[发明专利]基于试卷图像的试题拆解方法、系统、存储介质及设备

说明书

本发明公开了一种基于试卷图像的试题拆解方法、系统、存储介质及设备，该基于试卷图像的试题拆解方法包括接收输入的试卷图像；对所述试卷图像进行元素分析，以识别出文字元素和非文字元素以及文字元素和非文字元素的定位信息，所述非文字元素包括侧边栏元素和图表元素；将所述非文字元素进行切除，并通过对所述文字元素进行识别，以将所述文字元素拆分成与所述试卷图像当中的每道试题对应的文字元素集合；将定位信息对应的文字元素集合和所述图表元素进行融合，得到所述每道试题的题目信息。本发明解决了现有技术中对图片类试卷中的试题进行电子化存档时操作繁琐且效率低下的问题。

技术领域

本发明涉及图像处理与文本结构化处理相结合的技术领域，特别涉及一种基于试卷图像的试题拆解方法、系统、存储介质及设备。

背景技术

随着深度学习技术的发展，结合深度学习的自然语言处理与图像处理在各个经典项目上的表现均有突破性提高。其中，预训练技术让小样本数据也能有出色的表现；transformer等模型结构让特征提取更充分；深度学习结合领域内先验知识做具体场景下的模型落地思想在各行各业也越来越受到认可。

并且随着教育信息化的发展，类似于上述的各种信息化技术在教育行业也得到广泛的运用，导致教育方式发生了很大改变，例如由之前的通过纸质化试卷进行答题转变为利用计算机设备建立题库通过线上的方式进行答题，一般的在进行题库的建立时，主要通过人工输入的方式对题目进行入库。

现有技术中，图片类试卷在现实场景中很常见，人们将图片类试卷中的试题进行电子化存档过程中，大多采用人工打字方式，效率低下，特别对于理科类试卷，存在大量公式和图表，低效的同时录入也非常麻烦。

发明内容

有鉴于此，本发明的目的在于提供一种基于试卷图像的试题拆解方法、系统、存储介质及设备，旨在解决现有技术中对图片类试卷中的试题进行电子化存档时操作繁琐且效率低下的问题。

本发明实施例是这样实现的：一种基于试卷图像的试题拆解方法，所述方法包括：

接收输入的试卷图像；

对所述试卷图像进行元素分析，以识别出文字元素和非文字元素以及文字元素和非文字元素的定位信息，所述非文字元素包括侧边栏元素和图表元素；

将所述非文字元素进行切除，并通过对所述文字元素进行识别，以将所述文字元素拆分成与所述试卷图像当中的每道试题对应的文字元素集合；

将定位信息对应的文字元素集合和所述图表元素进行融合，得到所述每道试题的题目信息。

进一步的，上述基于试卷图像的试题拆解方法，其中，所述接收输入的试卷图像的步骤之前还包括：

获取试卷文件，识别所述试卷文件的文件格式；

判断所述文件格式是否为图片格式；

若否，则将所述试卷文件的文件格式转换为图片格式。

进一步的，上述基于试卷图像的试题拆解方法，其中，所述对所述试卷图像进行元素分析，以识别出文字元素和非文字元素以及文字元素和非文字元素的定位信息，所述非文字元素包括侧边栏元素和图表元素的步骤之前包括：

对所述试卷图像进行膨胀处理，检测膨胀后的试卷图像中的直线及直线对应的角度；

统计计算所述直线的平均角度，得到所述试卷图像的倾斜角度，根据所述倾斜角度将所述试卷图像置于水平状态。

进一步的，上述基于试卷图像的试题拆解方法，其中，所述对所述试卷图像进行元素分析，以识别出文字元素和非文字元素以及文字元素和非文字元素的定位信息，所述非文字元素包括侧边栏元素和图表元素的步骤包括：

利用预训练的版面分析模型对所述试卷图像进行检测，以识别出所述试卷图像中的可信文字区域和可信图表区域；