[发明专利]一种基于图像分析的成绩自动录入方法

说明书

本发明涉及一种基于图像分析的成绩自动录入方法，包括：利用扫描仪扫描空白试卷样本，并对空白试卷样本进行OCR识别；对OCR识别结果进行文字拆解，以分解出空白试卷样本中每个题目的题目区域坐标、题型和分值；利用自动扫描仪批量扫描所有考生的答卷，得到答卷图像；从答卷图像中提取老师的有效的阅卷笔迹的轮廓体；将有效的阅卷笔迹的轮廓体输入到Tensorflow进行识别；根据识别结果、识别结果所对应的题目区域坐标及该题目区域坐标对应的题目分值，统计每道题目的实际得分；按照每道题目的序号，将每道题目的实际得分录入到数据库中。通过本发明的技术方案，能够实现考生答卷成绩的自动采集、识别、统计和录入。

技术领域

本发明涉及图像分析处理技术领域，具体涉及一种基于图像分析的成绩自动录入方法。

背景技术

当前，考试完后的试卷，只有客观题的成绩计算机是有数据的(还必须使用答题卡来进行答题)，但是占分比例更高、对成绩的观察更为有效的主观题，却无法进入计算机——除非人工将成绩抄录进去。这就遇到了工作量大，抄录时人工可能存在疏漏、错误，录完一次还需要有一个人来进行校验的巨大开销的问题。

本发明采用了人工智能和图像分析、图像识别相关的技术。只需要使用全自动扫描仪将试卷扫描到计算机，然后由程序分析试卷结构，并分析老师的阅卷笔迹，即可自动的录入考生的全部成绩，无需人员参与。

CNN人工智能神经网络：该技术用于识别手写的符号和数字。一般采用Google公司开源的Tensorflow引擎。使用之前，需要先采集大量的样本，在本发明中，我们仅需要采集：√、×、－、+、以及带点的√这五种符号，和数字0～60的手写样本。每种样本一般至少需要6000个样例，这6000样例可以采集自300个人的手写图像。基于这样每样本6000个样例共3万个样例的采集库，使用Tensorflow的LeNet5网络模型进行训练，得到识别模型，即可识别所有书写上符合要求的任何人手写的这些符号及数字。

OCR技术：OCR是光学字符识别技术的简称，这是一项已经十分成熟的技术，国内外很多公司都在开发，免费的开源的商业的各种模块都有。对于扫描的图像来说，当今的OCR识别率已经非常不错，识别结果和可信度都已经很高、其准确度足够使用了。

发明内容

有鉴于此，本发明的目的在于克服现有技术的不足，提供一种基于图像分析的成绩自动录入方法，实现考生答卷成绩的自动采集、识别、统计和录入。

为实现以上目的，本发明采用如下技术方案：

一种基于图像分析的成绩自动录入方法，包括：

步骤S1、利用扫描仪扫描空白试卷样本，并对所述空白试卷样本进行OCR识别，得到OCR识别结果；

步骤S2、对所述OCR识别结果进行文字拆解，以分解出所述空白试卷样本中每个题目的题目区域坐标、题型和分值；其中，所述题目区域坐标包括题目的序号和开始结束范围；

步骤S3、利用自动扫描仪批量扫描所有考生的答卷，得到答卷图像；其中，所述答卷图像上有考生的作答结果及老师在指定区域内的红色阅卷笔迹；

步骤S4、从所述答卷图像中提取老师的有效的阅卷笔迹的轮廓体；

步骤S5、将有效的阅卷笔迹的轮廓体输入到Tensorflow进行识别，得到对、错、部分对、加分、减分这5种符号，以及0～60，一共66种可能的识别结果；

步骤S6、根据识别结果、识别结果所对应的题目区域坐标及该题目区域坐标对应的题目分值，统计每道题目的实际得分；

步骤S7、按照每道题目的序号，将每道题目的实际得分录入到数据库中。

优选地，所述步骤S4包括：