CN112348019B - 一种答题卡矫正方法、装置、电子设备及存储介质 - Google Patents
一种答题卡矫正方法、装置、电子设备及存储介质 Download PDFInfo
- Publication number
- CN112348019B CN112348019B CN202011291126.0A CN202011291126A CN112348019B CN 112348019 B CN112348019 B CN 112348019B CN 202011291126 A CN202011291126 A CN 202011291126A CN 112348019 B CN112348019 B CN 112348019B
- Authority
- CN
- China
- Prior art keywords
- answer sheet
- image
- answered
- template
- positioning block
- 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.)
- Active
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
- G06V10/24—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
- 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
-
- 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
- G06V10/28—Quantising the image, e.g. histogram thresholding for discrimination between background and foreground patterns
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
- G06V10/74—Image or video pattern matching; Proximity measures in feature spaces
- G06V10/75—Organisation of the matching processes, e.g. simultaneous or sequential comparisons of image or video features; Coarse-fine approaches, e.g. multi-scale approaches; using context analysis; Selection of dictionaries
- G06V10/751—Comparing pixel values or logical combinations thereof, or feature values having positional relevance, e.g. template matching
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02D—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN INFORMATION AND COMMUNICATION TECHNOLOGIES [ICT], I.E. INFORMATION AND COMMUNICATION TECHNOLOGIES AIMING AT THE REDUCTION OF THEIR OWN ENERGY USE
- Y02D10/00—Energy efficient computing, e.g. low power processors, power management or thermal management
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Multimedia (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Health & Medical Sciences (AREA)
- Artificial Intelligence (AREA)
- Computing Systems (AREA)
- Databases & Information Systems (AREA)
- Evolutionary Computation (AREA)
- General Health & Medical Sciences (AREA)
- Medical Informatics (AREA)
- Software Systems (AREA)
- Image Analysis (AREA)
Abstract
本发明提供一种答题卡矫正方法、装置、电子设备及存储介质,该方法包括:扫描空白答题卷,记录卷面定位块信息和题目坐标信息后,将答题卷模板保存至数据库中;扫描作答后的答题卷,根据答题卷模板信息对作答后的答题卷图像进行图像处理,筛选出满足预定条件的矩形轮廓作为定位块;根据定位块位置,对作答后的答题卷图像进行矫正;分别提取作答后的答题卷图像和答题卷模板图像中选择题区域的关键点,根据关键点间的匹配关系,对作答后的答题卷进行局部矫正;识别作答后答题卷中选择题的选项填涂,记录选项填涂识别结果及学生信息。可以准确地对答题卡进行全局及局部矫正,保证答题卡后续定位识别的准确性。
Description
技术领域
本发明涉及图像处理领域,尤其涉及一种答题卡矫正方法、装置、电子设备及存储介质。
背景技术
通过答题卡智能化扫描分析既可以识别答题卷上的学生填涂和老师批阅,也可以矫正消除纸质答卷扫描中出现的歪斜、扭曲,方便后续网上批阅。对答题卡准确地扫描矫正,对于后续识别判断及题目切割具有重要作用,是数字化精准教学的基础。
目前,答题卡矫正主要是基于卷面标注进行的矫正,例如在印刷时,在答卷的四角设计黑色方块作为矫正标识,通过识别扫描答卷图片中的黑色方块,来计算图片的倾斜和偏移。然而,仅仅使用黑色方块来计算矫正图片只能从整体上矫正,无法克服扫描过程中,由于扫描仪本身的机械装置耗损以及纸张弯曲而形成的局部畸变,由此会导致后续分析时定位出现偏差,极大影响识别结果的准确性。
发明内容
有鉴于此,本发明实施例提供了一种答题卡矫正方法、装置、电子设备及存储介质,以解决现有矫正方法在出现扫描仪本身的机械装置耗损以及纸张弯曲等状况时,造成定位识别不准确的问题。
在本发明实施例的第一方面,提供了一种答题卡矫正方法,包括:
扫描空白答题卷,记录卷面定位块信息和题目坐标信息后,将空白答题卷作为答题卷模板保存至数据库中;
扫描作答后的答题卷,根据答题卷模板信息对作答后的答题卷图像进行图像处理,筛选出满足预定条件的矩形轮廓作为定位块;
根据定位块位置,对作答后的答题卷图像进行矫正;
分别提取作答后的答题卷图像和答题卷模板图像中选择题区域的关键点,根据答题卷模板图像与作答后答题卷图像的关键点间的匹配关系,对作答后的答题卷进行局部矫正;
识别作答后答题卷中选择题的选项填涂,记录选项填涂识别结果及学生信息。
在本发明实施例的第二方面,提供了一种用于答题卡矫正的装置,包括:
模板录入模块,用于扫描空白答题卷,记录卷面定位块信息和题目坐标信息后,将空白答题卷作为答题卷模板保存至数据库中;
扫描模块,用于扫描作答后的答题卷,根据答题卷模板信息对作答后的答题卷图像进行图像处理,筛选出满足预定条件的矩形轮廓作为定位块;
第一矫正模块,用于根据定位块位置,对作答后的答题卷图像进行矫正;
第二矫正模块,用于分别提取作答后的答题卷图像和答题卷模板图像中选择题区域的关键点,根据答题卷模板图像与作答后答题卷图像的关键点间的匹配关系,对作答后的答题卷进行局部矫正;
填涂识别模块,用于识别作答后答题卷中选择题的选项填涂,记录选项填涂识别结果及学生信息。
在本发明实施例的第三方面,提供了一种电子设备,包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序,所述处理器执行所述计算机程序时实现如本发明实施例第一方面所述方法的步骤。
本发明实施例的第四方面,提供了一种计算机可读存储介质,所述计算机可读存储介质存储有计算机程序,所述计算机程序被处理器执行时实现本发明实施例第一方面提供的所述方法的步骤。
本发明实施例中,分别基于定位块及关键点间的匹配关系,对答题卡进行整体和局部的矫正,在不过多增加处理时间的基础上,克服传统矫正方法在扫描仪本身的机械装置耗损以及纸张弯曲而形成的局部畸变时,造成的定位及识别结果不准确的问题,保障答题卡矫正结果的准确性。通过检测角点进行匹配,对局部选择题进行矫正,提升答题卡中选项清晰度和准确度,保障定位准确,方便后续识别判断。
附图说明
为了更清楚地说明本发明实施例中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作简单介绍,显而易见地,下面描述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取其他附图。
图1为本发明的一个实施例提供的一种答题卡矫正方法的流程示意图;
图2为本发明的一个实施例提供的原始答题卷图像及二值化处理后图像;
图3为本发明的一个实施例提供的矫正前后答题卷图像;
图4为本发明的一个实施例提供的局部矫正前后选择题区域图像;
图5为本发明的一个实施例提供的选项填涂识别示意图;
图6为本发明的一个实施例提供的一种用于答题卡矫正的装置的结构示意图。
具体实施方式
为使得本发明的发明目的、特征、优点能够更加的明显和易懂,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,下面所描述的实施例仅仅是本发明一部分实施例,而非全部的实施例。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它实施例,都属于本发明保护的范围以下结合附图对本发明的原理和特征进行描述,所举实例只用于解释本发明,并非用于限定本发明的范围。
本发明的说明书或权利要求书及上述附图中的术语“包括”以及其他相近意思表述,意指覆盖不排他的包含,如包含一系列步骤或单元的过程、方法或系统、设备没有限定于已列出的步骤或单元。
请参阅图1,图1为本发明一个实施例提供的一种答题卡矫正方法的流程示意图,包括:
S101、扫描空白答题卷,记录卷面定位块信息和题目坐标信息后,将空白答题卷作为答题卷模板保存至数据库中;
所述空白答题卷为未填涂的答题卷(或称答题卡),所述定位块为答题卷中用于扫描矫正的方块,一般可以为位于答题卷顶部或底部的黑色小方块。
使用扫描仪扫描空白答题卷图像,人工记录卷面的定位块信息和题目坐标信息,将结果制作成json格式的模板存入数据库,用于后续对已作答的答题卷匹配矫正。
S102、扫描作答后的答题卷,根据答题卷模板信息对作答后的答题卷图像进行图像处理,筛选出满足预定条件的矩形轮廓作为定位块;
使用扫描仪扫描学生作答后的答题卷图像,并获取数据库中的答题卷模板,解析答题卷模板获取定位块信息和题目坐标信息。
具体的,截取作答后答题卷中定位块周围图像,对定位块周围图像分别进行灰度化、二值化及图像形态学处理,得到二值化图像;通过轮廓识别算法查找定位块周围图像中所有的矩形轮廓;根据答题卷模板中定位块长宽信息和坐标信息,筛选出长宽不超过预设阈值且距离答题卷模板中定位块最近的矩形轮廓作为作答后答题卷的定位块轮廓。
根据答题卷模板中记录的定位块长宽信息,筛选偏差不超过阈值的矩形,根据模板中记录的定位块坐标信息,筛选出里模板定位块最近的矩形轮廓,作为最可信的定位块轮廓。
S103、根据定位块位置,对作答后的答题卷图像进行矫正;
定位块位置可以为相对于答题卡边界的相对位置,也可以为答题卡上自定义的坐标系内的位置,在此不做具体限定。
具体的,对检测到的全部定位块,通过仿射变换计算作答后的答题卷图像中定位块与答题卷模板中定位块间的变换矩阵;根据变换矩阵对歪斜的作答后的答题卷进行矫正。矫正前歪斜的答题卷如图3(a)所示,矫正后的答题卷如图3(b)所示。
可以理解的是,上述对歪斜的作答后的答题卷进行矫正,是对扫描的学生作答后的答题卡图像进行整体矫正,可以克服扫描导致的图像歪斜问题。
进一步的,根据答题卷模板中记录的学号区域信息,截取学号区域图像,基于条形码检测工具检测学号区域中的条码,识别学号对应的学生信息。
S104、分别提取作答后的答题卷图像和答题卷模板图像中选择题区域的关键点,根据答题卷模板图像与作答后答题卷图像的关键点间的匹配关系,对作答后的答题卷进行局部矫正;
具体的,根据模板中题目坐标信息,分别截取模板中选择题区域图像和作答后答题卷中选择题区域图像;通过haar-like算法分别检测模板中选择题区域图像和作答后答题卷中选择题区域图像的角点,得到两个点集;分别以两个点集为中心截取预定大小窗口,并提取窗口内hog特征;根据两个点集中各点的位置关系,筛选距离相近的点,并计算hog特征距离,选择两个点集中距离最小的两个点构成点对;根据点对关系,计算点集间差异最小时对应的最优仿射变换矩阵;基于最优仿射变换矩阵对作答后的答题卷进行局部矫正。
在一个实施例中,根据模板中记录的题目坐标信息,截取答题卷模板中的选择题区域图像A,以及学生作答后的答题卷的选择题区域图像B;
分别对图像A和图像B,采用harr-like检测角点,获得点集c和点集d;
分别以点集c和点集d为中心,截取窗口大小为128的图像,提取hog特征
根据点集c和点集d中点和点之间的位置,筛选出距离相近的点;
对这些距离相近的点,计算相近点之间的hog特征距离,选择距离最小的作为最相似的点,构成一个点对;
根据获得的点对关系,计算最优的仿射变换矩阵,使变换点集c后得到的结果与点集d之间的差异最小;
对选择题区域图像B计算得到的仿射变换矩阵,使得得到的图像C与图像A尽可能重合。如图4所示,局部矫正前图像为图4(a),局部矫正后图像为图4(b),可见局部矫正后选择题区域选项清晰度及准确度明显提升。由此,可以克服局部畸变或扫描不清晰造成的局部难以识别的问题。
S105、识别作答后答题卷中选择题的选项填涂,记录选项填涂识别结果及学生信息。
具体的,截取作答后答题卷中每个选项的图像,对图像进行二值化及形态学处理,将黑色笔迹转换为白色,得到清晰的填涂图像;统计填涂区域中白色像素的占比,若占比超过预设预设阈值,则判定选项已填涂,并记录作答结果。如图5所示,图5(a)、图5(b)分别为填涂选项识别前和二值化及形态学处理后图像。
本实施例提供的方法,利用整体和局部之间的关系,在整体矫正后继续进行二次局部矫正,从而在不过度增加处理时间的基础上,克服了以往矫正方法矫正结果不准确的问题,有效提升矫正效果,方便后续识别判断。
应理解,上述实施例中各步骤的序号大小并不意味着执行顺序的先后,各过程的执行顺序应以其功能和内在逻辑确定,而不应对本发明实施例的实施过程构成任何限定。
图6为本发明实施例提供的一种用于答题卡矫正的装置的结构示意图,该装置包括:
模板录入模块610,用于扫描空白答题卷,记录卷面定位块信息和题目坐标信息后,将空白答题卷作为答题卷模板保存至数据库中;
扫描模块620,用于扫描作答后的答题卷,根据答题卷模板信息对作答后的答题卷图像进行图像处理,筛选出满足预定条件的矩形轮廓作为定位块;
其中,所述扫描模块620包括:
图像处理单元,用于截取作答后答题卷中定位块周围图像,对定位块周围图像分别进行灰度化、二值化及图像形态学处理,得到二值化图像;
查找单元,用于通过轮廓识别算法查找定位块周围图像中所有的矩形轮廓;
筛选单元,根据答题卷模板中定位块长宽信息和坐标信息,筛选出长宽不超过预设阈值且距离答题卷模板中定位块最近的矩形轮廓作为作答后答题卷的定位块轮廓。
第一矫正模块630,用于根据定位块位置,对作答后的答题卷图像进行矫正;
其中,所述第一矫正模块630包括:
计算单元,用于通过仿射变换计算作答后的答题卷图像中定位块与答题卷模板中定位块间的变换矩阵;
矫正单元,用于根据变换矩阵对歪斜的作答后答题卷进行矫正。
可选的,所述第一矫正模块630还包括:
学生信息获取模块,用于根据答题卷模板中记录的学号区域信息,截取学号区域图像;基于条形码检测工具检测学号区域中的条码,识别学号对应的学生信息。
第二矫正模块640,用于分别提取作答后的答题卷图像和答题卷模板图像中选择题区域的关键点,根据答题卷模板图像与作答后答题卷图像的关键点间的匹配关系,对作答后的答题卷进行局部矫正;
其中,所述第二矫正模块640包括:
区域截取单元,用于根据模板中题目坐标信息,分别截取模板中选择题区域图像和作答后答题卷中选择题区域图像;
角点检测单元,用于通过haar-like算法分别检测模板中选择题区域图像和作答后答题卷中选择题区域图像的角点,得到两个点集;
特征提取单元,用于分别以两个点集为中心截取预定大小窗口,并提取窗口内hog特征;
筛选单元,用于根据两个点集中各点的位置关系,筛选距离相近的点,并计算hog特征距离,选择两个点集中距离最小的两个点构成点对;
计算单元,用于根据点对关系,计算点集间差异最小时对应的最优仿射变换矩阵;
局部矫正单元,用于基于最优仿射变换矩阵对作答后的答题卷进行局部矫正。
填涂识别模块650,用于识别作答后答题卷中选择题的选项填涂,记录选项填涂识别结果及学生信息。
其中,所述识别作答后答题卷中选择题的选项填涂具体为:
截取作答后答题卷中每个选项的图像,对图像进行二值化及形态学处理,将黑色笔迹转换为白色,得到清晰的填涂图像;统计填涂区域中白色像素的占比,若占比超过预设预设阈值,则判定选项已填涂,并记录作答结果。
可以理解的是,在一个实施例中,所述电子设备包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序,所述计算机程序执行如实施例一中步骤S101~S105,处理器执行所述计算机程序时实现对答题卡图像矫正。
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分步骤是可以通过程序来指令相关的硬件来完成,所述的程序可以存储于一计算机可读取存储介质中,该程序在执行时,包括步骤S101~S105,所述的存储介质包括如:ROM/RAM、磁碟、光盘等。
在上述实施例中,对各个实施例的描述都各有侧重,某个实施例中没有详述或记载的部分,可以参见其它实施例的相关描述。
以上所述,以上实施例仅用以说明本发明的技术方案,而非对其限制;尽管参照前述实施例对本发明进行了详细的说明,本领域的普通技术人员应当理解:其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分技术特征进行等同替换;而这些修改或者替换,并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围。
Claims (8)
1.一种答题卡矫正方法,其特征在于,包括:
扫描空白答题卷,记录卷面定位块信息和题目坐标信息后,将空白答题卷作为答题卷模板保存至数据库中;
扫描作答后的答题卷,根据答题卷模板信息对作答后的答题卷图像进行图像处理,筛选出满足预定条件的矩形轮廓作为定位块;
根据定位块位置,对作答后的答题卷图像进行矫正;
分别提取作答后的答题卷图像和答题卷模板图像中选择题区域的关键点,根据答题卷模板图像与作答后答题卷图像的关键点间的匹配关系,对作答后的答题卷进行局部矫正;
其中,根据模板中题目坐标信息,分别截取模板中选择题区域图像和作答后答题卷中选择题区域图像;
通过haar-like算法分别检测模板中选择题区域图像和作答后答题卷中选择题区域图像的角点,得到两个点集;
分别以两个点集为中心截取预定大小窗口,并提取窗口内hog特征;
根据两个点集中各点的位置关系,筛选距离相近的点,并计算hog特征距离,选择两个点集中距离最小的两个点构成点对;
根据点对关系,计算点集间差异最小时对应的最优仿射变换矩阵;
基于最优仿射变换矩阵对作答后的答题卷进行局部矫正;
识别作答后答题卷中选择题的选项填涂,记录选项填涂识别结果及学生信息。
2.根据权利要求1所述方法,其特征在于,所述根据答题卷模板信息对作答后的答题卷图像进行图像处理,筛选出满足预定条件的矩形轮廓作为定位块具体为:
截取作答后答题卷中定位块周围图像,对定位块周围图像分别进行灰度化、二值化及图像形态学处理,得到二值化图像;
通过轮廓识别算法查找定位块周围图像中所有的矩形轮廓;
根据答题卷模板中定位块长宽信息和坐标信息,筛选出长宽不超过预设阈值且距离答题卷模板中定位块最近的矩形轮廓作为作答后答题卷的定位块轮廓。
3.根据权利要求1所述方法,其特征在于,所述根据定位块位置,对作答后的答题卷图像进行矫正包括:
通过仿射变换计算作答后的答题卷图像中定位块与答题卷模板中定位块间的变换矩阵;
根据变换矩阵对歪斜的作答后答题卷进行矫正。
4.根据权利要求1所述方法,其特征在于,所述根据定位块位置,对作答后的答题卷图像进行矫正还包括:
根据答题卷模板中记录的学号区域信息,截取学号区域图像;
基于条形码检测工具检测学号区域中的条码,识别学号对应的学生信息。
5.根据权利要求1所述方法,其特征在于,所述识别作答后答题卷中选择题的选项填涂具体为:
截取作答后答题卷中每个选项的图像,对图像进行二值化及形态学处理,将黑色笔迹转换为白色,得到清晰的填涂图像;
统计填涂区域中白色像素的占比,若占比超过预设阈值,则判定选项已填涂,并记录作答结果。
6.一种用于答题卡矫正的装置,其特征在于,包括:
模板录入模块,用于扫描空白答题卷,记录卷面定位块信息和题目坐标信息后,将空白答题卷作为答题卷模板保存至数据库中;
扫描模块,用于扫描作答后的答题卷,根据答题卷模板信息对作答后的答题卷图像进行图像处理,筛选出满足预定条件的矩形轮廓作为定位块;
第一矫正模块,用于根据定位块位置,对作答后的答题卷图像进行矫正;
第二矫正模块,用于分别提取作答后的答题卷图像和答题卷模板图像中选择题区域的关键点,根据答题卷模板图像与作答后答题卷图像的关键点间的匹配关系,对作答后的答题卷进行局部矫正;
其中,所述第二矫正模块包括:
区域截取单元,用于根据模板中题目坐标信息,分别截取模板中选择题区域图像和作答后答题卷中选择题区域图像;
角点检测单元,用于通过haar-like算法分别检测模板中选择题区域图像和作答后答题卷中选择题区域图像的角点,得到两个点集;
特征提取单元,用于分别以两个点集为中心截取预定大小窗口,并提取窗口内hog特征;
筛选单元,用于根据两个点集中各点的位置关系,筛选距离相近的点,并计算hog特征距离,选择两个点集中距离最小的两个点构成点对;
计算单元,用于根据点对关系,计算点集间差异最小时对应的最优仿射变换矩阵;
局部矫正单元,用于基于最优仿射变换矩阵对作答后的答题卷进行局部矫正;
填涂识别模块,用于识别作答后答题卷中选择题的选项填涂,记录选项填涂识别结果及学生信息。
7.一种电子设备,包括处理器、存储器以及存储在所述存储器中并在处理器上运行的计算机程序,其特征在于,所述处理器执行所述计算机程序时实现如权利要求1至5中任一项所述答题卡矫正方法的步骤。
8.一种计算机可读存储介质,所述计算机可读存储介质存储有计算机程序,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至5任一项所述答题卡矫正方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011291126.0A CN112348019B (zh) | 2020-11-17 | 2020-11-17 | 一种答题卡矫正方法、装置、电子设备及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011291126.0A CN112348019B (zh) | 2020-11-17 | 2020-11-17 | 一种答题卡矫正方法、装置、电子设备及存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112348019A CN112348019A (zh) | 2021-02-09 |
CN112348019B true CN112348019B (zh) | 2023-03-24 |
Family
ID=74364117
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011291126.0A Active CN112348019B (zh) | 2020-11-17 | 2020-11-17 | 一种答题卡矫正方法、装置、电子设备及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112348019B (zh) |
Families Citing this family (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113920526A (zh) * | 2021-09-30 | 2022-01-11 | 广东新裕信息科技有限公司 | 试卷图像处理方法、电子设备及存储介质 |
CN113657354B (zh) * | 2021-10-19 | 2022-01-25 | 深圳市菁优智慧教育股份有限公司 | 基于深度学习的答题卡识别方法及系统 |
CN115205562B (zh) * | 2022-07-22 | 2023-03-14 | 四川云数赋智教育科技有限公司 | 一种基于特征点的任意试卷配准方法 |
CN118038474B (zh) * | 2023-10-19 | 2024-08-16 | 北京十六进制科技有限公司 | 一种基于目标检测的作业定位方法、设备及介质 |
Family Cites Families (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20070086659A1 (en) * | 2005-10-18 | 2007-04-19 | Chefd Hotel Christophe | Method for groupwise point set matching |
CN105138952A (zh) * | 2015-07-10 | 2015-12-09 | 江苏曲速教育科技有限公司 | 一种基于图像模式的答题卷给分及阅卷系统 |
CN106257535B (zh) * | 2016-08-11 | 2019-05-21 | 河海大学常州校区 | 基于surf算子的电气设备红外与可见光图像配准方法 |
CN109460762B (zh) * | 2018-10-19 | 2022-05-06 | 南京理工大学 | 一种基于图像识别的答题卡评分方法 |
-
2020
- 2020-11-17 CN CN202011291126.0A patent/CN112348019B/zh active Active
Also Published As
Publication number | Publication date |
---|---|
CN112348019A (zh) | 2021-02-09 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN112348019B (zh) | 一种答题卡矫正方法、装置、电子设备及存储介质 | |
CN110766014B (zh) | 票据信息定位方法、系统及计算机可读存储介质 | |
US11450081B2 (en) | Examination paper correction method and apparatus, electronic device, and storage medium | |
EP3309703B1 (en) | Method and system for decoding qr code based on weighted average grey method | |
CN109426814B (zh) | 一种发票图片特定板块的定位、识别方法、系统、设备 | |
CN112183038A (zh) | 一种表格识别套打方法、计算机设备及计算机可读存储介质 | |
CN108537218B (zh) | 一种答题卡的识别处理方法及装置 | |
CN104143094A (zh) | 一种无需答题卡的试卷自动阅卷处理方法及系统 | |
CN107590495B (zh) | 答题卡图片纠偏方法、装置、可读存储介质以及电子设备 | |
CN110969052A (zh) | 一种作业批改方法和设备 | |
CN107067399A (zh) | 一种试卷图像分割处理方法 | |
CN111046644A (zh) | 一种答题卡模板生成方法、识别方法、装置及存储介质 | |
CN107679479A (zh) | 一种基于图像形态学处理的客观填涂识别方法 | |
CN112446262A (zh) | 文本分析方法、装置、终端和计算机可读存储介质 | |
CN111666864B (zh) | 一种基于计算机视觉的自动阅卷方法 | |
CN106934411A (zh) | 基于模板匹配的电子阅卷方法 | |
CN109741273A (zh) | 一种手机拍照低质图像的自动处理与评分方法 | |
US20070047815A1 (en) | Image recognition apparatus, image recognition method, and image recognition program | |
CN115588208A (zh) | 一种基于数字图像处理技术的全线表结构识别方法 | |
CN115909375A (zh) | 一种基于智能识别的报表分析方法 | |
Karunanayake | OMR sheet evaluation by web camera using template matching approach | |
CN114463770A (zh) | 一种用于普遍试卷题目的智能切题方法 | |
CN109635798B (zh) | 一种信息提取方法及装置 | |
CN112364679A (zh) | 一种图像区域识别方法及电子设备 | |
CN116824645A (zh) | 指纹识别方法、装置、处理设备和存储介质 |
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 |