【技术实现步骤摘要】
一种纸质试题的处理方法和系统
[0001]本专利技术涉及教育
,特别涉及一种纸质试题的处理方法和系统
技术介绍
[0002]现有的纸面试题AI切题技术需要用户在纸面上框选出题目,并针对框选出的题目进行文字识别,将识别的文字和题库中的文字对比,并进一步提取具有相同文字内容的题目和对应的答案。然而上述现有技术对于具有跨页的纸质试题和整页的纸质试题进行试题识别则无能为力,并且上述现有技术的切题操作需要手动进行,需要人工将待识别的试题放置在指定识别区域中才能识别,也就是说,需要人工进行试题定位,从而容易导致识别错误、增加人工的使用成本。另外现有的纸质试题切题技术基本上是单题切题,其中单题切题的方式无法快速地和系统性地书面习题关联,从而在教师的实际教学过程中无法支持系统性的教学关联。
技术实现思路
[0003]本专利技术其中一个专利技术目的在于提供一种纸质试题的处理方法和系统,所述方法和系统通过特征识别匹配的方式对纸质文本进行定位并识别,在纸质文本上并无实际的标识点或切割框即可实现对纸质文本中不同试题进行识别,提 ...
【技术保护点】
【技术特征摘要】
1.一种纸质试题的处理方法,其特征在于,所述方法包括:建立纸质试题的模板图片,并建立所述模板图片关联的试题数据库,获取纸质试题的实际图片;采用特征检测算法分别检测所述纸质试题模板图片和实际图片中的特征点描述符;对所述模板图片中的特征点描述符和实际图片中的特征点描述符进行匹配;根据匹配结果筛选出良好匹配,并根据良好匹配提取匹配的关键点位置;计算单应性矩阵,根据所述单应性矩阵进行透视变换,生成特征点投影,根据所述特征点投影的图片进行模板图片匹配获取匹配结果。2.根据权利要求1所述的一种纸质试题的处理方法,其特征在于,所述特征检测算法采用包括SIFT算法、ORB算法、SURF算法中的任意一种检测获取模板图片和实际图片中的特征点描述符。3.根据权利要求1所述的一种纸质试题的处理方法,其特征在于,所述特征点描述符的匹配方法包括:采用KNN算法对获取的特征点进行分类,生成邻近的最佳匹配集合,计算所述最佳匹配集合中的向量距离,通过设置向量的距离阈值,将向量距离小于所述向量的距离阈值的匹配保存作为良好匹配。4.根据权利要求3所述的一种纸质试题的处理方法,其特征在于,所述特征点描述符的匹配方法包括:将检测的所述实际图片特征点描述符作为查询描述符,并将所述模板图片特征点描述符作为匹配描述符采用KNN算法进行匹配以获取最佳匹配集合。5.根据权利要求4所述的一种纸质试题的处理方法,其特征在于,所述特征点描述符的匹配方法包括:计算最佳匹配集合中的查询描述符和特征点描述符的欧式向量,并将所述欧式向量距离,设置欧式向量距离阈值,将计算的欧式向量小于所述欧式向量距离阈值的匹配作为良好匹配。6.根据权利要求3所述的一...
【专利技术属性】
技术研发人员:夏峰平,谢翊天,
申请(专利权)人:杭州布谷蓝途科技有限公司,
类型:发明
国别省市:
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。