CN110276335A - 一种移动端试卷采集方法及装置 - Google Patents
一种移动端试卷采集方法及装置 Download PDFInfo
- Publication number
- CN110276335A CN110276335A CN201910597652.0A CN201910597652A CN110276335A CN 110276335 A CN110276335 A CN 110276335A CN 201910597652 A CN201910597652 A CN 201910597652A CN 110276335 A CN110276335 A CN 110276335A
- Authority
- CN
- China
- Prior art keywords
- identified
- paper image
- paper
- locating piece
- rectangle
- 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
- 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
- G06V10/243—Aligning, centring, orientation detection or correction of the image by compensating for image skew or non-uniform image deformations
-
- 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
- G06V30/41—Analysis of document content
- G06V30/414—Extracting the geometrical structure, e.g. layout tree; Block segmentation, e.g. bounding boxes for graphics or text
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Multimedia (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Computer Graphics (AREA)
- Geometry (AREA)
- Artificial Intelligence (AREA)
- Image Analysis (AREA)
Abstract
本申请提供一种移动端试卷采集方法及装置,移动端试卷采集方法包括采集待识别试卷图像;当待识别试卷图像完整时,判断待识别试卷图像的倾斜角度是否小于预设倾斜阈值;当待识别试卷图像的倾斜角度小于预设倾斜阈值时,判断待识别试卷图像的清晰度是否达到预设清晰度阈值;当待识别试卷图像的清晰度达到预设清晰度阈值时,保存待识别试卷图像。采用本申请提供的移动端试卷采集方法及装置,可以在移动端上完成待识别试卷图像的采集,实现较为便捷。
Description
技术领域
本申请涉及图像处理领域,具体而言,涉及一种移动端试卷采集方法及装置。
背景技术
目前,在线阅卷的处理过程一般是将试卷收集至专业采集设备,再由专业采集设备将试卷的图像进行采集和上传处理,以供改卷人员在线批阅。然而,用于采集试卷的专业采集设备体积一般较大且位置固定,用户只能将试卷收集至固定地点进行试卷图像的采集,这对用户造成了一定的不便。
有鉴于此,如何提供一种实现较为便捷的试卷图像采集方案,是目前需要解决的问题。
发明内容
本申请提供一种移动端试卷采集方法及装置。
第一方面,本申请提供一种移动端试卷采集方法,所述方法包括:
采集待识别试卷图像;
当所述待识别试卷图像完整时,判断所述待识别试卷图像的倾斜角度是否小于预设倾斜阈值;
当所述待识别试卷图像的倾斜角度小于预设倾斜阈值时,判断所述待识别试卷图像的清晰度是否达到预设清晰度阈值;
当所述待识别试卷图像的清晰度达到预设清晰度阈值时,保存所述待识别试卷图像。
可选地,所述待识别试卷图像中包括定位块,所述定位块的轮廓为矩形,所述方法还包括判断所述待识别试卷图像是否完整的步骤,该步骤包括:
在预设区域范围内进行轮廓识别,获取所述预设区域范围内的多边形轮廓;
计算所述多边形轮廓各两两相邻两边夹角的余弦值,并获取所述多边形轮廓的最大余弦值;
判断所述最大余弦值是否小于预设余弦阈值,若小于,则判定所述多边形轮廓为矩形;
若不小于,则删除所述多边形轮廓;
当判定所述多边形轮廓为矩形时,根据预设条件,获得符合所述预设条件的矩形的数量;
根据符合所述预设条件的矩形的数量与所述定位块的数量,判断所述待识别试卷图像是否完整其中,当符合所述预设条件的矩形的数量低于所述定位块的数量时,则判定所述待识别试卷图像不完整;当符合所述预设条件的矩形的数量与所述定位块的数量相等时,则判定所述待识别试卷图像完整。
可选地,所述待识别试卷图像中至少包括两个所述定位块,当所述待识别试卷图像完整时,所述判断所述待识别试卷图像的倾斜角度是否小于预设倾斜阈值,包括:
获取所述定位块在预先设置于所述待识别试卷图像中的绝对坐标系中的坐标;
根据所述定位块在所述绝对坐标系中的坐标计算获得所述待识别试卷图像的倾斜角度,并判断所述待识别试卷图像的倾斜角度是否小于预设倾斜阈值。
可选地,当所述待识别试卷图像的倾斜角度大于预设倾斜阈值时,所述方法还包括:
根据预设算法,计算得到所述待识别试卷图像与目标试卷图像之间的单映射变换矩阵;
根据所述单映射变换矩阵,对所述待识别试卷图像进行校正。
可选地,所述待识别试卷图像中包括主观题和客观题,所述方法还包括对所述待识别试卷图像进行内容识别的步骤,该步骤包括:
将所述待识别试卷图像上传至服务器;
接收并识别所述服务器根据预设的表格线获取的所述待识别试卷图像中主观题所在区域的内容;
接收并识别所述服务器根据预设黑色素比例获取的在所述待识别试卷图像中客观题所在区域获取的内容。
第二方面,本申请一种移动端试卷采集装置,所述装置包括:
采集模块,用于采集待识别试卷图像;
判断模块,用于当所述待识别试卷图像完整时,判断所述待识别试卷图像的倾斜角度是否小于预设倾斜阈值;
当所述待识别试卷图像的倾斜角度小于预设倾斜阈值时,判断所述待识别试卷图像的清晰度是否达到预设清晰度阈值;
保存模块,用于当所述待识别试卷图像的清晰度达到预设清晰度阈值时,保存所述待识别试卷图像。
可选地,所述待识别试卷图像中包括定位块,所述定位块的轮廓为矩形,所述装置还包括:
获取模块,用于在预设区域范围内进行轮廓识别,获取所述预设区域范围内的多边形轮廓;计算所述多边形轮廓各两两相邻两边夹角的余弦值,并获取所述多边形轮廓的最大余弦值;判断所述最大余弦值是否小于预设余弦阈值,若小于,则判定所述多边形轮廓为矩形;若不小于,则删除所述多边形轮廓;当判定所述多边形轮廓为矩形时,根据预设条件,获得符合所述预设条件的矩形的数量;根据符合所述预设条件的矩形的数量与所述定位块的数量,判断所述待识别试卷图像是否完整,其中,当符合所述预设条件的矩形的数量低于所述定位块的数量时,则判定所述待识别试卷图像不完整;当符合所述预设条件的矩形的数量与所述定位块的数量相等时,则判定所述待识别试卷图像完整。
可选地,所述待识别试卷图像中至少包括两个所述定位块,所述判断模块用于:
获取所述定位块在预先设置于所述待识别试卷图像中的绝对坐标系中的坐标;
根据所述定位块在所述绝对坐标系中的坐标计算获得所述待识别试卷图像的倾斜角度,并判断所述待识别试卷图像的倾斜角度是否小于预设倾斜阈值。
可选地,所述装置还包括:
校正模块,用于当所述待识别试卷图像的倾斜角度大于预设倾斜阈值时,根据预设算法,计算得到所述待识别试卷图像与目标试卷图像之间的单映射变换矩阵;
根据所述单映射变换矩阵,对所述待识别试卷图像进行校正。
可选地,所述待识别试卷图像中包括主观题和客观题,所述装置还包括:
识别模块,用于将所述待识别试卷图像上传至服务器;
接收并识别所述服务器根据预设的表格线获取的所述待识别试卷图像中主观题所在区域的内容;
接收并识别所述服务器根据预设黑色素比例获取的在所述待识别试卷图像中客观题所在区域获取的内容。
本申请提供一种移动端试卷采集方法及装置,移动端试卷采集方法包括:采集待识别试卷图像,当待识别试卷图像完整时,判断待识别试卷图像的倾斜角度是否小于预设倾斜阈值,当待识别试卷图像的倾斜角度小于预设倾斜阈值时,判断待识别试卷图像的清晰度是否达到预设清晰度阈值,当待识别试卷图像的清晰度达到预设清晰度阈值时,保存待识别试卷图像。采用本申请提供的移动端试卷采集方法及装置,能够在移动端上对待识别试卷图像进行采集,为用户提供了一种便捷的待识别试卷图像采集方案。
附图说明
为了更清楚地说明本申请实施例的技术方案,下面将对实施例中所需要使用的附图作简单地介绍。应当理解,以下附图仅示出了本申请的某些实施例,因此不应被看作是对范围的限定。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相关的附图。
图1为本申请实施例提供的移动端的结构框图;
图2为本申请实施例提供的移动端试卷采集方法的步骤流程示意框图;
图3为本申请实施例提供的移动端试卷采集方法的另一步骤流程示意框图;
图4为图1中步骤S202的子步骤流程示意框图;
图5为本申请实施例提供的移动端试卷采集方法的另一步骤流程示意框图;
图6为本申请实施例提供的移动端试卷采集装置的结构示意框图。
图标:100-移动端;110-移动端试卷采集装置;1101-采集模块;1102-判断模块;1103-保存模块;1104-获取模块;1105-校正模块;1106-识别模块;111-存储器;112-处理器;113-通信单元。
具体实施方式
为使本申请实施例的目的、技术方案和优点更加清楚,下面将结合本申请实施例中的附图,对本申请实施例中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申请一部分实施例,而不是全部的实施例。通常在此处附图中描述和示出的本申请实施例的组件可以以各种不同的配置来布置和设计。
因此,以下对在附图中提供的本申请的实施例的详细描述并非旨在限制要求保护的本申请的范围,而是仅仅表示本申请的选定实施例。基于本申请中的实施例,本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例,都属于本申请保护的范围。
应注意到:相似的标号和字母在下面的附图中表示类似项,因此,一旦某一项在一个附图中被定义,则在随后的附图中不需要对其进行进一步定义和解释。
下面结合附图,对本申请的具体实施方式进行详细说明。
请参照图1,图1为本申请实施例提供的移动端100的结构框图。所述移动端100包括移动端试卷采集装置110、存储器111、处理器112及通信单元113。
所述存储器111、处理器112以及通信单元113各元件相互之间直接或间接地电性连接,以实现数据的传输或交互。例如,这些元件相互之间可通过一条或多条通讯总线或信号线实现电性连接。所述移动端试卷采集装置110包括至少一个可以软件或固件(firmware)的形式存储于所述存储器111中或固化在所述移动端100的操作系统(operating system,OS)中的软件功能模块。所述处理器112用于执行所述存储器111中存储的可执行模块,例如所述移动端试卷采集装置110所包括的软件功能模块及计算机程序等。
其中,所述存储器111可以是,但不限于,随机存取存储器(Random AccessMemory,RAM),只读存储器(Read Only Memory,ROM),可编程只读存储器(ProgrammableRead-Only Memory,PROM),可擦除只读存储器(Erasable Programmable Read-OnlyMemory,EPROM),电可擦除只读存储器(Electric Erasable Programmable Read-OnlyMemory,EEPROM)等。其中,存储器111用于存储程序或者数据。
请参照图2,图2为本申请实施例提供的移动端试卷采集方法的步骤流程示意框图。移动端试卷采集方法包括步骤S201至步骤S204。
步骤S201,采集待识别试卷图像。
在本实施例中,用于采集待识别试卷图像的移动端可以是安卓移动端,安卓移动端可以包括摄像头,用于采集待识别试卷图像,应当理解的是,对于不同的安卓移动端,摄像头可以进行定制和兼容。摄像头拍摄的待识别试卷图像可以是连续拍摄的多张图案,也可以是摄像头录制的一段录像中的每一帧对应的图案。
步骤S202,当所述待识别试卷图像完整时,判断所述待识别试卷图像的倾斜角度是否小于预设倾斜阈值。
步骤S203,当所述待识别试卷图像的倾斜角度小于预设倾斜阈值时,判断所述待识别试卷图像的清晰度是否达到预设清晰度阈值。
步骤S204,当所述待识别试卷图像的清晰度达到预设清晰度阈值时,保存所述待识别试卷图像。
在本实施例中,可以采用空域清晰度方法中的拉普拉斯算子对待识别试卷图像的清晰度进行判定。
请参照图3,图3为本申请实施例提供的移动端试卷采集方法的另一步骤流程示意框图,所述待识别试卷图像中包括定位块,所述定位块的轮廓为矩形,所述移动端试卷采集方法还包括判断所述待识别试卷图像是否完整的步骤,该步骤包括步骤S205至步骤S213。
步骤S205,在预设区域范围内进行轮廓识别,获取所述预设区域范围内的多边形轮廓。
在本实施例中,可以在采集待识别试卷图像后对采集的待识别试卷图像进行完整性的检测。可以先对预设区域范围内进行轮廓识别,应当理解的是,定位块设定的位置在试卷上是可以固定,因此直接在预设区域范围(即定位块所在的范围)进行轮廓检测,相比于在整个待识别试卷图像中进行轮廓识别,能够节省大量时间。
步骤S206,计算所述多边形轮廓各两两相邻两边夹角的余弦值,并获取所述多边形轮廓的最大余弦值。
步骤S207,判断所述最大余弦值是否小于预设余弦阈值,若小于,则执行步骤S208。
步骤S208,判定所述多边形轮廓为矩形。
若不小于,则执行步骤S209。
步骤S209,删除所述多边形轮廓。
当判定所述多边形轮廓为矩形时,执行步骤S210。
在本实施例中,定位块的轮廓形状可以为矩形,因此可以通过判断轮廓形状是否为矩形来确认定位块的数量。由于矩形是凸边形,且具备顶角,可以先排除一部分其他轮廓,获取剩余多边形轮廓。可以根据多边形轮廓中两两相邻的两条边的夹角的余弦值进行进一步判断,预设余弦阈值可以是0.3,当多边形轮廓中两两相邻的两条边的余弦值都小于0.3.时,可以认为该轮廓为矩形,当多边形轮廓中两两相邻的两条边的余弦值中有不小于0.3的余弦值时,此时可以认为该多边形至少有一个角不是直角(即不是矩形),可以将其删除。在其他实施例中,定位块的轮廓形状也可以是其他形状,例如三角形。判定定位块的方式也可以是其他方式,例如,获取的轮廓各边的边长。设定的余弦阈值也可以是其他值,例如,0.1。
步骤S210,根据预设条件,获得符合所述预设条件的矩形的数量。
步骤S211,根据符合所述预设条件的矩形的数量与所述定位块的数量,判断所述待识别试卷图像是否完整,其中,当符合所述预设条件的矩形的数量低于所述定位块的数量时,则执行步骤S212,判定所述待识别试卷图像不完整。当符合所述预设条件的矩形的数量与所述定位块的数量相等时,则执行步骤S213,判定所述待识别试卷图像完整。
在本实施例中,可以根据获取的矩形的数量与定位块的数量判断待识别试卷图像是否完整,若获取的矩形数量小于定位块的数量,可以认为待识别试卷图像并没有被摄像头采集完全,需要重新进行采集。
请参照图4,图4为图1中步骤S202的子步骤流程示意框图。在本实施例中,所述待识别试卷图像中至少包括两个所述定位块,步骤S202可以包括子步骤S2021和子步骤S2022。
子步骤S2021,获取所述定位块在预先设置于所述待识别试卷图像中的绝对坐标系中的坐标。
子步骤S2022,根据所述定位块在所述绝对坐标系中的坐标计算获得所述待识别试卷图像的倾斜角度,并判断所述待识别试卷图像的倾斜角度是否小于预设倾斜阈值。
在本实施例中,可以在待识别试卷图像中预先设置绝对坐标系,设置的方式可以是以摄像头获取的画面中心为原点建立坐标系。可以通过定位块在该绝对坐标中的位置确定偏离角度。例如,在预设的绝对坐标系中,若定位块恰好在规定位置,定位块与原点确定的直线和坐标系中的横轴确定的夹角为45°。此时若定位块的位置与原点确定的直线与坐标系中的横轴确定的夹角为65°,则可以认定待识别试卷图像倾斜了20°。在本实施例中,预设倾斜阈值可以是30°,可以认为当待识别试卷图像倾斜角度超过30°时,无法进行下一步的识别,需要人工将待识别试卷摆正后重新进行采集。
请参照图5,图5为本申请实施例提供的移动端试卷采集方法的另一步骤流程示意框图。在本实施例中,当所述待识别试卷图像的倾斜角度大于预设倾斜阈值时,所述方法还包括步骤S214和步骤S215。
步骤S214,根据预设算法,计算得到所述待识别试卷图像与目标试卷图像之间的单映射变换矩阵。
步骤S215,根据所述单映射变换矩阵,对所述待识别试卷图像进行校正。
在本实施例中,当待识别试卷图像的倾斜角度超过预设倾斜阈值时,也可以通过预设算法对其进行校正。例如,可以基于尺度不变特征变换(Scale-invariant featuretransform,简称SIFT)算法得到匹配点的基础上,基于Random Sample Consensus的鲁棒算法,计算目标试卷图像和待识别试卷图像之间的单映射变换矩阵,然后利用单映射变换矩阵透视变换待识别试卷图像,得到校正后的待识别试卷图像。
进一步地,在本实施例中,所述待识别试卷图像中包括主观题和客观题,所述方法还包括对所述待识别试卷图像进行内容识别的步骤,该步骤包括步骤S2041至步骤S2043。
步骤S2041,将所述待识别试卷图像上传至服务器。
步骤S2042,接收并识别所述服务器根据预设的表格线获取的所述待识别试卷图像中主观题所在区域的内容。
步骤S2043,接收并识别所述服务器根据预设黑色素比例获取的在所述待识别试卷图像中客观题所在区域获取的内容。
在本实施例中,可以将采集的待识别试卷图像上传至服务器进行进一步地的处理。主观题部分可以由检测预设的表格线,主观题中的内容没有特定的判定标准,因此需要将表格线内的内容(即学生书写的主观题内容)获取后发给移动端,以供阅卷人员查阅批改。客观题部分由于一般是采取涂答题卡的形式,因此可以在客观题所述区域根据黑色素比例(选中选项被涂黑,因此黑色素比例最高)进行获取。
请参照图6,图6为本申请实施例提供的移动端试卷采集装置110的结构示意框图。移动端试卷采集装置110包括:
采集模块1101,用于采集待识别试卷图像。
判断模块1102,用于当所述待识别试卷图像完整时,判断所述待识别试卷图像的倾斜角度是否小于预设倾斜阈值。
当所述待识别试卷图像的倾斜角度小于预设倾斜阈值时,判断所述待识别试卷图像的清晰度是否达到预设清晰度阈值。
保存模块1103,用于当所述待识别试卷图像的清晰度达到预设清晰度阈值时,保存所述待识别试卷图像。
进一步地,所述待识别试卷图像中包括定位块,所述定位块的轮廓为矩形,所述装置还包括:
获取模块1104,用于在预设区域范围内进行轮廓识别,获取所述预设区域范围内的多边形轮廓;计算所述多边形轮廓各两两相邻两边夹角的余弦值,并获取所述多边形轮廓的最大余弦值;判断所述最大余弦值是否小于预设余弦阈值,若小于,则判定所述多边形轮廓为矩形;若不小于,则删除所述多边形轮廓;当判定所述多边形轮廓为矩形时,根据预设条件,获得符合所述预设条件的矩形的数量;根据符合所述预设条件的矩形的数量与所述定位块的数量,判断所述待识别试卷图像是否完整,其中,当符合所述预设条件的矩形的数量低于所述定位块的数量时,则判定所述待识别试卷图像不完整;当符合所述预设条件的矩形的数量与所述定位块的数量相等时,则判定所述待识别试卷图像完整。
进一步地,所述待识别试卷图像中至少包括两个所述定位块,所述判断模块1102用于:
获取所述定位块在预先设置于所述待识别试卷图像中的绝对坐标系中的坐标;
根据所述定位块在所述绝对坐标系中的坐标计算获得所述待识别试卷图像的倾斜角度,并判断所述待识别试卷图像的倾斜角度是否小于预设倾斜阈值。
进一步地,所述装置还包括:
校正模块1105,用于当所述待识别试卷图像的倾斜角度大于预设倾斜阈值时,根据预设算法,计算得到所述待识别试卷图像与目标试卷图像之间的单映射变换矩阵;
根据所述单映射变换矩阵,对所述待识别试卷图像进行校正。
进一步地,所述待识别试卷图像中包括主观题和客观题,所述装置还包括:
识别模块1106,用于将所述待识别试卷图像上传至服务器。
接收并识别所述服务器根据预设的表格线获取的所述待识别试卷图像中主观题所在区域的内容;
接收并识别所述服务器根据预设黑色素比例获取的在所述待识别试卷图像中客观题所在区域获取的内容。
在本实施例中,移动端试卷采集装置110的实现原理请参照前述移动端试卷采集方法的实现原理,在此不再赘述。
综上所述,采用本申请提供的移动端试卷采集方法及装置,能使较为便捷的实现在移动端上采集待识别试卷图像,提高了用户的工作效率。
以上所述仅为本申请的优选实施例而已,并不用于限制本申请,对于本领域的技术人员来说,本申请可以有各种更改和变化。凡在本申请的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本申请的保护范围之内。
Claims (10)
1.一种移动端试卷采集方法,其特征在于,所述方法包括:
采集待识别试卷图像;
当所述待识别试卷图像完整时,判断所述待识别试卷图像的倾斜角度是否小于预设倾斜阈值;
当所述待识别试卷图像的倾斜角度小于所述预设倾斜阈值时,判断所述待识别试卷图像的清晰度是否达到预设清晰度阈值;
当所述待识别试卷图像的清晰度达到所述预设清晰度阈值时,保存所述待识别试卷图像。
2.根据权利要求1所述的方法,其特征在于,所述待识别试卷图像中包括定位块,所述定位块的轮廓为矩形,所述方法还包括判断所述待识别试卷图像是否完整的步骤,该步骤包括:
在预设区域范围内进行轮廓识别,获取所述预设区域范围内的多边形轮廓;
计算所述多边形轮廓各两两相邻两边夹角的余弦值,并获取所述多边形轮廓的最大余弦值;
判断所述最大余弦值是否小于预设余弦阈值,若小于,则判定所述多边形轮廓为矩形;
若不小于,则删除所述多边形轮廓;
当判定所述多边形轮廓为矩形时,根据预设条件,获得符合所述预设条件的矩形的数量;
根据符合所述预设条件的矩形的数量与所述定位块的数量,判断所述待识别试卷图像是否完整,其中,当符合所述预设条件的矩形的数量低于所述定位块的数量时,则判定所述待识别试卷图像不完整;当符合所述预设条件的矩形的数量与所述定位块的数量相等时,则判定所述待识别试卷图像完整。
3.根据权利要求2所述的方法,其特征在于,所述待识别试卷图像中至少包括两个所述定位块,当所述待识别试卷图像完整时,所述判断所述待识别试卷图像的倾斜角度是否小于预设倾斜阈值,包括:
获取所述定位块在预先设置于所述待识别试卷图像中的绝对坐标系中的坐标;
根据所述定位块在所述绝对坐标系中的坐标计算获得所述待识别试卷图像的倾斜角度,并判断所述待识别试卷图像的倾斜角度是否小于预设倾斜阈值。
4.根据权利要求1中所述的方法,其特征在于,当所述待识别试卷图像的倾斜角度大于预设倾斜阈值时,所述方法还包括:
根据预设算法,计算得到所述待识别试卷图像与目标试卷图像之间的单映射变换矩阵;
根据所述单映射变换矩阵,对所述待识别试卷图像进行校正。
5.根据权利要求1所述的方法,其特征在于,所述待识别试卷图像中包括主观题和客观题,所述方法还包括对所述待识别试卷图像进行内容识别的步骤,该步骤包括:
将所述待识别试卷图像上传至服务器;
接收并识别所述服务器根据预设的表格线获取的所述待识别试卷图像中主观题所在区域的内容;
接收并识别所述服务器根据预设黑色素比例获取的在所述待识别试卷图像中客观题所在区域获取的内容。
6.一种移动端试卷采集装置,其特征在于,所述装置包括:
采集模块,用于采集待识别试卷图像;
判断模块,用于当所述待识别试卷图像完整时,判断所述待识别试卷图像的倾斜角度是否小于预设倾斜阈值;
当所述待识别试卷图像的倾斜角度小于预设倾斜阈值时,判断所述待识别试卷图像的清晰度是否达到预设清晰度阈值;
保存模块,用于当所述待识别试卷图像的清晰度达到预设清晰度阈值时,保存所述待识别试卷图像。
7.根据权利要求6所述的装置,其特征在于,所述待识别试卷图像中包括定位块,所述定位块的轮廓为矩形,所述装置还包括:
获取模块,用于在预设区域范围内进行轮廓识别,获取所述预设区域范围内的多边形轮廓;计算所述多边形轮廓各两两相邻两边夹角的余弦值,并获取所述多边形轮廓的最大余弦值;判断所述最大余弦值是否小于预设余弦阈值,若小于,则判定所述多边形轮廓为矩形;若不小于,则删除所述多边形轮廓;当判定所述多边形轮廓为矩形时,根据预设条件,获得符合所述预设条件的矩形的数量;根据符合所述预设条件的矩形的数量与所述定位块的数量,判断所述待识别试卷图像是否完整,其中,当符合所述预设条件的矩形的数量低于所述定位块的数量时,则判定所述待识别试卷图像不完整;当符合所述预设条件的矩形的数量与所述定位块的数量相等时,则判定所述待识别试卷图像完整。
8.根据权利要求7所述的装置,其特征在于,所述待识别试卷图像中至少包括两个所述定位块,所述判断模块用于:
获取所述定位块在预先设置于所述待识别试卷图像中的绝对坐标系中的坐标;
根据所述定位块在所述绝对坐标系中的坐标计算获得所述待识别试卷图像的倾斜角度,并判断所述待识别试卷图像的倾斜角度是否小于预设倾斜阈值。
9.根据权利要求6中所述的装置,其特征在于,所述装置还包括:
校正模块,用于当所述待识别试卷图像的倾斜角度大于预设倾斜阈值时,根据预设算法,计算得到所述待识别试卷图像与目标试卷图像之间的单映射变换矩阵;
根据所述单映射变换矩阵,对所述待识别试卷图像进行校正。
10.根据权利要求6所述的装置,其特征在于,所述待识别试卷图像中包括主观题和客观题,所述装置还包括:
识别模块,用于将所述待识别试卷图像上传至服务器;
接收并识别所述服务器根据预设的表格线获取的所述待识别试卷图像中主观题所在区域的内容;
接收并识别所述服务器根据预设黑色素比例获取的在所述待识别试卷图像中客观题所在区域获取的内容。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910597652.0A CN110276335A (zh) | 2019-07-04 | 2019-07-04 | 一种移动端试卷采集方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910597652.0A CN110276335A (zh) | 2019-07-04 | 2019-07-04 | 一种移动端试卷采集方法及装置 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN110276335A true CN110276335A (zh) | 2019-09-24 |
Family
ID=67963936
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910597652.0A Pending CN110276335A (zh) | 2019-07-04 | 2019-07-04 | 一种移动端试卷采集方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110276335A (zh) |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112351199A (zh) * | 2020-09-30 | 2021-02-09 | 深圳点猫科技有限公司 | 一种试卷图像采集方法、装置及设备 |
CN112700407A (zh) * | 2020-12-14 | 2021-04-23 | 贝壳技术有限公司 | 一种确定图像清晰度的方法、装置和存储介质 |
CN112752017A (zh) * | 2020-06-23 | 2021-05-04 | 长沙中天电子设计开发有限公司 | 拍照答题器的答题方法、拍照方法、拍照答题器及系统 |
CN114938425A (zh) * | 2021-06-15 | 2022-08-23 | 义隆电子股份有限公司 | 摄影装置及其使用人工智能的物件识别方法 |
Citations (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101315668A (zh) * | 2008-07-01 | 2008-12-03 | 上海大学 | 试卷卷面表格自动检测方法 |
CN101334814A (zh) * | 2008-04-28 | 2008-12-31 | 华北电力大学 | 一种自动化的扫描阅卷系统及阅卷方法 |
CN102169541A (zh) * | 2011-04-02 | 2011-08-31 | 郝震龙 | 一种采用光学定位的字符识别输入系统及其方法 |
CN102760225A (zh) * | 2011-04-29 | 2012-10-31 | 贵州师范大学 | 一种基于矩形包围框的试卷客观题答题卡定位方法 |
CN107147786A (zh) * | 2017-05-05 | 2017-09-08 | 广东小天才科技有限公司 | 智能终端的图像采集控制方法及装置 |
CN107705000A (zh) * | 2017-09-18 | 2018-02-16 | 平安科技(深圳)有限公司 | 扫描设备的选取方法、装置、存储介质和计算机设备 |
CN108038459A (zh) * | 2017-12-20 | 2018-05-15 | 深圳先进技术研究院 | 一种水下生物的检测识别方法、终端设备及存储介质 |
CN108108644A (zh) * | 2017-12-27 | 2018-06-01 | 山东大学 | 一种基于rfid技术的试卷信息管理系统及其工作方法 |
CN207662408U (zh) * | 2017-12-27 | 2018-07-27 | 深圳市英联土地房地产估价顾问有限公司 | 房屋方正测量仪 |
CN108665386A (zh) * | 2017-03-28 | 2018-10-16 | 江苏第二师范学院 | 基于移动平台和图像处理的主观评分考试系统和方法 |
CN109344381A (zh) * | 2018-09-29 | 2019-02-15 | 山东九点连线信息技术有限公司 | 一种题卡合一试卷的生成和识别方法 |
CN109409374A (zh) * | 2018-10-11 | 2019-03-01 | 东莞市七宝树教育科技有限公司 | 一种基于联合的同批次试卷答案区域切割方法 |
-
2019
- 2019-07-04 CN CN201910597652.0A patent/CN110276335A/zh active Pending
Patent Citations (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101334814A (zh) * | 2008-04-28 | 2008-12-31 | 华北电力大学 | 一种自动化的扫描阅卷系统及阅卷方法 |
CN101315668A (zh) * | 2008-07-01 | 2008-12-03 | 上海大学 | 试卷卷面表格自动检测方法 |
CN102169541A (zh) * | 2011-04-02 | 2011-08-31 | 郝震龙 | 一种采用光学定位的字符识别输入系统及其方法 |
CN102760225A (zh) * | 2011-04-29 | 2012-10-31 | 贵州师范大学 | 一种基于矩形包围框的试卷客观题答题卡定位方法 |
CN108665386A (zh) * | 2017-03-28 | 2018-10-16 | 江苏第二师范学院 | 基于移动平台和图像处理的主观评分考试系统和方法 |
CN107147786A (zh) * | 2017-05-05 | 2017-09-08 | 广东小天才科技有限公司 | 智能终端的图像采集控制方法及装置 |
CN107705000A (zh) * | 2017-09-18 | 2018-02-16 | 平安科技(深圳)有限公司 | 扫描设备的选取方法、装置、存储介质和计算机设备 |
CN108038459A (zh) * | 2017-12-20 | 2018-05-15 | 深圳先进技术研究院 | 一种水下生物的检测识别方法、终端设备及存储介质 |
CN108108644A (zh) * | 2017-12-27 | 2018-06-01 | 山东大学 | 一种基于rfid技术的试卷信息管理系统及其工作方法 |
CN207662408U (zh) * | 2017-12-27 | 2018-07-27 | 深圳市英联土地房地产估价顾问有限公司 | 房屋方正测量仪 |
CN109344381A (zh) * | 2018-09-29 | 2019-02-15 | 山东九点连线信息技术有限公司 | 一种题卡合一试卷的生成和识别方法 |
CN109409374A (zh) * | 2018-10-11 | 2019-03-01 | 东莞市七宝树教育科技有限公司 | 一种基于联合的同批次试卷答案区域切割方法 |
Non-Patent Citations (2)
Title |
---|
蒋刚等: "《工业机器人》", 31 January 2011 * |
袁鹏: "基于图像处理的答题卡自动阅卷系统的设计与实现", 《中国优秀硕士学位论文全文数据库信息科技辑》 * |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112752017A (zh) * | 2020-06-23 | 2021-05-04 | 长沙中天电子设计开发有限公司 | 拍照答题器的答题方法、拍照方法、拍照答题器及系统 |
CN112351199A (zh) * | 2020-09-30 | 2021-02-09 | 深圳点猫科技有限公司 | 一种试卷图像采集方法、装置及设备 |
CN112700407A (zh) * | 2020-12-14 | 2021-04-23 | 贝壳技术有限公司 | 一种确定图像清晰度的方法、装置和存储介质 |
CN114938425A (zh) * | 2021-06-15 | 2022-08-23 | 义隆电子股份有限公司 | 摄影装置及其使用人工智能的物件识别方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110276335A (zh) | 一种移动端试卷采集方法及装置 | |
JP6871416B2 (ja) | 顔画像品質を決定する方法および装置、電子機器ならびにコンピュータ記憶媒体 | |
CN110147744B (zh) | 一种人脸图像质量评估方法、装置及终端 | |
CN108038875B (zh) | 一种肺部超声图像识别方法和装置 | |
CN110136069B (zh) | 文本图像矫正方法、装置与电子设备 | |
CN112991178B (zh) | 图像拼接方法、装置、设备和介质 | |
CN110000783A (zh) | 机器人的视觉抓取方法和装置 | |
CN105243662B (zh) | 一种端子位置的确定方法及终端设备 | |
CN107527019B (zh) | 解锁控制方法及相关产品 | |
CN112085753A (zh) | 基于图像处理的水位监测方法、设备、介质及监测系统 | |
CN110660072A (zh) | 一种直线边缘的识别方法、装置、存储介质及电子设备 | |
CN108154063A (zh) | 一种载板上产品标识信息的位置识别方法及系统、设备 | |
CN109493334A (zh) | 测量脊柱弯曲的方法及装置 | |
CN107291238B (zh) | 一种数据处理方法与装置 | |
CN112747734B (zh) | 环境地图方向调整方法、系统及装置 | |
CN110458857A (zh) | 中心对称图元检测方法、装置、电子设备及可读存储介质 | |
CN111507925B (zh) | 修图处理方法、装置、设备和存储介质 | |
CN113792587A (zh) | 一种获取及识别图像的方法、装置、存储介质及电子设备 | |
CN110751105B (zh) | 一种手指图像采集方法、装置及存储介质 | |
CN115550190A (zh) | 网络拓扑图的确定方法、装置、设备及存储介质 | |
CN111521124B (zh) | 基于影像无人机的铁塔形变检测的方法和系统 | |
CN116258878A (zh) | 天线检测方法、装置、电子设备及计算机可读介质 | |
CN114187281A (zh) | 一种图像处理方法、装置、电子设备和存储介质 | |
CN108564583B (zh) | 样地监测方法、装置及系统 | |
CN118131820A (zh) | 云台机转动过程的自动检测方法和系统 |
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: 20190924 |