[发明专利]一种基于题号的精准框题方法、装置、设备和介质

权利要求书

1.一种基于题号的精准框题方法，其特征在于，包括：

获取目标图像；

对所述目标图像进行识别，得到目标图像中每一个题号对应的内部轮廓；

根据所述题号的级别和顺序设置每个内部轮廓对应的标签值；

识别定位坐标点并确定备选轮廓，所述备选轮廓为定位坐标点对应的内部轮廓；

根据所述标签值和备选轮廓确定精选轮廓；

根据所述题号的级别和顺序设置每个内部轮廓对应的标签值，包括：

通过题号分类模型获取每个题号的级别，所述级别包括一级题目、二级题目和三级题目；

按照题号的顺序以及题号的级别从上到下、从左到右为所述题号设置标签值；

根据所述标签值和备选轮廓确定精选轮廓，包括：

根据标签值确定备选轮廓对应的题号级别；

在所述备选轮廓对应的题号级别为三级题目时，识别所述备选轮廓对应文本的题目类型，在所述题目类型为选择题、填空题或判断题时，所述备选轮廓为最终的精选轮廓；在所述题目类型不是选择题、填空题或判断题时，则确定所述三级题目所在的二级题目，将二级题目及其关联的所有三级题目的内部轮廓作为框选轮廓，利用凸包算法求取所述框选轮廓对应的最终的精选轮廓；

在所述备选轮廓对应的题号为二级题目时，将二级题目及其关联的所有三级题目的内部轮廓作为框选轮廓，利用凸包算法求取所述框选轮廓对应的最终的精选轮廓；

在所述备选轮廓对应的题号为一级题目时，将所述一级题目及其关联的所有二级题目和三级题目的内部轮廓作为框选轮廓，利用凸包算法求取所述框选轮廓对应的最终的精选轮廓。

2.根据权利要求1所述的精准框题方法，其特征在于，对所述目标图像进行识别，得到目标图像中每一个题号对应的内部轮廓，包括：

将所述目标图像输入基于深度学习的实例分割模型，获取每个题号对应的文本轮廓，记为内部轮廓。

3.根据权利要求1所述的精准框题方法，其特征在于，对所述目标图像进行识别，得到目标图像中每一个题号对应的内部轮廓，包括：

将所述目标图像并行输入基于深度学习的题目识别网络模型、文本行检测网络模型以及题号检测网络模型确定题目轮廓、文本行轮廓和题号框；

创建一张空白掩码图，所述空白掩码图与目标图像的尺寸相同；

将所述题目轮廓添加至所述掩码图中；

根据题号框和文本行轮廓确定题号行的上边界，并将所述上边界添加至所述掩码图中；

延长所述上边界的左右端点，以使所述上边界与题目轮廓相连接，所述上边界将题目轮廓分割成多个题目区域，每个题目区域构成每个题号对应的内部轮廓。

4.根据权利要求1所述的精准框题方法，其特征在于，识别定位坐标点并确定备选轮廓，所述备选轮廓为定位坐标点对应的内部轮廓，包括：

将目标图像输入预先训练的基于深度学习的神经网络识别模型识别点击点，并确定点击点对应的定位坐标点；

获取所述定位坐标点和内部轮廓的位置关系，在所述定位坐标点落入其中一个内部轮廓内时，所述其中一个内部轮廓作为备选轮廓，在所述定位坐标点不落入任意内部轮廓时，则选取距离所述定位坐标点最近的内部轮廓作为备选轮廓。