CN111144251A - 一种基于图像采集的自动化扫描识别*** - Google Patents

一种基于图像采集的自动化扫描识别*** Download PDF

Info

Publication number
CN111144251A
CN111144251A CN201911302204.XA CN201911302204A CN111144251A CN 111144251 A CN111144251 A CN 111144251A CN 201911302204 A CN201911302204 A CN 201911302204A CN 111144251 A CN111144251 A CN 111144251A
Authority
CN
China
Prior art keywords
module
information
image
answer sheet
examinee
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.)
Pending
Application number
CN201911302204.XA
Other languages
English (en)
Inventor
冯国梁
陈杰永
吴柏辉
陈超鸿
邓义
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Guangdong Decheng Big Data Technology Co Ltd
Original Assignee
Guangdong Decheng Big Data Technology Co Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Guangdong Decheng Big Data Technology Co Ltd filed Critical Guangdong Decheng Big Data Technology Co Ltd
Priority to CN201911302204.XA priority Critical patent/CN111144251A/zh
Publication of CN111144251A publication Critical patent/CN111144251A/zh
Pending legal-status Critical Current

Links

Images

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
    • G06V30/41—Analysis of document content
    • G06V30/414—Extracting the geometrical structure, e.g. layout tree; Block segmentation, e.g. bounding boxes for graphics or text
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
    • G06Q10/063—Operations research, analysis or management
    • G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
    • G06Q50/10—Services
    • G06Q50/20—Education
    • G06Q50/205—Education administration or guidance
    • 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
    • G06V10/26—Segmentation of patterns in the image field; Cutting or merging of image elements to establish the pattern region, e.g. clustering-based techniques; Detection of occlusion
    • G06V10/267—Segmentation of patterns in the image field; Cutting or merging of image elements to establish the pattern region, e.g. clustering-based techniques; Detection of occlusion by performing operations on regions, e.g. growing, shrinking or watersheds
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N1/00—Scanning, transmission or reproduction of documents or the like, e.g. facsimile transmission; Details thereof
    • H04N1/00002—Diagnosis, testing or measuring; Detecting, analysing or monitoring not otherwise provided for
    • H04N1/00005—Diagnosis, testing or measuring; Detecting, analysing or monitoring not otherwise provided for relating to image data
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N1/00—Scanning, transmission or reproduction of documents or the like, e.g. facsimile transmission; Details thereof
    • H04N1/00127—Connection or combination of a still picture apparatus with another apparatus, e.g. for storage, processing or transmission of still picture signals or of information associated with a still picture
    • H04N1/00204—Connection or combination of a still picture apparatus with another apparatus, e.g. for storage, processing or transmission of still picture signals or of information associated with a still picture with a digital computer or a digital computer system, e.g. an internet server
    • H04N1/00236—Connection or combination of a still picture apparatus with another apparatus, e.g. for storage, processing or transmission of still picture signals or of information associated with a still picture with a digital computer or a digital computer system, e.g. an internet server using an image reading or reproducing device, e.g. a facsimile reader or printer, as a local input to or local output from a computer
    • H04N1/00238—Connection or combination of a still picture apparatus with another apparatus, e.g. for storage, processing or transmission of still picture signals or of information associated with a still picture with a digital computer or a digital computer system, e.g. an internet server using an image reading or reproducing device, e.g. a facsimile reader or printer, as a local input to or local output from a computer using an image reproducing device as a local output from a computer

Landscapes

  • Engineering & Computer Science (AREA)
  • Business, Economics & Management (AREA)
  • Physics & Mathematics (AREA)
  • Human Resources & Organizations (AREA)
  • Strategic Management (AREA)
  • General Physics & Mathematics (AREA)
  • Multimedia (AREA)
  • Theoretical Computer Science (AREA)
  • Educational Administration (AREA)
  • General Engineering & Computer Science (AREA)
  • Economics (AREA)
  • Tourism & Hospitality (AREA)
  • Development Economics (AREA)
  • Educational Technology (AREA)
  • Health & Medical Sciences (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • General Health & Medical Sciences (AREA)
  • Signal Processing (AREA)
  • Marketing (AREA)
  • Entrepreneurship & Innovation (AREA)
  • General Business, Economics & Management (AREA)
  • Geometry (AREA)
  • Primary Health Care (AREA)
  • Game Theory and Decision Science (AREA)
  • Operations Research (AREA)
  • Quality & Reliability (AREA)
  • Biomedical Technology (AREA)
  • Artificial Intelligence (AREA)
  • Computer Graphics (AREA)
  • Computing Systems (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本发明公开一种基于图像采集的自动化扫描识别***，包括试卷结构设置模块、扫描模板制作模块、高速扫描仪、数据库服务器、答卷信息识别模块、答卷信息校验模块、自动评分模块、图像裁切模块；所述试卷结构设置模块、扫描模板制作模块、高速扫描仪、答卷信息识别模块、答卷信息校验模块、自动评分模块、图像裁切模块均与数据库服务器相连接；本发明自动化扫描识别***能够适用于多种答题卡，降低了对答题卡的要求，从而有效降低了答题卡成本，并提高了对考生答题卡识别的准确度；同时，本发明实现了快速准确地对客观题进行自动化评阅，有效降低了教育工作者的阅卷负担，提高了阅卷质量。

Description

一种基于图像采集的自动化扫描识别***
技术领域
本发明涉及图像扫描识别技术领域，特别是涉及一种基于图像采集的自动化扫描识别***。
背景技术
随着社会经济的迅速发展和科学技术的全面进步，以计算机与通信技术为基础的信息***正处于蓬勃发展的时期。计算机力求可以在各个方面解决人们的难题，使人们脱离繁重的或重复的劳动，抽出时间从事更为重要和有意义的事情。教育作为立国之本，在社会中已经有了越来越重要的作用，对于教育工作者来说，批阅学生的考卷是一项单调重复性的劳动，不但浪费教育工作者的宝贵时间，而且由于人经常会出现疲劳，可能会出现错误，为考生带来许多的不便和麻烦，因此，用计算机取代人工阅卷已经是势必所然，这将使教育工作者摆脱这项近于体力劳动的工作，同时也会减少人为的错误，使考试更加具有公平性，同时减少阅卷的时间，既提高了效率又提高了质量。
然而传统的扫描***已经无法满足如今学校的需求,现有的扫描***均存在答题卡成本高、对纸张和印刷的要求高、对答题卡格式有较多限制、扫描设备环境要求高的缺点，使得扫描成本过高，无法保证扫描的准确性，难以在普通考试中推广应用。同时，我国基础教育阶段的考试有着相当频繁的特性，除了期中期末，还有联考、月考、周测试、各种竞赛等考试。因此，针对上述场景，如何提供一种能够快速准确地对答题卡进行识别且成本较低的扫描***，是当下亟待解决的问题。
发明内容
本发明的目的是提供一种基于图像采集的自动化扫描识别***，以解决上述现有技术存在的问题，能够支持多种答题卡样式，降低了答题卡成本，同时提高了对答题卡的识别精度。
为实现上述目的，本发明提供了如下方案：本发明提供一种基于图像采集的自动化扫描识别***，包括试卷结构设置模块、扫描模板制作模块、高速扫描仪、数据库服务器、答卷信息识别模块、答卷信息校验模块、自动评分模块、图像裁切模块；所述试卷结构设置模块、扫描模板制作模块、高速扫描仪、答卷信息识别模块、答卷信息校验模块、自动评分模块、图像裁切模块均与数据库服务器相连接；
所述试卷结构设置模块用于定义试卷结构，并将试卷结构存储在数据库服务器；
所述扫描模板制作模块用于制作答题卡扫描模板，并将答题卡扫描模板存储在数据库服务器；
所述高速扫描仪用于将考生答题卡批量扫描成图像文件，并将考生答题卡图像文件存储在数据库服务器；
所述答卷信息识别模块用于识别考生信息和客观题的填涂信息，并将考生信息和客观题的填涂信息存储在数据库服务器；
所述答卷信息校验模块用于对所述答卷信息识别模块识别到的考生信息和客观题的填涂信息进行校验；
所述自动评分模块用于对考生答题卡的客观题进行评分；
所述图像裁切模块用于对考生答题卡中的主观题图像进行裁切，并将裁切得到的主观题图像存储到数据库服务器中。
优选地，所述试卷结构设置模块定义的试卷结构信息包括：试卷的满分值、每一道大题的主客观题属性、题目数量、题目分值、题目题型，以及每一道大题所包含的小题数量、小题题型、小题分值、标准答案。
优选地，所述扫描模板制作模块的具体工作方法为：选取一张没有填涂痕迹的答题卡图像作为扫描模板的标准答题卡图像；在标准答题卡图像上框选定位标志点、考生信息、客观题、主观题；框选后，记录每一个框选方框的大小和坐标位置，并生成一个xml文件，完成扫描模板的制作，将扫描模板信息存储在数据库服务器中。
优选地，所述答卷信息识别模块的具体工作方法为：
答卷信息识别模块将高速扫描仪所采集的考生答题卡图像转化为256个灰度级别的BMP格式图像，并对BMP格式图像进行二值化处理；
基于模板匹配方法，将经过二值化处理后的考生答题卡图像与扫描模板的标准答题卡图像坐标对齐，根据扫描模板中的定位标志点坐标获取考生答题卡图像中的定位标志点的位置信息；
获取考生答题卡图像中的定位标志点的位置信息后，根据所述扫描模板制作模块所采集的考生信息、客观题的坐标，获取考生答题卡中的考生信息区域、客观题区域的位置信息；从考生信息区域识别出每个考生答题卡中具体填涂考号的坐标，获得考生考号；从客观题区域识别出每道客观题的A、B、C、D具体选项的坐标值，获得每道客观题的填涂信息。
优选地，考生答题卡图像中的定位标志点的位置信息获取方法为：
将扫描模板中定位标志点坐标参数乘以2，得到一个新的坐标和坐标范围；在考生答题卡图像上，找到该坐标和坐标范围；根据定位标志点的尺寸和预设的灰度值，在该新的坐标范围内寻找符合条件的定位标志点；如果在考生答题卡图像上找到3个或3个以上的定位标志点，则该答题卡图像定位成功，否则是定位不成功。
优选地，考生答题卡客观题的填涂信息的识别方法为：
对每一个客观题的所有填涂选项分别进行纵向切分和横向切分，得到4个大小相同的矩形，然后计算4个矩形的灰度范围值；如果4个矩形的灰度范围值均达到预设的灰度范围值，则判断该填涂选项被填涂，否则判断该填涂选项没有被填涂。
优选地，所述答卷信息校验模块对所述答卷信息识别模块识别到的考生信息和客观题填涂信息进行校验，对于填涂错误的信息进行人工更正，并将更正后的信息存储到数据库服务器。
优选地，所述自动评分模块的具体工作方法为：自动评分模块从数据库服务器中读取答卷信息识别模块识别到的每个考生答题卡中客观题的填涂信息以及答卷信息校验模块中所更正的信息，根据试卷结构设置模块所设置的试卷中客观题的数量、分值、标准答案，得出每一道客观题的得分，并将所有客观题得分进行汇总，获得每个考生答题卡的客观题分数。
优选地，所述图像裁切模块的具体工作方法为：图像裁切模块基于模板匹配方法，将考生答题卡图像与扫描模板的标准答题卡图像坐标对齐，根据扫描模板中的定位标志点坐标获取考生答题卡图像中的定位标志点的位置信息；
根据扫描模板制作模块所采集的主观题的坐标，获取考生答题卡中的主观题区域的位置信息，根据主观题区域的位置信息裁切出每个考生答题卡的主观题图像。
本发明公开了以下技术效果：本发明通过试卷结构设置模块试卷的结构信息并通过扫描模板制作模块制作扫描模板制作答题卡的扫描模板，使得本发明自动化扫描识别***能够适用于多种答题卡；通过设置定位标志能够对考生答题卡中的各部分区域进行精确定位，有效降低了对答题卡的要求，降低了答题卡成本，提高了对考生答题卡识别的准确度；同时，本发明通过对答题卡客观题填涂点的识别以及自动评分模块和图像裁切模块能够自动进行答题卡客观题部分的评分，并裁切出主观题图像，不仅实现了快速准确地对客观题进行自动化评阅，而且有效降低了教育工作者的阅卷负担，提高了阅卷质量。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。
图1为本发明自动化扫描识别***工作流程图。
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做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。
为使本发明的上述目的、特征和优点能够更加明显易懂，下面结合附图和具体实施方式对本发明作进一步详细的说明。
参照图1所示，本实施例提供一种基于图像采集的自动化扫描识别***，包括试卷结构设置模块、扫描模板制作模块、高速扫描仪、数据库服务器、答卷信息识别模块、答卷信息校验模块、自动评分模块、图像裁切模块；试卷结构设置模块、扫描模板制作模块、高速扫描仪、答卷信息识别模块、答卷信息校验模块、自动评分模块、图像裁切模块均与数据库服务器相连接。
基于图像采集的自动化扫描识别***的工作流程为：
S1、通过试卷结构设置模块设置试卷的结构信息，包括客观题和主观题。
所设置的试卷的结构信息具体包括：试卷的满分值、每一道大题的主客观题属性、题目数量、题目分值、题目题型，以及每一道大题所包含的小题数量、小题题型、小题分值、标准答案，并将试卷的结构信息存储在数据库服务器中。
S2、利用扫描模板制作模块制作考生答题卡扫描模板。
具体方法为：选取一张没有填涂痕迹的答题卡图像作为扫描模板的标准答题卡图像；在标准答题卡图像上框选定位标志点、考生信息、客观题、主观题；框选后，记录每一个框选方框的大小和坐标位置，并生成一个xml文件，完成扫描模板的制作，将扫描模板信息存储在数据库服务器中，以便于对答题卡进行批量图像识别。
S3、利用高速扫描仪扫描考生答题卡。
考务人员采用高速扫描仪将考生的答题卡扫描成图像文件，并存储在数据库服务器中；其中图像文件的分辨率为150dpi，以便于答题卡信息识别。
S4、通过答卷信息识别模块对考生答题卡信息进行识别。
具体识别方法为：
答卷信息识别模块将高速扫描仪所采集的考生答题卡图像转化为256个灰度级别的BMP格式图像，并对BMP格式图像进行二值化处理。
基于模板匹配方法，将经过二值化处理后的考生答题卡图像与扫描模板的标准答题卡图像坐标对齐，根据扫描模板中的定位标志点坐标获取考生答题卡图像中的定位标志点的位置信息。
获取考生答题卡图像中的定位标志点的位置信息后，根据步骤2中采集的考生信息、客观题的坐标，获取考生答题卡中的考生信息区域、客观题区域的位置信息；从考生信息区域识别出每个考生答题卡中具体填涂考号的坐标，获得考生考号；从客观题区域识别出每道客观题的A、B、C、D具体选项的坐标值，获得每道客观题的填涂信息，并将识别结果存储到数据库服务器中。
其中，考生答题卡图像中的定位标志点的位置信息获取方法为：
将扫描模板中定位标志点坐标参数乘以2，得到一个新的坐标和坐标范围；在考生答题卡图像上，找到该坐标和坐标范围；根据定位标志点的尺寸和预设的灰度值，在该新的坐标范围内寻找符合条件的定位标志点；如果在考生答题卡图像上找到3个或3个以上的定位标志点，则该答题卡图像定位成功，否则是定位不成功。
考生答题卡客观题的填涂信息的识别方法为：
对每一个客观题的所有填涂选项分别进行纵向切分和横向切分，得到4个大小相同的矩形，然后计算4个矩形的灰度范围值；如果4个矩形的灰度范围值均达到预设的灰度范围值，则判断该填涂选项被填涂，否则判断该填涂选项没有被填涂。
S5、通过答卷信息校验模块对识别到的考生答题卡信息进行校验。
具体校验内容为：校验步骤S4中识别到的考生信息和客观题填涂信息是否填涂正确。考务人员对于错误的识别信息进行人工更正，答卷信息校验模块将更正后的信息存储到数据库服务器。
S6、通过自动评分模块对考生答题卡的客观题进行评分。
具体方法为：自动评分模块从数据库服务器中读取步骤4识别到的每个考生答题卡中客观题的填涂信息以及步骤5中所更正的信息，根据试卷结构设置模块所设置的试卷中客观题的数量、分值、标准答案，得出每一道客观题的得分，并将所有客观题得分进行汇总，获得每个考生答题卡的客观题分数。
S7、通过图像裁切模块进行考生答题卡主观题图像的裁切。
具体方法为：基于模板匹配方法，将考生答题卡图像与扫描模板的标准答题卡图像坐标对齐，根据扫描模板中的定位标志点坐标获取考生答题卡图像中的定位标志点的位置信息。
根据步骤2中采集的主观题的坐标，获取考生答题卡中的主观题区域的位置信息，根据主观题区域的位置信息裁切出每个考生答题卡的主观题图像，并将裁切得到的主观题图像存储到数据库服务器中。
在本发明的描述中，需要理解的是，术语“纵向”、“横向”、“上”、“下”、“前”、“后”、“左”、“右”、“竖直”、“水平”、“顶”、“底”、“内”、“外”等指示的方位或位置关系为基于附图所示的方位或位置关系，仅是为了便于描述本发明，而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作，因此不能理解为对本发明的限制。
以上所述的实施例仅是对本发明的优选方式进行描述，并非对本发明的范围进行限定，在不脱离本发明设计精神的前提下，本领域普通技术人员对本发明的技术方案做出的各种变形和改进，均应落入本发明权利要求书确定的保护范围内。

Claims (9)

1.一种基于图像采集的自动化扫描识别***，其特征在于，包括试卷结构设置模块、扫描模板制作模块、高速扫描仪、数据库服务器、答卷信息识别模块、答卷信息校验模块、自动评分模块、图像裁切模块；所述试卷结构设置模块、扫描模板制作模块、高速扫描仪、答卷信息识别模块、答卷信息校验模块、自动评分模块、图像裁切模块均与数据库服务器相连接；
所述试卷结构设置模块用于定义试卷结构，并将试卷结构存储在数据库服务器；
所述扫描模板制作模块用于制作答题卡扫描模板，并将答题卡扫描模板存储在数据库服务器；
所述高速扫描仪用于将考生答题卡批量扫描成图像文件，并将考生答题卡图像文件存储在数据库服务器；
所述答卷信息识别模块用于识别考生信息和客观题的填涂信息，并将考生信息和客观题的填涂信息存储在数据库服务器；
所述答卷信息校验模块用于对所述答卷信息识别模块识别到的考生信息和客观题的填涂信息进行校验；
所述自动评分模块用于对考生答题卡的客观题进行评分；
所述图像裁切模块用于对考生答题卡中的主观题图像进行裁切，并将裁切得到的主观题图像存储到数据库服务器中。
2.根据权利要求1所述的基于图像采集的自动化扫描识别***，其特征在于，所述试卷结构设置模块定义的试卷结构信息包括：试卷的满分值、每一道大题的主客观题属性、题目数量、题目分值、题目题型，以及每一道大题所包含的小题数量、小题题型、小题分值、标准答案。
3.根据权利要求1和权利要求2所述的基于图像采集的自动化扫描识别***，其特征在于，所述扫描模板制作模块的具体工作方法为：选取一张没有填涂痕迹的答题卡图像作为扫描模板的标准答题卡图像；在标准答题卡图像上框选定位标志点、考生信息、客观题、主观题；框选后，记录每一个框选方框的大小和坐标位置，并生成一个xml文件，完成扫描模板的制作，将扫描模板信息存储在数据库服务器中。
4.根据权利要求1-3所述的基于图像采集的自动化扫描识别***，其特征在于，所述答卷信息识别模块的具体工作方法为：
答卷信息识别模块将高速扫描仪所采集的考生答题卡图像转化为256个灰度级别的BMP格式图像，并对BMP格式图像进行二值化处理；
基于模板匹配方法，将经过二值化处理后的考生答题卡图像与扫描模板的标准答题卡图像坐标对齐，根据扫描模板中的定位标志点坐标获取考生答题卡图像中的定位标志点的位置信息；
获取考生答题卡图像中的定位标志点的位置信息后，根据所述扫描模板制作模块所采集的考生信息、客观题的坐标，获取考生答题卡中的考生信息区域、客观题区域的位置信息；从考生信息区域识别出每个考生答题卡中具体填涂考号的坐标，获得考生考号；从客观题区域识别出每道客观题的A、B、C、D具体选项的坐标值，获得每道客观题的填涂信息。
5.根据权利要求4所述的基于图像采集的自动化扫描识别***，其特征在于，考生答题卡图像中的定位标志点的位置信息获取方法为：
将扫描模板中定位标志点坐标参数乘以2，得到一个新的坐标和坐标范围；在考生答题卡图像上，找到该坐标和坐标范围；根据定位标志点的尺寸和预设的灰度值，在该新的坐标范围内寻找符合条件的定位标志点；如果在考生答题卡图像上找到3个或3个以上的定位标志点，则该答题卡图像定位成功，否则是定位不成功。
6.根据权利要求4所述的基于图像采集的自动化扫描识别***，其特征在于，考生答题卡客观题的填涂信息的识别方法为：
对每一个客观题的所有填涂选项分别进行纵向切分和横向切分，得到4个大小相同的矩形，然后计算4个矩形的灰度范围值；如果4个矩形的灰度范围值均达到预设的灰度范围值，则判断该填涂选项被填涂，否则判断该填涂选项没有被填涂。
7.根据权利要求1和权利要求4-6所述的基于图像采集的自动化扫描识别***，其特征在于，所述答卷信息校验模块对所述答卷信息识别模块识别到的考生信息和客观题填涂信息进行校验，对于填涂错误的信息进行人工更正，并将更正后的信息存储到数据库服务器。
8.根据权利要求1、2、4、7所述的基于图像采集的自动化扫描识别***，其特征在于，所述自动评分模块的具体工作方法为：自动评分模块从数据库服务器中读取答卷信息识别模块识别到的每个考生答题卡中客观题的填涂信息以及答卷信息校验模块中所更正的信息，根据试卷结构设置模块所设置的试卷中客观题的数量、分值、标准答案，得出每一道客观题的得分，并将所有客观题得分进行汇总，获得每个考生答题卡的客观题分数。
9.根据权利要求1-3所述的基于图像采集的自动化扫描识别***，其特征在于，所述图像裁切模块的具体工作方法为：图像裁切模块基于模板匹配方法，将考生答题卡图像与扫描模板的标准答题卡图像坐标对齐，根据扫描模板中的定位标志点坐标获取考生答题卡图像中的定位标志点的位置信息；
根据扫描模板制作模块所采集的主观题的坐标，获取考生答题卡中的主观题区域的位置信息，根据主观题区域的位置信息裁切出每个考生答题卡的主观题图像。
CN201911302204.XA 2019-12-17 2019-12-17 一种基于图像采集的自动化扫描识别*** Pending CN111144251A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201911302204.XA CN111144251A (zh) 2019-12-17 2019-12-17 一种基于图像采集的自动化扫描识别***

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201911302204.XA CN111144251A (zh) 2019-12-17 2019-12-17 一种基于图像采集的自动化扫描识别***

Publications (1)

Publication Number Publication Date
CN111144251A true CN111144251A (zh) 2020-05-12

Family

ID=70518612

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201911302204.XA Pending CN111144251A (zh) 2019-12-17 2019-12-17 一种基于图像采集的自动化扫描识别***

Country Status (1)

Country Link
CN (1) CN111144251A (zh)

Cited By (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109033046A (zh) * 2018-06-25 2018-12-18 陕西师范大学 结构化可视文档快速信息输入***及方法
CN112347946A (zh) * 2020-11-10 2021-02-09 成都兴唐信息技术有限公司 一种多类型答题卡的识别方法及***
CN112700414A (zh) * 2020-12-30 2021-04-23 广东德诚大数据科技有限公司 一种用于考试阅卷的空白作答检测方法及***
CN112699886A (zh) * 2020-12-30 2021-04-23 广东德诚大数据科技有限公司 一种字符识别方法、装置及电子设备
CN112733644A (zh) * 2020-12-30 2021-04-30 广东德诚大数据科技有限公司 一种基于扫描识别的填涂点识别***及方法
CN113095650A (zh) * 2021-04-02 2021-07-09 西安博冠教育科技有限公司 一种基于题组的多评智能阅卷方法
CN113283275A (zh) * 2020-12-28 2021-08-20 电子科技大学 基于opencv的机读卡自动评分***、方法及存储介质
CN113487701A (zh) * 2021-07-05 2021-10-08 北京鑫泰昊岳科技有限公司 一种考试录入方法及***
CN113743294A (zh) * 2021-09-02 2021-12-03 科大讯飞股份有限公司 客观题答题识别方法和阅卷***、设备、介质

Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2007042129A (ja) * 2006-10-05 2007-02-15 Iac:Kk マークシート用プログラム、及びマークシート用装置
CN101334814A (zh) * 2008-04-28 2008-12-31 华北电力大学 一种自动化的扫描阅卷***及阅卷方法
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
CN104239866A (zh) * 2014-09-16 2014-12-24 科大讯飞股份有限公司 答题卡信息采集方法及设备
CN105426879A (zh) * 2015-12-23 2016-03-23 深圳习习网络科技有限公司 一种答题卡识别方法及***
CN107590495A (zh) * 2017-09-18 2018-01-16 哈尔滨成长科技有限公司 答题卡图片纠偏方法、装置、可读存储介质以及电子设备
CN107832758A (zh) * 2017-11-06 2018-03-23 泉州市雄蓝教育科技有限公司 智能生成答题卡以及服务器终端自动阅卷评分的考试***

Patent Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2007042129A (ja) * 2006-10-05 2007-02-15 Iac:Kk マークシート用プログラム、及びマークシート用装置
CN101334814A (zh) * 2008-04-28 2008-12-31 华北电力大学 一种自动化的扫描阅卷***及阅卷方法
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
CN104239866A (zh) * 2014-09-16 2014-12-24 科大讯飞股份有限公司 答题卡信息采集方法及设备
CN105426879A (zh) * 2015-12-23 2016-03-23 深圳习习网络科技有限公司 一种答题卡识别方法及***
CN107590495A (zh) * 2017-09-18 2018-01-16 哈尔滨成长科技有限公司 答题卡图片纠偏方法、装置、可读存储介质以及电子设备
CN107832758A (zh) * 2017-11-06 2018-03-23 泉州市雄蓝教育科技有限公司 智能生成答题卡以及服务器终端自动阅卷评分的考试***

Cited By (13)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109033046A (zh) * 2018-06-25 2018-12-18 陕西师范大学 结构化可视文档快速信息输入***及方法
CN112347946A (zh) * 2020-11-10 2021-02-09 成都兴唐信息技术有限公司 一种多类型答题卡的识别方法及***
CN112347946B (zh) * 2020-11-10 2023-07-18 成都兴唐信息技术有限公司 一种多类型答题卡的识别方法及***
CN113283275B (zh) * 2020-12-28 2022-04-12 电子科技大学 基于opencv的机读卡自动评分***、方法及存储介质
CN113283275A (zh) * 2020-12-28 2021-08-20 电子科技大学 基于opencv的机读卡自动评分***、方法及存储介质
CN112733644A (zh) * 2020-12-30 2021-04-30 广东德诚大数据科技有限公司 一种基于扫描识别的填涂点识别***及方法
CN112699886A (zh) * 2020-12-30 2021-04-23 广东德诚大数据科技有限公司 一种字符识别方法、装置及电子设备
CN112700414A (zh) * 2020-12-30 2021-04-23 广东德诚大数据科技有限公司 一种用于考试阅卷的空白作答检测方法及***
CN112699886B (zh) * 2020-12-30 2024-06-11 广东德诚科教有限公司 一种字符识别方法、装置及电子设备
CN113095650A (zh) * 2021-04-02 2021-07-09 西安博冠教育科技有限公司 一种基于题组的多评智能阅卷方法
CN113487701A (zh) * 2021-07-05 2021-10-08 北京鑫泰昊岳科技有限公司 一种考试录入方法及***
CN113743294A (zh) * 2021-09-02 2021-12-03 科大讯飞股份有限公司 客观题答题识别方法和阅卷***、设备、介质
CN113743294B (zh) * 2021-09-02 2024-06-04 科大讯飞股份有限公司 客观题答题识别方法和阅卷***、设备、介质

Similar Documents

Publication Publication Date Title
CN111144251A (zh) 一种基于图像采集的自动化扫描识别***
CN110659584B (zh) 一种基于图像识别的智能留痕阅卷***
CN202939608U (zh) 阅卷***
CN110008933A (zh) 一种通用智能阅卷***和方法
CN110597806A (zh) 一种基于批阅识别的错题集生成与答题统计***及方法
CN111126227B (zh) 一种扫描采集异常答题卡的检测方法
CN103886302A (zh) 试卷识别分析实现方法及装置
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
CN101334814A (zh) 一种自动化的扫描阅卷***及阅卷方法
CN108537218B (zh) 一种答题卡的识别处理方法及装置
CN110956138B (zh) 一种基于家教设备的辅助学习方法及家教设备
CN110689013A (zh) 一种基于特征识别的自动阅卷方法及***
CN105184232A (zh) 一种o2o互联网作业本、***及实现方法
CN110879965A (zh) 试卷客观题的自动批阅方法、电子装置、设备及存储介质
CN107067399A (zh) 一种试卷图像分割处理方法
CN110765995A (zh) 一种答题卡生成方法、识别方法、装置及存储介质
CN111260318A (zh) 一种电子阅卷及成绩自动分析的***及方法
CN212624062U (zh) 一种用于图像采集的辅助装置
CN107066939A (zh) 一种网上阅卷***的试卷切割处理方法
CN112733644A (zh) 一种基于扫描识别的填涂点识别***及方法
CN108681713A (zh) 一种用于教师教学质量评价的***
CN113095312A (zh) 一种基于标识码采集试卷中手写答案区域的方法
CN210038810U (zh) 智能评测设备及***
CN115620332B (zh) 一种基于纸质作业的自动批阅方法及设备
CN115482535A (zh) 一种试卷自动批改方法、存储介质及设备

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
RJ01 Rejection of invention patent application after publication
RJ01 Rejection of invention patent application after publication

Application publication date: 20200512