[发明专利]一种智能纸质试卷总分识别方法及系统

权利要求书

1.一种智能纸质试卷总分识别方法，其特征在于，所述方法包括以下步骤：

步骤1，在纸质试卷图像上固定的打分区域从左到右分别提取对应题号的分数区域图片；

步骤2，将分数区域图片中对应题号的分数的个位数与十位数分割并标记得到标记分数区域图片；

步骤3，通过训练好的卷积神经网络模型对标记分数区域图片进行分数识别得到分数预测值；

步骤4，对分数预测值进行还原得到对应题号的分数；

步骤5，迭代执行步骤2到步骤4，直至对应各题号的分数全部得出；

步骤6，判断是否已写出总分数，对已写出的总分提供预测值对比，否则将所有对应题号的分数相加得到总分；

其中，所述步骤2包括如下：

步骤2.1，对分数区域图片进行预处理；

步骤2.2，结合基于距离变换的分水岭算法和滴水算法，将分数区域图片中对应题号的分数的个位数与十位数分割得到各个分割子图；

步骤2.3，标记各个分割子图得到标记分数区域图片；

在步骤2.2中，将分数区域图片中对应题号的分数的个位数与十位数分割得到各个分割子图方法为：通过判断框出的数字图片的中心点在原图片水平方向上的像素点位置确定个位数标记为0和十位数标记为1，以此类推；为了更好的实现字符分割，需对预处理图片进行垂直方向上的投影，得到垂直方向上构成数字的像素点的分布情况，并搜索其宽度中心的三分之一宽度区域，在区域中选取最低点作为起始分割点的水平位置，由于该水平位置的纵方向构成数字的像素点少，更能代表两个数字连接的地方，分割会更准确；添加记录像素点遍历情况，即遍历过的像素点不再参与算法执行，同时通过滴水算法得到的连续分割点，用于分辨个位数与十位数的位置，为了根据连续的分割点实现数字分割步骤如下：

步骤2.2.1，提取十位数时，以每个分割点为边界，将图片矩阵数据中每一行分割点右边的数据全部变为（0，0，0），即将右边图片变为背景色；提取个位数时，以每个分割点为边界，将图片矩阵数据中每一行分割点左边的数据全部变为（0，0，0），即将左边图片变为背景色；

步骤2.2.2，将得到的十位数的图片与个位数的图片平滑轮廓细节，进行图片预处理，将数字完整化成清楚的二值图片，并做好十位数的图片标记为1与个位数的图片标记为0标记；

步骤2.2.3，用最小矩形框极限框出十位数的图片与个位数的图片中的数字；

步骤2.2.4，由于得到的图片未适合输入训练好的神经网络，对极限框出的数字图像的长与宽进行判断，当长大于宽时，创建一个全为背景色与边长为height+10个像素点的正方形图片，两张图片都以中心点为对称点，将原图覆盖到创建的正方形图片上，从而得到不变形的正方形分割子图，其中height为数字图像的长。

2.根据权利要求1所述的一种智能纸质试卷总分识别方法，其特征在于，在步骤 1 中，在纸质试卷图像上固定的分数栏区域从左到右分别提取对应题号的分数区域图片的方法为：

纸质试卷图像通过图像采集设备进行获取，纸质试卷图像上的分数栏区域处于图像中的固定的坐标位置；

对分数栏区域提取对应题号的分数区域图片，对分数栏区域图像进行分数提取与图像预处理，处理方法如下：

步骤1.1，在分数栏区域图像中色彩层面的平滑滤波，平滑色彩细节；

步骤1.2，将分数栏区域图像的BGR类型图片转换为HSV图片；

步骤1.3，对HSV图片的HSV色彩空间红色字体进行提取，得到红色数字的二值图片；

步骤1.4，将分数栏区域图像多次膨胀的形态学处理，以便得到各分数栏区域图像中对应各题号分数的具体区域图片；

步骤1.5，在具体区域图片寻找对应题号分数的轮廓，通过用矩形框识别的形式从左到右提取题号的轮廓中包含分数区域图片，并记录包含分数区域图片的数量；

所述从左到右提取分数区域图片包括使用快速排序方法，通过矩形框的起始像素点排序；

所述从左到右提取分数区域图片包括使用快速排序方法实现，具体步骤如下：

步骤1.5.1，获取每张对应题号分数区域图片四个角的像素点位置；

步骤1.5.2，通过图片四个角的像素点位置计算除图片中心点；

步骤1.5.3，每一张图片中心点的x值越小，则越靠左，每一张图片中心点的x值越大，则越靠右；

步骤1.5.4，利用快速排序算法按照每张对应题号将分数区域图片进行排序。