答题卡填涂识别方法、模型构建方法、设备及存储介质技术

本申请提供一种填涂识别模型的构建方法、答题卡填涂识别方法、计算机设备及存储介质，其中，该识别方法包括：获取待识别的答题卡对应的图像；获取所述图像中填涂选项图像的目标特征参数，其中，所述目标特征参数包括图像底色、填涂选项色深、填涂选项填充率、填涂题目最小色深和填涂题目类型；将所述填涂选项图像的目标特征参数输入至填涂识别模型进行识别，得到填涂选项结果。由此可以提高填涂模识别模型的准确率，进而可以提高答题卡填涂识别的准确率。率。率。

【技术实现步骤摘要】
答题卡填涂识别方法、模型构建方法、设备及存储介质


[0001]本申请涉及机器学习
，尤其涉及一种答题卡填涂识别方法、填涂识别模型的构建方法、计算机设备及存储介质。

技术介绍

[0002]纸笔考试完成后，需要将考生作答完的答题卡收集完交给网评系统进行处理，网评系统使用扫描仪对所有答题卡过机扫描，识别出考生填涂的各选项，现有的答题卡填涂方法，绝大多数采用阈值参数判断法，具体比如先设定一些特征参数阈值，然后针对填涂选项的图像特征来进行判断，如果图像特征高于或者低于这些参数阈值，就把填涂识别结果设置为有效填涂或者无效填涂。
[0003]然而由于答题卡扫描完成后生成的图像受很多因素影响，比如答题卡纸张的印刷油墨深浅、扫描仪的成像环境等客观因素，以及考生的填涂习惯等主观因素等，因此会导致阈值判断方法的识别准确率较低。

技术实现思路

[0004]本申请提供了一种填涂识别模型的构建方法、答题卡填涂识别方法、计算机设备及存储介质，可以提高答题卡填涂的识别准确率。
[0005]第一方面，本申请提供了一种答题卡填涂识别方法，所述本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种答题卡填涂识别方法，其特征在于，所述方法包括：获取待识别的答题卡对应的图像；获取所述图像中填涂选项图像的目标特征参数，其中，所述目标特征参数包括图像底色、填涂选项色深、填涂选项填充率、填涂题目最小色深和填涂题目类型；将所述填涂选项图像的目标特征参数输入至填涂识别模型进行识别，得到填涂选项结果，其中，所述填涂识别模型是根据所述目标特征参数构建得到的。2.根据权利要求1所述的方法，其特征在于，所述填涂识别模型包括第一识别模型和第二识别模型，所述第一识别模型为神经网络模型，所述第二识别模型为支持向量机模型。3.根据权利要求2所述的方法，其特征在于，所述将所述填涂选项图像的目标特征参数输入至填涂识别模型进行识别，包括：将所述图像中填涂选项图像的目标特征参数输入至所述第一识别模型，得到第一识别结果；将所述图像中填涂选项图像的目标特征参数输入至所述第二识别模型，得到第二识别结果；根据所述第一识别结果和第二识别结果得到填涂选项结果。4.根据权利要求2所述的方法，其特征在于，所述第一识别模型还输出第一可信度，所述第二识别模型还输出第二可信度；其中，所述第一可信度根据所述第一识别模型的输出概率和判别真值确定；所述第二可信度为图像特征参数点距离分隔平面的距离，所述图像特征参数点为图像底色、填涂选项色深、填涂选项填充率、填涂题目最小色深和填涂题目类型组成的向量，所述分割平面根据所述支持向量机模型的分割平面方程确定。5.一种填涂识别模型的构建方法，其特征在于，所述方法包括：获取训练样本数据，其中，所述训练样本数据包括多个填涂选项图像以及每个所述填涂选项图像对应的标注结果，每个所述填涂选项图像对应有目标目标特征参数，所述目标特征参数包括图像底色、填涂选项色深、填涂选项填充率、填涂题目最小色深和填涂题目类型；将所述填涂选项图像对应的目标特征参数和标注结果，输入至待构建的填涂识别模型进行模型训练，得到构建好的填涂识别模型。6.根据权利要求5所述的方法，其特征在于，所述方法还包括：对所述训练样本数据中的填涂选项图像进行特征提取，得到所述目标特征参数；其中，所述目标特征参数用于构建填涂识别模型，所述目标特征参数至少包括图像底色、填涂选项色深、填涂选项填充率、填涂题目最小色深和填涂题目类型。7.根据权利要求6所述的方法，其特征在于，所述对所述训练样本数据中的填涂选项图像进行特征提取，得到所述目标特征参数，包括：计算所有训练样本数据在标注结果上的信息增益；针对每一目标特征参数在子数据集中分别计算其在标注结果上的信息熵；计算所有训练样本数据...

【专利技术属性】
技术研发人员：李超，
申请(专利权)人：科大讯飞股份有限公司，
类型：发明
国别省市：