CN111814616A - 一种无需答题卡的试卷自动阅卷处理系统及其实现方法 - Google Patents
一种无需答题卡的试卷自动阅卷处理系统及其实现方法 Download PDFInfo
- Publication number
- CN111814616A CN111814616A CN202010597066.9A CN202010597066A CN111814616A CN 111814616 A CN111814616 A CN 111814616A CN 202010597066 A CN202010597066 A CN 202010597066A CN 111814616 A CN111814616 A CN 111814616A
- Authority
- CN
- China
- Prior art keywords
- handwriting
- image
- answer
- area
- marking
- 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 26
- 238000005516 engineering process Methods 0.000 claims abstract description 7
- 230000003287 optical effect Effects 0.000 claims description 24
- 238000009432 framing Methods 0.000 claims description 3
- 230000006855 networking Effects 0.000 claims description 3
- 230000004048 modification Effects 0.000 abstract description 8
- 238000012986 modification Methods 0.000 abstract description 8
- 230000008569 process Effects 0.000 description 5
- OKTJSMMVPCPJKN-UHFFFAOYSA-N Carbon Chemical compound [C] OKTJSMMVPCPJKN-UHFFFAOYSA-N 0.000 description 3
- 230000009471 action Effects 0.000 description 3
- 229910052799 carbon Inorganic materials 0.000 description 3
- 238000000605 extraction Methods 0.000 description 3
- 230000000717 retained effect Effects 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 230000006378 damage Effects 0.000 description 1
- 230000002996 emotional effect Effects 0.000 description 1
- 230000010354 integration Effects 0.000 description 1
- 230000002093 peripheral effect Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 239000002699 waste material Substances 0.000 description 1
Images
Classifications
-
- 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
- G06V30/418—Document matching, e.g. of document images
-
- 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
- G06Q10/00—Administration; Management
- G06Q10/10—Office automation; Time management
-
- 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
- G06Q50/205—Education administration or guidance
-
- 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
- G06V30/32—Digital ink
- G06V30/36—Matching; Classification
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Strategic Management (AREA)
- Human Resources & Organizations (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Tourism & Hospitality (AREA)
- Educational Administration (AREA)
- Educational Technology (AREA)
- Entrepreneurship & Innovation (AREA)
- Economics (AREA)
- Marketing (AREA)
- Multimedia (AREA)
- General Business, Economics & Management (AREA)
- Artificial Intelligence (AREA)
- Quality & Reliability (AREA)
- Operations Research (AREA)
- Data Mining & Analysis (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Electrically Operated Instructional Devices (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明涉及一种无需答题卡的试卷自动阅卷处理系统及其实现方法,直接在试卷上进行答题,采用手写笔迹识别技术识别答案,不需要答题卡,从而节约纸张;提取手写笔迹时利用空白试卷和已作答试卷之间的与非逻辑提取手写笔迹,将已作答试卷上与空白试卷相同的部分全部去除,手写笔迹超过答题区域甚至是与题目重叠都能够将手写笔迹进行还原,从而将客观题答案进行手写笔迹识别并自动判断,提取出完整的主观题答案发送至人工阅卷单元中,从而避免了考生因为多次修改导致的答案超出答题范围而无法识别。
Description
技术领域
本发明涉及纸质化信息管理领域,具体是一种无需答题卡的试卷自动阅卷处理系统及其实现方法。
背景技术
目前在进行纸质化考试时一般采用在原试卷上答题或者使用答题卡,如果使用传统的在原试卷上答题,则需要大量的人力去对试卷进行批阅,若使用答题卡,则不仅制作答题卡通常需要花费大量的时间和纸张,而且答题卡上的答题信息需要进行准确的定位才能防止电脑扫描的错误,所述在进行大型考试时,采用在原试卷上答题或者使用答题卡都不能很好的满足人们的需求;同时,现有的答题卡需要将答案填写在答题区域中,否则便无法识别,但是考生在答题时很容易因为重复修改导致答题时超出范围,甚至与题目重叠,从而导致电脑无法识别,从而导致答案无效,给考生带来巨大的损失。
发明内容
有鉴于此,本发明的目的是提供一种无需答题卡的试卷自动阅卷处理系统及其实现方法,不需要答题卡即可进行自动阅卷,同时允许考生在合适范围内超出答题区域。
本发明的一种无需答题卡的试卷自动阅卷处理系统及其实现方法,包括步骤:
S101,确定未作答试卷的答题区域和阅卷区域,阅卷区域为包括答题区域和对应题目的区域,同时根据试卷的题目将答题区域分为客观题答题区域和主观题答题区域,从而获得阅卷模板;
S102,使用特定种类的答题笔在客观题区域和主观题区域内进行作答,作答时笔迹范围为阅卷区域内;
S103,将阅卷模板与已作答试卷进行定位和重合,通过与或逻辑去掉相同的部分,保留不同的部分,从而采集只包含答题信息的答案信息的手写笔迹,并根据手写笔迹所处的答题区域位置分为客观题手写笔迹和主观题手写笔迹;
S104,将客观题手写笔迹进行手写笔迹识别,并按照阅卷区域的顺序与标准答案进行对比,输出对比结果;
S105,将主观题手写笔迹保存并上传至对应的用于人工阅卷的可联网的显示设备中。
进一步,所述S101中获得阅卷模板的步骤包括:
S10101,利用光学扫描仪扫描未作答试卷获得第一图像;
S10102,将图像信息转换为灰阶直方图,同时获取第一图像中试卷题目的第一灰度值范围和空白区域的第二灰度值范围;
S10103,以图像信息的左下角的像素点为零点建立坐标,框定矩形的答题区域的范围,并记录下每个矩形的答题区域的四个角的坐标值;
S10104,根据试卷题目的性质将每个矩形的答题区域分为客观题答题区域和主观题答题区域,并在对应的坐标上进行标记。
进一步,所述S102中特定种类的答题笔的涂写笔迹经过所述S10101和 S10102转换为灰阶直方图后的第三灰度值范围包含于试卷题目的第一灰度值范围。
进一步,所述S103中获取客观题手写笔迹和主观题手写笔迹的步骤包括:
S10301,利用光学扫描仪扫描已作答的试卷获得第二图像;
S10302,将第二图像转换为灰阶直方图,并获取第二图像的所有像素的灰度值;
S10303,将所述第一图像和第二图像内所有的像素点落在所述第一灰度值范围内的像素点进行赋值为1,落在第二灰度值范围内的所有像素点进行赋值为 0;
S10304,将所述第一图像与第二图像进行定位和重合,并对所述第一图像与第二图像内所有像素点的灰度值的赋值进行与非运算,运算结果保留在第二图像中,将运算后将第二图像中赋值为1的像素点保留其原本的灰度值,将运算后赋值为0的像素点的灰度值统一定义为255;
S10305,如果第二图像内存在像素点既不落在所述第一灰度值范围,又不落在所述第二灰度值范围内的像素点,则不参与S10304中的与非运算,直接保留其原本的灰度值;
S10306,根据手写笔迹所在答题区域的性质,判断为客观题手写笔迹或者主观题手写笔迹。
进一步,所述S102或者S10304中的定位和重合的步骤包括;
S10201,在所有的未答题的试卷的任何三个不在一条直线上的位置进行标记,三处标记连线构成任意两边不相等的三角形;
S10202,将所述第一图像固定,对所述第二图像进行缩放、平移以及旋转,使得所述第二图像中三个位置的标记和所述第一图像中的三个位置的标记重合。
进一步,所述S104中手写笔迹识别的步骤包括:
S10401,将试卷上客观题分为若干阅卷区域,每个阅卷区域中有且只有一道客观题;
S10402,利用手写笔迹识别技术将阅卷区域中的客观题手写笔迹进行识别;
S10403,按照阅卷区域的顺序将识别出的答案与标准答案进行对比,并输出结果。
本发明还提供一种无需答题卡的试卷自动阅卷处理系统,包括
扫描单元,用于将未作答试卷和已作答试卷扫描成图像信息;
图像处理和运算单元,用于接收来自扫描单元的图像信息,并将图像信息转化为灰阶直方图,同时对灰阶直方图中每个像素点的灰度值进行运算和处理,确定未作答试卷的图像的答题区域和阅卷区域,并确定主观题区域和客观题区域,提取主观题手写笔迹和客观题手写笔迹,识别客观题手写笔迹与预存的标准答案进行对比并输出对比结果,将主观题手写笔迹发送至人工阅卷单元;
人工阅卷单元,用于显示主观题手写笔迹,并对主观题手写笔迹进行批注和打分。
进一步地,所述扫描单元为光学扫描仪,所述图像处理单元为与光学扫描仪有线或者无线连接的具有图像处理能力和联网能力的第一终端设备,所述人工阅卷单元为第一与终端设备有线或者无线连接的具有图像显示能力和图像处理能力的第二终端设备。
本发明的一种无需答题卡的试卷自动阅卷处理系统及其实现方法,有益效果如下:
(1)直接在试卷上进行答题,采用手写笔迹识别技术识别答案,不需要答题卡,从而节约纸张;
(2)提取手写笔迹时利用空白试卷和已作答试卷之间的与非逻辑提取手写笔迹,将已作答试卷上与空白试卷相同的部分全部去除,手写笔迹超过答题区域甚至是与题目重叠都能够将手写笔迹进行还原,从而将客观题答案进行手写笔迹识别并自动判断,提取出完整的主观题答案发送至人工阅卷单元中,从而避免了考生因为多次修改导致的答案超出答题范围而无法识别。
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它相关的附图。
图1为本发明的整体方法的流程图;
图2为本发明的获得阅卷模板的具体步骤流程图;
图3为本发明的定位和重合的具体实施步骤流程图;
图4为本发明的提取手写笔迹的具体步骤流程图;
图5为本发明的客观题的手写笔迹识别的具体步骤流程图。
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。同时,在本申请的描述中,术语“第一”、“第二”等仅用于区分描述,而不能理解为指示或暗示相对重要性。
需要说明的是,在本文中,诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来,而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且,术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种过程、方法、物品或者设备所固有的要素。
现目前绝大部分考试的要么使用电脑进行机考,要么使用答题卡进行笔试,由于使用电脑机考会产生作弊风险,因此不少场合下仍在使用答题卡进行考试。答题卡的原理是通过特定含碳量的铅笔在答题卡上的特定位置进行涂抹,代表选择的特定答案,自动阅卷时,采用光学图像识别和对比的方式,只要在答题卡的特定位置出现了特定含碳量的笔迹,及判断对应位置代表的客观题目正确。而主观题由于无法自动阅卷,一般是采用让考生将主观答案撰写在答题卡的特定位置上,使用图像处理技术将答题区域的撰写笔迹进行采集,再使用人工阅卷的方式进行阅卷,将主观题答案撰写在答题卡本身并没有节省多少工作量,仅仅只是为了让阅卷老师能够在电脑上阅卷便于分类管理而已,反而会给考生带来较大的困扰,同时带来答题卡纸张的浪费以及答题卡纸质文档分类、存档以及销毁的工作量。考生在作答主观题时,一般由于字数较多,回答错误之后很难进行二次修改,因为二次修改之后会占用靠前的答题区域,因此一般来说考生会在草稿之后才正式撰写答案,过程也需要十分的小心,如果因为情绪紧张导致撰写错误,很容易造成撰写范围超出答题范围的情况,给考生带来巨大的损失。为了提高考生在考试时的容错率,避免因为撰写问题导致的答案无法识别的情况,本申请提供一种无需答题卡的试卷自动阅卷处理系统及其实现方法,用于解决上述问题。
如图1-图5所示:本实施例中的一种无需答题卡的试卷自动阅卷的实现方法,包括步骤:
S101,确定未作答试卷的答题区域和阅卷区域,阅卷区域为包括答题区域和对应题目的区域,同时根据试卷的题目将答题区域分为客观题答题区域和主观题答题区域,从而获得阅卷模板;
即从图像层面上识别空白试卷的答题区域和容错区域,阅卷区域及容错区域,答题区域即一般意义上的位于试卷上用于考试撰写答案的留白区域,而阅卷区域则为包含了题目本身以及答题区域的区域,理论上来说,一张未作答的空白试卷上,有多少道单独的试题,便有多少个答题区域和阅卷区域。
本实施例中,S101中获得阅卷模板的具体步骤包括:
S10101,利用光学扫描仪扫描未作答试卷获得第一图像,光学扫描仪是一种捕获影像的装置,作为一种光机电一体化的电脑外设产品,扫描仪是继鼠标和键盘之后的第三大计算机输入设备,它可将影像转换为计算机可以显示、编辑、存储和输出的数字格式,是功能很强的一种输入设备,常见的光学扫描仪一般和打印机一体设置或者单独设置,可以直接试卷通过光学扫描将试卷转化为图像;
S10102,将图像信息转换为灰阶直方图,同时获取第一图像中用于表示试卷题目印刷字体的第一灰度值范围和空白区域的第二灰度值范围;灰度直方图是关于灰度级分布的函数,是对图像中灰度级分布的统计。灰度直方图是将数字图像中的所有像素,按照灰度值的大小,统计其出现的频率。灰度直方图是灰度级的函数,它表示图像中具有某种灰度级的像素的个数,反映了图像中某种灰度出现的频率。如果将图像总像素亮度(灰度级别)看成是一个随机变量,则其分布情况就反映了图像的统计特性,这可用probabilitydensityfunction (PDF)来刻画和描述,表现为灰度直方图。试卷灰阶图像通过所有不同灰度值的像素点的组合,构成了我们眼中的“黑白”图像,试卷灰阶图像中的所有像素点的明暗程度都可以通过数字0-255进行体现,数字越大则表示像素点的表现越亮,255表现为白色,0表现为黑色。
S10103,以图像信息的左下角的像素点为零点建立坐标,框定矩形的答题区域的范围,并记录下每个矩形的答题区域的四个角的坐标值;
光学扫描仪在将试卷转化为图像时,是根据试卷的实际大小进行等比地扫描,扫描出的所有试卷的大小基本一致,且印刷字体的位置也大致一致,试卷的左下角虽然在人眼看来是“白色”的,但是转化为灰阶直方图后,左下角的灰度值是小于255的,因此所有的试卷的灰阶直方图中的坐标的答题区域的位置也是大致一致的。
S10104,根据试卷题目的性质将每个矩形的答题区域分为客观题答题区域和主观题答题区域,并在对应的坐标上进行标记,客观题答题区域中的手写笔迹需要进行提取、识别和对比;而主观题答题区域中的手写笔迹只需要进行提取和保存,后续人工阅卷,因此需要进行标记和分类,一般来说客观题和主观题都是分布在试卷的不同位置的,因此可以在使用电脑或者其他设备对图像进行划定答题区域和阅卷区域的同时,通过电脑标记分类主观题和客观题,具体可以在每个矩形的答题区域的四个角的坐标值的添加前缀或者后缀,比如主观题答题区域的某个角的坐标值为(10000,10100),标记后即为(10000z,10100z),这样在处理时电脑可以自动识别为主观题答题区域,便于后续过程中不同的处理。
S102,使用特定种类的答题笔在客观题区域和主观题区域内进行作答,作答时笔迹范围为阅卷区域内;特定种类的笔一般指特定含碳量的铅笔,比如2B 铅笔、HB铅笔等,或者墨水笔,如钢笔、签字笔等,在对试卷的图像进行处理时需要将试卷转为图像,图像再转为灰阶直方图,获取灰度信息后进行一些列的图像处理、识别和提取,因此使用特定种类的笔撰写后经过拍照或者扫描转换为图像后,与印刷在试卷上墨水印刷题目的颜色一致性较高,使得在后续处理中,手写笔迹的灰度值和印刷题目的灰度值较为接近,处理起来直接将灰度值二值化,从而节省算力,提高图像处理、识别和提取的效率;此外本步骤中提到的特定种类的答题笔在考试中均为考生常见的答题笔,因此不会出现难以实现的情况。同时考生在答题时应该尽量在答题区域内进行撰写,但是如果因为重复修改导致撰写笔迹落在阅卷区域时,也能进行笔迹提取或者识别,从而提高容错率。
本实施例中,S102或者S10304中的定位和重合的具体实施步骤包括;
S10201,在所有的未答题的试卷的任何三个不在一条直线上的位置进行标记,三处标记连线构成任意两边不相等的三角形,此处所述的标记为印刷标记,试卷在进行印刷时首先需要制作印刷模板,然后将印刷模板在空白纸张上进行定位和印刷,因此可以预先在印刷模板上添加三处标记,这样印刷出来的所有试卷上都包含了三个位置基本相同的标记;
S10202,将第一图像固定,对第二图像进行缩放、平移以及旋转,使得第二图像中三个位置的标记和第一图像中的三个位置的标记重合,电脑在将第二图像与第一图像进行对齐时,只需要将三个标记重合即可,由于三处标记连线构成任意两边不相等的三角形因此,当第二图像与第一图像的三处标记均重合时,即可视为第二图像与第一图像已经重合对齐,由于经过光学扫描仪扫描的图像有可能不是正对的,或者缩放比例与第一图像不同,因此对齐之前需要电脑对第二图像进行缩放、平移以及旋转的操作。
S103,将阅卷模板与已作答试卷进行定位和重合,通过与或逻辑去掉相同的部分,保留不同的部分,从而采集只包含答题信息的答案信息的手写笔迹,并根据手写笔迹所处的答题区域位置分为客观题手写笔迹和主观题手写笔迹;
本实施例中,S103中获取客观题手写笔迹和主观题手写笔迹的具体步骤包括:
S10301,利用光学扫描仪扫描已作答的试卷获得第二图像,使用与步骤 S10101中相同的光学扫描仪扫描已作答的试卷;
S10302,将第二图像转换为灰阶直方图,并获取第二图像的所有像素的灰度值,第二图像的灰阶直方图中包含所有像素的灰度值,第二图像的灰阶直方图的边缘部分的灰度值均在0-255之间,第二图像的边缘即为试卷的实际的边缘;
S10303,将第一图像和第二图像内所有的像素点落在第一灰度值范围内的像素点进行赋值为1,落在第二灰度值范围内的所有像素点进行赋值为0,由于手写笔迹的灰度值范围依然处于印刷字体的灰度值范围内,已作答的试卷上的基本上所有像素灰度值范围都会落在第一灰度值范围和第二灰度值范围内,因此将第一灰度值范围和第二灰度值范围内的所有像素点进行二值化,值得注意的是,此处对像素点赋值的“0”或者“1”并不代表将该像素点的灰度值改为“0”或者“1”,而是进行一种分类,是在另一个维度上对像素点进行分类的定义,为了便于运算,才使用“0”或者“1”进行表示;
S10304,将第一图像与第二图像进行定位和重合,定位重合和步骤详见 S102,在此不再赘述,并对第一图像与第二图像内所有像素点的灰度值的赋值进行与非运算,运算结果保留在第二图像中,将运算后将第二图像中赋值为1 的像素点保留其原本的灰度值,将运算后赋值为0的像素点的灰度值统一定义为 255,从而将第一图像和第二图像中灰度值相同、位置相同的图像转化为白色的空白区域,从而提取出第二图像中存在而第一图像中不存在的手写笔迹;
S10305,如果第二图像内存在像素点既不落在第一灰度值范围,又不落在第二灰度值范围内的像素点,则不参与S10304中的与非运算,直接保留其原本的灰度值,由于有可能手写会与印刷字体重叠,因此造成灰度值不落在第一灰度值范围和第二灰度值范围内,这种情况直接保留对应像素点的原灰度值,从而保留下笔迹;
S10306,根据手写笔迹所在答题区域的性质,判断为客观题手写笔迹或者主观题手写笔迹,电脑根据答题区域的性质自动分类,因此不再赘述。
值得注意的是,由于几乎不可能有两张一模一样的试卷,因此第一图像和第二图像也几乎不能完全对齐与重合,因此采用与非逻辑进行处理时,一定会出现多处印刷字体的细小遗留,这个时候需要进行简单的图像处理,将与非逻辑处理后的第二图像中灰度值落在第一灰度值范围内的所有像素点组成的面积进行判断,并设定一个阈值,当面积小于阈值时,直接将该区域内部的所有像素点的值修改为255,使其变为白色即可,这个阈值需要小于手写笔迹中最小的标点符号所占的面积。
S104,将客观题手写笔迹进行手写笔迹识别,并按照阅卷区域的顺序与标准答案进行对比,输出对比结果,采用现有的手写笔迹识别算法来是被客观题答案,具体算法为现有技术,故不再赘述;
本实施例中,S104中手写笔迹识别的具体步骤包括:
S10401,将试卷上客观题分为若干阅卷区域,每个阅卷区域中有且只有一道客观题,实际上通过与阅卷模板进行重合对齐时,已经能够对已作答试卷的阅卷区域进行判断;
S10402,利用手写笔迹识别技术将阅卷区域中的客观题手写笔迹进行识别;
S10403,按照阅卷区域的顺序将识别出的答案与标准答案进行对比,并输出结果。
S105,将主观题手写笔迹保存并上传至对应的用于人工阅卷的可联网的显示设备中,提取的完整的主观题手写笔迹,进行人工阅卷。
本发明还提供一种无需答题卡的试卷自动阅卷处理系统,包括
扫描单元,用于将未作答试卷和已作答试卷扫描成图像信息;图像处理和运算单元,用于接收来自扫描单元的图像信息,并将图像信息转化为灰阶直方图,同时对灰阶直方图中每个像素点的灰度值进行运算和处理,确定未作答试卷的图像的答题区域和阅卷区域,并确定主观题区域和客观题区域,提取主观题手写笔迹和客观题手写笔迹,识别客观题手写笔迹与预存的标准答案进行对比并输出对比结果,将主观题手写笔迹发送至人工阅卷单元;人工阅卷单元,用于显示主观题手写笔迹,并对主观题手写笔迹进行批注和打分。扫描单元为光学扫描仪,可以为打印机中的光学扫描仪,也可以是单独的光学扫描仪,但是一定有能力获得完整的、与水平面重合的、获得的图像边缘就是试卷的实际边缘的光学扫描仪;图像处理单元为与光学扫描仪有线或者无线连接的具有图像处理能力和联网能力的第一终端设备,一般为个人电脑、服务器等;人工阅卷单元为第一与终端设备有线或者无线连接的具有图像显示能力和图像处理能力的第二终端设备,同样一般为个人电脑、服务器等。
本发明的一种无需答题卡的试卷自动阅卷处理系统及其实现方法,能够实现直接在试卷上进行答题,采用手写笔迹识别技术识别答案,不需要答题卡,从而节约纸张;提取手写笔迹时利用空白试卷和已作答试卷之间的与非逻辑提取手写笔迹,将已作答试卷上与空白试卷相同的部分全部去除,手写笔迹超过答题区域甚至是与题目重叠都能够将手写笔迹进行还原,从而将客观题答案进行手写笔迹识别并自动判断,提取出完整的主观题答案发送至人工阅卷单元中,从而避免了考生因为多次修改导致的答案超出答题范围而无法识别。
最后说明的是,以上实施例仅用以说明本发明的技术方案而非限制,尽管参照较佳实施例对本发明进行了详细说明,本领域的普通技术人员应当理解,可以对本发明的技术方案进行修改或者等同替换,而不脱离本发明技术方案的宗旨和范围,其均应涵盖在本发明的权利要求范围当中。
Claims (8)
1.一种无需答题卡的试卷自动阅卷实现方法,其特征在于:包括步骤:
S101,确定未作答试卷的答题区域和阅卷区域,阅卷区域为包括答题区域和对应题目的区域,同时根据试卷的题目将答题区域分为客观题答题区域和主观题答题区域,从而获得阅卷模板;
S102,使用特定种类的答题笔在客观题区域和主观题区域内进行作答,作答时笔迹范围为阅卷区域内;
S103,将阅卷模板与已作答试卷进行定位和重合,通过与或逻辑去掉相同的部分,保留不同的部分,从而采集只包含答题信息的答案信息的手写笔迹,并根据手写笔迹所处的答题区域位置分为客观题手写笔迹和主观题手写笔迹;
S104,将客观题手写笔迹进行手写笔迹识别,并按照阅卷区域的顺序与标准答案进行对比,输出对比结果;
S105,将主观题手写笔迹保存并上传至对应的用于人工阅卷的可联网的显示设备中。
2.根据权利要求1所述的一种无需答题卡的试卷自动阅卷处理实现方法,其特征在于:所述S101中获得阅卷模板的步骤包括:
S10101,利用光学扫描仪扫描未作答试卷获得第一图像;
S10102,将图像信息转换为灰阶直方图,同时获取第一图像中试卷题目的第一灰度值范围和空白区域的第二灰度值范围;
S10103,以图像信息的左下角的像素点为零点建立坐标,框定矩形的答题区域的范围,并记录下每个矩形的答题区域的四个角的坐标值;
S10104,根据试卷题目的性质将每个矩形的答题区域分为客观题答题区域和主观题答题区域,并在对应的坐标上进行标记。
3.根据权利要求2所述的一种无需答题卡的试卷自动阅卷处理实现方法,其特征在于:所述S102中特定种类的答题笔的涂写笔迹经过所述S10101和S10102转换为灰阶直方图后的第三灰度值范围包含于试卷题目的第一灰度值范围。
4.根据权利要求3所述的一种无需答题卡的试卷自动阅卷处理实现方法,其特征在于:所述S103中获取客观题手写笔迹和主观题手写笔迹的步骤包括:
S10301,利用光学扫描仪扫描已作答的试卷获得第二图像;
S10302,将第二图像转换为灰阶直方图,并获取第二图像的所有像素的灰度值;
S10303,将所述第一图像和第二图像内所有的像素点落在所述第一灰度值范围内的像素点进行赋值为1,落在第二灰度值范围内的所有像素点进行赋值为0;
S10304,将所述第一图像与第二图像进行定位和重合,并对所述第一图像与第二图像内所有像素点的灰度值的赋值进行与非运算,运算结果保留在第二图像中,将运算后将第二图像中赋值为1的像素点保留其原本的灰度值,将运算后赋值为0的像素点的灰度值统一定义为255;
S10305,如果第二图像内存在像素点既不落在所述第一灰度值范围,又不落在所述第二灰度值范围内的像素点,则不参与S10304中的与非运算,直接保留其原本的灰度值;
S10306,根据手写笔迹所在答题区域的性质,判断为客观题手写笔迹或者主观题手写笔迹。
5.根据权利要求4所述的一种无需答题卡的试卷自动阅卷处理实现方法,其特征在于:所述S102或者S10304中的定位和重合的步骤包括;
S10201,在所有的未答题的试卷的任何三个不在一条直线上的位置进行标记,三处标记连线构成任意两边不相等的三角形;
S10202,将所述第一图像固定,对所述第二图像进行缩放、平移以及旋转,使得所述第二图像中三个位置的标记和所述第一图像中的三个位置的标记重合。
6.根据权利要求1所述的一种无需答题卡的试卷自动阅卷处理实现方法,其特征在于:所述S104中手写笔迹识别的步骤包括:
S10401,将试卷上客观题分为若干阅卷区域,每个阅卷区域中有且只有一道客观题;
S10402,利用手写笔迹识别技术将阅卷区域中的客观题手写笔迹进行识别;
S10403,按照阅卷区域的顺序将识别出的答案与标准答案进行对比,并输出结果。
7.一种无需答题卡的试卷自动阅卷处理系统,其特征在于:包括
扫描单元,用于将未作答试卷和已作答试卷扫描成图像信息;
图像处理和运算单元,用于接收来自扫描单元的图像信息,并将图像信息转化为灰阶直方图,同时对灰阶直方图中每个像素点的灰度值进行运算和处理,确定未作答试卷的图像的答题区域和阅卷区域,并确定主观题区域和客观题区域,提取主观题手写笔迹和客观题手写笔迹,识别客观题手写笔迹与预存的标准答案进行对比并输出对比结果,将主观题手写笔迹发送至人工阅卷单元;
人工阅卷单元,用于显示主观题手写笔迹,并对主观题手写笔迹进行批注和打分。
8.根据权利要求7所述的一种无需答题卡的试卷自动阅卷处理系统,其特征在于:所述扫描单元为光学扫描仪,所述图像处理单元为与光学扫描仪有线或者无线连接的具有图像处理能力和联网能力的第一终端设备,所述人工阅卷单元为第一与终端设备有线或者无线连接的具有图像显示能力和图像处理能力的第二终端设备。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010597066.9A CN111814616A (zh) | 2020-06-28 | 2020-06-28 | 一种无需答题卡的试卷自动阅卷处理系统及其实现方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010597066.9A CN111814616A (zh) | 2020-06-28 | 2020-06-28 | 一种无需答题卡的试卷自动阅卷处理系统及其实现方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN111814616A true CN111814616A (zh) | 2020-10-23 |
Family
ID=72855418
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010597066.9A Pending CN111814616A (zh) | 2020-06-28 | 2020-06-28 | 一种无需答题卡的试卷自动阅卷处理系统及其实现方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111814616A (zh) |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112700414A (zh) * | 2020-12-30 | 2021-04-23 | 广东德诚大数据科技有限公司 | 一种用于考试阅卷的空白作答检测方法及系统 |
CN113705438A (zh) * | 2021-08-27 | 2021-11-26 | 河北风口飞网络科技有限公司 | 一种基于多种数据采集形式的考评、阅卷方法及系统 |
CN113822907A (zh) * | 2021-10-18 | 2021-12-21 | 海信集团控股股份有限公司 | 图像处理方法及装置 |
CN113900602A (zh) * | 2021-12-09 | 2022-01-07 | 北京辰光融信技术有限公司 | 一种自动消除目标对象填充信息的智能打印方法及系统 |
CN115100656A (zh) * | 2022-08-25 | 2022-09-23 | 江西风向标智能科技有限公司 | 空白答题卡识别方法、系统、存储介质及计算机设备 |
CN116798036A (zh) * | 2023-06-27 | 2023-09-22 | 广州市南方人力资源评价中心有限公司 | 用于识别和校验答题卡客观题识别结果的方法及装置 |
Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101694718A (zh) * | 2009-10-13 | 2010-04-14 | 西安电子科技大学 | 基于感兴趣区域的遥感图像变化检测方法 |
CN102855495A (zh) * | 2012-08-22 | 2013-01-02 | 苏州多捷电子科技有限公司 | 电子版标准答案的实现方法及其应用系统 |
CN104143094A (zh) * | 2014-07-08 | 2014-11-12 | 北京彩云动力教育科技有限公司 | 一种无需答题卡的试卷自动阅卷处理方法及系统 |
CN105205300A (zh) * | 2014-06-20 | 2015-12-30 | 北京鸿合智能系统股份有限公司 | 自动调节阅卷方法及装置 |
CN106407936A (zh) * | 2016-09-22 | 2017-02-15 | 福建省百互联网科技有限公司 | 一种阅卷方法和系统 |
CN106897749A (zh) * | 2017-03-03 | 2017-06-27 | 盐城工学院 | 自动阅卷方法及系统 |
CN107622463A (zh) * | 2017-09-27 | 2018-01-23 | 张鹏 | 一种出卷及自动阅卷系统及方法 |
CN109101525A (zh) * | 2018-06-19 | 2018-12-28 | 黑龙江拓盟科技有限公司 | 一种基于图像对比识别的医疗图像比对方法 |
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 |
CN109684980A (zh) * | 2018-09-19 | 2019-04-26 | 腾讯科技(深圳)有限公司 | 自动阅卷方法及装置 |
-
2020
- 2020-06-28 CN CN202010597066.9A patent/CN111814616A/zh active Pending
Patent Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101694718A (zh) * | 2009-10-13 | 2010-04-14 | 西安电子科技大学 | 基于感兴趣区域的遥感图像变化检测方法 |
CN102855495A (zh) * | 2012-08-22 | 2013-01-02 | 苏州多捷电子科技有限公司 | 电子版标准答案的实现方法及其应用系统 |
CN105205300A (zh) * | 2014-06-20 | 2015-12-30 | 北京鸿合智能系统股份有限公司 | 自动调节阅卷方法及装置 |
CN104143094A (zh) * | 2014-07-08 | 2014-11-12 | 北京彩云动力教育科技有限公司 | 一种无需答题卡的试卷自动阅卷处理方法及系统 |
CN106407936A (zh) * | 2016-09-22 | 2017-02-15 | 福建省百互联网科技有限公司 | 一种阅卷方法和系统 |
CN106897749A (zh) * | 2017-03-03 | 2017-06-27 | 盐城工学院 | 自动阅卷方法及系统 |
CN107622463A (zh) * | 2017-09-27 | 2018-01-23 | 张鹏 | 一种出卷及自动阅卷系统及方法 |
CN109101525A (zh) * | 2018-06-19 | 2018-12-28 | 黑龙江拓盟科技有限公司 | 一种基于图像对比识别的医疗图像比对方法 |
CN109684980A (zh) * | 2018-09-19 | 2019-04-26 | 腾讯科技(深圳)有限公司 | 自动阅卷方法及装置 |
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 |
Non-Patent Citations (1)
Title |
---|
杜科: "面向城市智能监控的行人检测及其行为识别方法研究", 《中国优秀硕士学位论文全文数据库_信息科技辑》, pages 138 - 1962 * |
Cited By (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112700414A (zh) * | 2020-12-30 | 2021-04-23 | 广东德诚大数据科技有限公司 | 一种用于考试阅卷的空白作答检测方法及系统 |
CN113705438A (zh) * | 2021-08-27 | 2021-11-26 | 河北风口飞网络科技有限公司 | 一种基于多种数据采集形式的考评、阅卷方法及系统 |
CN113822907A (zh) * | 2021-10-18 | 2021-12-21 | 海信集团控股股份有限公司 | 图像处理方法及装置 |
CN113900602A (zh) * | 2021-12-09 | 2022-01-07 | 北京辰光融信技术有限公司 | 一种自动消除目标对象填充信息的智能打印方法及系统 |
CN113900602B (zh) * | 2021-12-09 | 2022-03-11 | 北京辰光融信技术有限公司 | 一种自动消除目标对象填充信息的智能打印方法及系统 |
CN115100656A (zh) * | 2022-08-25 | 2022-09-23 | 江西风向标智能科技有限公司 | 空白答题卡识别方法、系统、存储介质及计算机设备 |
CN116798036A (zh) * | 2023-06-27 | 2023-09-22 | 广州市南方人力资源评价中心有限公司 | 用于识别和校验答题卡客观题识别结果的方法及装置 |
CN116798036B (zh) * | 2023-06-27 | 2024-04-02 | 网才科技(广州)集团股份有限公司 | 用于识别和校验答题卡客观题识别结果的方法及装置 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111814616A (zh) | 一种无需答题卡的试卷自动阅卷处理系统及其实现方法 | |
CN109993112B (zh) | 一种图片中表格的识别方法及装置 | |
CN110008933B (zh) | 一种通用智能阅卷系统和方法 | |
CN110210413B (zh) | 一种基于深度学习的多学科试卷内容检测与识别系统及方法 | |
CN104143094B (zh) | 一种无需答题卡的试卷自动阅卷处理方法及系统 | |
CN107506762B (zh) | 一种基于图像分析的成绩自动录入方法 | |
CN102360419B (zh) | 计算机扫描阅读管理方法及系统 | |
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 | |
CN101866415A (zh) | 一种计算机阅卷系统的答题卡识别装置及方法 | |
CN109242856A (zh) | 一种纸质作业电子化批阅方法及装置 | |
CN111275139A (zh) | 手写内容去除方法、手写内容去除装置、存储介质 | |
CN105740857A (zh) | 一种基于ocr的快速纸笔投票结果自动采集与识别系统 | |
CN107067399A (zh) | 一种试卷图像分割处理方法 | |
CN110555375B (zh) | 答题卡填涂信息的识别方法 | |
CN112116968A (zh) | 一种医学检验报告的识别方法、装置、设备及存储介质 | |
US20060194187A1 (en) | Material processing apparatus, material processing method, and program product | |
CN106815814B (zh) | 一种应用于阅卷系统的图像污染处理方法 | |
CN110298236B (zh) | 一种基于深度学习的盲文图像自动识别方法和系统 | |
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 | |
CN111814606A (zh) | 一种技术图像处理和模式识别的自动阅卷系统及实现方法 | |
US7853194B2 (en) | Material processing apparatus, material processing method and material processing program | |
CN108985175B (zh) | 基于标准外围轮廓和深度学习的手写汉字句集识别方法 | |
CN114550176A (zh) | 基于深度学习的试卷批改方法 | |
CN113903039A (zh) | 一种基于颜色的答题卡答案区域采集的方法 | |
US20060188863A1 (en) | Material processing apparatus, material processing method, and material processing program product |
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 | ||
CB02 | Change of applicant information | ||
CB02 | Change of applicant information |
Address after: 518000 Yunfeng garden, 29 Youyi Road, Jianan community, Nanhu street, Luohu District, Shenzhen City, Guangdong Province Applicant after: Fengye (Shenzhen) Technology Co.,Ltd. Address before: 518000 Guangdong city of Shenzhen province Qianhai Shenzhen Hong Kong cooperation zone before Bay Road No. 1 building 201 room A Applicant before: Fengye (Shenzhen) Technology Co.,Ltd. |