一种基于空间相对位置特征排序的OMR识别方法及系统与流程

本发明涉及omr识别，尤其是涉及一种基于空间相对位置特征排序的omr识别方法及系统。

背景技术：

1、随着信息技术的飞速发展，数据处理和自动化需求日益增长，omr(optical markrecognition，光学标记识别)技术作为一种重要的信息采集和处理手段，在众多领域发挥着关键作用，omr识别方法利用光学扫描设备对含有特定标记的文档进行扫描，通过分析扫描图像中的标记特征来识别信息，现有的技术中为提高omr识别的精确度多利用深度学习模型进行omr识别，如卷积神经网络，对图像进行特征提取和分类，采用深度学习模型在提高识别精确度的同时也需要运用大量准确标注的数据进行训练，数据标注过程较为繁琐，深度学习模型的训练和运行通常需要较高的计算资源，在不使用深度学习算法的图像处理技术往往又存在扫描精确度不高和对标记的识别准确性有限，现阶段需要一种基于空间相对位置特征排序的omr识别方法及系统。

技术实现思路

1、为了解决现有技术中omr识别消耗计算资源较大和精确度有限的问题，本发明提供一种基于空间相对位置特征排序的omr识别方法及系统。能够在提高精确度的同时降低了计算资源的消耗。

2、第一方面，本发明提供的一种基于空间相对位置特征排序的omr识别方法，采用如下的技术方案：

3、一种基于空间相对位置特征排序的omr识别方法，包括：

4、构建试卷模板，并保存每张模板图片内对应omr码的位置框坐标；

5、提取模板图片中的图像特征点和特征描述符；

6、采集待处理的试卷图片，并对采集到的试卷图片进行预处理；

7、将预处理后的试卷图片与模板图片进行特征匹配，并根据特征匹配结果对试卷图片的旋转进行确定；

8、基于试卷图片与模板图片的特征匹配对试卷图片中的omr码位置进行定位，包括根据特征匹配结果分别计算试卷图片与模板图片的特征点空间相对位置特征，并利用单映矩阵将模板图片中omr码位置映射到试卷图片中；

9、计算试卷图片中每个omr码位置区域内的图像灰度值，根据灰度值对试卷图片中omr码的填涂位置进行确定。

10、进一步地，所述提取模板图片中的图像特征点和特征描述符，包括利用sift检测算法从模板图片中检测图像特征点，以图像特征点为中心定义一个固定大小的圆形区域，在图像特征点周围的区域内，计算像素的梯度信息，通过尺度空间和方向直方图确定图像特征点的尺度和主导方向，根据图像特征点的尺度、主导方向和以及梯度信息构建特征描述符。

11、进一步地，所述对采集到的试卷图片进行预处理，包括利用直方图估计方法对试卷图片进行亮度调整，通过误差扩散对完成亮度调的试卷图片进行二值化操作，利用二值化操作后的试卷图片提取边缘信息，并运用hough变换将边缘信息转换为hough空间中的曲线，筛选曲线中累加值高于所设阈值的曲线进行参数变换，根据hough变换的结果由曲线参数计算试卷图片中的直线倾斜角，利用直线的倾斜角进行图像校正。

12、进一步地，所述将预处理后的试卷图片与模板图片进行特征匹配，包括基于最近邻匹配算法，将试卷图片和模板图片的特征点进行匹配，选取特征点匹配数量最多的模板图片作为匹配模板，对试卷图片绘制横向中位线作为分界线，分别统计匹配模板与试卷图片分界线上、下部分特征点匹配的数量。

13、进一步地，所述根据特征匹配结果分别计算试卷图片与模板图片的特征点空间相对位置特征，包括根据特征匹配结果得到由模板图片和试卷图片的特征点组成的特征点对，分别以组成特征点对的任意特征点为圆心，以大于最小特征点间距的任意r为半径，获取半径范围内的特征点，计算半径范围内所有特征点的角度值和欧式距离，得到试卷图片与模板图片中特征点的空间相对位置特征。

14、进一步地，所述利用单映矩阵将模板图片中omr位置映射到试卷图片中，包括利用空间相对位置特征的余弦相似度作为特征点对的相似度，并将特征点对按照相似度从大到小的顺序排序，取大于最小样本数的前u个特征点对作为高质量的匹配点对，基于高质量的u个特征点对通过ransac方法进一步采样计算出由试卷图片到对应的模板图片的单映矩阵，利用单映矩阵将模板图片的omr位置映射到试卷图片中，得到试卷图片的omr位置。

15、进一步地，所述根据灰度值对试卷图片中omr码的填涂位置进行确定，包括基于试卷图片的omr位置确定每个omr码的位置区域，遍历每个omr码位置区域获取其对应的图像坐标范围，通过遍历每个omr码位置区域内的像素点，计算其灰度值并求取平均值，根据平均值与所设阈值的大小确定omr码的填涂位置。

16、第二方面，一种基于空间相对位置特征排序的omr识别系统，包括：

17、模板构建模块，被配置为：构建试卷模板，并保存每张模板图片内对应omr码的位置框坐标；

18、特征提取模块，被配置为：提取模板图片中的图像特征点和特征描述符；

19、数据采集模块，被配置为：采集待处理的试卷图片，并对采集到的试卷图片进行预处理；

20、特征匹配模块，被配置为：将预处理后的试卷图片与模板图片进行特征匹配，并根据特征匹配结果对试卷图片的旋转进行确定；

21、位置定位模块，被配置为：基于试卷图片与模板图片的特征匹配对试卷图片中的omr码位置进行定位，包括根据特征匹配结果分别计算试卷图片与模板图片的特征点空间相对位置特征，并利用单映矩阵将模板图片中omr码位置映射到试卷图片中；

22、检查模块，被配置为，计算试卷图片中每个omr码位置区域内的图像灰度值，根据灰度值对试卷图片中omr码的填涂位置进行确定。

23、第三方面，本发明提供一种计算机可读存储介质，其中存储有多条指令，所述指令适于由终端设备的处理器加载并执行所述的一种基于空间相对位置特征排序的omr识别方法。

24、第四方面，本发明提供一种终端设备，包括处理器和计算机可读存储介质，处理器用于实现各指令；计算机可读存储介质用于存储多条指令，所述指令适于由处理器加载并执行所述的一种基于空间相对位置特征排序的omr识别方法。

25、综上所述，本发明具有如下的有益技术效果：

26、1、本发明通过对omr码的位置和排列顺序进行分析，运用hough变换对试卷图片的倾斜进行检测，减少错误的识别和解析，另外，omr码的位置和排列顺序可能受到一些因素的干扰，例如扫描偏移、图像畸变或填涂不规范等，通过基于空间相对位置特征排序的方法，可以提高系统对这些干扰因素的容错能力，减少误判的可能性。

27、2、本发明通过对omr码的空间相对位置进行排序，可以优化算法的处理流程，减少不必要的计算和比对操作，有效提高omr识别系统的处理速度，特别是在处理大量试卷时，本发明通过单映矩阵将模板图片的omr位置映射到试卷图片中，简化omr识别算法的设计和实现，通过对omr码位置的排序，将复杂的识别问题转化为相对简单的局部识别任务，无需利用大量数据对模型进行训练，从而简化算法的复杂度和实现难度。