基于android平台的试卷评阅系统开发研究
2017-04-13李莹
李莹
摘要:本文介绍了基于android平台的试卷评阅系统的开发过程,重点介绍了系统工作流程的实现,以及系统关键技术,即图像识别的处理,提出采用改进十三点特征点识别算法作为系统图像识别,并获得了较好效果。
关键词:android平台 试卷评阅 图像识别
中图分类号:TP31152文献标识码:A文章编号:1009-5349(2016)13-0055-01
考试一直以来是作为衡量教学质量高低的方式之一,而传统纸质考试中试卷评阅既费时,又容易出现评阅错误,若能采用计算机技术,结合“十三点特征提取算法”进行识别,开发出试卷评阅系统,则将大大提高效率,并能进行规模化试卷评阅。与此同时,随着智能手机、智能掌上用品进入到人们的生活中来,更多的人依赖智能终端的使用。而android平台作为主流的移动终端平台,考虑开发基于android平台的教师试卷评阅系统,将有着重要的意义。
一、系统主要原理
考虑到目前主流手机都自带照相机功能,因此,首先考虑通过手机对学生的答题卷进行图像采集(即利用手机拍照);接下来,将采集到的图像,运用“十三点特征提取算法”进行识别提取,导入到阅卷系统处理后生成学生成绩;再将生成的学生成绩导入到成绩数据库中,这样,就完成了阅卷的全过程。而教师字需要将标准答案提前录入到android智能手机,而学生将做答完的试卷拍照后传入程序,系统就能自动阅卷并生成学生客观题的成绩。具体实现流程如下图1所示:
图1智能试卷评阅系统工作流程设计图二、系统实现
(一)试卷评阅系统整体架构
系统设计分成3层,第一层为用户界面层,该层负责与用户进行交互,包括主程序欢迎界面,用戶界面选择、图形处理界面;第二层为输入层,即答题卷样本获取后的输入,将采集到的答题卷通过本层传入到主程序中再进行处理;第三层为图形处理层,该层在系统后台运行,主要是对输入后的样本进行识别处理,获得所需要的信息用于比对,该层内部封装了图像识别算法,除了处理图像外,还将提供与OpenCV关联的接口。
(二) 图像采集
图像采集是本系统的信息输入源,主要利用智能手机的照相机来完成。图像的基本类型包括:二值图像、16色图像、256色图像和真彩色图像。本系统是利用智能手机的相机获取真彩色图像,来完成图像的采集,与传统使用扫描仪进行图像比较,这种方式更加便捷、快速,用户容易接受,也更易实现。
(三) 图像识别
本系统图像识别的原理:首先是对采集后的图像进行特征点的检测,接下来是对确定的特征点进行描述,然后通过对预定的特征点进行匹配,最后确定采集后的图像与系统样本库中最匹配的图像,得到我们所需要的结果。而要实现在智能手机终端进行图像识别又有二种实现途径:一种是采用C/S模式,即在智能手机终端获取图像和显示结果,在PC终端完成识别工作,然后通过无线网络进行交互,这种方法对网络的依赖度非常高,常常会因为网络问题造成软件运行缓慢或出现假死现象。另一种则是对特征点算法进行优化和改进,将图像识别也集成到智能手机终端,这样能大大提高软件运行效率,更快获取结果,方便使用。
本系统采用了改进十三点特征识别法,首先对目标图像进行搜索,并划分为2*4的8个区域,计算每个区域中黑色像素点的数量,并统计每个划分区域中黑色像素点在本区域中所占比率,可得到8个特征点;然后再统计水平方向上中间两行黑色像素占整行的比率,垂直方向中间两列黑色像素占整列的比率,得到4个特征点。最后统计图像中所有黑色像素占整个图像区域的比率作为一个特征点,共计13个特征点。相较模板提取法,十三点特征识别法虽然很难得到100%的准确率,但用于识别A、B、C、D准确率已经可以达到系统使用的要求。
(四)android平台下调用OpenCV库
要调用OpenCV库,需要使用Android NDK工具来调用c/c++代码来编写OpenCV库,具体的步骤为:①本研究中主要是编写代码来实现客观题答题卷图像的识别,利用NDK工具进行编译生成so文件,再使用java代码来直接调用。②编写java代码来调用前面编译生成的库,并编写与用户交互的Android应用程序界面。
三、总结
利用改进十三点特征点识别算法,开发基于android平台的试卷评阅系统,是对传统阅卷方式的一种有效尝试。通过系统的开发,证明该项目是切实可行的,并能以一种全新的阅卷方式来改变传统,提高效率,达到项目研究的目的。
参考文献:
[1]郭鑫.网上阅卷系统中图像采集子系统的设计与实现[D].电子科技大学,2012.
[2]张站,刘政怡,吴建国,等.基于图像识别的阅卷系统的设计与实现[J].微型机与应用,2011, 30(4): 44-47.