[发明专利]基于FHOG特征的试卷分数自动统计方法和装置

说明书

本发明公开了一种基于FHOG特征的试卷分数自动统计方法，其包括以下步骤：S1、对单数字手写样本以及双数字手写样本进行尺度变换；S2、提取单数字手写样本图像和双数字手写样本图像的SP‑FHOG特征；S3、训练神经网络，得到单数字识别模型、双数字识别模型和得到数字数目识别模型；S4、提取每个分割结果图像的SP‑FHOG特征；S5、将分割结果图像的SP‑FHOG特征输入到数字数目识别模型和单数字识别模型或数字数目识别模型中进行识别。本发明还提供了基于FHOG特征的试卷分数自动统计装置。本发明精度高，能够有效的进行试卷的分数统计。

技术领域

本发明涉及图像处理技术领域，具体为一种基于FHOG特征的试卷分数自动统计方法和装置。

背景技术

专业认证是发达国家对高等教育进行专业评价的基本方式。某一专业通过专业认证，意味着其毕业生达到行业认可的质量标准。据悉，截至2017年底，教育部高等教育教学评估中心和中国工程教育专业认证协会共认证了全国198所高校的846个工科专业。通过专业认证，标志着这些专业的质量实现了国际实质等效，已进入全球工程教育的“第一方阵”。专业认证的三大理念包括：以学生为中心的教育理念；成果导向的教育取向；持续改进的质量文化。其中，持续改进的质量文化包括：建立常态性评价机制并不断改进；培养目标、毕业要求、教学环节都要进行评价；持续改进的效果通过学生的表现来体现。其中，教学环节的评价过程主要依据为开卷/闭卷考试，对试卷分数的精准统计结果能够有效的反映教学效果达成情况。因此，需要对试卷中每一题的得分情况进行统计，并给出最终的统计结果。采用手动的方式进行试卷分数统计，将增加额外的工作负担。

发明内容

为了克服现有技术的不足，本发明的目的之一在于提供一种基于FHOG特征的试卷分数自动统计方法，其应用空间金字塔的方式对分块cell的FHOG特征进行处理，最终获得了试卷图像的整体特征和局部特征，特征描述性能得到进一步的增强，精度高，能够有效的进行试卷的分数统计。

本发明的目的之二在于提供一种基于FHOG特征的试卷分数自动统计装置，其应用空间金字塔的方式对分块cell的FHOG特征进行处理，最终获得了试卷图像的整体特征和局部特征，特征描述性能得到进一步的增强，精度高，能够有效的进行试卷的分数统计。

为实现上述目的之一，本发明提供如下技术方案：

一种基于FHOG特征的试卷分数自动统计方法，包括以下步骤：

S1、对Mnist样本数据库中的每个单数字手写样本以及NIST SD19样本数据库中的每个双数字手写样本进行尺度变换，分别得到每个单数字手写样本对应的单数字手写样本图像和每个双数字手写样本对应的双数字手写样本图像；

S2、提取单数字手写样本图像和双数字手写样本图像的SP-FHOG特征；

S3、将单数字手写样本图像的SP-FHOG特征和双数字手写样本图像的SP-FHOG特征分别输入神经网络中进行训练，分别得到单数字识别模型和双数字识别模型，将单数字手写样本图像的SP-FHOG特征和双数字手写样本图像的SP-FHOG特征同时输入神经网络中进行训练，得到数字数目识别模型；

S4、对目标试卷图像进行预处理，得到多个分割结果图像，提取每个分割结果图像的SP-FHOG特征；

S5、将所述分割结果图像的SP-FHOG特征输入到数字数目识别模型中进行识别，如果数字数目识别模型识别的结果为1，则将所述分割结果图像的SP-FHOG特征输入至单数字识别模型进行识别，得到单数字识别结果；如果数字数目识别模型识别的结果为2，则将所述分割结果图像的SP-FHOG特征输入至双数字识别模型进行识别，得到双数字识别结果；

其中，提取单数字手写样本图像或双数字手写样本图像或分割结果图像的SP-FHOG特征的方法包括：