摘  要： 基于計算機視覺技術設計了一個自動閱卷系統(tǒng)，為解決試卷填涂信息識別問題和自動判卷問題，提出了基于感知哈希技術的試卷填涂信息識別算法和基于圖像比較近似度結果的判卷算法。通過系統(tǒng)實現(xiàn)與測試，系統(tǒng)擁有較快的處理速度、較高的準確性和易用性。

　　關鍵詞： 計算機視覺；自動閱卷；感知哈希算法

　　目前在試卷自動批閱系統(tǒng)中，絕大多數(shù)都是采用光電管掃描技術，也就是常說的機讀卡和光標閱讀機。在一張帶格式的機讀卡上填涂相應位置的空格，通過光標閱讀機掃描填涂標記獲得信息。因為機讀卡的特殊性質，在使用中要求不能折疊、必須用2B鉛筆填涂、標記填涂必需呈矩形等，造成了這種系統(tǒng)設備成本、印刷成本較高，并且使用不便，易造成由于填涂不規(guī)范引起的誤讀[1]。

　　計算機視覺技術目前被廣泛地運用在各工業(yè)和制造業(yè)領域，在工業(yè)檢測、統(tǒng)計、定位匹配等工作中用計算機視覺技術取代人工，可以提供生產(chǎn)效率和產(chǎn)品質量。將計算機視覺技術運用到試卷自動批閱系統(tǒng)中，可在一定程度上解決上述問題，在易用性、處理速度和成本控制上可有較大改進。

　　1 系統(tǒng)結構與技術路線

　　本系統(tǒng)基于計算機視覺和計算機圖像處理技術，對試卷的客觀題進行自動閱卷，并輔助教師進行主觀題閱卷。系統(tǒng)基本結構示意圖如圖1所示。

　　系統(tǒng)使用高速掃描儀將學生完成的試卷掃描形成計算機圖像，然后利用圖像匹配算法，將試卷圖像與標準空白試卷圖像進行對比，獲得學生寫于試卷上的答案填涂信息。根據(jù)學生在客觀題選項位置的答案填涂標記、數(shù)據(jù)庫記錄的判卷規(guī)則和題目答案，系統(tǒng)通過判卷算法處理可直接計算客觀題的成績。

　　為解決試卷填涂信息的識別問題，系統(tǒng)基于圖像感知哈希技術設計了試卷填涂信息識別算法。算法主要思路是對原始空白試卷模板進行分析，獲得答案填涂位置的子圖集合，然后將掃描的試卷圖像進行灰度處理，對相同填涂位置的子圖與空白試卷模板填涂位置的子圖進行圖像比較，若相同位置的兩個子圖比較結果差異比高于某一閾值，則可認為該位置被填涂，以此獲得填涂在試卷上的標記位置。

　　在識別填涂信息的基礎上，系統(tǒng)通過判卷算法進一步對試卷進行判卷處理。其主要思路是在分析空白試卷模板時，通過對數(shù)據(jù)庫中題庫答案的判別，獲得標準答案所在選項的填涂位置，形成正確填涂位置的子圖集合，與試卷圖像填涂結果相比較，若某一題試卷圖像被填涂位置與正確填涂位置相同，則認為該題回答正確。

　　系統(tǒng)通過上述兩個算法對一份填寫好的答卷進行處理，獲得該試卷的填涂信息并進行答卷分析，完成對試卷的判卷，再結合題庫中的評分標準，計算試卷成績，最終實現(xiàn)對試卷的機器自動閱卷。

　　2 系統(tǒng)主要算法

　　系統(tǒng)使用計算機視覺技術解決自動閱卷問題，提出了基于感知哈希技術的圖像比較算法和基于圖像比較近似度結果的判卷算法。

　　2.1 基于感知哈希技術的試卷填涂信息識別算法

　　感知哈希算法（Perceptual Hash Algorithm）是目前較為流行的計算機圖像比較算法，被廣泛地運用在圖像比較和圖像搜索領域，Google和百度的“以圖搜圖”或“搜索網(wǎng)絡中相似圖片”等系統(tǒng)就使用了感知哈希算法。其主要思路是為圖片生成一個指紋（字符串格式），若兩張圖片的指紋越接近，則說明兩張圖片越相似。感知哈希算法在進行圖像比較時速度非?？?，特別適合進行大數(shù)據(jù)量的圖像比較[2]。

　　在本系統(tǒng)中，實現(xiàn)對試卷填涂答案的識別的核心思路就是比較掃描試卷圖像中的答案選框區(qū)域圖像與空白試卷圖像中的相應位置答案選框區(qū)域圖像是否相似，以此來判斷該答案選框是否被填涂。

　　如圖2所示，虛線圍繞部分即為答案選框區(qū)域?？瞻自嚲淼拇鸢高x框為空心矩形框，圖3所示答卷圖像的一部分答案選框被進行了填涂，表示答題者所選的答案。若兩張圖片相同位置的答案選框區(qū)域圖像比較結果相似（如選框a和選框a′），則可認為該選框未被填涂；若兩張圖片相同位置的答案選框區(qū)域圖像比較結果有較大差別（如選框a和選框a′′），則可判定該選框被進行了填涂。對所有答案選框區(qū)域進行圖像比較后，即可獲得整張答卷的填涂結果，再結合試題答案和評分規(guī)則后，就能夠得到試卷的評判結果。

　　根據(jù)以上思路，設計了基于感知哈希技術的試卷填涂信息識別算法，其主要步驟如下。

　　（1）掃描空白試卷，獲得空白試卷圖像Gm；設定答案選框形狀為空心矩形（也可設為其他簡單的空心幾何形狀），并將該空心矩形設為Gm的子圖sm；對Gm進行子圖搜索，獲得Gm中所有與sm相同的子圖和每一個子圖在Gm中的位置坐標及子圖尺寸（位置坐標和尺寸作為子圖對象的屬性，設為x，y，w，h），形成子圖對象集合SM={sm1，sm2，sm3，…，smi，…，smn}。把這一過程稱為“學習”，空白試卷圖像稱為“模板”。在圖2中，虛線條圍繞的選框圖形即子圖集合SM。

　　（2）掃描答卷，獲得答卷圖像Ge；遍歷集合SM，得到每一個sm的位置坐標和尺寸；按每一個sm的位置坐標和尺寸在Ge中截取相同位置和尺寸的Ge的子圖，獲得Ge的子圖對象集合SE={se1，se2，se3，…，sei，…，sen}，其中smi.x==sei.x；smi.y==sei.y；smi.w==sei.w；smi.h==sei.h.把這一過程稱為“定位”。圖3顯示了對答卷進行定位的結果，藍色線條圍繞區(qū)域即為SE。

　　（3）應用圖像感知哈希技術，首先將smi縮小為8×8的尺寸，總共64個像素，并轉換成灰度圖像。然后計算所有64個像素的灰度平均值，將圖像中每個像素的灰度與平均值進行比較，大于或等于平均值，記為1；小于平均值，記為0。接著將比較結果組合在一起，構成了一個64位的整數(shù)，得到smi的哈希值，即“指紋”。在本系統(tǒng)中，由于空白選項框圖像基本一致，故無需對SM中的所有子圖都進行指紋計算，將smi的指紋作為所有SM子圖的指紋?？蛇M一步降低圖像比較算法的時間復雜度。

　?。?）計算得到SE中的所有子圖sei的指紋，依次與smi的指紋進行比較。若兩者的漢明距離小于等于10，則表示該sei與smi基本一樣，可認為該子圖sei所表示的選項框未被填涂；若漢明距離大于10則表明該sei與smi有較大差距，可認為該子圖sei所表示的選項框被進行了填涂。將所有漢明距離大于10的sei形成新的集合SS，該集合記錄了答卷上所有被填涂的選項框子圖的位置與尺寸，也即選項框的填涂信息。

　　圖4截取了空白試卷的一個選項框子圖和答卷的一部分。在圖4中，sm1為空白選項框，其哈希指紋為“0000000001111110011111100111111001111110011111100111111000000000”。se2的哈希指紋為00000000011111 00011111000111110001111110011111100111111000000000，與sm1哈希指紋的漢明距離為3，可看出這兩張圖基本一致，因此認為se2未被填涂；se3，se4，se6，se8，se9，se10， se11，se14，se15計算的漢明距離也皆小于6，認作未被填涂。se1的哈希指紋為“1111111010000110100000001000 000011000010100000001001111011111110”，與sm1哈希指紋的漢明距離為48，大于10，因此認為se1被填涂；se5，se7，se12，se13計算的漢明距離分別為38，32，37，44，皆大于10，故認作被填涂。

　　在圖4所示答卷中，可以看出，特意使用了不規(guī)則的標記填涂選項框，如se5，se7，se12，但算法均能識別出相應的填涂狀態(tài)。而一般的光標閱讀機要求填涂盡可能規(guī)則，因此使用該算法可提高不規(guī)則填涂的識別率，降低對使用者的填涂要求。

　　2.2 基于圖像比較近似度結果的判卷算法

　　在通過算法2.1完成了填涂信息的識別后，得到被填涂子圖集合SS，結合題庫答案和規(guī)則后，完成判卷。該算法基本思路為：

　　（1）在對空白試卷的學習中，對SM中的子圖按答題卡布局進行選項框與題目進行“綁定”，將一組子圖劃歸某一道題目，例如sm1，sm2，sm3，sm4綁定為單選題的第一小題的ABCD 4個選項。在系統(tǒng)建立試題對象時，把對應的子圖對象設置為試題對象的“TrainImage”屬性的值。

　　（2）定義題目的答題規(guī)則。對于判斷和單選題來說，需要規(guī)定只能有一個選項框被填涂，不填或多填為無效；而多選題則可填涂多個選項框，并規(guī)定完全與答案一致可得分，或者答對一部分給分。為了快速進行規(guī)則判斷，提出了“規(guī)則字符串”，用一個字符串來表示填涂規(guī)則。規(guī)則字符串分為3個部分：第一部分為整數(shù)，表示被選項數(shù)量；第二部分為符號，“>”表示唯一選擇、“：”表示至多選擇、“！”表示不能選擇；第三部分也為整數(shù)，表示選擇項數(shù)量。復合規(guī)則用“&”和“|”表示與和或。例如“4>1&4!0”表示該題只能四選一，不能多選，也不能不選；“4：0|4：4”表示可選擇0項或4項。規(guī)則字符串設置為試題對象的“Rule”屬性的值。

　?。?）通過對答卷的定位和掃描，能獲得答卷選項框子圖集合SE和被填涂集合SS。由于smi==sei，所以可設置在答卷中單選題的第一小題的ABCD 4個選項將分別對應se1，se2，se3，se4 4個選項框。然后根據(jù)該題規(guī)則，對SS進行搜索，找出SS中對se1，se2，se3，se4的填涂記錄，結合題庫答案進行邏輯判斷后，可獲得該題的答題結果。例如單選題的第一小題的答案為A，并且規(guī)則為唯一單選，可由圖5看出在答卷中答題者選擇并填涂的也是A選項。那么在填涂結果集SS中，se1∈SS（即se1被填涂），且se2?埸SS，se3?埸SS，se4?埸SS（該題無其他項被填涂），又由于se1對應的是A選項，因此可判斷答題者該題回答正確。

　　該算法可實現(xiàn)自定義規(guī)則的靈活判題，并且對結果的判定只需要一次對象搜索和簡單的邏輯處理，處理速度較快。

　　3 系統(tǒng)的設計與實現(xiàn)

　　系統(tǒng)采用Microsoft Visual Studio 2008開發(fā)環(huán)境，開發(fā)語言使用C#。由于數(shù)據(jù)存儲量不大，因此選擇Access或MySQL作為數(shù)據(jù)庫管理系統(tǒng)。整個系統(tǒng)主要分為試卷管理模塊、圖像處理模塊和試卷結果處理模塊3個部分。

　　試卷管理模塊主要負責處理對試卷題庫、答案、試卷布局的增加和修改等操作。同時該模塊負責建立考試，當新建一次考試時，從題庫中出題并新建一份試卷，該試卷包括電子試卷數(shù)據(jù)和紙質試卷。其中電子試卷數(shù)據(jù)包括題目的電子數(shù)據(jù)、題型、分值、評分規(guī)則、試卷圖像信息等。當紙質試卷完成印刷后，由圖像處理模塊將試卷進行圖像學習，建立考試圖像模板和相關考試數(shù)據(jù)。

　　圖像處理模塊主要負責試卷圖像的獲取和處理任務，包括連接和調用掃描儀、空白試卷的學習、答卷的定位和答卷填涂信息的識別。試卷管理模塊和試卷結果處理模塊均向該模塊請求服務。

　　試卷結果處理模塊主要負責將答卷的填涂信息進行判斷處理，結合試卷的題型分值、標準答案和評分規(guī)則為試卷評分，統(tǒng)計各題目分數(shù)，最終完成判卷，并生成一次考試的所有成績的數(shù)據(jù)報表。

　　4 系統(tǒng)性能分析

　　設計了一次考試對系統(tǒng)進行性能測試，這次考試試卷有10道判斷題、20道單項選擇題、10道多項選擇題，答卷數(shù)量為100份。處理計算機為CPU：Intel i5 2.6 GHz，內(nèi)存4 GB，Windows7操作系統(tǒng)。測試分別使用兩臺掃描儀進行了一次完整的閱卷，目的是分析掃描儀硬件對系統(tǒng)性能的影響，一臺為Canon 6050C，掃描速度為單面60 ppm；一臺為Canon C125，掃描速度為單面25 ppm。并且為與光標閱卷機進行比較，同時填涂了100張機讀卡，交由光標閱卷機進行操作。測試結果如表1所示。

　　由表1可以看出，本系統(tǒng)的處理速度很大程度上取決于掃描儀的性能，也通過軟件測試了對一張答卷的圖像處理和判卷運算時間，為340 ms，綜合速度能達到2～3張/s。

　　在測試中，特意使用了鉛筆、黑色記號筆、藍色記號筆、紅色記號筆、黑色中性筆、鋼筆等書寫工具對試卷和機讀卡進行填涂，并不規(guī)則地填涂選項框，還折疊了部分試卷及機讀卡。在這種情況下，本系統(tǒng)的卡紙率為0，僅出現(xiàn)3次選項誤讀，且無論使用任何顏色的筆進行填涂，系統(tǒng)均能識別；而光標閱卷機出現(xiàn)了一次卡紙和近40次誤讀，集中在紅、藍色記號筆填涂和不規(guī)則填涂上。

　　同時本系統(tǒng)的試卷印制成本較低，無需專用答題卡，試卷紙張可多樣化，甚至可印刷背景圖案，這些都是閱卷答題卡無法做到的。

　　因此相比較光標閱卷機，本系統(tǒng)不僅可在速度上與之相近，還在填涂要求、制卷成本等方面有較大優(yōu)勢，比較結論如表2所示。

　　參考文獻

　　[1] 翟長波.光標閱讀機OMR原理的設計與實現(xiàn)[J].工業(yè)控制計算機，2010，23（4）：61-62.

　　[2] KRAWETZ N. Looks like IT[N/OL]. http：//www.hackerfactor.com/blog/index.php？/archives/432-Looks-Like-It.html.2011.