[發(fā)明專利]基于FHOG特征的試卷分數自動統(tǒng)計方法和裝置有效
| 申請?zhí)枺?/td> | 201910030223.5 | 申請日: | 2019-01-14 |
| 公開(公告)號: | CN109740618B | 公開(公告)日: | 2022-11-04 |
| 發(fā)明(設計)人: | 趙運基;馬義超;劉曉光;張新良;范存良 | 申請(專利權)人: | 河南理工大學 |
| 主分類號: | G06V30/18 | 分類號: | G06V30/18;G06V10/762;G06V30/19;G06V30/226 |
| 代理公司: | 廣州智斧知識產權代理事務所(普通合伙) 44649 | 代理人: | 孔德超 |
| 地址: | 454000 河南*** | 國省代碼: | 河南;41 |
| 權利要求書: | 查看更多 | 說明書: | 查看更多 |
| 摘要: | |||
| 搜索關鍵詞: | 基于 fhog 特征 試卷 分數 自動 統(tǒng)計 方法 裝置 | ||
1.一種基于FHOG特征的試卷分數自動統(tǒng)計方法,其特征在于,包括以下步驟:
S1、對Mnist樣本數據庫中的每個單數字手寫樣本以及NIST SD19樣本數據庫中的每個雙數字手寫樣本進行尺度變換,分別得到每個單數字手寫樣本對應的單數字手寫樣本圖像和每個雙數字手寫樣本對應的雙數字手寫樣本圖像;
S2、提取單數字手寫樣本圖像和雙數字手寫樣本圖像的SP-FHOG特征;
S3、將單數字手寫樣本圖像的SP-FHOG特征和雙數字手寫樣本圖像的SP-FHOG特征分別輸入神經網絡中進行訓練,分別得到單數字識別模型和雙數字識別模型,將單數字手寫樣本圖像的SP-FHOG特征和雙數字手寫樣本圖像的SP-FHOG特征同時輸入神經網絡中進行訓練,得到數字數目識別模型;
S4、對目標試卷圖像進行預處理,得到多個分割結果圖像,提取每個分割結果圖像的SP-FHOG特征;
S5、將所述分割結果圖像的SP-FHOG特征輸入到數字數目識別模型中進行識別,如果數字數目識別模型識別的結果為1,則將所述分割結果圖像的SP-FHOG特征輸入至單數字識別模型進行識別,得到單數字識別結果;如果數字數目識別模型識別的結果為2,則將所述分割結果圖像的SP-FHOG特征輸入至雙數字識別模型進行識別,得到雙數字識別結果;
其中,提取單數字手寫樣本圖像或雙數字手寫樣本圖像或分割結果圖像的SP-FHOG特征的方法包括:
S11、對所述單數字手寫樣本圖像或雙數字手寫樣本圖像或分割結果圖像進行分割,得到3×3個cell,計算得到3×3個cell中每個cell的FHOG特征,記為局部FHOG特征;每個單數字手寫樣本圖像或雙數字手寫樣本圖像或分割結果圖像共包括9個局部FHOG特征;
S12、對所述3×3個cell,應用2×2大小步長為一個cell的重疊統(tǒng)計池化方法,將3×3個cell轉換為2×2個cell,計算得到2×2個cell中每個cell的FHOG特征,記為FHOGR特征;每個單數字手寫樣本圖像或雙數字手寫樣本圖像或分割結果圖像共包括4個FHOGR特征;
S13、將所述2×2個cell作為一個整體,獲得該整體的FHOG特征,記為FHOGAll特征;
S14、將每個單數字手寫樣本圖像或雙數字手寫樣本圖像或分割結果圖像對應的9個局部FHOG特征、4個FHOGR特征以及1個FHOGAll特征進行串聯,得到最終的SP-FHOG特征。
2.根據權利要求1所述的基于FHOG特征的試卷分數自動統(tǒng)計方法,其特征在于,所述神經網絡采用DBN網絡。
3.根據權利要求1所述的基于FHOG特征的試卷分數自動統(tǒng)計方法,其特征在于,對Mnist樣本數據庫中的每個單數字手寫樣本以及NIST SD19樣本數據庫中的每個雙數字手寫樣本進行尺度變換,包括:
對每個單數字手寫樣本的尺度進行變換,每個單數字手寫樣本尺度變換后得到的單數字手寫樣本圖像均為6個,6個單數字手寫樣本圖像的尺寸分別為16×16、32×32、48×48、64×64、80×80、96×96;
對每個雙數字手寫樣本的尺度進行變換,每個雙數字手寫樣本尺度變換后得到的雙數字手寫樣本圖像均為6個,6個雙數字手寫樣本圖像的尺寸分別為16×16、32×32、48×48、64×64、80×80、96×96。
該專利技術資料僅供研究查看技術是否侵權等信息,商用須獲得專利權人授權。該專利全部權利屬于河南理工大學,未經河南理工大學許可,擅自商用是侵權行為。如果您想購買此專利、獲得商業(yè)授權和技術合作,請聯系【客服】
本文鏈接:http://www.szxzyx.cn/pat/books/201910030223.5/1.html,轉載請聲明來源鉆瓜專利網。





