一种试卷得分表自动审核方法、装置、设备及介质

1.本发明涉及一种试卷得分表自动审核方法、装置、设备及介质，属于图像处理技术领域。


背景技术：

2.在高校课程归档材料的审核中，得分表成绩计算核对是一项重要内容。该工作目前主要由人工完成，需要教师重复翻阅试卷并进行单项分数相加与总分比对，审核成绩加总有无错误。考虑到学生数量众多，该方法不仅浪费大量时间与精力，而且难以控制准确率、效率较低，存在明显缺点。


技术实现要素：

3.本发明的目的在于克服现有技术中的不足，提供一种试卷得分表自动审核方法、装置、设备及介质，通过图像处理、数字识别的方法，提高试卷分数审核过程的效率与准确率，减少教师在核分上的时间和工作量，实现教学工作智能化。
4.为达到上述目的，本发明是采用下述技术方案实现的：
5.第一方面，本发明提供了一种试卷得分表自动审核方法，包括：
6.获取试卷得分表的照片图像；
7.对照片图像进行倾斜校正处理，生成校正图像；
8.对校正图像进行手写体分数提取，生成手写体分数图像；
9.对手写体分数图像进行分割，生成各属于同一手写体分数的单数字图像；
10.将单数字图像输入训练好的模型，获取其特征值；
11.根据单数字图像的特征值确定其数值；
12.根据数值确定各手写体分数的分值，根据分值进行试卷得分审核。
13.可选的，所述对照片图像进行倾斜校正处理包括：
14.使用霍夫变换检测照片图像中的横向直线；
15.获取所有横向直线的旋转角度并取平均值；
16.根据平均值对照片图像进行倾斜校正。
17.可选的，所述对校正图像进行手写体分数提取包括：
18.将校正图像由rgb通道转换为hsv通道；
19.根据hsv的取值范围，提取校正图像中红色区域图像；
20.将红色区域图像作为手写体分数图像，并进行中值滤波。
21.可选的，所述对手写体分数图像进行分割包括：
22.对手写体分数图像进行二值化处理，生成二值化图像；
23.对二值化图像进行膨胀操作，使属于同一手写体分数的字符粘连到一起，生成膨胀图像；
24.对膨胀图像进行水平方向投影，找到字符的上下边界，并按照上下边界进行横向
切割，生成行图像；
25.对行图像进行垂直方向投影，找到字符的左右边界，并按照左右边界进行竖向切割，生成列图像；
26.根据列图像确定属于同一手写体分数的字符对应的单元区域；
27.对二值化图像中的各单元区域进行垂直方向投影，分别找到字符的左右边界，并按照左右边界进行竖向切割，生成各单元区域的数字图像；
28.针对各单元区域的数字图像，根据其垂直方向投影结果判断其是否存在间隙：
29.若存在间隙，则将数字图像作为正常二位数图像，对正常二位数图像使用投影分割法分割为两个单数字图像；
30.若不存在间隙，则计算数字图像的高宽比：
31.若高宽比大于等于设定的高宽比阈值，则将数字图像作为单数字图像；
32.若高宽比小于设定的高宽比阈值，则将数字图像作为粘连二位数图像，对粘连二位数图像使用滴水法分割为两个单数字图像；
33.将各单元区域的单数字图像作为各属于同一手写体分数的单数字图像。
34.可选的，所述根据数值确定各手写体分数的分值包括：
35.按照单数字图像位于单元区域内的左右顺序，对其数值进行左右排序；
36.根据左右排序结果从右到左按照计数单位顺序确定其分值；
37.所述根据分值进行试卷得分审核包括：
38.将最右侧的单元区域对应的分值记为总分，将除最右侧的单元区域对应的分数记为小分，对小分进行求和；
39.若求和结果等于总分，则试卷得分审核通过；若求和结果不等于总分，则试卷得分审核不通过。
40.可选的，所述模型的训练过程包括：
41.将打印体和手写体的数字i分别作为模板图像和样本图像，i＝0,1,2,3,4,5,6,7,8,9；
42.构建以卷积神经网络作为骨干网络的模型；
43.将模板图像分别输入模型，提取其特征并记为ti，ti为打印体的数字i对应模板图像的特征；
44.获取预设数量的样本图像，构建训练集；
45.重复执行以下步骤，直至损失函数值l低于设定的损失阈值：
46.从训练集中随机选取n个样本图像构成一个batch，将batch输入模型，提取其特征并记为并记为为batch中手写体的数字i对应样本图像中第j个样本图像的特征，ni为batch中手写体的数字i对应样本图像的总数，
47.根据特征ti和x(i)计算batch的损失函数值l：
[0048][0049]
式中，k＝0,1,2,3,4,5,6,7,8,9；
[0050]
根据损失函数值l反向传播更新模型的参数。
[0051]
可选的，所述根据单数字图像的特征值确定其数值包括：
[0052]
计算单数字图像的特征值与特征ti的欧式距离；
[0053]
将欧式距离最小的特征ti对应的手写体的数字i作为单数字图像的数值。
[0054]
第二方面，本发明提供了一种试卷得分表自动审核装置，所述装置包括：
[0055]
图像获取模块，用于获取试卷得分表的照片图像；
[0056]
图像校正模块，用于对照片图像进行倾斜校正处理，生成校正图像；
[0057]
分数图像模块，用于对校正图像进行手写体分数提取，生成手写体分数图像；
[0058]
数字分割模块，用于对手写体分数图像进行分割，生成各属于同一手写体分数的单数字图像；
[0059]
特征提取模块，用于将单数字图像输入训练好的模型，获取其特征值；
[0060]
数值识别模块，用于根据单数字图像的特征值确定其数值；
[0061]
成绩审核模块，用于根据数值确定各手写体分数的分值，根据分值进行试卷得分审核。
[0062]
第三方面，本发明提供了一种电子设备，包括处理器及存储介质；
[0063]
所述存储介质用于存储指令；
[0064]
所述处理器用于根据所述指令进行操作以执行根据上述方法的步骤。
[0065]
第四方面，本发明提供了一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现上述方法的步骤。
[0066]
与现有技术相比，本发明所达到的有益效果：
[0067]
本发明提供了一种试卷得分表自动审核方法、装置、设备及介质，通过图像处理、数字识别的方法，能够快速、准确地处理试卷得分表图像并进行图像中的数字识别和计算审核，有效查找在试卷归档和成绩审阅过程中总分计算错误的问题，同时能够避免教师在审核工作上花费大量时间与精力，支持智能化教学工作；同时本发明中的模型，相比于传统的深度学习分类方法，具有更高的识别准确率。
附图说明
[0068]
图1是本发明实施例一提供的一种试卷得分表自动审核方法的流程图；
[0069]
图2是本发明实施例一提供的一个试卷得分表的照片图像的示例图；
[0070]
图3是本发明实施例一提供的图2的倾斜校正处理效果图；
[0071]
图4是本发明实施例一提供的图3的手写体分数提取效果图；
[0072]
图5是本发明实施例一提供的图4的二值化处理效果图；
[0073]
图6是本发明实施例一提供的图5的膨胀操作效果图；
[0074]
图7是本发明实施例一提供的图5的竖向切割效果图；
[0075]
图8是本发明实施例一提供的图7中“38”的滴水法分割效果图；
[0076]
图9是本发明实施例一提供的图7的最终分割效果图；
[0077]
图10是本发明实施例一提供的打印体数字的模板图像。
具体实施方式
[0078]
下面结合附图对本发明作进一步描述。以下实施例仅用于更加清楚地说明本发明的技术方案，而不能以此来限制本发明的保护范围。
[0079]
实施例一：
[0080]
如图1所示，本发明实施例提供了一种试卷得分表自动审核方法，包括以下步骤：
[0081]
1、获取试卷得分表的照片图像；
[0082]
本实施例获取方式主要为对试卷得分表区域进行拍摄，获取其照片图像；如图2所示，给出了一个照片图像的示例，图中得分为红色。
[0083]
2、对照片图像进行倾斜校正处理，生成校正图像；
[0084]
本实施例提供的倾斜校正处理包括：
[0085]
2.1、使用霍夫变换检测照片图像中的横向直线；
[0086]
2.2、获取所有横向直线的旋转角度并取平均值；
[0087]
2.3、根据平均值对照片图像进行倾斜校正；
[0088]
如图3所示，为图2的倾斜校正处理效果图，图中得分为红色。
[0089]
3、对校正图像进行手写体分数提取，生成手写体分数图像；
[0090]
本实施例提供的手写体分数提取包括：
[0091]
3.1、将校正图像由rgb通道转换为hsv通道；
[0092]
3.2、根据hsv的取值范围，提取校正图像中红色区域图像；
[0093]
3.3、将红色区域图像作为手写体分数图像，并进行中值滤波。
[0094]
如图4所示，为图3的手写体分数提取效果图，图中得分为红色。
[0095]
4、对手写体分数图像进行分割，生成各属于同一手写体分数的单数字图像；
[0096]
本实施例提供的对手写体分数图像进行分割包括包括：
[0097]
4.1、对手写体分数图像进行二值化处理，生成二值化图像；如图5所示，为图4的二值化处理效果图。
[0098]
4.2、对二值化图像进行膨胀操作，使属于同一手写体分数的字符粘连到一起，生成膨胀图像；如图6所示，为图5的膨胀操作效果图。
[0099]
4.3、对膨胀图像进行水平方向投影，找到字符的上下边界，并按照上下边界进行横向切割，生成行图像；
[0100]
4.4、对行图像进行垂直方向投影，找到字符的左右边界，并按照左右边界进行竖向切割，生成列图像；
[0101]
4.5、根据列图像确定属于同一手写体分数的字符对应的单元区域；
[0102]
4.6、对二值化图像中的各单元区域进行垂直方向投影，分别找到字符的左右边界，并按照左右边界进行竖向切割，生成各单元区域的数字图像；如图7所示，为图5的竖向切割效果图。
[0103]
4.7、针对各单元区域的数字图像，根据其垂直方向投影结果(垂直投影图像中间
没有累加到像素值的就是间隙)判断其是否存在间隙：
[0104]
若存在间隙，则将数字图像作为正常二位数图像(如图7中的“19”、“94”)，对正常二位数图像使用投影分割法分割为两个单数字图像；
[0105]
若不存在间隙，则计算数字图像的高宽比：
[0106]
若高宽比大于等于设定的高宽比阈值(一般设置为1.2)，则将数字图像作为单数字图像(如图7中的“8”)；
[0107]
若高宽比小于设定的高宽比阈值，则将数字图像作为粘连二位数图像(如图7中的“21”、“38”)，对粘连二位数图像使用滴水法分割为两个单数字图像；如图8所示，为图7中“38”的滴水法分割效果图；如图9所示，为图7的最终分割效果图；
[0108]
4.8、将各单元区域的单数字图像作为各属于同一手写体分数的单数字图像。
[0109]
5、将单数字图像输入训练好的模型，获取其特征值；
[0110]
本实施例提供的模型的训练过程包括：
[0111]
5.1、将打印体和手写体的数字i分别作为模板图像和样本图像，i＝0,1,2,3,4,5,6,7,8,9；如图10所示，为打印体数字的模板图像；
[0112]
5.2、构建以卷积神经网络(如vgg、resnet、densenet)作为骨干网络的模型；
[0113]
5.3、将模板图像分别输入模型，提取其特征并记为ti，ti为打印体的数字i对应模板图像的特征；
[0114]
5.4、获取预设数量的样本图像，构建训练集；
[0115]
5.5、重复执行以下步骤，直至损失函数值l低于设定的损失阈值：
[0116]
5.5.1、从训练集中随机选取n个样本图像构成一个batch，将batch输入模型，提取其特征并记为其特征并记为为batch中手写体的数字i对应样本图像中第j个样本图像的特征，ni为batch中手写体的数字i对应样本图像的总数，
[0117]
5.5.2、根据特征ti和x(i)计算batch的损失函数值l：
[0118][0119]
式中，k＝0,1,2,3,4,5,6,7,8,9；
[0120]
5.5.3、根据损失函数值l反向传播更新模型的参数。
[0121]
6、根据单数字图像的特征值确定其数值；
[0122]
6.1、根据单数字图像的特征值确定其数值包括：
[0123]
6.2、计算单数字图像的特征值与特征ti的欧式距离；
[0124]
6.3、将欧式距离最小的特征ti对应的手写体的数字i作为单数字图像的数值。
[0125]
7、根据数值确定各手写体分数的分值，根据分值进行试卷得分审核。
[0126]
7.1、按照单数字图像位于单元区域内的左右顺序，对其数值进行左右排序；
[0127]
7.2、根据左右排序结果从右到左按照计数单位顺序(如两位，为个、十)确定其分值；
[0128]
7.3、将最右侧的单元区域对应的分值记为总分，将除最右侧的单元区域对应的分数记为小分，对小分进行求和；
[0129]
7.4、若求和结果等于总分，则试卷得分审核通过；若求和结果不等于总分，则试卷得分审核不通过；
[0130]
以图2中的得分为例，识别得到最右侧的单元区域对应的分值为94，记为总分；将除最右侧的单元区域对应的分数为8、19、21、37，记为小分；对小分进行求和8+19+21+37＝86，等于94，则试卷得分审核不通过。
[0131]
实施例二：
[0132]
本发明实施例提供了一种试卷得分表自动审核装置，装置包括：
[0133]
图像获取模块，用于获取试卷得分表的照片图像；
[0134]
图像校正模块，用于对照片图像进行倾斜校正处理，生成校正图像；
[0135]
分数图像模块，用于对校正图像进行手写体分数提取，生成手写体分数图像；
[0136]
数字分割模块，用于对手写体分数图像进行分割，生成各属于同一手写体分数的单数字图像；
[0137]
特征提取模块，用于将单数字图像输入训练好的模型，获取其特征值；
[0138]
数值识别模块，用于根据单数字图像的特征值确定其数值；
[0139]
成绩审核模块，用于根据数值确定各手写体分数的分值，根据分值进行试卷得分审核。
[0140]
实施例三：
[0141]
基于实施例一，本发明实施例提供了一种电子设备，包括处理器及存储介质；
[0142]
存储介质用于存储指令；
[0143]
处理器用于根据指令进行操作以执行根据上述方法的步骤。
[0144]
实施例四：
[0145]
基于实施例一，本发明实施例提供了一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现上述方法的步骤。
[0146]
本领域内的技术人员应明白，本发明的实施例可提供为方法、系统、或计算机程序产品。因此，本发明可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本发明可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、cd-rom、光学存储器等)上实施的计算机程序产品的形式。
[0147]
本发明是参照根据本发明实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
[0148]
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或
多个方框中指定的功能。
[0149]
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
[0150]
以上所述仅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，在不脱离本发明技术原理的前提下，还可以做出若干改进和变形，这些改进和变形也应视为本发明的保护范围。

技术特征：
1.一种试卷得分表自动审核方法，其特征在于，包括：获取试卷得分表的照片图像；对照片图像进行倾斜校正处理，生成校正图像；对校正图像进行手写体分数提取，生成手写体分数图像；对手写体分数图像进行分割，生成各属于同一手写体分数的单数字图像；将单数字图像输入训练好的模型，获取其特征值；根据单数字图像的特征值确定其数值；根据数值确定各手写体分数的分值，根据分值进行试卷得分审核。2.根据权利要求1所述的试卷得分表自动审核方法，其特征在于，所述对照片图像进行倾斜校正处理包括：使用霍夫变换检测照片图像中的横向直线；获取所有横向直线的旋转角度并取平均值；根据平均值对照片图像进行倾斜校正。3.根据权利要求1所述的试卷得分表自动审核方法，其特征在于，所述对校正图像进行手写体分数提取包括：将校正图像由rgb通道转换为hsv通道；根据hsv的取值范围，提取校正图像中红色区域图像；将红色区域图像作为手写体分数图像，并进行中值滤波。4.根据权利要求1所述的试卷得分表自动审核方法，其特征在于，所述对手写体分数图像进行分割包括：对手写体分数图像进行二值化处理，生成二值化图像；对二值化图像进行膨胀操作，使属于同一手写体分数的字符粘连到一起，生成膨胀图像；对膨胀图像进行水平方向投影，找到字符的上下边界，并按照上下边界进行横向切割，生成行图像；对行图像进行垂直方向投影，找到字符的左右边界，并按照左右边界进行竖向切割，生成列图像；根据列图像确定属于同一手写体分数的字符对应的单元区域；对二值化图像中的各单元区域进行垂直方向投影，分别找到字符的左右边界，并按照左右边界进行竖向切割，生成各单元区域的数字图像；针对各单元区域的数字图像，根据其垂直方向投影结果判断其是否存在间隙：若存在间隙，则将数字图像作为正常二位数图像，对正常二位数图像使用投影分割法分割为两个单数字图像；若不存在间隙，则计算数字图像的高宽比：若高宽比大于等于设定的高宽比阈值，则将数字图像作为单数字图像；若高宽比小于设定的高宽比阈值，则将数字图像作为粘连二位数图像，对粘连二位数图像使用滴水法分割为两个单数字图像；将各单元区域的单数字图像作为各属于同一手写体分数的单数字图像。5.根据权利要求4所述的试卷得分表自动审核方法，其特征在于，所述根据数值确定各
手写体分数的分值包括：按照单数字图像位于单元区域内的左右顺序，对其数值进行左右排序；根据左右排序结果从右到左按照计数单位顺序确定其分值；所述根据分值进行试卷得分审核包括：将最右侧的单元区域对应的分值记为总分，将除最右侧的单元区域对应的分数记为小分，对小分进行求和；若求和结果等于总分，则试卷得分审核通过；若求和结果不等于总分，则试卷得分审核不通过。6.根据权利要求1所述的试卷得分表自动审核方法，其特征在于，所述模型的训练过程包括：将打印体和手写体的数字i分别作为模板图像和样本图像，i＝0,1,2,3,4,5,6,7,8,9；构建以卷积神经网络作为骨干网络的模型；将模板图像分别输入模型，提取其特征并记为t
i
，t
i
为打印体的数字i对应模板图像的特征；获取预设数量的样本图像，构建训练集；重复执行以下步骤，直至损失函数值l低于设定的损失阈值：从训练集中随机选取n个样本图像构成一个batch，将batch输入模型，提取其特征并记为为为batch中手写体的数字i对应样本图像中第j个样本图像的特征，n
i
为batch中手写体的数字i对应样本图像的总数，根据特征t
i
和x
(i)
计算batch的损失函数值l：式中，k＝0,1,2,3,4,5,6,7,8,9；根据损失函数值l反向传播更新模型的参数。7.根据权利要求6所述的试卷得分表自动审核方法，其特征在于，所述根据单数字图像的特征值确定其数值包括：计算单数字图像的特征值与特征t
i
的欧式距离；将欧式距离最小的特征t
i
对应的手写体的数字i作为单数字图像的数值。8.一种试卷得分表自动审核装置，其特征在于，所述装置包括：图像获取模块，用于获取试卷得分表的照片图像；图像校正模块，用于对照片图像进行倾斜校正处理，生成校正图像；分数图像模块，用于对校正图像进行手写体分数提取，生成手写体分数图像；数字分割模块，用于对手写体分数图像进行分割，生成各属于同一手写体分数的单数字图像；特征提取模块，用于将单数字图像输入训练好的模型，获取其特征值；数值识别模块，用于根据单数字图像的特征值确定其数值；
成绩审核模块，用于根据数值确定各手写体分数的分值，根据分值进行试卷得分审核。9.一种电子设备，其特征在于，包括处理器及存储介质；所述存储介质用于存储指令；所述处理器用于根据所述指令进行操作以执行根据权利要求1-7任一项所述方法的步骤。10.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，该程序被处理器执行时实现权利要求1-7任一项所述方法的步骤。

技术总结
本发明公开了一种试卷得分表自动审核方法、装置、设备及介质，其方法包括：获取试卷得分表的照片图像；对照片图像进行倾斜校正处理，生成校正图像；对校正图像进行手写体分数提取，生成手写体分数图像；对手写体分数图像进行分割，生成各属于同一手写体分数的单数字图像；将单数字图像输入训练好的模型，获取其特征值；根据单数字图像的特征值确定其数值；根据数值确定各手写体分数的分值，根据分值进行试卷得分审核；本发明通过图像处理、数字识别的方法，提高试卷分数审核过程的效率与准确率，减少教师在核分上的时间和工作量，实现教学工作智能化。学工作智能化。学工作智能化。


技术研发人员：王连涛 何司骐 王梓屹 陶昕阳 刘家铭
受保护的技术使用者：河海大学
技术研发日：2023.05.30
技术公布日：2023/8/16