[发明专利]基于模板匹配的信息填涂卡识别方法

说明书

技术领域

本发明属于信息处理技术领域，具体涉及信息填涂卡中选项填涂情况的计算机自动识别技术。

背景技术

目前，光学标记识别(Optical Marker Recognition，OMR)在标准化阅卷、问卷调查、选票统计、人口普查等领域有广泛的应用。OMR技术一般采用光电对管阅读技术，就是采用了两个光电器件，即半导体发光管和光敏管。在识别时，由发光管发出光照射到选项涂点区域上，通过光敏管接收来自选项涂点区域的反射光。因为选项填涂的情况直接决定了反射光的强弱，所以根据此特性可以判定选项是否填涂。但这种方式存在以下几个缺陷：(1)对纸张有较高的要求，成本高。(2)保存与查阅不方便。(3)需要购买专门的涂点标记识别设备，需要较大的硬件投入。(4)速度慢，对于大批量的阅卷而言效率较低。

由于传统的OMR阅卷机存在种种弊端，一种新的基于图像灰度分析的涂点识别技术应运而生。基本方法就是先利用高速扫描仪将所有纸质文档扫描为图像格式进行保存，然后利用图像识别技术对文档图像中的选项区域进行涂点识别。这种方法的好处主要是不需要专门的光学标记阅卷设备，填涂卡纸张也没有特殊要求，从而成本低廉，无论对大型还是小型的阅卷应用都比较合适。另外，由于采用了图像格式来保存纸质文档，所以文档的保存与查询非常方便。该方法涉及的几个关键技术就是文档图像的倾斜校正、选项区域的分割与选项涂点的识别。

现有识别方法都是模拟光学标记阅读机的原理来实现的，即对于选项填涂区域进行二值化，然后统计选项区域内点的数量，若大于某一个阈值即认为已填涂，否则就是未填涂。这种方式往往对填涂的要求比较苛刻，如必须将选项区域完全涂满、且笔的颜色灰度必须足够深。这些严格的要求对于标准化考试而言可能是可行的，但对于调查问卷、选票统计等应用领域就不是很合适。这主要是因为对于调查问卷、选票统计等的结果与填涂人本身并没有很直接的利益关系，所以填涂时可能不会严格遵守一些比较苛刻的要求，由于无法对填涂人的填涂方法进行很好的控制，现有的识别方法不能适用于填涂不标准的情况。

发明内容

为解决现有技术有纹理背景干扰使识别精度低、选项涂点识别不能适用于填涂不标准的技术问题，本发明的目的是提出了一种新的对图像灰度、位置偏移等有较强自适应能力、识别精度高的方法，本发明的另一目的就是针对信息填涂卡上的选项填涂区域的识别问题，提供一个基于模板匹配的信息填涂卡识别方法。

为了实现所述目的，本发明提供基于模板匹配的信息填涂卡识别方法的技术方案包括步骤如下：

步骤1：利用空白信息卡建立模板图像信息，获得模板信息卡；

步骤2：设置模板信息卡涂点选项的有效填涂阈值；

步骤3：提取待识别模板信息卡涂点模板选项的背景模式定义，分别调用模板选项不同的背景模式进行涂点识别；

步骤4：若识别涂点结果大于等于设定的阈值，则认为该选项被有效填涂，否则是无效填涂。

根据本发明的实施例，所述不同背景模式识别为无纹理背景模式的涂点识别或有纹理背景模式的涂点识别。

根据本发明的实施例，选择所述无纹理背景模式的涂点识别步骤包括：

步骤31a：对填涂卡的当前选项图像与待识别模板信息卡的模板图像进行二值化，获得二值图像；

步骤31b：统计当前选项图像和模板图像的二值化图像中的涂点数；

步骤31c：根据二值化图像的涂点数进行比较，获得比较差异信息给出分级的涂点识别结果。

根据本发明的实施例，选择所述有纹理背景模式涂点识别步骤包括：

步骤31A：对填涂卡的当前选项图像和模板信息卡的模板图像进行二值化，并缓存当前选项的原始灰度图像；

步骤31B：对当前选项图像和模板图像基于相似度计算进行配准，微调当前选项图像的坐标；

步骤31C：提取当前选项图像与模板图像的差分二值图像；

步骤31D：基于该差分二值图像中涂点在原始灰度图像中的灰度强度的统计给出分级的涂点识别结果。

根据本发明的实施例，所述模板信息包括选项坐标信息、填涂点方式、原始图像数据。

根据本发明的实施例，所述识别涂点结果根据信度分级输出，由用户设置该类信息卡的有效阈值，实现人机结合识别。

根据本发明的实施例，对所述信息卡的扫描时的颜色类型为二值图像或灰度图像或彩色图像；通过对图像颜色类型的判定，调用相应的涂点识别模式。