CN106372613A - 纸质试卷的统计方法和装置 - Google Patents
纸质试卷的统计方法和装置 Download PDFInfo
- Publication number
- CN106372613A CN106372613A CN201610819011.1A CN201610819011A CN106372613A CN 106372613 A CN106372613 A CN 106372613A CN 201610819011 A CN201610819011 A CN 201610819011A CN 106372613 A CN106372613 A CN 106372613A
- Authority
- CN
- China
- Prior art keywords
- examination question
- paper
- pattern identification
- region
- scoring
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
- 238000007619 statistical method Methods 0.000 title claims abstract description 21
- 238000002372 labelling Methods 0.000 claims description 59
- 239000003550 marker Substances 0.000 claims description 6
- 238000001514 detection method Methods 0.000 claims description 5
- 238000000034 method Methods 0.000 abstract description 13
- 230000008569 process Effects 0.000 abstract description 8
- 238000010586 diagram Methods 0.000 description 5
- 238000005516 engineering process Methods 0.000 description 3
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 230000035772 mutation Effects 0.000 description 2
- 238000002360 preparation method Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V30/00—Character recognition; Recognising digital ink; Document-oriented image-based pattern recognition
- G06V30/40—Document-oriented image-based pattern recognition
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T3/00—Geometric image transformations in the plane of the image
- G06T3/60—Rotation of whole images or parts thereof
- G06T3/608—Rotation of whole images or parts thereof by skew deformation, e.g. two-pass or three-pass rotation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/20—Image preprocessing
- G06V10/24—Aligning, centring, orientation detection or correction of the image
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V30/00—Character recognition; Recognising digital ink; Document-oriented image-based pattern recognition
- G06V30/10—Character recognition
- G06V30/22—Character recognition characterised by the type of writing
- G06V30/224—Character recognition characterised by the type of writing of printed characters having additional code marks or containing code marks
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Multimedia (AREA)
- Artificial Intelligence (AREA)
- Image Analysis (AREA)
- Inspection Of Paper Currency And Valuable Securities (AREA)
Abstract
本发明公开了一种纸质试卷的统计方法和装置。所述纸质试卷的统计方法包括:对纸质试卷进行扫描,获得试卷图像;其中,所述纸质试卷中的每一试题标号前均预先设置有图形标识;识别所述试卷图像中的图形标识,并根据识别到的所述图形标识对所述试卷图像进行划分,获得至少一个试题区域;根据每个所述试题区域中的所述图形标识获得与所述试题区域相对应的试题标号;分别对每个所述试题区域中的评分标记进行识别和判断,获得相应的判断结果;根据所述试题标号和所述判断结果对所述纸质试卷中的各个试题进行统计,获得统计结果。采用本发明,能够提高对纸质试卷的得分进行统计的过程的效率,且能够提高统计结果的准确度。
Description
技术领域
本发明涉及计算机技术领域,尤其涉及一种纸质试卷的统计方法和装置。
背景技术
在日常的教学中,老师在对纸质的试卷等进行评分之后,还需要对试卷中的每个试题的得分情况或正确率进行统计,以便于对学生的学习情况进行分析,了解学生对各个题型的知识点的掌握情况。
现有的对批改后的纸质试卷进行统计(特别的,针对主观题的统计)的方法是通过人工地对试卷上各题的得分进行统计来实现的。由此可见,现有的对纸质试卷进行得分统计的方法效率低下,且人工统计容易出错。
发明内容
本发明提出一种纸质试卷的统计方法和装置,能够提高对纸质试卷的得分进行统计的过程的效率,且能够提高统计结果的准确度。
本发明提供的一种纸质试卷的统计方法,具体包括:
对纸质试卷进行扫描,获得试卷图像;其中,所述纸质试卷中的每一试题标号前均预先设置有图形标识;
识别所述试卷图像中的图形标识,并根据识别到的所述图形标识对所述试卷图像进行划分,获得至少一个试题区域;
根据每个所述试题区域中的所述图形标识获得与所述试题区域相对应的试题标号;
分别对每个所述试题区域中的评分标记进行识别和判断,获得相应的判断结果;
根据所述试题标号和所述判断结果对所述纸质试卷中的各个试题进行统计,获得统计结果。
进一步地,在所述对纸质试卷进行扫描,获得试卷图像之后,所述识别所述试卷图像中的图形标识,并根据识别到的所述图形标识对所述试卷图像进行划分,获得至少一个试题区域之前,还包括:
识别所述试卷图像中的所有所述图形标识,并将识别到的所述图形标识中的与所述试卷图像的同一边界的距离小于预设的阈值的至少两个所述图形标识相互连接,形成原始标识连接线;
对所述原始标识连接线进行平滑处理,获得近似标识连接线;其中,所述近似标识连接线为直线;
计算所述近似标识连接线与预设的基准线之间的角度,并在所述角度不为零时,根据所述角度对所述试卷图像进行旋转处理,获得所述近似标识连接线与所述基准线之间的角度为零的所述试卷图像。
进一步地,所述识别所述试卷图像中的图形标识,并根据识别到的所述图形标识对所述试卷图像进行划分,获得至少一个试题区域,具体包括:
识别所述试卷图像中的所述图形标识,并将识别到的所述图形标识设置为第一定位点;
根据所述第一定位点的坐标、预设的第一方向矢量及第一边界长度,生成以所述第一定位点为起点的第一边界;
根据所述第一定位点的坐标、预设的第二方向矢量及第二边界长度,生成以所述第一定位点为起点的第二边界;其中,所述第二方向矢量与所述第一方向矢量垂直;
根据所述第一边界与所述第二边界,获得形状为矩形的试题区域。
进一步地,所述第一边界长度和/或第二边界长度通过对所述试卷图像进行边缘检测生成。
进一步地,所述根据每个所述试题区域中的所述图形标识获得与所述试题区域相对应的试题标号,具体包括:
通过根据每个所述试题区域中的所述图形标识分别计算每个所述试题区域在所有所述试题区域中的顺序,获得与所述试题区域相对应的试题标号;或者,
通过对每个所述试题区域中的所述图形标识后的标号进行识别,获得与所述试题区域相对应的试题标号。
进一步地,所述分别对每个所述试题区域中的评分标记进行识别和判断,获得相应的判断结果,具体包括:
对各个所述试题区域中的所述评分标记进行识别,并判断组成所述评分标记的各个像素单元的所有相邻像素单元中的组成所述评分标记的相邻像素单元是否均位于以所述像素单元为原点的坐标系的同一象限中或者同一半轴上,若是,则确定所述像素单元为端点;其中,所述像素单元中包括至少一个像素点;所述相邻像素单元中所包括的像素点的个数与所述像素单元中所包括的像素点的个数相同;
计算组成所述评分标记的各个像素单元中的端点个数,并判断所述端点个数是否为4,若是,则确定所述评分标记表示“错误”,否则确定所述评分标记表示“正确”。
相应地,本发明还提供了一种纸质试卷的统计装置,具体包括:
试卷图像获得模块,用于对纸质试卷进行扫描,获得试卷图像;其中,所述纸质试卷中的每一试题标号前均预先设置有图形标识;
试题区域获得模块,用于识别所述试卷图像中的图形标识,并根据识别到的所述图形标识对所述试卷图像进行划分,获得至少一个试题区域;
试题标号获得模块,用于根据每个所述试题区域中的所述图形标识获得与所述试题区域相对应的试题标号;
判断结果获得模块,用于分别对每个所述试题区域中的评分标记进行识别和判断,获得相应的判断结果;以及,
统计结果获得模块,用于根据所述试题标号和所述判断结果对所述纸质试卷中的各个试题进行统计,获得统计结果。
进一步地,所述纸质试卷的统计装置,还包括:
原始标识连接线生成模块,用于识别所述试卷图像中的所有所述图形标识,并将识别到的所述图形标识中的与所述试卷图像的同一边界的距离小于预设的阈值的至少两个所述图形标识相互连接,形成原始标识连接线;
近似标识连接线获得模块,用于对所述原始标识连接线进行平滑处理,获得近似标识连接线;其中,所述近似标识连接线为直线;以及,
倾斜校正模块,用于计算所述近似标识连接线与预设的基准线之间的角度,并在所述角度不为零时,根据所述角度对所述试卷图像进行旋转处理,获得所述近似标识连接线与所述基准线之间的角度为零的所述试卷图像。
进一步地,所述试题区域获得模块,具体包括:
第一定位点获得单元,用于识别所述试卷图像中的所述图形标识,并将识别到的所述图形标识设置为第一定位点;
第一边界生成单元,用于根据所述第一定位点的坐标、预设的第一方向矢量及第一边界长度,生成以所述第一定位点为起点的第一边界;
第二边界生成单元,用于根据所述第一定位点的坐标、预设的第二方向矢量及第二边界长度,生成以所述第一定位点为起点的第二边界;其中,所述第二方向矢量与所述第一方向矢量垂直;以及,
矩形试题区域获得单元,用于根据所述第一边界与所述第二边界,获得形状为矩形的试题区域。
进一步地,所述试题标号获得模块,具体包括:
试题标号计算单元,用于通过根据每个所述试题区域中的所述图形标识分别计算每个所述试题区域在所有所述试题区域中的顺序,获得与所述试题区域相对应的试题标号;或者,
试题标号识别单元,用于通过对每个所述试题区域中的所述图形标识后的标号进行识别,获得与所述试题区域相对应的试题标号。
进一步地,所述判断结果获得模块,具体包括:
评分标记识别单元,用于对各个所述试题区域中的所述评分标记进行识别,并判断组成所述评分标记的各个像素单元的所有相邻像素单元中的组成所述评分标记的相邻像素单元是否均位于以所述像素单元为原点的坐标系的同一象限中或者同一半轴上,若是,则确定所述像素单元为端点;其中,所述像素单元中包括至少一个像素点;所述相邻像素单元中所包括的像素点的个数与所述像素单元中所包括的像素点的个数相同;以及,
评分标记判断单元,用于计算组成所述评分标记的各个像素单元中的端点个数,并判断所述端点个数是否为4,若是,则确定所述评分标记表示“错误”,否则确定所述评分标记表示“正确”。
实施本发明,具有如下有益效果:
本发明提供的纸质试卷的统计方法及装置,通过设备对纸质试卷进行扫描并识别判断其中的评分标记,从而通过设备对试卷的得分进行统计,而无需人工的操作和干预,因此能够提高对纸质试卷的得分进行统计的过程的效率,且能够提高统计结果的准确度。
附图说明
图1是本发明提供的纸质试卷的统计方法的一个实施例的流程示意图;
图2是本发明提供的纸质试卷的统计方法中的一个试卷图像的示意图;
图3是本发明提供的纸质试卷的统计方法中的一个发生倾斜的试卷图像的示意图;
图4是本发明提供的纸质试卷的统计方法中的一个试题区域的示意图;
图5是本发明提供的纸质试卷的统计装置的一个实施例的结构示意图。
具体实施方式
下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
参见图1,是本发明提供的纸质试卷的统计方法的一个实施例的流程示意图,包括步骤S11至S15,具体如下:
S11:对纸质试卷进行扫描,获得试卷图像;其中,所述纸质试卷中的每一试题标号前均预先设置有图形标识;
S12:识别所述试卷图像中的图形标识,并根据识别到的所述图形标识对所述试卷图像进行划分,获得至少一个试题区域;
S13:根据每个所述试题区域中的所述图形标识获得与所述试题区域相对应的试题标号;
S14:分别对每个所述试题区域中的评分标记进行识别和判断,获得相应的判断结果;
S15:根据所述试题标号和所述判断结果对所述纸质试卷中的各个试题进行统计,获得统计结果。
需要说明的是,在印刷试卷时,在每一试题标号前添加图形标识。在对批改过后的试卷的得分进行统计时,设备根据试卷中的图形标识得到各个试题所对应的试题区域,并对每个试题区域中的评分标记进行识别,从而判断所对应的试题回答是否正确。设备在对判断的结果进行统计之后,即可得到对批改过后的纸质试卷的得分的统计结果。
在一个优选地实施方式中,在印刷纸质试卷时,在每一试题标号前添加图形标识。在老师对该纸质试卷进行批改之后,设备对该纸质试卷进行扫描,从而获得相应的试卷图像。随后,设备对试卷图像中的图形标识进行识别,并根据识别到的图形标识将试卷图像划分为至少一个试题区域。设备根据每个试题区域中的图形标识并且通过计算或者识别的方式获得该试题区域所对应的试题标号。随后,设备通过识别和判断该试题区域中的评分标记表示“正确”抑或是“错误”来获得判断结果。最后,设备对所获得的试题标号和相对应的判断结果进行统计,从而获得最终的统计结果。
例如,如图2所示,是一个试卷图像的示意图,通过对一张纸质试卷进行扫描获得。该试卷中的每一试题的试题标号前均具有一个黑色的小方块作为图形标识,分别为小方块211、小方块212和小方块213。设备识别这些小方块,并根据识别到的小方块将该试卷图像划分为三个试题区域,分别为试题区域221、试题区域222和试题区域223。随后,设备根据试题区域221中的小方块211并且通过计算或者识别的方式获得该试题区域221所对应的试题标号“1”、根据试题区域222中的小方块212并且通过计算或者识别的方式获得该试题区域222所对应的试题标号“2”,以及根据试题区域223中的小方块213并且通过计算或者识别的方式获得该试题区域223所对应的试题标号“3”。随后,设备对每个试题区域中的评分标记进行识别,通过判断识别到的评分标记,确定试题标号为“1”的试题的回答错误、试题标号为“2”的试题的回答正确以及试题标号为“3”的试题的回答错误。最后,根据获得的各个试题的试题标号和相应的判断结果,对该纸质试卷的答题情况进行统计。
需要进一步说明的是,若试卷的试题中包括大试题和小试题,则在印刷试卷时,在每一大试题和每一小试题标号前添加图形标识。其中,大试题的图形标识与小试题的图形标识不相同。设备在对试卷图像进行划分时,先根据大试题的图形标识对试卷图像进行划分,获得至少一个大试题区域,再判断每一大试题区域中是否包括小试题的图形标识,若包括,则根据该小试题的图形标识对该大试题区域进行划分,从而获得至少一个小试题区域,若不包括,则不对该大试题区域进行划分。
通过设备对纸质试卷进行扫描并识别判断其中的评分标记,从而通过设备对试卷的得分进行统计,而无需人工的操作和干预,因此能够提高对纸质试卷的得分进行统计的过程的效率,且能够提高统计结果的准确度。
进一步地,在所述对纸质试卷进行扫描,获得试卷图像之后,所述识别所述试卷图像中的图形标识,并根据识别到的所述图形标识对所述试卷图像进行划分,获得至少一个试题区域之前,还包括:
识别所述试卷图像中的所有所述图形标识,并将识别到的所述图形标识中的与所述试卷图像的同一边界的距离小于预设的阈值的至少两个所述图形标识相互连接,形成原始标识连接线;
对所述原始标识连接线进行平滑处理,获得近似标识连接线;其中,所述近似标识连接线为直线;
计算所述近似标识连接线与预设的基准线之间的角度,并在所述角度不为零时,根据所述角度对所述试卷图像进行旋转处理,获得所述近似标识连接线与所述基准线之间的角度为零的所述试卷图像。
需要说明的是,在设备对纸质试卷进行扫描时,若该纸质试卷的摆放发生了倾斜,或者外界环境对设备的运作造成了一定的干扰,都有可能会导致扫描所得到的试卷图像发生一定的倾斜,因此需要对发生倾斜的试卷图像进行校正,以便于后续的识别统计处理。在通过扫描纸质试卷从而获得试卷图像之后,设备识别该试卷图像中的所有图形标识,并将其中与该试卷图像的同一边界之间的距离小于预设的阈值的至少两个图形标识相连,从而获得原始标识连接线。随后,设备对该原始标识连接线进行平滑处理,从而获得形状为直线的近似标识连接线。最后,设备计算该近似标识连接线和预先设置的基准线之间的角度,若该角度为零,则说明该试卷图像没有发生倾斜,因此对该试卷图像不做旋转处理,若该角度不为零,则说明该试卷图像发生了倾斜,因此需要对该试卷图像进行旋转处理,使得旋转之后的该试卷图像的近似标识连接线与基准线之间的角度为零,从而完成对试卷图像方向的校正。
例如,如图3所示,为一个发生倾斜的试卷图像的示意图。设备在扫描纸质试卷获得试卷图像之后,识别该试卷图像中的所有图形标识,并将识别到的图形标识311、图形标识312和图形标识313(假设图形标识311、图形标识312和图形标识313与试卷图像左侧边界之间的距离均小于预设的阈值)相互连接,从而获得原始标识连接线。随后,设备对所获得的原始标识连接线进行平滑处理,获得近似标识连接线321。最后,设备计算该近似标识连接线321与预先设置的垂直基准线322之间的角度。因为该角度不为零,因此对该试卷图像进行旋转处理,使得旋转后的试卷图像的近似标识连接线321与垂直基准线322之间的角度为零。
进一步地,所述识别所述试卷图像中的图形标识,并根据识别到的所述图形标识对所述试卷图像进行划分,获得至少一个试题区域,具体包括:
识别所述试卷图像中的所述图形标识,并将识别到的所述图形标识设置为第一定位点;
根据所述第一定位点的坐标、预设的第一方向矢量及第一边界长度,生成以所述第一定位点为起点的第一边界;
根据所述第一定位点的坐标、预设的第二方向矢量及第二边界长度,生成以所述第一定位点为起点的第二边界;其中,所述第二方向矢量与所述第一方向矢量垂直;
根据所述第一边界与所述第二边界,获得形状为矩形的试题区域。
需要说明的是,在设备通过扫描纸质试卷获得相应的试卷图像之后,根据试卷图像中的图形标识对试卷图像进行划分,从而获得至少一个试卷区域。在确定试卷区域的范围的过程中,将识别到的图形标识中的一个图形标识设置为第一定位点。随后,根据第一定位点的坐标、预设的第一方向矢量和第一边界长度生成以第一定位点为起点的试题区域的第一边界,以及,根据第一定位点的坐标、预设的第二方向矢量和第二边界长度生成以第一定位点为起点的试题区域的第二边界。最后,根据该第一定位点、该第一边界和该第二边界获得形状为矩形的试题区域。
例如,如图4所示,为一个试题区域的示意图。设备在对试卷图像进行划分时,首先识别出图形标识,并将该图形标识设置为第一定位点41。随后,根据第一定点41的坐标、预设的与试卷图像的上边界平行的方向矢量和第一边界长度生成以第一定点41为起点的第一边界42,并根据第一定点41的坐标、预设的与试卷图像的左侧边界平行的方向矢量和第二边界长度生成以第一定点41为起点的第二边界43。最后,根据该第一定点41、该第一边界42和该第二边界43确定一个矩形区域,即为试题区域44。
进一步地,所述第一边界长度和/或第二边界长度通过对所述试卷图像进行边缘检测生成。
需要说明的是,设备在将识别到的图形标识设置为第一定位点之后,依次对位于以该第一定位点为起点的第一方向矢量上的所有像素点进行边缘检测,当检测到图像灰度值发生突变,即检测到边缘时,则认为该边缘与第一定位点之间的距离为试题区域的第一边界长度;以及/或者依次对位于以该第一定位点为起点的第二方向矢量上的所有像素点进行边缘检测,当检测到图像灰度值发生突变,即检测到边缘时,则认为该边缘与第一定位点之间的距离为试题区域的第二边界长度。
进一步地,所述根据每个所述试题区域中的所述图形标识获得与所述试题区域相对应的试题标号,具体包括:
通过根据每个所述试题区域中的所述图形标识分别计算每个所述试题区域在所有所述试题区域中的顺序,获得与所述试题区域相对应的试题标号;或者,
通过对每个所述试题区域中的所述图形标识后的标号进行识别,获得与所述试题区域相对应的试题标号。
需要说明的是,设备在将试卷图像划分为至少一个试题区域之后,可以根据每个试题区域中的图形标识在所有图形标识中的顺序,计算该试题区域在所有试题区域中的顺序,从而获得相应的试题标号;还可以通过对每个试题区域中的图形标识后的标号进行识别,从而获得相应的试题标号。需要进一步说明的是,该对标号进行识别的过程采用OCR识别技术实现。
进一步地,所述分别对每个所述试题区域中的评分标记进行识别和判断,获得相应的判断结果,具体包括:
对各个所述试题区域中的所述评分标记进行识别,并判断组成所述评分标记的各个像素单元的所有相邻像素单元中的组成所述评分标记的相邻像素单元是否均位于以所述像素单元为原点的坐标系的同一象限中或者同一半轴上,若是,则确定所述像素单元为端点;其中,所述像素单元中包括至少一个像素点;所述相邻像素单元中所包括的像素点的个数与所述像素单元中所包括的像素点的个数相同;
计算组成所述评分标记的各个像素单元中的端点个数,并判断所述端点个数是否为4,若是,则确定所述评分标记表示“错误”,否则确定所述评分标记表示“正确”。
需要说明的是,本实施例采用象限判断法对识别到的评分标记中的端点进行判断。设备在对试卷图像进行试题区域划分且获得每个试题区域所对应的试题标号之后,对各个试题区域中的评分标记进行识别,并判断组成该评分标记的各个像素单元是否为端点。其中,若组成该评分标记的某个像素单元的所有相邻像素单元中的组成该评分标记的所有相邻像素单元均位于以该像素单元为原点的坐标系的同一象限或者同一半轴中,则认为该像素单元为端点,否则则认为该像素单元不为端点。设备在遍历组成该评分标记的所有像素单元并一一进行判断之后,计算组成该评分标记的所有像素单元中的端点个数,并判断该端点个数是否为4,若是,则认为该评分标记为“×”,表示该试题区域所对应的试题的回答“错误”,否则,则认为该评分标记为“√”或者“〇”,表示该试题区域所对应的试题的回答“正确”。需要进一步说明的是,像素单元中包括至少一个像素点,且相邻像素单元中所包括的像素点的个数与像素单元中所包括的像素点的个数相同。
本发明实施例提供的纸质试卷的统计方法,通过设备对纸质试卷进行扫描并识别判断其中的评分标记,从而通过设备对试卷的得分进行统计,而无需人工的操作和干预,因此能够提高对纸质试卷的得分进行统计的过程的效率,且能够提高统计结果的准确度。
相应地,本发明还提供一种纸质试卷的统计装置,能够实现上述实施例中的纸质试卷的统计方法的所有流程。
参见图5,是本发明提供的纸质试卷的统计装置的一个实施例的结构示意图,具体如下:
试卷图像获得模块51,用于对纸质试卷进行扫描,获得试卷图像;其中,所述纸质试卷中的每一试题标号前均预先设置有图形标识;
试题区域获得模块52,用于识别所述试卷图像中的图形标识,并根据识别到的所述图形标识对所述试卷图像进行划分,获得至少一个试题区域;
试题标号获得模块53,用于根据每个所述试题区域中的所述图形标识获得与所述试题区域相对应的试题标号;
判断结果获得模块54,用于分别对每个所述试题区域中的评分标记进行识别和判断,获得相应的判断结果;以及,
统计结果获得模块55,用于根据所述试题标号和所述判断结果对所述纸质试卷中的各个试题进行统计,获得统计结果。
进一步地,所述纸质试卷的统计装置,还包括:
原始标识连接线生成模块,用于识别所述试卷图像中的所有所述图形标识,并将识别到的所述图形标识中的与所述试卷图像的同一边界的距离小于预设的阈值的至少两个所述图形标识相互连接,形成原始标识连接线;
近似标识连接线获得模块,用于对所述原始标识连接线进行平滑处理,获得近似标识连接线;其中,所述近似标识连接线为直线;以及,
倾斜校正模块,用于计算所述近似标识连接线与预设的基准线之间的角度,并在所述角度不为零时,根据所述角度对所述试卷图像进行旋转处理,获得所述近似标识连接线与所述基准线之间的角度为零的所述试卷图像。
进一步地,所述试题区域获得模块52,具体包括:
第一定位点获得单元,用于识别所述试卷图像中的所述图形标识,并将识别到的所述图形标识设置为第一定位点;
第一边界生成单元,用于根据所述第一定位点的坐标、预设的第一方向矢量及第一边界长度,生成以所述第一定位点为起点的第一边界;
第二边界生成单元,用于根据所述第一定位点的坐标、预设的第二方向矢量及第二边界长度,生成以所述第一定位点为起点的第二边界;其中,所述第二方向矢量与所述第一方向矢量垂直;以及,
矩形试题区域获得单元,用于根据所述第一边界与所述第二边界,获得形状为矩形的试题区域。
进一步地,所述试题标号获得模块53,具体包括:
试题标号计算单元,用于通过根据每个所述试题区域中的所述图形标识分别计算每个所述试题区域在所有所述试题区域中的顺序,获得与所述试题区域相对应的试题标号;或者,
试题标号识别单元,用于通过对每个所述试题区域中的所述图形标识后的标号进行识别,获得与所述试题区域相对应的试题标号。
进一步地,所述判断结果获得模块54,具体包括:
评分标记识别单元,用于对各个所述试题区域中的所述评分标记进行识别,并判断组成所述评分标记的各个像素单元的所有相邻像素单元中的组成所述评分标记的相邻像素单元是否均位于以所述像素单元为原点的坐标系的同一象限中或者同一半轴上,若是,则确定所述像素单元为端点;其中,所述像素单元中包括至少一个像素点;所述相邻像素单元中所包括的像素点的个数与所述像素单元中所包括的像素点的个数相同;以及,
评分标记判断单元,用于计算组成所述评分标记的各个像素单元中的端点个数,并判断所述端点个数是否为4,若是,则确定所述评分标记表示“错误”,否则确定所述评分标记表示“正确”。
本发明实施例提供的纸质试卷的统计装置,通过设备对纸质试卷进行扫描并识别判断其中的评分标记,从而通过设备对试卷的得分进行统计,而无需人工的操作和干预,因此能够提高对纸质试卷的得分进行统计的过程的效率,且能够提高统计结果的准确度。
以上所述是本发明的优选实施方式,应当指出,对于本技术领域的普通技术人员来说,在不脱离本发明原理的前提下,还可以作出若干改进和润饰,这些改进和润饰也视为本发明的保护范围。
Claims (11)
1.一种纸质试卷的统计方法,其特征在于,包括:
对纸质试卷进行扫描,获得试卷图像;其中,所述纸质试卷中的每一试题标号前均预先设置有图形标识;
识别所述试卷图像中的图形标识,并根据识别到的所述图形标识对所述试卷图像进行划分,获得至少一个试题区域;
根据每个所述试题区域中的所述图形标识获得与所述试题区域相对应的试题标号;
分别对每个所述试题区域中的评分标记进行识别和判断,获得相应的判断结果;
根据所述试题标号和所述判断结果对所述纸质试卷中的各个试题进行统计,获得统计结果。
2.如权利要求1所述的纸质试卷的统计方法,其特征在于,在所述对纸质试卷进行扫描,获得试卷图像之后,所述识别所述试卷图像中的图形标识,并根据识别到的所述图形标识对所述试卷图像进行划分,获得至少一个试题区域之前,还包括:
识别所述试卷图像中的所有所述图形标识,并将识别到的所述图形标识中的与所述试卷图像的同一边界的距离小于预设的阈值的至少两个所述图形标识相互连接,形成原始标识连接线;
对所述原始标识连接线进行平滑处理,获得近似标识连接线;其中,所述近似标识连接线为直线;
计算所述近似标识连接线与预设的基准线之间的角度,并在所述角度不为零时,根据所述角度对所述试卷图像进行旋转处理,获得所述近似标识连接线与所述基准线之间的角度为零的所述试卷图像。
3.如权利要求1所述的纸质试卷的统计方法,其特征在于,所述识别所述试卷图像中的图形标识,并根据识别到的所述图形标识对所述试卷图像进行划分,获得至少一个试题区域,具体包括:
识别所述试卷图像中的所述图形标识,并将识别到的所述图形标识设置为第一定位点;
根据所述第一定位点的坐标、预设的第一方向矢量及第一边界长度,生成以所述第一定位点为起点的第一边界;
根据所述第一定位点的坐标、预设的第二方向矢量及第二边界长度,生成以所述第一定位点为起点的第二边界;其中,所述第二方向矢量与所述第一方向矢量垂直;
根据所述第一边界与所述第二边界,获得形状为矩形的试题区域。
4.根据权利要求3所述的纸质试卷的统计方法,其特征在于,所述第一边界长度和/或第二边界长度通过对所述试卷图像进行边缘检测生成。
5.如权利要求1所述的纸质试卷的统计方法,其特征在于,所述根据每个所述试题区域中的所述图形标识获得与所述试题区域相对应的试题标号,具体包括:
通过根据每个所述试题区域中的所述图形标识分别计算每个所述试题区域在所有所述试题区域中的顺序,获得与所述试题区域相对应的试题标号;或者,通过对每个所述试题区域中的所述图形标识后的标号进行识别,获得与所述试题区域相对应的试题标号。
6.如权利要求1所述的纸质试卷的统计方法,其特征在于,所述分别对每个所述试题区域中的评分标记进行识别和判断,获得相应的判断结果,具体包括:
对各个所述试题区域中的所述评分标记进行识别,并判断组成所述评分标记的各个像素单元的所有相邻像素单元中的组成所述评分标记的相邻像素单元是否均位于以所述像素单元为原点的坐标系的同一象限中或者同一半轴上,若是,则确定所述像素单元为端点;其中,所述像素单元中包括至少一个像素点;所述相邻像素单元中所包括的像素点的个数与所述像素单元中所包括的像素点的个数相同;
计算组成所述评分标记的各个像素单元中的端点个数,并判断所述端点个数是否为4,若是,则确定所述评分标记表示“错误”,否则确定所述评分标记表示“正确”。
7.一种纸质试卷的统计装置,其特征在于,包括:
试卷图像获得模块,用于对纸质试卷进行扫描,获得试卷图像;其中,所述纸质试卷中的每一试题标号前均预先设置有图形标识;
试题区域获得模块,用于识别所述试卷图像中的图形标识,并根据识别到的所述图形标识对所述试卷图像进行划分,获得至少一个试题区域;
试题标号获得模块,用于根据每个所述试题区域中的所述图形标识获得与所述试题区域相对应的试题标号;
判断结果获得模块,用于分别对每个所述试题区域中的评分标记进行识别和判断,获得相应的判断结果;以及,
统计结果获得模块,用于根据所述试题标号和所述判断结果对所述纸质试卷中的各个试题进行统计,获得统计结果。
8.如权利要求7所述的纸质试卷的统计装置,其特征在于,所述纸质试卷的统计装置,还包括:
原始标识连接线生成模块,用于识别所述试卷图像中的所有所述图形标识,并将识别到的所述图形标识中的与所述试卷图像的同一边界的距离小于预设的阈值的至少两个所述图形标识相互连接,形成原始标识连接线;
近似标识连接线获得模块,用于对所述原始标识连接线进行平滑处理,获得近似标识连接线;其中,所述近似标识连接线为直线;以及,
倾斜校正模块,用于计算所述近似标识连接线与预设的基准线之间的角度,并在所述角度不为零时,根据所述角度对所述试卷图像进行旋转处理,获得所述近似标识连接线与所述基准线之间的角度为零的所述试卷图像。
9.如权利要求7所述的纸质试卷的统计装置,其特征在于,所述试题区域获得模块,具体包括:
第一定位点获得单元,用于识别所述试卷图像中的所述图形标识,并将识别到的所述图形标识设置为第一定位点;
第一边界生成单元,用于根据所述第一定位点的坐标、预设的第一方向矢量及第一边界长度,生成以所述第一定位点为起点的第一边界;
第二边界生成单元,用于根据所述第一定位点的坐标、预设的第二方向矢量及第二边界长度,生成以所述第一定位点为起点的第二边界;其中,所述第二方向矢量与所述第一方向矢量垂直;以及,
矩形试题区域获得单元,用于根据所述第一边界与所述第二边界,获得形状为矩形的试题区域。
10.如权利要求7所述的纸质试卷的统计装置,其特征在于,所述试题标号获得模块,具体包括:
试题标号计算单元,用于通过根据每个所述试题区域中的所述图形标识分别计算每个所述试题区域在所有所述试题区域中的顺序,获得与所述试题区域相对应的试题标号;或者,
试题标号识别单元,用于通过对每个所述试题区域中的所述图形标识后的标号进行识别,获得与所述试题区域相对应的试题标号。
11.如权利要求7所述的纸质试卷的统计装置,其特征在于,所述判断结果获得模块,具体包括:
评分标记识别单元,用于对各个所述试题区域中的所述评分标记进行识别,并判断组成所述评分标记的各个像素单元的所有相邻像素单元中的组成所述评分标记的相邻像素单元是否均位于以所述像素单元为原点的坐标系的同一象限中或者同一半轴上,若是,则确定所述像素单元为端点;其中,所述像素单元中包括至少一个像素点;所述相邻像素单元中所包括的像素点的个数与所述像素单元中所包括的像素点的个数相同;以及,
评分标记判断单元,用于计算组成所述评分标记的各个像素单元中的端点个数,并判断所述端点个数是否为4,若是,则确定所述评分标记表示“错误”,否则确定所述评分标记表示“正确”。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610819011.1A CN106372613B (zh) | 2016-09-13 | 2016-09-13 | 纸质试卷的统计方法和装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610819011.1A CN106372613B (zh) | 2016-09-13 | 2016-09-13 | 纸质试卷的统计方法和装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN106372613A true CN106372613A (zh) | 2017-02-01 |
CN106372613B CN106372613B (zh) | 2019-10-25 |
Family
ID=57896762
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201610819011.1A Active CN106372613B (zh) | 2016-09-13 | 2016-09-13 | 纸质试卷的统计方法和装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN106372613B (zh) |
Cited By (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107506762A (zh) * | 2017-09-01 | 2017-12-22 | 昆山中骏博研互联网科技有限公司 | 一种基于图像分析的成绩自动录入方法 |
CN107563375A (zh) * | 2017-08-28 | 2018-01-09 | 四川大学 | 试题定位设计和识别方法 |
CN108182398A (zh) * | 2017-12-26 | 2018-06-19 | 广东金赋科技股份有限公司 | 基于扫描设备调整扫描图像的方向的方法及装置 |
CN108549509A (zh) * | 2018-03-28 | 2018-09-18 | 王宝林 | 用于书写内容的文档处理方法及装置 |
CN109190614A (zh) * | 2018-09-13 | 2019-01-11 | 陈明明 | 一种智能阅卷笔及其控制方法、控制*** |
CN109389061A (zh) * | 2018-09-26 | 2019-02-26 | 苏州友教习亦教育科技有限公司 | 试卷识别方法和*** |
CN110443732A (zh) * | 2019-07-30 | 2019-11-12 | 南京乐教信息技术有限公司 | 作业统分方法、装置、设备和介质 |
CN111259888A (zh) * | 2020-01-15 | 2020-06-09 | 平安国际智慧城市科技股份有限公司 | 基于图像的信息比对方法、装置及计算机可读存储介质 |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102339352A (zh) * | 2010-07-20 | 2012-02-01 | 上海海鞠电子科技有限公司 | 电子阅卷方法 |
CN103310082A (zh) * | 2012-03-07 | 2013-09-18 | 爱意福瑞(北京)科技有限公司 | 阅卷方法和装置 |
CN103400124A (zh) * | 2013-07-03 | 2013-11-20 | 北京鸿合盛视数字媒体技术有限公司 | 一种试卷识别方法及装置 |
CN104143094A (zh) * | 2014-07-08 | 2014-11-12 | 北京彩云动力教育科技有限公司 | 一种无需答题卡的试卷自动阅卷处理方法及*** |
CN105046200A (zh) * | 2015-06-19 | 2015-11-11 | 成都理想境界科技有限公司 | 基于直线检测的电子阅卷方法 |
CN105374032A (zh) * | 2015-10-14 | 2016-03-02 | 合肥安晶龙电子股份有限公司 | 连通区域标记方法 |
CN105450900A (zh) * | 2014-06-24 | 2016-03-30 | 佳能株式会社 | 用于文档图像的畸变校正方法和设备 |
-
2016
- 2016-09-13 CN CN201610819011.1A patent/CN106372613B/zh active Active
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102339352A (zh) * | 2010-07-20 | 2012-02-01 | 上海海鞠电子科技有限公司 | 电子阅卷方法 |
CN103310082A (zh) * | 2012-03-07 | 2013-09-18 | 爱意福瑞(北京)科技有限公司 | 阅卷方法和装置 |
CN103400124A (zh) * | 2013-07-03 | 2013-11-20 | 北京鸿合盛视数字媒体技术有限公司 | 一种试卷识别方法及装置 |
CN105450900A (zh) * | 2014-06-24 | 2016-03-30 | 佳能株式会社 | 用于文档图像的畸变校正方法和设备 |
CN104143094A (zh) * | 2014-07-08 | 2014-11-12 | 北京彩云动力教育科技有限公司 | 一种无需答题卡的试卷自动阅卷处理方法及*** |
CN105046200A (zh) * | 2015-06-19 | 2015-11-11 | 成都理想境界科技有限公司 | 基于直线检测的电子阅卷方法 |
CN105374032A (zh) * | 2015-10-14 | 2016-03-02 | 合肥安晶龙电子股份有限公司 | 连通区域标记方法 |
Cited By (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107563375A (zh) * | 2017-08-28 | 2018-01-09 | 四川大学 | 试题定位设计和识别方法 |
CN107506762A (zh) * | 2017-09-01 | 2017-12-22 | 昆山中骏博研互联网科技有限公司 | 一种基于图像分析的成绩自动录入方法 |
CN107506762B (zh) * | 2017-09-01 | 2020-03-20 | 昆山中骏博研互联网科技有限公司 | 一种基于图像分析的成绩自动录入方法 |
CN108182398A (zh) * | 2017-12-26 | 2018-06-19 | 广东金赋科技股份有限公司 | 基于扫描设备调整扫描图像的方向的方法及装置 |
CN108549509A (zh) * | 2018-03-28 | 2018-09-18 | 王宝林 | 用于书写内容的文档处理方法及装置 |
CN109190614A (zh) * | 2018-09-13 | 2019-01-11 | 陈明明 | 一种智能阅卷笔及其控制方法、控制*** |
CN109389061A (zh) * | 2018-09-26 | 2019-02-26 | 苏州友教习亦教育科技有限公司 | 试卷识别方法和*** |
CN110443732A (zh) * | 2019-07-30 | 2019-11-12 | 南京乐教信息技术有限公司 | 作业统分方法、装置、设备和介质 |
CN111259888A (zh) * | 2020-01-15 | 2020-06-09 | 平安国际智慧城市科技股份有限公司 | 基于图像的信息比对方法、装置及计算机可读存储介质 |
WO2021143058A1 (zh) * | 2020-01-15 | 2021-07-22 | 平安国际智慧城市科技股份有限公司 | 基于图像的信息比对方法、装置、电子设备及计算机可读存储介质 |
Also Published As
Publication number | Publication date |
---|---|
CN106372613B (zh) | 2019-10-25 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN106372613A (zh) | 纸质试卷的统计方法和装置 | |
CN102360419B (zh) | 计算机扫描阅读管理方法及*** | |
CN108388641B (zh) | 一种基于深度学习的交通设施地图生成方法与*** | |
CN103871078B (zh) | 一种台球击球关键信息检测方法及*** | |
CN101576956B (zh) | 基于机器视觉的在线字符检测方法和*** | |
CN110659584B (zh) | 一种基于图像识别的智能留痕阅卷*** | |
WO2018086233A1 (zh) | 一种字符分割方法和装置、及元件检测方法和装置 | |
CN109460762B (zh) | 一种基于图像识别的答题卡评分方法 | |
CN109118479A (zh) | 基于胶囊网络的绝缘子缺陷识别定位装置及方法 | |
CN105913093A (zh) | 一种用于文字识别处理的模板匹配方法 | |
CN109308174B (zh) | 跨屏幕图像拼接控制方法 | |
CN107590495B (zh) | 答题卡图片纠偏方法、装置、可读存储介质以及电子设备 | |
CN104820835A (zh) | 一种试卷自动阅卷方法 | |
CN110689000B (zh) | 一种基于生成复杂环境下车牌样本的车辆车牌识别方法 | |
CN106384355B (zh) | 一种投影交互***中的自动标定方法 | |
CN105224921A (zh) | 一种人脸图像择优***和处理方法 | |
CN105894503A (zh) | 一种对Kinect植株彩色和深度检测图像的修复方法 | |
CN105930798A (zh) | 基于学习的面向手机应用的舌像快速检测分割方法 | |
CN107665327A (zh) | 一种车道线检测方法及装置 | |
CN106790898B (zh) | 一种基于显著性分析的手机屏幕坏点自动检测方法和*** | |
CN107122775A (zh) | 一种基于特征匹配的安卓手机身份证字符识别方法 | |
CN112348869A (zh) | 通过检测和标定恢复单目slam尺度的方法 | |
CN115063802A (zh) | 一种基于PSENet的圆形***识别方法、设备及介质 | |
CN106033534B (zh) | 基于直线检测的电子阅卷方法 | |
CN113947714B (zh) | 一种视频监控和遥感的多模态协同优化方法及*** |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |