基于机器视觉的答题卡片识别方法、网络设备及存储介质技术

本申请提供了基于机器视觉的答题卡片识别方法、网络设备及存储介质，其中，方法包括获取包含答题卡片的场景图片；对场景图片进行区域分块，且分块区域具有重叠区域；通过答题卡片检测模型识别每个分块区域的答题卡片感兴趣区域；通过非极大值移植方法对所述分块区域的答题卡片感兴趣区域进行处理；通过答题分类检测模型对处理后的所述答题卡片感兴趣区域进行答案识别。本申请实施例答题卡片在远距离下也能识别，且识别准确度高。且识别准确度高。且识别准确度高。

【技术实现步骤摘要】
基于机器视觉的答题卡片识别方法、网络设备及存储介质


[0001]本申请涉及通讯设备
，尤其涉及基于机器视觉的答题卡片识别方法、网络设备及存储介质。

技术介绍

[0002]随着计算机视觉技术和互联网技术的不断发展，相比传统的粉笔课堂互动教学模式，实时互动的智慧课堂模式开始兴起，让老师和学生们有一个全新的教学互动体验。但现有的反馈器智慧课堂、pad智慧课堂等智慧课堂互动方式大多存在难以统一管理、硬件成本高、系统稳定性差等问题。
[0003]在基于机器视觉的智慧课堂互动模式中，首先通过智慧屏幕展示老师课堂中的题目，然后学生们通过举起手中所选择的答题卡片给出回答。答题过程中，智慧屏幕上的摄像头会实时采集到学生们所举起答题卡片的图片，智能屏幕的机器视觉程序会智能识别出每个学生举起的卡片信息，然后将每道题目的答题成绩统计呈现在智能屏幕上，以便老师和学生可以实时地关注到每道题目的答题情况。这种智慧课堂互动方式有效地降低了终端互动的硬件成本，让老师可以针对学生答题情况进行实时性的讲解。
[0004]但是依专利技术人所知，现有的智慧课堂存在卡片距离远儿无法识别，以及卡片误识别高的问题。

技术实现思路

[0005]为了克服相关技术中存在的问题，本申请提供了基于机器视觉的答题卡片识别方法、网络设备及存储介质。
[0006]根据本申请实施例第一方面基于机器视觉的答题卡片识别方法，包括：
[0007]获取包含答题卡片的场景图片；
[0008]对场景图片进行区域分块，且分块区域具有重叠区域；
[0009]通过答题卡片检测模型识别每个分块区域的答题卡片感兴趣区域；
[0010]通过非极大值移植方法对所述分块区域的答题卡片感兴趣区域进行处理；
[0011]通过答题分类检测模型对处理后的所述答题卡片感兴趣区域进行答案识别。
[0012]优选的，在通过答题卡片检测模型识别每个分块区域的答题卡片感兴趣区域之前对每个分块区域的答题卡片感兴趣区域进行线性放大。
[0013]优选的，通过非极大值移植方法对所述分块区域的答题卡片感兴趣区域进行处理，包括：
[0014]设置两个集合A和B，初始所述集合A用于放置分块区域的答题卡片感兴趣区域，集合B为空集；
[0015]分块区域在通过答题卡片检测模型识别出每个分片区域的答题卡片感兴趣区域，以及其对应的置信度值；
[0016]选出置信度值最高的分片区域的答题卡片感兴趣区域，放置到集合B中；
[0017]将所述选出的置信度值最高的分片区域的答题卡片感兴趣区域与集合A中剩余的分块区域的答题卡片感兴趣区域取交集，若交集区域大于设定阈值，则取交集的集合A中的分片区域的答题卡片感兴趣区域删除。
[0018]进一步地，迭代从集合A中筛选出新的置信度最高的分片区域的答题卡片感兴趣区域置于集合B中，并与集合A中剩余的分块区域的答题卡片感兴趣区域取交集，若交集区域大于设定阈值，则取交集的集合A中的分片区域的答题卡片感兴趣区域删除，至集合A为空集终止迭代筛选。
[0019]进一步地，通过人形检测识别模型对场景图片进行识别得到人形感兴趣区域，通过人脸检测模型对人形感兴趣区域进行识别得到人脸感兴趣区域，通过人形感兴趣区域与答题卡片区域取交集做关联。
[0020]进一步地，通过人形感兴趣区域与答题卡片感兴趣区域取交集做关联，包括：
[0021]预先设置有人形感兴趣区域与答题卡片感兴趣区域的面积相交比例阈值；
[0022]获取人形感兴趣区域中答题卡片的坐标以及答题卡片感兴趣区域的坐标；
[0023]筛选出人形感兴趣区域中答题卡片坐标与答题卡片感兴趣区域的坐标差距在设定接受度范围内的人形感兴趣区域与答题卡片感兴趣区域；
[0024]将筛选出的答题卡片感兴趣区域与人形区域中对应的答题卡片区域相交；
[0025]将人形感兴趣区域与答题卡片感兴趣区域相交比例超过面积相交阈值且相交比例最大的相关联。
[0026]优选的，将答题人信息与答题卡片相关联，包括：
[0027]答题卡片上设有带框区域，通过图形检测模型识别带框感兴趣区域；
[0028]通过答题人信息识别模型识别带框感兴趣区域内对应的答题人信息并进行关联。
[0029]优选的，通过答题分类检测模型对处理后的所述答题卡片感兴趣区域进行答案识别之前对处理后的所述答题卡片感兴趣区域进行颜色干扰筛查，包括：
[0030]对负样本通过答题分类检测模型进行训练；
[0031]对答题卡片感兴趣区域的像素通过聚类方式提取若干个中心簇，通过计算中心簇与lab颜色空间的距离关系确定答题卡片的颜色；
[0032]若答题卡片的颜色与设定的答题卡片颜色不一致，则判断所述答题卡片感兴趣区域不是答题卡片；若一致，则判断是答题卡片。
[0033]本申请实施例还提供了网络设备，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基于机器视觉的答题卡片识别方法。
[0034]本申请实施例最后还提供了存储介质，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上述基于机器视觉的答题卡片识别方法。
[0035]本申请实施例提供的技术方案可以包括以下有益效果：
[0036]本申请实施例中答题卡片在远距离下也能识别，且识别准确度高。
[0037]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
[0038]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。
[0039]图1是本申请实施例一流程示意图；
[0040]图2是本申请场景图片区域分块示意图举例；
[0041]图3是本申请实施例二流程示意图；
[0042]图4是本申请非极大值移植方法处理方法流程示意图；
[0043]图5是本申请人形感兴趣区域与答题卡片的关联方法示意图。
具体实施方式
[0044]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。
[0045]本申请实施例为解决
技术介绍
中存在的问题，提出了基于机器视觉的答题卡片识别方法，如图1所示，实施例一包括：
[0046]101：获取包含答题卡片的场景图片；
[0047]通过场景内的摄像头采集场景图片，场景图片要求包含答题人拿起/举起答题卡片。这里的摄像头可以是独立设立的，也可以是集成在其他设备上的。这里的场景图片可以是智慧课堂老师学生教学互动答题的图片。
[0048]103：对场景图片进行区域分块，且分本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.基于机器视觉的答题卡片识别方法，其特征在于，包括：获取包含答题卡片的场景图片；对场景图片进行区域分块，且分块区域具有重叠区域；通过答题卡片检测模型识别每个分块区域的答题卡片感兴趣区域；通过非极大值移植方法对所述分块区域的答题卡片感兴趣区域进行处理；通过答题分类检测模型对处理后的所述答题卡片感兴趣区域进行答案识别。2.根据权利要求1所述的基于机器视觉的答题卡片识别方法，其特征在于，在通过答题卡片检测模型识别每个分块区域的答题卡片感兴趣区域之前对每个分块区域的答题卡片感兴趣区域进行线性放大。3.根据权利要求1所述的基于机器视觉的答题卡片识别方法，其特征在于，通过非极大值移植方法对所述分块区域的答题卡片感兴趣区域进行处理，包括：设置两个集合A和B，初始所述集合A用于放置分块区域的答题卡片感兴趣区域，集合B为空集；分块区域在通过答题卡片检测模型识别出每个分片区域的答题卡片感兴趣区域，以及其对应的置信度值；选出置信度值最高的分片区域的答题卡片感兴趣区域，放置到集合B中；将所述选出的置信度值最高的分片区域的答题卡片感兴趣区域与集合A中剩余的分块区域的答题卡片感兴趣区域取交集，若交集区域大于设定阈值，则取交集的集合A中的分片区域的答题卡片感兴趣区域删除。4.根据权利要求3所述的基于机器视觉的答题卡片识别方法，其特征在于，迭代从集合A中筛选出新的置信度最高的分片区域的答题卡片感兴趣区域置于集合B中，并与集合A中剩余的分块区域的答题卡片感兴趣区域取交集，若交集区域大于设定阈值，则取交集的集合A中的分片区域的答题卡片感兴趣区域删除，至集合A为空集终止迭代筛选。5.根据权利要求4所述的基于机器视觉的答题卡片识别方法，其特征在于，通过人形检测识别模型对场景图片进行识别得到人形感兴趣区域，通过人脸检测模型对人形感兴趣区域进行识别得到人脸感兴趣区域，通过人形感兴趣区域与答题卡片区域取交集做关联。6.根据权...

【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：