答题卡片智能识别和成绩统计方法、网络设备和存储介质技术

本申请提供了答题卡片智能识别和成绩统计方法、网络设备和存储介质，其中，答题卡片智能识别和成绩统计方法，包括获取包含答题卡片的环境图像；对环境图像中的答题卡片进行目标区域标记；对标记的答题卡片进行图像增强；对环境图像进行目标区域提取，获取到只包含目标区域的图像；获取目标区域内的身份识别信息，与对应人员进行关联；识别答题卡片上的答题信息，并进行成绩统计。本申请实施例可实现对答题卡片的识别和对答题卡片上的答案进行识别和统计，有利于老师及时对学生成绩的管控。有利于老师及时对学生成绩的管控。有利于老师及时对学生成绩的管控。

【技术实现步骤摘要】
答题卡片智能识别和成绩统计方法、网络设备和存储介质


[0001]本申请涉及通讯设备
，尤其涉及答题卡片智能识别和成绩统计方法、网络设备和存储介质。

技术介绍

[0002]在基于AI机器视觉的答题卡片识别过程中，将题目呈现在智能屏幕上，课用户通过举起手中的答题卡片回答提问。通过机器视觉的方式实时采集识别出用户所举起的答题卡片内容，并且实时统计出每位用户的答题成绩数据，大大地减少了统计成绩的时间以及终端设备互动的成本。在智慧课堂教学中应用较为广泛。但现有的智慧课堂存在只能统计学生回答问题举手人数，但无法统计每个学生答题的成绩，无法管控学生成绩。

技术实现思路

[0003]为了克服相关技术中存在的问题，本申请提供了答题卡片智能识别和成绩统计方法、网络设备和存储介质。
[0004]根据本申请实施例第一方面提供了答题卡片智能识别和成绩统计方法，获取包含答题卡片的环境图像；
[0005]对环境图像中的答题卡片进行目标区域标记；
[0006]对标记的答题卡片进行图像增强；
[0007]对环境图像进行目标区域提取，获取到只包含目标区域的图像；
[0008]获取目标区域内的身份识别信息，与对应人员进行关联；
[0009]识别答题卡片上的答题信息，并进行成绩统计。
[0010]优选的，对标记的答题卡片进行图像增强包括：
[0011]对包含答题卡片的环境图像进行0
°
到360
°
范围图像旋转，并进行图像增强；
[0012]对包含答题卡片的环境图像进行亮度和对比度调整，以进行图像增强；
[0013]对包含答题卡片的环境图像进行马赛克处理，以进行图像增强。
[0014]优选的，答题卡片上的身份识别信息包括与人员相对应的数字、二维码或头像；答题卡片上的答题信息包括题目选项。
[0015]进一步地，题目选项包括A、B、C、D和/或√、X。
[0016]优选的，对环境图像中的答题卡片进行目标区域标记可通过手工标记或软件标记。
[0017]优选的，所述环境图像中的环境为紫色。
[0018]本申请实施例第二方面提供了网络设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，处理器执行程序时执行上述答题卡片智能识别和成绩统计方法。
[0019]本申请实施例第三方面提供了存储介质，其上存储有计算机程序指令，程序指令被处理器执行时用于实现上述答题卡片智能识别和成绩统计方法。
[0020]本申请实施例提供的技术方案可以包括以下有益效果：
[0021]本申请实施例可实现对答题卡片的识别和对答题卡片上的答案进行识别和统计，有利于老师及时对学生成绩的管控。
[0022]应当理解的是，以上的一般描述和后文的细节描述仅是示例性和解释性的，并不能限制本申请。
附图说明
[0023]此处的附图被并入申请中并构成本申请的一部分，示出了符合本申请的实施例，并与申请一起用于解释本申请的原理。
[0024]图1是本申请实施例流程示意图；
[0025]图2是本申请实施例网络设备框架示意图。
具体实施方式
[0026]这里将详细地对示例性实施例进行说明，其示例表示在附图中。下面的描述涉及附图时，除非另有表示，不同附图中的相同数字表示相同或相似的要素。以下示例性实施例中所描述的实施方式并不代表与本申请相一致的所有实施方式。相反，它们仅是与如所附权利要求书中所详述的、本申请的一些方面相一致的装置和方法的例子。
[0027]为解决
技术介绍
中存在的问题，本申请实施例提供了答题卡片智能识别和成绩统计方法，如图1所示，包括：
[0028]获取包含答题卡片的环境图像；
[0029]对环境图像中的答题卡片进行目标区域标记；
[0030]对标记的答题卡片进行图像增强；
[0031]对环境图像进行目标区域提取，获取到只包含目标区域的图像；
[0032]获取目标区域内的身份识别信息，与对应人员进行关联；
[0033]识别答题卡片上的答题信息，并进行成绩统计。
[0034]本申请实施例中的环境图像指摄像头对智慧课堂学习互动过程中，学生举牌答题场景下拍摄的图像。本申请实施例中对答题卡片进行目标区域标记，可通过手工标记，也可通过例如labeling等软件进行软件标记，将环境图像中的答题卡片用框标记出来，可以是圆形框、矩形框等。
[0035]对环境图像进行图标区域提取，获取只包含目标区域的图像，可提高目标区域中身份识别信息以及答题信息的检测视角以及减少比如教室等场景物体的干扰。为了便于目标区域的提取，可将环境背景设置为不常使用的紫色。这里的身份识别信息可以是与人员相对应的数字、二维码或头像。如果身份识别信息是与人员相对应的数字，可采用预先在系统在设置有人员或用户所对应的数字，则识别出的数字与保存的数字相对应则进行关联。在这里，可以将数字设计为带圆圈，将数字设置在圆圈内，这样有助于数字位置的识别。可采用例如mobilenet、shufflenet等轻量级的分类网络进行圆圈数字类别的分类。然后对提取到的多张带圆圈数字类别区域通过pytorch的深度学习框架进行圆圈数字分类的深度学习模型训练。通过圆圈数字的深度学习分类模型得出每个圆圈数字的分类，然后把学生序号跟圆圈数字一一映射起来。而二维码也可采用类似手段进行信息关联。另外还可通过获
取的环境图像获取到举着答题卡片人员的位置坐标，以及人像信息，通过位置坐标、人像信息与人员信息相关联。
[0036]而本申请实施例中的答题信息包括题目选项。比如选择题的A、B、C、D，和/或判断题的√、X。
[0037]在上述实施例的基础上，为了提高实际使用过程中答题卡片检测的稳定性，本申请还提供了又一实施例，用于对标记的答题卡片进行图像增强，主要三种方法，包括：
[0038]对包含答题卡片的环境图像进行0
°
到360
°
范围图像旋转，并进行图像增强；
[0039]对包含答题卡片的环境图像进行亮度和对比度调整，以进行图像增强；
[0040]对包含答题卡片的环境图像进行马赛克处理，以进行图像增强。
[0041]因为每张答题卡片在图片的占比比例小，所以我们会使用专门针对小目标检测的深度学习模型进行卡片目标的训练和检测，比如yolo系列的实时目标检测模型。对包含答题卡片的环境图像进行0
°
到360
°
范围图像旋转，并进行图像增强，从而增加模型训练样本。这里可采用例如周期性采样，比如每旋转1
°
采集一张图片等。
[0042]因为环境场景灯光亮度不一样，可根据所获取的图片的亮度和对比度进行调节，以期得到能使目标区域提取率最佳。
[0043]对包含答题卡片的环境图像进行马赛克处理，以进行图像增强。主要针对距离摄像头比较远的答题卡片不好本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.答题卡片智能识别和成绩统计方法，其特征在于，包括：获取包含答题卡片的环境图像；对环境图像中的答题卡片进行目标区域标记；对标记的答题卡片进行图像增强；对所述环境图像进行目标区域提取，获取到只包含目标区域的图像；获取目标区域内的身份识别信息，与对应人员进行关联；识别答题卡片上的答题信息，并进行成绩统计。2.根据权利要求1所述的答题卡片智能识别和成绩统计方法，其特征在于，对标记的答题卡片进行图像增强包括：对包含答题卡片的环境图像进行0
°
到360
°
范围图像旋转，并进行图像增强；对包含答题卡片的环境图像进行亮度和对比度调整，以进行图像增强；对包含答题卡片的环境图像进行马赛克处理，以进行图像增强。3.根据权利要求1所述的答题卡片智能识别和成绩统计方法，其特征在于，所述答题卡片上的身份识别信息包括与人员相对应的数字、二...

【专利技术属性】
技术研发人员：吴杰，
申请(专利权)人：新华三智能终端有限公司，
类型：发明
国别省市：