CN112700414A - 一种用于考试阅卷的空白作答检测方法及系统 - Google Patents

一种用于考试阅卷的空白作答检测方法及系统 Download PDF

Info

Publication number
CN112700414A
CN112700414A CN202011611561.7A CN202011611561A CN112700414A CN 112700414 A CN112700414 A CN 112700414A CN 202011611561 A CN202011611561 A CN 202011611561A CN 112700414 A CN112700414 A CN 112700414A
Authority
CN
China
Prior art keywords
image
sub
answer
blank
module
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
CN202011611561.7A
Other languages
English (en)
Other versions
CN112700414B (zh
Inventor
陈超鸿
胡永松
陈杰永
杨玉龙
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.)
Guangdong Decheng Scientific Education Co ltd
Original Assignee
Guangdong Decheng Big Data 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 Guangdong Decheng Big Data Technology Co ltd filed Critical Guangdong Decheng Big Data Technology Co ltd
Priority to CN202011611561.7A priority Critical patent/CN112700414B/zh
Publication of CN112700414A publication Critical patent/CN112700414A/zh
Application granted granted Critical
Publication of CN112700414B publication Critical patent/CN112700414B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06TIMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00Image analysis
    • G06T7/0002Inspection of images, e.g. flaw detection
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06TIMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T5/00Image enhancement or restoration
    • G06T5/40Image enhancement or restoration using histogram techniques
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06TIMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00Image analysis
    • G06T7/10Segmentation; Edge detection
    • G06T7/11Region-based segmentation
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06TIMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00Image analysis
    • G06T7/10Segmentation; Edge detection
    • G06T7/136Segmentation; Edge detection involving thresholding
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06TIMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00Image analysis
    • G06T7/90Determination of colour characteristics
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06TIMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00Indexing scheme for image analysis or image enhancement
    • G06T2207/20Special algorithmic details
    • G06T2207/20021Dividing image into blocks, subimages or windows

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Quality & Reliability (AREA)
  • Image Analysis (AREA)

Abstract

本发明提供一种用于考试阅卷的空白作答检测方法及系统,方法包括:根据题块对答题卡图像进行裁切,生成多个子图像;生成对应的灰度图像及二值化图像;基于二值化图像内的像素值为255的像素点的数量,判断二值化图像所对应的子图像是空白作答子图像;根据空白作答子图像所对应的灰度图像获得空白作答子图像的灰度直方图;将灰度直方图与预设的标准灰度直方图进行匹配,若匹配成功,则判断空白作答子图像无作答内容,系统包括:扫描模块、裁切模块、图像处理模块、框选模块、阅卷模块。本发明提供的用于考试阅卷的空白作答检测方法及系统能够准确识别出空白试卷,提高阅卷工作效率,避免误判。

Description

一种用于考试阅卷的空白作答检测方法及系统
技术领域
本发明涉及电子试卷阅卷领域,尤其涉及一种用于考试阅卷的空白作答检测方法及系统。
背景技术
在全国范围内,面向中高考考试、全国英语四六级考试等重要性考试,都使用了网上评卷系统对试卷进行评阅。各类考试的计算机网上阅卷已成为当今考试阅卷的发展潮流和必然趋势。
在目前的计算机网上阅卷中,阅卷老师在阅卷的过程工作量大,而且常常遇到考生的空白作答试卷。现有技术中还没有有效的手段检测空白作答的试卷,老师在阅卷时是通过人工判断是否为空白作答,但人工判断容易失误,例如:当老师进行打分时前面连续多张试卷为空白试卷,打分时容易误将非空白试卷按照空白试卷进行打分,或者前面连续多张试卷为非空白试卷,打分时容易误将空白试卷按照非空白试卷打分。
这些空白作答的考生试卷一定程度上会影响老师阅卷的工作效率和准确性,甚至有的老师会对空白答卷进行误给分。为了提高阅卷效率和准确率,如何自动检测出考生空白作答的试卷,从而减轻阅卷老师的工作负担,是亟待解决的问题。
发明内容
为解决上述问题,本发明提供了一种用于考试阅卷的空白作答检测方法,方法包括:
根据题块对答题卡图像进行裁切,生成多个不同题块的子图像;逐一对子图像进行灰度化处理、二值化处理,生成对应的灰度图像及二值化图像;基于二值化图像内的像素值为255的像素点的数量,判断二值化图像所对应的子图像是空白作答子图像;根据空白作答子图像所对应的灰度图像创建空白作答子图像的灰度直方图;将灰度直方图与预设的标准灰度直方图进行匹配,若匹配成功,则确认空白作答子图像无作答内容。
进一步的,基于二值化图像内的像素值为255的像素点的数量,判断子图像是否为空白作答子图像包括:将二值化图像划分为外框部分、内区域部分;统计外框部分像素值为255的像素点的数量占外框部分像素点总数的百分比A并将百分比A与第一预设阈值比较,判断外框部分是否为疑似无考生作答内容;统计内区域部分像素值为255的像素点的数量占内区域部分像素点总数量的百分比B并将百分比B与第二预设阈值比较,判断外框部分是否为疑似无考生作答内容;若外框部分与内区域部分均疑似无考生作答内容,则判断子图像为空白作答子图像。
进一步的,创建空白作答子图像的灰度直方图包括:获取空白作答子图像所对应的灰度图像;统计灰度图像中每个灰度级出现的次数;根据每个灰度级出现的次数统计出每个灰度级出现的频率;根据每个灰度级出现的频率绘制出空白作答子图像的灰度直方图。
进一步的,对答题卡图像进行裁切之前还包括:预先读取一份答题卡图像;框选出每一个题块作为框选模板;标记框选模板内的每一个框选区域所对应的题块号。
进一步的,对答题卡图像进行裁切包括:根据框选模板对答题卡图像进行裁切,生成多个子图像;根据框选模板内的每一个框选区域所对应的题块号标记子图像所对应的题块号。
本发明还提供一种用于考试阅卷的空白作答检测系统,系统包括:扫描模块、裁切模块、图像处理模块,其中:扫描模块与裁切模块连接,扫描模块用于扫描试卷生成答题卡图像并将答题卡图像发送给裁切模块;裁切模块分别与扫描模块、图像处理模块连接,用于将从扫描模块接收到的答题卡图像裁切成多个子图像并将子图像发送给图像处理模块进行处理;
图像处理模块用于对子图像逐一进行检测处理,判断子图像是否为无作答内容的子图像。
进一步的,系统还包括:框选模块,框选模块分别与扫描模块、裁切模块连接,框选模块用于生成框选模板,裁切模块根据框选模板裁切答题卡图像。
进一步的,系统还包括:阅卷模块,阅卷模块与图像处理模块连接;阅卷模块用于获取图像处理模块处理后的子图像,对标记为无作答内容的子图像所对应的题块自动评为零分,对标记为有作答内容的子图像,阅卷模块将其分发给阅卷老师进行评分。
本发明提供的用于考试阅卷的空白作答检测方法及系统,能够准确识别出空白试卷,同时在识别到空白试卷后可以自动打分,无需阅卷人员人工辨别,提高了阅卷老师阅卷的工作效率以及准确率,降低了阅卷老师的工作负担。
附图说明
图1为本发明一实施例的空白作答检测方法步骤流程图;
图2为本发明一实施例的判断子图像为空白作答子图像的步骤流程图;
图3为本发明一实施例的获得空白作答子图像的灰度直方图的步骤流程图;
图4为本发明一实施例的用于考试阅卷的空白作答检测系统的模块结构示意图;
图5为本发明一实施例的用于考试阅卷的空白作答检测系统的空白作答检测流程图;
图6为图像处理模块对子图像图像处理流程图;
201-扫描模块、202-裁切模块、203-图像处理模块、204-框选模块、205-阅卷模块。
具体实施方式
下面将结合本发明中的附图,对本发明实施例中的技术方案进行清楚、完整的描述,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,本领域普通的技术人员在没有做出创造性劳动的前提下所获得的所有其它实施例,都属于本发明的保护范围。
如图1所示,本发明一实施例的空白作答检测方法包括以下步骤:
步骤S101:根据题块对答题卡图像进行裁切,生成多个不同题块的子图像。
具体的,根据题块对答题卡进行裁切,生成的每一个子图像均对应一个题块号。进一步的,在根据题块对答题卡图像进行裁切之前,还包括对答题卡试卷进行扫描,生成答题卡图像的过程,更进一步的,为了使之后对答题卡的裁切更加准确,不出现图像倾斜等情况,在对答题卡试卷进行扫描之前,先对答题卡试卷进行定位,判断答题卡试卷的位置是否倾斜,若倾斜,则对答题卡试卷位置进行调整后再进行扫描。
步骤S102:逐一对子图像进行灰度化处理、二值化处理,生成对应的灰度图像及二值化图像。
具体的,对子图像进行灰度化处理后生成灰度图像,再对灰度图像进行二值化处理,生成二值化图像,二值化图像上的像素点的灰度只有两个值:0和255;可以预先设置一个阈值,扫描灰度图像,将灰度图像上所有的像素点的像素值与预设的阈值进行比较,若大于预设的阈值,则将该点的像素值记为255,若小于预设的阈值,则将该点的像素值记为0,通过上述操作得到二值化图像。进一步的,在本实施例中,预设的阈值为128,若像素点的像素值大于等于128,则该点的像素值记为255,若像素点的像素值小于128,则该点的像素值记为0。
步骤S103:基于二值化图像内的像素值为255的像素点的数量,判断二值化图像所对应的子图像是否为空白作答子图像。
具体的,可以对二值化图像内的像素值为255的像素点的数量预设一个数量阈值,当实际检测到的二值化图像内的像素值为255的像素点的数量超过这个预设数量阈值,则判断子图像为空白作答子图像;或者也可以根据像素值为255的像素点的数量占二值化图像的像素点总数的百分比,将该百分比与预设的百分比阈值进行比较,若该百分比比预设的百分比阈值大,则判断子图像为空白作答子图像。
步骤S104:根据空白作答子图像所对应的灰度图像创建空白作答子图像的灰度直方图。
具体的,若判断出子图像为空白作答子图像,则根据该空白作答子图像所对应的灰度图像获得该空白作答子图像的灰度直方图。图像的灰度直方图代表了图像灰度级的分布。
步骤S105:将灰度直方图与预设的标准灰度直方图进行匹配,若匹配成功,则确认空白作答子图像无作答内容。
具体的,预设的标准灰度直方图可以通过以下方法获得:预先将无考生作答的空白试卷进行扫描,生成答题卡图像,根据题块对上述扫描得到的答题卡图像进行裁切,生成多个不同题块的子图像,分别统计求出各个不同题块的子图像所对应的灰度直方图作为预设的标准灰度直方图。可以对一张或多张无考生作答的空白试卷进行扫描,优选的,对多张无考生作答的空白试卷进行扫描,当扫描的是多张无考生作答的空白试卷,在创建某一题块的子图像所对应的标准灰度直方图时,可以对多张代表相同题块的子图像的灰度数据综合考量,使创建的标准灰度直方图更加准确。
当进行判断时,首先获得需要进行判断是否无作答内容的子图像所代表的题块的题块号,再根据题块号确定预设的标准灰度直方图,将需要进行判断的空白作答子图像的灰度直方图与确定好的预设的标准灰度直方图进行匹配,若匹配成功,则说明该疑似无作答内容的子图确实无作答内容,若匹配不成功,则说明该空白作答子图像实际上有作答内容。
本发明提供的用于考试阅卷的空白作答检测方法通过对答题卡图像按照题块进行裁切,对裁切之后的每一个子图像进行灰度化、二值化处理,并经过后续的图像处理手段获取空白作答子图像的灰度直方图,将空白作答子图像的灰度直方图与预设的标准灰度直方图进行匹配,若匹配成功,则说明无作答内容,通过上述方法能够实现对空白作答的准确检测,无需阅卷老师进行人工的筛选,避免了阅卷老师在阅卷时由于惯性造成误判,例如,当阅卷老师进行打分时前面连续多张试卷为空白试卷,打分时容易误将非空白试卷按照空白试卷进行打分,或者前面连续多张试卷为非空白试卷,打分时容易误将空白试卷按照非空白试卷打分。本发明通过采用图像处理与识别技术,将试卷在分发给各位阅卷老师之前即进行筛选,检测出空白试卷,减少了阅卷老师的工作量,同时提高了阅卷工作的准确率。
进一步的,在本发明的又一实施例中,如图2所示,基于二值化图像内的像素值为255的像素点的数量,判断子图像是否为空白作答子图像包括:
步骤S1031:将二值化图像划分为外框部分、内区域部分;
具体的,内区域部分以及外框部分是根据指定作答区域的边框所确定的,内区域部分为指定作答区域,而外区域部分为指定作答区域以外的包含有题号、题目、空白边缘等内容的部分。
步骤S1032:统计外框部分像素值为255的像素点的数量占外框部分像素点总数的百分比A并将百分比A与第一预设阈值比较,判断外框部分是否无考生作答内容;
步骤S1033:统计内区域部分像素值为255的像素点的数量占内区域部分像素点总数量的百分比B并将百分比B与第二预设阈值比较,判断外框部分是否无考生作答内容;
步骤S1034:若外框部分与内区域部分均无考生作答内容,则判断子图像为空白作答子图像。
具体的,步骤S1032以及步骤S1033中主要是对二值化图像进行扫描,记录像素值为255的像素点的数量以及相应的位置坐标。再根据位置坐标确定外框部分像素值为255的像素点的数量以及内区域部分像素值为255的像素点的数量后统计内区域部分像素值为255的像素点的数量占内区域部分像素点总数量的百分比B以及外框部分像素值为255的像素点的数量占外框部分像素点总数的百分比A。如果百分比A大于等于第一预设阈值且百分比B大于等于第二预设阈值,则说明外框部分以及内区域部分均无考生作答内容,即外框部分以及内区域部分所对应的子图像为空白作答子图像。
由于裁切后得到的子图像中除了指定作答区域之外,还包括题号、题目内容等文字,因此在根据像素值为255的像素点的数量判断子图像是否为空白作答子图像,设置预设阈值时要综合考虑指定作答区域以及指定作答区域以外的题号、题目,得到一个平均的预设阈值,因此设置预设阈值时的计算过程较为复杂繁琐,容易出现误差。在本实施例中,在判断子图像是否为空白作答子图像之前将子图像划分为外框部分以及内区域部分,在进行检测时分别对外框部分以及内区域部分采用不同的第一预设阈值、第二预设阈值进行比较判断,无需在预设阈值时进行综合的计算考虑,使预设阈值的设置需要考虑的因素更加简单,降低误差率,提高判断结果的准确性。
进一步的,在本发明的又一实施例中,如图3所示,创建空白作答子图像的灰度直方图包括:
步骤S1041:获取空白作答子图像所对应的灰度图像;
在上文中已经提到,在裁切答题卡图像之后,对生成的子图像进行灰度化处理、二值化处理,生成对应的灰度图像及二值化图像。在获得空白作答子图像的灰度直方图时,首先要获取到该空白作答子图像的灰度图像,根据灰度图像生成灰度直方图。
步骤S1042:统计灰度图像中每个灰度级出现的次数。
具体的,统计空白作答子图像的灰度图像中每个灰度级出现的次数,记为Num[i],其中i表示第i个灰度级。
步骤S1043:根据每个灰度级出现的次数统计出每个灰度级出现的频率。
具体的,第i个灰度级的频率可以使用P[i]表示,P[i]=Num[i]/(W*H)其中W为灰度图像的宽,H为灰度图像的高。
步骤S1044:根据每个灰度级出现的频率绘制出空白作答子图像的灰度直方图。
进一步的,在本发明的又一实施例中,对答题卡图像进行裁切之前还包括:预先读取一份答题卡图像;根据不同的题块对答题卡图像进行框选,框选出每一个题块作为框选模板,具体的,将框选后的每一个题块所对应的框选区域作为框选模板;标记框选模板内的每一个框选区域所对应的题块号,并记录每一个框选区域在答题卡图像上的坐标位置和面积大小。框选模板可以通过不同的题块对应的框选区域的坐标位置、面积数据来表示。
进一步的,在本发明的又一实施例中,对答题卡图像进行裁切包括:根据框选模板对答题卡图像进行裁切,生成多个子图像;根据框选模板内的每一个框选区域所对应的题块号标记子图像所对应的题块号。具体的,根据框选考生作答的答题区域之后生成的位置数据,对答题卡图像进行裁切。
本发明还提供一种用于考试阅卷的空白作答检测系统,在一种实施例中,如图4所示,系统包括扫描模块201、裁切模块202、图像处理模块203,其中:扫描模块201与裁切模块202连接,扫描模块201用于扫描试卷生成答题卡图像并将答题卡图像发送给所述裁切模块202;裁切模块202分别与扫描模块201、图像处理模块203连接,用于将从扫描模块201接收到的答题卡图像裁切成多个子图像并将子图像发送给图像处理模块203进行处理;图像处理模块203用于对子图像逐一进行检测处理,判断子图像是否为未作答内容的子图像。具体的扫描模块201可以包括高速扫描仪,扫描模块201通过高速扫描仪扫描考生试卷,生成答题卡图像,并将答题卡图像传输给裁切模块202进行裁切处理,根据题块将答题卡图像裁切成多个子图像。图像处理模块203对接收到的每一个子图像逐一进行灰度化、二值化处理,生成灰度图像、二值化图像,并根据像素值为255的像素点的个数判断子图像是否为空白作答子图像,详细的步骤在上文中已经提到,在此不再过多赘述。
进一步的,在上一实施例的基础上,用于考试阅卷的空白作答检测系统还包括:框选模块204,框选模块204分别与扫描模块201、裁切模块202连接,框选模块204用于生成框选模板,裁切模块202根据框选模板裁切答题卡图像。
进一步的,在上一实施例的基础上,本发明的又一实施例中,用于考试阅卷的空白作答检测系统还包括阅卷模块205,阅卷模块205与图像处理模块203连接;阅卷模块205用于获取图像处理模块203处理后的子图像,对标记为无作答内容的子图像所对应的题块自动评为零分,对标记为有作答内容的子图像,阅卷模块205将其分发给阅卷老师进行评分。
具体的,在本实施例中,如图5、图6所示,用于考试阅卷的空白作答检测系统在进行空白作答检测时包括如下步骤:
步骤S301:扫描模块扫描答题卡试卷,生成答题卡图像,并且将生成的答题卡图像进行存储。
具体的,扫描模块可以通过高速扫描仪对答题卡试卷进行扫描。
步骤S302:框选模块读取扫描模块存储的答题卡图像,并根据题块对答题卡图像进行框选,框选出每一个题块作为框选模板。
具体的,框选模块可以人为进行控制,工作人员使用框选模块将不同题块从答题卡图像上框选出来,框选完毕后,框选模块标记每一个框选区域属于哪个题块,即将每一个框选区域与题块号一一对应,同时,记录每一个框选区域在答题卡图像上的坐标位置和面积大小,从而得到框选模板。
步骤S303:裁切模块读取扫描模块存储的答题卡图像以及框选模块存储的框选模板,根据框选模板裁切答题卡图像,生成多个子图像,标记子图像所对应的题块号。
步骤S304:图像处理模块读取裁切模块裁切后生成的子图像,对子图像进行图像处理,将子图像标记为空白作答子图像或非空白作答子图像。
具体的,步骤S304中还包括以下步骤:
步骤S3041:对子图像进行灰度处理、二值化处理,生成灰度图像、二值化图像;具体的,生成的二值化图像的像素点的像素值只有0和255两种。
步骤S3042:对二值化图像进行扫描,记录像素值为255的点的数量及相应的位置坐标。
步骤S3043:将二值化图像划分为外框部分以及内区域部分;
步骤S3044:判断外框部分、内区域部分是否均无作答内容,若是,执行步骤S3045,否则,执行步骤S307。
具体的,统计外框部分像素值为255的像素点的数量占外框部分像素点总数的百分比A并将百分比A与第一预设阈值比较,若A大于等于第一预设阈值,则外框部分无考生作答内容;若A小于第一预设阈值,则外框部分有考生作答内容。统计内区域部分像素值为255的像素点的数量占内区域部分像素点总数的百分比B并将百分比B与第二预设阈值比较,若B大于等于第二预设阈值,则内区域部分无考生作答内容;若B小于第二预设阈值,则内区域部分有考生作答内容。
进一步的,若外框部分、内区域部分均无作答内容,则说明外框部分、内区域部分所对应的子图像无作答内容,是空白作答子图像;若外框部分、内区域部分中至少有1个部分有作答内容,则说明外框部分、内区域部分所对应的子图像中有作答内容,不是空白作答子图像。
步骤S3045:创建该外框部分、内区域部分所对应的子图像的灰度直方图;
步骤S3046:将子图像的灰度直方图与预设的标准灰度直方图进行匹配,若匹配成功,执行步骤S3047,若匹配不成功,执行步骤3048;
步骤S3047:将子图像标记为空白作答子图像;
步骤S3048:将子图像标记为非空白作答子图像;
步骤S305:阅卷模块获取图像处理模块处理后的子图像,判断子图像是否被标记为空白作答子图像,若是,则执行步骤S306;否则执行步骤S307。
步骤S306:阅卷模块将子图像自动评为0分。
步骤S307:阅卷模块将子图像分发给阅卷老师进行评分。
与现有的考试阅卷系统相比,本发明专利创造了一种用于考试阅卷的空白作答检测系统,不仅能自动检测出考试的答题区域是否空白,并对空白卷评为零分,有效减轻阅卷老师的工作负担,同时能避免阅卷老师对空白答卷进行误给分,大大提高阅卷给分的准确率,从而有效提高网上阅卷工作的工作效率。本发明说明书中使用的术语和措辞仅仅为了举例说明,并不意味构成限定。本领域技术人员应当理解,在不脱离所公开的实施方式的基本原理的前提下,对上述实施方式中的各细节可进行各种变化。因此,本发明的范围只由权利要求确定,在权利要求中,除非另有说明,所有的术语应按最宽泛合理的意思进行理解。

Claims (8)

1.一种用于考试阅卷的空白作答检测方法,其特征在于,所述方法包括:
根据题块对答题卡图像进行裁切,生成多个不同题块的子图像;
逐一对所述子图像进行灰度化处理、二值化处理,生成对应的灰度图像及二值化图像;
基于所述二值化图像内的像素值为255的像素点的数量,判断所述二值化图像所对应的子图像是空白作答子图像,根据所述空白作答子图像所对应的灰度图像创建所述空白作答子图像的灰度直方图;
将所述灰度直方图与预设的标准灰度直方图进行匹配,若匹配成功,则确认所述空白作答子图像无作答内容。
2.如权利要求1所述的一种用于考试阅卷的空白作答检测方法,其特征在于,所述基于所述二值化图像内的像素值为255的像素点的数量,判断所述子图像是否为空白作答子图像包括:
将所述二值化图像划分为外框部分、内区域部分;
统计所述外框部分像素值为255的像素点的数量占所述外框部分像素点总数的百分比A并将所述百分比A与第一预设阈值比较,判断所述外框部分是否为疑似无考生作答内容;
统计所述内区域部分像素值为255的像素点的数量占所述内区域部分像素点总数量的百分比B并将所述百分比B与第二预设阈值比较,判断所述外框部分是否为疑似无考生作答内容;
若所述外框部分与所述内区域部分均疑似无考生作答内容,则判断所述子图像为空白作答子图像。
3.如权利要求1所述的一种用于考试阅卷的空白作答检测方法,其特征在于,所述创建所述空白作答子图像的灰度直方图包括:
获取所述空白作答子图像所对应的灰度图像;
统计所述灰度图像中每个灰度级出现的次数;
根据每个所述灰度级出现的次数统计出每个所述灰度级出现的频率;
根据每个所述灰度级出现的频率绘制出所述空白作答子图像的灰度直方图。
4.如权利要求1所述的一种用于考试阅卷的空白作答检测方法,其特征在于,所述对答题卡图像进行裁切之前还包括:
预先读取一份答题卡图像;
框选出每一个题块作为框选模板;
标记所述框选模板内的每一个框选区域所对应的题块号。
5.如权利要求4所述的一种用于考试阅卷的空白作答检测方法,其特征在于,所述对答题卡图像进行裁切包括:
根据所述框选模板对所述答题卡图像进行裁切,生成多个子图像;
根据所述框选模板内的每一个框选区域所对应的题块号标记所述子图像所对应的题块号。
6.一种用于考试阅卷的空白作答检测系统,其特征在于,所述系统包括:扫描模块、裁切模块、图像处理模块,其中:
所述扫描模块与所述裁切模块连接,所述扫描模块用于扫描试卷生成答题卡图像并将所述答题卡图像发送给所述裁切模块;
所述裁切模块分别与所述扫描模块、所述图像处理模块连接,用于将从所述扫描模块接收到的所述答题卡图像裁切成多个子图像并将所述子图像发送给所述图像处理模块进行处理;
所述图像处理模块用于对所述子图像逐一进行检测处理,判断所述子图像是否为无作答内容的子图像。
7.如权利要求6所述的一种用于考试阅卷的空白作答检测系统,其特征在于,所述系统还包括:
框选模块,所述框选模块分别与所述扫描模块、所述裁切模块连接,所述框选模块用于生成框选模板,所述裁切模块根据所述框选模板裁切所述答题卡图像。
8.如权利要求7所述的一种用于考试阅卷的空白作答检测系统,其特征在于,所述系统还包括:阅卷模块,所述阅卷模块与所述图像处理模块连接;
所述阅卷模块用于获取所述图像处理模块处理后的子图像,对标记为无作答内容的子图像所对应的题块自动评为零分,对标记为有作答内容的子图像,所述阅卷模块将其分发给阅卷老师进行评分。
CN202011611561.7A 2020-12-30 2020-12-30 一种用于考试阅卷的空白作答检测方法及系统 Active CN112700414B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202011611561.7A CN112700414B (zh) 2020-12-30 2020-12-30 一种用于考试阅卷的空白作答检测方法及系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202011611561.7A CN112700414B (zh) 2020-12-30 2020-12-30 一种用于考试阅卷的空白作答检测方法及系统

Publications (2)

Publication Number Publication Date
CN112700414A true CN112700414A (zh) 2021-04-23
CN112700414B CN112700414B (zh) 2024-08-30

Family

ID=75512520

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202011611561.7A Active CN112700414B (zh) 2020-12-30 2020-12-30 一种用于考试阅卷的空白作答检测方法及系统

Country Status (1)

Country Link
CN (1) CN112700414B (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113784028A (zh) * 2021-09-10 2021-12-10 深圳市鑫程教育科技发展有限公司 一种多场同步的考场秩序监督方法及系统
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

Citations (21)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101334814A (zh) * 2008-04-28 2008-12-31 华北电力大学 一种自动化的扫描阅卷系统及阅卷方法
CN102663379A (zh) * 2012-03-22 2012-09-12 留越 一种基于图像识别的阅卷方法及系统
CN103559490A (zh) * 2013-10-11 2014-02-05 华南理工大学 基于二值图像连通域统计的答题卡自动评分方法
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
CN105488512A (zh) * 2015-11-27 2016-04-13 南京理工大学 基于Sift特征匹配和形状上下文的试卷阅卷方法
CN105590101A (zh) * 2015-12-28 2016-05-18 杭州淳敏软件技术有限公司 基于手机拍照的手写答题卡自动处理和阅卷方法及系统
CN105989347A (zh) * 2015-02-28 2016-10-05 科大讯飞股份有限公司 客观题智能阅卷方法及系统
CN106033535A (zh) * 2015-03-18 2016-10-19 成都理想境界科技有限公司 电子阅卷方法
US20170308507A1 (en) * 2016-04-20 2017-10-26 Kyocera Document Solutions Inc. Image processing apparatus
CN107506762A (zh) * 2017-09-01 2017-12-22 昆山中骏博研互联网科技有限公司 一种基于图像分析的成绩自动录入方法
CN108171297A (zh) * 2018-01-24 2018-06-15 谢德刚 一种答题卡识别方法及装置
CN108960235A (zh) * 2018-06-25 2018-12-07 芝麻云信(武汉)科技有限公司 一种用于识别答题卡填涂块的方法
CN109711284A (zh) * 2018-12-11 2019-05-03 江苏博墨教育科技有限公司 一种考试答题卡系统智能识别分析方法
CN110288566A (zh) * 2019-05-23 2019-09-27 北京中科晶上科技股份有限公司 一种目标缺陷提取方法
CN111144251A (zh) * 2019-12-17 2020-05-12 广东德诚大数据科技有限公司 一种基于图像采集的自动化扫描识别系统
CN111161111A (zh) * 2019-12-24 2020-05-15 广东德诚大数据科技有限公司 一种用于考试阅卷监测的动态分析数据处理系统及方法
CN111597908A (zh) * 2020-04-22 2020-08-28 深圳中兴网信科技有限公司 试卷批改方法和试卷批改装置
CN111814606A (zh) * 2020-06-24 2020-10-23 枫烨(深圳)科技有限公司 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
CN111814616A (zh) * 2020-06-28 2020-10-23 枫烨(深圳)科技有限公司 一种无需答题卡的试卷自动阅卷处理系统及其实现方法
CN112040087A (zh) * 2020-09-10 2020-12-04 珠海奔图电子有限公司 空白图像识别方法、装置、设备及存储介质

Patent Citations (21)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101334814A (zh) * 2008-04-28 2008-12-31 华北电力大学 一种自动化的扫描阅卷系统及阅卷方法
CN102663379A (zh) * 2012-03-22 2012-09-12 留越 一种基于图像识别的阅卷方法及系统
CN103559490A (zh) * 2013-10-11 2014-02-05 华南理工大学 基于二值图像连通域统计的答题卡自动评分方法
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
CN105989347A (zh) * 2015-02-28 2016-10-05 科大讯飞股份有限公司 客观题智能阅卷方法及系统
CN106033535A (zh) * 2015-03-18 2016-10-19 成都理想境界科技有限公司 电子阅卷方法
CN105488512A (zh) * 2015-11-27 2016-04-13 南京理工大学 基于Sift特征匹配和形状上下文的试卷阅卷方法
CN105590101A (zh) * 2015-12-28 2016-05-18 杭州淳敏软件技术有限公司 基于手机拍照的手写答题卡自动处理和阅卷方法及系统
US20170308507A1 (en) * 2016-04-20 2017-10-26 Kyocera Document Solutions Inc. Image processing apparatus
CN107506762A (zh) * 2017-09-01 2017-12-22 昆山中骏博研互联网科技有限公司 一种基于图像分析的成绩自动录入方法
CN108171297A (zh) * 2018-01-24 2018-06-15 谢德刚 一种答题卡识别方法及装置
CN108960235A (zh) * 2018-06-25 2018-12-07 芝麻云信(武汉)科技有限公司 一种用于识别答题卡填涂块的方法
CN109711284A (zh) * 2018-12-11 2019-05-03 江苏博墨教育科技有限公司 一种考试答题卡系统智能识别分析方法
CN110288566A (zh) * 2019-05-23 2019-09-27 北京中科晶上科技股份有限公司 一种目标缺陷提取方法
CN111144251A (zh) * 2019-12-17 2020-05-12 广东德诚大数据科技有限公司 一种基于图像采集的自动化扫描识别系统
CN111161111A (zh) * 2019-12-24 2020-05-15 广东德诚大数据科技有限公司 一种用于考试阅卷监测的动态分析数据处理系统及方法
CN111597908A (zh) * 2020-04-22 2020-08-28 深圳中兴网信科技有限公司 试卷批改方法和试卷批改装置
CN111814606A (zh) * 2020-06-24 2020-10-23 枫烨(深圳)科技有限公司 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
CN111814616A (zh) * 2020-06-28 2020-10-23 枫烨(深圳)科技有限公司 一种无需答题卡的试卷自动阅卷处理系统及其实现方法
CN112040087A (zh) * 2020-09-10 2020-12-04 珠海奔图电子有限公司 空白图像识别方法、装置、设备及存储介质

Non-Patent Citations (3)

* Cited by examiner, † Cited by third party
Title
I.G. TORRE: "Scaling properties of binary and greyscale images in the context of X-ray soil tomography", 《GEODERMA》 *
林开彬: "基于图像识别的无纸化阅卷空白题识别技术研究", 《中国优秀硕士学位论文全文数据库 信息科技辑》, pages 1 - 59 *
贾志先: "基于支持向量机的空白试卷识别方法", 《山西大学学报(自然科学版)》, vol. 34, no. 3 *

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113784028A (zh) * 2021-09-10 2021-12-10 深圳市鑫程教育科技发展有限公司 一种多场同步的考场秩序监督方法及系统
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

Also Published As

Publication number Publication date
CN112700414B (zh) 2024-08-30

Similar Documents

Publication Publication Date Title
US6408094B1 (en) Document image assessment system and method
EP1628240B1 (en) Outlier detection during scanning
CN109460762B (zh) 一种基于图像识别的答题卡评分方法
CN106033535B (zh) 电子阅卷方法
CN104143094A (zh) 一种无需答题卡的试卷自动阅卷处理方法及系统
US6959121B2 (en) Document image processing device, document image processing method, and memory medium
CN112700414B (zh) 一种用于考试阅卷的空白作答检测方法及系统
CN106372613B (zh) 纸质试卷的统计方法和装置
CN102360419A (zh) 计算机扫描阅读管理方法及系统
US7764923B2 (en) Material processing apparatus and method for grading material
CN112348019B (zh) 一种答题卡矫正方法、装置、电子设备及存储介质
CN111046644A (zh) 一种答题卡模板生成方法、识别方法、装置及存储介质
CN106033534B (zh) 基于直线检测的电子阅卷方法
CN114463770A (zh) 一种用于普遍试卷题目的智能切题方法
Karunanayake OMR sheet evaluation by web camera using template matching approach
CN104077562B (zh) 一种答卷的扫描方向判断方法
US20060194187A1 (en) Material processing apparatus, material processing method, and program product
US7853194B2 (en) Material processing apparatus, material processing method and material processing program
US7865130B2 (en) Material processing apparatus, material processing method, and material processing program product
CN114254605A (zh) 答题卡模板生成方法、答题卡识别方法、装置和电子设备
US10181077B1 (en) Document image orientation assessment and correction
JP4894184B2 (ja) 教材処理装置、教材処理方法および教材処理プログラム
JP4894195B2 (ja) 教材処理装置、教材処理方法および教材処理プログラム
CN113807341A (zh) 一种基于标题定位的扫描识别方法及装置
CN113852730B (zh) 一种倾斜角确定方法及其相关设备

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
TA01 Transfer of patent application right

Effective date of registration: 20240709

Address after: Room 401, Building 1, Yangguang Fengjing, No. 20 Minle Avenue, Kengkou, Dinghu District, Zhaoqing City, Guangdong Province, 526000 (for office use only) (residential to commercial)

Applicant after: GUANGDONG DECHENG SCIENTIFIC EDUCATION CO.,LTD.

Country or region after: China

Address before: 526060 Room 608, 6th floor, employment training center building, gutazhong Road, Zhaoqing City, Guangdong Province

Applicant before: Guangdong Decheng Big Data Technology Co.,Ltd.

Country or region before: China

TA01 Transfer of patent application right
GR01 Patent grant
GR01 Patent grant