[发明专利]一种基于机器学习的试卷答题卡自动处理方法

权利要求书

1.一种基于机器学习的试卷答题卡自动处理方法，其特征在于，包括以下步骤：

步骤1、训练涂写目标检测器；

步骤2、确定试卷版式，生成试卷并打印，具体如下：

2.1)使用原型设计工具，设计答题卡的版式；

2.2)将设计好的答题卡的模块位置信息存储到定位xml文件中；

2.3)生成试卷并打印；

步骤3、考试者和评阅者填写对应区域；

步骤4、将步骤3中完成的试卷扫描为图像，然后进行图像处理和分区域切割，具体如下：

4.1)扫描试卷为图像文件，分辨率为3500*2500；

4.2)将图像灰度化，使用基于opencv的矩形检测器分别在试卷图像四个顶角的200*200分辨率的区域内检测试卷的矩形定位点；

4.3)根据定位点的角度信息，对图像进行倾斜矫正；

4.4)读取步骤2.2)生成的xml文件中的长和宽，根据定位点的位置信息，对答题卡内容进行缩放微调；

4.5)读取步骤2.2)生成的xml文件中的各模块的位置信息，对各区域模块进行切割，主观题答题部分压缩存储入数据库，客观题的答题部分和主观题的打分部分送入步骤5进行处理；

步骤5、使用步骤1训练好的涂写目标检测器进行目标判定，然后结合正确答案进行分数计算，具体如下：

5.1)根据步骤4得到的客观题的答题部分，使用滑动窗口和步骤1训练的分类器对答题部分进行涂写目标检测；

定义如下规则：

Continue为是否进行后续判断的标志，若为0，则该题得分为0；若为1，则该题需要继续进行后续判断；

Count(·)为计数函数，表示第i道题置信度为c的检测结果集合；

Type(·)为题目类型的函数，为0时表示单项选择题，为1时表示多项选择题；若检测结果中检测置信度大于90％的结果大于1个，那么对于单项选择题，则直接判断为错误；对于多项选则题，则检测结果全部作为候选答案；

5.2)将步骤5.1)得到的涂写答案区域与xml中的定位信息对应的区域进行IOU计算，如果涂写答案区域与某个选项的位置区域的IOU大于0.6，则可获得该涂写答案区域的具体答案选项；

5.3)将步骤5.2)得到的答案选项与正确答案进行比较，根据得分规则计算并且记录该题得分；

5.4)根据步骤4得到的主观题的打分部分，使用滑动窗口和步骤1训练的分类器对打分部分进行涂写目标检测；若检测结果中检测置信度大于90％的结果大于1个，则取置信度最高的作为检测结果；若检测结果个数为0，则该题为0分；

5.5)将步骤5.4)得到的打分检测结果与xml中的定位信息进行IOU计算，当打分检测结果与xml中某个分数的位置区域的IOU大于0.6，则可获得该题的具体得分，记录该得分；

5.6)将步骤5.3)的得分和步骤5.5)的得分相加，即为试卷的总得分；

步骤6、对试卷进行统计和分析。

2.根据权利要求1所述的基于机器学习的试卷答题卡自动处理方法，其特征在于，步骤1所述的训练涂写目标检测器，具体如下：

1.1)建立涂写目标检测窗口的正负样本集，并将正负样本集中的正负训练样本缩放到32*24分辨率；

1.2)提取所有正负训练样本的HOG特征；

1.3)将所有正负训练样本的HOG特征输入到线性SVM中进行训练，得到分类器。

3.根据权利要求2所述的基于机器学习的试卷答题卡自动处理方法，其特征在于，步骤1.1所述的建立涂写目标检测窗口的正负样本集，并将正负样本集中的正负训练样本缩放到32*24分辨率，具体如下：

1.1.1)训练正样本，即充满答题卡上涂写矩形区域60％以上且没有作明显错误涂写标记的样本；

1.1.2)训练负样本，即未充满答题卡上涂写矩形区域60％以上的样本、有答题者作明显涂写错误标记的样本和空白未涂写答案的样本。

4.根据权利要求1所述的基于机器学习的试卷答题卡自动处理方法，其特征在于，步骤3所述的考试者和评阅者填写对应区域，具体如下：

3.1)考试者涂写客观题答题区域和主观题答题区域；

3.2)评阅者评阅主观题，并涂写对应的打分区域。

5.根据权利要求1所述的基于机器学习的试卷答题卡自动处理方法，其特征在于，步骤6所述的对试卷进行统计和分析，具体如下：

6.1)对整批试卷的平均分，各个题目的平均分进行计算；

6.2)对整批试卷和各个题目的分布情况进行计算；

6.3)根据以往试卷的得分情况进行不同时间段间与不同个体间的趋势分析，从数据库中调取答题部分提供给教师或个体本人查阅。