CN109033046A - 结构化可视文档快速信息输入系统及方法 - Google Patents
结构化可视文档快速信息输入系统及方法 Download PDFInfo
- Publication number
- CN109033046A CN109033046A CN201810658309.8A CN201810658309A CN109033046A CN 109033046 A CN109033046 A CN 109033046A CN 201810658309 A CN201810658309 A CN 201810658309A CN 109033046 A CN109033046 A CN 109033046A
- Authority
- CN
- China
- Prior art keywords
- answering card
- module
- item
- option
- topic
- 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 19
- 238000001514 detection method Methods 0.000 claims abstract description 28
- 230000011218 segmentation Effects 0.000 claims abstract description 27
- 238000012937 correction Methods 0.000 claims abstract description 17
- 238000012360 testing method Methods 0.000 claims abstract description 17
- 238000007781 pre-processing Methods 0.000 claims abstract description 10
- 238000013461 design Methods 0.000 claims abstract description 9
- 239000011159 matrix material Substances 0.000 claims description 17
- 238000012552 review Methods 0.000 claims description 8
- 239000003550 marker Substances 0.000 claims description 6
- 238000012545 processing Methods 0.000 claims description 5
- 239000000203 mixture Substances 0.000 claims description 4
- 229910000831 Steel Inorganic materials 0.000 claims description 3
- 238000009826 distribution Methods 0.000 claims description 3
- 239000010959 steel Substances 0.000 claims description 3
- 238000010408 sweeping Methods 0.000 claims description 3
- 238000012015 optical character recognition Methods 0.000 description 2
- 239000000284 extract Substances 0.000 description 1
- 239000002699 waste material Substances 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F40/00—Handling natural language data
- G06F40/10—Text processing
- G06F40/166—Editing, e.g. inserting or deleting
-
- 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
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/20—Image preprocessing
-
- 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
- G06V30/22—Character recognition characterised by the type of writing
- G06V30/224—Character recognition characterised by the type of writing of printed characters having additional code marks or containing code marks
-
- 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
- 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
- G06V10/247—Aligning, centring, orientation detection or correction of the image by affine transforms, e.g. correction due to perspective effects; Quadrilaterals, e.g. trapezoids
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Business, Economics & Management (AREA)
- Multimedia (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Artificial Intelligence (AREA)
- Tourism & Hospitality (AREA)
- Economics (AREA)
- Strategic Management (AREA)
- General Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Primary Health Care (AREA)
- Marketing (AREA)
- Audiology, Speech & Language Pathology (AREA)
- Computational Linguistics (AREA)
- General Engineering & Computer Science (AREA)
- Educational Technology (AREA)
- Educational Administration (AREA)
- Electrically Operated Instructional Devices (AREA)
Abstract
一种结构化可视文档快速信息输入系统，包括文档设计模块、图像获取模块、图像预处理模块、智能阅卷模块，还包括角点检测模块、图像校正和分割模块。使用结构化可视文档快速信息输入系统的方法，由从试题库中选择试题生成试卷、在答题卡上作答案、图像预处理模块接收图像获取模块的图片、角点检测模块对图片内的答题卡纸张角点进行检测、图像校正和分割模块用于对图片文档进行倾斜校正和透视矫正、主观题呈现在系统上由老师进行人工评阅、智能阅卷模块对分割后的客观题进行智能阅卷、汇总得出试卷总得分步骤组成。
Description
技术领域
本发明属于教学系统技术领域，具体涉及到学生试卷评分系统。
背景技术
为了有效地节约教育信息化资金与人力的投入，减少重复浪费。针对教学的实际需求，建设相应的应用系统，并根据需求的拓展不断扩展服务平台的功能。为教师提供高效便捷的教学平台，教师借助平台进行布置作业和成绩统计分析日常工作，家长可以及时获取学生在校作业以及成绩，便于协助教师共同教育学生成长。
目前学生考试成绩的阅卷主要是老师进行人工阅卷，在很短的时间内阅完学生的考卷，老师的工作量很大，特别是高考，但目前还没有计算机阅卷系统。
目前能够进行图像识别的阅卷系统主要有光标阅读机和扫描仪阅卷系统，这些系统存在着成本高，通用性差等缺点。
发明内容
本发明所要解决的一个技术问题在于克服上述现有技术的缺点，提供一种识别率高、评分准确的结构化可视文档快速信息输入系统及方法。
本发明所要解决的另一个技术问题在于提供一种使用结构化可视文档快速信息输入系统的方法。
解决上述技术问题所采用的技术方案是：包括文档设计模块、图像获取模块、图像预处理模块、智能阅卷模块，该系统还包括角点检测模块、图像校正和分割模块。
本发明的文档设计模块为：从试题库中生成试卷，同时生成自动排版的答题卡，答题卡内容由答题卡信息区、考生客观题选项区、标记位、主观题答题区组成。
本发明的角点检测模块为：提取图片中答题卡四个角的角点位置，对于四个角点分布定义的模板采用矩阵的形式表示如下：
四个模板分别对应图像的左上、右上、左下、右下，对于图像像素的遍历采用45°倾斜角度扫描像素，角点检测的响应函数F(x,y)为：
F(x,y)＝∑G(i,j)&f(u,v)(G(i,j)＝1)+∑G(i,j)|f(u,v)(G(i,j)＝0)
式中f(u,v)表示与模板大小相同的区域里像素的灰度值，经预处理后图像的灰度是225或0，G(i,j)表示对应于矩阵模板相应位置的值，非0即1，根据角点的位置，选择对应的矩阵，1)表示相对应的矩阵模板取值为1，0)表示相对应的矩阵模板取值为0，通过计算角点响应函数，如果F(x,y)的值为9，该点为角点，不为9，该点不是角点。
本发明的图像校正和分割模块为：对角点检测模块输出的角点信息判断答题卡是否发生畸变，进行倾斜校正、透视校正，使答题卡呈矩形状，对图像中的答题卡区域采用统一的分辨率进行裁剪，得到答题卡，答题卡包括主观题部分、客观题以及二维码部分，对答题卡进行主观题和客观题的分割，检测二维码，解码后存储正确答案信息，对客观题部分进行智能阅卷，主观题部分则交付老师进行人工审阅。
本发明的智能阅卷模块为：对每一道客观题按照140个像素点分布在答题卡上，上下相隔两个选项的像素距离为20个像素点，采用检测选项区域灰度值的方法，分别对每一道题进行检测，具体判分标准为：
其中，score(i,j)表示对于第i道大题的第j道小题的做答选项，题型分为选择题和判断题，所有选项为A,B,C,D,T,F，L表示像素的横坐标，H表示像素的纵坐标位置，gray(L,H)表示以像素点(L,H)为中心点、以10个像素点为半径的圆内的像素灰度值，为255的像素数目，HSi(i＝1,2,3,4)表示答题卡中选择题选项的中心点像素坐标，HJi(i＝1,2)表示答题卡中判断题选项的中心点像素坐标，TMax是用来判断选项未被选择的阈值，TMin表示存在选项的阈值。
储存汇总客观题的作答结果，对比图像校正和分割模块储存后的正确答案信息，得出客观题成绩，将客观题成绩与人工审阅的主观题成绩相加，得到评分总数。
本发明的文档设计模块的试题库包括题目内容、题目分值、题目选项、题目类型以及题目标准答案。
本发明的自动排版答题卡为：
(1)储存试卷答案信息的二维码，二维码的内容包括试卷编号、考试编号、题目类型、题目序号、题目分值、正确答案，并放置在答题卡右上角位置。
(2)位于答题卡上的主观题定位标志位,用于主客观题的分割。
(3)位于答题卡上的学生信息输入栏目，包括学生姓名、学号。
(4)答题区域，根据不同题目类型生成不同答题区域，每一道客观题按140个像素点长分布在答题卡上，客观题分为选择题和判断题，选择题包含A、B、C、D选项，判断题包含正确T、错误F选项，将确认好排版的答题卡，打印出答题纸。
使用上述结构化可视文档快速信息输入系统的方法由以下步骤组成：
(1)从试题库中选择试题，生成试卷，按照试卷信息对相对应的答题卡进行自动排版，排版方法如下：
(1.1)生成储存试卷答案信息的二维码，二维码的内容包括试卷编号、考试编号、题目类型、题目序号、得分、正确答案，并放置在答题卡上右上角。
(1.2)生成答题卡上的主观题标志位。
(1.3)生成答题卡上的学生信息栏目。
(1.4)生成答题区域
根据不同题目类型生成不同答题区域，每一道客观题按140个像素点的长分布在答题卡上，客观题分为选择题和判断题，选择题包含A、B、C、D选项，判断题包含正确T、错误F选项；将确认好排版的答题卡，打印出试卷和带有标志信息的答题卡。
(2)在答题卡上作答案，答题卡通过手机移动设备进行拍照，上传到图像获取模块。
(3)图像预处理模块接收图像获取模块的图片，对图片进行灰度化、去噪、二值化操作。
(4)角点检测模块对图片内的答题卡纸张角点进行检测，得出答题卡四个角点在图片中的位置。
(5)图像校正和分割模块用于对图片文档进行倾斜校正和透视矫正，裁剪出图片文档中的答题卡区域，调整到统一的分辨率尺寸，将答题卡区域的主观题和客观题进行分割，检测二维码，解码后存储正确答案信息。
(6)主观题呈现在系统上，由老师进行人工评阅，并在系统上填写并保存人工评分分数。
(7)智能阅卷模块对分割后的客观题进行智能阅卷，得出答题卡的实际作答结果，按照试题的类型、试题的序号、各选项分值对比二维码中存储的正确答案信息，判断正确或错误，通过其中每道题的分值信息，得到客观题的作答分数。
(8)汇总人工评分分数和智能阅卷的客观题分数，得出最后的试卷总得分。
本发明的角点检测模块对图片内的答题卡纸张角点检测方法步骤(4)如下：
(1)根据设定的模板大小，依次从二值图像的左上角、右上角、左下角、右下角进行45°倾斜扫描像素点。
(2)取每个扫描点的像素点及其10×10领域内像素点的灰度值，与角点模板矩阵进行与或和的操作，求出每个像素与模板与或操作后的总和F。
(3)如果上一步得出的结果等于9，即找到角点，终止扫描，否则回到步骤(1)。
按照上面的方法找到四个角点。
本发明采用文档设计模块自动生成试卷和答题卡，学生下载试卷和答题卡在规定时间内作答，用手机对答题卡进行拍照，提交到系统中，文档扫描模块获取手机拍摄的照片，图像预处理模块对照片进行灰度化、去噪以及二值化操作，角点检测模块对照片中的答题卡区域进行提取，图像校正和分割模块检测二维码，解码保存试卷信息以及完成对答题卡的分割，并交付主观题区域至老师人工审阅，保存人工审阅得分，智能阅卷模块对主观题部分进行智能阅卷，并汇总主观题和客观题最后的评分总分，实现了方便、快捷、有效地阅卷。
附图说明
图1是本发明的实施例1的结构示意图。
图2是排版后的试卷。
图3是手机拍摄的测试用图。
图4是校正后的试卷。
图5是分割后的主观题。
具体实施方式
下面结合附图和实施例对本发明进一步详细说明，但本发明不限于这些实施例。
实施例1
如图1所示，本实施例的结构化可视文档快速信息输入系统包括文档设计模块、图像获取模块、图像预处理模块、角点检测模块、图像校正和分割模块、智能阅卷模块。
本实施例的文档设计模块为：从试题库中生成试卷，同时生成自动排版的答题卡，答题卡内容由答题卡信息区、考生客观题选项区、标记位、主观题答题区组成。试题库包括题目内容、题目分值、题目选项、题目类型以及题目标准答案。
自动排版的答题卡如下：
(1)储存试卷答案信息的二维码，二维码的内容包括试卷编号、考试编号、题目类型、题目序号、题目分值、正确答案，并放置在答题卡右上角位置。
(2)位于答题卡上的主观题定位标志位,用于主客观题的分割；
(3)位于答题卡上的学生信息输入栏目，包括学生姓名、学号；
(4)答题区域，根据不同题目类型生成不同答题区域，每一道客观题按140个像素点长分布在答题卡上，客观题分为选择题和判断题，选择题包含A、B、C、D选项，判断题包含正确T、错误F选项，将确认好排版的答题卡，打印出答题纸。排版后的试卷如图2所示。
本实施例的图像获取模块，用于接收对答题卡进行拍照，如图3所示，或扫描成的图片。
本实施例的图像预处理模块接收图像获取模块的图片，对图片进行灰度化、去噪、二值化操作。
本实施例的角点检测模块为：提取图片中答题卡四个角的角点位置，对于四个角点分布定义的模板采用矩阵的形式表示如下：
四个模板分别对应图像的左上、右上、左下、右下，对于图像像素的遍历采用45°倾斜角度扫描像素，角点检测的响应函数F(x,y)为：
F(x,y)＝∑G(i,j)&f(u,v)(G(i,j)＝1)+∑G(i,j)|f(u,v)(G(i,j)＝0)
式中f(u,v)表示与模板大小相同的区域里像素的灰度值，经预处理后图像的灰度是225或0，G(i,j)表示对应于矩阵模板相应位置的值，非0即1，根据角点的位置，选择对应的矩阵，1)表示相对应的矩阵模板取值为1，0)表示相对应的矩阵模板取值为0，通过计算角点响应函数，如果F(x,y)的值为9，该点为角点，不为9，该点不是角点。
本实施例的图像校正和分割模块为：对角点检测模块输出的角点信息判断答题卡是否发生畸变，进行倾斜校正、透视校正，校正后的试卷如图4所示，使答题卡呈矩形状，对图像中的答题卡区域采用统一的分辨率进行裁剪，得到答题卡，分割后的主观图如图5所示，答题卡包括主观题部分、客观题以及二维码部分，对答题卡进行主观题和客观题的分割，主观题和客观题的分割为本领域的常规技术，检测二维码，解码后存储正确答案信息，对客观题部分进行智能阅卷，主观题部分则交付老师进行人工审阅。
本实施例的智能阅卷模块：对每一道客观题按照140个像素点分布在答题卡上，上下相隔两个选项的像素距离为20个像素点，采用检测选项区域灰度值的方法，分别对每一道题进行检测，具体判分标准为：
其中，score(i,j)表示对于第i道大题的第j道小题的做答选项，题型分为选择题和判断题，所有选项为A,B,C,D,T,F，L表示像素的横坐标，H表示像素的纵坐标位置，gray(L,H)表示以像素点(L,H)为中心点、以10个像素点为半径的圆内的像素灰度值，为255的像素数目，HSi(i＝1,2,3,4)表示答题卡中选择题选项的中心点像素坐标，HJi(i＝1,2)表示答题卡中判断题选项的中心点像素坐标，TMax是用来判断选项未被选择的阈值，TMin表示存在选项的阈值。
储存汇总客观题的作答结果，对比图像校正和分割模块储存后的正确答案信息，得出客观题成绩，将客观题成绩与人工审阅的主观题成绩相加，得到评分总数。
以10个选择题、10个判断题、1个主观题为例，使用实施例1结构化可视文档快速信息输入系统的方法由以下步骤组成：
(1)从试题库中选择10个选择题、10个判断题、1个主观题，生成试卷，按照试卷信息对相对应的答题卡进行自动排版，排版方法如下：
(1.1)生成储存试卷答案信息的二维码，二维码的内容包括试卷编号、考试编号、题目类型、题目序号、得分、正确答案，并放置在答题卡上右上角。
(1.2)生成答题卡上的主观题标志位。
(1.3)生成答题卡上的学生信息栏目。
(1.4)生成答题区域
根据不同题目类型生成不同答题区域，每一道客观题按140个像素点的长分布在答题卡上，客观题分为选择题和判断题，选择题10个，包含A、B、C、D选项，判断题10个，包含正确T、错误F选项；将确认好排版的答题卡，打印出试卷和带有标志信息的答题卡。
(2)在答题卡上作答案，答题卡通过手机移动设备进行拍照，上传到图像获取模块。
(3)图像预处理模块接收图像获取模块的图片，对图片进行灰度化、去噪、二值化操作。
(4)角点检测模块对图片内的答题卡纸张角点检测，得出答题卡四个角点在图片中的位置。
本实施例中角点检测的步骤如下：
(4.1)根据设定的模板大小，依次从二值图像的左上角、右上角、左下角、右下角进行45°倾斜扫描像素点。
(4.2)取每个扫描点的像素点及其10×10领域内像素点的灰度值，与角点模板矩阵进行与或和的操作，求出每个像素与模板与或操作后的总和F。
(4.3)如果上一步得出的结果等于9，即找到角点，终止扫描，否则回到步骤(4.1)。
按照上面的方法找到四个角点。
(5)图像校正和分割模块用于对图片文档进行倾斜校正和透视校正，裁剪出图片文档中的答题卡区域，调整到统一的分辨率尺寸，将答题卡区域的主观题和客观题进行分割，检测二维码，解码后存储正确答案信息。
(6)主观题呈现在系统上，由老师进行人工评阅，并在系统上填写并保存人工评分分数。
(7)智能阅卷模块对分割后的客观题进行智能阅卷，得出答题卡的实际作答结果，按照试题的类型、试题的序号、各选项分值对比二维码中存储的正确答案信息，判断正确或错误，通过其中每道题的分值信息，得到客观题的作答分数。
(8)汇总人工评分分数和智能阅卷的客观题分数，得出最后的试卷总得分。
Claims (5)
1.一种结构化可视文档快速信息输入系统，包括文档设计模块、图像获取模块、图像预处理模块、智能阅卷模块，其特征在于：该系统还包括角点检测模块、图像校正和分割模块；
所述的文档设计模块为：从试题库中生成试卷，同时生成自动排版的答题卡，答题卡内容由答题卡信息区、考生客观题选项区、标记位、主观题答题区组成；
所述的角点检测模块为：提取图片中答题卡四个角的角点位置，对于四个角点分布定义的模板采用矩阵的形式表示如下：
四个模板分别对应图像的左上、右上、左下、右下，对于图像像素的遍历采用45°倾斜角度扫描像素，角点检测的响应函数F(x,y)为：
F(x,y)＝∑G(i,j)&f(u,v)(G(i,j)＝1)+∑G(i,j)|f(u,v)(G(i,j)＝0)
式中f(u,v)表示与模板大小相同的区域里像素的灰度值，经预处理后图像的灰度是225或0，G(i,j)表示对应于矩阵模板相应位置的值，非0即1，根据角点的位置，选择对应的矩阵，1)表示相对应的矩阵模板取值为1，0)表示相对应的矩阵模板取值为0，通过计算角点响应函数，如果F(x,y)的值为9，该点为角点，不为9，该点不是角点；
所述的图像校正和分割模块为：对角点检测模块输出的角点信息判断答题卡是否发生畸变，进行倾斜校正、透视校正，使答题卡呈矩形状，对图像中的答题卡区域采用统一的分辨率进行裁剪，得到答题卡，答题卡包括主观题部分、客观题以及二维码部分，对答题卡进行主观题和客观题的分割，检测二维码，解码后存储正确答案信息，对客观题部分进行智能阅卷，主观题部分则交付老师进行人工审阅；
所述的智能阅卷模块为：对每一道客观题按照140个像素点分布在答题卡上，上下相隔两个选项的像素距离为20个像素点，采用检测选项区域灰度值的方法，分别对每一道题进行检测，具体判分标准为：
其中，score(i,j)表示对于第i道大题的第j道小题的做答选项，题型分为选择题和判断题，所有选项为A,B,C,D,T,F，L表示像素的横坐标，H表示像素的纵坐标位置，gray(L,H)表示以像素点(L,H)为中心点、以10个像素点为半径的圆内的像素灰度值，为255的像素数目，HSi(i＝1,2,3,4)表示答题卡中选择题选项的中心点像素坐标，HJi(i＝1,2)表示答题卡中判断题选项的中心点像素坐标，TMax是用来判断选项未被选择的阈值，TMin表示存在选项的阈值；
储存汇总客观题的作答结果，对比图像校正和分割模块储存后的正确答案信息，得出客观题成绩，将客观题成绩与人工审阅的主观题成绩相加，得到评分总数。
2.根据权利要求1所述的结构化可视文档快速信息输入系统，其特征在于：所述的文档设计模块的试题库包括题目内容、题目分值、题目选项、题目类型以及题目标准答案。
3.根据权利要求1所述的结构化可视文档快速信息输入系统，其特征在于所述的自动排版答题卡为：
(1)储存试卷答案信息的二维码，二维码的内容包括试卷编号、考试编号、题目类型、题目序号、题目分值、正确答案，并放置在答题卡右上角位置；
(2)位于答题卡上的主观题定位标志位,用于主客观题的分割；
(3)位于答题卡上的学生信息输入栏目，包括学生姓名、学号；
(4)答题区域，根据不同题目类型生成不同答题区域，每一道客观题按140个像素点长分布在答题卡上，客观题分为选择题和判断题，选择题包含A、B、C、D选项，判断题包含正确T、错误F选项，将确认好排版的答题卡，打印出答题纸。
4.一种使用权利要求1结构化可视文档快速信息输入系统的方法，其特征在于由以下步骤组成：
(1)从试题库中选择试题，生成试卷，按照试卷信息对相对应的答题卡进行自动排版，排版方法如下：
(1.1)生成储存试卷答案信息的二维码，二维码的内容包括试卷编号、考试编号、题目类型、题目序号、得分、正确答案，并放置在答题卡上右上角；
(1.2)生成答题卡上的主观题标志位；
(1.3)生成答题卡上的学生信息栏目；
(1.4)生成答题区域
根据不同题目类型生成不同答题区域，每一道客观题按140个像素点的长分布在答题卡上，客观题分为选择题和判断题，选择题包含A、B、C、D选项，判断题包含正确T、错误F选项；将确认好排版的答题卡，打印出试卷和带有标志信息的答题卡；
(2)在答题卡上作答案，答题卡通过手机移动设备进行拍照，上传到图像获取模块；
(3)图像预处理模块接收图像获取模块的图片，对图片进行灰度化、去噪、二值化操作；
(4)角点检测模块对图片内的答题卡纸张角点进行检测，得出答题卡四个角点在图片中的位置；
(5)图像校正和分割模块用于对图片文档进行倾斜校正和透视矫正，裁剪出图片文档中的答题卡区域，调整到统一的分辨率尺寸，将答题卡区域的主观题和客观题进行分割，检测二维码，解码后存储正确答案信息；
(6)主观题呈现在系统上，由老师进行人工评阅，并在系统上填写并保存人工评分分数；
(7)智能阅卷模块对分割后的客观题进行智能阅卷，得出答题卡的实际作答结果，按照试题的类型、试题的序号、各选项分值对比二维码中存储的正确答案信息，判断正确或错误，通过其中每道题的分值信息，得到客观题的作答分数；
(8)汇总人工评分分数和智能阅卷的客观题分数，得出最后的试卷总得分。
5.根据权利要求4所述的使用结构化可视文档快速信息输入系统的方法，其特征在于所述的角点检测模块对图片内的答题卡纸张角点检测方法步骤(4)如下：
(1)根据设定的模板大小，依次从二值图像的左上角、右上角、左下角、右下角进行45°倾斜扫描像素点；
(2)取每个扫描点的像素点及其10×10领域内像素点的灰度值，与角点模板矩阵进行与或和的操作，求出每个像素与模板与或操作后的总和F；
(3)如果上一步得出的结果等于9，即找到角点，终止扫描，否则回到步骤(1)；
按照上面的方法找到四个角点。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201810658309.8A CN109033046A (zh) | 2018-06-25 | 2018-06-25 | 结构化可视文档快速信息输入系统及方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201810658309.8A CN109033046A (zh) | 2018-06-25 | 2018-06-25 | 结构化可视文档快速信息输入系统及方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN109033046A true CN109033046A (zh) | 2018-12-18 |
Family
ID=64610679
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201810658309.8A Pending CN109033046A (zh) | 2018-06-25 | 2018-06-25 | 结构化可视文档快速信息输入系统及方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN109033046A (zh) |
Cited By (18)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN109741273A (zh) * | 2018-12-26 | 2019-05-10 | 江苏优胜信息技术有限公司 | 一种手机拍照低质图像的自动处理与评分方法 |
| CN109871908A (zh) * | 2019-04-11 | 2019-06-11 | 上海电机学院 | 基于智能手机的试卷分数统计系统及其使用方法 |
| CN110008780A (zh) * | 2019-04-03 | 2019-07-12 | 李佳旺 | 一种基于二维码实现的智能作业的方法 |
| 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 |
| CN110175612A (zh) * | 2019-05-30 | 2019-08-27 | 北京爱尖子教育科技有限责任公司 | 基于ocr技术的在线考试方法及系统 |
| CN110309703A (zh) * | 2019-04-25 | 2019-10-08 | 东莞市七宝树教育科技有限公司 | 一种智能适应识别并切割试卷答案区域的方法及其系统 |
| CN110689018A (zh) * | 2019-09-24 | 2020-01-14 | 华南理工大学 | 一种智能阅卷系统及其处理方法 |
| CN110929562A (zh) * | 2019-10-12 | 2020-03-27 | 杭州电子科技大学 | 一种基于改进Hough变换的答题卡识别方法 |
| CN111160843A (zh) * | 2019-12-04 | 2020-05-15 | 中国航空工业集团公司西安飞行自动控制研究所 | 产品数据管理系统中图与文档自检方法 |
| CN111666864A (zh) * | 2020-06-01 | 2020-09-15 | 合肥工业大学 | 一种基于计算机视觉的自动阅卷方法 |
| CN111915635A (zh) * | 2020-08-21 | 2020-11-10 | 广州云蝶科技有限公司 | 支持自阅卷的试题解析信息生成方法及系统 |
| CN112017263A (zh) * | 2020-08-24 | 2020-12-01 | 上海松鼠课堂人工智能科技有限公司 | 基于深度学习的试卷智能生成方法和系统 |
| CN112052698A (zh) * | 2020-09-11 | 2020-12-08 | 西安交通大学 | 一种基于调查问卷的隐私保护设计方法、存储介质及设备 |
| CN112163529A (zh) * | 2020-09-30 | 2021-01-01 | 珠海读书郎网络教育有限公司 | 一种试卷统分的系统及方法 |
| CN113344377A (zh) * | 2021-06-02 | 2021-09-03 | 董肖晶 | 一种语文教学的文章阅读理解评分系统 |
| CN113808206A (zh) * | 2021-09-14 | 2021-12-17 | 广东三水合肥工业大学研究院 | 一种基于视觉追踪机器人的排版系统及方法 |
| CN116610774A (zh) * | 2023-07-20 | 2023-08-18 | 河北鑫考科技股份有限公司 | 一种高效率的智能网上阅卷辅助方法及系统 |
| CN116778032A (zh) * | 2023-07-03 | 2023-09-19 | 北京博思创成技术发展有限公司 | 答题卡生成方法、装置、设备和存储介质 |
Citations (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110008933A (zh) * | 2019-04-18 | 2019-07-12 | 江苏曲速教育科技有限公司 | 一种通用智能阅卷系统和方法 |
| 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 |
-
2018
- 2018-06-25 CN CN201810658309.8A patent/CN109033046A/zh active Pending
Patent Citations (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110008933A (zh) * | 2019-04-18 | 2019-07-12 | 江苏曲速教育科技有限公司 | 一种通用智能阅卷系统和方法 |
| 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 |
Non-Patent Citations (3)
| Title |
|---|
| 王艳芹: "计算机自动阅卷系统的研究与实现", 《中国优秀硕士学位论文全文数据库信息科技辑（月刊）》 * |
| 车献生编著: "《北大清华状元高考冲刺有窍门》", 31 January 2015, 北京：金盾出版社 * |
| 郄云江，孟旭东，沈国荣著: "《移动互联网下的教学工具》", 31 December 2017, 杭州：浙江教育出版社 * |
Cited By (25)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN109741273A (zh) * | 2018-12-26 | 2019-05-10 | 江苏优胜信息技术有限公司 | 一种手机拍照低质图像的自动处理与评分方法 |
| 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 |
| CN110008780A (zh) * | 2019-04-03 | 2019-07-12 | 李佳旺 | 一种基于二维码实现的智能作业的方法 |
| CN109871908A (zh) * | 2019-04-11 | 2019-06-11 | 上海电机学院 | 基于智能手机的试卷分数统计系统及其使用方法 |
| CN110309703B (zh) * | 2019-04-25 | 2021-07-27 | 东莞市七宝树教育科技有限公司 | 一种智能适应识别并切割试卷答案区域的方法及其系统 |
| CN110309703A (zh) * | 2019-04-25 | 2019-10-08 | 东莞市七宝树教育科技有限公司 | 一种智能适应识别并切割试卷答案区域的方法及其系统 |
| CN110175612A (zh) * | 2019-05-30 | 2019-08-27 | 北京爱尖子教育科技有限责任公司 | 基于ocr技术的在线考试方法及系统 |
| CN110689018A (zh) * | 2019-09-24 | 2020-01-14 | 华南理工大学 | 一种智能阅卷系统及其处理方法 |
| CN110929562A (zh) * | 2019-10-12 | 2020-03-27 | 杭州电子科技大学 | 一种基于改进Hough变换的答题卡识别方法 |
| CN111160843A (zh) * | 2019-12-04 | 2020-05-15 | 中国航空工业集团公司西安飞行自动控制研究所 | 产品数据管理系统中图与文档自检方法 |
| CN111160843B (zh) * | 2019-12-04 | 2023-12-19 | 中国航空工业集团公司西安飞行自动控制研究所 | 产品数据管理系统中图与文档自检方法 |
| CN111666864B (zh) * | 2020-06-01 | 2023-03-24 | 合肥工业大学 | 一种基于计算机视觉的自动阅卷方法 |
| CN111666864A (zh) * | 2020-06-01 | 2020-09-15 | 合肥工业大学 | 一种基于计算机视觉的自动阅卷方法 |
| CN111915635A (zh) * | 2020-08-21 | 2020-11-10 | 广州云蝶科技有限公司 | 支持自阅卷的试题解析信息生成方法及系统 |
| CN112017263A (zh) * | 2020-08-24 | 2020-12-01 | 上海松鼠课堂人工智能科技有限公司 | 基于深度学习的试卷智能生成方法和系统 |
| CN112017263B (zh) * | 2020-08-24 | 2021-04-30 | 上海松鼠课堂人工智能科技有限公司 | 基于深度学习的试卷智能生成方法和系统 |
| CN112052698A (zh) * | 2020-09-11 | 2020-12-08 | 西安交通大学 | 一种基于调查问卷的隐私保护设计方法、存储介质及设备 |
| CN112163529A (zh) * | 2020-09-30 | 2021-01-01 | 珠海读书郎网络教育有限公司 | 一种试卷统分的系统及方法 |
| CN113344377A (zh) * | 2021-06-02 | 2021-09-03 | 董肖晶 | 一种语文教学的文章阅读理解评分系统 |
| CN113808206A (zh) * | 2021-09-14 | 2021-12-17 | 广东三水合肥工业大学研究院 | 一种基于视觉追踪机器人的排版系统及方法 |
| CN113808206B (zh) * | 2021-09-14 | 2024-02-02 | 广东三水合肥工业大学研究院 | 一种基于视觉追踪机器人的排版系统及方法 |
| CN116778032A (zh) * | 2023-07-03 | 2023-09-19 | 北京博思创成技术发展有限公司 | 答题卡生成方法、装置、设备和存储介质 |
| CN116778032B (zh) * | 2023-07-03 | 2024-04-16 | 北京博思创成技术发展有限公司 | 答题卡生成方法、装置、设备和存储介质 |
| CN116610774A (zh) * | 2023-07-20 | 2023-08-18 | 河北鑫考科技股份有限公司 | 一种高效率的智能网上阅卷辅助方法及系统 |
| CN116610774B (zh) * | 2023-07-20 | 2023-09-26 | 河北鑫考科技股份有限公司 | 一种高效率的智能网上阅卷辅助方法及系统 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN109033046A (zh) | 结构化可视文档快速信息输入系统及方法 | |
| CN110008933B (zh) | 一种通用智能阅卷系统和方法 | |
| CN110659584B (zh) | 一种基于图像识别的智能留痕阅卷系统 | |
| CN110705534B (zh) | 一种适用于电子助视器的错题本生成方法 | |
| CN110597806A (zh) | 一种基于批阅识别的错题集生成与答题统计系统及方法 | |
| CN101334814A (zh) | 一种自动化的扫描阅卷系统及阅卷方法 | |
| CN107784264A (zh) | 基于图像处理的答卷分析方法及系统 | |
| US20150187219A1 (en) | Systems and methods for computer-assisted grading of printed tests | |
| CN104715256A (zh) | 一种基于图像方法的书法练习辅助系统及评价方法 | |
| CN107038438A (zh) | 一种基于图像识别的评阅方法 | |
| US7764923B2 (en) | Material processing apparatus and method for grading material | |
| 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 | |
| CN113159014A (zh) | 基于手写题号的客观题批阅方法、装置、设备及存储介质 | |
| CN116303871A (zh) | 练习册批阅方法 | |
| CN110298236B (zh) | 一种基于深度学习的盲文图像自动识别方法和系统 | |
| Kommey et al. | Automatic multiple choice examination questions marking and grade generator software | |
| CN115620332B (zh) | 一种基于纸质作业的自动批阅方法及设备 | |
| Ahad et al. | Information retrieval from damage OMR sheet by using image processing | |
| Ware et al. | Cost effective optical mark recognition software for educational institutions | |
| US7853194B2 (en) | Material processing apparatus, material processing method and material processing program | |
| CN113903039A (zh) | 一种基于颜色的答题卡答案区域采集的方法 | |
| CN107045635A (zh) | 一种网上阅卷系统的试卷图像分页分题处理方法 | |
| CN107886808B (zh) | 一种盲文方辅助标注方法及系统 | |
| Raveendran | Effective auto grading with webcam |
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: 20181218 |