[发明专利]基于深度学习的答题卡识别方法及系统

说明书

本发明提出了一种基于深度学习的答题卡识别方法及系统，包括：获取答题卡图像信息，进行预处理；利用深度学习模型进行关键点检测，抠出准考证区域及答题区域；查询是否存在对应答题卡的json文件；若存在，根据json文件存储的答题卡图像信息，检测所述准考证区域及答题区域中的图像内容，利用深度学习图像分类网络对图像内容进行填涂与非填涂的分类，得到识别结果；若不存在或根据json文件检测发生异常时，利用目标检网络YOLOv4进行文本检测，根据文本检测结果，利用深度学习OCR模型识别答题区域的题号内容，利用深度学习图像分类网络对准考证区域及答题区域进行填涂与非填涂的分类，得到识别结果；整理输出答题卡识别结果。

技术领域

本发明涉及深度学习技术领域，尤指一种基于深度学习的答题卡识别方法及系统。

背景技术

随着计算机技术和人工智能技术的高速发展，网络阅卷由于其贴近互联网发展趋势，且能够有效地降低考试的成本，提高教学质量，得到了越来越广泛地应用。其中，答题卡识别技术是网络阅卷中长期以来的技术难点，传统识别方式一般通过光标阅读机的方式，采用红外线读卡器，设备采用的原理比较精密和复杂，非常依赖设备，一定程度上限制了传播和发展。

最近几年，随着深度学习、机器视觉算法的不断发展，以及其灵活易部署的优点，得到了越来越广泛地应用。虽然红外线读卡器以及图像识别方法都有比较高的识别率，但是随着网络阅卷应用越来越广，对使用设备，纸张质量，扫描方式，答卷质量的要求也越来越宽松，对答题卡识别技术相应地提出了越来越高的技术要求。

综上来看，亟需一种可以高效、准确的识别答题卡的技术方案。

发明内容

为解决现有技术存在的问题，本发明提出了一种基于深度学习的答题卡识别方法及系统。本发明集成两种识别算法确保识别的准确率，可以有效地解决网络阅卷中对答题卡识别时遇到的复杂环境下无法保证答题卡图像精准识别的技术难点，引入深度学习技术，极大地提高了答题卡图像识别的精准度，有效地解决答题卡扭曲、倾斜、褪色、墨迹、移位、扫描环境的光亮度等技术问题；并且整个模型部署在服务器，用户只需在手机APP即可完成答题卡识别。

在本发明实施例的第一方面，提出了一种基于深度学习的答题卡识别方法，该方法包括：

获取答题卡图像信息，其中包括答题卡图像、答题卡的json文件，若答题卡没有对应的json文件则为空；

对所述答题卡图像进行预处理；

利用深度学习模型对预处理后的答题卡图像进行关键点检测，得到答题卡的关键点；

根据所述答题卡的关键点抠出准考证区域及答题区域；

根据所述答题卡图像，查询是否存在对应答题卡的json文件；

若存在，根据json文件存储的答题卡图像信息，检测所述准考证区域及答题区域中的图像内容，利用深度学习图像分类网络对图像内容进行填涂与非填涂的分类，得到识别结果；

若不存在或根据json文件检测发生异常时，利用目标检网络YOLOv4进行文本检测，根据文本检测结果，利用深度学习OCR模型识别答题区域的题号内容，利用深度学习图像分类网络对准考证区域及答题区域进行填涂与非填涂的分类，得到识别结果；

将准考证区域及答题区域的识别结果进行整理，输出答题卡识别结果。

进一步的，获取答题卡图像信息，包括：

将答题卡对应的图像信息存储在json文件中；其中，json文件存储的信息包括：题号坐标信息，选项坐标信息，准考证坐标信息，答题区域宽、高，准考证区域宽、高；

对所述答题卡图像进行预处理，包括：

利用OpenCV中的自适应直方图均衡化调节所述答题卡图像的对比度；