区域进行二值化及腐蚀膨胀处理，得到矩形填涂区域，具体包括：
计算所述标准化目标区域的平均灰度值；
基于所述平均灰度值进行二值化处理，得到灰度图；
对所述灰度图进行腐蚀膨胀处理，得到所述矩形填涂区域。
4.根据权利要求1所述的方法，其特征在于，所述根据所述矩形填涂区域的坐标，计算对应的选项得分，得到客观题分数，具体包括：
将所述矩形填涂区域的坐标与预设标准答案的坐标进行比对；
根据与所述预设标准答案的坐标一致的矩形填涂区域所对应的选项得分，计算得到总分数值，作为所述客观题分数。
5.根据权利要求1所述的方法，其特征在于，还包括：
对答题卡图像进行识别，提取第二目标区域；所述第二目标区域为主观题的得分区域；
对所述第二目标区域进行识别，得到主观题分数；
将所述主观题分数与所述客观题分数进行加法运算，得到所述答题卡的总分数。
6.根据权利要求1-5任一项所述的方法，其特征在于，在所述对答题卡图像进行识别，提取第一目标区域之前，还包括：
获取所述答题卡图像；所述答题卡图像包括所述答题卡至少一面的图像。
7.一种扫描阅卷系统，其特征在于，包括：
识别模块，用于对答题卡图像进行识别，提取第一目标区域；所述第一目标区域为客观题的答案填涂区域；
标准化模块，用于对所述第一目标区域进行标准化处理，得到标准化目标区域；
区域处理模块，用于对所述标准化目标区域进行二值化及腐蚀膨胀处理，得到矩形填涂区域；
分数计算模块，用于根据所述矩形填涂区域的坐标，计算对应的选项得分，得到客观题分数。
8.根据权利要求7所述的系统，其特征在于，所述标准化模块包括：
高斯模糊模块，用于对所述第一目标区域进行高斯模糊，得到第一处理结果；
方形识别模块，用于对所述第一处理结果进行方形识别，得到第二处理结果；
透视变换模块，用于对所述第二处理结果进行透视变换，得到所述标准化目标区域。
9.一种电子设备，包括存储器、处理器，所述存储器上存储有可在所述处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序时实现上述权利要求1至6任一项所述的方法的步骤。
10.一种具有处理器可执行的非易失的程序代码的计算机可读介质，其特征在于，所述程序代码使所述处理器执行所述权利要求1至6任一项所述的方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201711258628.1A CN108009536A (zh) | 2017-12-01 | 2017-12-01 | 扫描阅卷方法及系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201711258628.1A CN108009536A (zh) | 2017-12-01 | 2017-12-01 | 扫描阅卷方法及系统 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN108009536A true CN108009536A (zh) | 2018-05-08 |
Family
ID=62055937
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201711258628.1A Pending CN108009536A (zh) | 2017-12-01 | 2017-12-01 | 扫描阅卷方法及系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN108009536A (zh) |
Cited By (11)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| 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 |
| CN110070151A (zh) * | 2019-03-08 | 2019-07-30 | 杭州博世数据网络有限公司 | 一种基于图像识别技术的答题卡及考试系统 |
| CN110490141A (zh) * | 2019-08-21 | 2019-11-22 | 南京怀宇科技有限公司 | 一种填涂信息的识别方法、装置、终端及存储介质 |
| WO2021073332A1 (zh) * | 2019-10-16 | 2021-04-22 | 杭州大拿科技股份有限公司 | 用于辅助数学应用题的方法及装置 |
| CN112700413A (zh) * | 2020-12-30 | 2021-04-23 | 广东德诚大数据科技有限公司 | 答题卡异常检测方法、装置、电子设备及存储介质 |
| 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 |
| CN113033480A (zh) * | 2021-04-20 | 2021-06-25 | 深圳市智像科技有限公司 | 基于答题卡的客观题批阅方法、装置、设备及存储介质 |
| CN113743294A (zh) * | 2021-09-02 | 2021-12-03 | 科大讯飞股份有限公司 | 客观题答题识别方法和阅卷系统、设备、介质 |
| CN113792720A (zh) * | 2021-08-09 | 2021-12-14 | 北京焦耳科技有限公司 | 一种用于电子阅卷的答题卡创建方法及应用其的考试方法 |
| CN114299274A (zh) * | 2021-12-29 | 2022-04-08 | 湖北博盛数字教育服务有限公司 | 一种问卷调查识别方法及系统 |
| CN117831037A (zh) * | 2024-01-04 | 2024-04-05 | 北京和气聚力教育科技有限公司 | 一种答题卡中客观题答题情况的确定方法及装置 |
Citations (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102760226A (zh) * | 2011-04-29 | 2012-10-31 | 贵州师范大学 | 一种基于实心正方形的试卷客观题答题卡定位方法 |
| CN105426879A (zh) * | 2015-12-23 | 2016-03-23 | 深圳习习网络科技有限公司 | 一种答题卡识别方法及系统 |
-
2017
- 2017-12-01 CN CN201711258628.1A patent/CN108009536A/zh active Pending
Patent Citations (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102760226A (zh) * | 2011-04-29 | 2012-10-31 | 贵州师范大学 | 一种基于实心正方形的试卷客观题答题卡定位方法 |
| CN105426879A (zh) * | 2015-12-23 | 2016-03-23 | 深圳习习网络科技有限公司 | 一种答题卡识别方法及系统 |
Cited By (15)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| 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 |
| 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 |
| CN110070151A (zh) * | 2019-03-08 | 2019-07-30 | 杭州博世数据网络有限公司 | 一种基于图像识别技术的答题卡及考试系统 |
| CN110490141A (zh) * | 2019-08-21 | 2019-11-22 | 南京怀宇科技有限公司 | 一种填涂信息的识别方法、装置、终端及存储介质 |
| WO2021073332A1 (zh) * | 2019-10-16 | 2021-04-22 | 杭州大拿科技股份有限公司 | 用于辅助数学应用题的方法及装置 |
| CN112700413A (zh) * | 2020-12-30 | 2021-04-23 | 广东德诚大数据科技有限公司 | 答题卡异常检测方法、装置、电子设备及存储介质 |
| CN112700413B (zh) * | 2020-12-30 | 2022-12-09 | 广东德诚大数据科技有限公司 | 答题卡异常检测方法、装置、电子设备及存储介质 |
| 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 |
| CN113033480A (zh) * | 2021-04-20 | 2021-06-25 | 深圳市智像科技有限公司 | 基于答题卡的客观题批阅方法、装置、设备及存储介质 |
| CN113792720A (zh) * | 2021-08-09 | 2021-12-14 | 北京焦耳科技有限公司 | 一种用于电子阅卷的答题卡创建方法及应用其的考试方法 |
| CN113743294A (zh) * | 2021-09-02 | 2021-12-03 | 科大讯飞股份有限公司 | 客观题答题识别方法和阅卷系统、设备、介质 |
| CN113743294B (zh) * | 2021-09-02 | 2024-06-04 | 科大讯飞股份有限公司 | 客观题答题识别方法和阅卷系统、设备、介质 |
| CN114299274A (zh) * | 2021-12-29 | 2022-04-08 | 湖北博盛数字教育服务有限公司 | 一种问卷调查识别方法及系统 |
| CN117831037A (zh) * | 2024-01-04 | 2024-04-05 | 北京和气聚力教育科技有限公司 | 一种答题卡中客观题答题情况的确定方法及装置 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN108009536A (zh) | 扫描阅卷方法及系统 | |
| CN104268498B (zh) | 一种二维码的识别方法及终端 | |
| CN110956138B (zh) | 一种基于家教设备的辅助学习方法及家教设备 | |
| CN110659647A (zh) | 印章图像识别方法及装置、智能发票识别设备和存储介质 | |
| US20230037272A1 (en) | Handwritten content removing method and device and storage medium | |
| CN111178355B (zh) | 印章识别方法、装置和存储介质 | |
| CN105761219A (zh) | 文本图像倾斜矫正方法和系统 | |
| CN108108734B (zh) | 一种车牌识别方法及装置 | |
| CN110598686A (zh) | 发票的识别方法、系统、电子设备和介质 | |
| CN108509988B (zh) | 一种试卷分数自动统计方法、装置、电子设备及存储介质 | |
| CN106934767A (zh) | 一种试卷生成及评分方法及系统 | |
| CN113490947A (zh) | 检测模型训练方法、装置、检测模型使用方法及存储介质 | |
| CN114494017B (zh) | 根据比例尺进行图像dpi调整的方法和装置、设备及介质 | |
| CN110223202B (zh) | 一种教学道具识别与评分的方法及系统 | |
| CN113378764B (zh) | 基于聚类算法的视频人脸采集方法、装置、设备及介质 | |
| CN112686243A (zh) | 智能识别图片文字的方法、装置、计算机设备及存储介质 | |
| CN113850238B (zh) | 文档检测方法、装置、电子设备及存储介质 | |
| CN110298353A (zh) | 一种字符识别方法及系统 | |
| CN104298947A (zh) | 一种对二维条码精确定位的方法及装置 | |
| 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 | |
| CN109741273A (zh) | 一种手机拍照低质图像的自动处理与评分方法 | |
| CN116597466A (zh) | 一种基于改进YOLOv5s的工程图纸文字检测识别方法及系统 | |
| CN113221897A (zh) | 图像矫正方法、图像文本识别方法、身份验证方法及装置 | |
| CN111008635A (zh) | 一种基于ocr的多票据自动识别方法及识别系统 | |
| CN111199240A (zh) | 银行卡识别模型的训练方法、银行卡识别方法以及装置 |
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 | ||
| RJ01 | Rejection of invention patent application after publication | ||
| RJ01 | Rejection of invention patent application after publication |
Application publication date: 20180508 |