CN112347946A - 一种多类型答题卡的识别方法及系统 - Google Patents

Abstract

本发明涉及一种多类型答题卡的识别方法及系统，属于图像识别技术领域。在对答题卡进行识别之前，先自动生成该类答题卡的模板文件，并根据模板文件对答题卡进行识别，包括正反面和颠倒识别，试卷矫正以及客观题区域的填涂识别，适用于各类扫描仪，且采用一种扫描仪即可对多种类型的答题卡进行识别，兼容性好，识别速度大于扫描仪的扫描速度，对不规则填涂的客观题进行填涂识别的精度高，识别结果更加准确，还能够进行图像异常检测和串科检测，能在扫描中把扫描仪传输异常的图片上报给操作人员，防止异常数据入库。

Description

一种多类型答题卡的识别方法及系统

技术领域

本发明涉及图像识别技术领域，特别是涉及一种多类型答题卡的识别方法及系统。

背景技术

考试中一般使用答题卡进行答题，现有技术大多是针对特定的扫描仪或特定的答题卡，兼容性较差，速度较慢，一种扫描仪无法对多种类型的答题卡进行识别。同时，对于客观题的填涂，很难区分是否为擦涂，且对不规范填涂的识别能力较差。

发明内容

本发明的目的是提供一种多类型答题卡的识别方法及系统，采用一种扫描仪即可对多种类型的答题卡进行识别，识别速度快，且识别速度大于扫描速度，并能够提高对客观题填涂的识别精度。

为实现上述目的，本发明提供了如下方案：

一种多类型答题卡的识别方法，所述识别方法包括如下步骤：

利用扫描仪对任一类型答题卡中的一张答题卡进行扫描，获得两张扫描后图片；对所述扫描后图片进行框选，得到图片尺寸数据以及定位点、同步头、标题头、考号区域和客观题区域的位置信息；根据所述图片尺寸数据以及定位点、同步头、标题头、考号区域和客观题区域的位置信息自动生成所述答题卡的模板文件；

利用扫描仪对与所述模板文件类型相同的答题卡进行扫描，得到两张扫描图片，根据所述模板文件对所述扫描图片进行识别；

采用考号检测方法、同步头检测方法、标题头检测方法和定位点检测方法中的一种或多种方法对两张扫描图片进行正反面识别，确定答题卡的正面图片和反面图片；

采用定位点检测方法分别对所述正面图片和所述反面图片进行颠倒识别，并在所述正面图片发生颠倒时，对所述正面图片进行180度旋转，得到正向正面图片，在所述反面图片发生颠倒时，对所述反面图片进行180度旋转，得到正向反面图片；

采用三定位点矫正法对所述正向正面图片和所述正向反面图片进行一次矫正，得到矫正后正面图片和矫正后反面图片；

采用平均灰度对比法对所述矫正后正面图片进行客观题区域的填涂识别。

一种多类型答题卡的识别系统，所述识别系统包括：

模板文件生成模块，用于利用扫描仪对任一类型答题卡中的一张答题卡进行扫描，获得两张扫描后图片；对所述扫描后图片进行框选，得到图片尺寸数据以及定位点、同步头、标题头、考号区域和客观题区域的位置信息；根据所述图片尺寸数据以及定位点、同步头、标题头、考号区域和客观题区域的位置信息自动生成所述答题卡的模板文件；

扫描图片生成模块，用于利用扫描仪对与所述模板文件类型相同的答题卡进行扫描，得到两张扫描图片，根据所述模板文件对所述扫描图片进行识别；

正反面识别模块，用于采用考号检测方法、同步头检测方法、标题头检测方法和定位点检测方法中的一种或多种方法对两张扫描图片进行正反面识别，确定答题卡的正面图片和反面图片；

颠倒识别模块，用于采用定位点检测方法分别对所述正面图片和所述反面图片进行颠倒识别，并在所述正面图片发生颠倒时，对所述正面图片进行180度旋转，得到正向正面图片，在所述反面图片发生颠倒时，对所述反面图片进行180度旋转，得到正向反面图片；

一次矫正模块，用于采用三定位点矫正法对所述正向正面图片和所述正向反面图片进行一次矫正，得到矫正后正面图片和矫正后反面图片；

客观题识别模块，用于采用平均灰度对比法对所述矫正后正面图片进行客观题区域的填涂识别。

根据本发明提供的具体实施例，本发明公开了以下技术效果：

本发明提供的一种多类型答题卡的识别方法及系统，在对答题卡进行识别之前，先自动生成该类答题卡的模板文件，并根据模板文件对答题卡进行识别，包括正反面和颠倒识别，试卷矫正以及客观题区域的填涂识别，适用于各类扫描仪，采用一种扫描仪即可对多种类型的答题卡进行识别，兼容性好，识别速度大于扫描仪的扫描速度，对不规则填涂的客观题进行填涂识别的精度高，识别结果更加准确，还能够进行图像异常检测和串科检测，能在扫描中把扫描仪传输异常的图片上报给操作人员，防止异常数据入库。

附图说明

为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，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的附图。

图1为本发明实施例1所提供的识别方法的方法流程图。

图2为本发明实施例1所提供的正常情况下的答题卡示意图。

图3为本发明实施例1所提供的对正常情况下的答题卡进行扫描后得到的扫描图片的四种情况。

图4为本发明实施例1所提供的特殊情况下的答题卡示意图。

图5为本发明实施例1所提供的对特殊情况下的答题卡进行扫描后得到的扫描图片的八种情况。

图6为本发明实施例1所提供的标题头的示意图。

具体实施方式

下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

本发明的目的是提供一种多类型答题卡的识别方法及系统，采用一种扫描仪即可对多种类型的答题卡进行识别，识别速度快，且识别速度大于扫描速度，并能够提高对客观题填涂的识别精度。

为使本发明的上述目的、特征和优点能够更加明显易懂，下面结合附图和具体实施方式对本发明作进一步详细的说明。

实施例1

本实施例用于提供一种多类型答题卡的识别方法，如图1所示，所述识别方法包括如下步骤：

步骤101：利用扫描仪对任一类型答题卡中的一张答题卡进行扫描，获得两张扫描后图片；对所述扫描后图片进行框选，得到图片尺寸数据以及定位点、同步头、标题头、考号区域和客观题区域的位置信息；根据所述图片尺寸数据以及定位点、同步头、标题头、考号区域和客观题区域的位置信息自动生成所述答题卡的模板文件；模板文件是该类型答题卡内各个元素的信息汇总。

具体的，还可以对扫描后图片进行框选，得到缺考标记、违纪标记和主观题区域的位置信息。以上元素在之后的扫描识别中所起的作用分别如下：图片尺寸用于进行大小矫正；定位点用于正反面判别，试卷类型判别和试卷矫正；同步头用于试卷类型判别，正反面判别，试卷矫正和试卷矫正可信度判别；标题头用于正反面判别和试卷矫正；考号区域用于正反面判别和识别学生考号；缺考标记用于检测学生是否缺考；违纪标记用于检测学生是否违纪；客观题区域用于识别客观题和试卷类型判别；主观题区域无图像识别内容，可留阅卷使用。

在对所述扫描后图片进行框选时，其难点在于：1、在框选时，由于用户框选的框可能会远大于目标元素或者所选取的答题卡本身不干净，而导致在框选框内包含干扰识别的情况出现；2、在框选时，用户框选的框可能会没完全包含目标元素；3、图像本身需克服的技术难点。

为解决上述难点，针对不同的目标元素所用的框选方法分别如下：

定位点：当用户框选的框内有包含干扰识别的情况出现，则选择框内面积最大的目标作为定位点，并记录定位点的信息。若用户未完全框选目标，则会在识别框边缘识别出来，提醒用户重新框选。

同步头：当用户框选的框内有包含干扰识别的情况出现，则选择框内面积最接近的一群目标作为同步头，并记录同步头的信息。若用户未完全框选目标，则会在识别框边缘识别出来，提醒用户重新框选。

客观题：客观题的框选需结合图像分析，将框选框内的图像横竖分割为线段，通过线段间的连接和间隔距离，从而判断和记录每个选项框的位置。

考号区域：若考号类型为条码，则仅记录用户框选的位置。若考号类型为填涂考号，则需将框选框内的图像横竖分割为线段，通过线段间的连接和间隔距离，过滤不符合条件的横线或竖线，从而判断和记录出每个考号框的位置。

标题头、缺考标记及违纪标记：框选方法与客观题的方法相同，属于只有一个选项的客观题。

步骤102：利用扫描仪对与所述模板文件类型相同的答题卡进行扫描，得到两张扫描图片，根据所述模板文件对所述扫描图片进行识别，所做的识别操作包括图片异常检测，试卷正反面及颠倒识别，试卷校正，客观题识别以及串科检测。

在得到两张扫描图片后，若两张扫描图片并非经过扫描仪得到的，则需要先对两张扫描图片分别进行图像去黑边操作。另外，由于有些扫描仪在进行答题卡的扫描时，需要先将答题卡进行90度翻转，才能通过扫描仪进行扫描。故在获得两张扫描图片后，需要先计算扫描图片的长宽比，若扫描图片的长宽比小于1，而原始答题卡的长宽比大于1，或者扫描图片的长宽比大于1，而原始答题卡的长宽比小于1，则需要先将扫描图片进行图像翻转，旋转90度。

另外，在根据模板文件对扫描图片进行识别之前，该识别方法还包括图片异常检测，具体包括：

计算所述扫描图片的长宽比，判断所述扫描图片的长宽比与未扫描的所述答题卡的长宽比的差值是否在第一预设阈值内，若否，则认为所述扫描图片压缩或者拉伸，该扫描图片为异常图片，输出异常信号；

或计算所述扫描图片四角的黑色面积，所述黑色面积为所述扫描图片在预设灰度值下全部点数的个数；判断所述黑色面积的最大值是否大于预设值，若是，则认为所述扫描图片发生折角，该扫描图片为异常图片，输出异常信号。

在对一张答题卡进行扫描时，会得到两张扫描图片，当其中任意一张扫描图片为异常图片时，会输出异常信号使扫描的操作人员第一时间发现，这张答题卡对应的两张扫描图片均不能进入数据库，从而防止异常数据入库。

步骤103：采用考号检测方法、同步头检测方法、标题头检测方法和定位点检测方法中的一种或多种方法对两张扫描图片进行正反面识别，确定答题卡的正面图片和反面图片；

在采用考号检测方法、同步头检测方法、标题头检测方法和定位点检测方法中的一种或多种方法对两张扫描图片进行正反面识别，确定答题卡的正面图片和反面图片之前，所述识别方法还包括：

判断所述答题卡是单面答题卡还是双面答题卡；

若所述答题卡为单面答题卡，由于单面答题卡正面的黑色面积较多，反面的较少甚至几乎没有，则通过比较两张扫描图片黑色部分的面积即可区分正反面，具体为：计算两张扫描图片的黑色面积，并以所述黑色面积大的扫描图片作为答题卡的正面图片；所述黑色面积为所述扫描图片在预设灰度值下全部点数的个数，进而能够在答题卡类型为单面答题卡的情况下区分哪一面是正面，哪一面是反面。

所述采用考号检测方法对两张扫描图片进行正反面识别，确定答题卡的正面图片和反面图片具体包括：

判断所述模板文件中考号区域的考号类型；

当所述考号类型为条码时，由于一张答题卡上只会粘贴一个条码，故根据模板文件在每一张扫描图片上均生成两个检测框，即针对一张答题卡，共生成4个检测框，其中只有一个检测框内会存在条码。识别条码用的库是开源的zbar，条码的正反对zbar无影响，但条码如果倾斜，则对zbar影响较大。而条码由学生进行粘贴，大多都是有倾斜的，单纯使用zbar的识别效果并不好，故针对zbar进行优化，即先利用OpenCV检测条码是否倾斜，并对倾斜条码进行矫正，之后再用zbar进行条码的识别。具体为：在所述扫描图片上生成两个检测框，一个检测框处于所述模板文件中条码所在的位置，另一个检测框处于所述模板文件颠倒后条码所在的位置；利用OpenCV的dilate函数对检测框内的图像进行图像膨胀，将条码膨胀为一个矩形，再利用OpenCV的erode函数对检测框内的图像进行图像腐蚀，进而能够将判断倾斜的干扰消除，且将判断条码是否倾斜转换为判断一个矩形是否倾斜，再利用findContours和minAreaRect函数确定倾斜角度，根据所述倾斜角度旋转检测框内的图像，得到校正后图像，从而对条码进行倾斜校正；利用zbar对所述检测框内的校正后图像进行检测，判断检测框内是否存在条码；存在条码的扫描图片即为答题卡的正面图片，另一张扫描图片即为答题卡的反面图片；在确定答题卡的正面图片后，还可以根据存在条码的检测框的位置确定该正面图片是否颠倒，若正面图片发生颠倒，则将正面图片旋转180度，得到正向正面图片。

当所述考号类型为填涂考号时，在每一张扫描图片上生成两个检测框，一个检测框处于所述模板文件中考号区域所在的位置，另一个检测框处于所述模板文件颠倒后考号区域所在的位置；利用findContours对所述检测框内的图像进行检测，获得检测框内每个连接物体的高，并统计处于高度范围内的连接物体的个数；所述高度范围为0.5倍-1.5倍的选项的高；所述连接物体个数最多的检测框所在的扫描图片即为答题卡的正面图片，另一张扫描图片即为答题卡的反面图片。同样，在确定答题卡的正面图片后，还可以根据连接物体个数最多的检测框的位置确定该正面图片是否颠倒，若正面图片发生颠倒，则将正面图片旋转180度，得到正向正面图片。

需要说明的是，选择高度作为判断依据的原因是一个选项可能由三个连接物体组成。如[A]选项，如果打印的很贴近或者被填涂，可以看作成一个连接物体，如果打印的不贴近，且未被填涂，那么在计算机看来只能是由“[”、“A”和“]”三个连接物体组成。但无论[A]被认为成三个连接物体还是一个连接物体，这些物体的高度是不变的，而其他特性，如：宽度，面积，这些特性则会改变，无法作为判断依据，故选取高度作为判断依据。

所述采用同步头检测方法对两张扫描图片进行正反面识别，确定答题卡的正面图片和反面图片具体包括：

在每一张扫描图片上生成两个检测框，一个检测框处于所述模板文件中同步头区域所在的位置，另一个检测框处于所述模板文件颠倒后同步头区域所在的位置；其中只有一个检测框内会存在数量与模板文件内同步头数量相同的同步头。利用findContours对所述检测框内的图像进行检测，获得检测框内每个连接物体的形状特征，并统计符合形状特征的连接物体的个数；所述个数最多的检测框所在的扫描图片即为答题卡的正面图片，另一张扫描图片即为答题卡的反面图片。同样，在确定答题卡的正面图片后，还可以根据个数最多的检测框的位置确定该正面图片是否颠倒，若正面图片发生颠倒，则将正面图片旋转180度，得到正向正面图片。

所述采用标题头检测方法对两张扫描图片进行正反面识别，确定答题卡的正面图片和反面图片具体包括：

标题头检测方法的识别思路类似于考号检测方法中填涂考号的识别思路，但所用的识别方法不是使用findContours去找连接物体，而是使用Opencv中的matchTemplate与minMaxLoc进行图片的匹配。具体为：在所述扫描图片上生成两个检测框，一个检测框处于所述模板文件中标题头区域所在的位置，另一个检测框处于所述模板文件颠倒后标题头区域所在的位置；其中只有一个检测框内会存在与模板文件内标题头相似的标题头。利用matchTemplate与minMaxLoc对所述检测框内的图像和将所述检测框内的图像翻转180度后得到的图像进行检测，获得检测框内图像与模板文件中标题头的相似度，选取相似度最高的值作为该检测框的得分；所述得分最高的检测框所在的扫描图片即为答题卡的正面图片，另一张扫描图片即为答题卡的反面图片。同样，在确定答题卡的正面图片后，还可以根据得分最高的检测框的位置确定该正面图片是否颠倒，若正面图片发生颠倒，则将正面图片旋转180度，得到正向正面图片。

步骤104：采用定位点检测方法分别对所述正面图片和所述反面图片进行颠倒识别，并在所述正面图片发生颠倒时，对所述正面图片进行180度旋转，得到正向正面图片，在所述反面图片发生颠倒时，对所述反面图片进行180度旋转，得到正向反面图片；

具体的，所述定位点检测方法为：

根据所述模板文件确定所有定位点的位置，并根据所有位置的定位点的面积特征判断所述答题卡是否存在特殊定位点，所述特殊定位点的面积大于其他定位点的面积；根据有无特殊定位点和所述答题卡是单面答题卡还是双面答题卡将所述答题卡分为四种类型；所述四种类型分别为单面有特殊定位点、单面无特殊定位点、双面有特殊定位点以及双面无特殊定位点；当答题卡的类型为单面有特殊定位点和单面无特殊定位点时，利用步骤103中判断单面答题卡正反面的方法即可区分哪一面为正面，进而仅需利用定位点检测方法判断正面是否发生颠倒。当答题卡的类型为双面有特殊定位点和双面无特殊定位点时，则需要判断双面的正反和颠倒。

当所述答题卡的类型为单面有特殊定位点时，根据所述模板文件中特殊定位点的位置信息在所述正面图片上生成两个检测框；第一检测框处于所述模板文件中特殊定位点所在的位置，第二检测框处于所述模板文件颠倒后特殊定位点所在的位置；判断所述正面图片中特殊定位点所处的检测框；若处于第一检测框，则所述正面图片为正向正面图片；若处于第二检测框，则所述正面图片为反向正面图片，将所述反向正面图片进行180度旋转，得到正向正面图片；

当所述答题卡的类型为单面无特殊定位点时，在所述正面图片的四角处分别生成一个检测框，并分别检测四个检测框内定位点的数量；若所述正面图片中每一个检测框内定位点的数量与所述模板文件中对应检测框内定位点的数量一致，则所述正面图片为正向正面图片；否则，则所述正面图片为反向正面图片，将所述反向正面图片进行180度旋转，得到正向正面图片；为了使本领域技术人员更加清楚的理解这一技术方案，举例说明，以答题卡右上角的检测框作为检测框1，逆时针依次确定答题卡左上角的检测框作为检测框2、答题卡左下角的检测框作为检测框3、答题卡右下角的检测框作为检测框4，获取四个检测框内定位点的数量，当模板文件的定位点数量分别为(0，1，1，0)时，若正面图片的定位点数量为(0，1，1，0)，则图像未颠倒，若正面图片的定位点数量为(1，0，0，1)，则图像发生颠倒，进行180度旋转，得到正向正面图片。

当所述答题卡的类型为双面有特殊定位点时，根据所述模板文件中特殊定位点的位置信息在所述扫描图片上生成四个检测框；第三检测框处于所述模板文件正面特殊定位点所在的位置，第四检测框处于所述模板文件正面颠倒后特殊定位点所在的位置；第五检测框处于所述模板文件反面特殊定位点所在的位置，第六检测框处于所述模板文件反面颠倒后特殊定位点所在的位置；判断所述扫描图片上特殊定位点所处的检测框；若处于第三检测框，则所述扫描图片为正向正面图片；若处于第四检测框，则所述扫描图片为反向正面图片，并将所述反向正面图片进行180度旋转，得到正向正面图片；若处于第五检测框，则所述扫描图片为正向反面图片；若处于第六检测框，则所述扫描图片为反向反面图片，并将所述反向反面图片进行180度旋转，得到正向反面图片；

当所述答题卡的类型为双面无特殊定位点时，则在所述扫描图片的四角处分别生成一个检测框，并分别检测四个检测框内定位点的数量；若所述扫描图片中每个检测框内定位点的数量与所述模板文件正面对应检测框内定位点的数量一致，则所述扫描图片为正向正面图片；若所述扫描图片中每个检测框内定位点的数量与所述模板文件正面颠倒后对应检测框内定位点的数量一致，则所述扫描图片为反向正面图片，并将所述反向正面图片进行180度旋转，得到正向正面图片；若所述扫描图片中每个检测框内定位点的数量与所述模板文件反面对应检测框内定位点的数量一致，则所述扫描图片为正向反面图片；若所述扫描图片中每个检测框内定位点的数量与所述模板文件反面颠倒后对应检测框内定位点的数量一致，则所述扫描图片为反向反面图片，并将所述反向反面图片进行180度旋转，得到正向反面图片。为了使本领域技术人员更加清楚的理解这一技术方案，举例说明，以答题卡右上角的检测框作为检测框1，逆时针依次确定答题卡左上角的检测框作为检测框2、答题卡左下角的检测框作为检测框3、答题卡右下角的检测框作为检测框4，获取四个检测框内定位点的数量，当模板文件正面的定位点数量分别为(0，1，1，0)，模板文件反面的定位点数量分别为(3，0，0，1)时，若扫描图片的定位点数量为(0，1，1，0)，则扫描图片为正面，且未颠倒；若扫描图片的定位点数量为(1，0，0，1)，则扫描图片为正面，但发生颠倒，需进行180度旋转，得到正向正面图片；若扫描图片的定位点数量为(3，0，0，1)，则扫描图片为反面，且未颠倒；若扫描图片的定位点数量为(0，1，3，0)，则扫描图片为反面，但发生颠倒，需进行180度旋转，得到正向反面图片。

一般情况下，一张正常的答题卡如图2所示，那么其进入扫描仪时，只有四种方式放进去，正面向上正着放，正面向上反着放，反面向上正着放，反面向上反着放，那么扫描仪传出的图片也只会有四种情况，如图3所示。但在特殊情况下，若印刷答题卡时出现失误，其答题卡如图4所示，扫描仪扫描后传出的图片将会出现八种情况，如图5所示。那么，本实施例所用的识别方法需要能够对八种情况下的扫描图片进行识别。

作为一种可选的实施方式，在进行正反面识别和颠倒识别之前，先判断考号区域的考号类型，条码考号类型的试卷判断步骤为：考号检测方法→定位点检测方法→同步头检测方法→标题头检测方法；填涂考号类型的试卷判断步骤为：定位点检测方法→同步头检测方法→考号检测方法→标题头检测方法。之所以这么安排，主要考虑的是：识别时间。条码类型的答题卡最优先采用考号检测方法，是因为条码考号具有唯一性，属于试卷上的唯一标志。且如果把其他的方法排在考号检测方法前面，就算判断出正反面，之后依旧要进行考号识别。定位点检测方法放在同步头检测方法前面的原因为定位点检测方法的鲁棒性更强，可判断扫描图片的情况为8种，而同步头检测方法只能判断正常的4种。标题头检测方法安排在最后是因为标题头检测方法的使用方法为图与图的匹配，使用标题头检测方法要消耗更多的时间和资源。而填涂考号把考号检测方法放在同步头检测方法之后是因为填涂考号在没进行矫正之前，只能判断出此处有无填涂考号，而无法像条码考号那样准确识别出考号。且判断有无填涂考号的时间慢于同步头检测方法，快于标题头检测方法，因此放在同步头检测方法之后，标题头检测方法之前。

步骤105：采用三定位点矫正法对所述正向正面图片和所述正向反面图片进行一次矫正，得到矫正后正面图片和矫正后反面图片；

扫描仪得出的图片，每一张都会有偏差，因此需要通过定位点进行矫正，将图像映射到另一张图上，从而提高准确度。而映射需要三个点，选取三个点的规则为三点所围面积最大的三个点。在制作模板文件时，会自动把最适合做矫正的三个点进行优先度从高到低的排序，从而减少识别时再去分析的时间。三定位点矫正法使用的是OpenCV内的getAffineTransform和warpAffine。所述采用三定位点矫正法对所述正向正面图片和所述正向反面图片进行一次矫正，得到矫正后正面图片和矫正后反面图片具体包括：根据所述模板文件确定定位点的位置信息，依据三个定位点组成三角形的面积最大这一原则在所有定位点中选取三个定位点；根据所述三个定位点，利用OpenCV中的getAffineTransform和warpAffine函数分别对所述正向正面图片和所述正向反面图片进行一次矫正，得到矫正后正面图片和矫正后反面图片。

三定位点矫正法对这三个点所围成面积内的图像的矫正效果较好，但对三点围成面积外的图像矫正的偏差会较大。考虑到是对答题卡进行平面扫描，因此在三定位点矫正法的基础上设计了两定位点矫正法。两定位点矫正法的原理是假如有两个相同的三角形，如果知道其中一个三角形的三个坐标，知道另一个三角形的两个坐标，则一定可以求出第三个点的坐标。因此在根据模板文件确定两个定位点位置的基础上，再虚拟一个定位点，当定位点发生偏移时，知道两个定位点的偏移后，即可求出虚拟点的偏移，从而进行三点矫正。

由于一次矫正是针对整张试卷进行校正，无法确保客观题区域的矫正效果。故本实施例在采用三定位点矫正法对正向正面图片和正向反面图片进行一次矫正后，识别方法还包括：根据模板文件确定一次矫正后所得图片中的同步头位置，计算所述同步头位置处的同步头面积；判断所述同步头面积与所述模板文件中同步头面积的比例关系是否处于预设比例阈值内，若是，说明客观题区域的矫正效果良好，为节省时间，则以一次矫正后所得图片作为矫正后正面图片和矫正后反面图片；若否，则利用同步头矫正方法和/或标题头矫正方法对一次矫正后所得图片进行二次校正，得到矫正后正面图片和矫正后反面图片。

具体的，同步头矫正方法与一次矫正时所用的三定位点矫正法原理相同。标题头矫正方法使用Opencv中的matchTemplate与minMaxLoc函数。如图6所示，先利用matchTemplate与minMaxLoc函数对标题头的全部部分进行匹配，返回所匹配图片的左上角坐标，即确定“成”的左上坐标，之后从标题头末尾沿长边进行量取，量取的长度为标题头的短边长度，以得到“卡”的左上坐标，并确定“卡”的右下坐标，最后采用两定位点矫正法或三定位点矫正法进行矫正。

在扫描过程中若人员发生误操作，将本不是该科的考生试卷用该科的模板文件去扫描，则会出现串科情况，使错误数据进入数据库，为防止这一问题，本实施例在得到矫正后正面图片和矫正后反面图片后，所述识别方法还包括串科检测，具体包括：

根据所述模板文件中定位点的位置在所述矫正后正面图片和所述矫正后反面图片上生成对应的检测框，判断所述检测框内是否存在定位点，若不存在，则发出串科信号；若存在，则判断定位点的数量是否与所述模板文件中对应检测框内定位点的数量相同，若数量相同，则未发生串科；若数量不同，则发出串科信号；

根据所述模板文件中同步头的位置在所述矫正后正面图片上生成对应的检测框，判断所述检测框内是否存在同步头，若不存在，则发出串科信号；若存在，则判断同步头的数量是否与所述模板文件中对应检测框内同步头的数量相同，若数量相同，则未发生串科；若数量不同，则发生串科信号。

根据所述模板文件中客观题区域的位置在所述矫正后正面图片上生成对应的检测框，判断所述检测框内是否存在客观题选项，若不存在，则发出串科信号。

步骤106：采用平均灰度对比法对所述矫正后正面图片进行客观题区域的填涂识别。

矫正完成之后，则进行客观题识别，对客观题的识别是个难点，因为会有各种干扰。1、答题卡材质的干扰，目前答题卡的种类有白卡，黄卡，以及红卡。2、扫描仪的干扰，每一台扫描仪扫出来的图片有深有浅，红光扫描和白光扫描的效果更是不同。3、印刷的干扰，答题卡的印刷是否工整，可能会存在歪斜。4、学生填涂的不规范。学生可能会填涂得过深，又可能填涂的过少，还有可能擦除的不干净。

为攻克这个难点，采用平均灰度对比法对所述矫正后正面图片进行客观题区域的填涂识别，具体包括：

根据所述模板文件中的客观题区域的位置信息确定所述矫正后正面图片的客观题区域所在位置；

检测所述客观题区域内所有选项的灰度值，以所有选项的最大灰度值作为全局最大值，并以每一题各个选项的最大灰度值作为每一题的局部最大值，以每一题各个选项的最小灰度值作为每一题的局部最小值；

对于每一题，判断所述局部最大值与所述全局最大值的差值是否在第二预设阈值内，得到第一判断结果；

当所述第一判断结果为否时，则所述局部最大值对应的选项被填涂，进而这一题的所有选项均被填涂；

当所述第一判断结果为是时，则所述局部最大值对应的选项未被填涂；判断所述局部最小值是否小于所述局部最大值与k1的差值，得到第二判断结果；当所述第二判断结果为否时，则所述局部最小值对应的选项未被填涂，进而这一题的所有选项均未被填涂；

当所述第二判断结果为是时，则所述局部最小值对应的选项被填涂；判断其余选项的灰度值是否小于所述局部最大值与k1的差值，得到第三判断结果；当所述第三判断结果为否时，则所述选项未被填涂；

当所述第三判断结果为是时，则所述选项被填涂过；判断所述选项的灰度值是否大于所述局部最小值与k2的和，得到第四判断结果；当所述第四判断结果为是时，则所述选项被擦涂；当所述第四判断结果为否时，则所述选项被填涂。

目前，扫描仪的扫描速度最快为一秒扫描4张A4试卷或2张A3试卷。因此一般情况下答题卡的识别速度要大于扫描速度，但本实施例所用的识别方法虽然识别流程和功能多，但用时极少，一张A3试卷的识别时间大约为0.15秒，识别速度大于扫描仪的扫描速度。且本实施例所用的识别方法，在对答题卡进行识别之前，先自动生成该类答题卡的模板文件，采用一种扫描仪即可对多种类型的答题卡进行识别，兼容性好，对不规则填涂的客观题进行填涂识别的精度高，识别结果更加准确。

实施例2：

本实施例用于提供一种多类型答题卡的识别系统，所述识别系统包括：

模板文件生成模块，用于利用扫描仪对任一类型答题卡中的一张答题卡进行扫描，获得两张扫描后图片；对所述扫描后图片进行框选，得到图片尺寸数据以及定位点、同步头、标题头、考号区域和客观题区域的位置信息；根据所述图片尺寸数据以及定位点、同步头、标题头、考号区域和客观题区域的位置信息自动生成所述答题卡的模板文件；

扫描图片生成模块，用于利用扫描仪对与所述模板文件类型相同的答题卡进行扫描，得到两张扫描图片，根据所述模板文件对所述扫描图片进行识别；

正反面识别模块，用于采用考号检测方法、同步头检测方法、标题头检测方法和定位点检测方法中的一种或多种方法对两张扫描图片进行正反面识别，确定答题卡的正面图片和反面图片；

颠倒识别模块，用于采用定位点检测方法分别对所述正面图片和所述反面图片进行颠倒识别，并在所述正面图片发生颠倒时，对所述正面图片进行180度旋转，得到正向正面图片，在所述反面图片发生颠倒时，对所述反面图片进行180度旋转，得到正向反面图片；

一次矫正模块，用于采用三定位点矫正法对所述正向正面图片和所述正向反面图片进行一次矫正，得到矫正后正面图片和矫正后反面图片；

客观题识别模块，用于采用平均灰度对比法对所述矫正后正面图片进行客观题区域的填涂识别。

本说明书中各个实施例采用递进的方式描述，每个实施例重点说明的都是与其他实施例的不同之处，各个实施例之间相同相似部分互相参见即可。对于实施例公开的系统而言，由于其与实施例公开的方法相对应，所以描述的比较简单，相关之处参见方法部分说明即可。

本文中应用了具体个例对本发明的原理及实施方式进行了阐述，以上实施例的说明只是用于帮助理解本发明的方法及其核心思想；同时，对于本领域的一般技术人员，依据本发明的思想，在具体实施方式及应用范围上均会有改变之处。综上所述，本说明书内容不应理解为对本发明的限制。

Claims (10)

1.一种多类型答题卡的识别方法，其特征在于，所述识别方法包括如下步骤：

利用扫描仪对任一类型答题卡中的一张答题卡进行扫描，获得两张扫描后图片；对所述扫描后图片进行框选，得到图片尺寸数据以及定位点、同步头、标题头、考号区域和客观题区域的位置信息；根据所述图片尺寸数据以及定位点、同步头、标题头、考号区域和客观题区域的位置信息自动生成所述答题卡的模板文件；

利用扫描仪对与所述模板文件类型相同的答题卡进行扫描，得到两张扫描图片，根据所述模板文件对所述扫描图片进行识别；

采用考号检测方法、同步头检测方法、标题头检测方法和定位点检测方法中的一种或多种方法对两张扫描图片进行正反面识别，确定答题卡的正面图片和反面图片；

采用定位点检测方法分别对所述正面图片和所述反面图片进行颠倒识别，并在所述正面图片发生颠倒时，对所述正面图片进行180度旋转，得到正向正面图片，在所述反面图片发生颠倒时，对所述反面图片进行180度旋转，得到正向反面图片；

采用三定位点矫正法对所述正向正面图片和所述正向反面图片进行一次矫正，得到矫正后正面图片和矫正后反面图片；

采用平均灰度对比法对所述矫正后正面图片进行客观题区域的填涂识别。

2.如权利要求1所述的一种多类型答题卡的识别方法，其特征在于，在根据所述模板文件对所述扫描图片进行识别之前，所述识别方法还包括图片异常检测，具体包括：

计算所述扫描图片的长宽比，判断所述扫描图片的长宽比与未扫描的所述答题卡的长宽比的差值是否在第一预设阈值内，若否，则认为所述扫描图片异常，输出异常信号；

或计算所述扫描图片四角的黑色面积，所述黑色面积为所述扫描图片在预设灰度值下全部点数的个数；判断所述黑色面积的最大值是否大于预设值，若是，则认为所述扫描图片发生折角，输出异常信号。

3.如权利要求1所述的一种多类型答题卡的识别方法，其特征在于，在采用考号检测方法、同步头检测方法、标题头检测方法和定位点检测方法中的一种或多种方法对两张扫描图片进行正反面识别，确定答题卡的正面图片和反面图片之前，所述识别方法还包括：

判断所述答题卡是单面答题卡还是双面答题卡；

若所述答题卡为单面答题卡，则计算两张扫描图片的黑色面积，并以所述黑色面积大的扫描图片作为答题卡的正面图片；所述黑色面积为所述扫描图片在预设灰度值下全部点数的个数。

4.如权利要求1所述的一种多类型答题卡的识别方法，其特征在于，所述采用考号检测方法对两张扫描图片进行正反面识别，确定答题卡的正面图片和反面图片具体包括：

判断所述模板文件中考号区域的考号类型；

当所述考号类型为条码时，在所述扫描图片上生成两个检测框，一个检测框处于所述模板文件中条码所在的位置，另一个检测框处于所述模板文件颠倒后条码所在的位置；利用OpenCV的dilate函数对检测框内的图像进行图像膨胀，再利用OpenCV的erode函数对检测框内的图像进行图像腐蚀，并利用findContours和minAreaRect函数确定倾斜角度，根据所述倾斜角度旋转检测框内的图像，得到校正后图像；利用zbar对所述检测框内的校正后图像进行检测，判断检测框内是否存在条码；存在条码的扫描图片即为答题卡的正面图片，另一张扫描图片即为答题卡的反面图片；

当所述考号类型为填涂考号时，在所述扫描图片上生成两个检测框，一个检测框处于所述模板文件中考号区域所在的位置，另一个检测框处于所述模板文件颠倒后考号区域所在的位置；利用findContours对所述检测框内的图像进行检测，获得检测框内每个连接物体的高，并统计处于高度范围内的连接物体的个数；所述高度范围为0.5倍-1.5倍的选项的高；所述连接物体个数最多的检测框所在的扫描图片即为答题卡的正面图片，另一张扫描图片即为答题卡的反面图片。

5.如权利要求3所述的一种多类型答题卡的识别方法，其特征在于，所述定位点检测方法为：

根据所述模板文件确定所有定位点的位置，并根据所有位置的定位点的面积特征判断所述答题卡是否存在特殊定位点，所述特殊定位点的面积大于其他定位点的面积；根据有无特殊定位点和所述答题卡是单面答题卡还是双面答题卡将所述答题卡分为四种类型；所述四种类型分别为单面有特殊定位点、单面无特殊定位点、双面有特殊定位点以及双面无特殊定位点；

当所述答题卡的类型为单面有特殊定位点时，根据所述模板文件中特殊定位点的位置信息在所述正面图片上生成两个检测框；第一检测框处于所述模板文件中特殊定位点所在的位置，第二检测框处于所述模板文件颠倒后特殊定位点所在的位置；判断所述正面图片中特殊定位点所处的检测框；若处于第一检测框，则所述正面图片为正向正面图片；若处于第二检测框，则所述正面图片为反向正面图片，将所述反向正面图片进行180度旋转，得到正向正面图片；

当所述答题卡的类型为单面无特殊定位点时，在所述正面图片的四角处分别生成一个检测框，并分别检测四个检测框内定位点的数量；若所述正面图片中每一个检测框内定位点的数量与所述模板文件中对应检测框内定位点的数量一致，则所述正面图片为正向正面图片；否则，则所述正面图片为反向正面图片，将所述反向正面图片进行180度旋转，得到正向正面图片；

当所述答题卡的类型为双面有特殊定位点时，根据所述模板文件中特殊定位点的位置信息在所述扫描图片上生成四个检测框；第三检测框处于所述模板文件正面特殊定位点所在的位置，第四检测框处于所述模板文件正面颠倒后特殊定位点所在的位置；第五检测框处于所述模板文件反面特殊定位点所在的位置，第六检测框处于所述模板文件反面颠倒后特殊定位点所在的位置；判断所述扫描图片上特殊定位点所处的检测框；若处于第三检测框，则所述扫描图片为正向正面图片；若处于第四检测框，则所述扫描图片为反向正面图片，并将所述反向正面图片进行180度旋转，得到正向正面图片；若处于第五检测框，则所述扫描图片为正向反面图片；若处于第六检测框，则所述扫描图片为反向反面图片，并将所述反向反面图片进行180度旋转，得到正向反面图片；

当所述答题卡的类型为双面无特殊定位点时，则在所述扫描图片的四角处分别生成一个检测框，并分别检测四个检测框内定位点的数量；若所述扫描图片中每个检测框内定位点的数量与所述模板文件正面对应检测框内定位点的数量一致，则所述扫描图片为正向正面图片；若所述扫描图片中每个检测框内定位点的数量与所述模板文件正面颠倒后对应检测框内定位点的数量一致，则所述扫描图片为反向正面图片，并将所述反向正面图片进行180度旋转，得到正向正面图片；若所述扫描图片中每个检测框内定位点的数量与所述模板文件反面对应检测框内定位点的数量一致，则所述扫描图片为正向反面图片；若所述扫描图片中每个检测框内定位点的数量与所述模板文件反面颠倒后对应检测框内定位点的数量一致，则所述扫描图片为反向反面图片，并将所述反向反面图片进行180度旋转，得到正向反面图片。

6.如权利要求1所述的一种多类型答题卡的识别方法，其特征在于，所述采用三定位点矫正法对所述正向正面图片和所述正向反面图片进行一次矫正，得到矫正后正面图片和矫正后反面图片具体包括：

根据所述模板文件确定定位点的位置信息，依据三个定位点组成三角形的面积最大这一原则在所有定位点中选取三个定位点；

根据所述三个定位点，利用OpenCV中的getAffineTransform和warpAffine函数分别对所述正向正面图片和所述正向反面图片进行一次矫正，得到矫正后正面图片和矫正后反面图片。

7.如权利要求1所述的一种多类型答题卡的识别方法，其特征在于，在所述采用三定位点矫正法对所述正向正面图片和所述正向反面图片进行一次矫正后，所述识别方法还包括：

根据所述模板文件确定一次矫正后所得图片中的同步头位置，计算所述同步头位置处的同步头面积；

判断所述同步头面积与所述模板文件中同步头面积的比例关系是否处于预设比例阈值内，若是，则以一次矫正后所得图片作为矫正后正面图片和矫正后反面图片；若否，则利用同步头矫正方法和/或标题头矫正方法对一次矫正后所得图片进行二次校正，得到矫正后正面图片和矫正后反面图片。

8.如权利要求1所述的一种多类型答题卡的识别方法，其特征在于，在所述采用三定位点矫正法对所述正向正面图片和所述正向反面图片进行一次矫正，得到矫正后正面图片和矫正后反面图片后，所述识别方法还包括串科检测，具体包括：

根据所述模板文件中定位点的位置在所述矫正后正面图片和所述矫正后反面图片上生成对应的检测框，判断所述检测框内是否存在定位点，若不存在，则发出串科信号；若存在，则判断定位点的数量是否与所述模板文件中对应检测框内定位点的数量相同，若数量相同，则未发生串科；若数量不同，则发出串科信号；

根据所述模板文件中同步头的位置在所述矫正后正面图片上生成对应的检测框，判断所述检测框内是否存在同步头，若不存在，则发出串科信号；若存在，则判断同步头的数量是否与所述模板文件中对应检测框内同步头的数量相同，若数量相同，则未发生串科；若数量不同，则发生串科信号。

9.如权利要求1所述的一种多类型答题卡的识别方法，其特征在于，所述采用平均灰度对比法对所述矫正后正面图片进行客观题区域的填涂识别具体包括：

根据所述模板文件中的客观题区域的位置信息确定所述矫正后正面图片的客观题区域所在位置；

检测所述客观题区域内所有选项的灰度值，以所有选项的最大灰度值作为全局最大值，并以每一题各个选项的最大灰度值作为每一题的局部最大值，以每一题各个选项的最小灰度值作为每一题的局部最小值；

对于每一题，判断所述局部最大值与所述全局最大值的差值是否在第二预设阈值内，得到第一判断结果；

当所述第一判断结果为否时，则所述局部最大值对应的选项被填涂；

当所述第一判断结果为是时，则所述局部最大值对应的选项未被填涂；判断所述局部最小值是否小于所述局部最大值与k1的差值，得到第二判断结果；当所述第二判断结果为否时，则所述局部最小值对应的选项未被填涂；

当所述第二判断结果为是时，则所述局部最小值对应的选项被填涂；判断其余选项的灰度值是否小于所述局部最大值与k1的差值，得到第三判断结果；当所述第三判断结果为否时，则所述选项未被填涂；

当所述第三判断结果为是时，则所述选项被填涂过；判断所述选项的灰度值是否大于所述局部最小值与k2的和，得到第四判断结果；当所述第四判断结果为是时，则所述选项被擦涂；当所述第四判断结果为否时，则所述选项被填涂。

10.一种多类型答题卡的识别系统，其特征在于，所述识别系统包括：

模板文件生成模块，用于利用扫描仪对任一类型答题卡中的一张答题卡进行扫描，获得两张扫描后图片；对所述扫描后图片进行框选，得到图片尺寸数据以及定位点、同步头、标题头、考号区域和客观题区域的位置信息；根据所述图片尺寸数据以及定位点、同步头、标题头、考号区域和客观题区域的位置信息自动生成所述答题卡的模板文件；

扫描图片生成模块，用于利用扫描仪对与所述模板文件类型相同的答题卡进行扫描，得到两张扫描图片，根据所述模板文件对所述扫描图片进行识别；

正反面识别模块，用于采用考号检测方法、同步头检测方法、标题头检测方法和定位点检测方法中的一种或多种方法对两张扫描图片进行正反面识别，确定答题卡的正面图片和反面图片；

颠倒识别模块，用于采用定位点检测方法分别对所述正面图片和所述反面图片进行颠倒识别，并在所述正面图片发生颠倒时，对所述正面图片进行180度旋转，得到正向正面图片，在所述反面图片发生颠倒时，对所述反面图片进行180度旋转，得到正向反面图片；

一次矫正模块，用于采用三定位点矫正法对所述正向正面图片和所述正向反面图片进行一次矫正，得到矫正后正面图片和矫正后反面图片；

客观题识别模块，用于采用平均灰度对比法对所述矫正后正面图片进行客观题区域的填涂识别。

Images