[0001]
本发明涉及图像采集技术领域，尤其涉及一种试卷图像采集方法、装置及设备。
背景技术：
[0002]
当前的教育类产品，通常需要学生线下完成作业后，将作业试卷拍照上传后再进行批改。由于是学生自助拍照，拍照的质量无法保证，很容易由于模糊、暗光、角度过大、试卷不完整等图像质量的问题，导致教师无法进行后续的批改操作，对教学质量产生较大影响，重复上传也会影响用户体验。
[0003]
因此，现有技术还有待于改进和发展。
技术实现要素：
[0004]
鉴于上述现有技术的不足，本发明的目的在于提供一种试卷图像采集方法、装置及设备，旨在解决现有技术中的技术问题。
[0005]
本发明的技术方案如下：
[0006]
一种试卷图像采集方法，应用于终端设备，所述方法包括：
[0007]
检测到拍照指令，通过终端设备上设置的传感器判断当前拍摄条件是否满足预设的拍摄条件；
[0008]
若当前拍摄条件满足预设的拍摄条件，则通过终端设备上设置的摄像头采集试卷图像；
[0009]
对采集的试卷图像进行图像质量检测；
[0010]
若采集的试卷图像的图像质量满足预设的图像质量条件，则启动拍摄指令生成拍摄后的目标试卷图像。
[0011]
进一步地，所述对采集的试卷图像进行图像质量检测，还包括：
[0012]
若采集的试卷图像的图像质量不满足预设的图像质量条件，则将不满足的预设的图像质量条件的判断结果反馈给用户。
[0013]
进一步优选地，所述检测到拍照指令，通过终端设备上设置的传感器判断当前拍摄条件是否满足预设的拍摄条件，包括：
[0014]
检测到拍照指令，通过终端设备上设置的光线传感器判断当前拍摄环境的亮度是否低于预设的亮度阈值。
[0015]
进一步优选地，所述检测到拍照指令，通过终端设备上设置的光线传感器判断当前拍摄环境的亮度是否低于预设的亮度阈值，还包括：
[0016]
通过终端设备上设置的惯性传感器判断当前拍摄的终端设备是否存在抖动。
[0017]
优选地，所述对采集的试卷图像进行图像质量检测，包括：
[0018]
依次对采集的试卷图像的像素亮度、图像清晰度、边缘完整度、及试卷与摄像头的拍摄角度进行检测。
[0019]
进一步地，所述对采集的试卷图像进行图像清晰度检测，包括：
[0020]
根据拉普拉斯算子对试卷图像进行运算，获取试卷图像中像素值的拉普拉斯变换值；
[0021]
判断像素值的拉普拉斯变换值是否小于预定的经验值；
[0022]
若像素值的拉普拉斯变换值小于预定的经验值，则判定试卷图像为模糊图像。
[0023]
进一步地，所述对采集的试卷图像进行边缘完整度检测，包括：
[0024]
构建深度学习模型，根据试卷边缘检测样本对深度学习模型进行训练，生成试卷边缘检测模型；
[0025]
将采集的试卷图像输入试卷边缘检测模型，根据输出结果获取试卷的边缘完整度数据。
[0026]
本发明的另一实施例提供了一种试卷图像采集设置，装置包括：
[0027]
拍摄条件检测模块，用于检测到拍照指令，通过终端设备上设置的传感器判断当前拍摄条件是否满足预设的拍摄条件；
[0028]
图像采集模块，用于若当前拍摄条件满足预设的拍摄条件，则通过终端设备上设置的摄像头采集试卷图像；
[0029]
图像质量检测模块，用于对采集的试卷图像进行图像质量检测；
[0030]
图像生成模块，用于若采集的试卷图像的图像质量满足预设的图像质量条件，则启动拍摄指令生成拍摄后的目标试卷图像。
[0031]
本发明的另一实施例提供了一种试卷图像采集设备，所述设备包括至少一个处理器；以及，
[0032]
与所述至少一个处理器通信连接的存储器；其中，
[0033]
所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器能够执行上述的试卷图像采集方法。
[0034]
本发明的另一实施例还提供了一种非易失性计算机可读存储介质，所述非易失性计算机可读存储介质存储有计算机可执行指令，该计算机可执行指令被一个或多个处理器执行时，可使得所述一个或多个处理器执行上述的试卷图像采集方法。
[0035]
有益效果：本发明实施例通过借助拍照终端的传感器及图像算法技术，在拍照时对用户的行为进行约束，通过实时判断图像中试卷的状态结合文字反馈对用户进行引导，最终保证拍摄的试卷图像都是高质量的，为后续试卷评估带来了方便。
附图说明
[0036]
下面将结合附图及实施例对本发明作进一步说明，附图中：
[0037]
图1为本发明一种试卷图像采集方法较佳实施例的流程图；
[0038]
图2为本发明一种试卷图像采集装置的较佳实施例的功能模块示意图；
[0039]
图3为本发明一种试卷图像采集设备的较佳实施例的硬件结构示意图。
具体实施方式
[0040]
为使本发明的目的、技术方案及效果更加清楚、明确，以下对本发明进一步详细说明。应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。以下结合附图对本发明实施例进行介绍。
[0041]
本发明实施例提供了一种试卷图像采集方法。请参阅图1，图1为本发明一种试卷图像采集方法较佳实施例的流程图。如图1所示，其包括步骤：
[0042]
步骤s100、检测到拍照指令，通过终端设备上设置的传感器判断当前拍摄条件是否满足预设的拍摄条件，若是，则执行步骤s200；若否，则执行步骤s500；
[0043]
步骤s200、通过终端设备上设置的摄像头采集试卷图像；
[0044]
步骤s300、对采集的试卷图像进行图像质量检测；
[0045]
步骤s400、若采集的试卷图像的图像质量满足预设的图像质量条件，则启动拍摄指令生成拍摄后的目标试卷图像；
[0046]
步骤s500、将不满足的拍摄条件提示给用户。
[0047]
具体实施时，借助拍照终端的传感器及图像算法技术，在拍照时对用户的行为进行约束，通过实时判断图像中试卷的状态结合文字反馈对用户进行引导，最终保证拍摄的试卷图像都是高质量的，为后续的试卷评阅带来方便。
[0048]
借助终端设备自带的传感器，如光照传感器、惯性传感器，可以判断拍照时终端设备的状态，若拍照时终端设备的状态不满足预设的拍摄条件，提示用户对环境进行变更后，再进行拍摄。借助终端设备自带的传感器，如光照传感器、惯性传感器，可以判断拍照时终端设备的状态。
[0049]
拍照时终端设备的状态满足预设的拍摄条件，则通过摄像头采集试卷图像，通过图像处理算法，判断采集的试卷图像的图像质量；
[0050]
当采集的试卷图像满足预设的图像质量条件，启动拍摄指令，将拍摄后的目标试卷图像进行存储。
[0051]
统计像素亮度分割；计算图像像素值的平均值，当小于预定的经验阈值时认为过暗，提示用户到光线充足场景拍摄。
[0052]
进一步地，对采集的试卷图像进行图像质量检测，还包括：
[0053]
若采集的试卷图像的图像质量不满足预设的图像质量条件，则将不满足的预设的图像质量条件的判断结果反馈给用户。
[0054]
具体实施时，若采集的试卷图像的图像质量不满足预设的图像质量条件，将不满足的条件反馈给用户，并提示用户进行相应的调整操作，引导拍摄。
[0055]
进一步地，检测到拍照指令，通过终端设备上设置的传感器判断当前拍摄条件是否满足预设的拍摄条件，包括：
[0056]
检测到拍照指令，通过终端设备上设置的光线传感器判断当前拍摄环境的亮度是否低于预设的亮度阈值。
[0057]
具体实施时，检测到拍照指令，终端设备上设置的光线传感器判断环境是否低于预设的亮度阈值，若低于预设的亮度阈值，即光照传感器发现当前光线较弱，可提示用户切换到光线充足的场景再拍照。若不低于预设的亮度阈值，则环境光可进行拍摄，进行下一步的运算。
[0058]
进一步地，检测到拍照指令，通过终端设备上设置的光线传感器判断当前拍摄环境的亮度是否低于预设的亮度阈值，还包括：
[0059]
通过终端设备上设置的惯性传感器判断当前拍摄的终端设备是否存在抖动。
[0060]
具体实施时，通过终端设备上设置的惯性传感器判断当前拍摄的终端设备是否存
在抖动，若存在抖动，则可提示用户稳定设备后再进行拍照，防止图像模糊。若不存在抖动，则通过摄像头采集试卷图。
[0061]
进一步地，对采集的试卷图像进行图像质量检测，包括：
[0062]
依次对采集的试卷图像的像素亮度、图像清晰度、边缘完整度、及试卷与摄像头的拍摄角度进行检测。
[0063]
具体实施时，通过摄像头的图像，结合图像处理算法，也可分析得到是否适合拍照。如统计图像中像素的亮度值判断图像是否过暗；计算图像的拉普拉斯变化值判断图像是否模糊等；借助深度学习模型可检测图像中试卷的边框，分析边框的拓扑结构可判断试卷是否完整、与摄像头的角度是否合理等。判断结果可通过终端实时反馈给用户，用于引导拍摄。
[0064]
进一步地，对采集的试卷图像进行图像清晰度检测，包括：
[0065]
根据拉普拉斯算子对试卷图像进行运算，获取试卷图像中像素值的拉普拉斯变换值；
[0066]
判断像素值的拉普拉斯变换值是否小于预定的经验值；
[0067]
若像素值的拉普拉斯变换值小于预定的经验值，则判定试卷图像为模糊图像。
[0068]
具体实施时，则试卷图像进行拉普拉斯算法运算；判断图像是否模糊，若模糊提示用户稳定设备；若图像不模糊，则对采集的试卷图像进行边缘完整度检测。进一步地，通过计算图像像素值的拉普拉斯变换值，当拉普拉斯变换值小于预定的经验阈值时认为模糊。当拉普拉斯变换值大于等于预定的经验阈值时认为清晰。
[0069]
进一步地，对采集的试卷图像进行边缘完整度检测，包括：
[0070]
构建深度学习模型，根据试卷边缘检测样本对深度学习模型进行训练，生成试卷边缘检测模型；
[0071]
将采集的试卷图像输入试卷边缘检测模型，根据输出结果获取试卷的边缘完整度数据。
[0072]
具体实施时，对试卷图像进行深度学习试卷边缘检测模型；获取试卷边缘，判断试卷边缘是否完整闭合；若未闭合，则提示用户将试卷完整的放入图像中；若闭合，则进行下一步的判断，即判断试卷是否与摄像头角度过大。
[0073]
使用试卷图像中试卷边框位置的成对数据训练深度学习模型，该模型能够检测图像中试卷的边框线；通过opencv自带的直线检测算法可以获取矩形试卷边框的四条边，如果四条边均存在且闭合则认为试卷完整。
[0074]
进一步地，判断试卷是否与摄像头角度过大，若是，则提示用户将摄像头与试卷平面平行；若否，则自动拍照，完成试卷图像采集。
[0075]
具体地，如果四条边中两组对边趋近于平行(可根据四边斜率判断)则认为与摄像头角度较小，在合理范围内。如果四条边中两组对边不平行，则试卷与摄像头角度较大，需要进行调整，并提示用户将摄像头与试卷平面平行。
[0076]
由以上方法实施例可知，本发明提供了一种试卷图像采集方法，检测到拍照指令，通过终端设备上设置的传感器判断当前拍摄条件是否满足预设的拍摄条件；若当前拍摄条件满足预设的拍摄条件，则通过终端设备上设置的摄像头采集试卷图像；对采集的试卷图像进行图像质量检测；若采集的试卷图像的图像质量满足预设的图像质量条件，则启动拍
摄指令生成拍摄后的目标试卷图像。本发明实施例通过借助拍照终端的传感器及图像算法技术，在拍照时对用户的行为进行约束，通过实时判断图像中试卷的状态结合文字反馈对用户进行引导，最终保证拍摄的试卷图像都是高质量的，为后续试卷评估带来了方便。
[0077]
需要说明的是，上述各步骤之间并不必然存在一定的先后顺序，本领域普通技术人员，根据本发明实施例的描述可以理解，不同实施例中，上述各步骤可以有不同的执行顺序，亦即，可以并行执行，亦可以交换执行等等。
[0078]
本发明另一实施例提供一种试卷图像采集装置，如图2所示，装置1包括：
[0079]
拍摄条件检测模块11，用于检测到拍照指令，通过终端设备上设置的传感器判断当前拍摄条件是否满足预设的拍摄条件；
[0080]
图像采集模块12，用于若当前拍摄条件满足预设的拍摄条件，则通过终端设备上设置的摄像头采集试卷图像；
[0081]
图像质量检测模块13，用于对采集的试卷图像进行图像质量检测；
[0082]
图像生成模块14，用于若采集的试卷图像的图像质量满足预设的图像质量条件，则启动拍摄指令生成拍摄后的目标试卷图像。
[0083]
具体实施方式见方法实施例，此处不再赘述。
[0084]
本发明另一实施例提供一种试卷图像采集设备，如图3所示，设备10包括：
[0085]
一个或多个处理器110以及存储器120，图3中以一个处理器110为例进行介绍，处理器110和存储器120可以通过总线或者其他方式连接，图3中以通过总线连接为例。
[0086]
处理器110用于完成，设备10的各种控制逻辑，其可以为通用处理器、数字信号处理器(dsp)、专用集成电路(asic)、现场可编程门阵列(fpga)、单片机、arm(acorn risc machine)或其它可编程逻辑器件、分立门或晶体管逻辑、分立的硬件组件或者这些部件的任何组合。还有，处理器110还可以是任何传统处理器、微处理器或状态机。处理器110也可以被实现为计算设备的组合，例如，dsp和微处理器的组合、多个微处理器、一个或多个微处理器结合dsp核、或任何其它这种配置。
[0087]
存储器120作为一种非易失性计算机可读存储介质，可用于存储非易失性软件程序、非易失性计算机可执行程序以及模块，如本发明实施例中的试卷图像采集方法对应的程序指令。处理器110通过运行存储在存储器120中的非易失性软件程序、指令以及单元，从而执行设备10的各种功能应用以及数据处理，即实现上述方法实施例中的试卷图像采集方法。
[0088]
存储器120可以包括存储程序区和存储数据区，其中，存储程序区可存储操作装置、至少一个功能所需要的应用程序；存储数据区可存储根据设备10使用所创建的数据等。此外，存储器120可以包括高速随机存取存储器，还可以包括非易失性存储器，例如至少一个磁盘存储器件、闪存器件、或其他非易失性固态存储器件。在一些实施例中，存储器120可选包括相对于处理器110远程设置的存储器，这些远程存储器可以通过网络连接至设备10。上述网络的实例包括但不限于互联网、企业内部网、局域网、移动通信网及其组合。
[0089]
一个或者多个单元存储在存储器120中，当被一个或者多个处理器110执行时，执行上述任意方法实施例中的试卷图像采集方法，例如，执行以上描述的图1中的方法步骤s100至步骤s500。
[0090]
本发明实施例提供了一种非易失性计算机可读存储介质，计算机可读存储介质存
储有计算机可执行指令，该计算机可执行指令被一个或多个处理器执行，例如，执行以上描述的图1中的方法步骤s100至步骤s500。
[0091]
作为示例，非易失性存储介质能够包括只读存储器(rom)、可编程rom(prom)、电可编程rom(eprom)、电可擦rom(eeprom)或闪速存储器。易失性存储器能够包括作为外部高速缓存存储器的随机存取存储器(ram)。通过说明并非限制，ram可以以诸如同步ram(sram)、动态ram、(dram)、同步dram(sdram)、双数据速率sdram(ddr sdram)、增强型sdram(esdram)、synchlink dram(sldram)以及直接rambus(兰巴斯)ram(drram)之类的许多形式得到。本文中所描述的操作环境的所公开的存储器组件或存储器旨在包括这些和/或任何其他适合类型的存储器中的一个或多个。
[0092]
本发明的另一种实施例提供了一种计算机程序产品，计算机程序产品包括存储在非易失性计算机可读存储介质上的计算机程序，计算机程序包括程序指令，当程序指令被处理器执行时，使处理器执行上述方法实施例的试卷图像采集方法。例如，执行以上描述的图1中的方法步骤s100至步骤s500。
[0093]
以上所描述的实施例仅仅是示意性的，其中作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际需要选择其中的部分或者全部模块来实现本实施例方案的目的。
[0094]
通过以上的实施例的描述，本领域的技术人员可以清楚地了解到各实施例可借助软件加通用硬件平台的方式来实现，当然也可以通过硬件实现。基于这样的理解，上述技术方案本质上或者说对相关技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品可以存在于计算机可读存储介质中，如rom/ram、磁碟、光盘等，包括若干指令用以使得一台计算机装置(可以是个人计算机，服务器，或者网络装置等)执行各个实施例或者实施例的某些部分的方法。
[0095]
除了其他之外，诸如"能够'、"能"、"可能"或"可以"之类的条件语言除非另外具体地陈述或者在如所使用的上下文内以其他方式理解，否则一般地旨在传达特定实施方式能包括(然而其他实施方式不包括)特定特征、元件和/或操作。因此，这样的条件语言一般地还旨在暗示特征、元件和/或操作对于一个或多个实施方式无论如何都是需要的或者一个或多个实施方式必须包括用于在有或没有输入或提示的情况下判定这些特征、元件和/或操作是否被包括或者将在任何特定实施方式中被执行的逻辑。
[0096]
已经在本文中在本说明书和附图中描述的内容包括能够提供试卷图像采集方法及装置的示例。当然，不能够出于描述本公开的各种特征的目的来描述元件和/或方法的每个可以想象的组合，但是可以认识到，所公开的特征的许多另外的组合和置换是可能的。因此，显而易见的是，在不脱离本公开的范围或精神的情况下能够对本公开做出各种修改。此外，或在替代方案中，本公开的其他实施例从对本说明书和附图的考虑以及如本文中所呈现的本公开的实践中可能是显而易见的。意图是，本说明书和附图中所提出的示例在所有方面被认为是说明性的而非限制性的。尽管在本文中采用了特定术语，但是它们在通用和描述性意义上被使用并且不用于限制的目的。