CN106778750A - 一种答题卡识别点精确定位方法及系统 - Google Patents
一种答题卡识别点精确定位方法及系统 Download PDFInfo
- Publication number
- CN106778750A CN106778750A CN201710031035.5A CN201710031035A CN106778750A CN 106778750 A CN106778750 A CN 106778750A CN 201710031035 A CN201710031035 A CN 201710031035A CN 106778750 A CN106778750 A CN 106778750A
- Authority
- CN
- China
- Prior art keywords
- identification point
- standard
- identified
- completion
- card graphic
- 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.)
- Granted
Links
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/20—Image preprocessing
- G06V10/25—Determination of region of interest [ROI] or a volume of interest [VOI]
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/20—Image preprocessing
- G06V10/24—Aligning, centring, orientation detection or correction of the image
- G06V10/245—Aligning, centring, orientation detection or correction of the image by locating a pattern; Special marks for positioning
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Multimedia (AREA)
- Theoretical Computer Science (AREA)
- Electrically Operated Instructional Devices (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明属于答题卡识别技术领域,尤其涉及一种答题卡识别点精确定位方法及系统。本发明提供的方法或系统,首先对样本答题卡图像的各个标准识别点的坐标进行定位,并基于各个所述标准识别点的坐标,生成标准位置拓扑图;对所述标准位置拓扑图中的标准识别点进行遍历,并基于遍历到的标准识别点的坐标,查找待识别答题卡图像中与所述遍历到的标准识别点位置相匹配的识别点;若查找到所述位置匹配的识别点,则能够精确定位所述识别点,即完成对答题位置的精确定位。
Description
技术领域
本发明属于答题卡识别技术领域,尤其涉及一种答题卡识别点精确定位方法及系统。
背景技术
网上阅卷系统,是以计算机网络技术和电子扫描技术为依托,实现客观题自动阅卷,主观题网上评卷的一种计算机系统,其以公平、公正、准确、高效率等特性在各类考试中得到广泛的应用。其中,客观题自动阅卷是依托图像技术对考生填涂信息进行是否填涂的识别,一般包含两个步骤:第一步,对考生填涂位置定位,第二步,对定位出的位置进行是否填涂识别。因此,考生填涂位置的定位准确性会大大影响客观题自动阅卷结果的准确性。
现有的考生填涂位置定位技术一般采用如图7所示的同步头定位技术、或如图8所示的文字定位技术来实现填涂位置的间接定位。但是,使用同步头定位、或文字定位技术,由于答题位置是基于同步头或文字间接推算出的位置,坐标位置会出现误差,从而造成无法精确定位的情况。
发明内容
本发明提供了一种答题卡信息识别方法及系统,旨在解决现有技术中答题卡的答题位置无法精确定位的问题。
为解决上述技术问题,本发明提供了一种答题卡信息识别方法,所述方法包括:
对样本答题卡图像的各个标准识别点的坐标进行定位,并基于各个所述标准识别点的坐标,生成标准位置拓扑图;
对所述标准位置拓扑图中的标准识别点进行遍历,并基于遍历到的标准识别点的坐标,查找待识别答题卡图像中与所述遍历到的标准识别点位置相匹配的识别点;
若查找到所述位置匹配的识别点,则定位所述识别点;
其中,所述识别点为所述待识别答题卡图像的客观题填涂区的每一个填涂区,所述标准识别点为所述样本答题卡图像的客观题填涂区的每一个填涂区。
进一步地,所述对所述标准位置拓扑图中的标准识别点进行遍历,并基于遍历到的标准识别点的坐标,查找待识别答题卡图像中与所述遍历到的标准识别点位置相匹配的识别点;包括:
对所述标准位置拓扑图中的标准识别点进行遍历,并基于遍历到的标准识别点的坐标,计算所述标准识别点的长度和宽度、以及相邻两个标准识别点之间的间距;
基于所述标准识别点的长度和宽度、以及相邻两个标准识别点之间的间距,查找待识别答题卡图像中与所述遍历到的标准识别点位置相匹配的识别点。
进一步地,所述方法还包括:
计算所述待识别答题卡图像中,与所述标准识别点位置相匹配的所有识别点的个数,并计算所述个数占所述标准位置拓扑图中标准识别点总个数的百分比;
若所述百分比在预设补全参数范围内,则基于所述标准位置拓扑图中标准识别点的坐标对所述待识别答题卡图像中的识别点未匹配位置进行补全,以得到补全后的待识别答题卡图像;若所述百分比小于所述预设补全参数范围内的最小值,则确定所述待识别答题卡图像为不达标图像,无法对所述识别点进行精确定位,并发出报错警告或提示操作;若所述百分比大于所述预设补全参数范围内的最大值,则确定所述待识别答题卡图像为达标图像。
进一步地,所述基于所述标准位置拓扑图对所述待识别答题卡图像中的识别点缺失位置进行补全包括:基于所述每一个标准识别点的长度和宽度、以及相邻两个标准识别点之间的间距,对所述待识别答题卡图像中的识别点缺失位置进行补全。
进一步地,所述基于所述标准位置拓扑图对所述待识别答题卡图像中的识别点缺失位置进行补全,以得到补全后的待识别答题卡图像后包括:
计算所述补全后的待识别答题卡图像的识别点个数占所述标准位置拓扑图中标准识别点总个数的百分比;若所述百分比大于或等于所述预设补全参数范围内的最大值,则确定所述补全后的待识别答题卡图像为达标图像;若所述百分比小于所述预设补全参数范围内的最大值,则确定所述补全后的待识别答题卡图像为不达标图像,无法对所述识别点进行精确定位,并发出报错警告或提示操作。
本发明还提供了一种答题卡识别点精确定位系统,所述系统包括:
模版生成模块,用于对样本答题卡图像的各个标准识别点的坐标进行定位,并基于各个所述标准识别点的坐标,生成标准位置拓扑图;
匹配模块,用于对所述标准位置拓扑图中的标准识别点进行遍历,并基于遍历到的标准识别点的坐标,查找待识别答题卡图像中与所述遍历到的标准识别点位置相匹配的识别点;
定位模块,用于若查找到所述位置匹配的识别点,则定位所述识别点;
其中,所述识别点为所述待识别答题卡图像的客观题填涂区的每一个填涂区,所述标准识别点为所述样本答题卡图像的客观题填涂区的每一个填涂区。
进一步地,所述匹配模块包括:
模版遍历计算模块,用于对所述标准位置拓扑图中的标准识别点进行遍历,并基于遍历到的标准识别点的坐标,计算所述标准识别点的长度和宽度、以及相邻两个标准识别点之间的间距;
识别点匹配模块,用于基于所述标准识别点的长度和宽度、以及相邻两个标准识别点之间的间距,查找待识别答题卡图像中与所述遍历到的标准识别点位置相匹配的识别点。
进一步地,所述系统还包括匹配百分比计算模块以及识别点判断处理模块:
所述匹配百分比计算模块,用于计算所述待识别答题卡图像中,与所述标准识别点位置相匹配的所有识别点的个数,并计算所述个数占所述标准位置拓扑图中标准识别点总个数的百分比;
所述识别点判断处理模块包括:补全模块、第一提示模块以及第一确定模块;
所述补全模块,用于若所述百分比在预设补全参数范围内,则基于所述标准位置拓扑图中标准识别点的坐标对所述待识别答题卡图像中的识别点未匹配位置进行补全,以得到补全后的待识别答题卡图像;
所述第一提示模块,用于若所述百分比小于所述预设补全参数范围内的最小值,则确定所述待识别答题卡图像为不达标图像,无法对所述识别点进行精确定位,并发出报错警告或提示操作;
所述第一确定模块,用于若所述百分比大于所述预设补全参数范围内的最大值,则确定所述待识别答题卡图像为达标图像。
进一步地,所述基于所述标准位置拓扑图对所述待识别答题卡图像中的识别点缺失位置进行补全包括:基于所述每一个标准识别点的长度和宽度、以及相邻两个标准识别点之间的间距,对所述待识别答题卡图像中的识别点缺失位置进行补全。
进一步地,所述补全模块后还包括补全校验模块、第二确定模块以及第二提示模块:
所述补全校验模块,用于计算所述补全后的待识别答题卡图像的识别点个数占所述标准位置拓扑图中标准识别点总个数的百分比;
所述第二确定模块,用于若所述百分比大于或等于所述预设补全参数范围内的最大值,则确定所述补全后的待识别答题卡图像为达标图像;
所述第二提示模块,用于若所述百分比小于所述预设补全参数范围内的最大值,则确定所述补全后的待识别答题卡图像为不达标图像,无法对所述识别点进行精确定位,并发出报错警告或提示操作。
本发明与现有技术相比,有益效果在于:
本发明提供的方法或系统,首先对样本答题卡图像的各个标准识别点的坐标进行定位,并基于各个所述标准识别点的坐标,生成标准位置拓扑图;对所述标准位置拓扑图中的标准识别点进行遍历,并基于遍历到的标准识别点的坐标,查找待识别答题卡图像中与所述遍历到的标准识别点位置相匹配的识别点;若查找到所述位置匹配的识别点,则能够精确定位所述识别点,即完成对答题位置的精确定位。
附图说明
图1是本发明实施例提供的答题卡信息识别方法流程图;
图2是本发明实施例提供的答题卡信息识别方法流程图;
图3是本发明实施例提供的答题卡信息识别方法流程图;
图4是本发明实施例提供的答题卡信息识别系统示意图;
图5是本发明实施例提供的答题卡信息识别系统示意图;
图6是本发明实施例提供的需补全的答题卡图像示意图;
图7是本发明实施例提供的现有技术中答题卡图像示意图;
图8是本发明实施例提供的现有技术中答题卡图像示意图。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白,以下结合附图及实施例,对本发明进行进一步详细说明。应当理解,此处所描述的具体实施例仅仅用以解释本发明,并不用于限定本发明。
作为本发明的第一个实施例,如图1所示,本发明提供了一种答题卡信息识别方法,所述方法包括:
步骤S101:对样本答题卡图像的各个标准识别点的坐标进行定位,并基于各个所述标准识别点的坐标,生成标准位置拓扑图;
步骤S102:对所述标准位置拓扑图中的标准识别点进行遍历,并基于遍历到的标准识别点的坐标,查找待识别答题卡图像中与所述遍历到的标准识别点位置相匹配的识别点;
步骤S103:若查找到所述位置匹配的识别点,则定位所述识别点;
其中,所述识别点为所述待识别答题卡图像的客观题填涂区的每一个填涂区,所述标准识别点为所述样本答题卡图像的客观题填涂区的每一个填涂区。
综上所述,本发明第一个实施例所提供的方法首先对样本答题卡图像的各个标准识别点的坐标进行定位,并基于各个所述标准识别点的坐标,生成标准位置拓扑图;对所述标准位置拓扑图中的标准识别点进行遍历,并基于遍历到的标准识别点的坐标,查找待识别答题卡图像中与所述遍历到的标准识别点位置相匹配的识别点;若查找到所述位置匹配的识别点,则能够精确定位所述识别点,即完成对答题位置的精确定位。
作为本发明的第二个实施例,如图2和图3所示,本发明提供了一种答题卡信息识别方法,所述方法包括:
步骤S101:对样本答题卡图像的各个标准识别点的坐标进行定位,并基于各个所述标准识别点的坐标,生成标准位置拓扑图。
步骤S102:对所述标准位置拓扑图中的标准识别点进行遍历,并基于遍历到的标准识别点的坐标,查找待识别答题卡图像中与所述遍历到的标准识别点位置相匹配的识别点。如图3所示,步骤S102具体可包括以下步骤:
步骤S102-1:对所述标准位置拓扑图中的标准识别点进行遍历,并基于遍历到的标准识别点的坐标,计算所述标准识别点的长度和宽度、以及相邻两个标准识别点之间的间距。其中,可以按照预设的遍历规则对标准位置拓扑图中的标准识别点进行遍历,如以每行或每列为单位,一行一行或一列一列的遍历,或者以S型遍历顺序进行遍历等。
步骤S102-2:基于所述标准识别点的长度和宽度、以及相邻两个标准识别点之间的间距,查找待识别答题卡图像中与所述遍历到的标准识别点位置相匹配的识别点。
步骤S103:若查找到所述位置匹配的识别点,则定位所述识别点。若查找到位置匹配的识别点,则该标准识别点的坐标即为与该标准识别点相匹配的识别点的坐标,精确定位成功。在步骤S103之后,还可执行步骤S104。
步骤S104:计算所述待识别答题卡图像中,与所述标准识别点位置相匹配的所有识别点的个数,并计算所述个数占所述标准位置拓扑图中标准识别点总个数的百分比。
根据步骤S104中得到的百分比进行判断,基于判断的结果,或执行步骤S105-1,或执行步骤S105-2,或执行步骤S105-3。若所述百分比在所述预设补全参数范围内,则执行步骤S105-2;若所述百分比小于所述预设补全参数范围内的最小值,则执行步骤S105-1;若所述百分比大于所述预设补全参数范围内的最大值则执行步骤S105-3。在本实施例中,预设补全参数范围被设定为50%<=X<=95%,X表示百分比。其中,95%等这些参数的设定是根据实验得出的最优值,一般将参数设定在这个大小,已可以避免99%的答题卡误识别问题,如果当答题卡本身的印刷或者复印的效果太差时,可以适当的调整上述预设补全参数范围。
步骤S105-2:若所述百分比在所述预设补全参数范围内,则基于所述标准位置拓扑图中标准识别点的坐标对所述待识别答题卡图像中的识别点未匹配位置进行补全,以得到补全后的待识别答题卡图像。进一步地,所述基于所述标准位置拓扑图对所述待识别答题卡图像中的识别点缺失位置进行补全包括:基于所述每一个标准识别点的长度和宽度、以及相邻两个标准识别点之间的间距,对所述待识别答题卡图像中的识别点缺失位置进行补全。进一步地,在步骤S105-2之后,执行步骤S106。在本实施例中,当50%<=X<=95%时,则确定需要执行步骤S105-2的操作,需要进行补全。
步骤S105-1:若所述百分比小于所述预设补全参数范围内的最小值,则确定所述待识别答题卡图像为不达标图像,无法对所述识别点进行精确定位,并发出报错警告或提示操作。可以发出“图像不达标”等提示信息,从而使得用户在接受提醒后,对该待检测答题卡进行人工识别或处理等操作,进一步避免了对待检测答题卡的误识别问题。在本实施例中,当百分比小于50%时,则确定所述待识别答题卡图像为不达标图像。
步骤S105-3:若所述百分比大于所述预设补全参数范围内的最大值,则确定所述待识别答题卡图像为达标图像。即:得到的与标准坐标匹配的识别点的位置即为待识别答题卡的识别点的精确位置,定位结束。
步骤S106:计算所述补全后的待识别答题卡图像的识别点个数占所述标准位置拓扑图中标准识别点总个数的百分比。计算过程及计算方法可参考上述步骤S101至S104的内容。在步骤S106后,对补全后的百分比进行判断,基于判断的结果,或执行步骤S107-1,或执行步骤S107-2。若所述百分比大于或等于所述预设补全参数范围内的最大值,则执行步骤S107-1;若所述百分比小于所述预设补全参数范围内的最大值,则执行步骤S107-2。
步骤S107-1:若所述百分比大于或等于所述预设补全参数范围内的最大值,则确定所述补全后的待识别答题卡图像为达标图像;即:得到的与标准坐标匹配的识别点的位置即为待识别答题卡的识别点的精确位置,定位结束。
步骤S107-2:若所述百分比小于所述预设补全参数范围内的最大值,则确定所述补全后的待识别答题卡图像为不达标图像,无法对所述识别点进行精确定位,并发出报错警告或提示操作。可以发出“图像不达标”、或“补全失败”等提示信息,从而使得用户在接受提醒后,对该待检测答题卡进行人工识别或处理等操作,进一步避免了对待检测答题卡的误识别问题。
需要说明的是,步骤S105-2及其之后的步骤,主要是针对如图6所示的答题卡进行的处理,如图6所示的答题卡,由于印刷的问题而造成答题卡的矩形框的颜色太淡,即识别点的颜色太淡,从而造成无法查找或匹配到颜色太淡的识别点的问题。针对这个问题,就需要对无法查找或匹配到颜色太淡的识别点进行补全操作。
需要说明的是,在本实施例中进行补全操作时,只是对答题卡的答题区域的填涂框体进行定位和补全,而非学生填涂的答题内容,当出现如上述图6出现的问题时,当学生在进行答题时,即使答题卡印刷很淡,人眼还是可以看清的,同时还是可以进行正常填涂的,而本实施例仅需对填涂框体进行定位和补全,其填涂的答题内容则通过填涂识别技术进行识别即可,填涂识别技术为现有技术,在本发明中不详加赘述。
在本实施例中,在定位结束之后,还需要对答题卡进行识别,下面简单介绍一下对待识别答题卡的识别步骤:对识别点定位成功的客观题填涂区图像进行错位校验,并对校验成功的客观题填涂区图像进行填涂识别,以得到答案结果。
需要说明的是,上述的标准识别点或识别点,可以是矩形框、圆形框、小括弧框或者中括弧框,而本发明所提供的方法,尤其对矩形框和中括弧框格外适用。
在本实施例中,所述识别点为所述待识别答题卡图像的客观题填涂区的每一个填涂区,所述标准识别点为所述样本答题卡图像的客观题填涂区的每一个填涂区。
在实际应用中,现有的答题卡需要印刷上同步头,适应性大大减弱,如果碰到一些小的考试,每次在设计答题卡时还需要设计页面格式,以及印刷上同步头,大大浪费了人力以及成本,因此本发明所提供的方法或系统,更能够灵活的适用于一些小的考试,从而节约人力、物力。
综上所述,本发明第二个实施例所提供的方法首先对样本答题卡图像的各个标准识别点的坐标进行定位,并基于各个所述标准识别点的坐标,生成标准位置拓扑图;对所述标准位置拓扑图中的标准识别点进行遍历,并基于遍历到的标准识别点的坐标,查找待识别答题卡图像中与所述遍历到的标准识别点位置相匹配的识别点;若查找到所述位置匹配的识别点,则能够精确定位所述识别点,即完成对答题位置的精确定位。
作为本发明的第三个实施例,如图5所示,本发明提供了一种答题卡识别点精确定位系统,所述系统包括:
模版生成模块11,用于对样本答题卡图像的各个标准识别点的坐标进行定位,并基于各个所述标准识别点的坐标,生成标准位置拓扑图;
匹配模块22,用于对所述标准位置拓扑图中的标准识别点进行遍历,并基于遍历到的标准识别点的坐标,查找待识别答题卡图像中与所述遍历到的标准识别点位置相匹配的识别点;
定位模块33,用于若查找到所述位置匹配的识别点,则定位所述识别点;
其中,所述识别点为所述待识别答题卡图像的客观题填涂区的每一个填涂区,所述标准识别点为所述样本答题卡图像的客观题填涂区的每一个填涂区。
综上所述,本发明第三个实施例所提供的系统,模版生成模块11对样本答题卡图像的各个标准识别点的坐标进行定位,并基于各个所述标准识别点的坐标,生成标准位置拓扑图;匹配模块22,对所述标准位置拓扑图中的标准识别点进行遍历,并基于遍历到的标准识别点的坐标,查找待识别答题卡图像中与所述遍历到的标准识别点位置相匹配的识别点;定位模块33,若查找到所述位置匹配的识别点,则能够精确定位所述识别点,即完成对答题位置的精确定位。
作为本发明的第四个实施例,如图4所示,本发明提供了一种答题卡识别点精确定位系统,所述系统包括:
模版生成模块11,用于对样本答题卡图像的各个标准识别点的坐标进行定位,并基于各个所述标准识别点的坐标,生成标准位置拓扑图。
匹配模块22,用于对所述标准位置拓扑图中的标准识别点进行遍历,并基于遍历到的标准识别点的坐标,查找待识别答题卡图像中与所述遍历到的标准识别点位置相匹配的识别点。其中,匹配模块22包括模版遍历计算模块201和识别点匹配模块202:
模版遍历计算模块201,用于对所述标准位置拓扑图中的标准识别点进行遍历,并基于遍历到的标准识别点的坐标,计算所述标准识别点的长度和宽度、以及相邻两个标准识别点之间的间距;
识别点匹配模块202,用于基于所述标准识别点的长度和宽度、以及相邻两个标准识别点之间的间距,查找待识别答题卡图像中与所述遍历到的标准识别点位置相匹配的识别点。
定位模块33,用于若查找到所述位置匹配的识别点,则定位所述识别点。
匹配百分比计算模块44,用于计算所述待识别答题卡图像中,与所述标准识别点位置相匹配的所有识别点的个数,并计算所述个数占所述标准位置拓扑图中标准识别点总个数的百分比。
识别点判断处理模块55,识别点判断处理模块55具体还包括补全模块502、第一提示模块501以及第一确定模块503。识别点判断处理模块55根据百分比的判断结果确定501、502或503其中的一个模块工作。
补全模块502,用于若所述百分比在所述预设补全参数范围内,则基于所述标准位置拓扑图中标准识别点的坐标对所述待识别答题卡图像中的识别点未匹配位置进行补全,以得到补全后的待识别答题卡图像。在补全模块502中,所述基于所述标准位置拓扑图对所述待识别答题卡图像中的识别点缺失位置进行补全包括:基于所述每一个标准识别点的长度和宽度、以及相邻两个标准识别点之间的间距,对所述待识别答题卡图像中的识别点缺失位置进行补全。
第一提示模块501,用于若所述百分比小于所述预设补全参数范围内的最小值,则确定所述待识别答题卡图像为不达标图像,无法对所述识别点进行精确定位,并发出报错警告或提示操作;
第一确定模块503,用于若所述百分比大于所述预设补全参数范围内的最大值,则确定所述待识别答题卡图像为达标图像。
进一步地,所述系统还包括补全校验模块66、第二确定模块701以及第二提示模块702,前述几个模块在补全模块502后执行:
补全校验模块66,用于计算所述补全后的待识别答题卡图像的识别点个数占所述标准位置拓扑图中标准识别点总个数的百分比;
第二确定模块701,用于若所述百分比大于或等于所述预设补全参数范围内的最大值,则确定所述补全后的待识别答题卡图像为达标图像;
第二提示模块702,用于若所述百分比小于所述预设补全参数范围内的最大值,则确定所述补全后的待识别答题卡图像为不达标图像,无法对所述识别点进行精确定位,并发出报错警告或提示操作。
其中,上述识别点为所述待识别答题卡图像的客观题填涂区的每一个填涂区,上述标准识别点为所述样本答题卡图像的客观题填涂区的每一个填涂区。
综上所述,本发明第四个实施例所提供的系统,模版生成模块11对样本答题卡图像的各个标准识别点的坐标进行定位,并基于各个所述标准识别点的坐标,生成标准位置拓扑图;匹配模块22,对所述标准位置拓扑图中的标准识别点进行遍历,并基于遍历到的标准识别点的坐标,查找待识别答题卡图像中与所述遍历到的标准识别点位置相匹配的识别点;定位模块33,若查找到所述位置匹配的识别点,则能够精确定位所述识别点,即完成对答题位置的精确定位。
以上所述仅为本发明的较佳实施例而已,并不用以限制发明,凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等,均应包含在本发明的保护范围之内。
Claims (10)
1.一种答题卡识别点精确定位方法,其特征在于,所述方法包括:
对样本答题卡图像的各个标准识别点的坐标进行定位,并基于各个所述标准识别点的坐标,生成标准位置拓扑图;
对所述标准位置拓扑图中的标准识别点进行遍历,并基于遍历到的标准识别点的坐标,查找待识别答题卡图像中与所述遍历到的标准识别点位置相匹配的识别点;
若查找到所述位置匹配的识别点,则定位所述识别点;
其中,所述识别点为所述待识别答题卡图像的客观题填涂区的每一个填涂区,所述标准识别点为所述样本答题卡图像的客观题填涂区的每一个填涂区。
2.如权利要求1所述的方法,其特征在于,所述对所述标准位置拓扑图中的标准识别点进行遍历,并基于遍历到的标准识别点的坐标,查找待识别答题卡图像中与所述遍历到的标准识别点位置相匹配的识别点;包括:
对所述标准位置拓扑图中的标准识别点进行遍历,并基于遍历到的标准识别点的坐标,计算所述标准识别点的长度和宽度、以及相邻两个标准识别点之间的间距;
基于所述标准识别点的长度和宽度、以及相邻两个标准识别点之间的间距,查找待识别答题卡图像中与所述遍历到的标准识别点位置相匹配的识别点。
3.如权利要求2所述的方法,其特征在于,所述方法还包括:
计算所述待识别答题卡图像中,与所述标准识别点位置相匹配的所有识别点的个数,并计算所述个数占所述标准位置拓扑图中标准识别点总个数的百分比;
若所述百分比在预设补全参数范围内,则基于所述标准位置拓扑图中标准识别点的坐标对所述待识别答题卡图像中的识别点未匹配位置进行补全,以得到补全后的待识别答题卡图像;
若所述百分比小于所述预设补全参数范围内的最小值,则确定所述待识别答题卡图像为不达标图像,无法对所述识别点进行精确定位,并发出报错警告或提示操作;
若所述百分比大于所述预设补全参数范围内的最大值,则确定所述待识别答题卡图像为达标图像。
4.如权利要求3所述的方法,其特征在于,所述基于所述标准位置拓扑图对所述待识别答题卡图像中的识别点缺失位置进行补全包括:
基于所述每一个标准识别点的长度和宽度、以及相邻两个标准识别点之间的间距,对所述待识别答题卡图像中的识别点缺失位置进行补全。
5.如权利要求3所述的方法,其特征在于,所述基于所述标准位置拓扑图对所述待识别答题卡图像中的识别点缺失位置进行补全,以得到补全后的待识别答题卡图像后包括:
计算所述补全后的待识别答题卡图像的识别点个数占所述标准位置拓扑图中标准识别点总个数的百分比;
若所述百分比大于或等于所述预设补全参数范围内的最大值,则确定所述补全后的待识别答题卡图像为达标图像;
若所述百分比小于所述预设补全参数范围内的最大值,则确定所述补全后的待识别答题卡图像为不达标图像,无法对所述识别点进行精确定位,并发出报错警告或提示操作。
6.一种答题卡识别点精确定位系统,其特征在于,所述系统包括:
模版生成模块,用于对样本答题卡图像的各个标准识别点的坐标进行定位,并基于各个所述标准识别点的坐标,生成标准位置拓扑图;
匹配模块,用于对所述标准位置拓扑图中的标准识别点进行遍历,并基于遍历到的标准识别点的坐标,查找待识别答题卡图像中与所述遍历到的标准识别点位置相匹配的识别点;
定位模块,用于若查找到所述位置匹配的识别点,则定位所述识别点;
其中,所述识别点为所述待识别答题卡图像的客观题填涂区的每一个填涂区,所述标准识别点为所述样本答题卡图像的客观题填涂区的每一个填涂区。
7.如权利要求6所述的系统,其特征在于,所述匹配模块包括:
模版遍历计算模块,用于对所述标准位置拓扑图中的标准识别点进行遍历,并基于遍历到的标准识别点的坐标,计算所述标准识别点的长度和宽度、以及相邻两个标准识别点之间的间距;
识别点匹配模块,用于基于所述标准识别点的长度和宽度、以及相邻两个标准识别点之间的间距,查找待识别答题卡图像中与所述遍历到的标准识别点位置相匹配的识别点。
8.如权利要求7所述的系统,其特征在于,所述系统还包括匹配百分比计算模块以及识别点判断处理模块:
所述匹配百分比计算模块,用于计算所述待识别答题卡图像中,与所述标准识别点位置相匹配的所有识别点的个数,并计算所述个数占所述标准位置拓扑图中标准识别点总个数的百分比;
所述识别点判断处理模块包括:补全模块、第一提示模块以及第一确定模块;
所述补全模块,用于若所述百分比在预设补全参数范围内,则基于所述标准位置拓扑图中标准识别点的坐标对所述待识别答题卡图像中的识别点未匹配位置进行补全,以得到补全后的待识别答题卡图像;
所述第一提示模块,用于若所述百分比小于所述预设补全参数范围内的最小值,则确定所述待识别答题卡图像为不达标图像,无法对所述识别点进行精确定位,并发出报错警告或提示操作;
所述第一确定模块,用于若所述百分比大于所述预设补全参数范围内的最大值,则确定所述待识别答题卡图像为达标图像。
9.如权利要求8所述的系统,其特征在于,所述基于所述标准位置拓扑图对所述待识别答题卡图像中的识别点缺失位置进行补全包括:
基于所述每一个标准识别点的长度和宽度、以及相邻两个标准识别点之间的间距,对所述待识别答题卡图像中的识别点缺失位置进行补全。
10.如权利要求8所述的系统,其特征在于,所述补全模块后包括:
补全校验模块,用于计算所述补全后的待识别答题卡图像的识别点个数占所述标准位置拓扑图中标准识别点总个数的百分比;
第二确定模块,用于若所述百分比大于或等于所述预设补全参数范围内的最大值,则确定所述补全后的待识别答题卡图像为达标图像;
第二提示模块,用于若所述百分比小于所述预设补全参数范围内的最大值,则确定所述补全后的待识别答题卡图像为不达标图像,无法对所述识别点进行精确定位,并发出报错警告或提示操作。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710031035.5A CN106778750B (zh) | 2017-01-17 | 2017-01-17 | 一种答题卡识别点精确定位方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710031035.5A CN106778750B (zh) | 2017-01-17 | 2017-01-17 | 一种答题卡识别点精确定位方法及系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN106778750A true CN106778750A (zh) | 2017-05-31 |
CN106778750B CN106778750B (zh) | 2020-02-04 |
Family
ID=58945805
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201710031035.5A Active CN106778750B (zh) | 2017-01-17 | 2017-01-17 | 一种答题卡识别点精确定位方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN106778750B (zh) |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109284702A (zh) * | 2018-09-07 | 2019-01-29 | 江苏曲速教育科技有限公司 | 一种基于图像模式的答题卷给分及阅卷系统 |
CN110517316A (zh) * | 2018-05-21 | 2019-11-29 | 福建鹿鸣教育科技有限公司 | 一种基于两点定位图像的方法及系统 |
CN112347946A (zh) * | 2020-11-10 | 2021-02-09 | 成都兴唐信息技术有限公司 | 一种多类型答题卡的识别方法及系统 |
CN113283431A (zh) * | 2021-07-26 | 2021-08-20 | 江西风向标教育科技有限公司 | 一种融合深度学习与逻辑判断的智能方法及系统 |
CN114283434A (zh) * | 2021-11-17 | 2022-04-05 | 淮阴工学院 | 一种基于机器视觉的答题卡识别方法 |
Citations (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR100453533B1 (ko) * | 2003-11-04 | 2004-10-21 | (주)우린하나 | 답안지 채점 장치 및 방법 |
JP2005173673A (ja) * | 2003-12-08 | 2005-06-30 | Kenji Naganuma | マークシート方式 |
CN1975766A (zh) * | 2006-12-04 | 2007-06-06 | 凌子龙 | 机读信息卡或机读试卷的信息识别方法 |
CN101414356A (zh) * | 2007-10-17 | 2009-04-22 | 中国科学院自动化研究所 | 基于模板匹配的信息填涂卡识别方法 |
CN103559490A (zh) * | 2013-10-11 | 2014-02-05 | 华南理工大学 | 基于二值图像连通域统计的答题卡自动评分方法 |
CN103679178A (zh) * | 2012-08-30 | 2014-03-26 | 北京飞利信科技股份有限公司 | 彩色印刷纸张人工填涂信息的一种识别方法 |
CN104866847A (zh) * | 2015-05-20 | 2015-08-26 | 李宇 | 一种快速的鲁棒答题卡识别方法 |
CN105243383A (zh) * | 2015-09-10 | 2016-01-13 | 上海五和文化传播有限公司 | 答题卡处理方法及系统 |
CN105426844A (zh) * | 2015-11-20 | 2016-03-23 | 广州未名中智教育科技有限公司 | 一种答题卡识别方法 |
US20160171325A1 (en) * | 2012-03-30 | 2016-06-16 | Daniel Kleinman | System for determining alignment of a user-marked document and method thereof |
CN105989347A (zh) * | 2015-02-28 | 2016-10-05 | 科大讯飞股份有限公司 | 客观题智能阅卷方法及系统 |
CN105988994A (zh) * | 2015-02-06 | 2016-10-05 | 北京询达数据科技有限公司 | Web领域分布式实时抽取系统 |
-
2017
- 2017-01-17 CN CN201710031035.5A patent/CN106778750B/zh active Active
Patent Citations (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR100453533B1 (ko) * | 2003-11-04 | 2004-10-21 | (주)우린하나 | 답안지 채점 장치 및 방법 |
JP2005173673A (ja) * | 2003-12-08 | 2005-06-30 | Kenji Naganuma | マークシート方式 |
CN1975766A (zh) * | 2006-12-04 | 2007-06-06 | 凌子龙 | 机读信息卡或机读试卷的信息识别方法 |
CN101414356A (zh) * | 2007-10-17 | 2009-04-22 | 中国科学院自动化研究所 | 基于模板匹配的信息填涂卡识别方法 |
US20160171325A1 (en) * | 2012-03-30 | 2016-06-16 | Daniel Kleinman | System for determining alignment of a user-marked document and method thereof |
CN103679178A (zh) * | 2012-08-30 | 2014-03-26 | 北京飞利信科技股份有限公司 | 彩色印刷纸张人工填涂信息的一种识别方法 |
CN103559490A (zh) * | 2013-10-11 | 2014-02-05 | 华南理工大学 | 基于二值图像连通域统计的答题卡自动评分方法 |
CN105988994A (zh) * | 2015-02-06 | 2016-10-05 | 北京询达数据科技有限公司 | Web领域分布式实时抽取系统 |
CN105989347A (zh) * | 2015-02-28 | 2016-10-05 | 科大讯飞股份有限公司 | 客观题智能阅卷方法及系统 |
CN104866847A (zh) * | 2015-05-20 | 2015-08-26 | 李宇 | 一种快速的鲁棒答题卡识别方法 |
CN105243383A (zh) * | 2015-09-10 | 2016-01-13 | 上海五和文化传播有限公司 | 答题卡处理方法及系统 |
CN105426844A (zh) * | 2015-11-20 | 2016-03-23 | 广州未名中智教育科技有限公司 | 一种答题卡识别方法 |
Non-Patent Citations (4)
Title |
---|
M. BILAL等: ""The architecture research of online marking system"", 《2009 IEEE INTERNATIONAL SYMPOSIUM ON IT IN MEDICINE & EDUCATION》 * |
吴翔: ""数字图像处理在办公自动化系统中的应用"", 《中国硕士学位论文全文数据库 信息科技辑》 * |
阳军: ""基于SVM分类设计的数码阅卷图像识别"", 《中国优秀硕士学位论文全文数据库 信息科技辑》 * |
陈浩鹏: ""基于图像识别的移动终端阅卷系统与实现"", 《中国优秀硕士学位论文全文数据库 信息科技辑》 * |
Cited By (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110517316A (zh) * | 2018-05-21 | 2019-11-29 | 福建鹿鸣教育科技有限公司 | 一种基于两点定位图像的方法及系统 |
CN110517316B (zh) * | 2018-05-21 | 2023-02-28 | 福建鹿鸣教育科技有限公司 | 一种基于两点定位图像的方法及系统 |
CN109284702A (zh) * | 2018-09-07 | 2019-01-29 | 江苏曲速教育科技有限公司 | 一种基于图像模式的答题卷给分及阅卷系统 |
CN109284702B (zh) * | 2018-09-07 | 2021-06-25 | 江苏曲速教育科技有限公司 | 一种基于图像模式的答题卷给分及阅卷系统 |
CN112347946A (zh) * | 2020-11-10 | 2021-02-09 | 成都兴唐信息技术有限公司 | 一种多类型答题卡的识别方法及系统 |
CN113283431A (zh) * | 2021-07-26 | 2021-08-20 | 江西风向标教育科技有限公司 | 一种融合深度学习与逻辑判断的智能方法及系统 |
CN113283431B (zh) * | 2021-07-26 | 2021-11-26 | 江西风向标教育科技有限公司 | 一种答题卡选项区域识别方法及系统 |
CN114283434A (zh) * | 2021-11-17 | 2022-04-05 | 淮阴工学院 | 一种基于机器视觉的答题卡识别方法 |
CN114283434B (zh) * | 2021-11-17 | 2024-05-28 | 淮阴工学院 | 一种基于机器视觉的答题卡识别方法 |
Also Published As
Publication number | Publication date |
---|---|
CN106778750B (zh) | 2020-02-04 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN106778750A (zh) | 一种答题卡识别点精确定位方法及系统 | |
CN111091538B (zh) | 一种管道焊缝自动识别、缺陷检测方法及装置 | |
CN110008933B (zh) | 一种通用智能阅卷系统和方法 | |
CN111539923B (zh) | 一种焊缝缺陷的数字射线检测方法、系统及服务器 | |
WO2020034523A1 (zh) | 一种题目智能识别、批改的方法和系统 | |
WO2019238063A1 (zh) | 文本检测分析方法、装置及设备 | |
CN109670494B (zh) | 一种附带识别置信度的文本检测方法及系统 | |
CN110956138B (zh) | 一种基于家教设备的辅助学习方法及家教设备 | |
CN106846961B (zh) | 电子试卷的处理方法和装置 | |
CN110689013A (zh) | 一种基于特征识别的自动阅卷方法及系统 | |
CN110659612B (zh) | 基于纸笔改良的数字化阅卷方法及系统 | |
CN109326161A (zh) | 一种试卷批改一体机 | |
CN108537218A (zh) | 一种答题卡的识别处理方法及装置 | |
CN109918523B (zh) | 一种基于yolo9000算法的电路板元器件检测方法 | |
CN106934767A (zh) | 一种试卷生成及评分方法及系统 | |
CN110458828A (zh) | 一种基于多模态融合网络的激光焊接缺陷识别方法及装置 | |
CN109034037A (zh) | 基于人工智能的在线学习方法 | |
CN110135225A (zh) | 样本标注方法及计算机存储介质 | |
CN117275027A (zh) | 一种用于识别检查的扫描校验系统、方法及电子设备 | |
US11393248B2 (en) | Data detection method and device, computer equipment and storage medium | |
CN111008594B (zh) | 改错题评阅方法、相关设备及可读存储介质 | |
CN107066939A (zh) | 一种网上阅卷系统的试卷切割处理方法 | |
CN110689447A (zh) | 一种基于深度学习的社交软件用户发布内容的实时检测方法 | |
CN112734966B (zh) | 一种融合WiFi数据与人脸识别的课堂点名方法 | |
Roeder et al. | Accuracy analysis for facial feature detection |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |