CN110321837B - 一种试题得分的识别方法、装置、终端及存储介质 - Google Patents

Abstract

本发明实施例公开了一种试题得分的识别方法、装置、终端及存储介质。该方法包括：获取试题的目标图像，提取目标图像中存在批改痕迹的像素，并将存在批改痕迹的像素作为目标像素；识别目标图像中的得分选择区域，并根据得分选择区域确定各个得分选择子区域；其中，得分选择区域由至少两个得分选择子区域构成，每个得分选择子区域对应有各自的预设得分；根据得分选择子区域中目标像素的特征信息，识别试题得分；其中，特征信息包括目标像素的数量和/或由目标像素构成的形状。本发明实施例的技术方案，可以避免因识别手写得分而出现的识别率低以及因依赖于黑色定位块而出现的抗干扰性差的问题，有效提高了试题得分识别的准确性和抗干扰性。

Description

一种试题得分的识别方法、装置、终端及存储介质

技术领域

本发明实施例涉及图像处理技术领域，尤其涉及一种试题得分的识别方法、装置、终端及存储介质。

背景技术

伴随着计算机网络技术、高速扫描技术和图文影像技术的发展，传统的教师手工阅卷模式逐渐转变为自动化阅卷模式，该转变有效推进了学校教学信息化的发展，减轻了教师批改试卷的压力。

现有的自动化阅卷模式多是教师先批改主观题的对错并手写得分，再基于自动化阅卷系统扫描识别主观题的得分、客观题的对错，进而自动得出客观题的得分、试卷的总得分和各位学生的排名等。需要说明的是，该自动化阅卷模式对纸张质量、印刷条件和字迹规范都要较高要求。

在我国的常态化考试模式下，为了密切关注教师的教学质量和学生的学习进度，学校需要频繁地进行检测，比如周考、月考、期末考试等。然而，大多数学校无法保证常年使用昂贵纸张和高质量印制，以及，每名教师的手写得分的规范性，这些情况都将直接影响主观题的得分的识别难度和准确率。

发明内容

本发明实施例提供了一种题目得分的识别方法、装置、终端及存储介质，以提高试题得分识别的准确性和抗干扰性。

第一方面，本发明实施例提供了一种试题得分的识别方法，可以包括：

获取试题的目标图像，提取目标图像中存在批改痕迹的像素，并将存在批改痕迹的像素作为目标像素；

识别目标图像中的得分选择区域，并根据得分选择区域确定各个得分选择子区域；其中，得分选择区域由至少两个得分选择子区域构成，每个得分选择子区域对应有各自的预设得分；

根据得分选择子区域中目标像素的特征信息，识别试题得分；其中，特征信息包括目标像素的数量和/或由目标像素构成的形状。

可选的，识别目标图像中的得分选择区域，可以包括：

基于预设步长搜索目标图像，得到得分选择区域的区域范围，区域范围包括得分选择区域，预设步长包括固定步长和变化步长；

根据区域范围内的各个像素构成的形状，确定得分选择区域。

可选的，基于预设步长搜索目标图像，得到得分选择区域的区域范围，可以包括：

得到目标图像的二值图像，并将二值图像分割为多个预设区域；其中，二值图像由背景像素和字迹像素构成；

从多个预设区域中选取当前区域，如果在当前区域中存在字迹像素，基于小步长搜索当前区域；否则，基于大步长搜索当前区域；

如果当前区域中的每个像素搜索完毕，按照预设搜索方向将下一个待搜索的预设区域更新为当前区域，重复执行如果在当前区域中存在字迹像素的步骤，直至每个预设区域搜索完毕，根据搜索结果得到得分选择区域的区域范围。

可选的，根据区域范围内的各个像素构成的形状，确定得分选择区域，可以包括：

根据区域范围内的各个像素构成的各条直线的长度和间距，确定得分选择区域。

可选的，根据区域范围内的各个像素构成的各条直线的长度和间距，确定得分选择区域，可以包括：

如果得分选择区域包括至少两条长直线和至少三条等间距的短直线，根据区域范围内的各个像素构成的各条直线的长度和间距，得到至少两条长直线和至少三条等间距的短直线；

分别获取长直线和间距最远的两条短直线的延长线，并根据由各条延长线构成的区域边界线，确定得分选择区域。

可选的，根据得分选择子区域中目标像素的特征信息，识别试题得分，可以包括：

计算得分选择子区域中目标像素的目标数量，确定满足预设数量阈值的目标数量对应的得分选择子区域，并将得分选择子区域对应的预设得分作为试题得分。

可选的，每个得分选择子区域对应有各自的预设得分，可以包括：

如果每道试题对应有各自的得分选择区域，根据每道试题的满分得分设置每个得分选择子区域中的预设得分。

第二方面，本发明实施例还提供了一种试题得分的识别装置，该装置可以包括：

目标像素提取模块，用于获取试题的目标图像，提取目标图像中存在批改痕迹的像素，并将存在批改痕迹的像素作为目标像素；

得分选择子区域确定模块，用于识别目标图像中的得分选择区域，并根据得分选择区域确定各个得分选择子区域；其中，得分选择区域由至少两个得分选择子区域构成，每个得分选择子区域对应有各自的预设得分；

试题得分识别模块，用于根据得分选择子区域中目标像素的特征信息，识别试题得分；其中，特征信息包括目标像素的数量和/或由目标像素构成的形状。

第三方面，本发明实施例还提供了一种终端，该终端可以包括：

一个或多个处理器；

存储器，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任意实施例所提供的试题得分的识别方法。

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任意实施例所提供的试题得分的识别方法。

本发明实施例的技术方案，通过提取目标图像中存在批改痕迹的目标像素，并根据该目标图像中得分选择区域自身的基本特征识别出各个得分选择子区域，由此确定出哪个得分选择子区域中存在目标像素；进而，根据该得分选择子区域中目标像素的特征信息比如目标像素的数量、由目标像素构成的形状等，确定试题得分。上述技术方案避免了因识别手写得分而出现的识别率低以及因依赖于黑色定位块而出现的抗干扰性差的问题，有效提高了试题得分识别的准确性和抗干扰性。

附图说明

图1是本发明实施例一中的一种试题得分的识别方法的流程图；

图2是本发明实施例一中的一种试题得分的识别方法中一种试卷示意图；

图3是本发明实施例一中的一种试题得分的识别方法中另一种试卷示意图；

图4是本发明实施例二中的一种试题得分的识别方法的流程图；

图5是本发明实施例二中的一种试题得分的识别方法中一种试卷示意图；

图6是本发明实施例三中的一种试题得分的识别装置的结构框图；

图7是本发明实施例四中的一种终端的结构示意图。

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。

在介绍本发明实施例之前，先对本发明实施例的应用场景进行示例性说明：对于已经由答题者作答完成的试卷，批改者可以采用手工阅卷模式批改试卷，比如直接手动批改每道试题的对错以及得分，并手动计算试卷的总得分等；或者，批改者还可以采用自动化阅卷模式批改试卷，比如先手动批改试题的对错和得分，再基于自动化阅卷系统识别试题的得分，和/或，直接基于自动化阅卷系统识别试题的对错和得分，进而自动得出试卷的总得分等。需要说明的是，该试题可以是主观试题，也可以是客观试题；该答题者可以是学生；该批改者可以是教师、家长、其余答题者等，在此未做具体限定。

在试题得分的批改环节，可以是预先在每道试题的预设位置处设置一个得分区域，批改者直接在该得分区域中手动书写出该道试题的得分。然后，自动化阅卷系统可以先精准定位该得分区域，例如，如果得分区域的左侧和右侧存在黑色定位块，通过识别该黑色定位块可以得到该得分区域的具体位置；进而，再识别该得分区域中的得分，例如，批改者手动批改得分后将在试卷上留下批改痕迹，根据该批改痕迹的识别结果即可以得到该得分区域中的得分。

然而，一方面，该方案对于纸张质量和印刷条件都有较高要求，如果存在纸张较薄和/或未印刷完整的情况，这就可能导致黑色定位块出现缺失、变形、颜色较浅、干扰严重等问题，其将直接影响得分区域的准确定位。另一方面，该方案对于手动书写的得分字迹的规范性有较高要求，现有的手写识别算法的准确率可能无法满足实际的应用需求，比如那些严格的大规模的考试；特别地，如果批改者在批改得分时存在涂改过程，这将进一步增加手写识别的难度。因此，基于上述内容，为了提高试题得分识别的准确性和抗干扰性，可以从得分区域和/或得分的识别角度加以改进。

例如，可以在每道试题的预设位置处设置一个得分选择区域以标记每道试题的得分，还可以在整张试卷的预设位置处设置一个得分选择区域以标记该张试卷的总得分。该得分选择区域可以由至少两个得分选择子区域构成，每个得分选择子区域对应有各自的预设得分。例如，如果一道试题的满分是4分，该道试题可能的得分为0分、1分、2分、3分和4分，则与该道试题对应的得分选择区域可以包括5个得分选择子区域，各个得分选择子区域对应的预设得分分别为0分、1分、2分、3分和4分。

需要说明的是，该得分选择区域以及得分选择子区域可以由直线、斜线、曲线、相交直线等任意构成，进而可以以方框、圆形、多边形等多种形式呈现；每个预设得分可以是直接设置于该得分选择子区域中，即在试卷上可以直接呈现出每个得分选择子区域对应的预设得分，或者，也可以是根据常规习惯确定每个得分选择子区域对应的预设得分，即在试卷上未直接呈现出每个得分选择子区域对应的预设得分，在此未做具体限定。

相较于在得分区域中手动书写得分的方案，上述得分选择区域设置的一个好处在于，批改者在批改每道试题的对错并确定该道试题得分后，可以在与该试题得分对应的得分选择子区域处直接进行批改，比如在对应的得分选择子区域处画直线、画圆圈、涂黑等，由此无需批改者手动书写该道试题的得分，避免了自动化阅卷系统中识别手写得分的准确率低的问题。

实施例一

图1是本发明实施例一中提供的一种试题得分的识别方法的流程图。本实施例可适用于识别试卷中试题得分的情况，尤其适用于识别试卷中得分选择区域的批改痕迹以得到试题得分的情况。该方法可以由本发明实施例提供的试题得分的识别装置来执行，该装置可以由软件和/或硬件的方式实现，该装置可以集成在各种用户终端或服务器上。

参见图1，本发明实施例的方法具体包括如下步骤：

S110、获取试题的目标图像，提取目标图像中存在批改痕迹的像素，并将存在批改痕迹的像素作为目标像素。

其中，获取试题的目标图像的方式有很多种，例如，可以扫描或是拍照已经批改完成的试卷以获取试卷中每道试题的目标图像；可以从数据库中直接获取已经批改完成的试卷中每道试题的目标图像；当然，还可以通过其他的现有技术的方式获取，在此不再赘述。需要说明的是，该目标图像可以是一道试题的目标图像，也可以是一张试卷中多道试题的目标图像。

结合上述应用场景的示例性说明可以得知，本发明实施例涉及到的目标图像上应当存在有批改痕迹，该批改痕迹可以是试题对错和/或试题得分的批改痕迹，比如批改者可以在试卷中打钩、画叉、画圈、画直线等。为了得到每道试题和/或整张试卷的得分，可以提取目标图像中存在批改痕迹的像素，并将这些存在批改痕迹的像素作为目标像素。

具体的，例如，由于批改者批改试卷时所留下的批改痕迹的颜色和答题者作答试卷时所留下的作答痕迹的颜色的差异性较大，则可以通过目标图像中各像素的颜色确定哪些像素属于目标像素。例如，如果答题者通常使用蓝笔或是黑笔作答，而批改者使用红笔批改，则可以基于阈值分割算法、HSV颜色模型等提取目标图像中与红色，以及，以红色为中心的预设色差范围内的颜色对应的像素，并将这些像素作为目标像素。

再例如，还可以识别目标图像中每个像素以及由各个像素构成的目标痕迹，该目标痕迹可能是批改痕迹、作答痕迹、题目痕迹等。将该目标痕迹与预设痕迹进行对比，将匹配度较高的目标痕迹作为批改痕迹，进而将这些批改痕迹对应的像素作为目标像素。

S120、识别目标图像中的得分选择区域，并根据得分选择区域确定各个得分选择子区域；其中，得分选择区域由至少两个得分选择子区域构成，每个得分选择子区域对应有各自的预设得分。

其中，由于每个得分选择子区域对应有各自的预设得分，若想要确定试题得分，该得分选择子区域的准确定位至关重要。然而，在目标图像中，可能存在得分选择区域、得分选择子区域、作答区域、题目区域、批改区域等众多区域，若想要在这众多区域中快速且准确地定位到每个得分选择子区域，这是较为困难的。考虑到得分选择区域是由各个得分选择子区域构成，则得分选择区域在目标图像中所占的比例远超过单个得分选择子区域在目标图像中所占的比例。因此，可以先识别出目标图像中的得分选择区域，再根据该得分选择区域确定各个得分选择子区域。

例如，虽然在目标图像中存在众多干扰区域比如作答区域、题目区域等，然而，相较于这些干扰区域，得分选择区域必然存在自身的基本特征。示例性的，作答区域和题目区域中的像素可以认为是杂乱无章的，因为这些像素通常只能构成较短的线条，而得分选择区域中多存在较长的线条以形成一个规整的区域，则基于上述区别点可以从众多干扰区域中识别出得分选择区域。例如，可以根据有多少个像素点位于1条直线上以区分该多个像素所在的区域是否为得分选择区域。在识别出得分选择区域后，比如，可以根据得分选择子区域和得分选择区域的位置关系、数量关系等，得到各个得分选择子区域，即可以先识别出得分选择区域的边界线，再识别出得分选择子区域的边界线。

上述步骤设置的好处在于，在无需借助外部因素比如黑色定位块来识别得分选择子区域的情况下，可以根据得分选择区域自身的基本特征准确定位得分选择区域，这样在存在纸张较薄和/或未印刷完整的情况时依然可以准确定位每个得分选择区域，抗干扰性较强。

S130、根据得分选择子区域中目标像素的特征信息，识别试题得分；其中，特征信息包括目标像素的数量和/或由目标像素构成的形状。

其中，由于批改者在试卷上批改每道试题得分的表现形式是具有一定的规律性的，比如画直线、画圆圈、涂黑等，即得分选择子区域中目标像素的特征信息是具有一定的规律性的，则可以根据该特征信息识别试题得分。

例如，如果特征信息是目标像素的数量，可以计算每个得分选择子区域中目标像素的目标数量，确定满足预设数量阈值的目标数量对应的得分选择子区域，并将该得分选择子区域对应的预设得分作为试题得分。这样设置的好处在于，目标数量的计算过程简单快速；如果批改者在批改试题得分时出现错批的情况，比如在错误的得分选择子区域中做出了批改痕迹，此时批改者只需要在正确的得分选择子区域中做出更多的批改痕迹即可，以使该正确的得分选择子区域中目标像素的目标数量多于该错误的得分选择子区域。

再例如，还可以根据得分选择子区域中由各目标像素构成的形状，识别试题得分。比如，如果各目标像素构成的目标直线的目标长度满足预设长度阈值，则该目标直线对应的得分选择子区域所对应的预设得分可以作为试题得分。当然，还可以通过其他的方式识别试题得分，在此不再赘述。

为了更加形象地理解上述内容，示例性的，如图2所示，该目标图像包括两道试题(计算题和应用题)，在计算题的上方设置有该计算题的得分选择区域10，且该得分选择区域10由得分选择子区域101-105构成；在应用题的上方也设置有该应用题的得分选择区域20-30。再示例性的，如图3所示，批改者可以对已经作答完成的试卷手动批改试题的对错和得分，比如，批改者可以在每道试题处打钩或是画叉，还可以在该道试题得分所对应的得分选择子区域103内画直线等。因此，在获取到目标图像后，可以识别该目标图像中得分选择区域，进而确定该得分选择区域中的哪个得分选择子区域中存在目标像素，并且根据该目标像素的特征信息可以确定该道试题得分。

本发明实施例的技术方案，通过提取目标图像中存在批改痕迹的目标像素，并根据该目标图像中得分选择区域自身的基本特征识别出各个得分选择子区域，由此确定出哪个得分选择子区域中存在目标像素；进而，根据该得分选择子区域中目标像素的特征信息比如目标像素的数量、由目标像素构成的形状等，确定试题得分。上述技术方案避免了因识别手写得分而出现的识别率低以及因依赖于黑色定位块而出现的抗干扰性差的问题，有效提高了试题得分识别的准确性和抗干扰性。

一种可选的技术方案，每个得分选择子区域对应有各自的预设得分，可以包括：如果每道试题对应有各自的得分选择区域，根据每道试题的满分得分设置每个得分选择子区域中的预设得分。

其中，每张目标图像中得分选择区域的表现形式可以是多样化的，例如，构成每个得分选择区域的各个得分选择子区域的个数可以相同亦可以不同。以图3为例，计算题对应有一个得分选择区域10，该得分选择区域10由5个得分选择子区域101-105构成；而应用题对应有两个得分选择区域20-30，这是因为每道试题的满分值不同，可以根据实际情况确定。比如，上述应用题的满分值是两位数，为了限定得分选择子区域的数量以节省试卷空间，可以将得分选择区域分成两部分，比如得分选择区域20表示个位数的分值，得分选择区域30表示十位数的分值，由此可以得出该应用题的得分为16分。

因此，在实际应用中，如果每道试题对应有各自的得分选择区域，可以根据每道试题的满分值设置每个得分选择子区域中的预设得分。示例性的，还可以根据每道试题的满分值以及得分选择子区域的个数，确定目标得分模式，比如高低位模式、整数小数模式等，进而设置每个得分选择子区域中的预设得分，由此便能适用于各种情况的试题得分。

实施例二

图4是本发明实施例二中提供的一种试题得分的识别方法的流程图。本实施例以上述各技术方案为基础进行优化。在本实施例中，可选的，识别目标图像中的得分选择区域，具体可包括：基于预设步长搜索目标图像，得到得分选择区域的区域范围，区域范围包括得分选择区域，预设步长包括固定步长和变化步长；根据区域范围内的各个像素构成的形状，确定得分选择区域。其中，与上述各实施例相同或相应的术语的解释在此不再赘述。

如图4所示，本实施例的方法具体可以包括如下步骤：

S210、获取试题的目标图像，提取目标图像中存在批改痕迹的像素，并将存在批改痕迹的像素作为目标像素。

S220、基于预设步长搜索目标图像，得到得分选择区域的区域范围，其中，区域范围包括得分选择区域，预设步长包括固定步长和变化步长。

其中，由于目标图像中可能存在得分选择区域、得分选择子区域、作答区域、题目区域等众多区域，若想要在这众多区域中快速且准确地定位到得分选择区域，这仍是较为困难的。因此，可以先在目标图像中识别出得分选择区域的区域范围，该区域范围只要包括该得分选择区域即可，比如，如图3所示的得分选择区域10的区域范围1；进而，根据该区域范围精准定位得分选择区域。

具体的，在结合得分选择区域自身的基本特征的前提下，可以基于预设步长搜索目标图像。正如上文所述，目标图像中作答区域和题目区域的像素可以认为是杂乱无章的，因为这些像素通常只能构成较短的线条，而得分选择区域中多存在较长的线条以形成一个规整的区域。因此，可以基于上述区别点搜索目标图像，并根据搜索结果得到得分选择区域的区域范围。需要说明的是，该预设步长可以是固定步长和/或变化步长。

示例性的，基于预设步长搜索目标图像，得到得分选择区域的区域范围的具体实现方式可以是：首先，如果试卷是灰色背景、黄色背景等非白色背景，和/或，试卷中存在脏污区域时，获取到的目标图像中将会存在干扰背景。因此，需要将该目标图像分割为二值图像以去除背景干扰，其中，该二值图像可以由背景像素和字迹像素构成，该字迹像素可以存在于作答区域、题目区域、得分选择区域中。其次，将二值图像分割为多个预设区域，并从这多个预设区域中选取当前区域；如果在当前区域中存在字迹像素，说明当前区域中可能存在得分选择区域，则基于小步长搜索当前区域以避免错失得分选择区域，否则，基于大步长搜索当前区域以避免在无用区域浪费时间。再次，如果当前区域中的每个像素搜索完毕，按照预设搜索方向比如从上到下的多角度搜索方向，将下一个待搜索的预设区域更新为当前区域，重复执行如果在当前区域中存在字迹像素的步骤，直至每个预设区域搜索完毕，由此可以根据搜索结果得到得分选择区域的区域范围。该步骤可以有效剔除作答区域、题目区域等无关区域，并保留住得分选择区域所在的区域范围。

S230、根据区域范围内的各个像素构成的形状，确定得分选择区域。

其中，由于得分选择区域中多存在较长的线条以形成一个规整的区域，该得分选择区域的形状应当是规律的，则可以根据区域范围内的各个像素构成的形状，确定得分选择区域。例如，如果该得分选择区域的形状是由多条曲线构成的类似于矩形的弯曲四边形，则可以判断区域范围内的各像素是否构成了连续的曲线，以及，该曲线是否构成了弯曲四边形；如果该得分选择区域的形状是由多条直线构成的矩形且矩形内包括多个小矩形，可以判断区域范围内的各像素是否构成了预设长度的直线，以及，各条直线是否构成了多个相邻的矩形；等等，以此找到符合预设形状的得分选择区域。

S240、根据得分选择区域确定各个得分选择子区域；其中，得分选择区域由至少两个得分选择子区域构成，每个得分选择子区域对应有各自的预设得分。

S250、根据得分选择子区域中目标像素的特征信息，识别试题得分；其中，特征信息包括目标像素的数量和/或由目标像素构成的形状。

本发明实施例的技术方案，基于预设步长搜索目标图像，得到得分选择区域的区域范围，以在目标图像中搜索到得分选择区域的大致范围；进而，由于得分选择区域的形状具有一定的规律性，根据区域范围内的各个像素构成的形状，可以在该区域范围内准确定位得分选择区域，以降低得分选择区域的定位难度且提高得分选择区域的定位精准度。

一种可选的技术方案，根据区域范围内的各个像素构成的形状，确定得分选择区域，具体可以包括：根据区域范围内的各个像素构成的各条直线的长度和间距，确定得分选择区域。其中，在实际应用中，得分选择区域通常是由多条直线构成的多边形构成，该多边形可以是一行多列的矩形比如图3中所示的得分选择区域10-30，其可以用于标记单道试题的得分；可以是多行多列的矩形，其可以用于标记多道试题的得分；等等。因此，可以根据该得分选择区域的形状反向推导各个像素构成的各条直线的长度和间距，进而根据该长度和间距可以确定得分选择区域。上述步骤设置的好处在于，如果得分选择区域是由各条直线构成的简单多边形，则可以根据各条直线的长度和间距快速且精准地定位出该得分选择区域；而且，在目标图像存在严重倾斜的情况下，该技术方案依然可以精确确定得分选择区域。

具体的，示例性的，可以利用边缘提取算子比如Canny算子，和/或，Hough变换检测区域范围内的各个像素构成的各条直线，以得到各条直线的长度和间距。需要说明的是，即使由于纸张质量和/或印刷条件而导致得分选择区域中的各条直线出现断裂、缺失等情况，因为大部分的直线仍是存在的，依然可以识别出得分选择区域。比如，如果本应当存在一条长度为10cm的直线，即使出现直线断裂的情况，也依然会存在6cm、8cm长度的直线，这些长度的直线只可能是得分选择区域中的直线。

再示例性的，如果得分选择区域包括至少两条长直线和至少三条等间距的短直线，根据区域范围内的各个像素构成的各条直线的长度和间距，得到至少两条长直线和至少三条等间距的短直线；分别获取长直线和间距最远的两条短直线的延长线，并根据由各条延长线构成的区域边界线，确定得分选择区域。比如，如图3所示的得分选择区域10是由两条长直线和六条等间距的短直线构成，则可以获取两条长直线和间距最远的两条短直线的延长线，即得分选择区域10的上下两条长直线以及左右两端的短直线的延长线，以此构成的区域边界线即为得分选择区域10的边界线。再比如，如图5所示，即使在如此杂乱的试卷中，应用该技术方案仍然可以准确地识别出得分选择区域的具体位置，抗干扰性较强，可以适用于多种情况。

实施例三

图6为本发明实施例三提供的试题得分的识别装置的结构框图，该装置用于执行上述任意实施例所提供的试题得分的识别方法。该装置与上述各实施例的试题得分的识别方法属于同一个发明构思，在试题得分的识别装置的实施例中未详尽描述的细节内容，可以参考上述试题得分的识别方法的实施例。参见图6，该装置具体可包括：目标像素提取模块310、得分选择子区域确定模块320和试题得分识别模块330。

其中，目标像素提取模块310，用于获取试题的目标图像，提取目标图像中存在批改痕迹的像素，并将存在批改痕迹的像素作为目标像素；

得分选择子区域确定模块320，用于识别目标图像中的得分选择区域，并根据得分选择区域确定各个得分选择子区域；其中，得分选择区域由至少两个得分选择子区域构成，每个得分选择子区域对应有各自的预设得分；

试题得分识别模块330，用于根据得分选择子区域中目标像素的特征信息，识别试题得分；特征信息包括目标像素的数量和/或由目标像素构成的形状。

可选的，得分选择子区域确定模块320，具体可以包括：

区域范围得到单元，用于基于预设步长搜索目标图像，得到得分选择区域的区域范围，区域范围包括得分选择区域，预设步长包括固定步长和变化步长；

得分选择区域确定单元，用于根据区域范围内的各个像素构成的形状，确定得分选择区域。

可选的，区域范围得到单元，具体可以包括：

预设区域分割子单元，用于得到目标图像的二值图像，并将二值图像分割为多个预设区域；其中，二值图像由背景像素和字迹像素构成；

搜索子单元，用于从多个预设区域中选取当前区域，如果在当前区域中存在字迹像素，基于小步长搜索当前区域；否则，基于大步长搜索当前区域；

区域范围得到子单元，用于如果当前区域中的每个像素搜索完毕，按照预设搜索方向将下一个待搜索的预设区域更新为当前区域，重复执行如果在当前区域中存在字迹像素的步骤，直至每个预设区域搜索完毕，根据搜索结果得到得分选择区域的区域范围。

可选的，得分选择区域确定单元，具体可以包括：

得分选择区域确定子单元，用于根据区域范围内的各个像素构成的各条直线的长度和间距，确定得分选择区域。

可选的，得分选择区域确定子单元，具体可以用于：

如果得分选择区域包括至少两条长直线和至少三条等间距的短直线，根据区域范围内的各个像素构成的各条直线的长度和间距，得到至少两条长直线和至少三条等间距的短直线；

分别获取长直线和间距最远的两条短直线的延长线，并根据由各条延长线构成的区域边界线，确定得分选择区域。

可选的，试题得分识别模块330，具体可以用于：计算得分选择子区域中目标像素的目标数量，确定满足预设数量阈值的目标数量对应的得分选择子区域，并将得分选择子区域对应的预设得分作为试题得分。

可选的，得分选择子区域确定模块320，具体可以用于：

如果每道试题对应有各自的得分选择区域，根据每道试题的满分得分设置每个得分选择子区域中的预设得分。

本发明实施例三提供的试题得分的识别装置，通过目标像素提取模块提取目标图像中存在批改痕迹的目标像素；得分选择子区域确定模块可以根据该目标图像中得分选择区域自身的基本特征识别出各个得分选择子区域；试题得分识别模块可以确定出哪个得分选择子区域中存在目标像素，并根据该得分选择子区域中目标像素的特征信息比如目标像素的数量、由目标像素构成的形状等，确定试题得分。上述装置避免了因识别手写得分而出现的识别率低以及因依赖于黑色定位块而出现的抗干扰性差的问题，有效提高了试题得分识别的准确性和抗干扰性。

本发明实施例所提供的试题得分的识别装置可执行本发明任意实施例所提供的试题得分的识别方法，具备执行方法相应的功能模块和有益效果。

值得注意的是，上述试题得分的识别装置的实施例中，所包括的各个单元和模块只是按照功能逻辑进行划分的，但并不局限于上述的划分，只要能够实现相应的功能即可；另外，各功能单元的具体名称也只是为了便于相互区分，并不用于限制本发明的保护范围。

实施例四

图7为本发明实施例四提供的一种终端的结构示意图，如图7所示，该终端包括存储器410、处理器420、输入装置430和输出装置440。终端中的处理器420的数量可以是一个或多个，图7中以一个处理器420为例；终端中的存储器410、处理器420、输入装置430和输出装置440可以通过总线或其它方式连接，图7中以通过总线450连接为例。

存储器410作为一种计算机可读存储介质，可用于存储软件程序、计算机可执行程序以及模块，如本发明实施例中的试题得分的识别方法对应的程序指令/模块(例如，试题得分的识别装置中的目标像素提取模块310、得分选择子区域确定模块320和试题得分识别模块330)。处理器420通过运行存储在存储器410中的软件程序、指令以及模块，从而执行终端的各种功能应用以及数据处理，即实现上述的试题得分的识别方法。

存储器410可主要包括存储程序区和存储数据区，其中，存储程序区可存储操作系统、至少一个功能所需的应用程序；存储数据区可存储根据终端的使用所创建的数据等。此外，存储器410可以包括高速随机存取存储器，还可以包括非易失性存储器，例如至少一个磁盘存储器件、闪存器件、或其他非易失性固态存储器件。在一些实例中，存储器410可进一步包括相对于处理器420远程设置的存储器，这些远程存储器可以通过网络连接至设备。上述网络的实例包括但不限于互联网、企业内部网、局域网、移动通信网及其组合。

输入装置430可用于接收输入的数字或字符信息，以及产生与装置的用户设置以及功能控制有关的键信号输入。输出装置440可包括显示屏等显示设备。

实施例五

本发明实施例五提供一种包含计算机可执行指令的存储介质，所述计算机可执行指令在由计算机处理器执行时用于执行一种试题得分的识别方法，该方法包括：

获取试题的目标图像，提取目标图像中存在批改痕迹的像素，并将存在批改痕迹的像素作为目标像素；

识别目标图像中的得分选择区域，并根据得分选择区域确定各个得分选择子区域；其中，得分选择区域由至少两个得分选择子区域构成，每个得分选择子区域对应有各自的预设得分；

根据得分选择子区域中目标像素的特征信息，识别试题得分；其中，特征信息包括目标像素的数量和/或由目标像素构成的形状。

当然，本发明实施例所提供的一种包含计算机可执行指令的存储介质，其计算机可执行指令不限于如上所述的方法操作，还可以执行本发明任意实施例所提供的试题得分的识别方法中的相关操作。

通过以上关于实施方式的描述，所属领域的技术人员可以清楚地了解到，本发明可借助软件及必需的通用硬件来实现，当然也可以通过硬件实现，但很多情况下前者是更佳的实施方式。依据这样的理解，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可以以软件产品的形式体现出来，该计算机软件产品可以存储在计算机可读存储介质中，如计算机的软盘、只读存储器(Read-Only Memory,ROM)、随机存取存储器(RandomAccess Memory,RAM)、闪存(FLASH)、硬盘或光盘等，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的方法。

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 (8)

1.一种试题得分的识别方法，其特征在于，包括：

获取试题的目标图像，提取所述目标图像中存在批改痕迹的像素，并将所述存在批改痕迹的像素作为目标像素；

识别所述目标图像中的得分选择区域，并根据所述得分选择区域确定各个得分选择子区域；其中，所述得分选择区域由至少两个所述得分选择子区域构成，每个所述得分选择子区域对应有各自的预设得分；

根据所述得分选择子区域中目标像素的特征信息，识别所述试题得分；其中，所述特征信息包括所述目标像素的数量和/或由所述目标像素构成的形状；

所述识别所述目标图像中的得分选择区域，包括：

基于预设步长搜索所述目标图像，得到所述得分选择区域的区域范围，所述区域范围包括所述得分选择区域，所述预设步长包括固定步长和变化步长；

根据所述区域范围内的各个像素构成的形状，确定所述得分选择区域；

所述基于预设步长搜索所述目标图像，得到所述得分选择区域的区域范围，包括：

得到所述目标图像的二值图像，并将所述二值图像分割为多个预设区域；其中，所述二值图像由背景像素和字迹像素构成；

从所述多个预设区域中选取当前区域，如果在所述当前区域中存在所述字迹像素，基于小步长搜索所述当前区域；否则，基于大步长搜索所述当前区域；

如果所述当前区域中的每个像素搜索完毕，按照预设搜索方向将下一个待搜索的所述预设区域更新为所述当前区域，重复执行如果在所述当前区域中存在字迹像素的步骤，直至每个所述预设区域搜索完毕，根据搜索结果得到所述得分选择区域的区域范围。

2.根据权利要求1所述的方法，其特征在于，所述根据所述区域范围内的各个像素构成的形状，确定所述得分选择区域，包括：

根据所述区域范围内的各个像素构成的各条直线的长度和间距，确定所述得分选择区域。

3.根据权利要求2所述的方法，其特征在于，所述根据所述区域范围内的各个像素构成的各条直线的长度和间距，确定所述得分选择区域，包括：

如果所述得分选择区域包括至少两条长直线和至少三条等间距的短直线，根据所述区域范围内的各个像素构成的各条直线的长度和间距，得到所述至少两条长直线和至少三条等间距的短直线；

分别获取所述长直线和间距最远的两条所述短直线的延长线，并根据由各条所述延长线构成的区域边界线，确定所述得分选择区域。

4.根据权利要求1所述的方法，其特征在于，所述根据所述得分选择子区域中目标像素的特征信息，识别所述试题得分，包括：

计算所述得分选择子区域中目标像素的目标数量，确定满足预设数量阈值的所述目标数量对应的所述得分选择子区域，并将所述得分选择子区域对应的所述预设得分作为所述试题得分。

5.根据权利要求1所述的方法，其特征在于，所述每个所述得分选择子区域对应有各自的预设得分，包括：

如果每道试题对应有各自的所述得分选择区域，根据所述每道试题的满分得分设置每个所述得分选择子区域中的预设得分。

6.一种试题得分的识别装置，其特征在于，包括：

目标像素提取模块，用于获取试题的目标图像，提取所述目标图像中存在批改痕迹的像素，并将所述存在批改痕迹的像素作为目标像素；

得分选择子区域确定模块，用于识别所述目标图像中的得分选择区域，并根据所述得分选择区域确定各个得分选择子区域；其中，所述得分选择区域由至少两个所述得分选择子区域构成，每个所述得分选择子区域对应有各自的预设得分；

试题得分识别模块，用于根据所述得分选择子区域中目标像素的特征信息，识别所述试题得分；其中，所述特征信息包括所述目标像素的数量和/或由所述目标像素构成的形状；

所述得分选择子区域模块包括，区域范围得到单元，用于基于预设步长搜索目标图像，得到得分选择区域的区域范围，区域范围包括得分选择区域，预设步长包括固定步长和变化步长；得分选择区域确定单元，用于根据区域范围内的各个像素构成的形状，确定得分选择区域；

所述区域范围得到单元，包括，预设区域分割子单元，用于得到目标图像的二值图像，并将二值图像分割为多个预设区域；其中，二值图像由背景像素和字迹像素构成；搜索子单元，用于从多个预设区域中选取当前区域，如果在当前区域中存在字迹像素，基于小步长搜索当前区域；否则，基于大步长搜索当前区域；区域范围得到子单元，用于如果当前区域中的每个像素搜索完毕，按照预设搜索方向将下一个待搜索的预设区域更新为当前区域，重复执行如果在当前区域中存在字迹像素的步骤，直至每个预设区域搜索完毕，根据搜索结果得到得分选择区域的区域范围。

7.一种终端，其特征在于，所述终端包括：

一个或多个处理器；

存储器，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权利要求1-5中任一所述的试题得分的识别方法。

8.一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，所述计算机程序被处理器执行时实现如权利要求1-5中任一所述的试题得分的识别方法。

Images