基于智能手机的自动阅卷系统研究

尹本雄

专用自动阅卷系统已经普及使用多年，但由于专用设备具有价格较高、不便携带等缺点，一般多用在较大型的规范化考试中。近年来，随着智能手机的广泛普及，利用智能手机构建低成本的自动阅卷系统也随之发展起来，这类自动阅卷系统能够有效地帮助广大中小学教师快速地完成繁重的阅卷工作。同时，后台管理数据库还支持平均分统计、优秀率及格率统计、最高分最低分统计、排序、个人成绩单生成、对指定学生进行某时间段内成绩追踪分析等功能。

● 当前自动阅卷系统的分析

当前常见的自动阅卷系统根据答题卡读取方式的不同，一般有摄像头阅卷系统、扫描仪阅卷系统、数码相机阅卷系统及光电阅卷系统。由于摄像头的普及性、便携性及低成本特性，在这几类阅卷系统中，摄像头阅卷系统无疑具有很大的优势。

1.客观题自动阅卷系统的分析

在客观题自动阅卷系统里，出现过一些较为智能的系统。例如，西南交通大学研究的阅卷系统，通过模式识别等方法，可以允许考生对选择题用“A、B、C、D”作答。但该系统的识别准确率没有填涂方式的识别率高，特别是对以下两种情况的识别准确率较低：一是考生书写比较潦草的答案;二是擦除重新修改过的答案。

2.主观题自动阅卷系统的分析

对答题卡评价的准确性是阅卷系统最关键的参数。目前的自动阅卷系统多是针对客观题的评阅，虽然有一些主观题自动阅卷系统出现，但这些系统在准确性方面还达不到使用要求。例如，主观题自动阅卷的系统评价长句优于短句、无法判断事物的真伪性等。如果考生事先经过针对该阅卷系统的适应性培训，“投其所好”，则比较容易“欺骗”阅卷系统，取得高分。因而，该系统只能在一定层面对文章的语义进行归纳，而不能用于主观题阅卷。它更适合用在类似于搜索引擎中的语义搜索，可以提高对检索关键字的检全率和检准率。

● 智能手机摄像头自动阅卷系统的研究

1.答题卡的图像处理

基于智能手机摄像头的自动阅卷系统构成如图1所示。

对于该系统而言，阅卷程序中答题卡图像的预处理最关键，直接影响到最终的阅卷准确率。其包括如下几个步骤。

（1）灰度化处理与二值化处理

为了节省手机CPU的运算资源，我们首先应对摄像头采集到的彩色图像进行灰度化处理，即去掉颜色特征。原始图像中各像素点可以分解为RGB颜色分量，通过亮度计算公式B=0.299Red+0.587Green+0.114Blue计算像素点的亮度值，再用亮度值B代替RGB的颜色分量值并写回到图像中，即可完成彩色图像到灰度图像的变换。

二值化处理是将上一步得到的灰度图变换为只有黑、白两种颜色的模式图像。处理的方法是，设定一个灰度阈值，大于阈值的像素用白色点显示，小于阈值的像素用黑色点显示。对于这个阈值，一般的做法是选择最大灰度等级的一半，即128。但我们在实际测试中发现，如果采用固定阈值128的做法，效果不理想。为此，本系统中采用局部平均阈值方法，具有自适应特性，虽然消耗较多的计算资源，但是对于改善不同答题卡二值化的效果有较好的作用。

（2）光照引起的噪声点处理

由于每次拍摄时环境光强差异较大，如果我们在一些环境光强不够的条件下拍摄，得到的图像会有较多的噪声点。为了减少图像的噪声点，可以对图像进行平滑滤波处理。常见的处理方法有领域平均法、选择平均法、低通滤波法等。为了防止领域平均法对目标边缘造成模糊影响，这里采用了选择平均法，仅对灰度值相近的像素点进行加权平均处理。

（3）图像定位与倾斜校正

为了简化算法和提高阅卷准确性，答题卡设计有固定的分隔符与对齐符（如图2）。由于拍摄角度和距离的原因，得到的图像一般都会有一定程度的倾斜和旋转。通过答题卡上设置的分隔符和对齐符，进行图像定位于倾斜校正。

（4）归一化处理

归一化处理是指对每一幅图像在进行判别之前，先进行图像统一大小的缩放处理。根据所得到的图像大小的边界尺寸，计算出一个缩放因子，进行缩放处理。

（5）答案的差分处理

对答题卡每一题答案的匹配，即是判断答案正确与否的过程。可以采取差分处理的方法，将答题卡答案位置的像素与答案模板的相应位置像素进行相减运算，相减的差值大小体现了答题卡答案和参考答案的相近程度。具体可以采用以下公式计算：

式中是答题卡像素点分量值，是参考答案模板像素点分量值。每一个答案的匹配度S是一个介于0～1的数，越接近1则表示考生答案越趋近于参考答案。设置一个匹配阈值，匹配度大于阈值的为正确，反之为错误。因每个考生的填涂习惯不一样，阈值的设置可以针对每一份答题卡自动动态分析。例如，以科目和准考证号的填涂位置为参考来确定该份答题卡的匹配阈值，因为这两个地方一般不会填错。

2.后台成绩管理软件的设计

为了更好地管理考生的成绩，应提高自动阅卷系统的效用。这样在中小学里便于教师了解各学生的学习进步情况，也方便了期末成绩单的打印。如果能在PC端利用数据库管理方便地开发出各种统计分析功能就更好了。