TWI799236B - 自動閱卷方法及系統 - Google Patents
自動閱卷方法及系統 Download PDFInfo
- Publication number
- TWI799236B TWI799236B TW111114955A TW111114955A TWI799236B TW I799236 B TWI799236 B TW I799236B TW 111114955 A TW111114955 A TW 111114955A TW 111114955 A TW111114955 A TW 111114955A TW I799236 B TWI799236 B TW I799236B
- Authority
- TW
- Taiwan
- Prior art keywords
- test paper
- paper image
- current
- handwriting
- color
- Prior art date
Links
- 238000013077 scoring method Methods 0.000 title abstract 2
- 238000012545 processing Methods 0.000 claims abstract description 63
- 238000012360 testing method Methods 0.000 claims description 219
- 238000000034 method Methods 0.000 claims description 22
- 230000000875 corresponding effect Effects 0.000 claims description 18
- 239000011159 matrix material Substances 0.000 claims description 8
- 239000000284 extract Substances 0.000 claims description 7
- 230000002596 correlated effect Effects 0.000 claims description 3
- 238000013507 mapping Methods 0.000 claims description 3
- 230000009466 transformation Effects 0.000 claims description 3
- 238000013528 artificial neural network Methods 0.000 description 6
- 238000010586 diagram Methods 0.000 description 5
- 238000012423 maintenance Methods 0.000 description 4
- 239000003086 colorant Substances 0.000 description 3
- 238000013527 convolutional neural network Methods 0.000 description 3
- 238000003062 neural network model Methods 0.000 description 3
- 238000004364 calculation method Methods 0.000 description 2
- 238000012937 correction Methods 0.000 description 2
- 230000000306 recurrent effect Effects 0.000 description 2
- 230000007613 environmental effect Effects 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
Images
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
- G06V30/10—Character recognition
- G06V30/14—Image acquisition
- G06V30/148—Segmentation of character regions
- G06V30/153—Segmentation of character regions using recognition of characters or words
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/10—Services
- G06Q50/20—Education
-
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Tourism & Hospitality (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Multimedia (AREA)
- General Business, Economics & Management (AREA)
- Marketing (AREA)
- Educational Administration (AREA)
- Health & Medical Sciences (AREA)
- Economics (AREA)
- General Health & Medical Sciences (AREA)
- Human Resources & Organizations (AREA)
- Educational Technology (AREA)
- Primary Health Care (AREA)
- Strategic Management (AREA)
- Artificial Intelligence (AREA)
- Image Analysis (AREA)
- Inspection Of Paper Currency And Valuable Securities (AREA)
- Control And Other Processes For Unpacking Of Materials (AREA)
- Electrotherapy Devices (AREA)
- Supplying Of Containers To The Packaging Station (AREA)
Abstract
一種自動閱卷方法,方法包含以處理裝置執行:取得當前試卷影像,其中當前試卷影像上的試卷筆跡具有筆跡顏色,判斷筆跡顏色是否為指定顏色,若筆跡顏色非為指定顏色,判斷資料庫是否存有參考文字串列,當資料庫存有參考文字串列時,將當前試卷影像對齊對應於參考文字串列的參考試卷影像,並利用多個參考座標比對當前試卷影像與參考試卷影像以輸出閱卷分數,以及若筆跡顏色為指定顏色,辨識試卷筆跡以將辨識結果儲存為參考文字串列,及儲存試卷筆跡在當前試卷影像的多個位置座標為該些參考座標。
Description
本發明係關於一種自動閱卷方法及系統。
為了加快閱卷速度及增進閱卷正確度,電子試卷已為目前市面上常見的作法。然而,若使用電子試卷進行測驗,則每一位考生皆需配有一台電腦或智慧型手機,對於偏鄉或資源不足的教育場所來說,是一筆龐大的硬體成本。若是使用畫卡式的答案卡及其讀卡機進行閱卷,則需要很高的硬體採購及維護成本,且除了試卷本身,每張試卷需再多消耗一張其對應的答案卡,非常不環保。
鑒於上述,本發明提供一種解決上述問題的自動閱卷方法及系統。
依據本發明一實施例的一種自動閱卷方法,包括一處理裝置執行:取得一當前試卷影像,其中該當前試卷影像上的一試卷筆跡具有一筆跡顏色;判斷該筆跡顏色是否為一指定顏色;若該筆跡顏色非為該指定顏色,判斷一資料庫是否存有一參考文字串列;當該資料庫存有該參考文字串列時,將該當前試卷影像對齊對應於該參考文字串列的一參考試卷影像,並利用多個參考座標比對該當前試卷影像與該參考試卷影像以輸出一閱卷分數;以及若該筆跡顏色為該指定顏色,辨識該試卷筆跡以將辨識結果儲存為該參考文字串列,及儲存該試卷筆跡在該當前試卷影像的多個位置座標為該些參考座標。
依據本發明一實施例的一種自動閱卷系統,包括:一資料庫;一攝影裝置,用於取得一當前試卷影像,及輸出該當前試卷影像,其中該當前試卷影像上的一試卷筆跡具有一筆跡顏色;以及一處理裝置,連接於該資料庫及該攝影裝置,該處理裝置用於取得該當前試卷影像,判斷該筆跡顏色是否為一指定顏色,若該筆跡顏色非為該指定顏色,該處理裝置判斷該資料庫是否存有一參考文字串列,當該資料庫存有該參考文字串列時,該處理裝置將該當前試卷影像對齊對應於該參考文字串列的一參考試卷影像,並利用多個參考座標比對該當前試卷影像與該參考試卷影像以輸出一閱卷分數,及若該筆跡顏色為該指定顏色,該處理裝置辨識該試卷筆跡以將辨識結果作為該參考文字串列存入該資料庫,及將該試卷筆跡在該當前試卷影像的多個位置座標作為該些參考座標存入該資料庫。
綜上所述,依據本發明一或多個實施例所示的自動閱卷方法及系統,能夠降低傳統試卷讀卡機的硬體及維護成本,且因考生不需另使用答案卡答題,具有環境友善的優勢。此外,依據本發明一或多個實施例所示的自動閱卷方法及系統,能夠增進批改手寫考卷的效率,閱卷者不用逐一比對答案,只需將試卷放到攝影裝置的鏡頭前,即可快速判知該試卷的分數,並可減少人為批改及計算的失誤。
以上之關於本揭露內容之說明及以下之實施方式之說明係用以示範與解釋本發明之精神與原理,並且提供本發明之專利申請範圍更進一步之解釋。
以下在實施方式中詳細敘述本發明之詳細特徵以及優點,其內容足以使任何熟習相關技藝者了解本發明之技術內容並據以實施,且根據本說明書所揭露之內容、申請專利範圍及圖式,任何熟習相關技藝者可輕易地理解本發明相關之目的及優點。以下之實施例係進一步詳細說明本發明之觀點,但非以任何觀點限制本發明之範疇。
請參考圖1,圖1係根據本發明一實施例所繪示的自動閱卷系統的方塊圖。本發明之閱卷系統1可包含處理裝置11、資料庫12及攝影裝置13。處理裝置11可電性或通訊連接於資料庫12及攝影裝置13。
處理裝置11可為中央處理器、可程式化邏輯裝置或特殊應用積體電路等,資料庫12可設置於記憶體內,其中所述記憶體可為非揮發性記憶體,例如為唯讀記憶體(ROM)或快閃記憶體(flash memory)等。在圖1的實施例中,資料庫12可架設於處理裝置11外的記憶體內,而在未繪示的另一實施例中,資料庫12可架設於處理裝置11內建的記憶體內。攝影裝置13為可用於拍攝靜態影像之裝置,例如用於拍攝試卷影像。
處理裝置11係用於對攝影裝置13拍攝的試卷影像進行筆跡顏色辨識,若辨識結果為筆跡顏色非為指示正確答案的指定顏色,則處理裝置11可將辨識結果與表示正確答案的文字串列進行比對或將試卷影像暫存進資料庫12;若辨識結果為筆跡顏色為指定顏色,則處理裝置11可進一步對試卷影像的文字進行筆跡辨識以產生表示正確答案的文字串列。
為了更詳細說明以上內容,請一併參考圖1、圖2及圖3,其中圖2係根據本發明一實施例所繪示的自動閱卷方法的流程圖,圖3係繪示試卷影像的示意圖。本發明的自動閱卷方法可由圖1的自動閱卷系統1執行,進一步而言,本發明的自動閱卷方法可由自動閱卷系統1的處理裝置11執行。
本發明的自動閱卷方法,如圖2所示,可包括:步驟S11:取得當前試卷影像,其中當前試卷影像上的試卷筆跡具有筆跡顏色;步驟S13:判斷筆跡顏色是否為指定顏色;當步驟S13判斷結果為是時,執行步驟S15:辨識試卷筆跡以將辨識結果儲存為參考文字串列,及儲存試卷筆跡在當前試卷影像的多個位置座標為多個參考座標;當步驟S13判斷結果為否時,執行步驟S17:判斷資料庫是否存有參考文字串列;當步驟S17判斷結果為是時,執行步驟S19:將當前試卷影像對齊對應於參考文字串列的參考試卷影像,及步驟S21:利用多個參考座標比對當前試卷影像與參考試卷影像以輸出閱卷分數;以及當步驟S17判斷結果為否時,執行步驟S23:輸出提示訊息。其中,圖1之步驟S23可為選擇性執行的步驟,意即,當步驟S17判斷結果為否時,自動閱卷方法可以不作動而終止。
於步驟S11及步驟S13中,處理裝置11從攝影裝置13取得當前試卷影像IMG,及透過例如RGB顏色通道(color channel)的方式辨識當前試卷影像上的試卷筆跡A1~A3的筆跡顏色,以判斷筆跡顏色是否為指定顏色。如前所述,指定顏色是用於指示正確答案的顏色,例如為紅色,但本發明不對指定顏色的具體顏色予以限制。舉例而言,若步驟S13的判斷結果為是,表示當前試卷影像IMG上的試卷筆跡A1~A3為正確答案,若步驟S13的判斷結果為否,表示當前試卷影像IMG上的試卷筆跡A1~A3為由考生所填寫之答案。
當處理裝置11於步驟S13判斷筆跡顏色為指定顏色時,當前試卷影像IMG可作為參考試卷。因此,於步驟S15中,處理裝置11對當前試卷影像IMG上的試卷筆跡A1~A3進行筆跡辨識,以將辨識結果儲存為參考文字串列,及儲存試卷筆跡A1~A3在當前試卷影像IMG的多個位置座標作為多個參考座標。參考文字串列係由正確答案所依序組成的串列,例如為按照當前試卷影像IMG上的題號依序排列正確答案所組成之串列。以圖3為例,當步驟S13的判斷結果為試卷筆跡A1~A3的筆跡顏色為指定顏色時,於步驟S15中,參考文字串列可為「1–4–2」,參考座標可為試卷筆跡A1~A3中的每一者在當前試卷影像IMG上的位置座標。
進一步而言,於步驟S15中,處理裝置11可從當前試卷影像IMG擷取出對應的多個參考區塊,其中參考區塊係圈圍試卷筆跡A1~A3的區塊,該些參考區塊的每一者較佳具有相同的尺寸,例如為28像素
28像素,及處理裝置11可對當前試卷影像IMG執行影像處理程序以儲存試卷筆跡A1~A3在當前試卷影像IMG上的該些參考座標,例如找出試卷筆跡A1~A3的輪廓,及將該些輪廓的像素位置座標儲存為該些參考座標。因此,於步驟S15,處理裝置11可將尺寸統一的該些參考區塊輸入至類神經網路模型辨識試卷筆跡A1~A3以產生1、4及2的辨識結果,進而將辨識結果儲存為「1–4–2」的參考文字串列。本領域具有通常知識者應能理解所述類神經網路模型可為經處理裝置11內建的資料庫所存之資料訓練後的模型,舉例來說,可預先收集各種形態的目標(例如筆跡)影像,將這些影像作為輸入層,然後以類神經網路訓練得到一個用於判斷目標的模型。所述的類神經網路例如為卷積神經網路(Convolutional Neural Network,CNN)、遞歸神經網路(Recurrent Neural Network,RNN)、深度神經網路(Deep Neural Network,DNN),故不再於此贅述。
當處理裝置11於步驟S13判斷筆跡顏色非為指定顏色時,於步驟S17中,處理裝置11進一步判斷資料庫12是否存有參考文字串列。換言之,當步驟S13的判斷結果為否,表示當前試卷影像IMG為考生所填寫之試卷,故處理裝置11進一步判斷資料庫12是否已存有可用於計算閱卷分數的正確答案(參考文字串列)。
當處理裝置11於步驟S17判斷資料庫12存有參考文字串列時,表示資料庫12已存有先前從參考試卷影像取得的參考文字串列,及對應參考文字串列多個參考座標。因此,於步驟S19中,處理裝置11將參考試卷影像對齊於當前試卷影像IMG。接著,於步驟S21中,處理裝置11找出當前試卷影像IMG中位於參考座標上的試卷筆跡,以比對當前試卷影像IMG上的試卷筆跡與參考試卷影像上的試卷筆跡以計算並輸出當前試卷影像IMG對應的閱卷分數。當處理裝置11於步驟S17判斷資料庫12未存有參考文字串列時,於步驟S23中,處理裝置11可輸出提示訊息至連接於其的顯示器,以提醒使用者需提供記載正確答案的參考試卷影像。據此,能夠降低傳統試卷讀卡機的硬體及維護成本,且因考生不需另使用答案卡填答,具有環境友善的優勢。
請接著一併參考圖1及圖4,其中圖4係繪示圖2的步驟S19的子步驟的流程圖。具體地,如圖4所示,將當前試卷影像對齊對應於參考文字串列的參考試卷影像的步驟S19可包括:步驟S191:從當前試卷影像提取多個當前特徵點;步驟S193:依據該些當前特徵點與多個參考特徵點取得單應性矩陣;以及步驟S195:依據單應性矩陣對當前試卷影像進行映射變換以使當前試卷影像對齊參考試卷影像。
需先說明的是,處理裝置11可在執行步驟S19之前或執行步驟S19時,從參考試卷影像提取多個參考特徵點,以用於對齊當前試卷影像與參考試卷影像。具體來說,於一實施樣態中,處理裝置11可於透過步驟S13判斷該試卷影像上的筆跡顏色為指定顏色時即提取該試卷影像上的多個特徵點,將該試卷影像作為參考試卷影像及將該些特徵點儲存為該些參考特徵點;於另一實施樣態中,處理裝置11可在先前取得指示正確答案的試卷影像(即參考試卷影像)時將其儲存起來,以在從當前試卷影像提取多個當前特徵點的同時(或在從當前試卷影像提取多個當前特徵點之前,或在從當前試卷影像提取多個當前特徵點之後),從所儲存的參考試卷影像提取該些參考特徵點。
於步驟S191,處理裝置11可透過例如特徵提取演算法(Oriented FAST and Rotated BRIEF,ORB)在當前試卷影像上搜尋與該些參考特徵點相似的該些當前特徵點。接著,於步驟S193,處理裝置11依據該些參考特徵點及該些當前特徵點取得單應性(homography)矩陣,及於步驟S195依據單應性矩陣將當前試卷影像映射(map)至參考試卷影像,以使當前試卷影像對齊參考試卷影像。據此,於後續的步驟S21,處理裝置11可更快速地在當前試卷影像上找到試卷筆跡的位置,進而更快速地計算出閱卷分數。
為了更詳細說明計算閱卷分數的方法,請一併參考圖1、圖5及圖6,其中圖5係繪示圖2的步驟S21的子步驟的流程圖,圖6係繪示當前區塊的示例圖。另需先說明的是,圖6所示的當前區塊B1~B3是取自圖3的當前試卷影像IMG,且是基於圖3的當前試卷影像IMG非為參考試卷影像的判斷結果所繪示。
如圖5所示,利用多個參考座標比對當前試卷影像與參考試卷影像以輸出閱卷分數的步驟S21可包括:步驟S211:依據該些參考座標從當前試卷影像擷取出多個當前區塊;步驟S213:辨識該些當前區塊以將辨識結果組成作為當前文字串列;以及步驟S215:依據當前文字串列與參考文字串列之間的相符程度計算出閱卷分數。
於步驟S211,處理裝置11係根據參考座標從當前試卷影像擷取出多個當前區塊B1~B3,以較快速地取得當前區塊B1~B3,其中該些當前區塊B1~B3係分別圈圍試卷筆跡的區塊,當前區塊B1~B3的每一者較佳具有相同的尺寸,例如為28像素
28像素。此外,於執行步驟S211時,處理裝置11還可將試卷筆跡置中於對應的當前區塊。舉例而言,處理裝置11可將「1」置中於當前區塊B1;將「4」置中於當前區塊B2;及將「2」置中於當前區塊B3。於步驟S213,處理裝置11透過如上述的經訓練後的類神經網路模型辨識出當前區塊B1~B3所對應的文字分別為1、4及2,再以串列的方式將辨識出的文字記錄為「1–4–2」的當前文字串列。接著,於步驟S215,處理裝置11可比對當前文字串列與已預存於資料庫12的參考文字串列的相符程度,以計算出當前文字串列對應的閱卷分數。具體而言,相符程度與閱卷分數呈正相關性。
請接著參考圖1及圖7,其中圖7係根據本發明另一實施例所繪示的自動閱卷方法的流程圖。圖7的實施例的自動閱卷方法可包括步驟S11到步驟S26,且圖7所示的步驟S11、S13、S15、S19及S21與圖2所示的步驟S11、S13、S15、S19及S21相同,故不再於此贅述。圖7與圖2的不同處在於,圖7的實施例可省略圖2的步驟S23,且圖7的實施例可更包括在步驟S17判斷結果為否時,執行:步驟S18:儲存當前試卷影像為歷史試卷影像;步驟S20:取得第二試卷影像作為當前試卷影像;步驟S22:判斷筆跡顏色是否為指定顏色;當步驟S22判斷結果為是時,執行步驟S24:辨識試卷筆跡以將辨識結果儲存為參考文字串列,及儲存試卷筆跡在當前試卷影像的參考座標,及步驟S26:將歷史試卷影像對齊對應於參考文字串列的參考試卷影像,並利用該些參考座標比對歷史試卷影像與參考試卷影像以輸出另一閱卷分數;以及當步驟S22判斷結果為否時,再次執行步驟S17。
如前所述,當於步驟S17判斷資料庫12未存有參考文字串列時,表示當前試卷影像為考生所填寫之試卷,而目前資料庫12仍未存有指示正確答案的參考文字串列。因此,當步驟S17的判斷結果為否時,處理裝置11可執行步驟S18,將當前試卷影像作為歷史試卷影像存入資料庫12,以供後續在取得參考文字串列後,可自資料庫12取得歷史試卷影像以計算閱卷分數。接著,於步驟S20及步驟S22中,處理裝置11可從攝影裝置13取得另一試卷影像(即第二試卷影像)作為另一當前試卷影像,及對所述另一當前試卷影像再次執行判斷筆跡顏色是否為指定顏色。若步驟S22的判斷結果為否,表示第二試卷影像仍非含正確答案的參考影像,故處理裝置11再次執行步驟S17;若步驟S22的判斷結果為是,表示第二試卷影像含正確答案且可作為參考影像,處理裝置11接著執行步驟S24。於步驟S24中,處理裝置11辨識第二試卷影像的試卷筆跡,以根據辨識結果將參考文字串列存入資料庫12,以及將試卷筆跡在第二試卷影像上的參考座標存入資料庫12,其中步驟S24的實現方式可與步驟S15相同,故不於此贅述。接著,於步驟S26中,處理裝置11將資料庫12所存的歷史試卷影像對齊對應於參考文字串列的參考試卷影像,並利用該些參考座標比對歷史試卷影像與參考試卷影像以輸出另一閱卷分數,其中步驟S26所述的參考文字串列即為於步驟S24辨識出的文字串列,步驟S26所述的參考試卷影像即為於步驟S20取得的第二試卷影像,而步驟S26所述的該些參考座標即為試卷筆跡在第二試卷影像上的座標。具體地,處理裝置11同樣可透過圖4所示的步驟S191到S195將歷史試卷影像對齊於參考試卷影像,及可透過圖5所示的步驟S211到S215比對當前試卷影像與參考試卷影像以輸出閱卷分數。
在未繪示的另一實施例中,當步驟S17的判斷結果為否時,處理裝置11還可一併執行圖2的步驟S23及圖7的步驟S18。
綜上所述,依據本發明一或多個實施例所示的自動閱卷方法及系統,能夠降低傳統試卷讀卡機的硬體及維護成本,且因考生不需另使用答案卡答題,具有環境友善的優勢。此外,依據本發明一或多個實施例所示的自動閱卷方法及系統,能夠增進批改手寫考卷的效率,閱卷者不用逐一比對答案,只需將試卷放到攝影裝置(如圖1之攝影裝置13)的鏡頭前,即可快速判知該試卷的分數,並可減少人為批改及計算的失誤。
雖然本發明以前述之實施例揭露如上,然其並非用以限定本發明。在不脫離本發明之精神和範圍內,所為之更動與潤飾,均屬本發明之專利保護範圍。關於本發明所界定之保護範圍請參考所附之申請專利範圍。
1:自動閱卷系統
11:處理裝置
12:資料庫
13:攝影裝置
IMG:當前試卷影像
A1,A2,A3:試卷筆跡
B1,B2,B3:當前區塊
S11,S13,S15,S17,S18,S19,S20,S21,S22,S23,S24.S26,S191,S193,S195,S211,S213,S215:步驟
圖1係根據本發明一實施例所繪示的自動閱卷系統的方塊圖。
圖2係根據本發明一實施例所繪示的自動閱卷方法的流程圖。
圖3係繪示試卷影像的示意圖。
圖4係繪示圖2的步驟S19的子步驟的流程圖。
圖5係繪示圖2的步驟S21的子步驟的流程圖。
圖6係繪示當前區塊的示例圖。
圖7係根據本發明另一實施例所繪示的自動閱卷方法的流程圖。
S11,S13,S15,S17,S19,S21,S23:步驟
Claims (8)
- 一種自動閱卷方法,該方法包含以一處理裝置執行:取得一當前試卷影像,其中該當前試卷影像上的一試卷筆跡具有一筆跡顏色;判斷該筆跡顏色是否為一指定顏色;若該筆跡顏色非為該指定顏色,判斷一資料庫是否存有一參考文字串列;當該資料庫存有該參考文字串列時,將該當前試卷影像對齊對應於該參考文字串列的一參考試卷影像,並利用多個參考座標比對該當前試卷影像與該參考試卷影像以輸出一閱卷分數;以及若該筆跡顏色為該指定顏色,辨識該試卷筆跡以將辨識結果儲存為該參考文字串列,及儲存該試卷筆跡在該當前試卷影像的多個位置座標為該些參考座標。
- 如請求項1所述的自動閱卷方法,其中利用該些參考座標比對該當前試卷影像與該參考試卷影像包含:依據該些參考座標從該當前試卷影像擷取出多個當前區塊;辨識該些當前區塊以將辨識結果組成一當前文字串列;以及依據該當前文字串列與該參考文字串列之間的一相符程度計算出該閱卷分數,其中該相符程度與該閱卷分數呈正相關性。
- 如請求項1所述的自動閱卷方法,更包含從該參考試卷影像提取多個參考特徵點,其中將該當前試卷影像對齊對應於該參考文字串列的該參考試卷影像包含: 從該當前試卷影像提取多個當前特徵點;依據該些當前特徵點與該些參考特徵點取得一單應性矩陣;以及依據該單應性矩陣對該當前試卷影像進行映射變換以使該當前試卷影像對齊該參考試卷影像。
- 如請求項1所述的自動閱卷方法,更包含當該資料庫未存有該參考文字串列時,以該處理裝置執行:儲存該當前試卷影像為一歷史試卷影像;在儲存該歷史試卷影像之後,取得一第二試卷影像以作為該當前試卷影像;再次執行判斷該筆跡顏色是否為該指定顏色;以及在儲存該參考文字串列及該些參考座標之後,將該歷史試卷影像對齊對應於該參考文字串列的該參考試卷影像,並利用該些參考座標比對該歷史試卷影像與該參考試卷影像以輸出另一閱卷分數。
- 一種自動閱卷系統,包含:一資料庫;一攝影裝置,用於取得一當前試卷影像,及輸出該當前試卷影像,其中該當前試卷影像上的一試卷筆跡具有一筆跡顏色;以及一處理裝置,連接於該資料庫及該攝影裝置,該處理裝置用於取得該當前試卷影像,判斷該筆跡顏色是否為一指定顏色,若該筆跡顏色非為該指定顏色,該處理裝置判斷該資料庫是否存有一參考文字串列,當該資料庫存有該參考文字串列時,該處理裝置將該當 前試卷影像對齊對應於該參考文字串列的一參考試卷影像,並利用多個參考座標比對該當前試卷影像與該參考試卷影像以輸出一閱卷分數,及若該筆跡顏色為該指定顏色,該處理裝置辨識該試卷筆跡以將辨識結果作為該參考文字串列存入該資料庫,及將該試卷筆跡在該當前試卷影像的多個位置座標作為該些參考座標存入該資料庫。
- 如請求項5所述的自動閱卷系統,其中該處理裝置利用該些參考座標比對該當前試卷影像與該參考試卷影像包含:依據該些參考座標從該當前試卷影像擷取出多個當前區塊;辨識該些當前區塊以將辨識結果組成一當前文字串列;以及依據該當前文字串列與該參考文字串列之間的一相符程度計算出該閱卷分數,其中該相符程度與該閱卷分數呈正相關性。
- 如請求項5所述的自動閱卷系統,其中該處理裝置更從該參考試卷影像提取多個參考特徵點,該處理裝置將該當前試卷影像對齊對應於該參考文字串列的該參考試卷影像包含:從該當前試卷影像提取多個當前特徵點;依據該些當前特徵點與該些參考特徵點取得一單應性矩陣;以及依據該單應性矩陣對該當前試卷影像進行映射變換以使該當前試卷影像對齊該參考試卷影像。
- 如請求項5所述的自動閱卷系統,其中該處理裝置更執行: 當該資料庫未存有該參考文字串列時,儲存該當前試卷影像為一歷史試卷影像;在儲存該歷史試卷影像之後,取得一第二試卷影像以作為該當前試卷影像;再次執行判斷該筆跡顏色是否為該指定顏色;以及在儲存該參考文字串列及該些參考座標之後,將該歷史試卷影像對齊對應於該參考文字串列的該參考試卷影像,並利用該些參考座標比對該歷史試卷影像與該參考試卷影像以輸出另一閱卷分數。
Priority Applications (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
TW111114955A TWI799236B (zh) | 2022-04-20 | 2022-04-20 | 自動閱卷方法及系統 |
US18/136,309 US20230343120A1 (en) | 2022-04-20 | 2023-04-18 | Automatic scoring method and system |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
TW111114955A TWI799236B (zh) | 2022-04-20 | 2022-04-20 | 自動閱卷方法及系統 |
Publications (2)
Publication Number | Publication Date |
---|---|
TWI799236B true TWI799236B (zh) | 2023-04-11 |
TW202343386A TW202343386A (zh) | 2023-11-01 |
Family
ID=86948659
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
TW111114955A TWI799236B (zh) | 2022-04-20 | 2022-04-20 | 自動閱卷方法及系統 |
Country Status (2)
Country | Link |
---|---|
US (1) | US20230343120A1 (zh) |
TW (1) | TWI799236B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117934976B (zh) * | 2024-03-22 | 2024-05-28 | 济南科明数码技术股份有限公司 | 基于ai的尺规制图作业自动批改系统及方法 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105760869A (zh) * | 2016-02-29 | 2016-07-13 | 武汉颂大教育科技股份有限公司 | 一种基于图像灰度识别及处理的阅卷方法 |
CN106709492A (zh) * | 2016-12-15 | 2017-05-24 | 网易(杭州)网络有限公司 | 试卷图像处理方法、设备和计算机可读存储介质 |
CN108932508A (zh) * | 2018-08-13 | 2018-12-04 | 杭州大拿科技股份有限公司 | 一种题目智能识别、批改的方法和系统 |
-
2022
- 2022-04-20 TW TW111114955A patent/TWI799236B/zh active
-
2023
- 2023-04-18 US US18/136,309 patent/US20230343120A1/en active Pending
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105760869A (zh) * | 2016-02-29 | 2016-07-13 | 武汉颂大教育科技股份有限公司 | 一种基于图像灰度识别及处理的阅卷方法 |
CN106709492A (zh) * | 2016-12-15 | 2017-05-24 | 网易(杭州)网络有限公司 | 试卷图像处理方法、设备和计算机可读存储介质 |
CN108932508A (zh) * | 2018-08-13 | 2018-12-04 | 杭州大拿科技股份有限公司 | 一种题目智能识别、批改的方法和系统 |
Also Published As
Publication number | Publication date |
---|---|
US20230343120A1 (en) | 2023-10-26 |
TW202343386A (zh) | 2023-11-01 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110232311B (zh) | 手部图像的分割方法、装置及计算机设备 | |
Liao et al. | Textboxes++: A single-shot oriented scene text detector | |
WO2021027336A1 (zh) | 基于印章和签名的身份验证方法、装置和计算机设备 | |
CN110569878B (zh) | 一种基于卷积神经网络的照片背景相似度聚类方法及计算机 | |
CN108229509B (zh) | 用于识别物体类别的方法及装置、电子设备 | |
CN110263694A (zh) | 一种票据识别方法及装置 | |
CN111291629A (zh) | 图像中文本的识别方法、装置、计算机设备及计算机存储介质 | |
CN111507251A (zh) | 试题图像中作答区域的定位方法、装置和电子设备 | |
WO2019033570A1 (zh) | 嘴唇动作分析方法、装置及存储介质 | |
WO2021232670A1 (zh) | 一种pcb元件识别方法及装置 | |
CN112396047B (zh) | 训练样本生成方法、装置、计算机设备和存储介质 | |
CN111144372A (zh) | 车辆检测方法、装置、计算机设备和存储介质 | |
CN113490947A (zh) | 检测模型训练方法、装置、检测模型使用方法及存储介质 | |
TWI799236B (zh) | 自動閱卷方法及系統 | |
CN112347997A (zh) | 一种试题检测识别方法、装置、电子设备及介质 | |
CN116897012A (zh) | 中医体质识别方法、装置、电子设备、存储介质及程序 | |
CN112036304A (zh) | 医疗票据版面识别的方法、装置及计算机设备 | |
CN110796145A (zh) | 基于智能决策的多证件分割关联方法及相关设备 | |
CN104915641B (zh) | 基于android平台获取人脸图像光源方位的方法 | |
CN113780116A (zh) | 发票分类方法、装置、计算机设备和存储介质 | |
CN116629270B (zh) | 基于考试大数据以及文本语义的主观题评分方法和装置 | |
CN112991410A (zh) | 一种文本图像配准方法、电子设备及其存储介质 | |
CN110210465A (zh) | 一种数据采集的方法及系统 | |
CN111325194B (zh) | 一种文字识别方法、装置及设备、存储介质 | |
CN113516131A (zh) | 图像处理方法、装置、设备和存储介质 |