CN108992033B - 一种视觉测试的评分装置、设备和存储介质 - Google Patents
一种视觉测试的评分装置、设备和存储介质 Download PDFInfo
- Publication number
- CN108992033B CN108992033B CN201810834264.5A CN201810834264A CN108992033B CN 108992033 B CN108992033 B CN 108992033B CN 201810834264 A CN201810834264 A CN 201810834264A CN 108992033 B CN108992033 B CN 108992033B
- Authority
- CN
- China
- Prior art keywords
- area
- determining
- answer
- test paper
- test
- 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
Images
Classifications
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B3/00—Apparatus for testing the eyes; Instruments for examining the eyes
- A61B3/02—Subjective types, i.e. testing apparatus requiring the active assistance of the patient
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B3/00—Apparatus for testing the eyes; Instruments for examining the eyes
- A61B3/0016—Operational features thereof
-
- 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
- G06V10/46—Descriptors for shape, contour or point-related descriptors, e.g. scale invariant feature transform [SIFT] or bags of words [BoW]; Salient regional features
- G06V10/462—Salient features, e.g. scale invariant feature transforms [SIFT]
-
- 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
- G06V10/50—Extraction of image or video features by performing operations within image blocks; by using histograms, e.g. histogram of oriented gradients [HoG]; by summing image-intensity values; Projection analysis
-
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Multimedia (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Theoretical Computer Science (AREA)
- Molecular Biology (AREA)
- Biophysics (AREA)
- Surgery (AREA)
- Animal Behavior & Ethology (AREA)
- General Health & Medical Sciences (AREA)
- Public Health (AREA)
- Veterinary Medicine (AREA)
- Ophthalmology & Optometry (AREA)
- Medical Informatics (AREA)
- Heart & Thoracic Surgery (AREA)
- Biomedical Technology (AREA)
- Artificial Intelligence (AREA)
- Image Analysis (AREA)
- Electrically Operated Instructional Devices (AREA)
Abstract
本发明实施例公开了一种视觉测试的评分装置、设备和存储介质。其中,该方法包括:获取用户提交的视觉测试试卷的试卷照片;确定所述试卷照片中的答题部分图像,以及所述答题部分图像对应的题号;根据所述答题部分图像以及所述答题部分图像对应的题号,确定所述答题部分图像对应的测试拓扑结构;将所述测试拓扑结构与对应的标准拓扑结构进行比对,确定所述答题部分图像对应的评分结果。本发明实施例的技术方案可以自动根据用户提交的视觉测试试卷进行视觉测试评分,减少人工的干预,减少视觉能力测试评估中的人为分析数据的过程,提高视觉能力测试评估的准确性。
Description
技术领域
本发明实施例涉及视觉能力评价技术,尤其涉及一种视觉测试的评分装置、设备和存储介质。
背景技术
视觉能力与儿童认知能力的发展有密切关系,在儿童发展过程中,有意识地为其提供颜色、形状等方面的视觉刺激不仅有助于其视觉能力的发展,同时也能够提高其认知能力。在教学过程中,教师通过获取儿童的视觉能力评估结果,可以清楚了解儿童的视觉能力所处的发展阶段以及所面临的问题,从而使教学超前于儿童的发展并做出引导,从而为儿童的视觉能力的发展奠定重要的基础。
现有技术中,一般是由眼科医师对儿童的视觉能力进行测试与评估,例如眼科医师根据图形测试量表进行测试,要求儿童在同一时间内分别画出指定的图形。
现有技术存在以下缺陷:视觉能力测试评估的过程中存在人工干预,导致视觉能力测试评估的准确性不高。
发明内容
本发明提供一种视觉测试的评分方法、装置、设备和存储介质,以实现减少人工的干预,减少视觉能力测试评估中的人为分析数据的过程,提高视觉能力测试评估的准确性。
第一方面,本发明实施例提供了一种视觉测试的评分方法,包括:
获取用户提交的视觉测试试卷的试卷照片;
确定试卷照片中的答题部分图像,以及答题部分图像对应的题号;
根据答题部分图像以及答题部分图像对应的题号,确定答题部分图像对应的测试拓扑结构;
将测试拓扑结构与对应的标准拓扑结构进行比对,确定答题部分图像对应的评分结果。
第二方面,本发明实施例还提供了一种视觉测试的评分装置,包括:
照片获取模块,用于获取用户提交的视觉测试试卷的试卷照片;
图像确定模块,用于确定试卷照片中的答题部分图像,以及答题部分图像对应的题号;
拓扑结构建立模块,用于根据答题部分图像以及答题部分图像对应的题号,确定答题部分图像对应的测试拓扑结构;
评分结果确定模块,用于将测试拓扑结构与对应的标准拓扑结构进行比对,确定答题部分图像对应的评分结果。
第三方面,本发明实施例还提供了一种设备,包括:
一个或多个处理器;
存储装置,用于存储一个或多个程序,
当一个或多个程序被一个或多个处理器执行,使得一个或多个处理器实现本发明实施例所提供的视觉测试的评分方法。
第四方面,本发明实施例还提供了一种计算机可读存储介质,其上存储有计算机程序,该计算机程序被处理器执行时实现本发明实施例所提供的视觉测试的评分方法。
本发明实施例的技术方案,通过确定用户提交的视觉测试试卷的试卷照片中的答题部分图像,以及答题部分图像对应的题号,并确定答题部分图像对应的测试拓扑结构,将测试拓扑结构与对应的标准拓扑结构进行比对,确定答题部分图像对应的评分结果,可以自动根据用户提交的视觉测试试卷进行视觉测试评分,减少人工的干预,减少视觉能力测试评估中的人为分析数据的过程,提高视觉能力测试评估的准确性。
附图说明
图1为本发明实施例一提供的一种视觉测试的评分方法的流程图;
图2为本发明实施例二提供的一种视觉测试的评分方法的流程图;
图3为本发明实施例三提供的一种视觉测试的评分方法的流程图;
图4为本发明实施例四提供的一种视觉测试的评分方法的流程图;
图5为本发明实施例五提供的一种视觉测试的评分装置的结构框图;
图6为本发明实施例六提供的一种设备的结构示意图。
具体实施方式
下面结合附图和实施例对本发明作进一步的详细说明。可以理解的是,此处所描述的具体实施例仅仅用于解释本发明,而非对本发明的限定。另外还需要说明的是,为了便于描述,附图中仅示出了与本发明相关的部分而非全部结构。
实施例一
图1为本发明实施例一提供的一种视觉测试的评分方法的流程图,本实施例可适用于对视觉测试进行评分的情况,该方法可以由视觉测试的评分方装置来执行,所述装置由软件和/或硬件来执行,并一般可集成在视觉测试的评分设备中。视觉测试的评分设备包括但不限定于计算机等。如图1所示,具体包括如下步骤:
步骤101、获取用户提交的视觉测试试卷的试卷照片。
其中,用户根据视觉测试试卷进行图像识别和图像绘写。通过视觉测试试卷上的视觉测试题目对用户的视觉分辨和视觉记忆进行考察。视觉测试试卷包括页眉区域、页脚区域、测验框区域、标准图案模板区域和用户作答区域。页眉区域和页脚区域用于显示视觉测试试卷的附加信息,可以插入时间、图形、公司微标或文档标题。在页眉区域和页脚区域之外的区域为测验框区域。测验框区域包括标准图案模板区域和用户作答区域。标准图案模板区域包括至少一个标准图案框区域。标准图案框内为标准图案和题号。用户作答区域包括至少一个作答框区域。作答框区域内为空白区域和题号。同一题号的标准图案框区域和作答框区域相对应。具体的,在进行视觉测试时,向用户提供视觉测试试卷,以使用户对每个标准图案框区域的标准图案进行图像识别,并在对应的作答框区域内的空白区域画出标准图案。可选的,标准图案包括几何图形。例如,四边形、圆形或线段。
在用户完成并提交视觉测试试卷后,拍摄装置对视觉测试试卷进行拍摄,生成试卷照片。获取用户提交的视觉测试试卷的试卷照片。可选的,通过无线传输或有线传输获取拍摄装置生成的试卷照片。
步骤102、确定试卷照片中的答题部分图像,以及答题部分图像对应的题号。
其中,获取试卷照片,通过图像识别算法对试卷照片进行图像识别和剪裁,从而确定试卷照片中的答题部分图像。答题部分图像为用户提交的视觉测试试卷的每个视觉测试题目的答案区域的图像。答题部分图像对应的题号是指答题部分图像对应的答案区域的题号。通过对答题部分图像进行图像识别获取答题部分图像对应的题号。
可选的,在试卷上标定预设识别区域的图像坐标,预设识别区域包括页眉区域、页脚区域、测验框区域、标准图案模板区域和用户作答区域。其中,测验框区域包括标准图案模板区域和用户作答区域。标准图案模板区域包括至少一个标准图案框区域。标准图案框内为标准图案和题号。通过尺度不变特征变换算法确定页眉区域和页脚区域的尺度不变特征变换特征点。通过方向梯度直方图特征提取算法确定标准图案模板区域中的至少一个标准图案的方向梯度直方图特征向量。获取用户提交的视觉测试试卷的试卷照片后,通过尺度不变特征变换算法确定试卷照片的尺度不变特征变换特征点。将试卷照片的尺度不变特征变换特征点与页眉区域和页脚区域的尺度不变特征变换特征点进行匹配,确定试卷照片的页眉区域和页脚区域,并对试卷照片的页眉区域和页脚区域进行剪裁,得到试卷照片的测验框区域。通过轮廓检测方法确定试卷照片的测验框区域中的标准图案模板区域和用户作答区域的角点坐标,根据角点坐标对试卷照片的测验框区域进行剪裁,得到试卷照片的标准图案模板区域的至少一个标准图案框区域和对应的用户作答区域的至少一个作答框区域。通过方向梯度直方图特征提取算法确定至少一个标准图案框区域的方向梯度直方图特征向量,将至少一个标准图案框区域的方向梯度直方图特征向量与至少一个标准图案的方向梯度直方图特征向量进行匹配,确定至少一个标准图案框区域的题号。将题号确定为与至少一个标准图案框区域对应的用户作答区域的至少一个作答框区域的题号。将至少一个作答框区域确定为试卷照片中的答题部分图像,从而确定试卷照片中的答题部分图像,以及答题部分图像对应的题号。
可选的,获取试卷的照片,将试卷的照片确定为预存的标准试卷。获取用户提交的视觉测试试卷的试卷照片后,将试卷照片与预存的标准试卷进行比对,确定试卷照片中的答题部分图像,以及答题部分图像对应的题号。
步骤103、根据答题部分图像以及答题部分图像对应的题号,确定答题部分图像对应的测试拓扑结构。
其中,图形拓扑结构包括图形几何构成元素的类型及其连接顺序。答题部分图像对应的测试拓扑结构是指答题部分图像的特征坐标点及特征坐标点连接顺序。根据答题部分图像以及答题部分图像对应的题号,获取答题部分图像的特征坐标点及特征坐标点连接顺序,建立答题部分图像对应的图形拓扑结构,即测试拓扑结构。
具体的,通过图像处理算法对答题部分图像进行预处理,得到预处理后的答题部分图像。根据答题部分图像对应的题号确定预处理后的答题部分图像对应的图像特征提取算法以及标准结构坐标点。通过图像特征提取算法提取预处理后的答题部分图像的图像局部特征坐标点。根据图像局部特征坐标点和标准结构坐标点确定与答题部分图像对应的备选拓扑结构和第一损失函数。将预处理后的答题部分图像保存在树形结构中,得到答题部分图像的结构树,并根据结构树和备选拓扑结构确定与答题部分图像对应的第二损失函数。根据备选拓扑结构、第一损失函数和第二损失函数确定与答题部分图像对应的测试拓扑结构。
步骤104、将测试拓扑结构与对应的标准拓扑结构进行比对,确定答题部分图像对应的评分结果。
其中,标准拓扑结构为预存的标准图案的图形拓扑结构。根据答题部分图像对应的题号,确定与答题部分图像对应的标准图案,进而可以获取标准图案的图形拓扑结构。将测试拓扑结构与对应的标准拓扑结构进行比对,计算测试拓扑结构与对应的标准拓扑结构的结构差异的偏差值,即对用户在作答框区域内的空白区域画出的图案与对应的标准图案的差异进行计算。
可选的,结构差异包括角度差异、长度差异、面积差异和坐标位置差异。通过预设的结构差异评分标准对测试拓扑结构与对应的标准拓扑结构的结构差异进行评分,从而确定答题部分图像对应的评分结果。具体的,设置角度差异、长度差异、面积差异和坐标位置差异四个评分项以及对应的偏差值阈值。设置预设满分分数和评分规则。分别计算测试拓扑结构与对应的标准拓扑结构的角度差异、长度差异、面积差异和坐标位置差异的偏差值。依次判断角度差异、长度差异、面积差异和坐标位置差异的偏差值超过对应的偏差值阈值。如果超过偏差值阈值,则从预设满分分数中减去预设分数,完成四个评分项的评分过程后,得到最终的分数,作为答题部分图像对应的评分结果。例如,满分为100分,预设分值为10-25分。可选的,如果最终的分数大于60分,则确定视觉测试为合格测试;如果最终的分数小于60分,则确定视觉测试为不合格测试
本实施例提供的一种视觉测试的评分方法,通过确定用户提交的视觉测试试卷的试卷照片中的答题部分图像,以及答题部分图像对应的题号,并确定答题部分图像对应的测试拓扑结构,将测试拓扑结构与对应的标准拓扑结构进行比对,确定答题部分图像对应的评分结果,可以自动根据用户提交的视觉测试试卷进行视觉测试评分,减少人工的干预,减少视觉能力测试评估中的人为分析数据的过程,提高视觉能力测试评估的准确性。
实施例二
图2为本发明实施例二提供的一种视觉测试的评分方法的流程图,本实施例在上述各实施例的基础上,对步骤102进行优化:确定试卷照片中的答题部分图像,以及答题部分图像对应的题号,包括:在试卷上标定预设识别区域的图像坐标,预设识别区域包括页眉区域、页脚区域、测验框区域、标准图案模板区域和用户作答区域,其中,标准图案模板区域和用户作答区域位于测验框区域中;通过尺度不变特征变换算法确定页眉区域和页脚区域的尺度不变特征变换特征点;通过方向梯度直方图特征提取算法确定标准图案模板区域的标准图案的方向梯度直方图特征向量;通过尺度不变特征变换算法确定试卷照片的尺度不变特征变换特征点;将试卷照片的尺度不变特征变换特征点与页眉区域和页脚区域的尺度不变特征变换特征点进行匹配,确定试卷照片的页眉区域和页脚区域,并对试卷照片的页眉区域和页脚区域进行剪裁,得到试卷照片的测验框区域;通过轮廓检测方法确定试卷照片的测验框区域中的标准图案模板区域和用户作答区域的角点坐标,根据角点坐标对试卷照片的测验框区域进行剪裁,得到试卷照片的标准图案模板区域的至少一个标准图案框区域和对应的用户作答区域的至少一个作答框区域;通过方向梯度直方图特征提取算法确定所述至少一个标准图案框区域的方向梯度直方图特征向量,将至少一个标准图案框区域的方向梯度直方图特征向量与标准图案的方向梯度直方图特征向量进行匹配,确定至少一个标准图案框区域的题号;将题号确定为与至少一个标准图案框区域对应的用户作答区域的至少一个作答框区域的题号;将至少一个作答框区域确定为试卷照片中的答题部分图像。
如图2所示,该方法包括:
步骤201、获取用户提交的视觉测试试卷的试卷照片。
步骤202、在试卷上标定预设识别区域的图像坐标,预设识别区域包括页眉区域、页脚区域、测验框区域、标准图案模板区域和用户作答区域,其中,标准图案模板区域和用户作答区域位于测验框区域中。
其中,在试卷上预先标定预设识别区域的图像坐标,预设识别区域包括页眉区域、页脚区域、测验框区域、标准图案模板区域和用户作答区域。页眉区域和页脚区域用于显示视觉测试试卷的附加信息,可以插入时间、图形、公司微标或文档标题。在页眉区域和页脚区域之外的区域为测验框区域。测验框区域包括标准图案模板区域和用户作答区域。标准图案模板区域包括至少一个标准图案框区域。标准图案框内为标准图案和题号。用户作答区域包括至少一个作答框区域。作答框区域内为空白区域和题号。同一题号的标准图案框区域和作答框区域相对应。
步骤203、通过尺度不变特征变换算法确定页眉区域和页脚区域的尺度不变特征变换特征点。
其中,尺度不变特征变换算法是一种基于点特征的特征检测描述方法。通过尺度不变特征变换算法可以分别确定页眉区域和页脚区域的尺度不变特征变换特征点,并对页眉区域和页脚区域的尺度不变特征变换特征点进行保存。可选的,一套试卷共8张。每一张试卷的页眉区域和页脚区域均相同,因此,只用提取其中一张试卷的页眉区域和页脚区域的尺度不变特征变换特征点。
步骤204、通过方向梯度直方图特征提取算法确定标准图案模板区域内的至少一个标准图案的方向梯度直方图特征向量。
其中,方向梯度直方图特征是一种在计算机视觉和图像处理中用来进行物体检测的特征描述,通过计算和统计图像局部区域的梯度方向直方图来构成特征。方向梯度直方图特征被广泛应用于图像识别中。
标准图案模板区域包括至少一个标准图案框区域。标准图案框内为标准图案和题号。通过方向梯度直方图特征提取算法可以计算标准图案模板区域内的至少一个标准图案的方向梯度直方图特征向量,并对方向梯度直方图特征向量进行保存。例如,一套试卷共8张。每一张试卷的标准图案模板区域包括3个标准图案框区域(即每张试卷有3个标准图案),则分别提取8张试卷中标准图案模板区域中的24个标准图片的方向梯度直方图特征向量。
步骤205、通过尺度不变特征变换算法确定试卷照片的尺度不变特征变换特征点。
其中,获取用户提交的视觉测试试卷的试卷照片后,通过尺度不变特征变换算法确定试卷照片的尺度不变特征变换特征点。
步骤206、将试卷照片的尺度不变特征变换特征点与页眉区域和页脚区域的尺度不变特征变换特征点进行匹配,确定试卷照片的页眉区域和页脚区域,并对试卷照片的页眉区域和页脚区域进行剪裁,得到试卷照片的测验框区域。
其中,通过计算特征点之间的欧氏距离,确定与页眉区域和页脚区域的尺度不变特征变换特征点匹配的试卷照片的尺度不变特征变换特征点。对匹配的页眉区域和页脚区域的尺度不变特征变换特征点和试卷照片的尺度不变特征变换特征点进行拟合计算,得到对应的映射矩阵。根据映射矩阵可以确定试卷照片的页眉区域和页脚区域,并对试卷照片的页眉区域和页脚区域进行剪裁,得到试卷照片的测验框区域。
步骤207、通过轮廓检测方法确定试卷照片的测验框区域中的标准图案模板区域和用户作答区域的角点坐标,根据角点坐标对试卷照片的测验框区域进行剪裁,得到试卷照片的标准图案模板区域的至少一个标准图案框区域和对应的用户作答区域的至少一个作答框区域。
其中,轮廓检测指在包含目标和背景的数字图像中,忽略背景和目标内部的纹理以及噪声干扰的影响,采用一定的技术和方法来实现目标轮廓提取的过程。角点是指两个边缘的交点。通过轮廓检测方法确定试卷照片的测验框区域中的标准图案模板区域和用户作答区域的角点坐标,可以确定标准图案模板区域中的标准图案框区域的边框,以及用户作答区域中的作答框区域的边框,可以根据角点坐标对试卷照片的测验框区域进行剪裁,得到试卷照片的标准图案模板区域的至少一个标准图案框区域和对应的用户作答区域的至少一个作答框区域。
步骤208、通过方向梯度直方图特征提取算法确定至少一个标准图案框区域的方向梯度直方图特征向量,将至少一个标准图案框区域的方向梯度直方图特征向量与标准图案的方向梯度直方图特征向量进行匹配,确定至少一个标准图案框区域的题号。
其中,通过方向梯度直方图特征提取算法计算至少一个标准图案框区域的方向梯度直方图特征向量。将至少一个标准图案框区域的方向梯度直方图特征向量与标准图案的方向梯度直方图特征向量进行匹配,确定与标准图案框区域匹配的标准图案。匹配的标准图案的题号即为标准图案框区域的题号。
步骤209、将题号确定为与至少一个标准图案框区域对应的用户作答区域的至少一个作答框区域的题号。
其中,标准图案框区域与作答框区域相对应。标准图案框区域的题号即为对应的作答框区域的题号。将题号确定为与至少一个标准图案框区域对应的用户作答区域的至少一个作答框区域的题号。
步骤210、将至少一个作答框区域确定为试卷照片中的答题部分图像。
其中,至少一个作答框区域即为试卷照片中的答题部分图像。作答框区域的题号为答题部分图像对应的题号。完成对试卷照片中每一个作答框区域的切分,将全部作答框区域确定为试卷照片中的答题部分图像。
步骤211、根据答题部分图像以及答题部分图像对应的题号,确定答题部分图像对应的测试拓扑结构。
步骤212、将测试拓扑结构与对应的标准拓扑结构进行比对,确定答题部分图像对应的评分结果。
本实施例提供的一种视觉测试的评分方法,通过对试卷照片的页眉区域和页脚区域进行剪裁,得到试卷照片的测验框区域,然后根据角点坐标对试卷照片的测验框区域进行剪裁,得到试卷照片的标准图案模板区域的至少一个标准图案框区域和对应的用户作答区域的至少一个作答框区域,并在确定至少一个作答框区域的题号后,将至少一个作答框区域确定为试卷照片中的答题部分图像,可以对试卷照片进行切分处理,通过试卷的标准格式确定试卷的答题部分。
实施例三
图3为本发明实施例三提供的一种视觉测试的评分方法的流程图,本实施例在上述各实施例的基础上,对步骤102进行优化:确定试卷照片中的答题部分图像,以及答题部分图像对应的题号,包括:获取试卷的照片;将试卷的照片确定为预存的标准试卷;将试卷照片与预存的标准试卷进行比对,确定试卷照片中的答题部分图像,以及答题部分图像对应的题号。如图3所示,该方法包括:
步骤301、获取用户提交的视觉测试试卷的试卷照片。
步骤302、获取试卷的照片。
其中,拍摄装置对试卷进行拍摄,生成试卷的照片。获取试卷的照片。可选的,通过无线传输或有线传输获取拍摄装置生成的试卷的照片。
步骤303、将试卷的照片确定为预存的标准试卷。
其中,将所有试卷的照片存储于系统中,作为预存的标准试卷。
步骤304、将试卷照片与预存的标准试卷进行比对,确定试卷照片中的答题部分图像,以及答题部分图像对应的题号。
其中,将试卷照片与预存的标准试卷进行比对,通过图像匹配算法确定与试卷照片匹配的标准试卷后,可以根据匹配的标准试卷中的作答框区域的位置信息,提取试卷照片中的答题部分图像,并确定答题部分图像对应的题号。
步骤305、根据答题部分图像以及答题部分图像对应的题号,确定答题部分图像对应的测试拓扑结构。
步骤306、将测试拓扑结构与对应的标准拓扑结构进行比对,确定答题部分图像对应的评分结果。
本实施例提供的一种视觉测试的评分方法,通过将试卷的照片确定为预存的标准试卷,并将试卷照片与预存的标准试卷进行比对,确定试卷照片中的答题部分图像,以及答题部分图像对应的题号,可以根据预存的标准试卷确定试卷的答题部分。
实施例四
图4为本发明实施例四提供的一种视觉测试的评分方法的流程图,本实施例在上述各实施例的基础上,对步骤103进行优化:根据答题部分图像以及答题部分图像对应的题号,确定答题部分图像对应的测试拓扑结构,包括:通过图像处理算法对答题部分图像进行预处理,得到预处理后的答题部分图像;根据答题部分图像对应的题号确定预处理后的答题部分图像对应的图像特征提取算法以及标准结构坐标点;通过图像特征提取算法提取预处理后的答题部分图像的图像局部特征坐标点;根据图像局部特征坐标点和标准结构坐标点确定与答题部分图像对应的备选拓扑结构和第一损失函数;将预处理后的答题部分图像保存在树形结构中,得到答题部分图像的结构树;根据结构树和备选拓扑结构确定与答题部分图像对应的第二损失函数;根据备选拓扑结构、第一损失函数和第二损失函数确定与答题部分图像对应的测试拓扑结构。
如图4所示,该方法包括:
步骤401、获取用户提交的视觉测试试卷的试卷照片。
步骤402、确定试卷照片中的答题部分图像,以及答题部分图像对应的题号。
步骤403、通过图像处理算法对答题部分图像进行预处理,得到预处理后的答题部分图像。
其中,图像处理算法包括腐蚀算法、膨胀算法和模糊算法。
步骤404、根据答题部分图像对应的题号确定预处理后的答题部分图像对应的图像特征提取算法以及标准结构坐标点。
其中,不同的题号对应不同的标准图案。根据标准图案的图形特点确定对应的图像特征提取算法。可选的,图像特征提取算法包括轮廓检测方法、多边形拟合方法、边缘提取方法和直线检测方法。标准结构坐标点为标准图案的拓扑结构的特征坐标点。根据答题部分图像对应的题号确定预处理后的答题部分图像对应的图像特征提取算法以及标准结构坐标点。
步骤405、通过图像特征提取算法提取预处理后的答题部分图像的图像局部特征坐标点。
其中,通过预处理后的答题部分图像对应的图像特征提取算法提取预处理后的答题部分图像的图像局部特征坐标点。可选的,对预处理后的答题部分图像的图像局部特征坐标点进行坐标归一化,将图像局部特征坐标点的坐标值映射到[0,1]的取值范围内。
步骤406、根据图像局部特征坐标点和标准结构坐标点确定与答题部分图像对应的备选拓扑结构和第一损失函数。
其中,根据答题部分图像对应的题号确定预处理后的答题部分图像对应的标准结构坐标点。根据图像局部特征坐标点和标准结构坐标点确定与答题部分图像对应的备选拓扑结构。具体的,根据标准结构坐标点的个数,从图像局部特征坐标点中获取待拟合坐标点集合。待拟合坐标点集合中的每组待拟合坐标点构成一个与答题部分图像对应的备选拓扑结构。例如,n为标准图案的标准结构坐标点个数,m为预处理后的答题部分图像的图像局部特征坐标点个数,从图像局部特征坐标点中获取C(m,n)组待拟合坐标点集合,每组包含n个待拟合坐标点,即获取C(m,n)组与答题部分图像对应的备选拓扑结构。
可选的,根据以下公式,计算与答题部分图像对应的第一损失函数:
f1=||A-I||2,
其中,f1为与答题部分图像对应的第一损失函数,A为备选拓扑结构的待拟合坐标点与标准结构坐标点的仿射变换矩阵,I为单位矩阵。
通过计算,获取每组备选拓扑结构的第一损失函数值,可以根据第一损失函数值评价每组备选拓扑结构与标准图案的拓扑结构的接近程度,第一损失函数值越小,说明备选拓扑结构越接近标准图案的拓扑结构,从而可以根据第一损失函数f1选取最接近标准图案的拓扑结构的备选拓扑结构。
可选的,根据以下公式,计算每组备选拓扑结构的待拟合坐标点与标准结构坐标点的仿射变换矩阵:
YC(n)=A*XC(m,n)+b,
其中,A为备选拓扑结构的待拟合坐标点与标准结构坐标点的仿射变换矩阵,YC(n)为标准结构坐标点集合,XC(m,n)为备选拓扑结构的待拟合坐标点集合,b为标准结构坐标点集合YC(n)的点集中心到备选拓扑结构的待拟合坐标点集合XC(m,n)的点集中心的距离。
步骤407、将预处理后的答题部分图像保存在树形结构中,得到答题部分图像的结构树。
其中,将预处理后的答题部分图像保存在树形结构VP-Tree中,得到答题部分图像的结构树。树形结构VP-Tree为一种通用的数据结构。利用结构树进行图像表达和分析,能够准确而完整表达图像中各坐标点之间的关系。将预处理后的答题部分图像中的所有不为0的坐标点,保存在树形结构中,得到答题部分图像的结构树。
步骤408、根据结构树和备选拓扑结构确定与答题部分图像对应的第二损失函数。
其中,将备选拓扑结构的各个待拟合坐标点连接形成边,并通过采样每个备选拓扑结构的待拟合坐标点连接形成的边,得到对应的点集。例如,备选拓扑结构的待拟合坐标点为n,则备选拓扑结构的待拟合坐标点连接形成的边的个数为C(n,2)。
可选的,根据以下公式,计算与答题部分图像对应的第二损失函数:
其中,f2为与答题部分图像对应的第二损失函数,Ek为备选拓扑结构的待拟合坐标点连接形成的边,VP-TREE(Ek)dis表示备选拓扑结构的各个待拟合坐标点连接形成的边对应的点集到结构树的距离,k=1,2,...C(n,2),k表示备选拓扑结构的各个待拟合坐标点连接形成的边的序号,n为备选拓扑结构的待拟合坐标点数,th为预设参数,VP-TREE(Ek)dis<th为约束条件,当VP-TREE(Ek)dis>th时,f2的函数值为∞。
通过计算,获取每组备选拓扑结构的第二损失函数值,可以根据第二损失函数值评价每组备选拓扑结构与答题部分图像的接近程度,第二损失函数值越小,说明备选拓扑结构越接近答题部分图像,从而可以根据第二损失函数f1选取最接近答题部分图像的备选拓扑结构。
步骤409、根据备选拓扑结构、第一损失函数和第二损失函数确定与答题部分图像对应的测试拓扑结构。
其中,根据与答题部分图像对应的每一个备选拓扑结构、第一损失函数和第二损失函数计算与答题部分图像对应的待拟合坐标点。将与待拟合坐标点对应的备选拓扑结构确定与答题部分图像对应的测试拓扑结构。
具体的,根据以下公式,计算与答题部分图像对应的待拟合坐标点:
其中,fcost为与答题部分图像对应的待拟合坐标点,w1和w2为预设参数,f1(||A-I||2)为答题部分图像对应的每一个备选拓扑结构的第一损失函数值,为答题部分图像对应的每一个备选拓扑结构的第二损失函数值。
步骤410、将测试拓扑结构与对应的标准拓扑结构进行比对,确定答题部分图像对应的评分结果。
本实施例提供的一种视觉测试的评分方法,通过根据图像局部特征坐标点和标准结构坐标点确定与答题部分图像对应的备选拓扑结构和第一损失函数,然后根据答题部分图像的结构树和备选拓扑结构确定与答题部分图像对应的第二损失函数,最终根据备选拓扑结构、第一损失函数和第二损失函数确定与答题部分图像对应的测试拓扑结构,可以根据试卷的答题部分图像的特征,建立答题部分图像对应的图形拓扑结构。
实施例五
图5为本发明实施例五提供的一种视觉测试的评分装置的结构框图。如图5所示,该装置包括:
照片获取模块501、图像确定模块502、拓扑结构建立模块503和评分结果确定模块504。
其中,照片获取模块501,用于获取用户提交的视觉测试试卷的试卷照片;图像确定模块502,用于确定试卷照片中的答题部分图像,以及答题部分图像对应的题号;拓扑结构建立模块503,用于根据答题部分图像以及答题部分图像对应的题号,确定答题部分图像对应的测试拓扑结构;评分结果确定模块504,用于将测试拓扑结构与对应的标准拓扑结构进行比对,确定答题部分图像对应的评分结果。
本实施例提供的一种视觉测试的评分装置,通过确定用户提交的视觉测试试卷的试卷照片中的答题部分图像,以及答题部分图像对应的题号,并确定答题部分图像对应的测试拓扑结构,将测试拓扑结构与对应的标准拓扑结构进行比对,确定答题部分图像对应的评分结果,可以自动根据用户提交的视觉测试试卷进行视觉测试评分,减少人工的干预,减少视觉能力测试评估中的人为分析数据的过程,提高视觉能力测试评估的准确性。
在上述各实施例的基础上,图像确定模块502可以包括:
坐标标定单元,用于在试卷上标定预设识别区域的图像坐标,预设识别区域包括页眉区域、页脚区域、测验框区域、标准图案模板区域和用户作答区域,其中,标准图案模板区域和用户作答区域位于测验框区域中;
特征点确定单元,用于通过尺度不变特征变换算法确定页眉区域和页脚区域的尺度不变特征变换特征点;
特征向量确定单元,用于通过方向梯度直方图特征提取算法确定标准图案模板区域内的至少一个标准图案的方向梯度直方图特征向量。
在上述各实施例的基础上,图像确定模块502可以还包括:
第一特征确定单元,用于通过尺度不变特征变换算法确定试卷照片的尺度不变特征变换特征点;
第一剪裁单元,用于将试卷照片的尺度不变特征变换特征点与页眉区域和页脚区域的尺度不变特征变换特征点进行匹配,确定试卷照片的页眉区域和页脚区域,并对试卷照片的页眉区域和页脚区域进行剪裁,得到试卷照片的测验框区域;
第二剪裁单元,用于通过轮廓检测方法确定试卷照片的测验框区域中的标准图案模板区域和用户作答区域的角点坐标,根据角点坐标对试卷照片的测验框区域进行剪裁,得到试卷照片的标准图案模板区域的至少一个标准图案框区域和对应的用户作答区域的至少一个作答框区域;
第一题号确定单元,用于通过方向梯度直方图特征提取算法确定至少一个标准图案框区域的方向梯度直方图特征向量,将至少一个标准图案框区域的方向梯度直方图特征向量与标准图案的方向梯度直方图特征向量进行匹配,确定至少一个标准图案框区域的题号;
第二题号确定单元,用于将题号确定为与至少一个标准图案框区域对应的用户作答区域的至少一个作答框区域的题号;
图像确定单元,用于将至少一个作答框区域确定为试卷照片中的答题部分图像。
在上述各实施例的基础上,图像确定模块502可以包括:
照片获取单元,用于获取试卷的照片;
试卷预存单元,用于将试卷的照片确定为预存的标准试卷。
在上述各实施例的基础上,图像确定模块502可以还包括:
试卷照片对比单元,用于将试卷照片与预存的标准试卷进行比对,确定试卷照片中的答题部分图像,以及答题部分图像对应的题号。
在上述各实施例的基础上,拓扑结构建立模块503可以包括:
图像预处理单元,用于通过图像处理算法对答题部分图像进行预处理,得到预处理后的答题部分图像;
第一确定单元,用于根据答题部分图像对应的题号确定预处理后的答题部分图像对应的图像特征提取算法以及标准结构坐标点;
坐标点提取单元,用于通过图像特征提取算法提取预处理后的答题部分图像的图像局部特征坐标点;
第二确定单元,用于根据图像局部特征坐标点和标准结构坐标点确定与答题部分图像对应的备选拓扑结构和第一损失函数;
图像保存单元,用于将预处理后的答题部分图像保存在树形结构中,得到答题部分图像的结构树;
第三确定单元,用于根据结构树和备选拓扑结构确定与答题部分图像对应的第二损失函数;
拓扑结构确定单元,用于根据备选拓扑结构、第一损失函数和第二损失函数确定与答题部分图像对应的测试拓扑结构。
本发明实施例所提供的视觉测试的评分装置可执行本发明任意实施例所提供的视觉测试的评分方法,具备执行方法相应的功能模块和有益效果。
实施例六
图6为本发明实施例六提供的一种设备的结构示意图。图6示出了适于用来实现本发明实施方式的示例性设备612的框图。图6显示的设备仅仅是一个示例,不应对本发明实施例的功能和使用范围带来任何限制。
如图6所示,设备612以通用计算设备的形式表现。设备612的组件可以包括但不限于:一个或者多个处理器或者处理单元616,系统存储器628,连接不同系统组件(包括系统存储器628和处理单元616)的总线618。
总线618表示几类总线结构中的一种或多种,包括存储器总线或者存储器控制器,外围总线,图形加速端口,处理器或者使用多种总线结构中的任意总线结构的局域总线。举例来说,这些体系结构包括但不限于工业标准体系结构(ISA)总线,微通道体系结构(MAC)总线,增强型ISA总线、视频电子标准协会(VESA)局域总线以及外围组件互连(PCI)总线。
设备612典型地包括多种计算机系统可读介质。这些介质可以是任何能够被设备612访问的可用介质,包括易失性和非易失性介质,可移动的和不可移动的介质。
系统存储器628可以包括易失性存储器形式的计算机系统可读介质,例如随机存取存储器(RAM)630和/或高速缓存存储器632。设备612可以进一步包括其它可移动/不可移动的、易失性/非易失性计算机系统存储介质。仅作为举例,存储系统634可以用于读写不可移动的、非易失性磁介质(图6未显示,通常称为“硬盘驱动器”)。尽管图6中未示出,可以提供用于对可移动非易失性磁盘(例如“软盘”)读写的磁盘驱动器,以及对可移动非易失性光盘(例如CD-ROM,DVD-ROM或者其它光介质)读写的光盘驱动器。在这些情况下,每个驱动器可以通过一个或者多个数据介质接口与总线618相连。存储器628可以包括至少一个程序产品,该程序产品具有一组(例如至少一个)程序模块,这些程序模块被配置以执行本发明各实施例的功能。
具有一组(至少一个)程序模块642的程序/实用工具640,可以存储在例如存储器628中,这样的程序模块642包括但不限于操作系统、一个或者多个应用程序、其它程序模块以及程序数据,这些示例中的每一个或某种组合中可能包括网络环境的实现。程序模块642通常执行本发明所描述的实施例中的功能和/或方法。
设备612也可以与一个或多个外部设备614(例如键盘、指向设备、显示器624等)通信,还可与一个或者多个使得用户能与该设备612交互的设备通信,和/或与使得该设备612能与一个或多个其它计算设备进行通信的任何设备(例如网卡,调制解调器等等)通信。这种通信可以通过输入/输出(I/O)接口622进行。并且,设备612还可以通过网络适配器620与一个或者多个网络(例如局域网(LAN),广域网(WAN)和/或公共网络,例如因特网)通信。如图所示,网络适配器620通过总线618与设备612的其它模块通信。应当明白,尽管图中未示出,可以结合设备612使用其它硬件和/或软件模块,包括但不限于:微代码、设备驱动器、冗余处理单元、外部磁盘驱动阵列、RAID系统、磁带驱动器以及数据备份存储系统等。
处理单元616通过运行存储在系统存储器628中的程序,从而执行各种功能应用以及数据处理,例如实现本发明实施例所提供的视觉测试的评分方法。
也即:获取用户提交的视觉测试试卷的试卷照片;确定试卷照片中的答题部分图像,以及答题部分图像对应的题号;根据答题部分图像以及答题部分图像对应的题号,确定答题部分图像对应的测试拓扑结构;将测试拓扑结构与对应的标准拓扑结构进行比对,确定答题部分图像对应的评分结果。
实施例七
本发明实施例七还提供了一种计算机可读存储介质,其上存储有计算机程序,该计算机程序被处理器执行时实现本发明实施例所提供的视觉测试的评分方法。
本发明实施例的计算机存储介质,可以采用一个或多个计算机可读的介质的任意组合。计算机可读介质可以是计算机可读信号介质或者计算机可读存储介质。计算机可读存储介质例如可以是——但不限于——电、磁、光、电磁、红外线、或半导体的系统、装置或器件,或者任意以上的组合。计算机可读存储介质的更具体的例子(非穷举的列表)包括:具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑磁盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本文件中,计算机可读存储介质可以是任何包含或存储程序的有形介质,该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。
计算机可读的信号介质可以包括在基带中或者作为载波一部分传播的数据信号,其中承载了计算机可读的程序代码。这种传播的数据信号可以采用多种形式,包括但不限于电磁信号、光信号或上述的任意合适的组合。计算机可读的信号介质还可以是计算机可读存储介质以外的任何计算机可读介质,该计算机可读介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。
计算机可读介质上包含的程序代码可以用任何适当的介质传输,包括——但不限于无线、电线、光缆、RF等等,或者上述的任意合适的组合。
可以以一种或多种程序设计语言或其组合来编写用于执行本发明操作的计算机程序代码,所述程序设计语言包括面向对象的程序设计语言—诸如Java、Smalltalk、C++,还包括常规的过程式程序设计语言—诸如“C”语言或类似的程序设计语言。程序代码可以完全地在用户计算机上执行、部分地在用户计算机上执行、作为一个独立的软件包执行、部分在用户计算机上部分在远程计算机上执行、或者完全在远程计算机或服务器上执行。在涉及远程计算机的情形中,远程计算机可以通过任意种类的网络——包括局域网(LAN)或广域网(WAN)—连接到用户计算机,或者,可以连接到外部计算机(例如利用因特网服务提供商来通过因特网连接)。
注意,上述仅为本发明的较佳实施例及所运用技术原理。本领域技术人员会理解,本发明不限于这里所述的特定实施例,对本领域技术人员来说能够进行各种明显的变化、重新调整和替代而不会脱离本发明的保护范围。因此,虽然通过以上实施例对本发明进行了较为详细的说明,但是本发明不仅仅限于以上实施例,在不脱离本发明构思的情况下,还可以包括更多其他等效实施例,而本发明的范围由所附的权利要求范围决定。
Claims (14)
1.一种视觉测试的评分装置,其特征在于,包括:
照片获取模块,用于获取用户提交的视觉测试试卷的试卷照片;
图像确定模块,用于确定所述试卷照片中的答题部分图像,以及所述答题部分图像对应的题号;
拓扑结构建立模块,用于根据所述答题部分图像以及所述答题部分图像对应的题号,确定所述答题部分图像对应的测试拓扑结构;
评分结果确定模块,用于将所述测试拓扑结构与对应的标准拓扑结构进行比对,确定所述答题部分图像对应的评分结果。
2.根据权利要求1所述的装置,其特征在于,还包括:
坐标标定模块,用于在试卷上标定预设识别区域的图像坐标,所述预设识别区域包括页眉区域、页脚区域、测验框区域、标准图案模板区域和用户作答区域,其中,标准图案模板区域和用户作答区域位于测验框区域中;
特征点确定模块,用于通过尺度不变特征变换算法确定所述页眉区域和所述页脚区域的尺度不变特征变换特征点;
特征向量确定模块,用于通过方向梯度直方图特征提取算法确定所述标准图案模板区域内的至少一个标准图案的方向梯度直方图特征向量。
3.一种视觉测试的评分设备,其特征在于,所述视觉测试的评分设备包括:
一个或多个处理器;
存储装置,用于存储一个或多个程序,
当所述一个或多个程序被所述一个或多个处理器执行,使得所述一个或多个处理器实现如下操作:
获取用户提交的视觉测试试卷的试卷照片;
确定所述试卷照片中的答题部分图像,以及所述答题部分图像对应的题号;
根据所述答题部分图像以及所述答题部分图像对应的题号,确定所述答题部分图像对应的测试拓扑结构;
将所述测试拓扑结构与对应的标准拓扑结构进行比对,确定所述答题部分图像对应的评分结果。
4.根据权利要求3所述的视觉测试的评分设备,其特征在于,当所述一个或多个程序被所述一个或多个处理器执行,使得所述一个或多个处理器实现确定所述试卷照片中的答题部分图像,以及所述答题部分图像对应的题号,包括:
在试卷上标定预设识别区域的图像坐标,所述预设识别区域包括页眉区域、页脚区域、测验框区域、标准图案模板区域和用户作答区域,其中,标准图案模板区域和用户作答区域位于测验框区域中;
通过尺度不变特征变换算法确定所述页眉区域和所述页脚区域的尺度不变特征变换特征点;
通过方向梯度直方图特征提取算法确定所述标准图案模板区域内的至少一个标准图案的方向梯度直方图特征向量。
5.根据权利要求4所述的视觉测试的评分设备,其特征在于,当所述一个或多个程序被所述一个或多个处理器执行,使得所述一个或多个处理器实现确定所述试卷照片中的答题部分图像,以及所述答题部分图像对应的题号,还包括:
通过尺度不变特征变换算法确定所述试卷照片的尺度不变特征变换特征点;
将所述试卷照片的尺度不变特征变换特征点与所述页眉区域和所述页脚区域的尺度不变特征变换特征点进行匹配,确定所述试卷照片的页眉区域和页脚区域,并对所述试卷照片的页眉区域和页脚区域进行剪裁,得到所述试卷照片的测验框区域;
通过轮廓检测方法确定所述试卷照片的测验框区域中的标准图案模板区域和用户作答区域的角点坐标,根据所述角点坐标对所述试卷照片的测验框区域进行剪裁,得到所述试卷照片的标准图案模板区域的至少一个标准图案框区域和对应的用户作答区域的至少一个作答框区域;
通过方向梯度直方图特征提取算法确定所述至少一个标准图案框区域的方向梯度直方图特征向量,将所述至少一个标准图案框区域的方向梯度直方图特征向量与所述标准图案的方向梯度直方图特征向量进行匹配,确定所述至少一个标准图案框区域的题号;
将所述题号确定为与所述至少一个标准图案框区域对应的用户作答区域的至少一个作答框区域的题号;
将所述至少一个作答框区域确定为所述试卷照片中的答题部分图像。
6.根据权利要求3所述的视觉测试的评分设备,其特征在于,当所述一个或多个程序被所述一个或多个处理器执行,使得所述一个或多个处理器实现确定所述试卷照片中的答题部分图像,以及所述答题部分图像对应的题号,包括:
获取试卷的照片;
将所述试卷的照片确定为预存的标准试卷。
7.根据权利要求6所述的视觉测试的评分设备,其特征在于,当所述一个或多个程序被所述一个或多个处理器执行,使得所述一个或多个处理器实现确定所述试卷照片中的答题部分图像,以及所述答题部分图像对应的题号,还包括:
将所述试卷照片与所述预存的标准试卷进行比对,确定所述试卷照片中的答题部分图像,以及所述答题部分图像对应的题号。
8.根据权利要求3所述的视觉测试的评分设备,其特征在于,当所述一个或多个程序被所述一个或多个处理器执行,使得所述一个或多个处理器实现根据所述答题部分图像以及所述答题部分图像对应的题号,确定所述答题部分图像对应的测试拓扑结构,包括:
通过图像处理算法对所述答题部分图像进行预处理,得到预处理后的答题部分图像;
根据所述答题部分图像对应的题号确定所述预处理后的答题部分图像对应的图像特征提取算法以及标准结构坐标点;
通过所述图像特征提取算法提取所述预处理后的答题部分图像的图像局部特征坐标点;
根据所述图像局部特征坐标点和所述标准结构坐标点确定与所述答题部分图像对应的备选拓扑结构和第一损失函数;
将所述预处理后的答题部分图像保存在树形结构中,得到答题部分图像的结构树;
根据所述结构树和所述备选拓扑结构确定与所述答题部分图像对应的第二损失函数;
根据所述备选拓扑结构、所述第一损失函数和所述第二损失函数确定与所述答题部分图像对应的测试拓扑结构。
9.一种计算机可读存储介质,其上存储有计算机程序,其特征在于,该计算机程序被处理器执行时实现如下操作:
获取用户提交的视觉测试试卷的试卷照片;
确定所述试卷照片中的答题部分图像,以及所述答题部分图像对应的题号;
根据所述答题部分图像以及所述答题部分图像对应的题号,确定所述答题部分图像对应的测试拓扑结构;
将所述测试拓扑结构与对应的标准拓扑结构进行比对,确定所述答题部分图像对应的评分结果。
10.根据权利要求9所述的计算机可读存储介质,其特征在于,该计算机程序被处理器执行时实现确定所述试卷照片中的答题部分图像,以及所述答题部分图像对应的题号,包括:
在试卷上标定预设识别区域的图像坐标,所述预设识别区域包括页眉区域、页脚区域、测验框区域、标准图案模板区域和用户作答区域,其中,标准图案模板区域和用户作答区域位于测验框区域中;
通过尺度不变特征变换算法确定所述页眉区域和所述页脚区域的尺度不变特征变换特征点;
通过方向梯度直方图特征提取算法确定所述标准图案模板区域内的至少一个标准图案的方向梯度直方图特征向量。
11.根据权利要求10所述的计算机可读存储介质,其特征在于,该计算机程序被处理器执行时实现确定所述试卷照片中的答题部分图像,以及所述答题部分图像对应的题号,还包括:
通过尺度不变特征变换算法确定所述试卷照片的尺度不变特征变换特征点;
将所述试卷照片的尺度不变特征变换特征点与所述页眉区域和所述页脚区域的尺度不变特征变换特征点进行匹配,确定所述试卷照片的页眉区域和页脚区域,并对所述试卷照片的页眉区域和页脚区域进行剪裁,得到所述试卷照片的测验框区域;
通过轮廓检测方法确定所述试卷照片的测验框区域中的标准图案模板区域和用户作答区域的角点坐标,根据所述角点坐标对所述试卷照片的测验框区域进行剪裁,得到所述试卷照片的标准图案模板区域的至少一个标准图案框区域和对应的用户作答区域的至少一个作答框区域;
通过方向梯度直方图特征提取算法确定所述至少一个标准图案框区域的方向梯度直方图特征向量,将所述至少一个标准图案框区域的方向梯度直方图特征向量与所述标准图案的方向梯度直方图特征向量进行匹配,确定所述至少一个标准图案框区域的题号;
将所述题号确定为与所述至少一个标准图案框区域对应的用户作答区域的至少一个作答框区域的题号;
将所述至少一个作答框区域确定为所述试卷照片中的答题部分图像。
12.根据权利要求9所述的计算机可读存储介质,其特征在于,该计算机程序被处理器执行时实现确定所述试卷照片中的答题部分图像,以及所述答题部分图像对应的题号,包括:
获取试卷的照片;
将所述试卷的照片确定为预存的标准试卷。
13.根据权利要求12所述的计算机可读存储介质,其特征在于,该计算机程序被处理器执行时实现确定所述试卷照片中的答题部分图像,以及所述答题部分图像对应的题号,还包括:
将所述试卷照片与所述预存的标准试卷进行比对,确定所述试卷照片中的答题部分图像,以及所述答题部分图像对应的题号。
14.根据权利要求9所述的计算机可读存储介质,其特征在于,该计算机程序被处理器执行时实现根据所述答题部分图像以及所述答题部分图像对应的题号,确定所述答题部分图像对应的测试拓扑结构,包括:
通过图像处理算法对所述答题部分图像进行预处理,得到预处理后的答题部分图像;
根据所述答题部分图像对应的题号确定所述预处理后的答题部分图像对应的图像特征提取算法以及标准结构坐标点;
通过所述图像特征提取算法提取所述预处理后的答题部分图像的图像局部特征坐标点;
根据所述图像局部特征坐标点和所述标准结构坐标点确定与所述答题部分图像对应的备选拓扑结构和第一损失函数;
将所述预处理后的答题部分图像保存在树形结构中,得到答题部分图像的结构树;
根据所述结构树和所述备选拓扑结构确定与所述答题部分图像对应的第二损失函数;
根据所述备选拓扑结构、所述第一损失函数和所述第二损失函数确定与所述答题部分图像对应的测试拓扑结构。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810834264.5A CN108992033B (zh) | 2018-07-26 | 2018-07-26 | 一种视觉测试的评分装置、设备和存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810834264.5A CN108992033B (zh) | 2018-07-26 | 2018-07-26 | 一种视觉测试的评分装置、设备和存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN108992033A CN108992033A (zh) | 2018-12-14 |
CN108992033B true CN108992033B (zh) | 2021-02-12 |
Family
ID=64596367
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810834264.5A Active CN108992033B (zh) | 2018-07-26 | 2018-07-26 | 一种视觉测试的评分装置、设备和存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN108992033B (zh) |
Families Citing this family (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110069783B (zh) * | 2019-04-30 | 2023-05-30 | 科大讯飞股份有限公司 | 一种答题内容评测方法及装置 |
CN113112511B (zh) * | 2021-04-19 | 2024-01-05 | 新东方教育科技集团有限公司 | 试卷批改的方法、装置、存储介质及电子设备 |
CN114882504B (zh) * | 2022-07-06 | 2022-11-11 | 成都西交智汇大数据科技有限公司 | 一种评分方法、装置、设备及可读存储介质 |
Family Cites Families (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103400124B (zh) * | 2013-07-03 | 2017-09-15 | 北京鸿合智能系统有限公司 | 一种试卷识别方法及装置 |
CN103577837A (zh) * | 2013-10-25 | 2014-02-12 | 江苏经贸职业技术学院 | 答题卡图片判读统计分析系统 |
CN103745104B (zh) * | 2013-12-31 | 2017-03-29 | 广东工业大学 | 一种基于增强现实技术的评卷方法 |
CN107832758A (zh) * | 2017-11-06 | 2018-03-23 | 泉州市雄蓝教育科技有限公司 | 智能生成答题卡以及服务器终端自动阅卷评分的考试系统 |
CN107909067A (zh) * | 2017-11-06 | 2018-04-13 | 泉州市雄蓝教育科技有限公司 | 智能生成答题卡以及移动终端自动阅卷评分的考试系统 |
CN108171297B (zh) * | 2018-01-24 | 2022-01-14 | 谢德刚 | 一种答题卡识别方法 |
-
2018
- 2018-07-26 CN CN201810834264.5A patent/CN108992033B/zh active Active
Also Published As
Publication number | Publication date |
---|---|
CN108992033A (zh) | 2018-12-14 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107609557B (zh) | 一种指针式仪表读数识别方法 | |
CN109615611B (zh) | 一种基于巡检影像的绝缘子自爆缺陷检测方法 | |
US8331650B2 (en) | Methods, systems and apparatus for defect detection | |
CN111723691B (zh) | 一种三维人脸识别方法、装置、电子设备及存储介质 | |
CN109977191B (zh) | 问题地图检测方法、装置、电子设备和介质 | |
Dibeklioglu et al. | 3D facial landmarking under expression, pose, and occlusion variations | |
US20150302240A1 (en) | Method and device for locating feature points on human face and storage medium | |
US9092697B2 (en) | Image recognition system and method for identifying similarities in different images | |
CN108992033B (zh) | 一种视觉测试的评分装置、设备和存储介质 | |
EP3844668A1 (en) | System and method for training a damage identification model | |
CN110232387B (zh) | 一种基于kaze-hog算法的异源图像匹配方法 | |
CN112257676A (zh) | 一种指针式仪表读数方法、系统以及巡检机器人 | |
CN108428248B (zh) | 车窗定位方法、系统、设备及存储介质 | |
CN111461113B (zh) | 一种基于变形平面物体检测网络的大角度车牌检测方法 | |
US11094082B2 (en) | Information processing apparatus, information processing method, robot system, and non-transitory computer-readable storage medium | |
WO2022105655A1 (zh) | 图像处理方法、图像处理装置、电子设备和计算机可读存储介质 | |
US20200005078A1 (en) | Content aware forensic detection of image manipulations | |
CN111462094A (zh) | Pcba元器件检测方法、装置及计算机可读存储介质 | |
CN111368682A (zh) | 一种基于faster RCNN台标检测与识别的方法及系统 | |
CN113095187A (zh) | 一种基于图像特征匹配对齐的试卷批改方法 | |
CN110659637A (zh) | 一种结合深度神经网络和sift特征的电能表示数与标签自动识别方法 | |
WO2020047316A1 (en) | System and method for training a damage identification model | |
CN108447092B (zh) | 视觉定位标识物的方法及装置 | |
CN114936997A (zh) | 检测方法、装置、电子设备及可读存储介质 | |
CN113744252A (zh) | 用于标记和检测缺陷的方法、设备、存储介质和程序产品 |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |