基于android平臺的試卷評閱系統開發研究

李瑩

摘要：本文介紹了基于android平臺的試卷評閱系統的開發過程，重點介紹了系統工作流程的實現，以及系統關鍵技術，即圖像識別的處理，提出采用改進十三點特征點識別算法作為系統圖像識別，并獲得了較好效果。

關鍵詞：android平臺 試卷評閱 圖像識別

中圖分類號：TP31152文獻標識碼：A文章編號：1009-5349（2016）13-0055-01

考試一直以來是作為衡量教學質量高低的方式之一，而傳統紙質考試中試卷評閱既費時，又容易出現評閱錯誤，若能采用計算機技術，結合“十三點特征提取算法”進行識別，開發出試卷評閱系統，則將大大提高效率，并能進行規模化試卷評閱。與此同時，隨著智能手機、智能掌上用品進入到人們的生活中來，更多的人依賴智能終端的使用。而android平臺作為主流的移動終端平臺，考慮開發基于android平臺的教師試卷評閱系統，將有著重要的意義。

一、系統主要原理

考慮到目前主流手機都自帶照相機功能，因此，首先考慮通過手機對學生的答題卷進行圖像采集（即利用手機拍照）；接下來，將采集到的圖像，運用“十三點特征提取算法”進行識別提取，導入到閱卷系統處理后生成學生成績；再將生成的學生成績導入到成績數據庫中，這樣，就完成了閱卷的全過程。而教師字需要將標準答案提前錄入到android智能手機，而學生將做答完的試卷拍照后傳入程序，系統就能自動閱卷并生成學生客觀題的成績。具體實現流程如下圖1所示：

圖1智能試卷評閱系統工作流程設計圖二、系統實現

（一）試卷評閱系統整體架構

系統設計分成3層，第一層為用戶界面層，該層負責與用戶進行交互，包括主程序歡迎界面，用戶界面選擇、圖形處理界面；第二層為輸入層，即答題卷樣本獲取后的輸入，將采集到的答題卷通過本層傳入到主程序中再進行處理；第三層為圖形處理層，該層在系統后臺運行，主要是對輸入后的樣本進行識別處理，獲得所需要的信息用于比對，該層內部封裝了圖像識別算法，除了處理圖像外，還將提供與OpenCV關聯的接口。

（二） 圖像采集

圖像采集是本系統的信息輸入源，主要利用智能手機的照相機來完成。圖像的基本類型包括：二值圖像、16色圖像、256色圖像和真彩色圖像。本系統是利用智能手機的相機獲取真彩色圖像，來完成圖像的采集，與傳統使用掃描儀進行圖像比較，這種方式更加便捷、快速，用戶容易接受，也更易實現。

（三） 圖像識別

本系統圖像識別的原理：首先是對采集后的圖像進行特征點的檢測，接下來是對確定的特征點進行描述，然后通過對預定的特征點進行匹配，最后確定采集后的圖像與系統樣本庫中最匹配的圖像，得到我們所需要的結果。而要實現在智能手機終端進行圖像識別又有二種實現途徑：一種是采用C/S模式，即在智能手機終端獲取圖像和顯示結果，在PC終端完成識別工作，然后通過無線網絡進行交互，這種方法對網絡的依賴度非常高，常常會因為網絡問題造成軟件運行緩慢或出現假死現象。另一種則是對特征點算法進行優化和改進，將圖像識別也集成到智能手機終端，這樣能大大提高軟件運行效率，更快獲取結果，方便使用。

本系統采用了改進十三點特征識別法，首先對目標圖像進行搜索，并劃分為2*4的8個區域，計算每個區域中黑色像素點的數量，并統計每個劃分區域中黑色像素點在本區域中所占比率，可得到8個特征點；然后再統計水平方向上中間兩行黑色像素占整行的比率，垂直方向中間兩列黑色像素占整列的比率，得到4個特征點。最后統計圖像中所有黑色像素占整個圖像區域的比率作為一個特征點，共計13個特征點。相較模板提取法，十三點特征識別法雖然很難得到100%的準確率，但用于識別A、B、C、D準確率已經可以達到系統使用的要求。

（四）android平臺下調用OpenCV庫

要調用OpenCV庫，需要使用Android NDK工具來調用c/c++代碼來編寫OpenCV庫，具體的步驟為：①本研究中主要是編寫代碼來實現客觀題答題卷圖像的識別，利用NDK工具進行編譯生成so文件，再使用java代碼來直接調用。②編寫java代碼來調用前面編譯生成的庫，并編寫與用戶交互的Android應用程序界面。

三、總結

利用改進十三點特征點識別算法，開發基于android平臺的試卷評閱系統，是對傳統閱卷方式的一種有效嘗試。通過系統的開發，證明該項目是切實可行的，并能以一種全新的閱卷方式來改變傳統，提高效率，達到項目研究的目的。

參考文獻：

[1]郭鑫.網上閱卷系統中圖像采集子系統的設計與實現[D].電子科技大學，2012.

[2]張站，劉政怡，吳建國，等.基于圖像識別的閱卷系統的設計與實現[J].微型機與應用，2011， 30（4）： 44-47.