CN117333892A - 题干和答案的识别方法、装置、可读存储介质及终端设备 - Google Patents
题干和答案的识别方法、装置、可读存储介质及终端设备 Download PDFInfo
- Publication number
- CN117333892A CN117333892A CN202210735780.9A CN202210735780A CN117333892A CN 117333892 A CN117333892 A CN 117333892A CN 202210735780 A CN202210735780 A CN 202210735780A CN 117333892 A CN117333892 A CN 117333892A
- Authority
- CN
- China
- Prior art keywords
- test paper
- image
- paper image
- answer
- stem
- 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
- 238000000034 method Methods 0.000 title claims abstract description 78
- 238000012360 testing method Methods 0.000 claims abstract description 258
- 230000008569 process Effects 0.000 claims abstract description 39
- 230000002452 interceptive effect Effects 0.000 claims description 36
- 238000004590 computer program Methods 0.000 claims description 22
- 238000012937 correction Methods 0.000 claims description 10
- 238000013507 mapping Methods 0.000 claims description 6
- 230000008859 change Effects 0.000 description 13
- 238000010586 diagram Methods 0.000 description 9
- 230000006870 function Effects 0.000 description 6
- 238000013527 convolutional neural network Methods 0.000 description 5
- 238000012545 processing Methods 0.000 description 5
- 238000013473 artificial intelligence Methods 0.000 description 4
- 238000000605 extraction Methods 0.000 description 4
- 230000004044 response Effects 0.000 description 4
- 230000001502 supplementing effect Effects 0.000 description 4
- 238000004364 calculation method Methods 0.000 description 3
- 230000008878 coupling Effects 0.000 description 3
- 238000010168 coupling process Methods 0.000 description 3
- 238000005859 coupling reaction Methods 0.000 description 3
- 238000001514 detection method Methods 0.000 description 3
- 238000013528 artificial neural network Methods 0.000 description 2
- 238000004891 communication Methods 0.000 description 2
- 238000003745 diagnosis Methods 0.000 description 2
- 230000000306 recurrent effect Effects 0.000 description 2
- 238000012706 support-vector machine Methods 0.000 description 2
- 238000012549 training Methods 0.000 description 2
- 238000004458 analytical method Methods 0.000 description 1
- 238000003491 array Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000004422 calculation algorithm Methods 0.000 description 1
- 230000007423 decrease Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 235000019800 disodium phosphate Nutrition 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000012216 screening Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V30/00—Character recognition; Recognising digital ink; Document-oriented image-based pattern recognition
- G06V30/40—Document-oriented image-based pattern recognition
- G06V30/41—Analysis of document content
- G06V30/418—Document matching, e.g. of document images
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V30/00—Character recognition; Recognising digital ink; Document-oriented image-based pattern recognition
- G06V30/40—Document-oriented image-based pattern recognition
- G06V30/41—Analysis of document content
- G06V30/413—Classification of content, e.g. text, photographs or tables
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
- Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
- Y02P90/30—Computing systems specially adapted for manufacturing
Landscapes
- Engineering & Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Artificial Intelligence (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Multimedia (AREA)
- Theoretical Computer Science (AREA)
- Electrically Operated Instructional Devices (AREA)
Abstract
本申请属于计算机辅助教育技术领域,尤其涉及一种题干和答案的识别方法、装置、计算机可读存储介质及终端设备。所述方法包括:获取答题前的第一试卷图像;获取答题过程中的第二试卷图像;将所述第一试卷图像和所述第二试卷图像进行图像比对,得到两者之间的一致内容和差异内容;将所述一致内容确定为试卷的题干,并将所述差异内容确定为用户书写的答案。在本申请中,不再依赖对于字体的识别来区分试卷的题干和用户书写的答案,而是对用户的答题过程进行关注,通过前后的图像比对来区分出试卷的题干和用户书写的答案,有效避免了误判的发生。
Description
技术领域
本申请属于计算机辅助教育技术领域,尤其涉及一种题干和答案的识别方法、装置、计算机可读存储介质及终端设备。
背景技术
随着智能台灯、智能手机、平板电脑、家教机、学习机等终端设备的不断普及,学生等用户在这些终端设备的辅助下进行答题的场景也越来越多。
在现有技术中,用户可以在答完试卷后,使用终端设备对整个试卷进行拍照诊断。终端设备得到准确的诊断结果的前提是可以对试卷的题干和用户书写的答案进行准确的区分,现有技术中一般是通过对字体的识别来区分题干和答案,但当用户书写的答案比较工整时,与印刷体的题干极为类似,终端设备极易出现误判。
发明内容
有鉴于此,本申请实施例提供了一种题干和答案的识别方法、装置、计算机可读存储介质及终端设备,以解决现有技术在区分试卷的题干和用户书写的答案时极易出现误判的问题。
本申请实施例的第一方面提供了一种题干和答案的识别方法,可以包括:
获取答题前的第一试卷图像;
获取答题过程中的第二试卷图像;
将所述第一试卷图像和所述第二试卷图像进行图像比对,得到两者之间的一致内容和差异内容;
将所述一致内容确定为试卷的题干,并将所述差异内容确定为用户书写的答案。
在第一方面的一种具体实现方式中,在获取答题前的第一试卷图像之后,所述方法还可以包括:
在所述第一试卷图像中进行干扰物识别;
若在所述第一试卷图像中识别到干扰物,则获取所述干扰物移动过程中的第三试卷图像;
将所述第一试卷图像与所述第三试卷图像进行图像拼接,得到拼接后的第一试卷图像。
在第一方面的一种具体实现方式中,所述获取所述干扰物移动过程中的第三试卷图像,可以包括:
获取当前试卷图像;
提取所述第一试卷图像中的遮挡区域的第一子图像,所述遮挡区域为所述干扰物占据的区域;
提取所述当前试卷图像中的对比区域的第二子图像,所述对比区域为与所述遮挡区域对应的区域;
计算所述第一子图像与所述第二子图像之间的图像变化量;
若所述图像变化量大于预设的变化量阈值,则将所述当前试卷图像确定为所述第三试卷图像。
在第一方面的一种具体实现方式中,所述将所述第一试卷图像与所述第三试卷图像进行图像拼接,得到拼接后的第一试卷图像,可以包括:
将所述第三试卷图像中的对比区域的子图像拼接入所述第一试卷图像,得到拼接后的第一试卷图像。
在第一方面的一种具体实现方式中,在得到拼接后的第一试卷图像之后,所述方法还可以包括:
对所述遮挡区域进行更新,得到更新后的遮挡区域;
若所述更新后的遮挡区域不为空,则返回执行所述获取所述干扰物移动过程中的第三试卷图像的步骤及其后续步骤,直至所述更新后的遮挡区域为空为止;
若所述更新后的遮挡区域为空,则将所述拼接后的第一试卷图像确定为补充完整的第一试卷图像。
在第一方面的一种具体实现方式中,在将所述一致内容确定为试卷的题干,并将所述差异内容确定为用户书写的答案之后,所述方法还可以包括:
将所述试卷的题干和所述用户书写的答案分别映射至终端设备的交互界面上。
在第一方面的一种具体实现方式中,在将所述一致内容确定为试卷的题干,并将所述差异内容确定为用户书写的答案之后,所述方法还可以包括:
获取与所述试卷的题干对应的参考答案;
根据所述用户书写的答案和所述参考答案确定试卷批改结果。
本申请实施例的第二方面提供了一种题干和答案的识别装置,可以包括:
第一图像获取模块,用于获取答题前的第一试卷图像;
第二图像获取模块,用于获取答题过程中的第二试卷图像;
图像比对模块,用于将所述第一试卷图像和所述第二试卷图像进行图像比对,得到两者之间的一致内容和差异内容;
题干和答案识别模块,用于将所述一致内容确定为试卷的题干,并将所述差异内容确定为用户书写的答案。
在第二方面的一种具体实现方式中,所述题干和答案的识别装置还可以包括:
干扰物识别模块,用于在所述第一试卷图像中进行干扰物识别;
第三图像获取模块,用于若在所述第一试卷图像中识别到干扰物,则获取所述干扰物移动过程中的第三试卷图像;
图像拼接模块,用于将所述第一试卷图像与所述第三试卷图像进行图像拼接,得到拼接后的第一试卷图像。
在第二方面的一种具体实现方式中,所述第三图像获取模块可以包括:
当前试卷图像获取单元,用于获取当前试卷图像;
第一子图像提取单元,用于提取所述第一试卷图像中的遮挡区域的第一子图像,所述遮挡区域为所述干扰物占据的区域;
第二子图像提取单元,用于提取所述当前试卷图像中的对比区域的第二子图像,所述对比区域为与所述遮挡区域对应的区域;
图像变化量计算单元,用于计算所述第一子图像与所述第二子图像之间的图像变化量;
第三试卷图像确定单元,用于若所述图像变化量大于预设的变化量阈值,则将所述当前试卷图像确定为所述第三试卷图像。
在第二方面的一种具体实现方式中,所述图像拼接模块可以具体用于:将所述第三试卷图像中的对比区域的子图像拼接入所述第一试卷图像,得到拼接后的第一试卷图像。
在第二方面的一种具体实现方式中,所述题干和答案的识别装置还可以包括:
更新模块,用于对所述遮挡区域进行更新,得到更新后的遮挡区域;若所述更新后的遮挡区域不为空,则返回执行所述获取所述干扰物移动过程中的第三试卷图像的步骤及其后续步骤,直至所述更新后的遮挡区域为空为止;若所述更新后的遮挡区域为空,则将所述拼接后的第一试卷图像确定为补充完整的第一试卷图像。
在第二方面的一种具体实现方式中,所述题干和答案的识别装置还可以包括:
题干和答案映射模块,用于将所述试卷的题干和所述用户书写的答案分别映射至终端设备的交互界面上。
在第二方面的一种具体实现方式中,所述题干和答案的识别装置还可以包括:
试卷批改模块,用于获取与所述试卷的题干对应的参考答案;根据所述用户书写的答案和所述参考答案确定试卷批改结果。
本申请实施例的第三方面提供了一种计算机可读存储介质,所述计算机可读存储介质存储有计算机程序,所述计算机程序被处理器执行时实现上述任一种题干和答案的识别方法的步骤。
本申请实施例的第四方面提供了一种终端设备,包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序,所述处理器执行所述计算机程序时实现上述任一种题干和答案的识别方法的步骤。
本申请实施例的第五方面提供了一种计算机程序产品,当计算机程序产品在终端设备上运行时,使得终端设备执行上述任一种题干和答案的识别方法的步骤。
本申请实施例与现有技术相比存在的有益效果是:本申请实施例获取答题前的第一试卷图像;获取答题过程中的第二试卷图像;将所述第一试卷图像和所述第二试卷图像进行图像比对,得到两者之间的一致内容和差异内容;将所述一致内容确定为试卷的题干,并将所述差异内容确定为用户书写的答案。在本申请实施例中,不再依赖对于字体的识别来区分试卷的题干和用户书写的答案,而是对用户的答题过程进行关注,通过前后的图像比对来区分出试卷的题干和用户书写的答案,有效避免了误判的发生。
附图说明
为了更清楚地说明本申请实施例中的技术方案,下面将对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,下面描述中的附图仅仅是本申请的一些实施例,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它的附图。
图1为本申请实施例中一种题干和答案的识别方法的一个实施例流程图;
图2为终端设备获取答题前的试卷图像的示意图;
图3为对试卷图像进行补齐的示意流程图;
图4为终端设备获取干扰物移动过程中的试卷图像的示意图;
图5为补充完整的试卷图像的示意图;
图6为识别到的试卷的题干和用户书写的答案的示意图;
图7为本申请实施例中一种题干和答案的识别装置的一个实施例结构图;
图8为本申请实施例中一种终端设备的示意框图。
具体实施方式
为使得本申请的发明目的、特征、优点能够更加的明显和易懂,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,下面所描述的实施例仅仅是本申请一部分实施例,而非全部的实施例。基于本申请中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其它实施例,都属于本申请保护的范围。
应当理解,当在本说明书和所附权利要求书中使用时,术语“包括”指示所描述特征、整体、步骤、操作、元素和/或组件的存在,但并不排除一个或多个其它特征、整体、步骤、操作、元素、组件和/或其集合的存在或添加。
还应当理解,在此本申请说明书中所使用的术语仅仅是出于描述特定实施例的目的而并不意在限制本申请。如在本申请说明书和所附权利要求书中所使用的那样,除非上下文清楚地指明其它情况,否则单数形式的“一”、“一个”及“该”意在包括复数形式。
还应当进一步理解,在本申请说明书和所附权利要求书中使用的术语“和/或”是指相关联列出的项中的一个或多个的任何组合以及所有可能组合,并且包括这些组合。
如在本说明书和所附权利要求书中所使用的那样,术语“如果”可以依据上下文被解释为“当...时”或“一旦”或“响应于确定”或“响应于检测到”。类似地,短语“如果确定”或“如果检测到[所描述条件或事件]”可以依据上下文被解释为意指“一旦确定”或“响应于确定”或“一旦检测到[所描述条件或事件]”或“响应于检测到[所描述条件或事件]”。
另外,在本申请的描述中,术语“第一”、“第二”、“第三”等仅用于区分描述,而不能理解为指示或暗示相对重要性。
本申请实施例提供的题干和答案的识别方法可以应用于智能台灯、智能手机、平板电脑、家教机、学习机等终端设备上,本申请实施例对终端设备的具体类型不作任何限制。
请参阅图1,本申请实施例中一种题干和答案的识别方法的一个实施例可以包括:
步骤S101、获取答题前的第一试卷图像。
在本申请实施例中,可以预先将终端设备设置在用户的书桌上,终端设备可以通过内置或外置的摄像装置拍摄试卷图像,对用户的完整答题过程进行持续关注。在整个过程中,无需用户对终端设备进行任何的操作,终端设备自动地进行图像拍摄及分析处理,不对用户的答题过程进行任何打扰。
图2所示为终端设备获取答题前的试卷图像(记为第一试卷图像)的示意图。当试卷上不存在任何干扰物时,第一试卷图像即为完整的试卷图像。但在实际应用中,用户的手以及笔、橡皮、尺子等答题工具经常会覆盖在试卷上,此时获取到的第一试卷图像并非是完整的试卷图像,需要在答题过程中对其进行补齐,以得到完整的试卷图像。
如图3所示,对试卷图像进行补齐的过程具体可以包括如下步骤:
步骤S301、在第一试卷图像中进行干扰物识别。
在本申请实施例中,可以使用干扰物识别模型在第一试卷图像中进行干扰物识别,其中,干扰物识别模型为预先训练得到的用于对干扰物进行识别的人工智能(Artificial Intelligence,AI)模型。
具体采用何种类型的人工智能模型可以根据实际情况进行设置,包括但不限于卷积神经网络(Convolutional Neural Networks,CNN)、深度卷积神经网络(DeepConvolutional Neural Networks,DCNN)、逆向图网络(Inverse Graphics Networks,IGN)、生成式对抗网络(Generative Adversarial Networks,GAN)、循环神经网络(Recurrent Neural Networks,RNN)、深度残差网络(Deep Residual Networks,DRN)、支持向量机(Support Vector Machines,SVM)以及其它的人工智能模型。
在训练得到干扰物识别模型之后,即可以使用干扰物识别模型在答题图像中识别目标干扰物。若在第一试卷图像中未识别到干扰物,则说明第一试卷图像已经是完整的试卷图像,无需再继续执行后续步骤对其进行补齐;若在第一试卷图像中识别到干扰物,则继续执行步骤S302。
步骤S302、获取干扰物移动过程中的第三试卷图像。
在本申请实施例的一种具体实现方式中,可以将在第一试卷图像之后拍摄到的每一张试卷图像均作为第三试卷图像。
在本申请实施例的一种具体实现方式中,为了减少计算量,可以在第一试卷图像之后拍摄到的试卷图像中只筛选符合要求的部分试卷图像作为第三试卷图像。
以在第一试卷图像之后拍摄到的任意一张试卷图像(记为当前试卷图像)为例,可以首先分别提取第一试卷图像中的遮挡区域的子图像(记为第一子图像),以及当前试卷图像中的对比区域的子图像(记为第二子图像),其中,遮挡区域为干扰物占据的区域,对比区域为与遮挡区域对应的区域。
然后计算第一子图像与第二子图像之间的图像变化量,若图像变化量小于或等于预设的变化量阈值,则说明两者之间变化较小,干扰物未发生明显的移动,之前被遮挡的试卷内容仍不可见,此时不将当前试卷图像确定为第三试卷图像;若图像变化量大于变化量阈值,则说明两者之间变化较大,干扰物发生了明显的移动,之前被遮挡的试卷内容显露了出来,此时可以将当前试卷图像确定为第三试卷图像。
如图4所示,用户的左手起先放置在试卷的上方,遮挡住了试卷上方的部分内容,此时拍摄得到了第一试卷图像,随后用户将左手移动到了试卷了下方,之前被遮挡的试卷内容(即图中虚线手型处的试卷内容)显露了出来,此时拍摄得到的试卷图像即为第三试卷图像。
步骤S303、将第一试卷图像与第三试卷图像进行图像拼接,得到拼接后的第一试卷图像。
具体地,可以将第三试卷图像中的对比区域的子图像拼接入第一试卷图像,得到新的第一试卷图像。在拼接完成后,可以对遮挡区域进行更新,得到更新后的遮挡区域,由于干扰物发生了移动,原有的遮挡区域的部分或全部会显露出来,因此更新后的遮挡区域会小于原有的遮挡区域。若更新后的遮挡区域不为空,则说明仍有部分内容尚未显露出来,此时可以返回执行步骤S302,即继续筛选符合要求的试卷图像作为新的第三试卷图像,再次将新的第一试卷图像与新的第三试卷图像进行图像拼接,不断重复这一图像拼接过程,直至更新后的遮挡区域为空为止。若更新后的遮挡区域为空,则说明所有被遮挡的内容均已显露出来,此时即可将拼接后的第一试卷图像确定为补充完整的第一试卷图像。图5所示即为补充完整的第一试卷图像的示意图,与图2相比,原本被干扰物覆盖的内容均已被补充完整。
步骤S102、获取答题过程中的第二试卷图像。
在本申请实施例中,终端设备可以在用户进行答题的过程中持续拍摄试卷图像(记为第二试卷图像),对用户的完整答题过程进行持续关注。对于第二试卷图像中的遮挡区域,可以利用之前拍摄得到的该区域尚未被干扰物覆盖时的试卷图像将其补充完整。
步骤S103、将第一试卷图像和第二试卷图像进行图像比对,得到两者之间的一致内容和差异内容。
步骤S104、将一致内容确定为试卷的题干,并将差异内容确定为用户书写的答案。
在排除了干扰物的影响之后,第一试卷图像和第二试卷图像之间的一致内容即为用户答题过程中不变的内容,也即试卷的题干;第一试卷图像和第二试卷图像之间的差异内容即为用户答题过程中新增的内容,也即用户书写的答案。在识别出试卷的题干和用户书写的答案之后,可以将试卷的题干和用户书写的答案分别映射至终端设备的交互界面上,其中,试卷的题干可以作为底图,用户书写的答案映射至底图对应的位置上。如图6所示,方框中的内容被识别为用户书写的答案,其它内容被识别为试卷的题干。
在本申请实施例中,终端设备还可以进一步从预设的数据库中获取与试卷的题干对应的参考答案,并根据用户书写的答案和参考答案确定试卷批改结果。当用户书写的答案和参考答案一致时,则确定试卷批改结果为正确;当用户书写的答案和参考答案不一致时,则确定试卷批改结果为错误。由于之前已对试卷的题干和用户书写的答案进行了准确的区分,因此得到的试卷批改结果具有极高的准确率。
综上所述,本申请实施例获取答题前的第一试卷图像;获取答题过程中的第二试卷图像;将所述第一试卷图像和所述第二试卷图像进行图像比对,得到两者之间的一致内容和差异内容;将所述一致内容确定为试卷的题干,并将所述差异内容确定为用户书写的答案。在本申请实施例中,不再依赖对于字体的识别来区分试卷的题干和用户书写的答案,而是对用户的答题过程进行关注,通过前后的图像比对来区分出试卷的题干和用户书写的答案,有效避免了误判的发生。
应理解,上述实施例中各步骤的序号的大小并不意味着执行顺序的先后,各过程的执行顺序应以其功能和内在逻辑确定,而不应对本申请实施例的实施过程构成任何限定。
对应于上文实施例所述的一种题干和答案的识别方法,图7示出了本申请实施例提供的一种题干和答案的识别装置的一个实施例结构图。
本实施例中,一种题干和答案的识别装置可以包括:
第一图像获取模块701,用于获取答题前的第一试卷图像;
第二图像获取模块702,用于获取答题过程中的第二试卷图像;
图像比对模块703,用于将所述第一试卷图像和所述第二试卷图像进行图像比对,得到两者之间的一致内容和差异内容;
题干和答案识别模块704,用于将所述一致内容确定为试卷的题干,并将所述差异内容确定为用户书写的答案。
在本申请实施例的一种具体实现方式中,所述题干和答案的识别装置还可以包括:
干扰物识别模块,用于在所述第一试卷图像中进行干扰物识别;
第三图像获取模块,用于若在所述第一试卷图像中识别到干扰物,则获取所述干扰物移动过程中的第三试卷图像;
图像拼接模块,用于将所述第一试卷图像与所述第三试卷图像进行图像拼接,得到拼接后的第一试卷图像。
在本申请实施例的一种具体实现方式中,所述第三图像获取模块可以包括:
当前试卷图像获取单元,用于获取当前试卷图像;
第一子图像提取单元,用于提取所述第一试卷图像中的遮挡区域的第一子图像,所述遮挡区域为所述干扰物占据的区域;
第二子图像提取单元,用于提取所述当前试卷图像中的对比区域的第二子图像,所述对比区域为与所述遮挡区域对应的区域;
图像变化量计算单元,用于计算所述第一子图像与所述第二子图像之间的图像变化量;
第三试卷图像确定单元,用于若所述图像变化量大于预设的变化量阈值,则将所述当前试卷图像确定为所述第三试卷图像。
在本申请实施例的一种具体实现方式中,所述图像拼接模块可以具体用于:将所述第三试卷图像中的对比区域的子图像拼接入所述第一试卷图像,得到拼接后的第一试卷图像。
在本申请实施例的一种具体实现方式中,所述题干和答案的识别装置还可以包括:
更新模块,用于对所述遮挡区域进行更新,得到更新后的遮挡区域;若所述更新后的遮挡区域不为空,则返回执行所述获取所述干扰物移动过程中的第三试卷图像的步骤及其后续步骤,直至所述更新后的遮挡区域为空为止;若所述更新后的遮挡区域为空,则将所述拼接后的第一试卷图像确定为补充完整的第一试卷图像。
在本申请实施例的一种具体实现方式中,所述题干和答案的识别装置还可以包括:
题干和答案映射模块,用于将所述试卷的题干和所述用户书写的答案分别映射至终端设备的交互界面上。
在本申请实施例的一种具体实现方式中,所述题干和答案的识别装置还可以包括:
试卷批改模块,用于获取与所述试卷的题干对应的参考答案;根据所述用户书写的答案和所述参考答案确定试卷批改结果。
所属领域的技术人员可以清楚地了解到,为描述的方便和简洁,上述描述的装置,模块和单元的具体工作过程,可以参考前述方法实施例中的对应过程,在此不再赘述。
在上述实施例中,对各个实施例的描述都各有侧重,某个实施例中没有详述或记载的部分,可以参见其它实施例的相关描述。
图8示出了本申请实施例提供的一种终端设备的示意框图,为了便于说明,仅示出了与本申请实施例相关的部分。
如图8所示,该实施例的终端设备8包括:处理器80、存储器81以及存储在所述存储器81中并可在所述处理器80上运行的计算机程序82。所述处理器80执行所述计算机程序82时实现上述各个题干和答案的识别方法实施例中的步骤,例如图1所示的步骤S101至步骤S104。或者,所述处理器80执行所述计算机程序82时实现上述各装置实施例中各模块/单元的功能,例如图7所示模块701至模块704的功能。
示例性的,所述计算机程序82可以被分割成一个或多个模块/单元,所述一个或者多个模块/单元被存储在所述存储器81中,并由所述处理器80执行,以完成本申请。所述一个或多个模块/单元可以是能够完成特定功能的一系列计算机程序指令段,该指令段用于描述所述计算机程序82在所述终端设备8中的执行过程。
所述终端设备8可以是智能台灯、智能手机、平板电脑、家教机、学习机等计算设备。本领域技术人员可以理解,图8仅仅是终端设备8的示例,并不构成对终端设备8的限定,可以包括比图示更多或更少的部件,或者组合某些部件,或者不同的部件,例如所述终端设备8还可以包括输入输出设备、网络接入设备、总线等。
所述处理器80可以是中央处理单元(Central Processing Unit,CPU),还可以是其它通用处理器、数字信号处理器(Digital Signal Processor,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)或者其它可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。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。
所述存储器81可以是所述终端设备8的内部存储单元,例如终端设备8的硬盘或内存。所述存储器81也可以是所述终端设备8的外部存储设备,例如所述终端设备8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。进一步地,所述存储器81还可以既包括所述终端设备8的内部存储单元也包括外部存储设备。所述存储器81用于存储所述计算机程序以及所述终端设备8所需的其它程序和数据。所述存储器81还可以用于暂时地存储已经输出或者将要输出的数据。
所属领域的技术人员可以清楚地了解到,为了描述的方便和简洁,仅以上述各功能单元、模块的划分进行举例说明,实际应用中,可以根据需要而将上述功能分配由不同的功能单元、模块完成,即将所述装置的内部结构划分成不同的功能单元或模块,以完成以上描述的全部或者部分功能。实施例中的各功能单元、模块可以集成在一个处理单元中,也可以是各个单元单独物理存在,也可以两个或两个以上单元集成在一个单元中,上述集成的单元既可以采用硬件的形式实现,也可以采用软件功能单元的形式实现。另外,各功能单元、模块的具体名称也只是为了便于相互区分,并不用于限制本申请的保护范围。上述系统中单元、模块的具体工作过程,可以参考前述方法实施例中的对应过程,在此不再赘述。
在上述实施例中,对各个实施例的描述都各有侧重,某个实施例中没有详述或记载的部分,可以参见其它实施例的相关描述。
本领域普通技术人员可以意识到,结合本文中所公开的实施例描述的各示例的单元及算法步骤,能够以电子硬件、或者计算机软件和电子硬件的结合来实现。这些功能究竟以硬件还是软件方式来执行,取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能,但是这种实现不应认为超出本申请的范围。
在本申请所提供的实施例中,应该理解到,所揭露的装置/终端设备和方法,可以通过其它的方式实现。例如,以上所描述的装置/终端设备实施例仅仅是示意性的,例如,所述模块或单元的划分,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,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讯连接可以是通过一些接口,装置或单元的间接耦合或通讯连接,可以是电性,机械或其它的形式。
所述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。
另外,在本申请各个实施例中的各功能单元可以集成在一个处理单元中,也可以是各个单元单独物理存在,也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现,也可以采用软件功能单元的形式实现。
所述集成的模块/单元如果以软件功能单元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存储介质中。基于这样的理解,本申请实现上述实施例方法中的全部或部分流程,也可以通过计算机程序来指令相关的硬件来完成,所述的计算机程序可存储于一计算机可读存储介质中,该计算机程序在被处理器执行时,可实现上述各个方法实施例的步骤。其中,所述计算机程序包括计算机程序代码,所述计算机程序代码可以为源代码形式、对象代码形式、可执行文件或某些中间形式等。所述计算机可读存储介质可以包括:能够携带所述计算机程序代码的任何实体或装置、记录介质、U盘、移动硬盘、磁碟、光盘、计算机存储器、只读存储器(ROM,Read-Only Memory)、随机存取存储器(RAM,Random Access Memory)、电载波信号、电信信号以及软件分发介质等。需要说明的是,所述计算机可读存储介质包含的内容可以根据司法管辖区内立法和专利实践的要求进行适当的增减,例如在某些司法管辖区,根据立法和专利实践,计算机可读存储介质不包括电载波信号和电信信号。
以上所述实施例仅用以说明本申请的技术方案,而非对其限制;尽管参照前述实施例对本申请进行了详细的说明,本领域的普通技术人员应当理解:其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分技术特征进行等同替换;而这些修改或者替换,并不使相应技术方案的本质脱离本申请各实施例技术方案的精神和范围,均应包含在本申请的保护范围之内。
Claims (10)
1.一种题干和答案的识别方法,其特征在于,包括:
获取答题前的第一试卷图像;
获取答题过程中的第二试卷图像;
将所述第一试卷图像和所述第二试卷图像进行图像比对,得到两者之间的一致内容和差异内容;
将所述一致内容确定为试卷的题干,并将所述差异内容确定为用户书写的答案。
2.根据权利要求1所述的题干和答案的识别方法,其特征在于,在获取答题前的第一试卷图像之后,还包括:
在所述第一试卷图像中进行干扰物识别;
若在所述第一试卷图像中识别到干扰物,则获取所述干扰物移动过程中的第三试卷图像;
将所述第一试卷图像与所述第三试卷图像进行图像拼接,得到拼接后的第一试卷图像。
3.根据权利要求2所述的题干和答案的识别方法,其特征在于,所述获取所述干扰物移动过程中的第三试卷图像,包括:
获取当前试卷图像;
提取所述第一试卷图像中的遮挡区域的第一子图像,所述遮挡区域为所述干扰物占据的区域;
提取所述当前试卷图像中的对比区域的第二子图像,所述对比区域为与所述遮挡区域对应的区域;
计算所述第一子图像与所述第二子图像之间的图像变化量;
若所述图像变化量大于预设的变化量阈值,则将所述当前试卷图像确定为所述第三试卷图像。
4.根据权利要求3所述的题干和答案的识别方法,其特征在于,所述将所述第一试卷图像与所述第三试卷图像进行图像拼接,得到拼接后的第一试卷图像,包括:
将所述第三试卷图像中的对比区域的子图像拼接入所述第一试卷图像,得到拼接后的第一试卷图像。
5.根据权利要求3所述的题干和答案的识别方法,其特征在于,在得到拼接后的第一试卷图像之后,还包括:
对所述遮挡区域进行更新,得到更新后的遮挡区域;
若所述更新后的遮挡区域不为空,则返回执行所述获取所述干扰物移动过程中的第三试卷图像的步骤及其后续步骤,直至所述更新后的遮挡区域为空为止;
若所述更新后的遮挡区域为空,则将所述拼接后的第一试卷图像确定为补充完整的第一试卷图像。
6.根据权利要求1至5中任一项所述的题干和答案的识别方法,其特征在于,在将所述一致内容确定为试卷的题干,并将所述差异内容确定为用户书写的答案之后,还包括:
将所述试卷的题干和所述用户书写的答案分别映射至终端设备的交互界面上。
7.根据权利要求1至5中任一项所述的题干和答案的识别方法,其特征在于,在将所述一致内容确定为试卷的题干,并将所述差异内容确定为用户书写的答案之后,还包括:
获取与所述试卷的题干对应的参考答案;
根据所述用户书写的答案和所述参考答案确定试卷批改结果。
8.一种题干和答案的识别装置,其特征在于,包括:
第一图像获取模块,用于获取答题前的第一试卷图像;
第二图像获取模块,用于获取答题过程中的第二试卷图像;
图像比对模块,用于将所述第一试卷图像和所述第二试卷图像进行图像比对,得到两者之间的一致内容和差异内容;
题干和答案识别模块,用于将所述一致内容确定为试卷的题干,并将所述差异内容确定为用户书写的答案。
9.一种计算机可读存储介质,所述计算机可读存储介质存储有计算机程序,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至7中任一项所述的题干和答案的识别方法的步骤。
10.一种终端设备,包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序,其特征在于,所述处理器执行所述计算机程序时实现如权利要求1至7中任一项所述的题干和答案的识别方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210735780.9A CN117333892A (zh) | 2022-06-27 | 2022-06-27 | 题干和答案的识别方法、装置、可读存储介质及终端设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210735780.9A CN117333892A (zh) | 2022-06-27 | 2022-06-27 | 题干和答案的识别方法、装置、可读存储介质及终端设备 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN117333892A true CN117333892A (zh) | 2024-01-02 |
Family
ID=89290742
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210735780.9A Pending CN117333892A (zh) | 2022-06-27 | 2022-06-27 | 题干和答案的识别方法、装置、可读存储介质及终端设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117333892A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117991707A (zh) * | 2024-04-03 | 2024-05-07 | 贵州省畜牧兽医研究所 | 一种智能化猪场环境监测控制系统及方法 |
-
2022
- 2022-06-27 CN CN202210735780.9A patent/CN117333892A/zh active Pending
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117991707A (zh) * | 2024-04-03 | 2024-05-07 | 贵州省畜牧兽医研究所 | 一种智能化猪场环境监测控制系统及方法 |
CN117991707B (zh) * | 2024-04-03 | 2024-06-21 | 贵州省畜牧兽医研究所 | 一种智能化猪场环境监测控制系统及方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111310775B (zh) | 数据训练方法、装置、终端设备及计算机可读存储介质 | |
CN107798299B (zh) | 票据信息识别方法、电子装置及可读存储介质 | |
CN111860398B (zh) | 遥感图像目标检测方法、系统及终端设备 | |
CN108399386A (zh) | 饼图中的信息提取方法及装置 | |
CN111753767A (zh) | 一种作业自动批改的方法、装置、电子设备和存储介质 | |
CN110503100B (zh) | 一种医疗单据识别方法、装置、计算机装置及计算机可读存储介质 | |
CN111144215B (zh) | 图像处理方法、装置、电子设备及存储介质 | |
CN111597884A (zh) | 面部动作单元识别方法、装置、电子设备及存储介质 | |
CN106845508A (zh) | 一种检测图像中信息卡的方法、装置和系统 | |
CN111738045A (zh) | 一种图像检测方法、装置、电子设备及存储介质 | |
CN112802081A (zh) | 一种深度检测方法、装置、电子设备及存储介质 | |
CN117333892A (zh) | 题干和答案的识别方法、装置、可读存储介质及终端设备 | |
CN109034032B (zh) | 图像处理方法、装置、设备及介质 | |
CN111027533B (zh) | 一种点读坐标的变换方法、系统、终端设备及存储介质 | |
CN112364807A (zh) | 图像识别方法、装置、终端设备及计算机可读存储介质 | |
CN112035605A (zh) | 题目推荐方法、装置、设备及存储介质 | |
CN111281355A (zh) | 一种用于确定脉搏采集位置的方法与设备 | |
CN113034449B (zh) | 目标检测模型训练方法、装置及通信设备 | |
EP4345741A1 (en) | Image content extraction method and apparatus, and terminal and storage medium | |
CN110934565A (zh) | 一种瞳孔直径的测量方法、装置及计算机可读存储介质 | |
CN112183563A (zh) | 一种图像识别模型的生成方法、存储介质及应用服务器 | |
CN116563864B (zh) | 页码识别方法、装置、电子设备及可读存储介质 | |
CN111652182B (zh) | 一种悬空手势识别的方法、装置、电子设备和存储介质 | |
CN116468804B (zh) | 激光雷达与相机外参标定精度评定方法及装置 | |
CN112907705B (zh) | 涂改图像生成方法、装置、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 |