CN114299274A - 一种问卷调查识别方法及系统 - Google Patents
一种问卷调查识别方法及系统 Download PDFInfo
- Publication number
- CN114299274A CN114299274A CN202111646451.9A CN202111646451A CN114299274A CN 114299274 A CN114299274 A CN 114299274A CN 202111646451 A CN202111646451 A CN 202111646451A CN 114299274 A CN114299274 A CN 114299274A
- Authority
- CN
- China
- Prior art keywords
- questionnaire
- option
- identifying
- processing
- traces
- 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
Links
Images
Landscapes
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明提出了一种问卷调查识别方法及系统,涉及图像识别技术领域。一种问卷调查识别方法,其特征在于,包括如下步骤:扫描识别具有多个选择题的调查问卷;对上述调查问卷进行校正、裁剪处理,获取每个上述选择题的多个选项区域;识别上述选项区域的人工勾选痕迹,具体包括如下步骤:将上述调查问卷转为灰度图像,并对上述调查问卷的多个人工勾选痕迹进行边缘检测;对边缘痕迹进行处理,过滤其中无效信息,并放大有用信息;不同上述人工勾选痕迹分别利用矩形框包围,检测各上述矩形框的尺寸大小,如果尺寸大小异常则认为该选项被勾选。本发明能够提高识别问卷调查的正确率,并且加快问卷调查的统计分析效率。
Description
技术领域
本发明涉及图像识别技术领域,具体而言,涉及一种问卷调查识别方法及系统。
背景技术
目前,大部分的调查问卷都是通过人工方式进行数据统计和分析,目前已知的运用计算机技术对调查问卷图像进行自动识别是基于OCR技术对问卷答案字符进行提取,从而获取问卷调查结果。但是这种方案有个缺点:用户必须在特定区域手写答案,尤其是勾选答案容易无法识别。因此,目前需要一种能够自动识别问卷调查结果,提高正确率和识别效率的问卷调查识别方法及系统。
发明内容
本发明的目的之一在于提供一种问卷调查识别方法,其能够提高识别问卷调查的正确率,并且加快问卷调查的统计分析效率。
本发明的目的之一在于提供一种问卷调查识别系统,其能够提高识别问卷调查的正确率,并且加快问卷调查的统计分析效率。
本发明的目的之一在于提供一种电子设备,其能够提高识别问卷调查的正确率,并且加快问卷调查的统计分析效率。
本发明的目的之一在于提供一种计算机可读存储介质,其能够提高识别问卷调查的正确率,并且加快问卷调查的统计分析效率。
本发明的实施例是这样实现的:
第一方面,本申请实施例提供一种问卷调查识别方法,其包括如下步骤:
S1:扫描识别具有多个选择题的调查问卷;
S2:对上述调查问卷进行校正、裁剪处理,获取每个上述选择题的多个选项区域;
S3:识别上述选项区域的人工勾选痕迹,具体包括如下步骤:
S3-1:将上述调查问卷转为灰度图像,并对上述调查问卷的多个人工勾选痕迹进行边缘检测;
S3-2:对边缘痕迹进行处理,过滤其中无效信息,并放大有用信息;
S3-3:不同上述人工勾选痕迹分别利用矩形框包围,检测各上述矩形框的尺寸大小,如果尺寸大小异常则认为该选项被勾选。
在本发明的一些实施例中,上述S1具体包括如下步骤:
S1-1:采集调查问卷,上述调查问卷外周设置有实线边框;
S1-2:对每一帧的上述调查问卷进行灰度、滤波和去噪声处理;
S1-3:检测上述实线边框,当检测到时说明上述调查问卷可用。
在本发明的一些实施例中,上述S1-2还包括如下步骤:上述调查问卷处理前进行压缩处理。
在本发明的一些实施例中,上述S2具体包括如下步骤:
S2-1:将上述调查问卷校正成正面投影;
S2-2:人工获取每个上述选择题的多个上述选项区域的位置坐标,抓取各上述选项区域的图像。
在本发明的一些实施例中,上述S2-1中利用透视变换将上述调查问卷校正成正面投影。
在本发明的一些实施例中,S3-2中:通过腐蚀处理过滤上述边缘痕迹的无效信息,通过膨胀处理放大上述边缘痕迹的有用信息。
在本发明的一些实施例中,上述无效信息为重复且连续的内容,上述有用信息为面积较大的内容。
第二方面,本申请实施例提供一种问卷调查识别系统,其包括:
问卷扫描模块:用于扫描识别具有多个选择题的调查问卷;
问卷处理模块:用于对上述调查问卷进行校正、裁剪处理,获取每个上述选择题的多个选项区域;
问卷识别模块:用于将上述调查问卷转为灰度图像,并对上述调查问卷的多个人工勾选痕迹进行边缘检测;对边缘痕迹进行处理,过滤其中无效信息,并放大有用信息;不同上述人工勾选痕迹分别利用矩形框包围,检测各上述矩形框的尺寸大小,如果尺寸大小异常则认为该选项被勾选。
第三方面,本申请实施例提供一种电子设备,其包括:
存储器,用于存储一个或多个程序;
处理器;
当上述一个或多个程序被上述处理器执行时,实现如第一方面中任一项上述的方法。
第四方面,本申请实施例提供一种计算机可读存储介质,其上存储有计算机程序,上述计算机程序被处理器执行时实现如第一方面中任一项上述的方法。
相对于现有技术,本发明的实施例至少具有如下优点或有益效果:
第一方面,本申请实施例提供一种问卷调查识别方法,其包括如下步骤:S1:扫描识别具有多个选择题的调查问卷;S2:对上述调查问卷进行校正、裁剪处理,获取每个上述选择题的多个选项区域;S3:识别上述选项区域的人工勾选痕迹,具体包括如下步骤:S3-1:将上述调查问卷转为灰度图像,并对上述调查问卷的多个人工勾选痕迹进行边缘检测;S3-2:对边缘痕迹进行处理,过滤其中无效信息,并放大有用信息;S3-3:不同上述人工勾选痕迹分别利用矩形框包围,检测各上述矩形框的尺寸大小,如果尺寸大小异常则认为该选项被勾选。
第二方面,本申请实施例提供一种问卷调查识别系统,其包括:问卷扫描模块:用于扫描识别具有多个选择题的调查问卷;问卷处理模块:用于对上述调查问卷进行校正、裁剪处理,获取每个上述选择题的多个选项区域;问卷识别模块:用于将上述调查问卷转为灰度图像,并对上述调查问卷的多个人工勾选痕迹进行边缘检测;对边缘痕迹进行处理,过滤其中无效信息,并放大有用信息;不同上述人工勾选痕迹分别利用矩形框包围,检测各上述矩形框的尺寸大小,如果尺寸大小异常则认为该选项被勾选。
第三方面,本申请实施例提供一种电子设备,其包括:存储器,用于存储一个或多个程序;处理器;当上述一个或多个程序被上述处理器执行时,实现如第一方面中任一项上述的方法。
第四方面,本申请实施例提供一种计算机可读存储介质,其上存储有计算机程序,上述计算机程序被处理器执行时实现如第一方面中任一项上述的方法。
针对第一方面~第四方面:本申请实施例通过扫描识别调查问卷,从容对其中的多个选择题答案进行采集,便于对各类调查信息进行统计分析;通过对调查问卷进行校正和裁剪处理,能够根据位置和范围对调查问卷的选项区域进行统一处理,提高了内容识别的准确性和效率;通过识别选项区域的人工勾选痕迹,能够进一步第调查结果进行统计分析;并且利用调查问卷转为灰度图像,对调查问卷的多个人工勾选痕迹进行边缘检测,从而识别准确性更高;通过对边缘痕迹进行处理,能够精确识别选项结果,进一步提高了识别调查问卷的准确性,利用矩形框对人工痕迹区域标记,从而检测各人工勾选痕迹的范围,根据痕迹范围标记超出填写选项,从而更准确地识别超出选项范围调查结果,能够进一步提高识别效率。本申请能够提高识别问卷调查的正确率,加快了问卷调查的统计分析效率;并且适用于移动端直接扫描纸质调查问卷时采集和处理,应用方便。
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发明的某些实施例,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为本发明实施例1问卷调查识别方法的流程示意图;
图2为本发明实施例2问卷调查识别系统的原理示意图。
具体实施方式
为使本申请实施例的目的、技术方案和优点更加清楚,下面将结合本申请实施例中的附图,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。基于本申请中的实施例,本领域普通技术人员在没有作出创造性劳动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。
在本申请的描述中,还需要说明的是,除非另有明确的规定和限定,术语“设置”、“连接”应做广义理解,例如,可以是固定连接,也可以是可拆卸连接,或一体地连接;可以是机械连接,也可以是电连接;可以是直接相连,也可以通过中间媒介间接相连,可以是两个元件内部的连通。对于本领域的普通技术人员而言,可以具体情况理解上述术语在本申请中的具体含义。
下面结合附图,对本申请的一些实施方式作详细说明。在不冲突的情况下,下述的各个实施例及实施例中的各个特征可以相互组合。
实施例1
请参阅图1,图1所示为本申请实施例提供的问卷调查识别方法的流程示意图。一种问卷调查识别方法,其包括如下步骤:S1:扫描识别具有多个选择题的调查问卷;S2:对上述调查问卷进行校正、裁剪处理,获取每个上述选择题的多个选项区域;S3:识别上述选项区域的人工勾选痕迹,具体包括如下步骤:S3-1:将上述调查问卷转为灰度图像,并对上述调查问卷的多个人工勾选痕迹进行边缘检测;S3-2:对边缘痕迹进行处理,过滤其中无效信息,并放大有用信息;S3-3:不同上述人工勾选痕迹分别利用矩形框包围,检测各上述矩形框的尺寸大小,如果尺寸大小异常则认为该选项被勾选。
使用时,扫描识别可以利用相机实现,并且上传到移动端进行处理。扫描获取调查问卷的图像,对图像进行校正和裁剪处理,其中校正可以根据调查问卷的形状或者文字内容进行校正,从而正面面向调查问卷的图像进行识别,并且裁剪调查问卷文字部分进行有效识别。假设多个选择题的勾选答案标记在选项旁边,或者标记在对应答案的编号上面,也可以将对应答案的编号填写在各选择题旁。详细的,识别选项区域的人工勾选痕迹时,可以设置默认为同一选择题多个不同选项的范围,当选项范围内识别不到任何内容时可以适当扩大范围。可选的,根据未填写的选择题识别填写范围,从而识别不同选择题的范围,进而识别题目和选项得到不同选项的区域。可选的,当各选择题的题目旁设置有用于填写答案的特定区域时,可以直接进行识别内容对应的选项编号,不必通过S3识别人工勾选痕迹。
可选的,将调查问卷转换为灰度图像,从而对调查问卷的各个选项范围的人工勾选痕迹进行边缘检测。其中,识别人工勾选痕迹的边缘,并且对边缘痕迹的无效信息进行模糊化处理,并放大其中的有用信息。可选的,当同一个选择题具有多个人工勾选痕迹时,将上面画有删除标记的内容模糊化或者清除,其中删除标记可以为斜线、叉和涂抹的团状。可选的,无效信息还可以是重复且单一的线条,有效信息为位于选项标号的圆圈或勾选符号。并且有用信息可以通过颜色突出和大小变大来放大。详细的,将人工勾选痕迹利用矩形框包围,从而适应于人工勾选痕迹的长度和宽度大小,当识别出的尺寸大小异常时认为该选项被勾选。其中,尺寸大小异常时说明勾选范围比较突出,具体可以表现为尺寸大小大于选项编号的大小,且对应于不同选项的一定范围内。可选的,根据矩形框的长度大小和宽度大小设定尺寸大小是否异常。可选的,模糊处理了人工勾选痕迹边缘的无效信息后,能够防止矩形框超出该选项范围时识别错误的问题。
在本发明的一些实施例中,上述S1具体包括如下步骤:S1-1:采集调查问卷,上述调查问卷外周设置有实线边框;S1-2:对每一帧的上述调查问卷进行灰度、滤波和去噪声处理;S1-3:检测上述实线边框,当检测到时说明上述调查问卷可用。
详细的,采集的调查问卷设置实线边框,便于根据实线边框校正调查问卷的图像,从而筛选出能够更准确识别信息的有效调查问卷。详细的,利用相机拍摄采集到的图像,并且对每一帧调查问卷进行灰度、滤波和去噪声处理,提高识别调查问卷的准确性。其中采集同一调查问卷的图像可以为多个,当识别不出人工勾选痕迹时便于更换调查问卷。
在本发明的一些实施例中,上述S1-2还包括如下步骤:上述调查问卷处理前进行压缩处理。
详细的,调查问卷的图像在处理前进行压缩处理,从而进一步提高处理速度,能够加快调查问卷的统计分析效率。
在本发明的一些实施例中,上述S2具体包括如下步骤:S2-1:将上述调查问卷校正成正面投影;S2-2:人工获取每个上述选择题的多个上述选项区域的位置坐标,抓取各上述选项区域的图像。
详细的,将调查问卷校正成正面投影,使识别调查问卷中的内容信息和位置时更准确。可选的,人工选择不同选择题的多个选项区域,从而便于根据选项区域选择当前选项或选项附近进行人为勾选痕迹识别。可选的,利用文字识别技术识别多个选项的位置坐标后,通过人工调整每个选择题的多个选项区域位置,便于统一对多份调查问卷进行识别。详细的,通过位置坐标抓取各选项区域及其相邻区域的图像,从而进行下一步处理。
在本发明的一些实施例中,上述S2-1中利用透视变换将上述调查问卷校正成正面投影。
详细的,利用透视变换将调查问卷校正成正面,能够提高调查问卷的图像还原性。其中,透视变换是指利用透视中心、像点、目标点三点共线的条件,按透视旋转定律使承影面(透视面)绕迹线(透视轴)旋转某一角度,破坏原有的投影光线束,仍能保持承影面上投影几何图形不变的变换。
在本发明的一些实施例中,S3-2中:通过腐蚀处理过滤上述边缘痕迹的无效信息,通过膨胀处理放大上述边缘痕迹的有用信息。
详细的,通过腐蚀处理过了边缘痕迹的无效信息,从而模糊化部分噪音特征,通过膨胀处理放大边缘痕迹的有用信息,从而突出明显特征。其中,边缘的有效信息可以是具有明显特征且有改变的内容。
在本发明的一些实施例中,上述无效信息为重复且连续的内容,上述有用信息为面积较大的内容。
通过排除边缘中重复且不变的内容,并且放大有用信息,从而提高了识别调查问卷的准确性和效率。其中,放大面积较大的内容可以通过颜色和面积变化等方式突出显示。
实施例2
请参阅图2,图2所示为本申请实施例提供的问卷调查识别系统的原理示意图。一种问卷调查识别系统,其包括:问卷扫描模块:用于扫描识别具有多个选择题的调查问卷;问卷处理模块:用于对上述调查问卷进行校正、裁剪处理,获取每个上述选择题的多个选项区域;问卷识别模块:用于将上述调查问卷转为灰度图像,并对上述调查问卷的多个人工勾选痕迹进行边缘检测;对边缘痕迹进行处理,过滤其中无效信息,并放大有用信息;不同上述人工勾选痕迹分别利用矩形框包围,检测各上述矩形框的尺寸大小,如果尺寸大小异常则认为该选项被勾选。
本申请实施例与实施例1的原理相同,在此不做重复描述。
实施例3
本申请实施例提供的电子设备的一种示意性结构框图。电子设备包括存储器、处理器和通信接口,该存储器、处理器和通信接口相互之间直接或间接地电性连接,以实现数据的传输或交互。例如,这些元件相互之间可通过一条或多条通讯总线或信号线实现电性连接。存储器可用于存储软件程序及模块,如本申请实施例所提供的问卷调查识别系统对应的程序指令/模块,处理器通过执行存储在存储器内的软件程序及模块,从而执行各种功能应用以及数据处理。该通信接口可用于与其他节点设备进行信令或数据的通信。
其中,存储器可以是但不限于,随机存取存储器(Random Access Memory,RAM),只读存储器(Read Only Memory,ROM),可编程只读存储器(Programmable Read-OnlyMemory,PROM),可擦除只读存储器(Erasable Programmable Read-Only Memory,EPROM),电可擦除只读存储器(Electric Erasable Programmable Read-Only Memory,EEPROM)等。
处理器可以是一种集成电路芯片,具有信号处理能力。该处理器可以是通用处理器,包括中央处理器(Central Processing Unit,CPU)、网络处理器(Network Processor,NP)等;还可以是数字信号处理器(Digital Signal Processing,DSP)、专用集成电路(Application Specific Integrated Circuit,ASIC)、现场可编程门阵列(Field-Programmable Gate Array,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。
可以理解,图2所示的结构仅为示意,问卷调查识别系统还可包括比图2中所示更多或者更少的组件,或者具有与图2所示不同的配置。图2中所示的各组件可以采用硬件、软件或其组合实现。
在本申请所提供的实施例中,应该理解到,所揭露的装置和方法,也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,附图中的流程图和框图显示了根据本申请的多个实施例的装置、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上,流程图或框图中的每个方框可以代表一个模块、程序段或代码的一部分,上述模块、程序段或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意,在有些作为替换的实现方式中,方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如,两个连续的方框实际上可以基本并行地执行,它们有时也可以按相反的顺序执行,这依所涉及的功能而定。也要注意的是,框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合,可以用执行规定的功能或动作的专用的基于硬件的系统来实现,或者可以用专用硬件与计算机指令的组合来实现。
另外,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。
上述功能如果以软件功能模块的形式实现并作为独立的产品销售或使用时,可以存储在一个计算机可读取存储介质中。基于这样的理解,本申请的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来,该计算机软件产品存储在一个存储介质中,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)执行本申请各个实施例上述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 Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。
综上上述,本申请实施例提供的一种问卷调查识别方法及系统:
本申请实施例通过扫描识别调查问卷,从容对其中的多个选择题答案进行采集,便于对各类调查信息进行统计分析;通过对调查问卷进行校正和裁剪处理,能够根据位置和范围对调查问卷的选项区域进行统一处理,提高了内容识别的准确性和效率;通过识别选项区域的人工勾选痕迹,能够进一步第调查结果进行统计分析;并且利用调查问卷转为灰度图像,对调查问卷的多个人工勾选痕迹进行边缘检测,从而识别准确性更高;通过对边缘痕迹进行处理,能够精确识别选项结果,进一步提高了识别调查问卷的准确性,利用矩形框对人工痕迹区域标记,从而检测各人工勾选痕迹的范围,根据痕迹范围标记超出填写选项,从而更准确地识别超出选项范围调查结果,能够进一步提高识别效率。本申请能够提高识别问卷调查的正确率,加快了问卷调查的统计分析效率;并且适用于移动端直接扫描纸质调查问卷时采集和处理,应用方便。
以上所述仅为本申请的优选实施例而已,并不用于限制本申请,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。
对于本领域技术人员而言,显然本申请不限于上述示范性实施例的细节,而且在不背离本申请的精神或基本特征的情况下,能够以其它的具体形式实现本申请。因此,无论从哪一点来看,均应将实施例看作是示范性的,而且是非限制性的,本申请的范围由所附权利要求而不是上述说明限定,因此旨在将落在权利要求的等同要件的含义和范围内的所有变化囊括在本申请内。不应将权利要求中的任何附图标记视为限制所涉及的权利要求。
Claims (10)
1.一种问卷调查识别方法,其特征在于,包括如下步骤:
S1:扫描识别具有多个选择题的调查问卷;
S2:对所述调查问卷进行校正、裁剪处理,获取每个所述选择题的多个选项区域;
S3:识别所述选项区域的人工勾选痕迹,具体包括如下步骤:
S3-1:将所述调查问卷转为灰度图像,并对所述调查问卷的多个人工勾选痕迹进行边缘检测;
S3-2:对边缘痕迹进行处理,过滤其中无效信息,并放大有用信息;
S3-3:不同所述人工勾选痕迹分别利用矩形框包围,检测各所述矩形框的尺寸大小,如果尺寸大小异常则认为该选项被勾选。
2.如权利要求1所述的一种问卷调查识别方法,其特征在于,S1具体包括如下步骤:
S1-1:采集调查问卷,所述调查问卷外周设置有实线边框;
S1-2:对每一帧的所述调查问卷进行灰度、滤波和去噪声处理;
S1-3:检测所述实线边框,当检测到时说明所述调查问卷可用。
3.如权利要求2所述的一种问卷调查识别方法,其特征在于,S1-2还包括如下步骤:所述调查问卷处理前进行压缩处理。
4.如权利要求1所述的一种问卷调查识别方法,其特征在于,S2具体包括如下步骤:
S2-1:将所述调查问卷校正成正面投影;
S2-2:人工获取每个所述选择题的多个所述选项区域的位置坐标,抓取各所述选项区域的图像。
5.如权利要求4所述的一种问卷调查识别方法,其特征在于,S2-1中利用透视变换将所述调查问卷校正成正面投影。
6.如权利要求1所述的一种问卷调查识别方法,其特征在于,S3-2中:通过腐蚀处理过滤所述边缘痕迹的无效信息,通过膨胀处理放大所述边缘痕迹的有用信息。
7.如权利要求6所述的一种问卷调查识别方法,其特征在于,所述无效信息为重复且连续的内容,所述有用信息为面积较大的内容。
8.一种问卷调查识别系统,其特征在于,包括:
问卷扫描模块:用于扫描识别具有多个选择题的调查问卷;
问卷处理模块:用于对所述调查问卷进行校正、裁剪处理,获取每个所述选择题的多个选项区域;
问卷识别模块:用于将所述调查问卷转为灰度图像,并对所述调查问卷的多个人工勾选痕迹进行边缘检测;对边缘痕迹进行处理,过滤其中无效信息,并放大有用信息;不同所述人工勾选痕迹分别利用矩形框包围,检测各所述矩形框的尺寸大小,如果尺寸大小异常则认为该选项被勾选。
9.一种电子设备,其特征在于,包括:
存储器,用于存储一个或多个程序;
处理器;
当所述一个或多个程序被所述处理器执行时,实现如权利要求1-7中任一项所述的方法。
10.一种计算机可读存储介质,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实现如权利要求1-7中任一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111646451.9A CN114299274B (zh) | 2021-12-29 | 2021-12-29 | 一种问卷调查识别方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111646451.9A CN114299274B (zh) | 2021-12-29 | 2021-12-29 | 一种问卷调查识别方法及系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN114299274A true CN114299274A (zh) | 2022-04-08 |
CN114299274B CN114299274B (zh) | 2022-08-09 |
Family
ID=80970718
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111646451.9A Active CN114299274B (zh) | 2021-12-29 | 2021-12-29 | 一种问卷调查识别方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114299274B (zh) |
Citations (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US5815595A (en) * | 1995-12-29 | 1998-09-29 | Seiko Epson Corporation | Method and apparatus for identifying text fields and checkboxes in digitized images |
CN103310211A (zh) * | 2013-04-26 | 2013-09-18 | 四川大学 | 一种基于图像处理的填注标记识别方法 |
CN104881663A (zh) * | 2015-05-13 | 2015-09-02 | 京北方信息技术股份有限公司 | 辨别复选框的选定结果的方法及装置 |
CN107943324A (zh) * | 2017-09-08 | 2018-04-20 | 陈新昆 | 一种基于书写的人机交互系统及方法 |
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 |
FR3064783A1 (fr) * | 2017-03-30 | 2018-10-05 | Peripheriques Et Materiels De Controle P M C | Procede d'identification des cases a cocher d'un ticket de prise de pari |
CN108875737A (zh) * | 2018-06-11 | 2018-11-23 | 四川骏逸富顿科技有限公司 | 一种纸质处方单据中检测复选框是否勾选的方法及系统 |
CN109670447A (zh) * | 2018-12-20 | 2019-04-23 | 中科院成都信息技术股份有限公司 | 印章选票填涂框图像的识别方法、装置及可读存储介质 |
US20190294641A1 (en) * | 2018-03-26 | 2019-09-26 | Kapow Technologies | Determining functional and descriptive elements of application images for intelligent screen automation |
CN111553211A (zh) * | 2020-04-16 | 2020-08-18 | 深圳中兴网信科技有限公司 | 试卷答案识别方法、系统、装置和计算机可读存储介质 |
CN111898603A (zh) * | 2020-08-10 | 2020-11-06 | 上海瑞美锦鑫健康管理有限公司 | 一种基于深度神经网络的体检单识别方法和系统 |
CN112861843A (zh) * | 2021-03-24 | 2021-05-28 | 中国工商银行股份有限公司 | 基于特征图像识别的选择框解析方法及装置 |
-
2021
- 2021-12-29 CN CN202111646451.9A patent/CN114299274B/zh active Active
Patent Citations (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US5815595A (en) * | 1995-12-29 | 1998-09-29 | Seiko Epson Corporation | Method and apparatus for identifying text fields and checkboxes in digitized images |
CN103310211A (zh) * | 2013-04-26 | 2013-09-18 | 四川大学 | 一种基于图像处理的填注标记识别方法 |
CN104881663A (zh) * | 2015-05-13 | 2015-09-02 | 京北方信息技术股份有限公司 | 辨别复选框的选定结果的方法及装置 |
FR3064783A1 (fr) * | 2017-03-30 | 2018-10-05 | Peripheriques Et Materiels De Controle P M C | Procede d'identification des cases a cocher d'un ticket de prise de pari |
CN107943324A (zh) * | 2017-09-08 | 2018-04-20 | 陈新昆 | 一种基于书写的人机交互系统及方法 |
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 |
US20190294641A1 (en) * | 2018-03-26 | 2019-09-26 | Kapow Technologies | Determining functional and descriptive elements of application images for intelligent screen automation |
CN108875737A (zh) * | 2018-06-11 | 2018-11-23 | 四川骏逸富顿科技有限公司 | 一种纸质处方单据中检测复选框是否勾选的方法及系统 |
CN109670447A (zh) * | 2018-12-20 | 2019-04-23 | 中科院成都信息技术股份有限公司 | 印章选票填涂框图像的识别方法、装置及可读存储介质 |
CN111553211A (zh) * | 2020-04-16 | 2020-08-18 | 深圳中兴网信科技有限公司 | 试卷答案识别方法、系统、装置和计算机可读存储介质 |
CN111898603A (zh) * | 2020-08-10 | 2020-11-06 | 上海瑞美锦鑫健康管理有限公司 | 一种基于深度神经网络的体检单识别方法和系统 |
CN112861843A (zh) * | 2021-03-24 | 2021-05-28 | 中国工商银行股份有限公司 | 基于特征图像识别的选择框解析方法及装置 |
Non-Patent Citations (7)
Title |
---|
YONG-REN PU 等: ""Development of a Questionnaire Input Software by Machine Vision"", 《IEEE》 * |
ZHANG SHENGNAN 等: ""Automatic Recognition Method for Checkbox in Data Form Image"", 《2014 SIXTH INTERNATIONAL CONFERENCE ON MEASURING TECHNOLOGY AND MECHATRONICS AUTOMATION》 * |
孙忠礼: ""面向问卷自动识别系统的版面定义器的设计与实现"", 《中国优秀硕士学位论文全文数据库(信息科技辑)》 * |
孟祥丽 等: ""纸质问卷版面设计与自动识别系统研究"", 《测控技术》 * |
胡俐蕊 等: ""选票图像识别的快速方法"", 《计算机工程与设计》 * |
袁善磊: ""问卷自动分析系统中手写符号的识别及可视化方法研究"", 《中国优秀硕士学位论文全文数据库(信息科技辑)》 * |
邵中: ""基于图像处理的自动统计方法研究与软件设计"", 《中国优秀硕士学位论文全文数据库(信息科技辑)》 * |
Also Published As
Publication number | Publication date |
---|---|
CN114299274B (zh) | 2022-08-09 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108596895B (zh) | 基于机器学习的眼底图像检测方法、装置及系统 | |
CN108229232B (zh) | 批量扫描二维码的方法和批量扫描二维码的装置 | |
JP2011513809A (ja) | バーコードに含まれている情報を読み出す方法及び装置 | |
CN111899243A (zh) | 一种图像清晰度评价方法、设备和计算机可读存储介质 | |
CN111274957A (zh) | 网页页面验证码识别方法、装置、终端和计算机存储介质 | |
US11657644B2 (en) | Automatic ruler detection | |
CN116542975B (zh) | 一种玻璃面板的缺陷分类方法、装置、设备和介质 | |
CN111783495A (zh) | 一种条形码识别方法、装置、电子设备及存储介质 | |
CN113420756A (zh) | 证件图像的识别方法和装置、存储介质及电子装置 | |
CN112686257A (zh) | 一种基于ocr的店头文字识别方法及系统 | |
CN113781396A (zh) | 屏幕缺陷检测方法、装置、设备和存储介质 | |
CN113505781A (zh) | 目标检测方法、装置、电子设备及可读存储介质 | |
CN114169419A (zh) | 一种目标对象的检测方法、装置、计算机设备及存储介质 | |
CN112307944A (zh) | 菜品库存信息处理方法、菜品出库方法及相关装置 | |
CN110751004A (zh) | 二维码检测方法、装置、设备及存储介质 | |
CN114299274B (zh) | 一种问卷调查识别方法及系统 | |
CN113312937A (zh) | 条形码识别方法及装置、存储介质、计算机设备 | |
CN110363092B (zh) | 柱状图识别方法、装置、设备及计算机可读存储介质 | |
CN112364918A (zh) | 异常识别方法、终端和计算机可读存储介质 | |
CN116824135A (zh) | 基于机器视觉的大气自然环境试验工业产品识别分割方法 | |
CN115601564A (zh) | 基于图像识别的胶体轮廓检测方法及系统 | |
CN115797292A (zh) | 图像质量检测方法、表面缺陷检测方法、设备及存储介质 | |
CN112348112B (zh) | 图像识别模型的训练方法、训练装置及终端设备 | |
CN112084874B (zh) | 一种物体检测方法、装置及终端设备 | |
CN114445358A (zh) | 手机中框边缘外观缺陷检测方法、系统、存储介质及计算机设备 |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |