CN111062375A - 一种基于上下文关系的题号缺失补全方法 - Google Patents

一种基于上下文关系的题号缺失补全方法 Download PDF

Info

Publication number
CN111062375A
CN111062375A CN201911269745.7A CN201911269745A CN111062375A CN 111062375 A CN111062375 A CN 111062375A CN 201911269745 A CN201911269745 A CN 201911269745A CN 111062375 A CN111062375 A CN 111062375A
Authority
CN
China
Prior art keywords
question
missing
numbers
characters
character
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.)
Granted
Application number
CN201911269745.7A
Other languages
English (en)
Other versions
CN111062375B (zh
Inventor
田博帆
朱世闻
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Nanjing Hongsong Information Technology Co ltd
Original Assignee
Nanjing Hongsong Information Technology Co ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Nanjing Hongsong Information Technology Co ltd filed Critical Nanjing Hongsong Information Technology Co ltd
Priority to CN201911269745.7A priority Critical patent/CN111062375B/zh
Publication of CN111062375A publication Critical patent/CN111062375A/zh
Application granted granted Critical
Publication of CN111062375B publication Critical patent/CN111062375B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

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
    • G06V10/22—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
    • G06V10/225—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 based on a marking or identifier characterising the area
    • 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
    • G06V10/23—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 based on positionally close patterns or neighbourhood relationships
    • 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
    • G06V30/14—Image acquisition
    • G06V30/148—Segmentation of character regions
    • G06V30/153—Segmentation of character regions using recognition of characters or words

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Multimedia (AREA)
  • Theoretical Computer Science (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Character Input (AREA)

Abstract

本发明公开了一种基于上下文关系的题号缺失补全方法，具体步骤包括：(1)字符定位：根据字符的连通域定位方法，定位得到整张试卷中的所有字符；(2)选取字符：根据题号字符靠左侧分布的原则，识别结果正则匹配到的题号；(3)漏检处理：若检测出的题号字符中的题号没有按照顺序进行排列，出现题号断连续的情况，则对题号做漏检处理，根据上下文关系找出丢失的题号；(4)丢失补全：通过漏检处理方法确定缺失的题号，确定丢失的题号并将其补全。该方法基于上下文关系，能够解决题号丢失的问题，作为检测题号字符的辅助手段以补全被漏检的题号，达到准确划分题目的目的。

Description

一种基于上下文关系的题号缺失补全方法
技术领域
本发明属于图像文本定位技术领域，尤其是涉及一种基于上下文关系的题号缺失补全方法。
背景技术
随着时代的发展，技术的革新，智能化引领的潮流开始逐渐走进人们的生活。本着解放劳动力的初衷，人工智能已经迈入教育领域，并诞生了自动化批阅系统。该系统主要是针对各类试卷和题型开展自动化批阅工作，它采用的核心技术是OCR，而OCR技术的兴起正是从印刷体识别开始，持续发展至今，技术逐渐成熟，功能日臻完善。目前，有关印刷体识别的方法层出不穷，取得的效果也不尽相同，但其本质都是对每个字符进行先定位后识别，较为常用的有直接调用Tenseract OCR方法做字符的检测和识别。
机器视觉发展至今，已取得了辉煌成就。但有关它的研究仍在继续深入，而在当今多元化的社会，随着信息化和智能化技术的逐步展开，开启了一种时代新模式。目前，采用机器视觉技术可以完成各类人工难以实现的复杂任务，为了能够充分利用技术带来的便利，各类产品应运而生。在教育应用领域，存在着众多智能化的批阅产品，这些产品不仅在使用过程中能够增加用户的体验感，同时在行为互动上也增强了用户的参与感。
智能化批阅系统的核心离不开图像中文本字符的识别技术，而识别的前提依赖于强大的学习模型。研究表明，任何一种模型若过于复杂，都将导致其过拟合，使它在预测未知数据时的泛化能力较差。因此，为了提高模型的预测能力，针对复杂情况下的数据识别，模型大多采用分类机制。在图像的文本识别方面，字符种类大致可分为：数字、符号、中文、英文四种，其中除了印刷体字符较为统一规整外，其他的手写体字符则形态万千，因人而异。考虑到手写字符识别的困难性和混合模型学习的复杂性，采取印刷体字符和手写体字符的分类将变得十分必要。
在实际使用中，不论采用何种OCR技术方法，势必存在字符漏检的可能性，因此，提出一种字符漏检补全方法将变得十分必要，同时也变得迫切需要。如：自动化批阅系统中基于题号划分题目的方法，便是根据不同的题号来划分题目，再对每道题目做单独处理。然而，试卷中难免会存在噪点、字符像素不均等干扰因素，导致题号难以检测甚至丢失。
因此，有必要开发一种基于上下文关系的题号缺失补全方法，用于解决题号丢失的问题，作为检测题号字符的辅助手段以补全被漏检的题号，达到准确划分题目的目的。
发明内容
本发明要解决的技术问题是，提供一种基于上下文关系的题号缺失补全方法，用于解决题号丢失的问题，作为检测题号字符的辅助手段以补全被漏检的题号，达到准确划分题目的目的。
为解决上述技术问题，本发明采用的技术方案是：该基于上下文关系的题号缺失补全方法，具体包括以下步骤：
(1)字符定位：根据字符的连通域定位方法，定位得到整张试卷中的所有字符；
(2)选取字符：根据题号字符靠左侧分布的原则，识别结果正则匹配到的题号；
(3)漏检处理：若检测出的题号字符中的题号没有按照顺序进行排列，出现题号断连续的情况，则对题号做漏检处理，根据上下文关系找出丢失的题号；
(4)丢失补全：通过漏检处理方法确定缺失的题号，确定丢失的题号并将其补全。
采用上述技方案，通过算法对试卷中所有字符进行定位，再通过题号字符靠左侧分布的原则，进行题号提取，得到待识别的题号字符，再结合题号已有的格式规范，识别结果正则匹配的题号，再根据上下文找同缺失的题号进行补全；采用上下文关系的连续性检测和字符定位坐标间的相关性作为题号丢失的判断依据，它能够有效补全丢失的题号并确定题号所在试卷中的具体位置。
作为本发明的优选技术方案，所述步骤(1)中采用所述字符连通域算法对试卷中的字符进行定位处理的具体步骤为：
S11：按行和列遍历图片中第一个有像素值的点P(x,y)，并赋予其一个标注label，然后将与该像素点相邻的所有前景像素都压入栈中；
S12：弹出栈顶像素，赋予其相同的标注label，然后再将与所述栈顶像素相邻的所有前景像素都压入栈中，重复此步骤，直至栈为空，便得到了试卷中的某一个连通区域；
S13：重复步骤S11和步骤S12，完成整张试卷的遍历，最终可得到所有字符的连通区域，从而实现对试卷中字符的定位。
作为本发明的优选技术方案，所述步骤(2)选取字符的具体步骤为：
S21将连通域方法定位到的所有字符坐标进行共线处理，得到每行所有的字符坐标；
S22将每一行的所有字符坐标再进行排序处理，选取每行前三个字符坐标作为待选择的题号坐标；
S23根据待选择的题号坐标正则匹配出每个题号，并对已匹配到的题号做逻辑推理以补全丢失的题号并确定已丢失题号的坐标。
作为本发明的优选技术方案，所述步骤(4)丢失补全的具体步骤为：S41通过漏检处理的方法对已检出的题号进行逻辑推理，确定缺失的题号并确定题号所在的位置(如已检出题号为：1、2、4等或1.1、1.2、1.4等，则推理分别缺失了题号3或题号1.3)；
S42采用垂直共线的方式，选取参考题号垂直线附近相邻位置上的点“.”和顿号“、”作为待检题号的寻找依据，从而确定丢失的题号并将其补全。为了进一步判断题号缺失的确定情况，仍采用垂直共线的方式，选取参考题号垂直线附近相邻位置上的点(“.”)和顿号(“、”)作为待检题号的寻找依据。
作为本发明的优选技术方案，所述步骤S42中寻找题号所使用的参考标准是题中所含有所述点“.”和顿号“、”的高、宽或面积大小。
相比现有技术，该技术方案具有的有益效果是：通过算法对试卷中所有字符进行定位，再通过题号字符靠左侧分布的原则，进行题号提取，得到待识别的题号字符，再结合题号已有的格式规范，识别结果正则匹配的题号，再根据上下文找同缺失的题号进行补全；采用上下文关系的连续性检测和字符定位坐标间的相关性作为题号丢失的判断依据，它能够有效补全丢失的题号并确定题号所在试卷中的具体位置；能够解决题号丢失的问题，作为检测题号字符的辅助手段以补全被漏检的题号，达到准确划分题目的目的。
附图说明
下面结合附图和本发明的实施方式进一步详细说明：
图1是本发明的基于上下文关系的题号缺失补全方法的流程图；
图2是本发明的基于上下文关系的题号缺失补全方法的步骤(1)的所有字符定位结果图；
图3是本发明的基于上下文关系的题号缺失补全方法的步骤(2)中的题号字符共线示意图。
具体实施方式
实施例：如图1～3所示，该基于上下文关系的题号缺失补全方法，具体包括以下步骤：
(1)字符定位：根据字符的连通域定位方法，定位得到整张试卷中的所有字符；
所述步骤(1)中采用所述字符连通域算法对试卷中的字符进行定位处理的具体步骤为：
S11：按行和列遍历图片中第一个有像素值的点P(x,y)，并赋予其一个标注label，然后将与该像素点相邻的所有前景像素都压入栈中；
S12：弹出栈顶像素，赋予其相同的标注label，然后再将与所述栈顶像素相邻的所有前景像素都压入栈中，重复此步骤，直至栈为空，便得到了试卷中的某一个连通区域；
S13：重复步骤S11和步骤S12，完成整张试卷的遍历，最终可得到所有字符的连通区域，从而实现对试卷中字符的定位；
(2)选取字符：根据题号字符靠左侧分布的原则，识别结果正则匹配到的题号；
所述步骤(2)选取字符的具体步骤为：
S21将连通域方法定位到的所有字符坐标进行共线处理，得到每行所有的字符坐标；
S22将每一行的所有字符坐标再进行排序处理，选取每行前三个字符坐标作为待选择的题号坐标；
S23根据待选择的题号坐标正则匹配出每个题号，并对已匹配到的题号做逻辑推理以补全丢失的题号并确定已丢失题号的坐标；
(3)漏检处理：若检测出的题号字符中的题号没有按照顺序进行排列，出现题号断连续的情况，则对题号做漏检处理，根据上下文关系找出丢失的题号；
(4)丢失补全：通过漏检处理方法确定缺失的题号，确定丢失的题号并将其补全；
所述步骤(4)丢失补全的具体步骤为：
S41通过漏检处理的方法对已检出的题号进行逻辑推理，确定缺失的题号并确定题号所在的位置(如已检出题号为：1、2、4等或1.1、1.2、1.4等，则推理分别缺失了题号3或题号1.3)；
S42采用垂直共线的方式，选取参考题号垂直线附近相邻位置上的点“.”和顿号“、”作为待检题号的寻找依据，从而确定丢失的题号并将其补全。为了进一步判断题号缺失的确定情况，仍采用垂直共线的方式，选取参考题号垂直线附近相邻位置上的点(“.”)和顿号(“、”)作为待检题号的寻找依据；
所述步骤S42中寻找题号所使用的参考标准是题中所含有所述点“.”和顿号“、”的高、宽或面积大小。
上面结合附图对本发明的实施方式作了详细的说明，但是本发明不限于上述实施方式，在所属技术领域普通技术人员所具备的知识范围内，还可以在不脱离本发明宗旨的前提下做出各种变化。

Claims (5)

1.一种基于上下文关系的题号缺失补全方法，其特征在于，具体包括以下步骤：
(1)字符定位：根据字符的连通域定位方法，定位得到整张试卷中的所有字符；
(2)选取字符：根据题号字符靠左侧分布的原则，识别结果正则匹配到的题号；
(3)漏检处理：若检测出的题号字符中的题号没有按照顺序进行排列，出现题号断连续的情况，则对题号做漏检处理，根据上下文关系找出丢失的题号；
(4)丢失补全：通过漏检处理方法确定缺失的题号，确定丢失的题号并将其补全。
2.根据权利要求1所述的基于上下文关系的题号缺失补全方法，其特征在于，所述步骤(1)中采用所述字符连通域算法对试卷中的字符进行定位处理的具体步骤为：
S11：按行和列遍历图片中第一个有像素值的点P(x,y)，并赋予其一个标注label，然后将与该像素点相邻的所有前景像素都压入栈中；
S12：弹出栈顶像素，赋予其相同的标注label，然后再将与所述栈顶像素相邻的所有前景像素都压入栈中，重复此步骤，直至栈为空，便得到了试卷中的某一个连通区域；
S13：重复步骤S11和步骤S12，完成整张试卷的遍历，最终可得到所有字符的连通区域，从而实现对试卷中字符的定位。
3.根据权利要求2所述的基于上下文关系的题号缺失补全方法，其特征在于，所述步骤(2)选取字符的具体步骤为：
S21将连通域方法定位到的所有字符坐标进行共线处理，得到每行所有的字符坐标；
S22将每一行的所有字符坐标再进行排序处理，选取每行前三个字符坐标作为待选择的题号坐标；
S23根据待选择的题号坐标正则匹配出每个题号，并对已匹配到的题号做逻辑推理以补全丢失的题号并确定已丢失题号的坐标。
4.根据权利要求2所述的基于上下文关系的题号缺失补全方法，其特征在于，所述步骤(4)丢失补全的具体步骤为：
S41通过漏检处理的方法对已检出的题号进行逻辑推理，确定缺失的题号并确定题号所在的位置；
S42采用垂直共线的方式，选取参考题号垂直线附近相邻位置上的点“.”和顿号“、”作为待检题号的寻找依据，从而确定丢失的题号并将其补全。
5.根据权利要求4所述的基于上下文关系的题号缺失补全方法，其特征在于，所述步骤S42中寻找题号所使用的参考标准是题中所含有所述点“.”和顿号“、”的高、宽或面积大小。
CN201911269745.7A 2019-12-11 2019-12-11 一种基于上下文关系的题号缺失补全方法 Active CN111062375B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201911269745.7A CN111062375B (zh) 2019-12-11 2019-12-11 一种基于上下文关系的题号缺失补全方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201911269745.7A CN111062375B (zh) 2019-12-11 2019-12-11 一种基于上下文关系的题号缺失补全方法

Publications (2)

Publication Number Publication Date
CN111062375A true CN111062375A (zh) 2020-04-24
CN111062375B CN111062375B (zh) 2023-04-28

Family

ID=70298847

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201911269745.7A Active CN111062375B (zh) 2019-12-11 2019-12-11 一种基于上下文关系的题号缺失补全方法

Country Status (1)

Country Link
CN (1) CN111062375B (zh)

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101866415A (zh) * 2009-08-24 2010-10-20 深圳市海云天科技股份有限公司 一种计算机阅卷系统的答题卡识别装置及方法
CN107729899A (zh) * 2016-08-11 2018-02-23 杭州海康威视数字技术股份有限公司 一种车牌号码识别方法及装置
CN109947836A (zh) * 2019-03-21 2019-06-28 江西风向标教育科技有限公司 英语试卷结构化方法和装置
CN110443235A (zh) * 2019-07-01 2019-11-12 佛山科学技术学院 一种智能纸质试卷总分识别方法及系统

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101866415A (zh) * 2009-08-24 2010-10-20 深圳市海云天科技股份有限公司 一种计算机阅卷系统的答题卡识别装置及方法
CN107729899A (zh) * 2016-08-11 2018-02-23 杭州海康威视数字技术股份有限公司 一种车牌号码识别方法及装置
CN109947836A (zh) * 2019-03-21 2019-06-28 江西风向标教育科技有限公司 英语试卷结构化方法和装置
CN110443235A (zh) * 2019-07-01 2019-11-12 佛山科学技术学院 一种智能纸质试卷总分识别方法及系统

Also Published As

Publication number Publication date
CN111062375B (zh) 2023-04-28

Similar Documents

Publication Publication Date Title
CN102332096B (zh) 一种视频字幕文本提取和识别的方法
CN108171297A (zh) 一种答题卡识别方法及装置
CN110956167B (zh) 一种基于定位字符的分类判别强化分离的方法
CN110991439B (zh) 一种基于像素级多特征联合分类的手写体字符的提取方法
CN101937286B (zh) 光笔轨迹识别系统和方法
CN104809481A (zh) 一种基于自适应色彩聚类的自然场景文本检测的方法
CN110414563A (zh) 考试成绩统计方法、系统及计算机可读存储介质
TW200842734A (en) Image processing program and image processing device
CN108235115B (zh) 一种歌曲视频中人声区域定位的方法及终端
CN110705630A (zh) 半监督学习式目标检测神经网络训练方法、装置及应用
CN109086772A (zh) 一种扭曲粘连字符图片验证码的识别方法及系统
US20150269751A1 (en) Note recognition and management using multi-color channel non-marker detection
CN113901952A (zh) 一种基于深度学习的印刷体与手写体分开文字识别方法
CN112541922A (zh) 基于数字图像的试卷布局分割方法、电子设备及存储介质
CN107958261B (zh) 一种盲文点检测方法及系统
Chen et al. A knowledge-based system for extracting text-lines from mixed and overlapping text/graphics compound document images
CN109472257B (zh) 一种字符版面确定方法及装置
CN110298236B (zh) 一种基于深度学习的盲文图像自动识别方法和系统
CN111062375A (zh) 一种基于上下文关系的题号缺失补全方法
CN110046618B (zh) 基于机器学习和最大极值稳定区域的车牌识别方法
CN108062548B (zh) 一种盲文方自适应定位方法及系统
JP2014071556A (ja) 画像処理装置、画像処理方法、及びプログラム
JP4867894B2 (ja) 画像認識装置、画像認識方法及びプログラム
JP3955467B2 (ja) 画像処理プログラム及び画像処理装置
CN107886808B (zh) 一种盲文方辅助标注方法及系统

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
GR01 Patent grant
GR01 Patent grant