本申请提出一种试题批改方法、装置、设备、存储介质和扫描笔，方法包括：获取扫描到的当前试题的图像帧；利用预先构建的偏移量预测模型预测相邻图像帧之间的图像偏移量，并根据图像偏移量对图像帧进行拼接，得到当前试题的拼接图像；对拼接图像进行图像识别，并对识别出的图像内容进行批改，得到当前试题的批改结果。采用本申请提供的技术方案，可以直接扫描并拼接出需要批改的当前试题的图像，并对识别出的图像内容进行批改，从而实现试题的单独批改，相比于对整体试卷的批改后，查询试题批改结果，提高了试题批改效率。提高了试题批改效率。提高了试题批改效率。
【技术实现步骤摘要】
试题批改方法、装置、设备、存储介质和扫描笔
[0001]本申请涉及图像处理
，尤其涉及一种试题批改方法、装置、设备、存储介质和扫描笔。
技术介绍
[0002]随着计算机技术和教育信息化的不断推进，计算机技术已经逐步应用于日常的教育教学各项活动中。国内现有的基础教育、学生学习状况的主要考察形式仍是各种类型的试题，那么试题的批改则尤为重要。
[0003]现有技术中，通常在试题完成后，对试卷进行拍照，然后对拍摄的照片进行图像识别，并对识别出的试题进行批改，其中，图像识别是对拍摄到的整个试卷进行识别，识别出的是试卷上的所有试题，从而对所有试题进行批改，但是当需要进行边做题边批改时，对每道题批改均需要对拍摄的整张图像中的所有试题进行批改，从而查询到当前所做试题的批改结果，或者仅仅只做了试卷中的某几道试题时，也是需要对整张图像中的所有试题进行批改，从中查询出已做试题的批改结果，影响试题批改效率。
技术实现思路
[0004]基于上述现有技术的缺陷和不足，本申请提出一种试题批改方法、装置、设备、存储介质和扫描笔，能够提高试题批改效率。
[0005]根据本申请实施例的第一方面，提供了一种试题批改方法，包括：
[0006]获取扫描到的当前试题的图像帧；
[0007]利用预先构建的偏移量预测模型预测相邻图像帧之间的图像偏移量，并根据图像偏移量对所述图像帧进行拼接，得到当前试题的拼接图像；
[0008]对所述拼接图像进行图像识别，并对识别出的图像内容进行批改，得到所述当前试题的批改结果。
[0009]可选的，所述偏移量预测模型包括：特征提取网络和预测网络；
[0010]所述特征提取网络用于提取图像帧的图像特征；
[0011]所述预测网络用于基于连续两帧图像帧的图像特征，预测连续两帧图像帧之间的图像偏移量。
[0012]可选的，所述利用预先构建的偏移量预测模型预测相邻图像帧之间的图像偏移量，包括：
[0013]将第一图像帧和第二图像帧分别输入到所述特征提取网络中，得到所述第一图像帧的第一图像特征和所述第二图像帧的第二图像特征；其中，所述第一图像帧和所述第二图像帧为相邻图像帧；
[0014]将所述第一图像特征和所述第二图像特征拼接，得到拼接后的图像特征；
[0015]将所述图像拼接特征输入到所述预测网络中，得到所述第一图像帧和所述第二图像帧之间的图像偏移量。
[0016]可选的，所述特征提取网络为孪生网络；
[0017]将第一图像帧和第二图像帧分别输入到所述特征提取网络中，得到所述第一图像帧的第一图像特征和所述第二图像帧的第二图像特征，包括：
[0018]将第一图像帧输入到所述孪生网络中的第一神经网络，得到所述第一图像帧的第一图像特征，将第二图像帧输入到所述孪生网络中的第二神经网络，得到所述第二图像帧的第二图像特征；其中，所述孪生网络中的第一神经网络和孪生网络中的第二神经网络之间参数共享。
[0019]可选的，对所述拼接图像进行图像识别，并对识别出的图像内容进行批改，得到所述当前试题的批改结果，包括：
[0020]根据所述拼接图像的图像特征，识别出所述拼接图像中的试题内容和答案内容；
[0021]基于预先构建的试题数据库，分析所述拼接图像中的试题内容对应的目标答案；
[0022]根据所述目标答案和所述拼接图像中的答案内容之间的对比结果，确定所述当前试题的批改结果。
[0023]可选的，基于预先构建的试题数据库，分析所述拼接图像中的试题内容对应的目标答案，包括：
[0024]判断预先构建的试题数据库中是否存在与所述拼接图像中的试题内容相匹配的预存试题；
[0025]若所述试题数据库中存在与所述拼接图像中的试题内容相匹配的预存试题，则将所述试题数据库中所述预存试题对应的预存答案作为所述拼接图像中的试题内容对应的目标答案；
[0026]若所述试题数据库中不存在与所述拼接图像中的试题内容相匹配的预存试题，则对所述拼接图像中的试题内容进行答案分析，得到所述拼接图像中的试题内容对应的目标答案。
[0027]可选的，在所述拼接图像中的试题内容为速算试题内容的情况下，对所述拼接图像中的试题内容进行答案分析，得到所述拼接图像中的试题内容对应的目标答案，包括：
[0028]判断所述拼接图像中的试题内容中是否存在等号运算符；
[0029]若所述拼接图像中的试题内容中存在等号运算符，则判断所述拼接图像中的试题内容是否为合规算术表达式；
[0030]若所述拼接图像中的试题内容为合规算术表达式，则对该算术表达式进行计算确定所述拼接图像中的试题内容对应的目标答案；
[0031]若所述拼接图像中的试题内容中不存在等号运算符，或者所述拼接图像中的试题内容不是合规算术表达式，则确定所述当前试题为不可批改试题。
[0032]根据本申请实施例的第二方面，提供了一种试题批改装置，包括：
[0033]图像获取模块，用于获取扫描到的当前试题的图像帧；
[0034]图像拼接模块，用于利用预先构建的偏移量预测模型预测相邻图像帧之间的图像偏移量，并根据图像偏移量对所述图像帧进行拼接，得到当前试题的拼接图像；
[0035]批改模块，用于对所述拼接图像进行图像识别，并对识别出的图像内容进行批改，得到所述当前试题的批改结果。
[0036]根据本申请实施例的第三方面，提供了一种试题批改设备，包括：存储器和处理
器；
[0037]其中，所述存储器与所述处理器连接，用于存储程序；
[0038]所述处理器，用于通过运行所述存储器中的程序，实现上述试题批改方法。
[0039]根据本申请实施例的第四方面，提供了一种存储介质，所述存储介质上存储有计算机程序，所述计算机程序被处理器执行时，实现上述试题批改方法。
[0040]根据本申请实施例的第五方面，提供了一种扫描笔，包括：扫描笔主体、图像采集组件和试题批改设备；
[0041]所述图像采集组件与所述试题批改设备相连；
[0042]所述图像采集组件用于采集当前试题的图像帧；
[0043]所述试题批改设备用于获取扫描到的当前试题的图像帧；利用预先构建的偏移量预测模型预测相邻图像帧之间的图像偏移量，并根据图像偏移量对所述图像帧进行拼接，得到当前试题的拼接图像；对所述拼接图像进行图像识别，并对识别出的图像内容进行批改，得到所述当前试题的批改结果。
[0044]本申请提出的试题批改方法，包括：获取扫描到的当前试题的图像帧；利用预先构建的偏移量预测模型预测相邻图像帧之间的图像偏移量，并根据图像偏移量对图像帧进行拼接，得到当前试题的拼接图像；对拼接图像进行图像识别，并对识别出的图像内容进行批改，得到当前试题的批改结果。采用本申请提供的技术方案，可以直接扫描并拼接出需要批改的当前试题的图像，并对识别出的图像内容进行批改，从而实现试题的单独批改，相比于对整体试卷的本文档来自技高网...
【技术保护点】
【技术特征摘要】
1.一种试题批改方法，其特征在于，包括：获取扫描到的当前试题的图像帧；利用预先构建的偏移量预测模型预测相邻图像帧之间的图像偏移量，并根据图像偏移量对所述图像帧进行拼接，得到当前试题的拼接图像；对所述拼接图像进行图像识别，并对识别出的图像内容进行批改，得到所述当前试题的批改结果。2.根据权利要求1所述的方法，其特征在于，所述偏移量预测模型包括：特征提取网络和预测网络；所述特征提取网络用于提取图像帧的图像特征；所述预测网络用于基于连续两帧图像帧的图像特征，预测连续两帧图像帧之间的图像偏移量。3.根据权利要求2所述的方法，其特征在于，所述利用预先构建的偏移量预测模型预测相邻图像帧之间的图像偏移量，包括：将第一图像帧和第二图像帧分别输入到所述特征提取网络中，得到所述第一图像帧的第一图像特征和所述第二图像帧的第二图像特征；其中，所述第一图像帧和所述第二图像帧为相邻图像帧；将所述第一图像特征和所述第二图像特征拼接，得到拼接后的图像特征；将所述图像拼接特征输入到所述预测网络中，得到所述第一图像帧和所述第二图像帧之间的图像偏移量。4.根据权利要求3所述的方法，其特征在于，所述特征提取网络为孪生网络；将第一图像帧和第二图像帧分别输入到所述特征提取网络中，得到所述第一图像帧的第一图像特征和所述第二图像帧的第二图像特征，包括：将第一图像帧输入到所述孪生网络中的第一神经网络，得到所述第一图像帧的第一图像特征，将第二图像帧输入到所述孪生网络中的第二神经网络，得到所述第二图像帧的第二图像特征；其中，所述孪生网络中的第一神经网络和孪生网络中的第二神经网络之间参数共享。5.根据权利要求1所述的方法，其特征在于，对所述拼接图像进行图像识别，并对识别出的图像内容进行批改，得到所述当前试题的批改结果，包括：根据所述拼接图像的图像特征，识别出所述拼接图像中的试题内容和答案内容；基于预先构建的试题数据库，分析所述拼接图像中的试题内容对应的目标答案；根据所述目标答案和所述拼接图像中的答案内容之间的对比结果，确定所述当前试题的批改结果。6.根据权利要求5所述的方法，其特征在于，基于预先构建的试题数据库，分析所述拼接图像中的试题内容对应的目标答案，包括：判断预先构建的试题数据库中是否存在与所述拼接图像中的试题内容相匹配的预存试题；若所述试题数据库中存在与所述拼接图像...
【专利技术属性】
技术研发人员：吴嘉嘉，吴爱红，张银田，殷兵，胡金水，刘聪，
申请(专利权)人：科大讯飞股份有限公司，
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。