【技术实现步骤摘要】
本申请涉及图像识别，尤其涉及一种定位识别方法、装置、电子设备和存储介质。
技术介绍
1、对学生的学习成果进行考察，考试是必不可少的一种形式。目前的线下考试，学生在纸质试卷上作答，待考试完成学生上交试卷后，教师需要进行批阅给出分数，通过分数和学生的得分扣分情况以了解学生某个阶段的学习情况。
2、随着人工智能技术的普及，引入机器阅卷可以降低教师的工作量。填空题是试卷上一种常见的题型，目前针对填空题的批阅，引入机器阅卷一般采用全自动识别的方式，先ocr文字识别考卷上的学生答案，再将学生答案与标准答案匹配，最后根据匹配结果进行自动统分。
3、但这种方式存在ocr文字识别有可能出错，或者即便ocr文字识别正确，但识别结果与标准答案文字不一致，即文字不完全匹配，而语义一致，这种情况机器阅卷会认为答案错误，实际上是正确答案，如此造成阅卷出错，进而导致统计分数有误。
技术实现思路
1、本申请提供了一种定位识别方法、装置、电子设备和存储介质，以解决现有技术机器阅卷出现误差导致统计分数有误的问题。
2、第一方面，本申请提供了一种定位识别方法，包括：
3、将模板答题卡图像和学生答题卡图像分别输入第一深度学习模型，得到模板答题卡目标区域图像和学生答题卡目标区域图像；
4、将所述模板答题卡目标区域图像和学生答题卡目标区域图像分别输入第二深度学习模型，得到模板答题卡目标评分区域图像和学生答题卡目标评分区域图像，其中，将所述学生答题卡目标评分区域图像的
5、根据所述模板答题卡图像的定位坐标信息对所述学生答题卡图像进行图像处理，以使所述模板答题卡图像和学生答题卡图像在同一坐标系下一一映射；
6、根据所述模板答题卡目标评分区域图像的坐标集合对所述学生答题卡图像进行裁剪，并将裁剪得到的图像的坐标集合记为第二集合；
7、采用预设算法对所述第一集合和第二集合进行处理，得到目标坐标集合；
8、根据所述目标坐标集合进行图像分类识别。
9、第二方面，本申请提供了一种定位识别装置，包括：
10、第一定位模块，用于将模板答题卡图像和学生答题卡图像分别输入第一深度学习模型，得到模板答题卡目标区域图像和学生答题卡目标区域图像；
11、第二定位模块，用于将所述模板答题卡目标区域图像和学生答题卡目标区域图像分别输入第二深度学习模型，得到模板答题卡目标评分区域图像和学生答题卡目标评分区域图像，其中，将所述学生答题卡目标评分区域图像的坐标集合记为第一集合；
12、对齐模块，用于根据所述模板答题卡图像的定位坐标信息对所述学生答题卡图像进行图像处理，以使所述模板答题卡图像和学生答题卡图像在同一坐标系下一一映射；
13、裁剪模块，用于根据所述模板答题卡目标评分区域图像的坐标集合对所述学生答题卡图像进行裁剪，并将裁剪得到的图像的坐标集合记为第二集合；
14、融合计算模块，用于采用预设算法对所述第一集合和第二集合进行处理，得到目标坐标集合；
15、分类模块，用于根据所述目标坐标集合进行图像分类识别。
16、第三方面，本申请提供了一种电子设备，包括：至少一个通信接口；与所述至少一个通信接口相连接的至少一个总线；与所述至少一个总线相连接的至少一个处理器；与所述至少一个总线相连接的至少一个存储器，其中，所述处理器被配置为执行本申请所述的定位识别方法。
17、第四方面，本申请还提供了一种计算机存储介质，存储有计算机可执行指令，所述计算机可执行指令用于执行本申请所述的定位识别方法。
18、本申请实施例提供的上述技术方案与现有技术相比具有如下优点：本申请实施例提供的该方法，将模板答题卡图像和学生答题卡图像分别输入第一深度学习模型，得到模板答题卡目标区域图像和学生答题卡目标区域图像；将所述模板答题卡目标区域图像和学生答题卡目标区域图像分别输入第二深度学习模型，得到模板答题卡目标评分区域图像和学生答题卡目标评分区域图像，其中，将所述学生答题卡目标评分区域图像的坐标集合记为第一集合；根据所述模板答题卡图像的定位坐标信息对所述学生答题卡图像进行图像处理，以使所述模板答题卡图像和学生答题卡图像在同一坐标系下一一映射；根据所述模板答题卡目标评分区域图像的坐标集合对所述学生答题卡图像进行裁剪，并将裁剪得到的图像的坐标集合记为第二集合；采用预设算法对所述第一集合和第二集合进行处理，得到目标坐标集合；根据所述目标坐标集合进行图像分类识别。由于深度学习的模型定位较精准，但存在遗漏，在同一坐标系下利用答题卡固定特征点在模板答题卡和学生答题卡上映射定位不存在遗漏，但定位可能有偏差，本申请结合两种方法，采用加权投票算法计算综合值，融合模型定位的精准率和映射定位的查全率，进一步提高答题卡定位的准确性。此外，采用识别人工标识号，即教师批阅文字答案做的标识号，避免机器文字语义识别可能出错的情况，故而达到提高智能阅卷准确率的效果，同时也提高了智能统分的正确率。
本文档来自技高网...【技术保护点】
1.一种定位识别方法，其特征在于，所述方法包括：
2.根据权利要求1所述的方法，其特征在于，所述第一深度学习模型为填空题区域定位模型，所述第二深度学习模型为填空题评分区域定位模型；所述模板答题卡目标区域图像和学生答题卡目标区域图像分别为模板答题卡填空题区域图像和学生答题卡填空题区域图像；所述模板答题卡目标评分区域图像和学生答题卡目标评分区域图像分别为模板答题卡填空题评分区域图像和学生答题卡填空题评分区域图像。
3.根据权利要求1或2所述的方法，其特征在于，所述模板答题卡图像的定位坐标信息为模板答题卡上预设特征点的坐标信息，用以辅助所述模板答题卡图像和学生答题卡图像在同一坐标系下进行映射对齐定位。
4.根据权利要求3所述的方法，其特征在于，所述根据所述模板答题卡图像的定位坐标信息对所述学生答题卡图像进行图像处理，以使所述模板答题卡图像和学生答题卡图像在同一坐标系下一一映射，包括：
5.根据权利要求3所述的方法，其特征在于，所述根据所述模板答题卡图像的定位坐标信息对所述学生答题卡图像进行图像处理，以使所述模板答题卡图像和学生答题卡图像在
6.根据权利要求3所述的方法，其特征在于，所述根据所述模板答题卡图像的定位坐标信息对所述学生答题卡图像进行图像处理，以使所述模板答题卡图像和学生答题卡图像在同一坐标系下一一映射，还包括：
7.根据权利要求3所述的方法，其特征在于，所述采用预设算法对所述第一集合和第二集合进行处理，得到目标坐标集合，包括：
8.根据权利要求4-7任一项所述的方法，其特征在于，所述根据所述目标坐标集合进行图像分类识别，包括：
9.一种定位识别装置，其特征在于，所述装置包括：
10.一种电子设备，其特征在于，包括：至少一个通信接口；与所述至少一个通信接口相连接的至少一个总线；与所述至少一个总线相连接的至少一个处理器；与所述至少一个总线相连接的至少一个存储器，其中，所述处理器被配置为执行权利要求1-8任一项所述的方法。
11.一种存储介质，其特征在于，存储有计算机可执行指令，所述计算机可执行指令用于执行权利要求1-8任一项所述的方法。
...【技术特征摘要】
1.一种定位识别方法，其特征在于，所述方法包括：
2.根据权利要求1所述的方法，其特征在于，所述第一深度学习模型为填空题区域定位模型，所述第二深度学习模型为填空题评分区域定位模型；所述模板答题卡目标区域图像和学生答题卡目标区域图像分别为模板答题卡填空题区域图像和学生答题卡填空题区域图像；所述模板答题卡目标评分区域图像和学生答题卡目标评分区域图像分别为模板答题卡填空题评分区域图像和学生答题卡填空题评分区域图像。
3.根据权利要求1或2所述的方法，其特征在于，所述模板答题卡图像的定位坐标信息为模板答题卡上预设特征点的坐标信息，用以辅助所述模板答题卡图像和学生答题卡图像在同一坐标系下进行映射对齐定位。
4.根据权利要求3所述的方法，其特征在于，所述根据所述模板答题卡图像的定位坐标信息对所述学生答题卡图像进行图像处理，以使所述模板答题卡图像和学生答题卡图像在同一坐标系下一一映射，包括：
5.根据权利要求3所述的方法，其特征在于，所述根据所述模板答题卡图像的定位坐标信息对所述学生答题卡图像进行图像处理，以使所...
【专利技术属性】
技术研发人员：廖飞驰，肖友清，杨金明，
申请(专利权)人：山东新鲲鹏科技有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。