CN112734705A - 一种答题卡的异常检测方法、装置、电子设备及存储介质 - Google Patents

一种答题卡的异常检测方法、装置、电子设备及存储介质 Download PDF

Info

Publication number
CN112734705A
CN112734705A CN202011608281.0A CN202011608281A CN112734705A CN 112734705 A CN112734705 A CN 112734705A CN 202011608281 A CN202011608281 A CN 202011608281A CN 112734705 A CN112734705 A CN 112734705A
Authority
CN
China
Prior art keywords
total number
answer sheet
image
pixel group
preset
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
Application number
CN202011608281.0A
Other languages
English (en)
Inventor
柯维海
陈超鸿
杨有科
冯国梁
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 CN202011608281.0A priority Critical patent/CN112734705A/zh
Publication of CN112734705A publication Critical patent/CN112734705A/zh
Pending legal-status Critical Current

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
    • 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

Abstract

本申请提供了一种答题卡的异常检测方法、装置、电子设备及存储介质。该方法包括:获取目标答题卡的图像,得到初始图像;对所述初始图像进行灰度化处理和二值化处理,得到处理图像;在所述处理图像中设置设定标记线;当所述设定标记线上存在预设像素组时,获取所述预设像素组中设定像素的总数;其中所述预设像素组包括至少两个彼此相邻的设定像素,所述设定像素的灰阶值等于预设灰阶值;当所述总数大于第一预设阈值时,则确定所述答题卡异常。

Description

一种答题卡的异常检测方法、装置、电子设备及存储介质
技术领域
本申请涉及网上阅卷技术领域,具体而言,涉及一种答题卡的异常检测方法、装置、电子设备及存储介质。
背景技术
目前基于纸质考试的网上阅卷系统是将考生的纸质答题卡进行图像化处理后,得到图像。电子化处理比如是使用高速扫描仪进行扫描。
然而,图像化处理过程中容易受到外界的干扰,从而使得获取到的图像上存在污迹或者黑块等异常,这些异常会严重影响考生的手写答案,进而影响分数。
针对这种现象,目前采用的解决方案是通过人工检测答题卡图像是否存在异常,然而这种方式工作量较大,且检测效率很低。
发明内容
本申请实施例的目的在于提供一种答题卡的异常检测方法、装置、电子设备及存储介质,可以提高异常检测的效率。
第一方面,本申请实施例提供了一种答题卡的异常检测方法,包括以下步骤:
获取目标答题卡的图像,得到初始图像;
对所述初始图像进行灰度化处理和二值化处理,得到处理图像;
在所述处理图像中设置设定标记线;
当所述设定标记线上存在预设像素组时,获取所述预设像素组中设定像素的总数;其中所述预设像素组包括至少两个彼此相邻的设定像素,所述设定像素的灰阶值等于预设灰阶值;
当所述总数大于第一预设阈值时,则确定所述答题卡异常。
可选地,在本申请实施例所述的答题卡的异常检测方法中,所述预设像素组包括至少一第一子像素组和至少一第二子像素组;
所述获取所述预设像素组中设定像素的总数的步骤包括:
获取各所述第一子像素组中设定像素的总数,得到至少一第一总数;
获取各所述第二子像素组中设定像素的总数,得到至少一第二总数;
所述当所述总数大于第一预设阈值时,则确定所述答题卡异常的步骤包括:
当所述第一总数或者所述第二总数大于第一预设阈值时,则确定所述答题卡异常。
可选地,在本申请实施例所述的答题卡的异常检测方法中,所述当所述第一总数或者所述第二总数大于第一预设阈值时,则确定所述答题卡异常的步骤包括:
获取至少一所述第一总数和至少一所述第二总数中的最大值,得到第一数值;
当所述第一数值大于所述第一预设阈值时,则确定所述答题卡异常。
可选地,在本申请实施例所述的答题卡的异常检测方法中,所述在所述处理图像中设置设定标记线的步骤包括:
在参考图像中设置多条网格线;
当所述网格线满足预设条件时,将所述网格线作为候选参考线;
将候选参考线映射到所述处理图像中,以在所述处理图像中形成多条设定标记线。
可选地,在本申请实施例所述的答题卡的异常检测方法中,所述判断所述网格线是否满足预设条件的步骤包括:
当所述网格线上存在至少一第三子像素组和至少一第四子像素组时,获取各所述第三子像素组中设定像素的总数,得到至少一第三总数;
获取各所述第四子像素组中设定像素的总数,得到至少一第四总数;
获取所述第三总数和所述第四总数中的最大值,得到第二数值;
当所述第二数值小于第二预设阈值时,则判定所述网格线满足预设条件。
可选地,在本申请实施例所述的答题卡的异常检测方法中,所述将候选参考线映射到所述处理图像中,以在所述处理图像中形成多条设定标记线的步骤包括:
获取所述候选参考线中至少两个设定像素与所述参考图像的几何中心之间的距离;
获取所述处理图像的几何中心的位置信息,得到第一位置信息;
根据所述第一位置信息和所述距离得到各设定像素在所述处理图像中的位置信息,得到多个映射位置;
根据所述映射位置生成所述设定标记线。
可选地,在本申请实施例所述的答题卡的异常检测方法中,所述获取所述候选参考线中至少两个设定像素与所述参考图像的几何中心之间的距离的步骤包括:
获取所述候选参考线中至少两个设定像素的位置信息,得到第二位置信息;
获取所述参考图像的几何中心的位置信息,得到第三位置信息;
根据所述第二位置信息和所述第三位置信息获取所述候选参考线中所述设定像素与所述参考图像的几何中心之间的距离。
第二方面,本申请实施例还提供了一种答题卡的异常检测装置,包括:
第一获取模块,用于获取目标答题卡的图像,得到初始图像;
处理模块,用于对所述初始图像进行灰度化处理和二值化处理,得到处理图像;
设置模块,用于在所述处理图像中设置设定标记线;
第二获取模块,用于当所述设定标记线上存在预设像素组时,获取所述预设像素组中设定像素的总数;其中所述预设像素组包括至少两个彼此相邻的设定像素,所述设定像素的灰阶值等于预设灰阶值;
确定模块,用于当所述总数大于第一预设阈值时,则确定所述答题卡异常。
第三方面,本申请实施例提供一种电子设备,包括处理器以及存储器,所述存储器存储有计算机可读取指令,当所述计算机可读取指令由所述处理器执行时,运行如上述第一方面提供的所述方法中的步骤。
第四方面,本申请实施例提供一种存储介质,其上存储有计算机程序,所述计算机程序被处理器执行时运行如上述第一方面提供的所述方法中的步骤。
由上可知,本申请实施例提供的答题卡的异常检测方法,通过获取目标答题卡的图像,得到初始图像;对所述初始图像进行灰度化处理和二值化处理,得到处理图像;在所述处理图像中设置设定标记线;当所述设定标记线上存在预设像素组时,获取所述预设像素组中设定像素的总数;当所述总数大于第一预设阈值时,则确定所述答题卡异常;由于可以自动检测出答题卡异常情况,从而提高了异常检测的效率。
本申请的其他特征和优点将在随后的说明书阐述,并且,部分地从说明书中变得显而易见,或者通过实施本申请实施例了解。本申请的目的和其他优点可通过在所写的说明书、权利要求书、以及附图中所特别指出的结构来实现和获得。
附图说明
为了更清楚地说明本申请实施例的技术方案,下面将对本申请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他相关的附图。
图1为本申请实施例提供的答题卡的异常检测方法的一种流程图。
图2为本申请实施例提供的答题卡的异常检测方法的另一种流程图。
图3为本申请实施例提供的答题卡的异常检测装置的第一种结构示意图。
图4为本申请实施例提供的答题卡的异常检测装置的第二种结构示意图。
图5为本申请实施例提供的电子设备的结构示意图。
具体实施方式
下面将结合本申请实施例中附图,对本申请实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅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。基于本申请的实施例,本领域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。
请参照图1,图1是本申请一些实施例中的一种答题卡的异常检测方法的流程图。该答题卡的异常检测方法包括以下步骤:
S101、获取目标答题卡的图像,得到初始图像;
S102、对所述初始图像进行灰度化处理和二值化处理,得到处理图像;;
S103、在所述处理图像中设置设定标记线;
S104、当所述设定标记线上存在预设像素组时,获取所述预设像素组中设定像素的总数;
S105、当所述总数大于第一预设阈值时,则确定所述答题卡异常。
其中,在该步骤S101中,其中目标答题卡为考生作答完的答题卡,可以通过高速扫描仪扫描答题卡,扫描出来的答题卡图像作为初始图像。当然在其他实施方式中,也可使用摄像机对答题卡进行拍照,得到初始图像。初始图像的获取方式不限于此。
其中,在该步骤S102中,对扫描图像或者拍照图像进行灰度化处理,将其转换成灰度图像。之后再对灰度图进行二值化处理,得到处理图像。
其中,在该步骤S103中,在一实施方式中,可以直接在处理图像的水平方向和垂直方向均匀设置多条标记线。标记线的数量以及位置可以根据需求设定。
其中,在该步骤S104中,其中所述预设像素组包括至少两个彼此相邻的设定像素,所述设定像素的灰阶值等于预设灰阶值;该预设灰阶值根据需求设置。
以经过二值化处理后的图像的灰阶值为0和255,且预设灰阶值位0为例,记录所有的水平标记线和垂直标记线分别穿过的0和255值像素点在相应所在标记线的分布位置。判断每条标记线上是否存在多个连续且灰阶值为0的像素,如果存在,则分别获取多个连续且灰阶值为0的像素,也即获取每个预设像素组中像素的总数,如果不存在,则跳转至下一条标记线,并返回执行步骤S104。
其中,在该步骤S105中,其中第一预设阈值根据经验值设定,判断所述总数是否大于第一预设阈值,如果是,则确定所述答题卡异常。如果否,则跳转至下一条标记线,并返回步骤S104,直到所有的标记线都获取完毕。可以理解的,当其中一条标记线的预设像素组中的设定像素的总数大于第一预设阈值时,则判定所述答题卡异常,如果所有标记线的预设像素组中的设定像素的总数均小于或等于第一预设阈值时,则判定所述答题卡未出现异常。
例如,当答题卡的图像存在污迹或者答题卡图像出现黑块时,则确定答题卡出现异常。
比如扫描仪在长时间扫描纸质答题卡的过程中,扫描仪的光头组件容易被答题卡的异物粘连,造成光头部分被遮挡,不能完全照射到答题卡上,从而会在扫描出来的图像上留下一块污迹。或者在拍照过程中,由于答题卡上方容易被手或者其他物体遮挡,导致图像出现黑块。
由上可知,本申请实施例提供的答题卡的异常检测方法,通过获取目标答题卡的图像,得到初始图像;对所述初始图像进行灰度化处理和二值化处理,得到处理图像;在所述处理图像中设置设定标记线;当所述设定标记线上存在预设像素组时,获取所述预设像素组中设定像素的总数;当所述总数大于第一预设阈值时,则确定所述答题卡异常;由于可以自动检测出答题卡异常情况,从而提高了异常检测的效率。
请参照图2,图2是本申请一些实施例中的一种答题卡的异常检测方法的流程图。该答题卡的异常检测方法包括以下步骤:
S201、获取目标答题卡的图像,得到初始图像;
S202、对所述初始图像进行灰度化处理和二值化处理,得到处理图像;
S203、在所述处理图像中设置设定标记线;
S204、当所述设定标记线上存在预设像素组时,获取各所述第一子像素组中设定像素的总数,得到至少一第一总数;
S205、获取各所述第二子像素组中设定像素的总数,得到至少一第二总数;
S206、当所述第一总数或者所述第二总数大于第一预设阈值时,则确定所述答题卡异常。
其中,在该步骤S201中,其中目标答题卡为考生作答完的答题卡,可以通过高速扫描仪扫描答题卡,扫描出来的答题卡图像作为初始图像。当然在其他实施方式中,也可使用摄像机对答题卡进行拍照,得到初始图像。初始图像的获取方式不限于此。
其中,在该步骤S202中,对扫描图像或者拍照图像进行灰度化处理,将其转换成灰度图像。之后再对灰度图进行二值化处理,得到处理图像。其中比如经过二值化处理后的图像的灰阶值只有两个值0和255。
其中,在该步骤S203中,在一实施方式中,可以直接在处理图像的水平方向和垂直方向均匀设置多条标记线。标记线的数量以及位置可以根据需求设定。
其中,在该步骤S204中,其中所述预设像素组包括至少两个彼此相邻的设定像素,所述设定像素的灰阶值等于预设灰阶值;该预设灰阶值根据需求设置。所述预设像素组包括至少一第一子像素组和至少一第二子像素组。第一子线像素组中各设定像素的灰阶值等于第一预设灰阶值,第二子线像素组中各设定像素的灰阶值等于第二预设灰阶值。
以经过二值化处理后的图像的灰阶值为0和255,且预设灰阶值位0为例,记录所有的水平标记线和垂直标记线分别穿过的0和255值像素点在相应所在标记线的分布位置。比如其中一条标记线穿过图像的像素的灰阶值为255、255、0、0、255、255、255、255、255、0、0、0、0、0、0、0、255、255,则确定该标记线上存在多个灰阶值为0且连续的像素,也即且存在两个第一子像素组,其中一个第一子像素组为0、0,共有两个灰阶值为0的像素。另外一个第一子像素组为0,0,0,0,0,0,0,共有七个灰阶值为0的像素。
其中,在该步骤S205中,比如其中一条标记线穿过图像的像素的灰阶值为55、255、0、0、255、255、255、255、255、0、0、0、0、0、0、0、255、255,则确定该标记线上存在三个灰阶值为255且连续的像素,也即存在三个第二子像素组,其中一个第二子像素组为255、255,共有两个灰阶值为255的像素。另外一个第二子像素组为255、255、255、255、255,共有五个灰阶值为255的像素。最后一个第二子像素组为255、255,共有两个灰阶值为255的像素。
其中,在该步骤S206中,多个第一总数分别为两个、七个。多个第二总数分别为两个、五个以及两个;判断所述第一总数或者第二总数是否有一个大于第一预设阈值,如果是,则确定所述答题卡异常;否则,跳转至下一条标记线,并返回步骤S204,直到所有的标记线都获取完毕。
在一些实施例中,为了提高检测效率,所述当所述第一总数或者所述第二总数大于第一预设阈值时,则确定所述答题卡异常的步骤包括:
获取至少一所述第一总数和至少一所述第二总数中的最大值,得到第一数值;当所述第一数值大于所述第一预设阈值时,则确定所述答题卡异常。
例如,多个第一总数分别为两个、七个。多个第二总数分别为两个、五个以及两个;因此第一总数和第二总数中的最大值为七个。将最大值与第一预设阈值进行比较,如果大于第一预设阈值,则确定所述答题卡异常;否则,跳转至下一条标记线,并返回步骤S204,直到所有的标记线都获取完毕。
可以理解的,当其中一条标记线对应的最大值大于第一预设阈值时,则判定所述答题卡异常,如果所有标记线对应的最大值均小于或等于第一预设阈值时,则判定所述答题卡未出现异常。
例如,当答题卡的图像存在污迹或者答题卡图像出现黑块时,则确定答题卡出现异常。
比如扫描仪在长时间扫描纸质答题卡的过程中,扫描仪的光头组件容易被答题卡的异物粘连,造成光头部分被遮挡,不能完全照射到答题卡上,从而会在扫描出来的图像上留下一块污迹。或者在拍照过程中,由于答题卡上方容易被手或者其他物体遮挡,导致图像出现黑块。
在一实施例中,为了提高检测的准确性,上述步骤S203、所述在所述处理图像中设置设定标记线的步骤包括:
S2031、在参考图像中设置多条网格线;
例如,参考图像为空白答题卡对应的图像,空白答题卡为考生未作答时的答题卡。网格线包括水平方向和竖直方向的网格线。
S2032、当所述网格线满足预设条件时,将所述网格线作为候选参考线;
例如,在一实施方式中,可以获取每条网格线上的预设像素组中的设定像素的数量,当总数小于第二预设阈值时,则将该网格线作为候选参考线。否则,舍弃该网格线。其中第二预设阈值根据经验值设定。
在一实施方式中,为了提高准确性,所述判断所述网格线是否满足预设条件的步骤包括:
S301、当所述网格线上存在至少一第三子像素组和至少一第四子像素组时,获取各所述第三子像素组中设定像素的总数,得到至少一第三总数;
其中第三子线像素组中各设定像素的灰阶值等于第一预设灰阶值。比如第二预设阈值为7,比如其中一网格线穿过图像的像素的灰阶值为55、255、0、0、255、255、255、255、255、255、0、0、0、0、0、255、255、255,则该网格线上存在多个灰阶值为0且连续的像素,且存在两组第三预设像素组,其中一个第三预设像素组为0、0,共有两个灰阶值为0的像素,另外一个第三个预设像素组为0、0、0、0、0,共有五个灰阶值为0的像素。多个第三总数分别为两个、五个。
S302、获取各所述第四子像素组中设定像素的总数,得到至少一第四总数;
比如其中一网格线穿过图像的像素的灰阶值为55、255、0、0、255、255、255、255、255、255、0、0、0、0、0、255、255、255,则确定该网格线上存在三个灰阶值为255且连续的像素,也即存在三个第四子像素组,其中一个第四子像素组为255、255,共有两个灰阶值为255的像素。另外一个第四子像素组为255、255、255、255、255、255,共有六个灰阶值为255的像素。最后一个第四子像素组为255、255、255,共有三个灰阶值为255的像素。多个第二总数分别为两个、六个以及三个。
S303、获取所述第三总数和所述第四总数中的最大值,得到第二数值;
其中第三总数和第四总数中的最大值为六。
S304、当所述第二数值小于第二预设阈值时,则判定所述网格线满足预设条件。
如果第二数值超过第二预设阈值,则该网格线作废并删除,如果第二数值小于或等于第二预设阈值,则将该网格线作为候选参考线。其余网格线的处理方法与此类似。
S2033、将候选参考线映射到所述处理图像中,以在所述处理图像中形成多条设定标记线。
例如,将每条候选参考线的至少两个设定像素的坐标映射到处理图像中,映射后的坐标的连接形成设定标记线。
在一实施方式中,为了进一步提高准确性,所述将候选参考线映射到所述处理图像中,以在所述处理图像中形成多条设定标记线的步骤包括:
S401、获取所述候选参考线中至少两个设定像素与所述参考图像的几何中心之间的距离;
在一实施方式中,所述获取所述候选参考线中至少两个设定像素与所述参考图像的几何中心之间的距离的步骤包括:获取所述候选参考线中各设定像素的位置信息,得到第二位置信息;获取所述参考图像的几何中心的位置信息,得到第三位置信息;根据所述第二位置信息和所述第三位置信息获取所述候选参考线中各设定像素与所述参考图像的几何中心之间的距离。
其中第二位置信息和第三位置信息均为坐标,也即根据设定像素的坐标(x1,y1)和参考图像的几何中心的坐标(x2,y2)获取每个设定像素与几何中心之间的距离C。当然,在其他实施方式中,设定像素与参考图像的几何中心之间的距离的获取方式不限于此。
S402、获取所述处理图像的几何中心的位置信息,得到第一位置信息;
其中第一位置信息为处理图像的几何中心的坐标(x3,y3)。
S403、根据所述第一位置信息和所述距离得到各设定像素在所述处理图像中的位置信息,得到至少两个映射位置;
通过处理图像的几何中心的坐标(x3,y3)和距离C进行计算得到各设定像素在所述处理图像中的各设定像素的映射坐标(x4,y4)。
S404、根据所述映射位置生成所述设定标记线。
可以理解的,由于两个点可以确定一个直线,因此将其中一条候选参考线对应的多个映射坐标连接,形成一条设定坐标线。
由上可知,本申请实施例提供的答题卡的异常检测方法,通过获取目标答题卡的图像,得到初始图像;对所述初始图像进行灰度化处理和二值化处理,得到处理图像;在所述处理图像中设置设定标记线;当所述设定标记线上存在预设像素组时,获取各所述第一子像素组中设定像素的总数,得到至少一第一总数;获取各所述第二子像素组中设定像素的总数,得到至少一第二总数;当所述第一总数或者所述第二总数大于第一预设阈值时,则确定所述答题卡异常;由于在上一实施例的基础上,根据第一总数或者第二总数判断答题卡是否异常,从而进一步提高了异常检测的准确性。
在一具体实施例中,高速扫描仪预先扫描一张空白的答题卡,获取该扫描出来的答题卡图像a,对答题卡图像a进行灰度化处理,转换成灰度图像,再对灰度图进行二值化处理,二值化的图像只有两个值0和255。对答题卡图像a的水平方向位置和垂直水平方向分别均匀分布A条水平标记线和B条垂直标记线。然后记录所有的水平标记线和垂直标记线分别穿过的0和255值的像素点在相应所在标记线的分布位置,进而统计每条标记线上的最大连续0和255值像素点数量。比如某以标记线穿过图像的像素点分布为255、255、0、0、255、255、255、255、255、0、0、0、0、0、0、0、255、255。故该标记线的灰阶值为0且彼此连续的像素的最大数量为7,如果标记线的最大数量超过阈值,则该标记线标记作废并删除,最后统计剩下的标记线的坐标位置,把这些标记线中标记线的最大数量不超过阈值作为标记线模板。
在扫描考生答题卡时,通过高速扫描仪,获取扫描出来的答题卡图像。对答题卡图像进行灰度化处理,转换成灰度图像b。再对灰度图像b进行二值化处理,二值化的图像只有两个值0和255。根据之前做好的标记线模板上的各标记线的坐标位置,映射到答题卡图像上,得到相应映射的标记线。然后记录所有标记线在答题卡图像上分别穿过的0和255值像素点在相应所在标记线的分布位置。进而统计每条标记线上的灰阶值为0且彼此连续的像素的最大数量。将每条标记线的最大数量与阈值进行比较。如果超过阈值,则该判断该答题卡图像受到污染,进而标记为疑似污染图像。为了提高准确性,还可再由考务人员人工检测该疑似污染图像是否真的受到污染。如果检测到该疑似污染图像真的受到污染并影响到考生作答内容,则标记该答题卡图像需要重新扫描。
请参照图3,图3是本申请实施例还提供了一种答题卡的异常检测装置的结构示意图。
如图3和图4所示,该装置30包括第一获取模块31、处理模块32、设置模块33、第二获取模块34以及确定模块35。
第一获取模块31,用于获取目标答题卡的图像,得到初始图像;
处理模块32,用于对所述初始图像进行灰度化处理和二值化处理,得到处理图像;
设置模块33,用于在所述处理图像中设置设定标记线;
第二获取模块34,用于当所述设定标记线上存在预设像素组时,获取所述预设像素组中设定像素的总数;其中所述预设像素组包括至少两个彼此相邻的设定像素,所述设定像素的灰阶值等于预设灰阶值;
确定模块35,用于当所述总数大于第一预设阈值时,则确定所述答题卡异常。
在一些实施例中,所述预设像素组包括至少一第一子像素组和至少一第二子像素组;
所述第二获取模块34,用于获取各所述第一子像素组中设定像素的总数,得到至少一第一总数;获取各所述第二子像素组中设定像素的总数,得到至少一第二总数;
所述确定模块35,具体用于当所述第一总数或者所述第二总数大于第一预设阈值时,则确定所述答题卡异常。
在一些实施例中,所述确定模块,还用于获取至少一所述第一总数和至少一所述第二总数中的最大值,得到第一数值;当所述第一数值大于所述第一预设阈值时,则确定所述答题卡异常。
在一些实施例中,所述设置模块33包括:
设置单元331,用于在参考图像中设置多条网格线;
选择单元332,用于当所述网格线满足预设条件时,将所述网格线作为候选参考线;
映射单元333,用于将候选参考线映射到所述处理图像中,以在所述处理图像中形成多条设定标记线。
在一些实施例中,所述设置模块33还包括:判断单元334,用于:
当所述网格线上存在至少一第三子像素组和至少一第四子像素组时,获取各所述第三子像素组中设定像素的总数,得到至少一第三总数;获取各所述第四子像素组中设定像素的总数,得到至少一第四总数;获取所述第三总数和所述第四总数中的最大值,得到第二数值;当所述第二数值小于第二预设阈值时,则判定所述网格线满足预设条件。
在一些实施例中,所述映射单元333,具体用于获取所述候选参考线中至少两个设定像素与所述参考图像的几何中心之间的距离;获取所述处理图像的几何中心的位置信息,得到第一位置信息;根据所述第一位置信息和所述距离得到各设定像素在所述处理图像中的位置信息,得到多个映射位置;根据所述映射位置生成所述设定标记线。
在一些实施例中,所述映射单元333,还用于获取所述候选参考线中至少两个设定像素的位置信息,得到第二位置信息;获取所述参考图像的几何中心的位置信息,得到第三位置信息;根据所述第二位置信息和所述第三位置信息获取所述候选参考线中所述设定像素与所述参考图像的几何中心之间的距离。
由上可知,本申请实施例提供的答题卡的异常检测装置,通过获取目标答题卡的图像,得到初始图像;对所述初始图像进行灰度化处理和二值化处理,得到处理图像;在所述处理图像中设置设定标记线;当所述设定标记线上存在预设像素组时,获取所述预设像素组中设定像素的总数;当所述总数大于第一预设阈值时,则确定所述答题卡异常;由于可以自动检测出答题卡异常情况,从而提高了异常检测的效率。
请参照图5,图5为本申请实施例提供的一种电子设备的结构示意图,本申请提供一种电子设备3,包括:处理器301和存储器302,处理器301和存储器302通过通信总线303和/或其他形式的连接机构(未标出)互连并相互通讯,存储器32存储有处理器301可执行的计算机程序,当计算设备运行时,处理器301执行该计算机程序,以执行时执行上述实施例的任一可选的实现方式中的方法。
本申请实施例提供一种存储介质,所述计算机程序被处理器执行时,执行上述实施例的任一可选的实现方式中的方法。其中,存储介质可以由任何类型的易失性或非易失性存储设备或者它们的组合实现,如静态随机存取存储器(Static Random AccessMemory,简称SRAM),电可擦除可编程只读存储器(Electrically Erasable ProgrammableRead-Only Memory,简称EEPROM),可擦除可编程只读存储器(Erasable ProgrammableRead Only Memory,简称EPROM),可编程只读存储器(Programmable Red-Only Memory,简称PROM),只读存储器(Read-Only Memory,简称ROM),磁存储器,快闪存储器,磁盘或光盘。
在本申请所提供的实施例中,应该理解到,所揭露装置和方法,可以通过其它的方式实现。以上所描述的装置实施例仅仅是示意性的,例如,所述单元的划分,仅仅为一种逻辑功能划分,实际实现时可以有另外的划分方式,又例如,多个单元或组件可以结合或者可以集成到另一个系统,或一些特征可以忽略,或不执行。另一点,所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些通信接口,装置或单元的间接耦合或通信连接,可以是电性,机械或其它的形式。
另外,作为分离部件说明的单元可以是或者也可以不是物理上分开的,作为单元显示的部件可以是或者也可以不是物理单元,即可以位于一个地方,或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
再者,在本申请各个实施例中的各功能模块可以集成在一起形成一个独立的部分,也可以是各个模块单独存在,也可以两个或两个以上模块集成形成一个独立的部分。
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。
以上所述仅为本申请的实施例而已,并不用于限制本申请的保护范围,对于本领域的技术人员来说,本申请可以有各种更改和变化。凡在本申请的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本申请的保护范围之内。

Claims (10)

1.一种答题卡的异常检测方法,其特征在于,包括以下步骤:
获取目标答题卡的图像,得到初始图像;
对所述初始图像进行灰度化处理和二值化处理,得到处理图像;
在所述处理图像中设置设定标记线;
当所述设定标记线上存在预设像素组时,获取所述预设像素组中设定像素的总数;其中所述预设像素组包括至少两个彼此相邻的设定像素,所述设定像素的灰阶值等于预设灰阶值;
当所述总数大于第一预设阈值时,则确定所述答题卡异常。
2.根据权利要求1所述的答题卡的异常检测方法,其特征在于,所述预设像素组包括至少一第一子像素组和至少一第二子像素组;
所述获取所述预设像素组中设定像素的总数的步骤包括:
获取各所述第一子像素组中设定像素的总数,得到至少一第一总数;
获取各所述第二子像素组中设定像素的总数,得到至少一第二总数;
所述当所述总数大于第一预设阈值时,则确定所述答题卡异常的步骤包括:
当所述第一总数或者所述第二总数大于第一预设阈值时,则确定所述答题卡异常。
3.根据权利要求2所述的答题卡的异常检测方法,其特征在于,所述当所述第一总数或者所述第二总数大于第一预设阈值时,则确定所述答题卡异常的步骤包括:
获取至少一所述第一总数和至少一所述第二总数中的最大值,得到第一数值;
当所述第一数值大于所述第一预设阈值时,则确定所述答题卡异常。
4.根据权利要求1所述的答题卡的异常检测方法,其特征在于,所述在所述处理图像中设置设定标记线的步骤包括:
在参考图像中设置多条网格线;
当所述网格线满足预设条件时,将所述网格线作为候选参考线;
将候选参考线映射到所述处理图像中,以在所述处理图像中形成多条设定标记线。
5.根据权利要求4所述的答题卡的异常检测方法,其特征在于,所述判断所述网格线是否满足预设条件的步骤包括:
当所述网格线上存在至少一第三子像素组和至少一第四子像素组时,获取各所述第三子像素组中设定像素的总数,得到至少一第三总数;
获取各所述第四子像素组中设定像素的总数,得到至少一第四总数;
获取所述第三总数和所述第四总数中的最大值,得到第二数值;
当所述第二数值小于第二预设阈值时,则判定所述网格线满足预设条件。
6.根据权利要求4所述的答题卡的异常检测方法,其特征在于,所述将候选参考线映射到所述处理图像中,以在所述处理图像中形成多条设定标记线的步骤包括:
获取所述候选参考线中至少两个设定像素与所述参考图像的几何中心之间的距离;
获取所述处理图像的几何中心的位置信息,得到第一位置信息;
根据所述第一位置信息和所述距离得到各设定像素在所述处理图像中的位置信息,得到多个映射位置;
根据所述映射位置生成所述设定标记线。
7.根据权利要求6所述的答题卡的异常检测方法,其特征在于,所述获取所述候选参考线中至少两个设定像素与所述参考图像的几何中心之间的距离的步骤包括:
获取所述候选参考线中至少两个设定像素的位置信息,得到第二位置信息;
获取所述参考图像的几何中心的位置信息,得到第三位置信息;
根据所述第二位置信息和所述第三位置信息获取所述候选参考线中所述设定像素与所述参考图像的几何中心之间的距离。
8.一种答题卡的异常检测装置,其特征在于,包括:
第一获取模块,用于获取目标答题卡的图像,得到初始图像;
处理模块,用于对所述初始图像进行灰度化处理和二值化处理,得到处理图像;
设置模块,用于在所述处理图像中设置设定标记线;
第二获取模块,用于当所述设定标记线上存在预设像素组时,获取所述预设像素组中设定像素的总数;其中所述预设像素组包括至少两个彼此相邻的设定像素,所述设定像素的灰阶值等于预设灰阶值;
确定模块,用于当所述总数大于第一预设阈值时,则确定所述答题卡异常。
9.一种电子设备,其特征在于,包括处理器以及存储器,所述存储器存储有计算机可读取指令,当所述计算机可读取指令由所述处理器执行时,运行如权利要求1-7任一所述方法中的步骤。
10.一种存储介质,其上存储有计算机程序,其特征在于,所述计算机程序被处理器执行时运行如权利要求1-7任一所述方法中的步骤。
CN202011608281.0A 2020-12-30 2020-12-30 一种答题卡的异常检测方法、装置、电子设备及存储介质 Pending CN112734705A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202011608281.0A CN112734705A (zh) 2020-12-30 2020-12-30 一种答题卡的异常检测方法、装置、电子设备及存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202011608281.0A CN112734705A (zh) 2020-12-30 2020-12-30 一种答题卡的异常检测方法、装置、电子设备及存储介质

Publications (1)

Publication Number Publication Date
CN112734705A true CN112734705A (zh) 2021-04-30

Family

ID=75610853

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202011608281.0A Pending CN112734705A (zh) 2020-12-30 2020-12-30 一种答题卡的异常检测方法、装置、电子设备及存储介质

Country Status (1)

Country Link
CN (1) CN112734705A (zh)

Citations (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20050255439A1 (en) * 2004-05-14 2005-11-17 Preston Cody Method and system for generating and processing an assessment examination
CN105225335A (zh) * 2015-10-28 2016-01-06 深圳怡化电脑股份有限公司 一种纸币冠字号污损识别方法与系统
CN106815814A (zh) * 2016-12-26 2017-06-09 杭州施强教育科技有限公司 一种应用于阅卷系统的图像污染处理方法
CN106855948A (zh) * 2016-12-13 2017-06-16 深圳市海云天科技股份有限公司 一种检测答题卡扫描产生二次污染的方法及装置
WO2018006294A1 (zh) * 2016-07-06 2018-01-11 王楚 一种基于图像模式识别技术的阅卷系统、装置和方法
CN107679479A (zh) * 2017-09-27 2018-02-09 武汉颂大教育科技股份有限公司 一种基于图像形态学处理的客观填涂识别方法
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
CN110032964A (zh) * 2019-04-08 2019-07-19 腾讯科技(成都)有限公司 图像处理方法、识别视角的方法、装置、设备和存储介质
CN110246129A (zh) * 2019-06-18 2019-09-17 深圳市腾讯网域计算机网络有限公司 图像检测方法、装置、计算机可读存储介质和计算机设备
CN111126227A (zh) * 2019-12-17 2020-05-08 广东德诚大数据科技有限公司 一种扫描采集异常答题卡的检测方法

Patent Citations (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20050255439A1 (en) * 2004-05-14 2005-11-17 Preston Cody Method and system for generating and processing an assessment examination
CN105225335A (zh) * 2015-10-28 2016-01-06 深圳怡化电脑股份有限公司 一种纸币冠字号污损识别方法与系统
WO2018006294A1 (zh) * 2016-07-06 2018-01-11 王楚 一种基于图像模式识别技术的阅卷系统、装置和方法
CN106855948A (zh) * 2016-12-13 2017-06-16 深圳市海云天科技股份有限公司 一种检测答题卡扫描产生二次污染的方法及装置
CN106815814A (zh) * 2016-12-26 2017-06-09 杭州施强教育科技有限公司 一种应用于阅卷系统的图像污染处理方法
CN107679479A (zh) * 2017-09-27 2018-02-09 武汉颂大教育科技股份有限公司 一种基于图像形态学处理的客观填涂识别方法
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
CN110032964A (zh) * 2019-04-08 2019-07-19 腾讯科技(成都)有限公司 图像处理方法、识别视角的方法、装置、设备和存储介质
CN110246129A (zh) * 2019-06-18 2019-09-17 深圳市腾讯网域计算机网络有限公司 图像检测方法、装置、计算机可读存储介质和计算机设备
CN111126227A (zh) * 2019-12-17 2020-05-08 广东德诚大数据科技有限公司 一种扫描采集异常答题卡的检测方法

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
TIEN DZUNG NGUYEN; QUYET HOANG MANH; PHUONG BUI MINH; LONG NGUYEN THANH; THANG MANH HOANG: "Efficient and reliable camera based multiple-choice test grading system", THE 2011 INTERNATIONAL CONFERENCE ON ADVANCED TECHNOLOGIES FOR COMMUNICATIONS (ATC 2011) *
张菲菲: "基于计算机视觉的答题卡识别系统设计与实现", 中国教育信息化 *

Similar Documents

Publication Publication Date Title
CN106033544B (zh) 基于模板匹配的试卷内容区域提取方法
CN202939608U (zh) 阅卷系统
JP4232800B2 (ja) ラインノイズ除去装置、ラインノイズ除去方法、ラインノイズ除去プログラム
CN107025716B (zh) 检测纸币冠字号污损的方法及装置
CN102360419B (zh) 计算机扫描阅读管理方法及系统
CN112419298B (zh) 一种螺栓节点板锈蚀检测方法、装置、设备及存储介质
KR20090101356A (ko) 결함 검출 장치 및 결함 검출 방법
CN108960235B (zh) 一种用于识别答题卡填涂块的方法
CN113379680A (zh) 缺陷检测方法、装置、电子设备和计算机可读存储介质
CN110322428B (zh) 检测隧道病害的方法、装置及电子设备
CN109389110B (zh) 一种区域确定方法及装置
CN114972922A (zh) 基于机器学习的煤矸分选识别方法、装置及设备
CN110889304A (zh) 二维码质量评估方法及装置、存储介质、电子设备、系统
CN114005126A (zh) 表格重构方法、装置、计算机设备及可读存储介质
CN108734846B (zh) 纸币图像的去噪方法及装置、终端及存储介质
CN116168351A (zh) 电力设备巡检方法及装置
CN113435219B (zh) 防伪检测方法、装置、电子设备及存储介质
CN114926415A (zh) 一种基于pcnn与深度学习的钢轨表面检测方法
US9946918B2 (en) Symbol detection for desired image reconstruction
JP3322958B2 (ja) 印刷物検査装置
CN112734705A (zh) 一种答题卡的异常检测方法、装置、电子设备及存储介质
CN112036232A (zh) 一种图像表格结构识别方法、系统、终端以及存储介质
CN112528930B (zh) 一种光学标记异常填涂识别方法、系统、终端及存储介质
AU2017204514B2 (en) Systems and methods for strike through detection
CN110895849A (zh) 冠字号切割定位方法、装置、计算机设备及存储介质

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
TA01 Transfer of patent application right

Effective date of registration: 20240425

Address after: Room 401, Building 1, Sunshine Peak View, No. 20 Minle Avenue, Kengkou, Dinghu District, Zhaoqing City, Guangdong Province (for office purposes only) (residential and 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