【完整项目】基于Python+Tkinter+OpenCV+Yolo+手写OCR的双模式答题卡识别软件的设计与实现

前言

目前，主流的答题卡识别软件都是基于传统的图像处理方法，经过二值化、滤波、去噪等流程提取到答题卡的填涂区域。思路正确，但是效果一般，无法广泛应用到实际中。由于答题卡的样式五花八门，考试的填涂方式千奇百怪，上述传统的图像处理方法不能很好的解决答题卡识别的痛点——即与考生填涂区域有相似噪声时，滤波和去噪过程阈值难以选择。阈值过小，不能提取出全部的填涂区域；阈值过大，会剔除掉考生的填涂结果，从而造成识别错误。从成本考虑，不是所有的答题卡都有大型考试那样严格的标准，填涂区域用红色标出(例：[A])，考生用2B铅笔填涂。更多的是黑色印刷的填涂区域背景，这样就导致如果考生填涂的不充分、不连贯、填涂浅、填涂区域被污染、填涂的形状奇怪等，就可能导致识别错误或者误识别。除此之外，在一些考试中，批卷老师更希望的是考生都有成绩，而不是因为严格的限制在填涂的方式上扣分。

针对上述问题，我们提出一种基于Python+Tkinter+OpenCV+Yolo+手写OCR的双模式答题卡识别软件，使用Python内置的GUI界面开发工具Tkinter来实现友好的用户界面。针对基于传统的图像处理方法，我们做出了巨大改进，用一种巧妙的方法来解决上述的传统图像处理方法的痛点，可以做到精确识别。针对基于深度学习的方法，我们先标注考生答题卡的填涂区域，然后使用Yolo进行训练。由于填涂区域的特征相对单一，但是填涂的样例应该广泛且具有代表性。得益于Yolo的强大，我们仅标注了100张答题卡图像，即可准确预测上千张答题卡，准确率足以应用到实际场景中。答题卡识别的速度极快，上千张答