基于機器視覺的答題卡自動評分系統設計與實現

摘" 要： 為了降低光標閱讀機使用成本與實現答題卡自動化識別，設計并實現了一種基于機器視覺的答題卡自動識別系統。首先對答題卡圖像進行濾波、灰度變換、二值化等預處理操作；然后采用Hough變換實現雙直線檢測，基于該直線對答題卡進行矯正及區域分割；最后通過填涂區域的幾何屬性及像素點值實現選項識別判斷。測試結果表明，系統界面友好、靈活、使用方便、成本低廉，答題卡識別準確率、效率高，具有一定的應用價值。

關鍵詞： 機器視覺； 答題卡； 圖像識別； 評分

中圖分類號：TP311.25" " " " " 文獻標識碼：A" " " 文章編號：1006-8228（2023）12-180-04

Design and implementation of automatic scoring system for

answer sheet based on machine vision

Gao Qiang1， Pan Jun2， Liu Wei1， Gao Wenli3

（1. Guangzhou Railway Polytechnic， Guangzhou， Guangdong， 511300， China; 2. Guangzhou Civil Aviation College;

3. Shangrao Children's Normal College）

Abstract： In order to reduce the cost of using cursor readers and realize automatic identification of answer sheets， an automatic identification system of answer sheets based on machine vision is designed and realized. Firstly， preprocessing operations such as filtering， grayscale transformation and binarization are performed on the answer sheet image. Then the Hough transform is used to achieve double line detection， based on which the answer sheet is corrected and segmented. Finally， option identification and judgment are achieved through the geometric attributes and pixel values of the filled area. The test results show that this system has a friendly interface， flexibility， easy to use， low cost， high accuracy and efficiency in answering sheet identification， and has certain application value.

Key words： machine vision; answer sheet; image identification; scoring

0 引言

在高校教學過程中，考試占有重要地位。為了降低教師批改試卷工作強度、提高試卷批閱效率，目前許多高校采用答題卡閱卷方式。

使用答題卡閱卷的方式在一定程度上可以提升閱卷效率、降低教師工作強度，但也存在一些不足：①答題卡需要專門的光標閱讀機（OMR）設備完成答題卡批改，提高了答題卡使用成本；②學生需要使用專門的鉛筆進行答題卡填涂，填涂若不規范容易造成光標閱讀機錯誤批改，從而導致答題卡評分不準確。

隨著機器視覺、數字圖像處理技術的飛速進步，基于這兩種技術的答題卡設計、自動識別也開始逐漸興起。如高強[1]提出了一種基于SVG的可定制答題卡生成系統設計及實現方法來提高答題卡對不同應用場景的適應性。林恒青[2]提出一種基于局部自適應閾值分割和Hough變換的答題卡識別方法，該方法對于答題卡的識別準確率高、使用方便，具有一定的應用價值。程淑紅[3]等人提出的一種視覺的答題卡自動評分系統，通過縱向同步頭和模板匹配的方法進行定位，能快速精確定位答題區，識別率較高。郝平[4]提出耦合模板定位答題卡識別，通過人機交互劃定感興趣區域，并通過圖像處理算法定位填涂位置、評價填涂結果。韋溢輝[5]等人提出利用OpenCV來實現答題卡生成及批閱，將識別結果與設定的答案信息進行比對，得出考試結果。要曙麗[6]提出一種魯棒的客觀題識別算法，可以適用于不同排版類型的答題卡客觀題識別，魯棒性強，識別精度高。李清[7]提出圖像識別的網上閱卷系統，系統運用Hough變換，提出一種新的圖像傾斜角檢測算法，并采用優化的鄰域探測輪廓跟蹤算法識別OMR標記，提高了系統的檢測率。關世奎[8]提出一種使用計算機視覺技術為算法核心設計開發的一種智能閱卷系統，包括試卷圖像預處理、試卷版面相關內容檢測、試卷目標區域信息識別和系統的設計與實現。吳翔[9]提出設計一種利用數字圖像處理的方法自動生成答題卡模板，利用這種方法可以在計算機上實現能夠閱讀多種答題卡的程序。

上述文獻研究內容主要集中在答題卡模板生成、識別算法領域，部分文獻提出的答題卡批閱系統，其待批閱答題卡錄入方式單一且不支持批量設置題目分值。因此，本文提出一種答題卡自動評分系統，支持待評分答題卡逐張、批量導入兩種模式，同時可對題目分值自定義設置，有效提高了答題卡評分系統的靈活性。

1 基于機器視覺的答題卡自動評分方法

本文所采用的答題卡自動評分方法流程如圖1所示，首先通過相機或掃描儀采集答題卡的原始圖像，并對其進行圖像預處理操作。接下來對預處理圖像進行雙重Hough直線檢測和區域分割。然后將信息區域及分割后的答題區域圖像分別進行高斯濾波處理并通過Canny算子進行邊緣檢測，對最大輪廓ROI區域進行開運算形態學處理。接下來對開運算后的ROI區域進行非零像素點檢測，得到非零像素點二維數組，依據該數組提取學號及各題選項答案。最后根據參考答案完成評分。

⑴ 圖像預處理。答題卡自動評分系統是將攝像頭等圖像采集設備獲得的答題卡圖像傳輸給計算機。受環境、設備等因素影響，所獲取答題卡圖像容易產生噪聲，從而影響評分的準確性。因此，要對獲取到的圖像進行預處理操作，然后對其進行均值濾波、灰度變換、自適應二值化、開運算形態學處理及二值化圖像反轉等，圖像預處理結果如圖2所示。

⑵ Hough直線檢測與區域分割。Hough直線檢測可以矯正答題卡方向及計算最長直線以對答題卡進行區域分割。答題卡的有效信息位于圖像中的特定區域，主要包括準考證號區域、答題區域對這些區域精準定位就可以獲取答題卡中的有效信息。本文采用了基于直線的邊界檢測和區域分割的方法，將答題卡化分為信息區域和答題區域兩部分。答題卡Hough直線檢測效果如圖3所示。

⑶ Canny邊緣檢測。首先將分割后的信息區域、答題區域圖像進行高斯濾波處理，然后通過Canny算子進行邊緣檢測，對檢測出來的最大輪廓ROI區域進行開運算形態學處理。Canny邊緣檢測效果如圖4所示。

⑷ 非零像素點檢測。通過檢測ROI區域的像素點值來判斷學生的填涂信息，即像素點位非0值的選項為填涂結果，通過計算填涂位置的像素點值形成非零像素點二維數組，依據該數組提取學號及各題選項答案。

⑸ 評分。如圖5所示，非零像素點二維數組中第[i]個一維數組從左至右代表第[i]題四個選項“A、B、C、D”，非零值像素點即為學生填涂了該選項，然后逐題將學生填涂結果與參考答案進行比對，并根據公式⑴、公式⑵進行評分。

[correcti=1，" examineei=answeri0，" examineei≠answeri]" ⑴

[score=incorrecti×si]" ⑵

其中，[correcti]表示學生第[i]題填涂結果是否正確，[examineei]為學生第[i]題的填涂答案，[answeri]為第[i]題正確答案，[score]為學生所有答對題目分值總和，[si]為第[i]題的分值。

2 答題卡自動評分系統設計與實現

2.1 系統設計

2.1.1 系統功能設計

答題卡自動評分系統主要功能包括登錄、題目分值設置、答題卡錄入方式、導出成績和退出系統，其中，“題目分值設置”支持批量設置題目分值；“答題卡錄入方式”分為“從攝像頭拍取”和“從文件夾導入”兩種方式，“從攝像頭拍取”實現答題卡逐份拍照錄入，“從文件夾導入”可將現有答案答題卡、學生答題卡圖片文件錄入系統中；“導出成績”可以保存評分結果。系統功能如圖5所示。

2.1.2 系統操作流程設計

如圖6所示，輸入用戶名、密碼登錄系統后，首先批量設置題目序號及分值，然后選擇答案答題卡錄入方式，完成答案答題卡錄入后，按照同樣的方式，選擇學生答題卡錄入方式并完成錄入。當答案以及學生答題卡均完成錄入后，系統自動完成答題卡評分，待系統完成評分后，可以導出學生成績。

2.2 系統實現

本系統在DELL Precision3571移動工作站開發、運行，平臺配置為CPU：i7-12700H、主頻2.3GHz、內存16GB，操作系統Windows 10，開發語言、工具主要采用Python3.8+Pycharm2020.1+OpenCV 3.4+PyQt5.9+Mysql 5.7.31。

輸入合法用戶名和密碼后，進入系統主界面。在系統主界面設置題號及分值，然后選擇答題卡錄入方式，如以“從文件夾導入”為例，依次從文件夾錄入答案答題卡和學生答題卡后，點擊“完成錄入”按鈕，系統將自動完成評分，如圖7所示。

最后點擊“導出成績”按鈕，系統將對成績做平均值等簡單統計。

3 結論

本文采用均值濾波、二值化算法、形態學處理、Hough變換檢測、Canny邊緣檢測等機器視覺技術，實現了答題卡學號、答案選項等關鍵信息提取。基于軟件工程的思想，通過Python、PyQt5、OpenCV、Pycharm等工具、庫，設計并實現了界面友好、功能靈活的答題卡自動評分系統，為后續開發答題卡智能化綜合閱卷系統提供了思路或借鑒。本文答題卡自動評分系統對光照比較敏感，后續將進一步優化本系統答題卡識別算法，提升算法的魯棒性。

參考文獻（References）：

[1] 高強，黃宇飛，潘俊.基于SVG的可定制答題卡生成系統設計

與實現[J].軟件，2023，44（3）：84-89.

[2] 林恒青，戴立慶.基于局部自適應閾值分割和Hough變換的

答題卡識別算法[J].桂林航天工業學院學報，2021，26（3）：280-286.

[3] 程淑紅，尚果超.基于視覺的答題卡自動評分系統設計[J].

計量學報，2018，39（6）：804-810.

[4] 郝平.圖像處理耦合模板定位的答題卡識別研究與應用[J].

計算技術與自動化，2015，34（4）：105-109.

[5] 韋溢輝，劉漢英.基于OpenCV的答題卡生成及批閱分析

系統[J].電腦知識與技術，2020，16（29）：23-27.

[6] 要曙麗，王少榮，蓋孟等.一種答題卡客觀題識別算法[J].

圖學學報，2019，40（5）：900-907.

[7] 李清.基于圖像識別的網上閱卷系統的設計實現與優化[D].

吉林：東北師范大學，2013.

[8] 關世奎.基于計算機視覺的智能輔助閱卷系統設計與開發[D].

北京：北京工業大學，2020.

[9] 吳翔，夏英杰，李金屏.一種答題卡的自動閱讀方法[J].濟南

大學學報（自然科學版），2014，28（4）：246-250.