开放源OMR光学标记识别解决方案

Question

我在一家机构工作，必须定期处理大量的选择题答题表格。我们已经采用了一种非常昂贵的商业解决方案，而且我们已经开始致力于开源方面的工作--我正在帮助大规模的LaTeX重新加载文字处理的测试表单。

一个谷歌搜索和我的基本本能并不能显示出一个明显的赢家。主观的，但这里我要说:什么是最好的免费软件光学标记识别解决方案？

其中一项要求是，该软件必须包含一个实用程序，用于标记模糊标记，供人手动识别。如果它有一个简单的图像/标记识别API，那就太好了。

Answer 1

这听起来类似于这个问题，而且您需要查看SDAPS，它是“基于纸张的调查的数据采集脚本”的缩写。

这里描述了工作流程：

特征列表令人印象深刻：

• 开放源码软件；根据您的喜好使用和修改它(GPLv3 3+/LPPLv1.3c+)，光学标记识别(OMR)从扫描数据中导入大多数格式，包括PDF，甚至照片(1.1.7版)
• 创建问卷的OpenDocument文本
• 用于创建调查问卷的LaTeX类支持任何纸张大小的多页调查问卷，既简单又双面打印(包含"code128“和"qr”样式的多达9999页)不同类型的问题：。
  • 标记式的问题(分数)
  • 有很多种选择，其中也可能包括自由格式字段。
  • 自由域
  • LaTeX类还支持更紧凑的矩阵配置。

• 打印输出的PDF报告的创建
  • 还支持创建只包含任意筛选器的部分结果集的报告。

• 将数据输出到CSV文件以供进一步分析(不包括图像数据)
• 从其他来源进口额外的结果。例如，有了这一点，就有可能在稍后的时候通过网页合并所需的数据。使用模块化和可扩展设计检查用Python编写的错误的识别和更正的GUI应用程序

代码用Python编写，可以在这里获得：https://github.com/sdaps/sdaps

有一个GUI允许用户“更正”OCR。

Answer 2

我建议自己使用OpenCV和可能的python来实现一些东西。

关于您的表单设计，有几件事要记住：

1. 包括注册标记(通常是其中的3个)，以便能够旋转和缩放图像，以处理扫描错误的方式或角度等形式。
2. 包括机器可读的表单标识符和多页页标识符.
3. 把答案框放好，间隔均匀但间距好，这样填写表格就容易了，提取起来也容易多了。
4. 对于如何标记选项有明确的规则，例如使用黑色钢笔在选定的框中放置一条垂直线。
5. 包括取消一个框的选项，例如，如果框被错误地标记为用横条取消标记，则为该框的宽度。
6. 总是有一个“我不想回答”的盒子
7. 用颜色来区分观众的元素，如果所有的问题都是浅蓝色的，但是注册标记是黑色的，你可以用一个简单的颜色过滤器将它们从图像中分离出来。

一旦你做了上面的事情，这只是一个简单的问题：

• 捕捉图像，
• 滤色器来得到我们感兴趣的东西，
• 旋转和缩放，在正确的位置得到参考标记，
• 检查它是正确的表格和
• 然后在感兴趣的特定区域(方框)寻找标记。

您甚至可以有一个“培训模式”，在其中标记所有感兴趣的区域，比如红色，然后扫描该模式，告诉代码在哪里查找。

OpenCV包括显示设施，这样您就可以将问题区域显示给操作员，并使用“您认为这是哪一个？”提示任何异常区域。

网上有很多好书，有的是免费的，有的来自零售商，它们以这种方式使用OpenCV和python。

• 完全免费和开放源码
• 跨平台Win/OS/Linux都支持
• 许多在线/社区帮助
• 可以提供一个有教育意义和有趣的几天来实施。