1 简介
目前,考试阅卷使用光标阅读机进行阅卷.而教师个人及普通学校则难以承担光标阅读机高昂的购买与维护费用.如何保证计算机视觉相关技术在教育教学领域被充分应用,使教师个人,普通学校以及偏远山区的学校也能享受到教育信息化发展的红利,是急需解决的问题.答题卡识别作为计算机视觉研究的内容之一,是图像处理和人工智能领域研究的一个重要方向.将其运用到教育教学领域,则能有效解决这一问题,将老师从繁复的阅卷劳动中解放出来,推动教育教学质量上台阶.本文对目前的答题卡识别技术进行了研究,分析了其现实需求,在此基础上,设计实现了基于计算机视觉的答题卡识别系统.本文通过普通USB摄像头实现答题卡图像采集,采用计算机视觉技术进行图像预处理和答卷识别.为此,设计制作了答题卡模板,搭建了答题卡图像采集的环境;采用图像灰度化,图像二值化等方法实现对答题卡图像的预处理;采用仿射变换,模板匹配,投影法,差分遍历向量法等方法实现对答题卡信息的识别.
2 部分代码
function [pass,sum_scores,tips] = contrastAnswers( Bn,Answer ,pass_scores)
%%对比此答题卡答案与标准答案对比计分
% 正确则返回‘恭喜你!’,不通过则返回‘挂了吧,嘿嘿!’
% 输入参数:
% Answer——当前试卷答案
% pass_scores——及格线
% 输出参数:
% pass——通过情况
if nargin < 2
pass_scores = 60;
end
filename = 'StanderAnswers.xls';
%读取标有准答案的excel文件,列顺序:题号,答案,分值
[num,txt,raw] = xlsread(filename);
%将excel文件内容转化为矩阵
standerdAnswers = raw(2:length(raw),1:3);
%初始化学生卡答案矩阵
stuAnswer = cell(105,3);
for i = 1:length(Answer)
stuAnswer{i,1} = Answer(i).no;
stuAnswer{i,2} = Answer(i).aw;
stuAnswer{i,3} = 0;
end
for i = 1:length(standerdAnswers)
if stuAnswer{i,2} == standerdAnswers{i,2};
stuAnswer{i,3} = standerdAnswers{i,3};
else
stuAnswer{i,3} = ~standerdAnswers{i,3};
end
end
sum_scores = 0;
for i = 1:length(stuAnswer)
sum_scores = sum_scores + stuAnswer{i,3};
end
if sum_scores >= pass_scores
pass = '通过';
else
pass = '不通过';
end
stuNum_befor = Bn(2).result';
if ~isempty(stuNum_befor)
for inum = 1 : length(stuNum_befor(1,:))
tips(1,inum) = num2str(stuNum_befor(1,inum));
end
else
tips = '学号未找到!';
end
end
3 仿真结果
4 参考文献
[1]罗朝阳, 张鹏超, 姚晋晋,等. 基于Hough变换的答题卡识别[J]. 计算机应用与软件, 2020, 37(3):6.
博主简介:擅长智能优化算法、神经网络预测、信号处理、元胞自动机、图像处理、路径规划、无人机等多种领域的Matlab仿真,相关matlab代码问题可私信交流。
部分理论引用网络文献,若有侵权联系博主删除。