CN115641585A - 答题卡片智能识别和成绩统计方法、网络设备和存储介质 - Google Patents
答题卡片智能识别和成绩统计方法、网络设备和存储介质 Download PDFInfo
- Publication number
- CN115641585A CN115641585A CN202211133739.0A CN202211133739A CN115641585A CN 115641585 A CN115641585 A CN 115641585A CN 202211133739 A CN202211133739 A CN 202211133739A CN 115641585 A CN115641585 A CN 115641585A
- Authority
- CN
- China
- Prior art keywords
- answer
- image
- target area
- identification
- card
- 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
Links
Images
Landscapes
- Electrically Operated Instructional Devices (AREA)
Abstract
本申请提供了答题卡片智能识别和成绩统计方法、网络设备和存储介质,其中,答题卡片智能识别和成绩统计方法,包括获取包含答题卡片的环境图像;对环境图像中的答题卡片进行目标区域标记;对标记的答题卡片进行图像增强;对环境图像进行目标区域提取,获取到只包含目标区域的图像;获取目标区域内的身份识别信息,与对应人员进行关联;识别答题卡片上的答题信息,并进行成绩统计。本申请实施例可实现对答题卡片的识别和对答题卡片上的答案进行识别和统计,有利于老师及时对学生成绩的管控。
Description
技术领域
本申请涉及通讯设备技术领域,尤其涉及答题卡片智能识别和成绩统计方法、网络设备和存储介质。
背景技术
在基于AI机器视觉的答题卡片识别过程中,将题目呈现在智能屏幕上,课用户通过举起手中的答题卡片回答提问。通过机器视觉的方式实时采集识别出用户所举起的答题卡片内容,并且实时统计出每位用户的答题成绩数据,大大地减少了统计成绩的时间以及终端设备互动的成本。在智慧课堂教学中应用较为广泛。但现有的智慧课堂存在只能统计学生回答问题举手人数,但无法统计每个学生答题的成绩,无法管控学生成绩。
发明内容
为了克服相关技术中存在的问题,本申请提供了答题卡片智能识别和成绩统计方法、网络设备和存储介质。
根据本申请实施例第一方面提供了答题卡片智能识别和成绩统计方法,获取包含答题卡片的环境图像;
对环境图像中的答题卡片进行目标区域标记;
对标记的答题卡片进行图像增强;
对环境图像进行目标区域提取,获取到只包含目标区域的图像;
获取目标区域内的身份识别信息,与对应人员进行关联;
识别答题卡片上的答题信息,并进行成绩统计。
优选的,对标记的答题卡片进行图像增强包括:
对包含答题卡片的环境图像进行0°到360°范围图像旋转,并进行图像增强;
对包含答题卡片的环境图像进行亮度和对比度调整,以进行图像增强;
对包含答题卡片的环境图像进行马赛克处理,以进行图像增强。
优选的,答题卡片上的身份识别信息包括与人员相对应的数字、二维码或头像;答题卡片上的答题信息包括题目选项。
进一步地,题目选项包括A、B、C、D和/或√、X。
优选的,对环境图像中的答题卡片进行目标区域标记可通过手工标记或软件标记。
优选的,所述环境图像中的环境为紫色。
本申请实施例第二方面提供了网络设备,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,处理器执行程序时执行上述答题卡片智能识别和成绩统计方法。
本申请实施例第三方面提供了存储介质,其上存储有计算机程序指令,程序指令被处理器执行时用于实现上述答题卡片智能识别和成绩统计方法。
本申请实施例提供的技术方案可以包括以下有益效果:
本申请实施例可实现对答题卡片的识别和对答题卡片上的答案进行识别和统计,有利于老师及时对学生成绩的管控。
应当理解的是,以上的一般描述和后文的细节描述仅是示例性和解释性的,并不能限制本申请。
附图说明
此处的附图被并入申请中并构成本申请的一部分,示出了符合本申请的实施例,并与申请一起用于解释本申请的原理。
图1是本申请实施例流程示意图;
图2是本申请实施例网络设备框架示意图。
具体实施方式
这里将详细地对示例性实施例进行说明,其示例表示在附图中。下面的描述涉及附图时,除非另有表示,不同附图中的相同数字表示相同或相似的要素。以下示例性实施例中所描述的实施方式并不代表与本申请相一致的所有实施方式。相反,它们仅是与如所附权利要求书中所详述的、本申请的一些方面相一致的装置和方法的例子。
为解决背景技术中存在的问题,本申请实施例提供了答题卡片智能识别和成绩统计方法,如图1所示,包括:
获取包含答题卡片的环境图像;
对环境图像中的答题卡片进行目标区域标记;
对标记的答题卡片进行图像增强;
对环境图像进行目标区域提取,获取到只包含目标区域的图像;
获取目标区域内的身份识别信息,与对应人员进行关联;
识别答题卡片上的答题信息,并进行成绩统计。
本申请实施例中的环境图像指摄像头对智慧课堂学习互动过程中,学生举牌答题场景下拍摄的图像。本申请实施例中对答题卡片进行目标区域标记,可通过手工标记,也可通过例如labeling等软件进行软件标记,将环境图像中的答题卡片用框标记出来,可以是圆形框、矩形框等。
对环境图像进行图标区域提取,获取只包含目标区域的图像,可提高目标区域中身份识别信息以及答题信息的检测视角以及减少比如教室等场景物体的干扰。为了便于目标区域的提取,可将环境背景设置为不常使用的紫色。这里的身份识别信息可以是与人员相对应的数字、二维码或头像。如果身份识别信息是与人员相对应的数字,可采用预先在系统在设置有人员或用户所对应的数字,则识别出的数字与保存的数字相对应则进行关联。在这里,可以将数字设计为带圆圈,将数字设置在圆圈内,这样有助于数字位置的识别。可采用例如mobilenet、shufflenet等轻量级的分类网络进行圆圈数字类别的分类。然后对提取到的多张带圆圈数字类别区域通过pytorch的深度学习框架进行圆圈数字分类的深度学习模型训练。通过圆圈数字的深度学习分类模型得出每个圆圈数字的分类,然后把学生序号跟圆圈数字一一映射起来。而二维码也可采用类似手段进行信息关联。另外还可通过获取的环境图像获取到举着答题卡片人员的位置坐标,以及人像信息,通过位置坐标、人像信息与人员信息相关联。
而本申请实施例中的答题信息包括题目选项。比如选择题的A、B、C、D,和/或判断题的√、X。
在上述实施例的基础上,为了提高实际使用过程中答题卡片检测的稳定性,本申请还提供了又一实施例,用于对标记的答题卡片进行图像增强,主要三种方法,包括:
对包含答题卡片的环境图像进行0°到360°范围图像旋转,并进行图像增强;
对包含答题卡片的环境图像进行亮度和对比度调整,以进行图像增强;
对包含答题卡片的环境图像进行马赛克处理,以进行图像增强。
因为每张答题卡片在图片的占比比例小,所以我们会使用专门针对小目标检测的深度学习模型进行卡片目标的训练和检测,比如yolo系列的实时目标检测模型。对包含答题卡片的环境图像进行0°到360°范围图像旋转,并进行图像增强,从而增加模型训练样本。这里可采用例如周期性采样,比如每旋转1°采集一张图片等。
因为环境场景灯光亮度不一样,可根据所获取的图片的亮度和对比度进行调节,以期得到能使目标区域提取率最佳。
对包含答题卡片的环境图像进行马赛克处理,以进行图像增强。主要针对距离摄像头比较远的答题卡片不好识别以及答题卡片存在部分答案遮挡、重叠的问题。将图片进行一定比例的马赛克处理,可有效起到增强图像的效果。
上述三种方式可在获取到环境图像后一起使用,也可根据获取的图像情况选择使用。
本申请实施例中,对识别答题卡片上的答题信息,并进行成绩统计。可使用例如efficientnet、mobileone这类轻量级深度学习分类模型进行答题卡片的分类。
本申请可实现对答题卡片的识别和对答题卡片上的答案进行识别和统计,有利于老师及时对学生成绩的管控。
本申请实施例还提供了网络设备,如图2所示,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,处理器执行程序时执行上述答题卡片智能识别和成绩统计方法。
本申请实施例存储介质,其上存储有计算机程序指令,程序指令被处理器执行时用于实现上述答题卡片智能识别和成绩统计方法。
其中,上述机器可读存储介质可以是任何电子、磁性、光学或其它物理存储装置,可以包含或存储信息,如可执行指令、数据,等等。例如,机器可读存储介质可以是:RAM(Radom Access Memory,随机存取存储器)、易失存储器、非易失性存储器、闪存、存储驱动器(如硬盘驱动器)、固态硬盘、任何类型的存储盘(如光盘、dvd等),或者类似的存储介质,或者它们的组合。
上述实施例阐明的系统、装置、模块或单元,具体可以由计算机芯片或实体实现,或者由具有某种功能的产品来实现。一种典型的实现设备为计算机,计算机的具体形式可以是个人计算机、膝上型计算机、蜂窝电话、相机电话、智能电话、个人数字助理、媒体播放器、导航设备、电子邮件收发设备、游戏控制台、平板计算机、可穿戴设备或者这些设备中的任意几种设备的组合。
本领域内的技术人员应明白,本申请的实施例可提供为方法、系统、或计算机程序产品。因此,本申请可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且,本申请实施例可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
本申请是参照根据本申请实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可以由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其它可编程数据处理设备的处理器以产生一个机器,使得通过计算机或其它可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
而且,这些计算机程序指令也可以存储在能引导计算机或其它可编程数据处理设备以特定方式工作的计算机可读存储器中,使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品,该指令装置实现在流程图一个流程或者多个流程和/或方框图一个方框或者多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其它可编程数据处理设备上,使得在计算机或者其它可编程设备上执行一系列操作步骤以产生计算机实现的处理,从而在计算机或其它可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
以上所述仅为本申请的实施例而已,并不用于限制本申请。对于本领域技术人员来说,本申请可以有各种更改和变化。凡在本申请的精神和原理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权利要求范围之内。
应当理解的是,本申请并不局限于上面已经描述并在附图中示出的精确结构,并且可以在不脱离其范围进行各种修改和改变。本申请的范围仅由所附的权利要求来限制。
以上仅为本申请的较佳实施例而已,并不用以限制本申请,凡在本申请的精神和原则之内,所做的任何修改、等同替换、改进等,均应包含在本申请保护的范围之内。
Claims (8)
1.答题卡片智能识别和成绩统计方法,其特征在于,包括:
获取包含答题卡片的环境图像;
对环境图像中的答题卡片进行目标区域标记;
对标记的答题卡片进行图像增强;
对所述环境图像进行目标区域提取,获取到只包含目标区域的图像;
获取目标区域内的身份识别信息,与对应人员进行关联;
识别答题卡片上的答题信息,并进行成绩统计。
2.根据权利要求1所述的答题卡片智能识别和成绩统计方法,其特征在于,对标记的答题卡片进行图像增强包括:
对包含答题卡片的环境图像进行0°到360°范围图像旋转,并进行图像增强;
对包含答题卡片的环境图像进行亮度和对比度调整,以进行图像增强;
对包含答题卡片的环境图像进行马赛克处理,以进行图像增强。
3.根据权利要求1所述的答题卡片智能识别和成绩统计方法,其特征在于,所述答题卡片上的身份识别信息包括与人员相对应的数字、二维码或头像;所述答题卡片上的答题信息包括题目选项。
4.根据权利要求3所述的答题卡片智能识别和成绩统计方法,其特征在于,题目选项包括A、B、C、D和/或√、X。
5.根据权利要求1所述的答题卡片智能识别和成绩统计方法,其特征在于,对环境图像中的答题卡片进行目标区域标记可通过手工标记或软件标记。
6.根据权利要求1所述的答题卡片智能识别和成绩统计方法,其特征在于,所述环境图像中的环境为紫色。
7.网络设备,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,其特征在于,处理器执行程序时执行包括权利要求1-6任意一项所述的答题卡片智能识别和成绩统计方法。
8.存储介质,其上存储有计算机程序指令,其特征在于,程序指令被处理器执行时用于实现权利要求1-6任意一项所述的答题卡片智能识别和成绩统计方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211133739.0A CN115641585A (zh) | 2022-09-19 | 2022-09-19 | 答题卡片智能识别和成绩统计方法、网络设备和存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211133739.0A CN115641585A (zh) | 2022-09-19 | 2022-09-19 | 答题卡片智能识别和成绩统计方法、网络设备和存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN115641585A true CN115641585A (zh) | 2023-01-24 |
Family
ID=84941857
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202211133739.0A Pending CN115641585A (zh) | 2022-09-19 | 2022-09-19 | 答题卡片智能识别和成绩统计方法、网络设备和存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115641585A (zh) |
-
2022
- 2022-09-19 CN CN202211133739.0A patent/CN115641585A/zh active Pending
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN102411854B (zh) | 基于增强现实的课堂教学混合技术应用系统及方法 | |
US9898647B2 (en) | Systems and methods for detecting, identifying and tracking objects and events over time | |
CN107240047B (zh) | 一种教学视频的学分评估方法和装置 | |
CN109165552A (zh) | 一种基于人体关键点的姿态识别方法、系统及存储器 | |
CN110223202A (zh) | 一种教学道具识别与评分的方法及系统 | |
CN111563512B (zh) | 一种答案自动涂抹的方法、装置、电子设备及存储介质 | |
CN112949437B (zh) | 一种手势识别方法、手势识别装置及智能设备 | |
CN109242856A (zh) | 一种纸质作业电子化批阅方法及装置 | |
CN111242045A (zh) | 自动化作业习题对错指示方法及系统 | |
CN112001219A (zh) | 一种多角度多人脸识别考勤方法及系统 | |
CN103745214A (zh) | 一种字符的识别方法和识别设备 | |
CN110210309A (zh) | 错题识别方法、系统、可读存储介质及设备 | |
KR20160139786A (ko) | 증강현실을 이용한 학습문제풀이 시스템 및 그 제어방법 | |
CN107784482A (zh) | 招聘方法、电子装置及可读存储介质 | |
CN109754644A (zh) | 一种基于增强现实技术的教学方法及系统 | |
CN115050039A (zh) | 自动化试卷分析方法、系统、电子设备、存储介质 | |
CN114639152A (zh) | 基于人脸识别的多模态语音交互方法、装置、设备及介质 | |
CN112907773B (zh) | 一种基于动作检测与人脸识别的智能考勤方法及系统 | |
CN111753715B (zh) | 点读场景下试题拍摄的方法、装置、电子设备和存储介质 | |
CN111639630B (zh) | 一种作业批改方法及装置 | |
CN115641585A (zh) | 答题卡片智能识别和成绩统计方法、网络设备和存储介质 | |
CN110443122B (zh) | 信息处理方法及相关产品 | |
CN111931759A (zh) | 一种试卷智能计分方法和移动端系统 | |
CN108345895A (zh) | 广告图像识别方法以及广告图像识别系统 | |
CN110796577A (zh) | 基于智慧班牌的信息显示方法 |
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 |