CN112818765B - 一种图像填涂识别方法、装置、系统、以及存储介质 - Google Patents

一种图像填涂识别方法、装置、系统、以及存储介质 Download PDF

Info

Publication number
CN112818765B
CN112818765B CN202110061050.0A CN202110061050A CN112818765B CN 112818765 B CN112818765 B CN 112818765B CN 202110061050 A CN202110061050 A CN 202110061050A CN 112818765 B CN112818765 B CN 112818765B
Authority
CN
China
Prior art keywords
filling
image
threshold
identified
digital image
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
Application number
CN202110061050.0A
Other languages
English (en)
Other versions
CN112818765A (zh
Inventor
曾山华
倪浩源
童川
徐志豪
崔灿
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.)
Chengdu Zhongke Information Technology Co ltd
Chengdu Information Technology Co Ltd of CAS
Original Assignee
Chengdu Zhongke Information Technology Co ltd
Chengdu Information Technology Co Ltd of CAS
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 Chengdu Zhongke Information Technology Co ltd, Chengdu Information Technology Co Ltd of CAS filed Critical Chengdu Zhongke Information Technology Co ltd
Priority to CN202110061050.0A priority Critical patent/CN112818765B/zh
Publication of CN112818765A publication Critical patent/CN112818765A/zh
Application granted granted Critical
Publication of CN112818765B publication Critical patent/CN112818765B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06VIMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V30/00Character recognition; Recognising digital ink; Document-oriented image-based pattern recognition
    • G06V30/40Document-oriented image-based pattern recognition
    • G06V30/41Analysis of document content
    • G06V30/412Layout analysis of documents structured with printed lines or input boxes, e.g. business forms or tables
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06VIMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00Arrangements for image or video recognition or understanding
    • G06V10/20Image preprocessing
    • G06V10/22Image preprocessing by selection of a specific region containing or referencing a pattern; Locating or processing of specific regions to guide the detection or recognition
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06VIMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V20/00Scenes; Scene-specific elements
    • G06V20/60Type of objects
    • G06V20/62Text, e.g. of license plates, overlay texts or captions on TV images

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Multimedia (AREA)
  • Theoretical Computer Science (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Artificial Intelligence (AREA)
  • Image Analysis (AREA)

Abstract

本发明提供一种图像填涂识别方法,包括以下步骤:预先设定填涂判定的第一阈值NT1和第二阈值NT2;获取待识别目标的数字图像,计算该待识别目标的数字图像中某一填涂区域内特定像素的统计值N;根据所述第一阈值NT1进行第一次填涂识别,如果N大于或等于所述第一阈值NT1,则判定该填涂区域已填涂;如果N小于所述第一阈值NT1,则根据所述第二阈值NT2进行第二次填涂识别;如果N大于所述第二阈值NT2且小于所述第一阈值NT1,则判定该填涂区域的填涂状况待定;如果N小于或等于所述第二阈值NT2,则判定该填涂区域未填涂。另外,本发明还提供一种图像填涂识别的装置、系统、以及存储介质。本发明可以提高图像填涂识别的准确性和一致性。

Description

一种图像填涂识别方法、装置、系统、以及存储介质
技术领域
本发明涉及图像识别技术领域,特别涉及一种基于图像识别技术的图像填涂识别方法、装置、系统以及存储介质。
背景技术
现有填涂纸质选票的识别采用图像识别方式,利用扫描装置扫描采集纸质选票数字图像,再经过预处理、裁切、旋转、二值化和相应的定位识别算法,给出选票的填涂结果数据。众所周知,扫描采集的数字图像中1个像素点一般采用RGB的数据格式来表示颜色,R对应红色分量,G对应绿色分量,B对应蓝色分量,数值从0至255。若RGB三个分量都为0,则为黑色,三个分量值都为255,则为白色。因此,在选票数字图像识别过程中,一般都有将每个像素三个颜色分量转变成一个颜色分量,称为灰阶,对应灰度图像,该过程被称为灰度化,采用的算法包括平均法、最大值法、加权平均法等。然后,再将灰度图像的每个像素转变成0和1表示的图像,对应图像中关注信息和非关注信息,该过程被称为二值化,采用的算法包括阈值法、自适应阈值法、OTSU、Kittle、Sauvola等。上述灰度化、二值化的过程一般如图1所示。
由上述过程可见,图像数据变化的过程,实际是将选票图像进行简化并提取有用信息的过程,因此二值化后的图像为决定选票填涂识别结果的重要依据,同时可见候选人对应的填涂块信息也清晰的留存下来。在对候选人对应的椭圆形框进行判定有无填涂时,一般有两种方法。第一种方法是统计二值化图像中椭圆形框内待检测区域黑色像素点个数N,在将统计出的值N跟预先设定的值NT(称为阈值)进行对比,若大于等于NT,则认为该候选人对应的椭圆形框被填涂,否则认为未填涂,参阅图2所示。
第二种方法与第一种类似,计算的是候选人对应的椭圆形框内灰度图像每个像素点的灰阶之和,或彩色图像每个像素点RGB三个分量之和,再与预先设定的值NT进行对比,若大于等于NT,则认为该候选人对应的椭圆形框被填涂,否则认为未填涂。
在判定候选人对应的椭圆形框是否被填涂时,上述两种方法之所以设定预设的值NT,是为了去除因扫描过程中的杂质(例如头发丝、微小纸屑等)和选民非有意填写(如轻微污染、笔尖轻点等),导致椭圆形框填涂情况被误判的情况出现,但由此又带来了新的问题。理论上,选票识别采用的算法是固定的,在输入的选票数字图像数据不变的情况下,则产生的选票填涂识别结果不会变化。对于同一张选票多次进行扫描识别,则每次选票填涂识别结果应该一致。但实际情况是,因扫描过程是由光信号转变成电信号,再到数字信号的过程,同一张选票每次扫描产生的数字图像数据会存在细微差别。因而,在候选人对应椭圆形框中填写的笔迹面积接近预先设定的阈值NT时,同一设备多次扫描同一张选票会产生结果波动的情况,即有时判定为填涂,有时判定为未填涂,此种现象称为阈值临界(如图3所示)。
图3示例中若阈值NT设置为70,则在选票填涂识别的三次结果中,前两次扫描识别结果为未填涂,第三次扫描识别结果为已填涂,最后表现出计票结果不一致的现象。因此,在选举中填写选票注意事项时,需要提醒选民将候选人对应框填黑填满,以免影响计算机计票结果。
发明内容
鉴于此,本发明提供了一种图像填涂识别方法、装置、系统以及存储介质。
第一方面,本发明提供了一种图像填涂识别方法,所述方法包括以下步骤:
S1:预先设定填涂判定的第一阈值NT1和第二阈值NT2,所述第二阈值NT2大于零并且小于所述第一阈值NT1;
S2:获取待识别目标的数字图像,计算该待识别目标的数字图像中某一填涂区域内特定像素的统计值N;
S3:根据所述第一阈值NT1进行第一次填涂识别,如果N大于或等于所述第一阈值NT1,则判定该填涂区域已填涂;
S4:如果N小于所述第一阈值NT1,则根据所述第二阈值NT2进行第二次填涂识别;
S5:如果N大于所述第二阈值NT2且小于所述第一阈值NT1,则判定该填涂区域的填涂状况待定,并记录该填涂区域的位置信息;及
S6:如果N小于或等于所述第二阈值NT2,则判定该填涂区域未填涂。
优选地,所述步骤S2包括:
如果该待识别目标的数字图像为二值化图像,底色为白色,信息为黑色,则计算该二值化图像中某一填涂区域黑色像素点的数量,得到统计值N。
优选地,所述步骤S2还包括:
如果该待识别目标的数字图像为灰度图像,则计算该灰度图像中每个像素点的灰阶之和,得到统计值N。
优选地,所述步骤S2进一步包括:
如果该待识别目标的数字图像为彩色图像,则计算该彩色图像中每个像素点的RGB三个分量之和,得到统计值N。
优选地,所述步骤S5还包括:接收填涂状况待定的填涂区域的人工介入结果,并根据该人工介入结果确定该填涂区域的状态;如果没有接收到填涂状况待定的填涂区域的人工介入结果,则根据待定状况下的自动判定结果确定该填涂区域的最终填涂状态。
优选地,所述方法还包括以下步骤:将出现填涂状况待定的数字图像保存至第一存储位置,作为人工介入数据,后续在对其进行人工介入处理时产生判定结果;将未出现填涂状况待定的数字图像及自动判定数据保存至第二存储位置。
优选地,所述方法还包括以下步骤:根据所述第一存储位置保存的数字图像,统计通过人工介入获得的待识别目标数据,得到第一类统计数据;根据所述第二存储位置保存的数字图像,统计通过自动判定获得的待识别目标数据,得到第二类统计数据。
第二方面,本发明提供了一种装置,所述装置包括存储器、与所述存储器耦接的处理器,其中:
所述存储器存储有用于实现上述图像填涂识别方法的程序指令;
所述处理器用于执行所述存储器存储的所述程序指令以控制所述图像填涂识别方法的执行。
第三方面,本发明提供了一种图像填涂识别系统,包括:
设定模块,用于预先设定填涂判定的第一阈值NT1和第二阈值NT2,所述第二阈值NT2大于零并且小于所述第一阈值NT1;
计算模块,用于获取待识别目标的数字图像,计算该待识别目标的数字图像中某一填涂区域内特定像素的统计值N;
第一识别模块,用于根据所述第一阈值NT1进行第一次填涂识别,如果N大于或等于所述第一阈值NT1,则判定该填涂区域已填涂;
第二识别模块,用于如果N小于所述第一阈值NT1,则根据所述第二阈值NT2进行第二次填涂识别;
所述第二识别模块,还用于如果N大于所述第二阈值NT2且小于所述第一阈值NT1,则判定该填涂区域的填涂状况待定,并记录该填涂区域的位置信息;及
所述第二识别模块,还用于如果N小于或等于所述第二阈值NT2,则判定该填涂区域未填涂。
第四方面,本发明提供了一种存储介质,存储有处理器可运行的程序指令,所述程序指令用于执行上述图像填涂识别方法。
相较于现有技术,本发明实施例提供的一种图像填涂识别方法、装置、系统及存储介质,通过设定自动判定的第一阈值和需要人工介入的第二阈值,根据第一阈值和第二阈值分别进行第一次识别和第二次识别,解决了现有技术中图像填涂判定出现阈值临界的问题。与现有技术相比,本发明实施例产生的有益效果在于:(1)提高了图像填涂识别结果的准确性,例如,可以确保电子选举系统计票的准确性,避免在电子选举计票中发生因填涂不规范出现阈值临界而影响计票准确性的现象;(2)提高了图像填涂识别结果的一致性,例如,可以确保同一张选票在多次投票计票过程中,产生的最终计票结果是一致的,即确保同一张选票多次扫描识别后产生的填涂识别结果是一致的。
附图说明
为了更清楚地说明本发明实施例的技术方案,下面将对本发明实施例或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,下面所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得其他的附图。
图1为现有技术中对扫描图像进行灰度化和二值化的示意图;
图2为现有技术中通过阈值比较判定二值化图像有无填涂的示意图;
图3为现有技术中通过阈值比较判定图像填涂状况时出现阈值临界的示意图;
图4为本发明实施例1提供的图像填涂识别方法的流程图;
图5为本发明实施例2提供的装置结构示意图;
图6为本发明实施例3提供的图像填涂识别系统的结构示意图;
图7为本发明实施例4提供的存储介质的结构示意图。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白,以下结合附图及实施例,对本发明进行进一步详细说明。应当理解,此处所描述的具体实施例仅用以解释本发明,并不用于限定本发明。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。
需要说明的是,在本发明中涉及“第一”、“第二”等的描述仅用于描述目的,而不能理解为指示或暗示其相对重要性或者隐含指明所指示的技术特征的数量。由此,限定有“第一”、“第二”的特征可以明示或者隐含地包括至少一个该特征。另外,各个实施例之间的技术方案可以相互结合,但是必须是以本领域普通技术人员能够实现为基础,当技术方案的结合出现相互矛盾或无法实现时应当认为这种技术方案的结合不存在,也不在本发明要求的保护范围之内。
进一步需要说明的是,在本文中,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、物品或者装置不仅包括那些要素,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、物品或者装置所固有的要素。在没有更多限制的情况下,由语句“包括一个……”限定的要素,并不排除在包括该要素的过程、方法、物品或者装置中还存在另外的相同要素。
为了使本发明的目的、技术方案及优点更加清楚明白,以下结合附图及实施例,对本发明进行进一步详细说明。应当理解,此处所描述的具体实施例仅用以解释本申请,并不用于限定本申请。
实施例1
请参阅图4,为本发明实施例1提供的图像填涂识别方法的流程图。在本实施例中,根据不同的需求,图4所示的流程图中的步骤的执行顺序可以改变,某些步骤可以省略。
步骤S1:预先设定填涂判定的第一阈值NT1和第二阈值NT2,所述第二阈值NT2大于零并且小于所述第一阈值NT1(0<NT2<NT1),即所述第二阈值NT2的范围位于(0,NT1)区间。在其中一些实施例中,所述第一阈值NT1为自动判定图像填涂情形下的阈值,所述第二阈值NT2为需要人工介入图像填涂情形下的阈值。如果使用二值化图像进行填涂识别,则可以设定所述第二阈值NT2为1。
步骤S2:获取待识别目标的数字图像,计算该待识别目标的数字图像中某一填涂区域内特定像素的统计值N。
在其中一些实施例中,所述待识别目标包括,但不限于,选票、问卷、答题卡等需要填涂识别的对象,某一填涂区域可以是长方形区域、椭圆形区域或其他类型的填涂区域。进一步地,所述步骤S2包括:
如果该待识别目标的数字图像为二值化图像,底色为白色,信息为黑色,则计算该二值化图像中某一填涂区域黑色像素点的数量,得到统计值N;
如果该待识别目标的数字图像为灰度图像,则计算该灰度图像中每个像素点的灰阶之和,得到统计值N;
如果该待识别目标的数字图像为彩色图像,则计算该彩色图像中每个像素点的RGB三个分量之和,得到统计值N。
需要补充说明的是,针对不同的数字图像(如二值化图像、灰度图像、彩色图像),需要设定的第一阈值NT1和第二阈值NT2也会有所变化。例如,如果该待识别目标的数字图像为二值化图像,则第一阈值NT1可以设定为70,第二阈值NT2可以设定为1。
步骤S3:根据所述第一阈值NT1进行第一次填涂识别,如果N大于或等于所述第一阈值NT1(N≥NT1),则判定该填涂区域已填涂。在其中一些实施例中,第一次填涂识别为自动判定结果,无需进行人工介入。
步骤S4:如果N小于所述第一阈值NT1(N<NT1),则根据所述第二阈值NT2进行第二次填涂识别(参见步骤S5和步骤S6)。在其中一些实施例中,第二次填涂识别可能需要人工介入,得到的识别结果可能包含人工介入结果。
步骤S5:如果N大于所述第二阈值NT2且小于所述第一阈值NT1(NT2<N<NT1),则判定该填涂区域的填涂状况待定,并记录该填涂区域的位置信息。
在其中一些实施例中,如果N大于所述第二阈值NT2且小于所述第一阈值NT1,则判定该填涂区域的填涂状况待定,例如,暂时判定该填涂区域未填涂(自动判定结果)。进一步地,所述步骤S5还包括:接收填涂状况待定的填涂区域的人工介入结果,并根据该人工介入结果确定该填涂区域的状态(已填涂或未填涂)。当出现需要进行人工介入的情形时(NT2<N<NT1),工作人员根据出现第二阈值情况的选票图像和记录的填涂区域位置、以及预先设定的人工评判标准,判定该填涂区域的填涂状况。例如,预先设定的人工评判标准为:选民填涂了一个点以上的都认为是已填涂的情形,则对于该阈值临界情况下的最终认定结果为该填涂区域已填涂。选票统计系统接收该张选票的人工介入结果,将对应填涂区域的填涂状态从待定修改为已填涂。
进一步地,在判定该填涂区域的填涂状况待定的情形下,如果没有接收到填涂状况待定的填涂区域的人工介入结果,则根据待定状况下的自动判定结果确定该填涂区域的最终填涂状态。例如,如果待定状况下的自动判定结果为该填涂区域未填涂,则在没有接收到人工介入结果时,将该填涂区域的最终状态确定为未填涂(自动判定结果),即对于该阈值临界情况下的最终认定结果为该填涂区域未填涂。
步骤S6:如果N小于或等于所述第二阈值NT2(N≤NT2),则判定该填涂区域未填涂(自动判定结果)。
进一步地,在其中一些实施例中,所述图像填涂识别方法还包括以下步骤:
将出现填涂状况待定的数字图像保存至第一存储位置,作为人工介入数据,后续在对其进行人工介入处理时产生判定结果;将未出现填涂状况待定的数字图像及自动判定数据保存至第二存储位置。
在待识别目标为选票时,自动判定结果和人工介入结果分开存储,每张选票通过计票终端识别后都会产生对应的自动判定结果,若被识别选票出现阈值临界(NT2<N<NT1)的情况(临界票),则可通过人工进行判定和修改(如修改为已填涂),并由计票终端的图像识别算法重新识别,得到人工介入结果。临界票的处理机制与无效票处理机制类似,因此,可以对现有的图像识别算法进行修改,将临界票的处理流程加入无效票处理流程之中。例如,修改后的图像识别算法,在判断选票图像不属于无效票后,再进一步判断该选票图像是否为临界票。如果属于临界票,则在无效票审核环节增加临界票的人工判定步骤(人工判定结果)。如果不属于临界票,则产生正常票的自动判定结果,后续再进一步统计上述人工判定结果和自动判定结果的两部分数据。
进一步地,在其中一些实施例中,所述图像填涂识别方法还包括以下步骤:
根据所述第一存储位置保存的数字图像,统计通过人工介入获得的待识别目标数据,得到第一类统计数据;根据所述第二存储位置保存的数字图像,统计通过自动判定获得的待识别目标数据,得到第二类统计数据。
在其中一些实施例中,所有数字图像的填涂状况识别后,都会产生自动判定结果,若临界票经过人工审核后没产生人工判定结果数据(未对图像进行任何处理),则可以统计正常票、临界票(以及无效票)的自动判定结果。若临界票经过人工审核后产生人工判定结果数据,则可以统计正常票的自动判定结果和临界票(以及无效票)的人工判定结果数据,以保证统计的选票数据与实际识别选票数量相同。
在其中一些实施例中,所述第一类统计数据包括,但不限于,选民的姓名、性别、年龄、所属选区、出现人工介入的次数等信息。工作人员根据第一类统计数据,可以统计出哪些选区出现填涂不规范的情形较多(即出现人工介入的情形较多),从而作为该选区工作人员绩效考核的参考指标。或者,统计出哪个年龄段的选民出现填涂不规范的情形较多,从而有针对性地开展选票填涂辅导工作。
进一步地,所述第二类统计数据包括,但不限于,选民的姓名、性别、年龄、所属选区等信息。工作人员根据第二类统计数据,可以统计出哪些选区填涂较为规范(即没有出现人工介入的情形),从而作为该选区工作人员绩效考核的参考指标。
实施例2
请参阅图5,为本发明实施例2提供的装置结构示意图。
在其中一些实施例中,所述装置2可包括但不限于,存储器21、与所述存储器21耦接的处理器22,所述存储器21和处理器22可通过系统总线相互通信连接。需要指出的是,图5仅示出了具有组件21和22的装置2,但是应理解的是,实施例2并没有示出装置2的所有组件,装置2具有可以替代实施的更多或者更少的组件。其中,所述装置2可以是机架式服务器、刀片式服务器、塔式服务器或机柜式服务器等计算设备,该装置2可以是独立的服务器,也可以是多个服务器所组成的服务器集群。
所述存储器21存储有用于实现上述图像填涂识别方法的程序指令。所述存储器21至少包括一种类型的可读存储介质,所述可读存储介质包括闪存、硬盘、多媒体卡、卡型存储器(例如,SD或DX存储器等)、随机访问存储器(RAM)、静态随机访问存储器(SRAM)、只读存储器(ROM)、电可擦除可编程只读存储器(EEPROM)、可编程只读存储器(PROM)、磁性存储器、磁盘、光盘等。在一些实施例中,所述存储器21可以是所述装置2的内部存储单元,例如该装置2的硬盘或内存。在另一些实施例中,所述存储器21也可以是所述装置2的外部存储设备,例如该装置2上配备的插接式硬盘,智能存储卡(Smart Media Card,SMC),安全数字(Secure Digital,SD)卡,闪存卡(Flash Card)等。当然,所述存储器21还可以既包括所述装置2的内部存储单元也包括其外部存储设备。本实施例中,所述存储器21通常用于存储安装于所述装置2的操作系统、各类应用软件、和系统代码等。此外,所述存储器21还可以用于暂时地存储已经输出或者将要输出的各类数据。
所述处理器22用于执行存储器21存储的程序指令以控制图像填涂识别方法的执行。其中,处理器22还可以称为CPU(Central Processing Unit,中央处理单元)。处理器22可能是一种集成电路芯片,具有信号的处理能力。处理器22还可以是通用处理器、数字信号处理器(DSP)、专用集成电路(ASIC)、现成可编程门阵列(FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。该处理器22通常用于控制所述装置2的总体操作,例如执行与所述装置2进行数据交互或者通信相关的控制和处理等。本实施例2中,所述处理器22用于运行所述存储器21中存储的程序代码或者处理数据等。
在其中一些实施例中,所述装置2还包括网络接口(如无线网络接口或有线网络接口),该网络接口通常用于在所述装置2与其他电子设备(如手机)之间建立通信连接。例如,所述网络接口用于通过网络将所述装置2与外部数据平台相连,在所述装置2与外部数据平台之间的建立数据传输通道和通信连接。所述网络可以是企业内部网(Intranet)、互联网(Internet)、全球移动通讯系统(Global System of Mobile communication,GSM)、宽带码分多址(Wideband Code Division Multiple Access,WCDMA)、4G网络、5G网络、蓝牙(Bluetooth)、Wi-Fi等无线或有线网络。
实施例3
请参阅图6,为本发明实施例3提供的图像填涂识别系统的结构示意图。
本实施例中,所述的图像填涂识别系统3可以被分割成一个或多个程序模块,所述一个或者多个程序模块被存储于所述存储器21中,并由一个或多个处理器(如处理器22)所执行,以完成本发明。例如,在图6中,所述的图像填涂识别系统3可以被分割成设定模块31、计算模块32、第一识别模块33、及第二识别模块34。本发明所称的程序模块是指能够完成特定功能的一系列计算机程序指令段,比程序更适合于描述所述图像填涂识别系统3在所述装置2中的执行过程。以下将就各程序模块31-34的功能进行详细描述。
所述设定模块31,用于预先设定填涂判定的第一阈值NT1和第二阈值NT2,所述第二阈值NT2大于零并且小于所述第一阈值NT1(0<NT2<NT1),即所述第二阈值NT2的范围位于(0,NT1)区间。具体方法参见实施例1中步骤S1的描述,在此不再赘述。
所述计算模块32,用于获取待识别目标的数字图像,计算该待识别目标的数字图像中某一填涂区域内特定像素的统计值N。具体方法参见实施例1中步骤S2的描述,在此不再赘述。
所述第一识别模块33,用于根据所述第一阈值NT1进行第一次填涂识别,如果N大于或等于所述第一阈值NT1(N≥NT1),则判定该填涂区域已填涂。具体方法参见实施例1中步骤S3的描述,在此不再赘述。
所述第二识别模块34,用于如果N小于所述第一阈值NT1(N<NT1),则根据所述第二阈值NT2进行第二次填涂识别。具体方法参见实施例1中步骤S4的描述,在此不再赘述。
所述第二识别模块34,还用于如果N大于所述第二阈值NT2且小于所述第一阈值NT1(NT2<N<NT1),则判定该填涂区域的填涂状况待定,并记录该填涂区域的位置信息。具体方法参见实施例1中步骤S5的描述,在此不再赘述。
所述第二识别模块34,还用于如果N小于或等于所述第二阈值NT2(N≤NT2),则判定该填涂区域未填涂。具体方法参见实施例1中步骤S6的描述,在此不再赘述。
实施例4
请参阅图7,为本发明实施例4提供的存储介质的结构示意图。
在其中一些实施例中,所述存储介质4存储有能够实现上述所有方法的程序文件41,其中,该程序文件41可以以软件产品的形式存储在上述存储介质4中,包括若干指令用以使得一台计算机设备(可以是个人计算机,服务器,或者网络设备等)或处理器(processor)执行本发明各个实施方式方法的全部或部分步骤。而前述的存储介质包括:U盘、移动硬盘、只读存储器(ROM,Read-Only Memory)、随机存取存储器(RAM,Random AccessMemory)、磁碟或者光盘等各种可以存储程序代码的介质,或者是计算机、服务器、手机、平板等终端设备。
本发明实施例的一种图像填涂识别方法、装置、系统及存储介质,通过设定自动判定的第一阈值和需要人工介入的第二阈值,根据第一阈值和第二阈值分别进行第一次识别和第二次识别,解决了现有技术中图像填涂判定出现阈值临界的问题。与现有技术相比,本发明实施例至少具有以下有益效果:(1)提高了图像填涂识别结果的准确性,例如,可以确保电子选举系统计票的准确性,避免在电子选举计票中发生因填涂不规范出现阈值临界而影响计票准确性的现象;(2)提高了图像填涂识别结果的一致性,例如,可以确保同一张选票在多次投票计票过程中,产生的最终计票结果是一致的,即确保同一张选票多次扫描识别后产生的填涂识别结果是一致的。
以上仅为本发明的较佳实施例而已,仅具体描述了本发明的技术原理,这些描述只是为了解释本发明的原理,不能以任何方式解释为对本发明保护范围的限制。基于此处解释,凡在本发明的精神和原则之内所作的任何修改、等同替换和改进,及本领域的技术人员不需要付出创造性的劳动即可联想到本发明的其他具体实施方式,均应包含在本发明的保护范围之内。

Claims (10)

1.一种图像填涂识别方法,其特征在于,所述方法包括以下步骤:
S1:预先设定填涂判定的第一阈值NT1和第二阈值NT2,所述第二阈值NT2大于零并且小于所述第一阈值NT1;
S2:获取待识别目标的数字图像,计算该待识别目标的数字图像中某一填涂区域内特定像素的统计值N;
S3:根据所述第一阈值NT1进行第一次填涂识别,如果N大于或等于所述第一阈值NT1,则判定该填涂区域已填涂;
S4:如果N小于所述第一阈值NT1,则根据所述第二阈值NT2进行第二次填涂识别;
S5:如果N大于所述第二阈值NT2且小于所述第一阈值NT1,则判定该填涂区域的填涂状况待定,并记录该填涂区域的位置信息;及
S6:如果N小于或等于所述第二阈值NT2,则判定该填涂区域未填涂。
2.如权利要求1所述的图像填涂识别方法,其特征在于,所述步骤S2包括:
如果该待识别目标的数字图像为二值化图像,底色为白色,信息为黑色,则计算该二值化图像中某一填涂区域黑色像素点的数量,得到统计值N。
3.如权利要求1所述的图像填涂识别方法,其特征在于,所述步骤S2包括:
如果该待识别目标的数字图像为灰度图像,则计算该灰度图像中每个像素点的灰阶之和,得到统计值N。
4.如权利要求1所述的图像填涂识别方法,其特征在于,所述步骤S2包括:
如果该待识别目标的数字图像为彩色图像,则计算该彩色图像中每个像素点的RGB三个分量之和,得到统计值N。
5.如权利要求1所述的图像填涂识别方法,其特征在于,所述步骤S5还包括:
接收填涂状况待定的填涂区域的人工介入结果,并根据该人工介入结果确定该填涂区域的状态;
如果没有接收到填涂状况待定的填涂区域的人工介入结果,则根据待定状况下的自动判定结果确定该填涂区域的最终填涂状态。
6.如权利要求5所述的图像填涂识别方法,其特征在于,所述方法还包括以下步骤:
将出现填涂状况待定的数字图像保存至第一存储位置,作为人工介入数据,后续在对其进行人工介入处理时产生判定结果;
将未出现填涂状况待定的数字图像及自动判定数据保存至第二存储位置。
7.如权利要求6所述的图像填涂识别方法,其特征在于,所述方法还包括以下步骤:
根据所述第一存储位置保存的数字图像,统计通过人工介入获得的待识别目标数据,得到第一类统计数据;
根据所述第二存储位置保存的数字图像,统计通过自动判定获得的待识别目标数据,得到第二类统计数据。
8.一种图像填涂识别装置,其特征在于,所述装置包括存储器、与所述存储器耦接的处理器,其中:
所述存储器存储有用于实现权利要求1-7任一项所述的图像填涂识别方法的程序指令;
所述处理器用于执行所述存储器存储的所述程序指令以控制图像填涂识别方法的执行。
9.一种图像填涂识别系统,其特征在于,该系统包括:
设定模块,用于预先设定填涂判定的第一阈值NT1和第二阈值NT2,所述第二阈值NT2大于零并且小于所述第一阈值NT1;
计算模块,用于获取待识别目标的数字图像,计算该待识别目标的数字图像中某一填涂区域内特定像素的统计值N;
第一识别模块,用于根据所述第一阈值NT1进行第一次填涂识别,如果N大于或等于所述第一阈值NT1,则判定该填涂区域已填涂;
第二识别模块,用于如果N小于所述第一阈值NT1,则根据所述第二阈值NT2进行第二次填涂识别;
所述第二识别模块,还用于如果N大于所述第二阈值NT2且小于所述第一阈值NT1,则判定该填涂区域的填涂状况待定,并记录该填涂区域的位置信息;及
所述第二识别模块,还用于如果N小于或等于所述第二阈值NT2,则判定该填涂区域未填涂。
10.一种存储介质,其特征在于,存储有处理器可运行的程序指令,所述程序指令用于执行权利要求1至7任一项所述图像填涂识别方法。
CN202110061050.0A 2021-01-18 2021-01-18 一种图像填涂识别方法、装置、系统、以及存储介质 Active CN112818765B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110061050.0A CN112818765B (zh) 2021-01-18 2021-01-18 一种图像填涂识别方法、装置、系统、以及存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110061050.0A CN112818765B (zh) 2021-01-18 2021-01-18 一种图像填涂识别方法、装置、系统、以及存储介质

Publications (2)

Publication Number Publication Date
CN112818765A CN112818765A (zh) 2021-05-18
CN112818765B true CN112818765B (zh) 2023-09-19

Family

ID=75869859

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110061050.0A Active CN112818765B (zh) 2021-01-18 2021-01-18 一种图像填涂识别方法、装置、系统、以及存储介质

Country Status (1)

Country Link
CN (1) CN112818765B (zh)

Citations (21)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101149801A (zh) * 2007-10-23 2008-03-26 北京大学 一种复杂结构文档图像倾斜快速检测方法
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
CN101414356A (zh) * 2007-10-17 2009-04-22 中国科学院自动化研究所 基于模板匹配的信息填涂卡识别方法
CN102798470A (zh) * 2012-08-14 2012-11-28 中国神华能源股份有限公司 矿区热异常范围的监测方法及装置
CN104240228A (zh) * 2013-06-24 2014-12-24 阿里巴巴集团控股有限公司 一种应用于网站的特定图片的检测方法及装置
CN104239850A (zh) * 2014-07-16 2014-12-24 华南理工大学 基于图像综合特征的答题卡填涂信息自动识别方法
CN105426879A (zh) * 2015-12-23 2016-03-23 深圳习习网络科技有限公司 一种答题卡识别方法及系统
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
CN106033534A (zh) * 2015-03-18 2016-10-19 成都理想境界科技有限公司 基于直线检测的电子阅卷方法
CN106934767A (zh) * 2017-02-28 2017-07-07 上海小闲网络科技有限公司 一种试卷生成及评分方法及系统
CN107369242A (zh) * 2017-06-15 2017-11-21 深圳怡化电脑股份有限公司 一种纸币识别方法、装置、终端设备及可读存储介质
CN108009536A (zh) * 2017-12-01 2018-05-08 广州摩翼信息科技有限公司 扫描阅卷方法及系统
CN108171297A (zh) * 2018-01-24 2018-06-15 谢德刚 一种答题卡识别方法及装置
CN108573268A (zh) * 2017-03-10 2018-09-25 北京旷视科技有限公司 图像识别方法和装置、图像处理方法和装置及存储介质
CN109147898A (zh) * 2018-08-06 2019-01-04 上海医药大健康云商股份有限公司 电子处方获取及流转方法、系统以及存储介质
CN109192257A (zh) * 2018-08-06 2019-01-11 上海医药大健康云商股份有限公司 基于电子处方的慢病管理方法、系统以及存储介质
CN110555375A (zh) * 2019-07-24 2019-12-10 武汉天喻教育科技有限公司 答题卡填涂信息的识别方法
CN111415185A (zh) * 2019-01-08 2020-07-14 腾讯科技(深圳)有限公司 业务处理方法、装置、终端及存储介质
CN111553334A (zh) * 2020-04-21 2020-08-18 招商局金融科技有限公司 问卷图像识别方法、电子装置及存储介质
CN111626280A (zh) * 2020-04-13 2020-09-04 北京邮电大学 一种无定位点答题卡识别方法和装置
CN111915635A (zh) * 2020-08-21 2020-11-10 广州云蝶科技有限公司 支持自阅卷的试题解析信息生成方法及系统

Family Cites Families (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20080004230A1 (en) * 2006-02-17 2008-01-03 Batey Robert T SAM Riboswitch and Uses Thereof
US9092657B2 (en) * 2013-03-13 2015-07-28 Microsoft Technology Licensing, Llc Depth image processing

Patent Citations (21)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101414356A (zh) * 2007-10-17 2009-04-22 中国科学院自动化研究所 基于模板匹配的信息填涂卡识别方法
CN101149801A (zh) * 2007-10-23 2008-03-26 北京大学 一种复杂结构文档图像倾斜快速检测方法
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
CN102798470A (zh) * 2012-08-14 2012-11-28 中国神华能源股份有限公司 矿区热异常范围的监测方法及装置
CN104240228A (zh) * 2013-06-24 2014-12-24 阿里巴巴集团控股有限公司 一种应用于网站的特定图片的检测方法及装置
CN104239850A (zh) * 2014-07-16 2014-12-24 华南理工大学 基于图像综合特征的答题卡填涂信息自动识别方法
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
CN106033534A (zh) * 2015-03-18 2016-10-19 成都理想境界科技有限公司 基于直线检测的电子阅卷方法
CN105426879A (zh) * 2015-12-23 2016-03-23 深圳习习网络科技有限公司 一种答题卡识别方法及系统
CN106934767A (zh) * 2017-02-28 2017-07-07 上海小闲网络科技有限公司 一种试卷生成及评分方法及系统
CN108573268A (zh) * 2017-03-10 2018-09-25 北京旷视科技有限公司 图像识别方法和装置、图像处理方法和装置及存储介质
CN107369242A (zh) * 2017-06-15 2017-11-21 深圳怡化电脑股份有限公司 一种纸币识别方法、装置、终端设备及可读存储介质
CN108009536A (zh) * 2017-12-01 2018-05-08 广州摩翼信息科技有限公司 扫描阅卷方法及系统
CN108171297A (zh) * 2018-01-24 2018-06-15 谢德刚 一种答题卡识别方法及装置
CN109147898A (zh) * 2018-08-06 2019-01-04 上海医药大健康云商股份有限公司 电子处方获取及流转方法、系统以及存储介质
CN109192257A (zh) * 2018-08-06 2019-01-11 上海医药大健康云商股份有限公司 基于电子处方的慢病管理方法、系统以及存储介质
CN111415185A (zh) * 2019-01-08 2020-07-14 腾讯科技(深圳)有限公司 业务处理方法、装置、终端及存储介质
CN110555375A (zh) * 2019-07-24 2019-12-10 武汉天喻教育科技有限公司 答题卡填涂信息的识别方法
CN111626280A (zh) * 2020-04-13 2020-09-04 北京邮电大学 一种无定位点答题卡识别方法和装置
CN111553334A (zh) * 2020-04-21 2020-08-18 招商局金融科技有限公司 问卷图像识别方法、电子装置及存储介质
CN111915635A (zh) * 2020-08-21 2020-11-10 广州云蝶科技有限公司 支持自阅卷的试题解析信息生成方法及系统

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
一种基于决策树的选项识别方法;雷俊杰;张伟池;余荣;张浩川;;无线互联科技(01);第119-121+144页 *
纸质问卷版面设计与自动识别系统研究;孟祥丽;吴涛;陈聘;;测控技术(08);第36-39+49页 *

Also Published As

Publication number Publication date
CN112818765A (zh) 2021-05-18

Similar Documents

Publication Publication Date Title
CN108399405B (zh) 营业执照识别方法和装置
CN109886928B (zh) 一种目标细胞标记方法、装置、存储介质及终端设备
CN110706206A (zh) 荧光细胞计数方法、装置、终端设备及存储介质
CN111899246B (zh) 玻片数字化信息质量检测方法、装置、设备及介质
CN111461101B (zh) 工服标志的识别方法、装置、设备及存储介质
WO2021082433A1 (zh) 一种数字病理图像质控的方法及装置
CN113569863B (zh) 一种单据稽查的方法、系统、电子设备及存储介质
CN113963147B (zh) 一种基于语义分割的关键信息提取方法及系统
CN117152123B (zh) 一种用于锡膏印刷的检测定位优化方法、系统及存储介质
CN111199186A (zh) 图像质量评分模型训练方法、装置、设备及存储介质
CN115302963A (zh) 一种基于机器视觉的条形码印刷控制方法、系统及介质
CN112818765B (zh) 一种图像填涂识别方法、装置、系统、以及存储介质
CN117854402A (zh) 显示屏的异常显示检测方法、装置、终端设备
CN111507850A (zh) 核保方法及相关装置、设备
CN116052848A (zh) 一种医学成像质控的数据编码方法及系统
CN113127863B (zh) 恶意代码的检测方法、装置、计算机设备和存储介质
RU2582064C1 (ru) Способы и системы эффективного автоматического распознавания символов с использованием леса решений
CN113313726A (zh) 一种社保卡的识别方法及系统
CN115265620B (zh) 一种仪器显示数据的获取录入方法、装置和存储介质
CN111242047A (zh) 图像处理方法和装置、电子设备及计算机可读存储介质
CN118585573B (zh) 一种版式文件结构化处理方法
CN116433671B (zh) 一种基于图像识别的胶体金检测方法、系统和存储介质
CN116563869B (zh) 页面图像文字处理方法、装置、终端设备和可读存储介质
CN116259091B (zh) 一种静默活体检测的方法和装置
CN118781614A (zh) 手写体文字识别方法、系统、终端及存储介质

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
GR01 Patent grant
GR01 Patent grant