CN105184232A - 一种o2o互联网作业本、***及实现方法 - Google Patents

Abstract

本发明提供了一种O2O互联网作业本、***及实现方法，一种O2O互联网作业本，作业本上设置有条码区域、学生信息区域、答题区域及评分栏区域、作业题目，每个作业题目对应一个答题区域；条码区域设置有条码，条码包含作业的分类信息；作业本每一页设置上设置有条码区域；作业的分类信息包含科目或章节或知识点信息。通过本发明可以快速、准确自动识别与统计学生信息、评分数据，并将此数据信息上传至网络，教师及学生家长通过智能终端，可以快速查阅学生对教学知识点的掌握情况，实现作业得分情况的纵向(不同时间段间)与横向(不同个体间)的统计数据分析。同时，此***有利于加强教学管理及教学数据的保存，为个性化的教学提供数据支持。

Description

一种O2O互联网作业本、***及实现方法

技术领域

本发明属于教学辅助装置领域，特别是涉及一种O2O互联网作业本及其***。

背景技术

作业练习是学生学习过程中的重要环节，通过教师的评判与批阅，可以发现学生对学科知识点的掌握情况，并及时采取相应措施改进学习效果。目前学生作业练习普遍采用的是学生在家中完成作业，在课堂上统一上交，然后由教师进行批改评分，手动统计计分，并手动统计某个知识点学生的掌握情况，这种模式需要浪费教师大量的时间去做统计分析工作。其次，评判后的作业练习需要占据较大的存放空间，长期积累作业本达到一定年限以后通过丢弃的方式进行处理。这种处理方式具有明显的不足，不利于进行有效的教学管理。综上，在目前的作业练习评判与批阅中，归纳起来，有以下几个方面的缺点：

1、统计计分过程费时费力，统计结果容易出错。采用人工统计方式，特别是多个科目每日的作业练习，计分过程需要耗费大量的人力，不利于提高教学管理的效率。另外，人工统计很容易出现错误。

2、难以进行有效数据存储与管理。评判后作业练习以纸质方式由学生或教师分散保存，长期大量作业不利于管理，通常会被丢弃。教学过程中，通常希望查阅以往作业，目前的处理方式很难满足这方面的需求，查找的效率也很低。

3、无法实现有效的数据统计与分析。大量的作业数据可以为改善教与学的效果提供有效的数据支持。例如，可以通过对某个学生以往答题和作业情况的分析，针对不足提供个性化的教学。学生可以很容易找到自己的不足之处，教师也可以针对学生不足，单独进行辅导。教师也可以通过对全班或某个群体的以往数据纵向(不同时间段间)与横向(不同个体间)的分析，开展有针对性的教学。但是，目前的处理方法很难满足这方面的需求。

发明内容

为解决以上技术问题，本发明提出了一种O2O互联网作业本、***及实现方法。

本发明的技术方案为:

一种O2O互联网作业本，其特征在于，作业本上设置有条码区域、学生信息区域、答题区域及评分栏区域、作业题目，每个作业题目对应一个答题区域；条码区域设置有条码，条码包含作业的分类信息；作业本每一页设置上设置有条码区域；作业的分类信息包含科目或章节或知识点信息。

进一步，作业题目包括主观题和客观题；每个主观题对应一个评分区域。

进一步，作业本中设置有客观题答题专区，用于填写一个或者一个以上客观题的答案。

一种O2O互联网作业本***，其特征在于，包括作业本、智能终端、图像采集装置、图像处理装置、数据库服务器；图像采集装置用于采集作业本上图像，并将采集作业本上图像保存到数据库服务器；图像处理装置对图像采集装置采集的作业本中的条码进行识别，获取作业条码信息，并对作业本中的图像信息进行定位与分割，分割出待识别的字符图像区域，然后对字符图像区域进行高精度识别，并将识别后的数据信息上传至数据库服务器进行统计；数据库服务器用于保存图像采集装置采集的图像、学生信息、图像处理装置处理的数据；智能终端用于与数据库服务器之间通信，显示学生信息、作业信息及评分结果。智能终端可以是手机或平板电脑或PC机。

进一步，图像采集装置为扫描仪或者摄像头。

进一步，当作业题目为主观题时，图像处理装置中待识别的字符图像区域为评分栏区域。

进一步，当作业题目为客观题时，图像处理装置中待识别的字符图像区域为客观题答题专区。

实现方法，其特征在于，包括如下步骤：

1)采用图像采集装置采集作业图像，并将采集作业本上图像保存到数据库服务器；

2)图像处理装置对步骤1)中采集的作业图像进行二值化处理；

3)图像处理装置对作业本中的条码进行识别，获取作业条码信息；

4)图像处理装置对作业本中的图像信息进行定位；

5)对步骤4)中已经定位的图像信息进行分割，分割出待识别的字符块；

6)对步骤5)中分割出的字符进行识别，识别方法如下：首先根据字符块分割过程中得到候选分割字符，建立候选字符分割路径图，然后采用动态规划的方法计算最优分割路径，得到字符串的识别结果；最后并将识别后的数据信息上传至数据库服务器进行统计。

进一步，步骤2)中，采用基于最大类间方差方法进行图像二值化处理。

进一步，步骤6)中将字符块分为非中文字符串和中文字符串两种，分别进行识别处理；对于非中文字符串的识别，对每个候选字符分割块，首先计算8方向梯度特征，并进行LDA降维，然后在降维后的特征矢量空间中，利用MQDF(ModifiedQuadraticDiscriminantFunction)分类器进行分类，得到每个候选字符的识别可信度；将识别可信度与相邻候选字符分割块的宽高比等几何信息进行综合，并将综合后的识别可信度代入到文本块识别的最优分割路径计算中；对于中文字符串的识别，对每个候选字符分割块，首先计算8方向梯度特征，并进行LDA降维；在降维后的特征矢量空间中，利用MQDF分类器进行分类，得到每个候选字符的识别可信度，将识别可信度与二元语言模型信息，以及相邻候选字符分割块的宽高比等几何信息进行综合，并将综合后的识别可信度代入到文本行识别的最优分割路径计算中。

通过采用上述技术方案，当教师评阅好作业之后，先由图像采集装置对作业本上的图像进行采集，并由图像处理装置对图像采集装置采集的作业本中的条码进行识别，获取作业条码信息，并对作业本中的图像信息进行定位与分割，分割出待识别的字符图像区域，并对字符图像区域进行高精度识别，最后将得到的评分结果、主观题答题情况等数据信息上传至数据库服务器进行统计分析。

图像处理装置可以快速、准确自动识别与统计学生信息、评分数据，并将此数据信息上传至网络，教师及学生家长通过智能终端，可以快速查阅学生对教学知识点的掌握情况，实现作业得分情况的纵向(不同时间段间)与横向(不同个体间)的统计数据分析。同时，此***有利于加强教学管理及教学数据的保存，为个性化的教学提供数据支持。

附图说明

图1是实施例1作业本的结构示意图；

图2是作业本***的结构框图；

图3是实施例2作业本的结构示意图；

图4是实施例3作业本的结构示意图；

图5是实现方法的流程图。

具体实施方式

为了使本发明实现的技术手段、创作特征、达成目的与功效易于明白了解，下面结合图示与具体实施例，进一步阐述本发明。

实施例1：

如图1所示，作业本所涉及的题目均为主观题，作业本每一页上设置有条码区域1、学生信息区域2、科目3、作业题目4、答题区域6、评分栏区域5，学生信息区域2包括学生姓名、班级及学号等；每个主观题题目对应一个评分栏区域；条码区域设置有条码，条码包含作业的分类信息，比如章、节、知识点等。

作业本***，如图2所示，包括作业本、智能终端、图像采集装置、图像处理装置、数据库服务器；图像采集装置用于采集作业本上图像，并将采集的作业本图像保存到数据库服务器；图像采集装置可以是扫描仪或者摄像头。智能终端可以是手机或平板电脑或PC机。

在实施例1中，作业本所涉及的题目均为主观题，学生在答题区域答题后，先由教师进行批阅，然后由图像采集装置对作业本的每一页面的图像进行采集，图像处理装置对图像采集装置采集的作业本中的条码进行识别，获取作业条码信息，并对作业本中的图像信息进行定位与分割，分割出待识别的字符图像区域，并对字符图像区域进行高精度识别，其中待识别的字符图像区域为评分栏区域，最后将得到评分结果等数据信息，并将数据信息上传至数据库服务器进行统计，实现作业得分情况的纵向(不同时间段间)与横向(不同个体间)的统计数据分析。

数据库服务器用于保存图像采集装置采集的图像、学生信息、图像处理装置处理的数据；

智能终端用于与数据库服务器之间通信，显示学生信息、作业信息及评分结果。

如图5所示，本***的实现方法如下：

1)学生在答题区域答题后，先由教师进行批阅，然后由高速扫描仪对作业本每一页面的图像进行扫描采集。

2)图像处理装置依次对扫描的图像进行二值化处理；采用基于最大类间方差方法进行图像二值化。首先利用最大类间方差方法确定分割图像前景与背景的阈值，然后计算图像的最大和最小灰度值。若最大与最小灰度值差超过预先设定的值，则利用阈值进行二值化，否则图像二值化为全背景，并标识该作业为空白作业，不再进行后续处理。

3)条码区域定位：扫描图像中的条码，通过条码进行图像方向的定位，对倾斜的图像进行旋转校正；根据条码的结构和定位标识符号进行条码区域的定位，并根据定位信息计算作业图像的旋转及倾斜方向。然后，利用评分栏区域的水平和垂直分割实线，采用基于投影轮廓分析的方法，对倾斜方向在小角度范围内进行精确定位，最后对图像进行倾斜与旋转方向的校正。

4)学生信息区域的定位；根据条码定位结果和作业结构，利用Hough变换直线检测方法检测学生姓名、班级及学号等区域，实现学生信息区域的定位。

5)评分栏区域的定位；采用基于直线检测的方法定位与分割出相应的评分栏图像块。首先利用Hough变换直线检测方法检测评分栏区域左右两侧的垂直分割实线，定位评分区域，然后，利用基于投影轮廓分析的方法定位评分栏的水平分割线。最后根据水平和垂直分割线位置，实现各个题目的评分区域的图像定位。

6)对已经定位好的评分区域的图像信息进行分割，分割出待识别的字符块。计算最优分割路径，对字符块的候选字符进行分割，对候选字符进行可信度计算；这里采用过分割的策略。对每个字符图像块，首先进行垂直投影，将投影轮廓值小于一定阈值的所有点作为候选垂直分割点，得到候选字符分割块。然后，根据相邻候选字符分割块的宽度，及垂直分割点处的垂直方向扫描的笔画穿越数，将分割块宽度和笔画穿越数均小于一定阈值的分割块进行合并。最后得到过分割的候选分割字符。由于手写字符容易出现连笔，这种方法可以较好地适应连笔的情况。

6)对分割出的字符进行识别，最后得到评分结果及相应试卷信息的识别结果。将文本块分为非中文字符串(如学号、评分等)和中文字符串(如姓名、班级)两种，分别进行识别处理。文本块的识别过程为：首先根据文本块分割过程中得到的候选分割字符，建立候选字符分割路径图，然后采用动态规划的方法计算最优分割路径，得到字符串的识别结果。对于非中文字符串的识别，对每个候选字符分割块，首先计算8方向梯度特征，并进行LDA降维，然后在降维后的特征矢量空间中，利用MQDF(ModifiedQuadraticDiscriminantFunction)分类器进行分类，得到每个候选字符的识别可信度。将识别可信度与相邻候选字符分割块的宽高比等几何信息进行综合，并将综合后的识别可信度代入到文本块识别的最优分割路径计算中。对于中文字符串的识别，对每个候选字符分割块，首先计算8方向梯度特征，并进行LDA降维。在降维后的特征矢量空间中，利用MQDF分类器进行分类，得到每个候选字符的识别可信度，将识别可信度与二元语言模型信息，以及相邻候选字符分割块的宽高比等几何信息进行综合，并将综合后的识别可信度代入到文本行识别的最优分割路径计算中。

实施例2：

实施例2与实施例1的不同点在于，实施例2中题目既包含主观题，又包含客观题。

如图3所示，作业本，包括条码区域1a、学生信息区域2a、科目3a、作业题目4a、评分区域5a、答题区域；学生信息区域2a包括学生姓名、班级及学号等；条码区域1a设置有条码，条码包含作业的分类信息，比如章、节、知识点等。

答题区域包括两部分，一是主观题答题区域6a，二是客观题答题专区6b；每个主观题边上设置有评分区域5a，评分区域5a由教师对主观题的作答情况进行评阅。客观题答题专区，用于填写一个或者一个以上客观题的答案。

在作业本的每一页中，均包括条码区域1a、学生信息区域2a、科目3a、作业题目4a，这些信息可以设置在作业本的顶部或底部或侧边；在作业本的每一页中，既可以包含客观题又可以包含主观题；也可以仅是主观题或者客观题。

作业本***同实施例1。

由于作业本所涉及的题目既有主观题又有客观题，当学生在答题区域答题后，先由教师进行批阅，然后由图像采集装置对作业本的每一页面的图像进行采集，图像处理装置对图像采集装置采集的作业本中的条码进行识别，获取作业条码信息，并对作业本中的图像信息进行定位与分割，分割出待识别的字符图像区域，并对字符图像区域进行高精度识别。

当试题题目为主观题时，待识别的字符图像区域为评分栏区域；当试题题目为客观题时，待识别的字符图像区域为客观题答题专区，对客观题答题专区的答题情况进行自动批阅及分数统计；最后将主观题部分得到的评分结果及客观题目得到的成绩进行统计得到数据信息，并将数据信息上传至数据库服务器进行统计，实现作业得分情况的纵向(不同时间段间)与横向(不同个体间)的统计数据分析。

实施例3

如图4所示，作业本所涉及的题目均为客观题，作业本每一页上设置有条码区域1c、学生信息区域2c、科目3c、作业题目4c、客观题答题专区6c，学生信息区域2c包括学生姓名、班级及学号等；条码区域设置有条码，条码包含作业的分类信息，比如章、节、知识点等。客观题答题专区6c，用于填写所有客观题的答案。

作业本***同实施例1。

在数据处理时，图像处理装置对客观题答题专区的图形进行识别处理。

以上显示和描述了本发明的基本原理、主要特征和本发明的优点。本行业的技术人员应该了解，本发明不受上述实施例的限制，上述实施例和说明书中描述的只是说明本发明的原理，在不脱离本发明精神和范围的前提下本发明还会有各种变化和改进，这些变化和改进都落入要求保护的本发明范围内。

Claims (10)

1.一种O2O互联网作业本，其特征在于，作业本上设置有条码区域、学生信息区域、答题区域及评分栏区域、作业题目，每个作业题目对应一个答题区域；条码区域设置有条码，条码包含作业的分类信息；作业本每一页设置上设置有条码区域；作业的分类信息包含科目或章节或知识点信息。

2.根据权利要求1所述的一种O2O互联网作业本，其特征在于，作业题目包括主观题和客观题；每个主观题对应一个评分区域。

3.根据权利要求1或2所述的一种O2O互联网作业本，其特征在于，作业本中设置有客观题答题专区，用于填写一个或者一个以上客观题的答案。

4.一种O2O互联网作业本***，其特征在于，包括作业本、智能终端、图像采集装置、图像处理装置、数据库服务器；图像采集装置用于采集作业本上图像，并将采集作业本上图像保存到数据库服务器；图像处理装置对图像采集装置采集的作业本中的条码进行识别，获取作业条码信息，并对作业本中的图像信息进行定位与分割，分割出待识别的字符图像区域，然后对字符图像区域进行高精度识别，并将识别后的数据信息上传至数据库服务器进行统计；数据库服务器用于保存图像采集装置采集的图像、学生信息、图像处理装置处理的数据；智能终端用于与数据库服务器之间通信，显示学生信息、作业信息及评分结果。

5.根据权利要求4所述的一种O2O互联网作业本***，其特征在于，图像采集装置为扫描仪或者摄像头。

6.根据权利要求4所述的一种O2O互联网作业本***，其特征在于，当作业题目为主观题时，图像处理装置中待识别的字符图像区域为评分栏区域。

7.根据权利要求4所述的一种O2O互联网作业本***，其特征在于，当作业题目为客观题时，图像处理装置中待识别的字符图像区域为客观题答题专区。

8.实现方法，其特征在于，包括如下步骤：

1)采用图像采集装置采集作业图像，并将采集作业本上图像保存到数据库服务器；

2)图像处理装置对步骤1)中采集的作业图像进行二值化处理；

3)图像处理装置对作业本中的条码进行识别，获取作业条码信息；

4)图像处理装置对作业本中的图像信息进行定位；

5)对步骤4)中已经定位的图像信息进行分割，分割出待识别的字符块；

6)对步骤5)中分割出的字符进行识别，识别方法如下：首先根据字符块分割过程中得到候选分割字符，建立候选字符分割路径图，然后采用动态规划的方法计算最优分割路径，得到字符串的识别结果；最后并将识别后的数据信息上传至数据库服务器进行统计。

9.根据权利要求8所述的实现方法，其特征在于，步骤2)中，采用基于最大类间方差方法进行图像二值化处理。

10.根据权利要求8所述的实现方法，其特征在于，步骤6)中将字符块分为非中文字符串和中文字符串两种，分别进行识别处理；对于非中文字符串的识别，对每个候选字符分割块，首先计算8方向梯度特征，并进行LDA降维，然后在降维后的特征矢量空间中，利用MQDF(ModifiedQuadraticDiscriminantFunction)分类器进行分类，得到每个候选字符的识别可信度；将识别可信度与相邻候选字符分割块的宽高比等几何信息进行综合，并将综合后的识别可信度代入到文本块识别的最优分割路径计算中；对于中文字符串的识别，对每个候选字符分割块，首先计算8方向梯度特征，并进行LDA降维；在降维后的特征矢量空间中，利用MQDF分类器进行分类，得到每个候选字符的识别可信度，将识别可信度与二元语言模型信息，以及相邻候选字符分割块的宽高比等几何信息进行综合，并将综合后的识别可信度代入到文本行识别的最优分割路径计算中。