一种手写姓名与学号的双模式识别方法、系统及介质技术方案

本申请涉及目标识别技术领域，更为具体来说，本申请涉及一种手写姓名与学号的双模式识别方法、系统及介质。所述方法包括：获取待识别图片，其中，所述待识别图片包括被截取的姓名图片和被截取的学号图片；判断所述待识别图片是否属于VIP年级，如果是，拼接所述被截取的姓名图片和所述被截取的学号图片并关拼接后图片进行整体识别；如果否，对所述待识别图片进行预处理并对预处理后图片进行汉字和数字的单项识别；在整体识别或单项识别的识别结果大于预设置信度时判定识别成功。所述方法和系统实现了整体识别和单项识别的结合，提升了阅卷效率。效率。效率。

【技术实现步骤摘要】
一种手写姓名与学号的双模式识别方法、系统及介质


[0001]本申请涉及目标识别
，更为具体来说，本申请涉及一种手写姓名与学号的双模式识别方法、系统及介质。

技术介绍

[0002]阅卷系统是指以计算机网络技术和电子扫描技术为依托，通过在线上建立考试，扫描学生答卷，实现客观题自动阅卷，主观题线上或线下评卷，即可实时的得到成绩统计、数据分析的一种现代计算机系统。
[0003]识别试卷上的手写姓名学号是网阅采集数据不可缺少的一步，然而在模型的训练层面，其识别的准确率、置信度，识别效率都有待进一步提高。

技术实现思路

[0004]基于上述技术问题，本专利技术旨在采用单项识别和整体识别两种模式识别手写姓名与学号，单项识别表示拆分姓名与学号为单独的汉字、数字进行识别，整体识别表示将姓名与学号两张图片拼接在一起，做整体的识别。
[0005]本申请实施例提供了手写姓名与学号的双模式识别方法、系统、计算机可读存储介质及计算机程序产品。为了对披露的实施例的一些方面有一个基本的理解，下面给出了简单的概括。该概括部分不是泛泛评述，也不是要确定关键/重要组成元素或描绘这些实施例的保护范围。其唯一目的是用简单的形式呈现一些概念，以此作为后面的详细说明的序言。
[0006]本专利技术第一方面提供了一种手写姓名与学号的双模式识别方法，包括：
[0007]获取待识别图片，其中，所述待识别图片包括被截取的姓名图片和被截取的学号图片；
[0008]判断所述待识别图片是否属于VIP年级，如果是，拼接所述被截取的姓名图片和所述被截取的学号图片并对拼接后图片进行整体识别；
[0009]如果否，对所述待识别图片进行预处理并对预处理后图片进行汉字和数字的单项识别；
[0010]在整体识别或单项识别的识别结果大于预设置信度时判定识别成功。
[0011]具体地，所述拼接所述被截取的姓名图片和所述被截取的学号图片并关拼接后图片进行整体识别，包括：
[0012]通过Opencv函数拼接所述被截取的姓名图片和所述被截取的学号图片作为第一待识别图片；
[0013]将所述第一待识别图片输入到训练好的整体识别模型中进行识别，其中，所述整体识别模型基于ResNet50神经网络。
[0014]进一步地，所述方法还包括：在整体识别的识别结果不大于预设置信度时，对所述被截取的姓名图片和所述被截取的学号图片进行汉字和数字的单项识别。
[0015]再具体地，对所述待识别图片进行预处理并对预处理后图片进行汉字和数字的单项识别，包括：
[0016]对所述待识别图片进行预处理并将预处理后图片作为第二待识别图片；
[0017]将所述第二待识别图片输入训练好的单项识别模型中进行识别，其中，所述单项识别模型基于AlexNet神经网络。
[0018]优选地，所述方法还包括：在单项识别的识别结果不大于预设置信度时获取最近似的预设数量的姓名与学号进行校对。
[0019]本专利技术第二方面提供了一种手写姓名与学号的双模式识别系统，所述系统包括：
[0020]获取模块，用于获取待识别图片，其中，所述待识别图片包括被截取的姓名图片和被截取的学号图片；
[0021]整体识别模块，用于判断所述待识别图片是否属于VIP年级，如果是，拼接所述被截取的姓名图片和所述被截取的学号图片并对拼接后图片进行整体识别；
[0022]单项识别模块，用于对所述待识别图片进行预处理并对预处理后图片进行汉字和数字的单项识别；
[0023]判定模块，用于在整体识别或单项识别的识别结果大于预设置信度时判定识别成功。
[0024]进一步地，所述系统还包括VIP年级标注模块，用于动态标注使用所述系统达预设次数的年级。
[0025]本专利技术第三方面提供了一种计算机设备，包括存储器和处理器，所述存储器中存储有计算机可读指令，所述计算机可读指令被所述处理器执行时，使得所述处理器执行如下步骤：
[0026]获取待识别图片，其中，所述待识别图片包括被截取的姓名图片和被截取的学号图片；
[0027]判断所述待识别图片是否属于VIP年级，如果是，拼接所述被截取的姓名图片和所述被截取的学号图片并对拼接后图片进行整体识别；
[0028]如果否，对所述待识别图片进行预处理并对预处理后图片进行汉字和数字的单项识别；
[0029]在整体识别或单项识别的识别结果大于预设置信度时判定识别成功。
[0030]本专利技术第四方面提供了一种计算机可读存储介质，其上存储有计算机程序，该计算机程序被处理器执行时实现如下步骤：
[0031]获取待识别图片，其中，所述待识别图片包括被截取的姓名图片和被截取的学号图片；
[0032]判断所述待识别图片是否属于VIP年级，如果是，拼接所述被截取的姓名图片和所述被截取的学号图片并对拼接后图片进行整体识别；
[0033]如果否，对所述待识别图片进行预处理并对预处理后图片进行汉字和数字的单项识别；
[0034]在整体识别或单项识别的识别结果大于预设置信度时判定识别成功。
[0035]本专利技术第五方面提供了一种计算机程序产品，包括计算机程序，该计算机程序被处理器执行时实现以下步骤：
[0036]获取待识别图片，其中，所述待识别图片包括被截取的姓名图片和被截取的学号图片；
[0037]判断所述待识别图片是否属于VIP年级，如果是，拼接所述被截取的姓名图片和所述被截取的学号图片并对拼接后图片进行整体识别；
[0038]如果否，对所述待识别图片进行预处理并对预处理后图片进行汉字和数字的单项识别；
[0039]在整体识别或单项识别的识别结果大于预设置信度时判定识别成功。
[0040]本申请的有益效果为：本申请所述方法和系统实现了整体识别和单项识别的结合，提升了阅卷效率。通过识别是否为VIP年级来采集不同的识别模型，又不拘泥于此，在整体识别的识别结果不大于预设置信度时，对所述被截取的姓名图片和所述被截取的学号图片进行汉字和数字的单项识别，使单项识别和整体识别取长补短、相得益彰，大大提升了识别效率。本申请的手写姓名与学号的双模式识别系统除包括获取模块、整体识别模块、单项识别模块和判定模块，还包括VIP年级标注模块，用于动态标注使用所述系统达预设次数的年级，这样提取的VIP训练集数据用于所述整体识别模型的训练，提提升了模型的训练效率。
附图说明
[0041]构成说明书的一部分的附图描述了本申请的实施例，并且连同描述一起用于解释本申请的原理。
[0042]参照附图，根据下面的详细描述，可以更加清楚地理解本申请，其中：
[0043]图1示出了本申请一示例性实施例的方法步骤示意图；
[0044]图2示出了本申请一示例性实施例中的方法流程图；
[0045]图3示出了本申请一示例性实施例的中的又一方法流程图；
[0046]图4示出了本申请一示例性实施例的中的系统结本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种手写姓名与学号的双模式识别方法，其特征在于，包括：获取待识别图片，其中，所述待识别图片包括被截取的姓名图片和被截取的学号图片；判断所述待识别图片是否属于VIP年级，如果是，拼接所述被截取的姓名图片和所述被截取的学号图片并对拼接后图片进行整体识别；如果否，对所述待识别图片进行预处理并对预处理后图片进行汉字和数字的单项识别；在整体识别或单项识别的识别结果大于预设置信度时判定识别成功。2.根据权利要求1所述的手写姓名与学号的双模式识别方法，其特征在于，所述拼接所述被截取的姓名图片和所述被截取的学号图片并关拼接后图片进行整体识别，包括：通过Opencv函数拼接所述被截取的姓名图片和所述被截取的学号图片作为第一待识别图片；将所述第一待识别图片输入到训练好的整体识别模型中进行识别，其中，所述整体识别模型基于ResNet50神经网络。3.根据权利要求1所述的手写姓名与学号的双模式识别方法，其特征在于，所述方法还包括：在整体识别的识别结果不大于预设置信度时，对所述被截取的姓名图片和所述被截取的学号图片进行汉字和数字的单项识别。4.根据权利要求1所述的手写姓名与学号的双模式识别方法，其特征在于，对所述待识别图片进行预处理并对预处理后图片进行汉字和数字的单项识别，包括：对所述待识别图片进行预处理并将预处理后图片作为第二待识别图片；将所述第二待识别图片输入训练好的单项识别模型中进行识别，其中，所述单项识别模型基于AlexNet神经网络。5.根据权利要求3所述的手...

【专利技术属性】
技术研发人员：李鹏，黄辉，尚艳东，
申请(专利权)人：北京焦耳科技有限公司，
类型：发明
国别省市：