手寫試卷分?jǐn)?shù)求和器的設(shè)計(jì)與實(shí)現(xiàn)

手寫試卷分?jǐn)?shù)求和器的設(shè)計(jì)與實(shí)現(xiàn)

王軍等摘要：該設(shè)計(jì)實(shí)現(xiàn)了一種新型的試卷分?jǐn)?shù)求和器，利用攝像頭直接獲取手寫試卷分?jǐn)?shù)欄信息，實(shí)現(xiàn)分?jǐn)?shù)求和功能且能夠自動(dòng)適應(yīng)不同的求分欄數(shù)目。求和器首先利用攝像頭對(duì)試卷實(shí)時(shí)采樣并對(duì)其進(jìn)行二值化、圖像定位和圖像分割等預(yù)處理，然后利用BP神經(jīng)網(wǎng)絡(luò)對(duì)分割出的字符進(jìn)行數(shù)字識(shí)別，最后將識(shí)別出的數(shù)字加和顯示在GUI界面中。實(shí)驗(yàn)表明，該求和器能夠以較高概率實(shí)現(xiàn)對(duì)手寫試卷分?jǐn)?shù)的自動(dòng)求和，具有較大的應(yīng)用前景。Key：手寫試卷；分?jǐn)?shù)求和器；圖像處理；分值識(shí)別；BP神經(jīng)網(wǎng)絡(luò)：TN919?34；G741：A：1004?373X（2015）08?0022?04DesignandimplementationofAnovelscoresummersystemforhandwrittentestpaperWANGJun1，SUOYue2，XIAOZhen?dong1，ZHANGMin1，QIAOXiao?lin1（1.WeihaiBranch，HarbinInstituteofTechnology，Weihai，264209，China；2.SkyworthLCDCo.，Ltd，Shenzhen518000，China）Abstract：Anovelscoresummersystemforhandwrittentestpaperisproposedinthepaper.Thesummersystemacquiresthescoreinformationofhandwrittentestpaperbydigitalcamera，andthencanautomaticallyoutputthesummationandcanadapitselftodifferentnumberofscore?lines.Thesummerfirstlycapturestheimageoftestpaperbydigitalcameraandthenpreprocesstheimageincludingbinaryzation，imagepositioningandsegmentation.TheBPneuralnetworkisemployedtoaccomplishthescorevaluerecognitionbasedonthepreprocessedresult，andthenthesummationisdisplayedonGUIinterface.Theexperimentsbasedonrealsystemshowtheproposedscoresummersystemcanimplementautomaticsummationofhandwrittentestpaperinhighprobability.Keywords：handwrittentestpaper；scoresummersystem；imageprocessing；scorevaluerecognition；BPneuralnetwork0引言手寫試卷分?jǐn)?shù)求和工作量非常大且容易出錯(cuò)，找到一種能降低人為錯(cuò)誤和提高效率的求和方法具有現(xiàn)實(shí)應(yīng)用意義。本文主要研究試卷分?jǐn)?shù)求和器的設(shè)計(jì)與實(shí)現(xiàn)，以期能設(shè)計(jì)出一種快捷、有效的試卷分?jǐn)?shù)自動(dòng)求和器系統(tǒng)，可減少人工工作量并能夠提高效率。該分?jǐn)?shù)求和器對(duì)批改好的手寫試卷分?jǐn)?shù)進(jìn)行數(shù)字識(shí)別，然后自動(dòng)計(jì)算出總分，能大大提高教師試卷批改的效率?，F(xiàn)在的試卷批改方法大體有兩種：手工的傳統(tǒng)方法，耗時(shí)長(zhǎng)，同時(shí)有一定的錯(cuò)誤率；利用炭對(duì)紅外的電敏感性實(shí)現(xiàn)的電腦讀卡法，需要專門的填寫和專業(yè)的讀卡設(shè)備，這種方法效率高、準(zhǔn)確率高，但成本也高[1]。本求和器首先利用數(shù)字?jǐn)z像頭對(duì)手寫試卷分?jǐn)?shù)信息進(jìn)行獲取，然后利用手寫體數(shù)字識(shí)別方法進(jìn)行圖像處理，以實(shí)現(xiàn)對(duì)手寫的試卷分?jǐn)?shù)自動(dòng)求和功能。1圖像信息處理本求和器系統(tǒng)組成框圖如圖1所示，核心是利用圖像處理方法對(duì)攝像頭獲取的圖像進(jìn)行處理，實(shí)現(xiàn)分?jǐn)?shù)求和。圖1系統(tǒng)框圖在圖像信息處理中，求和器系統(tǒng)實(shí)現(xiàn)：利用攝像頭實(shí)現(xiàn)圖像采集、圖像預(yù)處理、圖像定位和圖像分割。1.1圖像采集圖像采集利用Matlab的ImageAcquisitionToolbox工具箱。將攝像頭固定在試卷上方，通過Matlab查詢視頻設(shè)備，直接調(diào)用攝像頭，打開預(yù)覽窗口，對(duì)試卷進(jìn)行瞬時(shí)抓拍，并將所采集的圖像進(jìn)行存儲(chǔ)。在本系統(tǒng)中需要采集的對(duì)象為手寫試卷計(jì)分欄，圖2所示?？梢钥闯?，在采集的圖像中，有很多與分?jǐn)?shù)無關(guān)的文字和線條。利用Matlab軟件實(shí)現(xiàn)圖像采集的流程圖如圖3所示。圖2需要采集的對(duì)象圖3圖像采集流程圖1.2圖像預(yù)處理采集圖像后，通過imread函數(shù)將圖像讀取為二維矩陣數(shù)據(jù)，然后對(duì)其進(jìn)行灰度化、二值化、取反、規(guī)范化[2]等預(yù)處理，圖4是將圖2所示原始采集圖像進(jìn)行預(yù)處理之后的結(jié)果。圖4原圖像灰度化及二值化后圖像、取反后圖像1.3圖像定位要實(shí)現(xiàn)對(duì)分?jǐn)?shù)的識(shí)別，需要對(duì)預(yù)處理后圖像進(jìn)行定位，通過定位確定分?jǐn)?shù)圖像的位置。在本系統(tǒng)中，圖像的評(píng)分欄定位采用了攝像頭定位與投影法相結(jié)合的方法，畫出取反后圖像的垂直投影及水平投影，如圖5所示。圖5取反后圖像的水平投影及垂直投影對(duì)其投影分析可知，評(píng)分欄圖像的橫坐標(biāo)約在60～370之間，縱坐標(biāo)約在145～275之間。由于攝像頭獲取圖像可能會(huì)存在些微的位置誤差，因此，截取圖像時(shí)將坐標(biāo)范圍適當(dāng)擴(kuò)大，選取了橫坐標(biāo)55～380之間，縱坐標(biāo)在140～280之間，以此區(qū)間實(shí)現(xiàn)對(duì)從預(yù)處理圖像中對(duì)評(píng)分欄進(jìn)行定位，定位后的分?jǐn)?shù)欄圖像如圖6所示[3]。圖6定位后圖像1.4圖像分割在定位后圖像中，根據(jù)評(píng)分欄進(jìn)行圖像分割實(shí)現(xiàn)不同題目的分?jǐn)?shù)圖像分離在本設(shè)計(jì)中具有非常重要的意義。本設(shè)計(jì)中的分割涉及到兩次邊框分割和一次字符分割。每一次分割均采用投影法，通過判斷投影值選取圖像的起止點(diǎn)，分割出所需圖像[4]。第一次投影分割過程如下：首先畫出圖像的水平投影圖，如圖7所示。圖7定位后圖像的水平投影在評(píng)分欄圖像的水平投影圖上的橫向從左側(cè)到右側(cè)依次檢測(cè)每1個(gè)坐標(biāo)的投影數(shù)值，將檢測(cè)到的投影數(shù)值出現(xiàn)第1個(gè)大于等于150時(shí)，那么將這個(gè)投影數(shù)值所屬的像素點(diǎn)即看做是第1行區(qū)域的上邊界限。然后繼續(xù)向右檢測(cè)，將檢測(cè)到的投影數(shù)值出現(xiàn)第1個(gè)大于等于150時(shí)，那么將這個(gè)投影數(shù)值所屬的像素點(diǎn)即看做是第1行區(qū)域的下邊界限。投影算法流程圖如圖8所示。圖8圖像分割流程圖根據(jù)圖8所示圖像分割流程，設(shè)計(jì)Matlab程序，實(shí)現(xiàn)對(duì)圖像的分割，第1次分割后的圖像圖9所示。從圖中可以看出，經(jīng)過一次分割后，不同計(jì)分欄中的分?jǐn)?shù)已經(jīng)實(shí)現(xiàn)分離，但其中包含了不是分?jǐn)?shù)的文字信息，如在圖9中的第一張子圖中出現(xiàn)漢字“分?jǐn)?shù)”。圖9第一次分割后圖像與第1次圖像分割同理，第2次及第3次分割也以此流程進(jìn)行分割。第2次及第3次分割后圖像如圖10、圖11所示。其中第3次分割的目的是若某一題的分?jǐn)?shù)為兩位數(shù)，則對(duì)圖像進(jìn)行第三次分割，將兩位數(shù)字分割成單個(gè)的數(shù)字，為實(shí)現(xiàn)數(shù)字分?jǐn)?shù)識(shí)別[5]做準(zhǔn)備。圖10第二次分割后圖像圖11第三次分割后圖像進(jìn)行三次分割后，對(duì)分割出來的圖像進(jìn)行特征提取，如圖12所示，以便于后續(xù)的數(shù)字識(shí)別[6?8]。圖12第三次分割后圖像的特征提取2數(shù)字識(shí)別在本分?jǐn)?shù)求和器系統(tǒng)中，基于特征提取結(jié)果，利用BP神經(jīng)網(wǎng)絡(luò)實(shí)現(xiàn)手寫體數(shù)字的識(shí)別。2.1BP神經(jīng)網(wǎng)絡(luò)法手寫體數(shù)字識(shí)別系統(tǒng)主要由訓(xùn)練過程與識(shí)別過程兩部分組成，訓(xùn)練過程和識(shí)別過程兩部分均包括預(yù)處理、特征提取和模式識(shí)別三部分。本課題采用BP神經(jīng)網(wǎng)絡(luò)方法對(duì)手寫數(shù)字進(jìn)行識(shí)別。BP神經(jīng)網(wǎng)絡(luò)又稱誤差反向傳遞神經(jīng)網(wǎng)絡(luò)，它是一種依靠反饋值來不斷調(diào)整節(jié)點(diǎn)之間的連接權(quán)值而構(gòu)建的一種網(wǎng)絡(luò)模型[9]。它的整個(gè)體系結(jié)構(gòu)分為輸入層、隱藏層和輸出層，其中隱藏層根據(jù)具體情況的需要，可以是一層結(jié)構(gòu)也可為多層結(jié)構(gòu)。BP網(wǎng)絡(luò)屬于前向神經(jīng)網(wǎng)絡(luò)，給多層網(wǎng)絡(luò)的訓(xùn)練提供了比較有效的辦法，加之多層前向神經(jīng)網(wǎng)絡(luò)能逼近任意線性函數(shù)，在科學(xué)技術(shù)領(lǐng)域中有廣泛的應(yīng)用，因此，該算法一直受到人們的廣泛關(guān)注。2.2BP神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)將數(shù)字圖像的特征向量作為神經(jīng)網(wǎng)絡(luò)的輸入，所以神經(jīng)網(wǎng)絡(luò)的輸入層神經(jīng)元個(gè)數(shù)等于特征向量的維數(shù)，即70×50=3500個(gè)輸入神經(jīng)元。因?yàn)橐R(shí)別10個(gè)數(shù)字，因此輸出選擇為10×1的矩陣，即輸出節(jié)點(diǎn)數(shù)為10。當(dāng)數(shù)字圖像0～9輸入神經(jīng)網(wǎng)絡(luò)后，在輸出神經(jīng)元對(duì)應(yīng)的位置上為1，其他的位置為0。如果輸人數(shù)字0，第1個(gè)輸出神經(jīng)元為1，其他輸出神經(jīng)元為0；如果輸入數(shù)字1，第2個(gè)輸出神經(jīng)元為1，其他輸出神經(jīng)元為0；依次類推。建立一個(gè)前向BP神經(jīng)網(wǎng)絡(luò)函數(shù)，主要程序如下：net=newff（minmax（alphabet），[S1S2]，{′logsig′′logsig′}，′traingdx′）；其中：minmax（alphabet）為神經(jīng)網(wǎng)絡(luò)對(duì)它的3500個(gè)輸入元素的最大值和最小值的限制；alphabet為訓(xùn)練樣本集合；[S1S2]為該神經(jīng)網(wǎng)絡(luò)的層結(jié)構(gòu)；{′logsig′′logsig′}為該神經(jīng)網(wǎng)絡(luò)各層的轉(zhuǎn)移函數(shù)，均設(shè)置為對(duì)數(shù)S型激活函數(shù)。訓(xùn)練函數(shù)采用traingdx，即梯度下降BP算法訓(xùn)練函數(shù)。最后通過train函數(shù)對(duì)目標(biāo)樣本進(jìn)行訓(xùn)練，通過sim函數(shù)進(jìn)行仿真，輸出神經(jīng)元最大值，即識(shí)別出的數(shù)字[10?13]。3系統(tǒng)實(shí)現(xiàn)實(shí)現(xiàn)手寫試卷分?jǐn)?shù)求和器的實(shí)際系統(tǒng)如圖13所示，基于實(shí)際系統(tǒng)進(jìn)行題數(shù)可選功能和報(bào)警功能的測(cè)試，對(duì)識(shí)別正確率進(jìn)行了統(tǒng)計(jì)。圖13實(shí)際系統(tǒng)3.1題數(shù)可選功能本系統(tǒng)具有題數(shù)可選擇功能，七、八、九題均可，選擇出要識(shí)別的試卷的題數(shù)，即可進(jìn)行識(shí)別，并在總分處顯示出總分。實(shí)現(xiàn)方法為：在GUI設(shè)計(jì)中，在GUI界面上放置三個(gè)按鈕，分別命名為“七道題”、“八道題”、“九道題”，每個(gè)按鈕內(nèi)均包括第2次分割、第3次分割、識(shí)別及結(jié)果顯示的程序語句，不同之處僅在于第2次分割時(shí)，所分割出的圖片數(shù)不同，顯示出的圖片數(shù)也不同。實(shí)際系統(tǒng)效果如圖14～圖16所示。圖14識(shí)別后GUI界面（七道題）圖15識(shí)別后GUI界面（八道題）圖16識(shí)別后GUI界面（九道題）3.2報(bào)警功能本系統(tǒng)設(shè)計(jì)具有報(bào)警功能，若所識(shí)別的圖像某一大題處為空白，會(huì)在總分上面顯示出“thereisanenpty！”進(jìn)行報(bào)警，效果如圖17所示。實(shí)現(xiàn)方法：對(duì)每道題的圖片取垂直投影histcol3，令mm=sum（histcol3），即對(duì)垂直投影histcol3求和，若mm<8，則說明框內(nèi)基本無內(nèi)容，即框內(nèi)空白，則在總分上方的坐標(biāo)系區(qū)域內(nèi)顯示“Thereisanempty！”的圖片，實(shí)現(xiàn)報(bào)警[14]。圖17空白報(bào)警GUI界面3.3系統(tǒng)準(zhǔn)確率對(duì)手寫分?jǐn)?shù)的識(shí)別準(zhǔn)確率是衡量系統(tǒng)的重要指標(biāo)，它決定了系統(tǒng)是否具有實(shí)際應(yīng)用價(jià)值。本設(shè)計(jì)中共取20個(gè)分?jǐn)?shù)欄圖像作為訓(xùn)練樣本，每個(gè)圖像中含有10個(gè)手寫體數(shù)字，共200個(gè)測(cè)試樣本對(duì)系統(tǒng)進(jìn)行性能測(cè)試。測(cè)試結(jié)果如表1所示。由表1中的數(shù)據(jù)可知，總體數(shù)字識(shí)別的正確率為93.25%，正確率較高。就本設(shè)計(jì)而言，數(shù)字識(shí)別準(zhǔn)確率與攝像頭獲取圖像的亮度、手寫數(shù)字的間距等均有關(guān)，因此，在實(shí)際運(yùn)用中，還應(yīng)對(duì)圖像獲取、數(shù)字位置等都有準(zhǔn)確規(guī)定，以獲得更高的準(zhǔn)確率。表1求和器準(zhǔn)確率4結(jié)論本文根據(jù)手寫試卷評(píng)分特征，利用圖像分割理論和BP神經(jīng)網(wǎng)絡(luò)，實(shí)現(xiàn)了試卷分?jǐn)?shù)求和器系統(tǒng)設(shè)計(jì)。求和器能夠自動(dòng)實(shí)現(xiàn)對(duì)手寫試卷分?jǐn)?shù)的總分計(jì)算，減少了人工統(tǒng)計(jì)計(jì)算成本；求和器所具有的題數(shù)可選功能和對(duì)空白分?jǐn)?shù)欄的報(bào)警提示功能，提高了系統(tǒng)適應(yīng)性，能對(duì)試卷評(píng)分欄進(jìn)行檢查，排除分?jǐn)?shù)漏統(tǒng)計(jì)風(fēng)險(xiǎn)。經(jīng)過實(shí)際測(cè)試表明，本分?jǐn)?shù)求和器的準(zhǔn)確率達(dá)到93.5%，這表明基于本系統(tǒng)設(shè)計(jì)理論的手寫分?jǐn)?shù)求和器具有實(shí)際應(yīng)用意義。通過對(duì)圖像分割和數(shù)字識(shí)別算法進(jìn)行改進(jìn)，可進(jìn)一步提高系統(tǒng)準(zhǔn)確率，將本系統(tǒng)實(shí)際應(yīng)用于手寫試卷評(píng)分領(lǐng)域。Reference[1]郝夢(mèng)琳.手寫體數(shù)字識(shí)別方法的研究與實(shí)現(xiàn)[D].太原：太原科技大學(xué)，2013.[2]康明.手寫體數(shù)字識(shí)別技術(shù)研究[D].武漢：武漢理工大學(xué)，2010.[3]張彤，肖南峰.基于BP網(wǎng)絡(luò)的數(shù)字識(shí)別方法[J].重慶理工大學(xué)學(xué)報(bào)：自然科學(xué)版，2010，24（3）：59?63.[4]王巖松.手寫體數(shù)字識(shí)別中的關(guān)鍵技術(shù)研究[D].北京：北京郵電大學(xué)，2009.[5]姜天戟，袁曾任.基于BP和統(tǒng)計(jì)的混合法前饋型神經(jīng)網(wǎng)絡(luò)及其應(yīng)用[J].軟件學(xué)報(bào)，1996（6）：379?384.[6]孫少林，馬志強(qiáng)，湯偉.灰度圖像二值化算法研究[J].價(jià)值工程，2010（5）：142?143.[7]李強(qiáng).圖像分割中的閾值法研究[J].銅仁職業(yè)技術(shù)學(xué)院學(xué)報(bào)，2008（6）：52?54.[8]戴建輝.自由手寫體數(shù)字識(shí)別系統(tǒng)的設(shè)計(jì)與實(shí)現(xiàn)[EB/OL].[2010?12?15].http：//.[9]薛智勇，婁雪芳.基于BP神經(jīng)網(wǎng)絡(luò)的手寫數(shù)字識(shí)別[J].儀器儀表與分析監(jiān)測(cè)，2009（2）