本發明涉及圖像處理領域，且特別涉及一種應用于閱卷系統的主觀題分數識別方法。

背景技術：

近年來，隨著信息技術的不斷升級發展，更方便快捷、高效地工作、學習方式已越發受到人們的青睞。在傳統的教育領域，已逐漸開展新一代的教育信息化升級探索。在國內現有的基礎教育階段，學生學習狀況的主要考察形式仍然是各種類型的考試，大至高考、中考，小至基層教師日常家庭作業、單元考試，以及各類期中期末考試、會考、聯考、模考等。在此狀況下，教師背負著很大的批改作業和試卷的工作量壓力。

因而各類標準化輔助考試方法已逐漸在各類大型考試中使用，如光標閱讀機(opticalmarkreader，omr)進行答題卡自動閱卷處理的方式。光標閱讀機用光學掃描的方法來識別按一定格式印刷或書寫的標記，并將其轉換為計算機能接受的電信號，從而實現自動閱卷。光標閱讀機的優點是對于高配合、符合要求的答題卡，其閱讀準確(即對涂點的識別有極高的精確度，誤碼率小于千萬分之一)、閱讀速度快，每秒鐘可以處理一千多個信息點(處理速度以a4幅面計，每小時五千張)。這種處理方式很大程度上減輕了教師批改試卷的工作量壓力，但其也存在很多缺點，例如整套硬件設備價格昂貴、答題卡質量要求苛刻、僅能處理客觀題而不能處理主觀題批改等，所以，迄今為止，除在大型重要選拔類考試(高考、中考)中能夠被使用外，其它更多的常規考試閱卷工作無法使用該系統。

因此，隨之出現的網上閱卷系統，特別針對客觀題，通過電子掃描、圖像識別技術實現自動評分，大大提高了閱卷效率。目前采用計算機網絡技術和掃描技術的網上評卷作為一種新的評卷方式，得到了廣泛地應用。其方法是，先將考生答題卡通過高速掃描儀，以圖像方式原原本本掃描到系統中，形成電子版答卷，該過程中對考生的原始圖像不作任何識別性修改，使掃描到系統中的電子版答卷與考生實際答卷完全一致，并通過計算機各類存儲設備加以存儲和管理。

圖像識別軟件首先識別答題卡周邊已經印好的定位標記塊(這些標記塊的尺寸標準、黑度標準，容易識別)，據此建立圖像的坐標系。圖像識別軟件根據已經存儲在內存中的各個選項的印刷位置(相對于標記塊的位置)，定位各道題的各個選項在圖像上的位置(坐標)。以這些位置為中心，選取一定區域的像素(通常比允許答題者涂的范圍小一些)，計算每個區域內所有像素的灰度值的總和，與某個門限值進行比對，高于它就認為答題者涂上了(選擇了這個選項)。圖像識別軟件把識別出的選項集與標準答案進行比對，確定答題者涂中的每道題的答案是否正確。

對于主觀題來說，現有技術的網上閱卷系統并沒有太好的辦法，一般來說都是由老師對考生的試卷答案進行手動查看分析并批改分數，然而老師手動批改的分數由于其不標準的書寫筆跡，通過閱卷系統進行識別是比較困難的。

技術實現要素：

本發明提出一種應用于閱卷系統的主觀題分數識別方法，能夠有效識別主觀題下方分數選擇框中的紅筆線條，從而獲取正確的老師評分，實現主觀題的分數自動識別。

為了達到上述目的，本發明提出一種應用于閱卷系統的主觀題分數識別方法，包括下列步驟：

對主觀題下方的分數選擇框進行紅筆識別，獲取全部紅筆線條及其相對應的分數選擇框；

獲取全部紅筆線條的像素數據和長度數據；

根據所述紅筆線條的像素數據和長度數據，判斷該主觀題所選中的分數選擇框。

進一步的，所述紅筆識別通過hsv顏色模型進行紅色筆跡識別處理。

進一步的，所述紅色筆跡的hsv范圍設置為(0,30,45)～(10,255,255)和(165,30,45)～(180,255,255)，位于以上范圍的像素識別為紅色筆跡。

進一步的，該方法通過判斷所述紅筆線條的像素數據是否大于預設像素數值，從而判斷所述紅筆線條所對應的分數選擇框是否被選中。

進一步的，所述判斷紅筆線條的預設像素數值為50個。

進一步的，所述分數選擇框的長度范圍為40-50mm，寬度范圍為30-40mm。

進一步的，所述分數選擇框的尺寸為47*33mm。

進一步的，該方法通過判斷所述紅筆線條的長度數據是否大于預設長度數值，從而判斷所述紅筆線條所對應的分數選擇框是否被選中。

進一步的，所述判斷紅筆線條的預設長度數值為所述分數選擇框長度的一半。

進一步的，所述紅筆線條的長度數據通過識別得到的紅色筆跡兩端坐標數據計算得出。

本發明提出的應用于閱卷系統的主觀題分數識別方法，通過識別主觀題下方分數選擇框中的紅筆線條，并根據所述紅筆線條的像素數據和長度數據，判斷該主觀題所選中的分數選擇框。本發明能夠有效識別主觀題下方分數選擇框中的紅筆線條，從而獲取正確的老師評分，實現主觀題的分數自動識別。

附圖說明

圖1所示為本發明較佳實施例的主觀題分數識別方法流程圖。

圖2所示為本發明較佳實施例的主觀題及其下方的分數選擇框結構示意圖。

圖3所示為本發明較佳實施例的具有紅筆線條的分數選擇框結構示意圖。

具體實施方式

以下結合附圖給出本發明的具體實施方式，但本發明不限于以下的實施方式。根據下面說明和權利要求書，本發明的優點和特征將更清楚。需說明的是，附圖均采用非常簡化的形式且均使用非精準的比率，僅用于方便、明晰地輔助說明本發明實施例的目的。

本發明通過各個主觀題下方的分數選擇框進行解決，當老師對當前主觀題的分數進行確定后，勾選相應的分數選擇框，例如通過紅筆在相應的分數選擇框中劃一道短斜線作為標記。

請參考圖1，圖1所示為本發明較佳實施例的主觀題分數識別方法流程圖。

本發明提出一種應用于閱卷系統的主觀題分數識別方法，包括下列步驟：

步驟s100：對主觀題下方的分數選擇框進行紅筆識別，獲取全部紅筆線條及其相對應的分數選擇框；

步驟s200：獲取全部紅筆線條的像素數據和長度數據；

步驟s300：根據所述紅筆線條的像素數據和長度數據，判斷該主觀題所選中的分數選擇框。

根據本發明較佳實施例，所述紅筆識別通過hsv顏色模型進行紅色筆跡識別處理。hsv(hue,saturation,value)是根據顏色的直觀特性由a.r.smith在1978年創建的一種顏色空間,也稱六角錐體模型(hexconemodel)。這個模型中顏色的參數分別是：色調(h)，飽和度(s)，明度(v)。

所述紅色筆跡的hsv范圍設置為(0,30,45)～(10,255,255)和(165,30,45)～(180,255,255)，位于以上范圍的像素識別為紅色筆跡，通過全部像素的識別獲取完整的紅筆線條數據。

因為存在著老師紅筆不小心劃到分數選擇框的可能，試卷上可能會出現紅色小點或者紅色短線，接下來需要對此部分數據進行過濾，從而得到準確的紅筆線條數據。

根據本發明較佳實施例，本發明提出的應用于閱卷系統的主觀題分數識別方法，采用兩種方法結合的方式來過濾錯誤數據。

本發明首先通過判斷所述紅筆線條的像素數據是否大于預設像素數值，從而判斷所述紅筆線條所對應的分數選擇框是否被選中。根據本發明較佳實施例，所述判斷紅筆線條的預設像素數值為50個。當紅筆線條的像素數據大于50個時，判斷其選中所屬的分數選擇框，對于像素數據小于50個的紅筆線條則被認為是誤識別并進行刪除過濾操作。

經過紅筆線條像素判斷的過濾操作后，本發明同時通過判斷所述紅筆線條的長度數據是否大于預設長度數值，從而判斷所述紅筆線條所對應的分數選擇框是否被選中。

請參考圖2，圖2所示為本發明較佳實施例的主觀題及其下方的分數選擇框結構示意圖。主觀題題目100下面為學生主觀題作答區域200，主觀題作答區域200下方為多個分數選擇框300。根據本發明較佳實施例，所述主觀題下方的分數選擇框300的長度范圍為40-50mm，寬度范圍為30-40mm。進一步的，所述分數選擇框300的尺寸為47*33mm。在本發明較佳實施例中，每個主觀題下方具有5個分數選擇框300間隔且平行排列成一行，分別代表1～5的分數。老師在對學生試卷上的主觀題答案進行分析后確定該題目的分數，然后使用紅筆在相應的分數選擇框中劃出一條紅筆線條進行評分操作。

請參考圖3，圖3所示為本發明較佳實施例的具有紅筆線條的分數選擇框結構示意圖。所述分數選擇框300內具有紅筆線條400。

根據本發明較佳實施例，所述判斷紅筆線條的預設長度數值為所述分數選擇框長度的一半。即當紅筆線條的長度值超過分數選擇框長度的一半時，判斷當前分數選擇框被選中。在本發明較佳實施例中，所述分數選擇框的長度為47mm，當紅筆線條的長度超過23.5mm時，判斷當前分數選擇框被選中。當紅筆線條的長度不到23.5mm時，則當前紅筆線條被認為是誤識別并進行刪除過濾操作。

根據本發明較佳實施例，所述紅筆線條的長度數據通過識別得到的紅色筆跡兩端坐標數據計算得出。

通過上述紅筆線條的像素數據和紅筆線條的長度數據相結合的方式，將最初識別的紅筆線條數據中的錯誤數據進行過濾，最終得到正確的紅筆線條數據并確定其選中的分數選擇框，從而獲得每道主觀題的老師評分數據。

綜上所述，本發明提出的應用于閱卷系統的主觀題分數識別方法，通過識別主觀題下方分數選擇框中的紅筆線條，并根據所述紅筆線條的像素數據和長度數據，判斷該主觀題所選中的分數選擇框。本發明能夠有效識別主觀題下方分數選擇框中的紅筆線條，從而獲取正確的老師評分，實現主觀題的分數自動識別。

雖然本發明已以較佳實施例揭露如上，然其并非用以限定本發明。本發明所屬技術領域中具有通常知識者，在不脫離本發明的精神和范圍內，當可作各種的更動與潤飾。因此，本發明的保護范圍當視權利要求書所界定者為準。