一种结合制表模板的评分表自动识别方法及装置制造方法及图纸

技术编号:35222878 阅读:36 留言:0更新日期:2022-10-15 10:40
本发明专利技术公开了一种结合制表模板的评分表自动识别方法及装置,其方法包括制作评分表;将评分表中每个构成元素导出生成对应的制表模板;将评分表打印成纸质形式并下发填写打分标记,将填写后纸质形式的评分表进行扫描生成评分表图片;对评分表图像进行标识码识别,根据标识码识别结果获取对应的制表模板;对评分表图像进行特征码识别,根据特征码识别结果校正评分表图像;对校正后的评分表图像进行边框识别,根据边框识别结果与对应的制表模板中边框信息进行匹配,获取匹配的构成元素;根据匹配结果获取对应的内容信息,根据内容信息在校正后的评分表图像上进行打分标记识别;本发明专利技术相比传统的试卷答题卡识别方法使用灵活方便且识别准确性高。且识别准确性高。且识别准确性高。

【技术实现步骤摘要】
一种结合制表模板的评分表自动识别方法及装置


[0001]本专利技术涉及一种结合制表模板的评分表自动识别方法及装置,属于图像处理


技术介绍

[0002]目前主流的试卷答题卡识别方法是基于图像光学处理技术之上实现的,首先在答题纸上打印大量的黑块以支撑机器判断答题纸的方向与位置,利用红外线对碳敏感且易被碳放射的原理,识别在纸上用铅笔填涂的记号,这些记号和打印的黑块构成一张黑白二值图像,然后与预先配置的正确答案生成的图片进行比对得到结果。但是该种方法对填涂工具、方式和记号的要求十分严格,无法满足日益提高的使用要求。

技术实现思路

[0003]本专利技术的目的在于克服现有技术中的不足,提供一种结合制表模板的评分表自动识别方法及装置,解决现有的试卷答题卡识别方法实用性和灵活性不能满足当前需要的技术问题。
[0004]为达到上述目的,本专利技术是采用下述技术方案实现的:
[0005]第一方面,本专利技术提供了一种结合制表模板的评分表自动识别方法,包括:
[0006]基于制表工具制作包含特征码、标识码以及多个构成元素的评分表;
[0007]将所述评分表中每个构成元素的内容信息和边框信息导出生成对应的制表模板;
[0008]将所述评分表打印成纸质形式并下发填写打分标记,将填写后纸质形式的评分表进行扫描生成评分表图片;
[0009]对所述评分表图像进行标识码识别,根据标识码识别结果获取对应的制表模板;
[0010]对所述评分表图像进行特征码识别,根据特征码识别结果校正评分表图像;
[0011]对校正后的评分表图像进行边框识别,根据边框识别结果与对应的制表模板中边框信息进行匹配,获取匹配的构成元素;
[0012]根据匹配的构成元素获取对应的内容信息,根据内容信息在校正后的评分表图像上进行打分标记识别。
[0013]可选的,所述标识码采用二维码;所述对所述评分表图像进行标识码识别包括:
[0014]将评分表图像进行二值化处理;对二值化处理后的评分表图像通过OpenCV中findcontours函数对二维码三个角落处的双层嵌套黑块进行识别,确定二维码坐标;通过二维码识别算法对二维码坐标位置进行识别获取二维码信息。
[0015]可选的,所述对所述评分表图像进行特征码识别包括:
[0016]将评分表图像进行二值化处理;对二值化处理后的评分表图像通过形态学处理,获取特征码坐标;通过Canny算法对特征码坐标位置进行轮廓提取获取特征码信息;
[0017]其中,根据二值化处理后的评分表图像短边的像素尺寸的1%确定形态学处理的卷积核大小。
[0018]可选的,所述对评分表图像进行姿势纠包括:
[0019]根据特征码信息判断特征码是否存在歪斜或横竖板式错误问题;
[0020]若存在歪斜,则通过仿射变化算法对评分表图片进行旋转纠正;
[0021]若存在横竖板式错误,则通过双立方插值算法对评分图片进行尺寸纠正。
[0022]可选的,所述根据边框识别结果与对应的制表模板中边框信息进行匹配包括:
[0023]基于IoU算法求解IoU值:
[0024]IoU=B∩B

/B∪B

[0025]式中,B、B

分别为边框识别结果和对应的制表模板中边框信息,所述边框识别结果和边框信息均包括边框长宽数据以及边框左上顶点坐标;
[0026]若IoU值大于预设阈值,则边框信息B、B

匹配。
[0027]可选的,所述根据内容信息在校正后的评分表图像上进行打分标记识别包括:
[0028]根据内容信息获取选项类型、选项个数、选项区域以及选项分布;
[0029]获取每个选项区域的黑或红色像素点个数,若像素点个数大于动态阈值,则所述选项区域存在有效打分标记;
[0030]根据选项类型确定打分标记个数,若打分标记个数与有效打分标记个数不同,则通过人工确认最终的打分标记;
[0031]其中,所述动态阈值根据边框信息、选项个数、选项分布确定。
[0032]第二方面,本专利技术提供了一种结合制表模板的评分表自动识别装置,所述装置包括:
[0033]制表工具模块,用于基于制表工具制作包含特征码、标识码以及多个构成元素的评分表;
[0034]制表模板模块,用于将所述评分表中每个构成元素的内容信息和边框信息导出生成对应的制表模板;
[0035]填写扫描模块,用于将所述评分表打印成纸质形式并下发填写打分标记,将填写后纸质形式的评分表进行扫描生成评分表图片;
[0036]标识码识别模块,用于对所述评分表图像进行标识码识别,根据标识码识别结果获取对应的制表模板;
[0037]特征码识别模块,用于对所述评分表图像进行特征码识别,根据特征码识别结果校正评分表图像;
[0038]边框匹配模块,用于对校正后的评分表图像进行边框识别,根据边框识别结果与对应的制表模板中边框信息进行匹配,获取匹配的构成元素;
[0039]打分识别模块,用于根据匹配的构成元素获取对应的内容信息,根据内容信息在校正后的评分表图像上进行打分标记识别。
[0040]第三方面,本专利技术提供了一种结合制表模板的评分表自动识别装置,包括处理器及存储介质;
[0041]所述存储介质用于存储指令;
[0042]所述处理器用于根据所述指令进行操作以执行根据上述方法的步骤。
[0043]第四方面,本专利技术提供了一种计算机可读存储介质,其上存储有计算机程序,该程序被处理器执行时实现上述方法的步骤。
[0044]与现有技术相比,本专利技术所达到的有益效果:
[0045]本专利技术提供了一种结合制表模板的评分表自动识别方法及装置,通过制表工具根据需要制作评分表,然后下发填写;对填写后的评分表进行扫描和识别;相比传统的试卷答题卡识别方法,制表更灵活,填写标记无严格要求,且能够准确的识别填写结果。
附图说明
[0046]图1是本专利技术实施例一提供的一种结合制表模板的评分表自动识别方法的流程图;
[0047]图2是本专利技术实施例一提供的打分标记示意图。
具体实施方式
[0048]下面结合附图对本专利技术作进一步描述。以下实施例仅用于更加清楚地说明本专利技术的技术方案,而不能以此来限制本专利技术的保护范围。
[0049]实施例一:
[0050]如图1所示,本专利技术实施例提供了一种结合制表模板的评分表自动识别方法,包括以下步骤:
[0051]1、基于制表工具制作包含特征码、标识码以及多个构成元素的评分表;
[0052]制表工具可以采用php制作表格生成器,构成元素可以为文本框或单元格等,评分表以PDF文件的形式存入数据库。
[0053]2、将评分表中每个构成元素的内容信息和边框信息导出生成对应的制表模板;指标模板以json文件格式存入数据库。
[本文档来自技高网
...

【技术保护点】

【技术特征摘要】
1.一种结合制表模板的评分表自动识别方法,其特征在于,包括:基于制表工具制作包含特征码、标识码以及多个构成元素的评分表;将所述评分表中每个构成元素的内容信息和边框信息导出生成对应的制表模板;将所述评分表打印成纸质形式并下发填写打分标记,将填写后纸质形式的评分表进行扫描生成评分表图片;对所述评分表图像进行标识码识别,根据标识码识别结果获取对应的制表模板;对所述评分表图像进行特征码识别,根据特征码识别结果校正评分表图像;对校正后的评分表图像进行边框识别,根据边框识别结果与对应的制表模板中边框信息进行匹配,获取匹配的构成元素;根据匹配的构成元素获取对应的内容信息,根据内容信息在校正后的评分表图像上进行打分标记识别。2.根据权利要求1所述的一种结合制表模板的评分表自动识别方法,其特征在于,所述标识码采用二维码;所述对所述评分表图像进行标识码识别包括:将评分表图像进行二值化处理;对二值化处理后的评分表图像通过OpenCV中findcontours函数对二维码三个角落处的双层嵌套黑块进行识别,确定二维码坐标;通过二维码识别算法对二维码坐标位置进行识别获取二维码信息。3.根据权利要求1所述的一种结合制表模板的评分表自动识别方法,其特征在于,所述对所述评分表图像进行特征码识别包括:将评分表图像进行二值化处理;对二值化处理后的评分表图像通过形态学处理,获取特征码坐标;通过Canny算法对特征码坐标位置进行轮廓提取获取特征码信息;其中,根据二值化处理后的评分表图像短边的像素尺寸的1%确定形态学处理的卷积核大小。4.根据权利要求3所述的一种结合制表模板的评分表自动识别方法,其特征在于,所述对评分表图像进行姿势纠包括:根据特征码信息判断特征码是否存在歪斜或横竖板式错误问题;若存在歪斜,则通过仿射变化算法对评分表图片进行旋转纠正;若存在横竖板式错误,则通过双立方插值算法对评分图片进行尺寸纠正。5.根据权利要求1所述的一种结合制表模板的评分表自动识别方法,其特征在于,所述根据边框识别结果与对应的制表模板中边框信息进行匹配包括:基于IoU算法求解IoU值:IoU=B∩B

/B∪B
′...

【专利技术属性】
技术研发人员:陈宇罗旺娄超
申请(专利权)人:南京南瑞信息通信科技有限公司
类型:发明
国别省市:

网友询问留言 已有0条评论
  • 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。

1