一种答题卡目标区域检测方法、系统、存储介质及设备技术方案

本发明专利技术提供一种答题卡目标区域检测方法、系统、存储介质及设备，方法包括：获取待检测答题卡图片并进行预处理，对预处理后的待检测答题卡图片进行分割，得到待检测答题卡的子区域，获取子区域的边框信息，判断子区域是否存在漏识别边框；若存在漏识别边框，则获取并补全漏识别边框的边框。上述答题卡目标区域检测方法、系统、存储介质及设备，通过预训练的答题卡分割检测模型对预处理后的待检测答题卡图片进行分割，从而得到待检测答题卡的多个子区域，进一步的，根据边框信息结合答题卡分割检测模型判断子区域是否存在漏识别边框，若存在漏识别边框，则获取并补全漏识别边框的边框，避免存在漏检、误检的情况，提高准确率。提高准确率。提高准确率。

【技术实现步骤摘要】
一种答题卡目标区域检测方法、系统、存储介质及设备


[0001]本专利技术涉及图像识别
，特别涉及一种答题卡目标区域检测方法、系统、存储介质及设备。

技术介绍

[0002]随着人工智能技术的兴起，人工智能技术已经应用于多个行业领域，人们也越来越多的使用自动化设备对学生考试试卷进行阅卷，使得阅卷效率更高。
[0003]在考试当中，经常需要使用答题卡来答题。答题卡一般由定位点、基本信息栏、二维码、考号填涂区域和试题区域组成，考生根据试卷题目在答题卡上进行填涂或回答。考试结束后，需要通过机器识别或者人工协助来对答题卡上的答案进行判读。而在对答题卡上的答案进行判读之前，一般需要对答题卡的区域进行划分，以便更好的识别对应的答题区域。一般基于定位点识别进行区域定位，使得对扫描后的答题卡图片质量要求较高，经常由于图像倾斜或分辨率等问题导致无法正确识别到答题卡区域；同时，由于依赖定位点进行区域定位，导致不能处理答题卡图片中的定位点不存在的情况。
[0004]现有技术当中，随着人工智能兴起，基于深度学习的答题卡检测方法也被应用到答题卡区域检测场景，但由于现有的目标检测深度学习模型复杂度高，对GPU负载要求高，检测速度慢，部署应用困难，导致深度学习模型识别结果存在漏检、误检的情况，准确率低。

技术实现思路

[0005]基于此，本专利技术的目的是提供一种答题卡目标区域检测方法、系统、存储介质及设备，用于解决现有技术中识别结果存在漏检、误检的情况，导致识别结果准确率低的技术问题。
[0006]本专利技术一方面提供一种答题卡目标区域检测方法，所述方法包括：获取待检测答题卡图片，并对所述待检测答题卡图片进行预处理，通过预训练的答题卡分割检测模型对预处理后的待检测答题卡图片进行分割，得到所述待检测答题卡的多个子区域，多个所述子区域包括选项区域、主观题区域；获取所述子区域的边框信息，根据所述边框信息结合所述答题卡分割检测模型判断所述子区域是否存在漏识别边框；若存在漏识别边框，则获取并补全所述漏识别边框的边框；其中，补全所述漏识别边框的边框的步骤包括：在所述选项区域中：获取所述选项区域内的选项特征，根据所述选项特征聚类所述选项区域以获得多个区域簇，采集并对比相同区域簇的选项边框，获取漏识别选项，并补全所述漏识别选项的边框；在所述主观题区域中：获取所述主观题区域的区域边框并计算出相邻两所述主观题区域的边框间距；
判断所述边框间距是否大于间距阈值；若所述边框间距大于所述间距阈值，则相邻两所述主观题区域之间存在漏识别区域，获取并补全所述漏识别区域的边框。上述答题卡目标区域检测方法，通过预训练的答题卡分割检测模型对预处理后的待检测答题卡图片进行分割，从而得到待检测答题卡的多个子区域，避免了传统的基于定位点识别进行区域定位，使得对扫描后的答题卡图片质量要求较高的方案，进一步的，根据边框信息结合答题卡分割检测模型判断子区域是否存在漏识别边框，若存在漏识别边框，则获取并补全漏识别边框的边框，避免存在漏检、误检的情况，提高准确率，具体的，对于选项区域，通过对选项区域进行簇聚类获得多个区域簇，再采集并对比相同区域簇的选项边框，获取漏识别选项，并补全漏识别选项的边框；对于主观题区域，通过获取主观题区域的区域边框并计算出相邻两主观题区域的边框间距，再判断边框间距是否大于间距阈值，若边框间距大于间距阈值，则相邻两主观题区域之间存在漏识别区域，获取并补全漏识别区域的边框，直到得到主观题区域的完整边框，从而得到更加精确的答题卡目标区域的检测信息，避免了传统技术中，由于图片质量较差导致无法正确识别到答题卡区域的技术方案，解决了现有技术中识别结果存在漏检、误检的情况，导致识别结果准确率低的技术问题。
[0007]另外，根据本专利技术上述的答题卡目标区域检测方法，还可以具有如下附加的技术特征：进一步地，所述若存在漏识别边框，则获取并补全所述漏识别边框的边框的步骤之后包括：识别补全后的漏识别边框的边框，并获取所述补全后的漏识别边框的边框线条；结合未漏识别边框的边框线条，自适应调整所述补全后的漏识别边框的边框线条，使得所述补全后的漏识别边框的边框线条与所述未漏识别边框的边框线条相互贴合，得到所述主观题区域的完整边框。
[0008]进一步地，所述获取所述子区域的边框信息，根据所述边框信息结合所述答题卡分割检测模型判断所述子区域是否存在漏识别边框的步骤包括：通过预训练的矩形与直线检测模型，结合所述答题卡分割检测模型对获取到的所述子区域的边框进行自适应调整，得到自适应后的子区域；根据所述自适应后的子区域的边框信息，对答题卡进行分栏处理，得到答题卡版面结构。
[0009]进一步地，所述获取待检测答题卡图片的步骤之前包括：获取一定数量的原始答题卡图片；通过预训练的生成对抗网络模型对所述原始答题卡图片进行数据增强，生成数据增强后的答题卡图片；根据所述原始答题卡图片与所述数据增强后的答题卡图片，标注答题卡图片的各个子区域，所述子区域包括准考证号区域、选择题区域、填空题区域、主观题区域、条形码、选做题区域；通过标有各个子区域的答题卡图片对深度学习神经网络模型进行训练，得到所述答题卡分割检测模型。
[0010]进一步地，所述若所述边框间距大于所述间距阈值，则相邻两所述主观题区域之
间存在漏识别区域，获取并补全所述漏识别区域的边框的步骤包括：识别相邻两所述主观题区域之间的区域内容，根据所述区域内容判断相邻两所述主观题区域之间是否存在潜在子区域，所述潜在子区域内设有手写体文字、题号或分数；若相邻两所述主观题区域之间存在潜在子区域，则所述潜在子区域为漏识别区域。
[0011]进一步地，所述预处理包括去燥、数据增强以及大小变化。
[0012]进一步地，所述获取并补全所述漏识别边框的边框的步骤之后还包括：将补全边框后的漏识别边框的各个子区域与答题卡文件关联存储，生成教师阅卷模板并存储为题库。
[0013]本专利技术另一方面提供一种答题卡目标区域检测系统，所述系统包括：获取与分割模块，用于获取待检测答题卡图片，并对所述待检测答题卡图片进行预处理，通过预训练的答题卡分割检测模型对预处理后的待检测答题卡图片进行分割，得到所述待检测答题卡的多个子区域，多个所述子区域包括选项区域、主观题区域；判断模块，用于获取所述子区域的边框信息，根据所述边框信息结合所述答题卡分割检测模型判断所述子区域是否存在漏识别边框；第一执行模块，用于当存在漏识别边框时，则获取并补全所述漏识别边框的边框；其中，在所述选项区域中，第一执行模块包括：第一补全单元，用于获取所述选项区域内的选项特征，根据所述选项特征聚类所述选项区域以获得多个区域簇，采集并对比相同区域簇的选项边框，获取漏识别选项，并补全所述漏识别选项的边框；在所述主观题区域中，第一执行模块包括：计算单元，用于获取所述主观题区域的区域边框并计算出相邻两所述主观题区域的边框间距；判断单元，用于判断所述边框间距是否大于间距阈值；第二补全单元，用于若所述边框间距大于所述间距阈值，则相邻两所述主观题区域之间存在漏识别区域，获取并补全所述漏识本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种答题卡目标区域检测方法，其特征在于，所述方法包括：获取待检测答题卡图片，并对所述待检测答题卡图片进行预处理，通过预训练的答题卡分割检测模型对预处理后的待检测答题卡图片进行分割，得到所述待检测答题卡的多个子区域，多个所述子区域包括选项区域、主观题区域；获取所述子区域的边框信息，根据所述边框信息结合所述答题卡分割检测模型判断所述子区域是否存在漏识别边框；若存在漏识别边框，则获取并补全所述漏识别边框的边框；其中，补全所述漏识别边框的边框的步骤包括：在所述选项区域中：获取所述选项区域内的选项特征，根据所述选项特征聚类所述选项区域以获得多个区域簇，采集并对比相同区域簇的选项边框，获取漏识别选项，并补全所述漏识别选项的边框；在所述主观题区域中：获取所述主观题区域的区域边框并计算出相邻两所述主观题区域的边框间距；判断所述边框间距是否大于间距阈值；若所述边框间距大于所述间距阈值，则相邻两所述主观题区域之间存在漏识别区域，获取并补全所述漏识别区域的边框。2.根据权利要求1所述的答题卡目标区域检测方法，其特征在于，所述若存在漏识别边框，则获取并补全所述漏识别边框的边框的步骤之后包括：识别补全后的漏识别边框的边框，并获取所述补全后的漏识别边框的边框线条；结合未漏识别边框的边框线条，自适应调整所述补全后的漏识别边框的边框线条，使得所述补全后的漏识别边框的边框线条与所述未漏识别边框的边框线条相互贴合，得到所述主观题区域的完整边框。3.根据权利要求2所述的答题卡目标区域检测方法，其特征在于，所述获取所述子区域的边框信息，根据所述边框信息结合所述答题卡分割检测模型判断所述子区域是否存在漏识别边框的步骤包括：通过预训练的矩形与直线检测模型，结合所述答题卡分割检测模型对获取到的所述子区域的边框进行自适应调整，得到自适应后的子区域；根据所述自适应后的子区域的边框信息，对答题卡进行分栏处理，得到答题卡版面结构。4.根据权利要求1所述的答题卡目标区域检测方法，其特征在于，所述获取待检测答题卡图片的步骤之前包括：获取一定数量的原始答题卡图片；通过预训练的生成对抗网络模型对所述原始答题卡图片进行数据增强，生成数据增强后的答题卡图片；根据所述原始答题卡图片与所述数据增强后的答题卡图片，标注答题卡图片的各个子区域，所述子区域包括准考证号区域、选择题区域、填空题区域、主观题区域、条形码、选做题区域；通过标有各个子区域的答题卡图片对深度学习神经网络模型进行训练...

【专利技术属性】
技术研发人员：刘凡，马百泉，
申请(专利权)人：江西风向标教育科技有限公司，
类型：发明
国别省市：