[发明专利]一种答题卡选项区域识别方法及系统

说明书

本发明提供一种答题卡选项区域识别方法及系统，所述方法包括：获取答题卡图像；利用预先训练的图像分割模型对答题卡图像进行图像分割，以在答题卡图像上识别出各选项区域及其参数信息，参数信息包括坐标信息和大小信息；根据选项区域的坐标信息，判断是否存在缺失的选项区域；若是，则根据缺失的选项区域的相邻选项区域的坐标信息及选项区域的大小信息，补入缺失的选项区域；输出所识别得到的答题卡图像的各选项区域。本发明通过融合深度学习神经网络模型和逻辑判断两项成功解决了模糊图像特征点比较少、图像噪声比较大很难处理的情况，提高了选项区域的识别精度，并且能够很好的解决漏识别的问题。

技术领域

本发明涉及图像信息识别技术领域，特别涉及一种答题卡选项区域识别方法及系统。

背景技术

为了加快批阅试卷的效率，目前普遍采用答题卡进行答案填写，由于答题卡上的选择题、准考证号等客观题可以与正确答题卡模块进行图像匹配来自动识别对错，从而能够迅速完成客观题的批阅工作。其中，答题卡客观题快速批阅的前提是要能够自动识别出答题卡图像当中的各个选项区域（如【A】等）。

现有技术当中，目前识别选项区域的方式为：首先，获取模板答题卡，用户在模板答题卡上分别对客观题区域、主观题区域和准考证号区域进行框选；然后对以上三块区域进行像素级别的图像预处理得到二值化的图像，并根据填涂选项的轮廓特征和排列特征寻找填涂选项区域，在识别选项时根据周长、面积等筛选，去掉无关轮廓，再用多边拟合方式把所有形状合成一个多边形，判断边的条数把大部分的数字和字母去掉，再聚类，最终将出现最多次数的轮廓判定为选项区域。

上述识别选项区域的方式存在的缺陷在于：在模糊图像特征点比较少、图像噪声比较大的情况下很难拿到轮廓信息，经常在图像处理后仍有大量孤立目标和目标不相符的孤立点问题，导致选项区域的识别精度低且容易漏识别，导致选项区域缺失，聚类时对聚类的类数确定以及在聚类中心的位置和特性事先不清楚的时候，很难设置初始值。

发明内容

基于此，本发明的目的是提供一种答题卡选项区域识别方法及系统，以解决现有识别选项区域的方式存在识别精度低且容易漏识别的技术问题。

根据本发明实施例的一种答题卡选项区域识别方法，所述方法包括：

获取答题卡图像；

利用预先训练的图像分割模型对所述答题卡图像进行图像分割，以在所述答题卡图像上识别出各客观题区域内的各选项区域及其参数信息，所述参数信息包括坐标信息和大小信息，所述图像分割模型基于深度学习神经网络训练得到；

根据所述选项区域的坐标信息，判断是否存在缺失的选项区域；

若是，则根据所述缺失的选项区域的相邻选项区域的坐标信息及所述选项区域的大小信息，在对应位置补入所述缺失的选项区域，以识别出所述答题卡图像的各选项区域并输出；

若否，则输出所识别得到的所述答题卡图像的各选项区域。

另外，根据本发明上述实施例的一种答题卡选项区域识别方法，还可以具有如下附加的技术特征：

进一步地，根据所述选项区域的坐标信息，判断是否存在缺失的选项区域的步骤包括：

根据所述选项区域的坐标信息，确定每个客观题区域内的各选项区域的行列信息；

对每一行或每一列的选项区域进行数量统计，当任一当前行或当前列的选项区域的统计数量低于预设数量时，确定所述当前行或当前列当中存在缺失的选项区域；

根据所述当前行或当前列当中的选项区域的坐标信息，确定所述缺失的选项区域在所述当前行或当前列当中的位置。

进一步地，根据所述选项区域的坐标信息，确定每个客观题区域内的各选项区域的行列信息的步骤包括：