CN109344381A - 一种题卡合一试卷的生成和识别方法 - Google Patents
一种题卡合一试卷的生成和识别方法 Download PDFInfo
- Publication number
- CN109344381A CN109344381A CN201811146741.5A CN201811146741A CN109344381A CN 109344381 A CN109344381 A CN 109344381A CN 201811146741 A CN201811146741 A CN 201811146741A CN 109344381 A CN109344381 A CN 109344381A
- Authority
- CN
- China
- Prior art keywords
- paper
- topic
- picture
- answer
- examination
- 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
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
- 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
- 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)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Artificial Intelligence (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Multimedia (AREA)
- Audiology, Speech & Language Pathology (AREA)
- Computational Linguistics (AREA)
- General Health & Medical Sciences (AREA)
- Health & Medical Sciences (AREA)
- General Engineering & Computer Science (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
- Electrically Operated Instructional Devices (AREA)
Abstract
本发明涉及一种题卡合一试卷的生成和识别方法,包括以下步骤:(1)选择题目组成试卷:根据年级、学科、教材版本在配套题库中选择不同题型和试题组成一份适用于作业或考试的试卷;(2)保存试卷:命名该试卷并保存该试卷;(3)生成试卷:设定试卷类型、纸张类型、试卷页码、试题排列方式,再给试卷的每个试题设置分数和答题区域,并生成pdf格式的试卷;(4)打印试卷:将所述pdf格式的试卷打印出来;(5)识别试卷:对学生作答后的试卷进行识别,以形成客观题分数。其将试题和答案合并在一张试卷中,减少纸张浪费,避免了学生二次填涂出现错误。
Description
技术领域
本发明属于计算机技术领域,涉及一种教育领域中应用的试卷处理方法,具体涉及一种题卡合一试卷的生成和识别方法。
背景技术
现在的考试中试卷和答题卡是分离的,考试前要根据试卷内容设计答题卡。考试中学生要先在试卷上作答,然后把答案二次填涂到答题卡上。
标准答题卡一般由基本信息栏、客观题区域、主观题区域和定位点构成。基本信息栏一般用于填写填涂这张卡片的使用者的基本信息,一般考试中包括考生的姓名和考试号。客观题一般有ABCD四个涂卡选项组成。主观题为空白框。这种答题卡简单,易于识别。
传统市场上的标准答题卡识别使用的是光学标记阅读机,也就是采用光学传感器识别答题卡填涂部位。这也被很多大型考试等场合使用,但相对成本也比较高。
但是,在中小型考试中考试科目多、周期短、答题卡设计多变,阅卷环境非常复杂。目前的答题卡印刷难度较大、纸张质量要求较高、答题卡模板生成方法繁杂等一系列问题都使答题卡无法在中小型考试中被广泛使用。因此,为了使答题卡在考试中广泛应用,必须简化考试准备过程,减少学生二次填涂,降低阅卷成本。
鉴于现有技术的上述技术缺陷,迫切需要研制一种新型的试卷生成和识别方法。
发明内容
本发明的目的在于克服现有技术中存在的缺点,提供一种题卡合一试卷的生成和识别方法,其简化了考试准备过程,避免了学生二次填涂,降低了阅卷成本。
为了实现上述目的,本发明提供如下技术方案:
一种题卡合一试卷的生成和识别方法,其特征在于,其包括以下步骤:
(1)选择题目组成试卷:根据年级、学科、教材版本在配套题库中选择不同题型和试题组成一份适用于作业或考试的试卷;
(2)保存试卷:命名该试卷并保存该试卷;
(3)生成试卷:设定试卷类型、纸张类型、试卷页码、试题排列方式,再给试卷的每个试题设置分数和答题区域,并生成pdf格式的试卷;
(5)打印试卷:将所述pdf格式的试卷打印出来;
(5)识别试卷:对学生作答后的试卷进行识别,以形成客观题分数。
进一步地,其中,所述识别试卷具体包括以下步骤:
(5.1)扫描试卷:对学生作答后的试卷进行扫描,得到扫描的试卷图片;
(5.2)试卷图片预处理:对扫描的试卷图片进行压缩和灰度化处理,然后进行边缘检测和二值化,得到一张二值化图;
(5.3)关键定位点识别:获取二值化图的最大面积轮廓并和扫描的试卷图片的面积轮廓作比较,根据比较结果判断二值化图的最大面积轮廓是否是扫描后的试卷图片的轮廓,然后计算二值化图的顶点并看是否是四个顶点;
(5.4)图片透视转换与纠错:根据计算的二值化图的顶点继续处理二值化图,对其进行转换纠偏,并调整二值化图的亮度;
(5.5)参考坐标定位点识别与位置数据提取:通过二值化和膨胀腐蚀获得答题区域,根据答题区域的位置信息判断是主观题还是客观题,主观题切割图片并保存,客观题继续识别;
(5.6)客观题填涂区域识别与位置数据提取:通过二值化和膨胀腐蚀获得客观题填涂区域,查找选项框的轮廓,如果选项框面积小于某值,则认为该轮廓是选项框;
(5.7)答案比对获取:将获得的选项框的轮廓自上而下的排序,并与标准答案进行比对,从而获得答题结果和客观题分数。
更进一步地,其中,在所述保持试卷之前,还包括编辑试卷:预览试卷并改变组成试卷的题型和试题。
与现有技术相比,本发明的题卡合一试卷的生成和识别方法具有如下有益技术效果:
1、题目和答案合并在一张试卷中,减少了浪费,避免了学生二次填涂出现错误。
2、在识别时就是将试卷扫描成图片,利用计算机视觉和图像处理技术识别出填涂特征点,对指定区域内特征点进行定位和坐标比对得出答案,图片扫描设备相对通用性高,使用场景优势就比较明显。
附图说明
图1是本发明的题卡合一试卷的生成和识别方法的流程图。
图2是本发明的题卡合一试卷的生成和识别方法的识别试卷的流程图。
具体实施方式
下面结合附图和实施例对本发明进一步说明,实施例的内容不作为对本发明的保护范围的限制。
图1示出了本发明的题卡合一试卷的生成和识别方法的流程图。如图1所示,本发明的题卡合一试卷的生成和识别方法包括以下步骤:
首先,选择题目组成试卷。
老师、或者学校的管理者、或者教育考试主管部门等出题者根据要考试的学生的年级、学科、教材版本等在配套题库中选择不同题型和试题组成一份适用于作业或考试的试卷。之前,已经在配套题库中存储了大量的试题,在组成试卷的时候,只需要从配套题库中选择即可,试卷组成的方式非常简单灵活。
当然,在选择题目组成试卷之后,可以包括编辑试卷。
也就是,在组成试卷之后,出题者预览试卷。如果觉得试卷的题型或者某个题型中的某个试题等不合适,可以改变组成试卷的题型和试题。例如,在某个题型中增加一道试题,在某个题型中减少一道试题等。这样,使得试卷组成更加科学,而不会一旦选定之后就固定。
其次,保存试卷。
也就是说,在确定题型和试题都无误后,可以命名该试卷并保存该试卷。在本法中,保持该试卷,是将该试卷保存到出题者使用的计算机中。当然,也可以保存到试卷库中(这种情况下,需要出题者的计算机与试卷库进行联网)。
接着,生成试卷。
也就是,设定试卷类型(例如,生物测试,初一物理期中考试、从初三化学期末考试等)、纸张类型(也就是,印刷试卷所使用纸张大小,例如,A4等,以便于在后面打印试卷时选择合适的纸张)、试卷页码(例如,第一页、第二页等)、试题排列方式(例如,选择题设置在最前面,论述题设置在最后面等),再给试卷的每个试题设置分数(例如,每个选择题5分,每个论述题20分等)和答题区域(对于主观题,答题区域为空白处;对于客观题,答题区域为选项框),并生成pdf格式的试卷。
之后,打印试卷。
也就是,使用对应的纸张将所述pdf格式的试卷打印出来,形成纸质试卷,以便于学生作答;
最后,进行识别试卷。
考试结束之后,对学生作答后的试卷进行识别,以形成客观题分数。
在本发明中,如图2所示,所述识别试卷具体包括以下步骤:
首先,扫描试卷。
也就是,对学生作答后的纸质试卷进行扫描,得到扫描的试卷图片,并对扫描的试卷图片进行保存,以便于后续进行处理。
其次,进行试卷图片预处理。
也就是,对扫描的试卷图片进行压缩和灰度化处理,然后进行边缘检测和二值化,从而得到一张二值化图。
接着,进行关键定位点识别。
也就是,获取二值化图的最大面积轮廓并和扫描的试卷图片的面积轮廓作比较,根据比较结果判断二值化图的最大面积轮廓是否是扫描后的试卷图片的轮廓(如果一致则是,如果不一致,那么则不是),然后计算二值化图的顶点并看是否是四个顶点。通过这种方式,可以确保预处理后的二值化图能反应真实的试卷,防止预处理后部分试题或答题区域丢失,影响判断的客观性。
之后,对图片进行透视转换与纠错。
也就是,根据计算的二值化图的顶点继续处理二值化图,对其进行转换纠偏,并调整二值化图的亮度。
然后,进行参考坐标定位点识别与位置数据提取。
也就是,通过二值化和膨胀腐蚀获得答题区域,根据答题区域的位置信息判断是主观题还是客观题(前面在生成试卷时,已经根据题型对试卷进行了排序,因此,这里可以根据答题区的位置信息判断是主观题还是客观性)。其中,主观题切割图片并保存。客观题继续识别;
接着,对客观题填涂区域进行识别与位置数据提取。
也就是,通过二值化和膨胀腐蚀获得客观题填涂区域,查找选项框的轮廓。如果选项框面积小于某值(该值是事先设定的,具体大小根据生成试卷时选项框的面积大小而定),则认为该轮廓是选项框。否则,则认为该轮廓不是选项框,对其进行舍弃。
最后,进行答案比对获取。
也就是,将获得的选项框的轮廓自上而下的排序,并与标准答案进行比对,从而获得答题结果和客观题分数。
对于主观题,可以由老师对照着主观题切割图片进行人工评分,也可以采用申请人之前申请的专利号为201710559298.3、发明名称为“一种批量自动批阅答题卡的方法”的发明专利中所披露的方法进行识别和评分,在此不做详细描述。
现有考试中试卷和答题卡分离,先有试卷再设计答题卡,学生先在试卷上作答,全部做完试题后填涂到答题卡中。而本发明中题目和答案合并在一张试卷中,减少了纸张浪费,避免了学生二次填涂出现错误。同时,传统市场上的标准答题卡识别使用的是光学标记阅读机,采用光学传感器识别答题卡填涂部位,这也被很多大型考试等场合使用,但相对成本也比较高。而本发明中,是将试卷扫描成图片,利用计算机视觉和图像处理技术识别出填涂特征点,对指定区域内特征点进行定位和坐标比对得出答案,图片扫描设备相对通用性高,使用场景优势就比较明显。
本发明的上述实施例仅仅是为清楚地说明本发明所作的举例,而并非是对本发明的实施方式的限定。对于所属领域的普通技术人员来说,在上述说明的基础上还可以做出其它不同形式的变化或变动。这里无法对所有的实施方式予以穷举。凡是属于本发明的技术方案所引伸出的显而易见的变化或变动仍处于本发明的保护范围之列。
Claims (3)
1.一种题卡合一试卷的生成和识别方法,其特征在于,其包括以下步骤:
(1)选择题目组成试卷:根据年级、学科、教材版本在配套题库中选择不同题型和试题组成一份适用于作业或考试的试卷;
(2)保存试卷:命名该试卷并保存该试卷;
(3)生成试卷:设定试卷类型、纸张类型、试卷页码、试题排列方式,再给试卷的每个试题设置分数和答题区域,并生成pdf格式的试卷;
(4)打印试卷:将所述pdf格式的试卷打印出来;
(5)识别试卷:对学生作答后的试卷进行识别,以形成客观题分数。
2.根据权利要求1所述的题卡合一试卷的生成和识别方法,其特征在于,所述识别试卷具体包括以下步骤:
(5.1)扫描试卷:对学生作答后的试卷进行扫描,得到扫描的试卷图片;
(5.2)试卷图片预处理:对扫描的试卷图片进行压缩和灰度化处理,然后进行边缘检测和二值化,得到一张二值化图;
(5.3)关键定位点识别:获取二值化图的最大面积轮廓并和扫描的试卷图片的面积轮廓作比较,根据比较结果判断二值化图的最大面积轮廓是否是扫描后的试卷图片的轮廓,然后计算二值化图的顶点并看是否是四个顶点;
(5.4)图片透视转换与纠错:根据计算的二值化图的顶点继续处理二值化图,对其进行转换纠偏,并调整二值化图的亮度;
(5.5)参考坐标定位点识别与位置数据提取:通过二值化和膨胀腐蚀获得答题区域,根据答题区域的位置信息判断是主观题还是客观题,主观题切割图片并保存,客观题继续识别;
(5.6)客观题填涂区域识别与位置数据提取:通过二值化和膨胀腐蚀获得客观题填涂区域,查找选项框的轮廓,如果选项框面积小于某值,则认为该轮廓是选项框;
(5.7)答案比对获取:将获得的选项框的轮廓自上而下的排序,并与标准答案进行比对,从而获得答题结果和客观题分数。
3.根据权利要求1或2所述的题卡合一试卷的生成和识别方法,其特征在于,在所述保持试卷之前,还包括编辑试卷:预览试卷并改变组成试卷的题型和试题。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811146741.5A CN109344381A (zh) | 2018-09-29 | 2018-09-29 | 一种题卡合一试卷的生成和识别方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811146741.5A CN109344381A (zh) | 2018-09-29 | 2018-09-29 | 一种题卡合一试卷的生成和识别方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN109344381A true CN109344381A (zh) | 2019-02-15 |
Family
ID=65307438
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201811146741.5A Pending CN109344381A (zh) | 2018-09-29 | 2018-09-29 | 一种题卡合一试卷的生成和识别方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109344381A (zh) |
Cited By (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110276335A (zh) * | 2019-07-04 | 2019-09-24 | 华中师范大学 | 一种移动端试卷采集方法及装置 |
CN111126017A (zh) * | 2019-12-30 | 2020-05-08 | 福建天晴数码有限公司 | 答题卡生成系统 |
CN111428446A (zh) * | 2020-02-26 | 2020-07-17 | 佛山四面体科技有限公司 | 问卷生成方法、问卷识别方法及问卷识别系统 |
JP2020149157A (ja) * | 2019-03-11 | 2020-09-17 | 富士ゼロックス株式会社 | 情報処理システム、情報処理装置およびプログラム |
CN111814616A (zh) * | 2020-06-28 | 2020-10-23 | 枫烨(深圳)科技有限公司 | 一种无需答题卡的试卷自动阅卷处理系统及其实现方法 |
CN112182316A (zh) * | 2020-09-26 | 2021-01-05 | 深圳市快易典教育科技有限公司 | 一种卷面题目生成方法、电子装置及可读存储介质 |
CN113688201A (zh) * | 2021-08-06 | 2021-11-23 | 上海汉图科技有限公司 | 作业生成方法及服务端 |
CN113918609A (zh) * | 2021-10-12 | 2022-01-11 | 平安国际智慧城市科技股份有限公司 | 试卷创建方法、装置、计算机设备和存储介质 |
CN114973815A (zh) * | 2022-04-27 | 2022-08-30 | 龙诚教育科技(深圳)有限公司 | 一种用于在线教学对学生进行测试的系统、方法 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107368828A (zh) * | 2017-07-24 | 2017-11-21 | 中国人民解放军装甲兵工程学院 | 高清试卷图像采集分解系统和方法 |
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 |
-
2018
- 2018-09-29 CN CN201811146741.5A patent/CN109344381A/zh active Pending
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107368828A (zh) * | 2017-07-24 | 2017-11-21 | 中国人民解放军装甲兵工程学院 | 高清试卷图像采集分解系统和方法 |
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 |
Cited By (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2020149157A (ja) * | 2019-03-11 | 2020-09-17 | 富士ゼロックス株式会社 | 情報処理システム、情報処理装置およびプログラム |
JP7234706B2 (ja) | 2019-03-11 | 2023-03-08 | 富士フイルムビジネスイノベーション株式会社 | 情報処理システム、情報処理装置およびプログラム |
CN110276335A (zh) * | 2019-07-04 | 2019-09-24 | 华中师范大学 | 一种移动端试卷采集方法及装置 |
CN111126017A (zh) * | 2019-12-30 | 2020-05-08 | 福建天晴数码有限公司 | 答题卡生成系统 |
CN111428446A (zh) * | 2020-02-26 | 2020-07-17 | 佛山四面体科技有限公司 | 问卷生成方法、问卷识别方法及问卷识别系统 |
CN111428446B (zh) * | 2020-02-26 | 2023-09-01 | 佛山四面体科技有限公司 | 问卷识别方法及问卷识别系统 |
CN111814616A (zh) * | 2020-06-28 | 2020-10-23 | 枫烨(深圳)科技有限公司 | 一种无需答题卡的试卷自动阅卷处理系统及其实现方法 |
CN112182316A (zh) * | 2020-09-26 | 2021-01-05 | 深圳市快易典教育科技有限公司 | 一种卷面题目生成方法、电子装置及可读存储介质 |
CN113688201A (zh) * | 2021-08-06 | 2021-11-23 | 上海汉图科技有限公司 | 作业生成方法及服务端 |
CN113918609A (zh) * | 2021-10-12 | 2022-01-11 | 平安国际智慧城市科技股份有限公司 | 试卷创建方法、装置、计算机设备和存储介质 |
CN114973815A (zh) * | 2022-04-27 | 2022-08-30 | 龙诚教育科技(深圳)有限公司 | 一种用于在线教学对学生进行测试的系统、方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109344381A (zh) | 一种题卡合一试卷的生成和识别方法 | |
US11790641B2 (en) | Answer evaluation method, answer evaluation system, electronic device, and medium | |
CN108171297B (zh) | 一种答题卡识别方法 | |
CN104239850B (zh) | 基于图像综合特征的答题卡填涂信息自动识别方法 | |
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 | |
CN110956138B (zh) | 一种基于家教设备的辅助学习方法及家教设备 | |
CN104143094A (zh) | 一种无需答题卡的试卷自动阅卷处理方法及系统 | |
CN105590101A (zh) | 基于手机拍照的手写答题卡自动处理和阅卷方法及系统 | |
CN110659584A (zh) | 一种基于图像识别的智能留痕阅卷系统 | |
CN106033544A (zh) | 基于模板匹配的试卷内容区域提取方法 | |
CN109242856A (zh) | 一种纸质作业电子化批阅方法及装置 | |
CN102081742B (zh) | 一种书写能力的自动评价方法 | |
CN103186790A (zh) | 对象检测系统和方法 | |
CN109146740A (zh) | 一种基于智能阅卷的动态答题卷模板系统 | |
CN113360608B (zh) | 人机结合的中文作文批改系统和方法 | |
CN107067399A (zh) | 一种试卷图像分割处理方法 | |
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 | |
CN111915635A (zh) | 支持自阅卷的试题解析信息生成方法及系统 | |
CN109741273A (zh) | 一种手机拍照低质图像的自动处理与评分方法 | |
US20060045344A1 (en) | Handprint recognition test deck | |
CN107992867A (zh) | 用于手势指点翻译的方法、装置及电子设备 | |
Karunanayake | OMR sheet evaluation by web camera using template matching approach | |
CN114463770A (zh) | 一种用于普遍试卷题目的智能切题方法 | |
CN113095312A (zh) | 一种基于标识码采集试卷中手写答案区域的方法 |
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 |