基于android平台的试卷评阅系统开发研究

《基于android平台的试卷评阅系统开发研究》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、基于android平台的试卷评阅系统开发研究摘要：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。中国7/vie　　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：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

2、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

3、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�艚缑嫜≡瘛⑼夹未�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

4、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

5、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

6、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AndroidNDK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andro

7、id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。