[發(fā)明專利]智能閱卷系統(tǒng)無定位點圖像識別方法及系統(tǒng)

在審

• 申請?zhí)枺?/td>: 201710807657.2
• 申請日: 2017-09-08
• 公開（公告）號: CN107506746A
• 公開（公告）日: 2017-12-22
• 發(fā)明（設(shè)計）人: 黎冬媛;朱春媚;鄒昆;周文輝
• 申請（專利權(quán)）人: 電子科技大學(xué)中山學(xué)院
• 主分類號: G06K9/00
• 分類號: G06K9/00;G06K9/62
• 代理公司: 北京超凡志成知識產(chǎn)權(quán)代理事務(wù)所(普通合伙)11371
• 代理人: 王寧寧

技術(shù)領(lǐng)域

本發(fā)明涉及圖像處理的技術(shù)領(lǐng)域，尤其是涉及一種智能閱卷系統(tǒng)無定位點圖像識別方法及系統(tǒng)。

背景技術(shù)

隨著互聯(lián)網(wǎng)的發(fā)展，數(shù)字化已經(jīng)成為人們生活中不可或缺的一部分。在追求快速、高效、準確的大背景前提下，傳統(tǒng)方式的人工閱卷已經(jīng)逐漸不能滿足人們?nèi)找嬖鲩L的需求。人工閱卷的方式，效率低，而且容易出現(xiàn)誤判，紙質(zhì)試卷在傳輸過程中也需要消耗大量的人力物力。因此，數(shù)字化閱卷系統(tǒng)成為了一種必然的趨勢。通過掃描儀將試卷保存成數(shù)字圖像，再用計算機程序?qū)ζ溥M行處理，可大大提升閱卷效率。而傳統(tǒng)的試卷中，根據(jù)類型分成兩大類：一是有定位點試卷，這種試卷通過四個邊角上的小正方形或三角形對題目進行定位，從而實現(xiàn)客觀題識別和主觀題切割；二是無定位的試卷，這個類型的試卷沒有固定的定位點，因試卷而異，沒有辦法用傳統(tǒng)的定位方式對其進行定位，因此需要尋找別的定位方法。

針對上述問題，還未提出有效解決方案。

發(fā)明內(nèi)容

有鑒于此，本發(fā)明的目的在于提供一種智能閱卷系統(tǒng)無定位點圖像識別方法及系統(tǒng)，以緩解了現(xiàn)有技術(shù)中存在的無法自適應(yīng)地采用多種定位方法實現(xiàn)對試卷圖像的精確定位和識別的技術(shù)問題。

第一方面，本發(fā)明實施例提供了一種智能閱卷系統(tǒng)無定位點圖像識別方法，包括：獲取待處理的試卷樣本；對所述試卷樣本進行學(xué)習(xí)處理，得到學(xué)習(xí)結(jié)果，其中，所述學(xué)習(xí)結(jié)果包括：所述試卷樣本的考號區(qū)域信息，客觀題區(qū)域信息，主觀題區(qū)域信息；獲取待處理的目標試卷；基于所述學(xué)習(xí)結(jié)果，自適應(yīng)地采用多種處理算法中的至少一種算法對所述目標試卷進行識別，得到所述目標試卷的識別結(jié)果，其中，所述識別結(jié)果包括以下信息：所述目標試卷的考號區(qū)域信息，所述目標試卷的客觀題區(qū)域信息，所述目標試卷的主觀題區(qū)域信息。

進一步地，獲取待處理的試卷樣本包括：對原始試卷樣本進行二值化處理，得到二值化處理之后的所述原始試卷樣本；對二值化處理之后的所述試卷樣本進行糾偏處理，得到糾偏之后的所述原始試卷樣本，并將糾偏之后的所述原始試卷樣本作為所述待處理的試卷樣本。

進一步地，對所述試卷樣本進行學(xué)習(xí)處理，得到學(xué)習(xí)結(jié)果包括：在所述試卷樣本中尋找至少一個定位區(qū)域，其中，所述定位區(qū)域中包括定位點；基于所述至少一個定位區(qū)域的定位點對所述試卷樣本進行學(xué)習(xí)，得到所述學(xué)習(xí)結(jié)果。

進一步地，所述學(xué)習(xí)結(jié)果包括所述考號區(qū)域信息，基于所述至少一個定位區(qū)域的定位點對所述試卷樣本進行學(xué)習(xí)，得到所述學(xué)習(xí)結(jié)果包括：在所述至少一個定位區(qū)域中不包括考號區(qū)域的情況下，獲取用戶發(fā)送的第一定位指令，其中，所述第一定位指令為在所述試卷樣本中定位第一模板圖像的指令；在獲取到所述第一定位指令之后，實時監(jiān)測所述用戶所框選的區(qū)域，并將所述用戶所框選的區(qū)域作為所述第一模板圖像；在獲取到所述用戶發(fā)送的第一框選指令之后，進入框選所述考號區(qū)域的第一模式；在所述第一模式下，實時監(jiān)測所述用戶框選的考號區(qū)域，并記錄所述考號區(qū)域的信息。

進一步地，所述學(xué)習(xí)結(jié)果包括所述客觀題區(qū)域信息，基于所述至少一個定位區(qū)域的定位點對所述試卷樣本進行學(xué)習(xí)，得到所述學(xué)習(xí)結(jié)果包括：在所述至少一個定位區(qū)域中不包括客觀題區(qū)域的情況下，獲取用戶發(fā)送的第二定位指令，其中，所述第二定位指令為在所述試卷樣本中定位第二模板圖像的指令；在獲取到所述第二定位指令之后，實時監(jiān)測所述用戶所框選的區(qū)域，并將所述用戶所框選的區(qū)域作為所述第二模板圖像；在獲取到所述用戶發(fā)送的第二框選指令之后，進入框選所述客觀題區(qū)域的第二模式；在所述第二模式下，實時監(jiān)測所述用戶框選的客觀題區(qū)域，并記錄所述客觀題區(qū)域的信息。

進一步地，所述學(xué)習(xí)結(jié)果包括所述主觀題區(qū)域信息，基于所述至少一個定位區(qū)域的定位點對所述試卷樣本進行學(xué)習(xí)，得到所述學(xué)習(xí)結(jié)果包括：在所述至少一個定位區(qū)域中包括主觀題區(qū)域的情況下，獲取到用戶發(fā)送的第二框選指令；在獲取到所述用戶發(fā)送的第二框選指令之后，進入框選所述主觀題區(qū)域的第三模式；在所述第三模式下，實時監(jiān)測所述用戶框選的主觀題區(qū)域，并記錄所述主觀題區(qū)域的信息。

進一步地，在所述試卷樣本中尋找至少一個定位區(qū)域包括：通過以下至少一種處理算法在所述試卷樣本中尋找所述至少一個定位區(qū)域：模板匹配算法和矩形識別算法。

進一步地，對二值化處理之后的所述試卷樣本進行糾偏處理，得到糾偏之后的所述原始試卷樣本包括：對所述原始試卷樣板進行輪廓提取，得到至少一個輪廓；在所述至少一個輪廓中選擇面積最大的目標輪廓；對所述目標輪廓進行外接矩形處理，處理得到所述目標輪廓的傾斜角度；基于所述傾斜角度對所述原始試卷樣本進行旋轉(zhuǎn)操作，得到糾偏之后的所述原始試卷樣本。