本发明涉及图像识别，特别是涉及一种试卷批改分数的校对方法及装置、存储介质、终端。
背景技术：
1、在教学成果的评估过程中，试卷批改和分数校对是关键环节。尽管人工智能的发展推动了自动化阅卷系统的普及，但由于人工进行试卷批改不仅能够处理复杂的主观题型，还能够通过教师的专业判断，为学生提供更具针对性的反馈，故，人工试卷批改仍然在许多教育场景中占据重要地位。然而，由于对人工的依赖，人工批改试卷面临着分数统计出错率较高的问题。
2、现有针对人工批改试卷出错率高的问题，主要采用人工交叉验证的方式，进行分数校验。但这种校验方式，需要耗费较多的人力，人力成本较高，且此校验方式需要消耗的时间较长，导致试卷分数校对的效率较低。
技术实现思路
1、有鉴于此，本发明提供一种试卷批改分数的校对方法及装置、存储介质、终端，主要目的在于解决现有人工批改试卷的试卷分数校对效率较低的问题。
2、依据本发明一个方面，提供了一种试卷批改分数的校对方法，包括：
3、采集待校对试卷的试卷图像，并对所述试卷图像进行目标检测，得到所述待校对试卷中的批改框，其中，所述批改框包括试卷总分批改框、及分别对应不同题目的题目批改框；
4、对所述批改框进行字符识别，根据识别结果确定试卷批改总分以及各个所述题目的得分，并依据全部所述题目的得分计算得到试卷总得分；
5、若所述试卷总得分不匹配所述试卷批改总分，则生成所述待校对试卷的校对异常结果。
6、进一步地，所述目标检测的结果还包括题目框，所述对所述试卷图像进行目标检测，得到所述待校对试卷中的批改框包括：
7、对所述试卷图像进行目标检测，得到题目框坐标信息和批改框坐标信息；
8、针对任一题目框，依据所述题目框坐标信息和所述批改框坐标信息，计算题目框与批改框之间的交集iou值，所述交集iou值为所述题目框与所述批改框重叠面积与所述批改框面积的比值；
9、将所述交集iou值大于交集iou阈值的批改框确定为所述题目框对应题目的题目批改框；
10、将与全部题目框的所述交集iou值均小于交集iou阈值的批改框确定为试卷总分批改框。
11、进一步地，所述题目批改框包括得分批改框和/或符号批改框，所述方法还包括：
12、在任一题目所对应的所述得分批改框或所述符号批改框缺失的情况下，依据所述题目框的坐标信息对所述题目图像进行裁剪，得到题目图像；
13、对所述题目图像进行二值化处理，得到所述题目的初始连通域区块图像，并依据去噪面积阈值对所述初始连通域区块图像进行去噪处理，得到目标连通域区块图像；
14、获取所述题目上一序位题目的批改框的水平坐标边界值，及所述题目的垂直坐标边界值，并依据所述水平坐标边界值和所述垂直坐标边界值对所述目标连通域区块图像进行裁剪；
15、通过批改痕迹识别模型对裁剪后的连通域区块图像进行识别，得到所述题目的批改符号，或通过分数识别模型对裁剪后的连通域区块图像进行识别，得到所述题目的批改得分。
16、进一步地，所述识别结果包括试卷批改总分、及各个所述题目的批改符号和/或批改得分，所述对所述批改框进行字符识别，根据识别结果确定试卷批改总分以及各个所述题目的得分，包括：
17、针对任一所述题目，在所述识别结果仅包含批改符号的情况下，若所述批改符号为对号，则将所述题目的分值配置为所述题目的得分，若所述批改符号为错号，则将所述题目的得分配置为零分；
18、在所述识别结果包含半对半错号和批改得分的情况下，若所述批改得分为正数，则将所述批改得分配置为所述题目的得分，若所述批改得分为负数，则将所述批改得分与所述题目的分值之和配置为所述题目的得分。
19、进一步地，所述方法还包括：
20、在所述识别结果未满足得分符号匹配策略的情况下，对所述符号批改框的图像进行分割处理，并通过批改痕迹识别模型对所述分割处理后的图像进行识别，得到符号批改框二次识别结果，其中，所述分符号匹配策略包括批改符号为对号或错号，且所述批改框的识别结果不包含批改得分，以及所述批改符号为半对半错号，且所述批改框的识别结果包括批改得分；
21、若所述符号批改框二次识别结果仍未满足所述得分符号匹配策略，则对所述得分批改框的图像进行分割处理，并通过分数识别模型对所述分割处理后的图像进行识别，得到得分批改框二次识别结果；
22、依据所述得分批改框二次识别结果确定所述题目的得分。
23、进一步地，所述依据所述得分批改框二次识别结果确定所述题目的得分，包括：
24、若所述得分批改框二次识别结果中批改得分的绝对值小于或等于所述题目的分值，则将所述批改得分配置为所述题目的得分；
25、若所述得分批改框二次识别结果中批改得分的绝对值大于所述题目的分值，则调取所述得分批改框二次识别结果中的候选批改得分，并将绝对值小于或等于所述题目的分值，且置信度最大的所述候选批改得分配置为所述题目的得分。
26、进一步地，所述目标检测的结果还包括试卷总分值框及对应不同题目的题目分值框，所述题目分值框的识别结果包括不同题目的分值和试卷总分值，所述方法还包括：
27、在试卷分值异常的情况下，识别试卷中的异常题目，并对所述试卷图像进行文本提取，得到试卷文本信息，其中，所述异常题目包括题目分值框缺失的题目，及分值识别置信度小于预设分值识别置信度阈值的题目；
28、从试卷文本库中识别出与所述试卷文本信息匹配的关联试卷，并依据题目文本相似度，从关联试卷文本识别出对应异常题目的关联题目；
29、调取所述关联题目的分值作为所述异常题目的预期分值，并依据所述预期分值进行试卷分值校验，若试卷分值校验结果为通过，则将所述预期分值更新为所述异常题目的分值；
30、在所述试卷分值校验结果为未通过的情况下，返回所述对所述试卷图像进行文本提取，并对所述试卷图像进行文本提取的步骤，若所述试卷分值校验结果仍为未通过，则将所述异常题目的分值配置为无效分值；
31、其中，所述试卷分值异常包括所述目标检测的结果中存在至少一个题目分值框缺失，或所述待校对试卷未通过试卷分值校验，所述试卷分值校验包括若全部题目的分值加和等于所述试卷总分值，则通过校验，若全部题目的分值加和等于所述试卷总分值，则未通过校验。
32、依据本发明另一个方面，提供了一种试卷批改分数的校对装置，包括：
33、采集模块，用于采集待校对试卷的试卷图像，并对所述试卷图像进行目标检测，得到所述待校对试卷中的批改框，其中，所述批改框包括试卷总分批改框、及分别对应不同题目的题目批改框；
34、识别模块，用于对所述批改框进行字符识别，根据识别结果确定试卷批改总分以及各个所述题目的得分，并依据全部所述题目的得分计算得到试卷总得分；
35、匹配模块，用于若所述试卷总得分不匹配所述试卷批改总分，则生成所述待校对试卷的校对异常结果。
36、进一步地，所述采集模块，包括：
37、检测单元，用于对所述试卷图像进行目标检测，得到题目框坐标信息和批改框坐标信息；
38、计算单元，用于针对任一题目框，依据所述题目框坐标信息和所述批改框坐标信息，计算题目框与批改框之间的交集iou值，所述交集iou值为所述题目框与所述批改框重叠面积与所述批改框面积的比值；
39、第一确定模块，用于将所述交集iou值大于交集iou阈值的批改框确定为所述题目框对应题目的题目批改框；
40、第二确定模块，用于将与全部题目框的所述交集iou值均小于交集iou阈值的批改框确定为试卷总分批改框。
41、进一步地，所述装置还包括：
42、第一裁剪模块，用于在任一题目所对应的所述得分批改框或所述符号批改框缺失的情况下，依据所述题目框的坐标信息对所述题目图像进行裁剪，得到题目图像；
43、处理模块，用于对所述题目图像进行二值化处理，得到所述题目的初始连通域区块图像，并依据去噪面积阈值对所述初始连通域区块图像进行去噪处理，得到目标连通域区块图像；
44、第二裁剪模块，用于获取所述题目上一序位题目的批改框的水平坐标边界值，及所述题目的垂直坐标边界值，并依据所述水平坐标边界值和所述垂直坐标边界值对所述目标连通域区块图像进行裁剪；
45、所述识别模块，还用于通过批改痕迹识别模型对裁剪后的连通域区块图像进行识别，得到所述题目的批改符号，或通过分数识别模型对裁剪后的连通域区块图像进行识别，得到所述题目的批改得分。
46、进一步地，所述识别模块，包括：
47、第一配置单元，用于针对任一所述题目，在所述识别结果仅包含批改符号的情况下，若所述批改符号为对号，则将所述题目的分值配置为所述题目的得分，若所述批改符号为错号，则将所述题目的得分配置为零分；
48、第二配置单元，用于在所述识别结果包含半对半错号和批改得分的情况下，若所述批改得分为正数，则将所述批改得分配置为所述题目的得分，若所述批改得分为负数，则将所述批改得分与所述题目的分值之和配置为所述题目的得分。
49、进一步地，所述装置还包括：
50、符号二次识别模块，用于在所述识别结果未满足得分符号匹配策略的情况下，对所述符号批改框的图像进行分割处理，并通过批改痕迹识别模型对所述分割处理后的图像进行识别，得到符号批改框二次识别结果，其中，所述分符号匹配策略包括批改符号为对号或错号，且所述批改框的识别结果不包含批改得分，以及所述批改符号为半对半错号，且所述批改框的识别结果包括批改得分；
51、得分二次识别模块，用于若所述符号批改框二次识别结果仍未满足所述得分符号匹配策略，则对所述得分批改框的图像进行分割处理，并通过分数识别模型对所述分割处理后的图像进行识别，得到得分批改框二次识别结果；
52、第三确定模块，用于依据所述得分批改框二次识别结果确定所述题目的得分。
53、进一步地，所述第三确定模块，包括：
54、第三配置单元，用于若所述得分批改框二次识别结果中批改得分的绝对值小于或等于所述题目的分值，则将所述批改得分配置为所述题目的得分；
55、第四配置单元，用于若所述得分批改框二次识别结果中批改得分的绝对值大于所述题目的分值，则调取所述得分批改框二次识别结果中的候选批改得分，并将绝对值小于或等于所述题目的分值，且置信度最大的所述候选批改得分配置为所述题目的得分。
56、进一步地，所述装置还包括：
57、文本提取模块，用于在试卷分值异常的情况下，识别试卷中的异常题目，并对所述试卷图像进行文本提取，得到试卷文本信息，其中，所述异常题目包括题目分值框缺失的题目，及分值识别置信度小于预设分值识别置信度阈值的题目；
58、试卷查找模块，用于从试卷文本库中识别出与所述试卷文本信息匹配的关联试卷，并依据题目文本相似度，从关联试卷文本识别出对应异常题目的关联题目；
59、第一分值校验模块，用于调取所述关联题目的分值作为所述异常题目的预期分值，并依据所述预期分值进行试卷分值校验，若试卷分值校验结果为通过，则将所述预期分值更新为所述异常题目的分值；
60、第二分值校验模块，用于在所述试卷分值校验结果为未通过的情况下，返回所述对所述试卷图像进行文本提取，并对所述试卷图像进行文本提取的步骤，若所述试卷分值校验结果仍为未通过，则将所述异常题目的分值配置为无效分值；
61、其中，所述试卷分值异常包括所述目标检测的结果中存在至少一个题目分值框缺失，或所述待校对试卷未通过试卷分值校验，所述试卷分值校验包括若全部题目的分值加和等于所述试卷总分值，则通过校验，若全部题目的分值加和等于所述试卷总分值，则未通过校验。
62、根据本发明的又一方面，提供了一种存储介质，所述存储介质中存储有至少一个可执行指令，所述可执行指令使处理器执行如上述试卷批改分数的校对方法对应的操作。
63、根据本发明的再一方面，提供了一种终端，包括：处理器、存储器、通信接口和通信总线，所述处理器、所述存储器和所述通信接口通过所述通信总线完成相互间的通信；
64、所述存储器用于存放至少一个可执行指令，所述可执行指令使所述处理器执行上述试卷批改分数的校对方法对应的操作。
65、借由上述技术方案，本发明实施例提供的技术方案至少具有下列优点：
66、本发明提供了一种试卷批改分数的校对方法及装置、存储介质、终端，本发明实施例通过采集待校对试卷的试卷图像，并对所述试卷图像进行目标检测，得到所述待校对试卷中的批改框，其中，所述批改框包括试卷总分批改框、及分别对应不同题目的题目批改框；对所述批改框进行字符识别，根据识别结果确定试卷批改总分以及各个所述题目的得分，并依据全部所述题目的得分计算得到试卷总得分；若所述试卷总得分不匹配所述试卷批改总分，则生成所述待校对试卷的校对异常结果，避免了纸质试卷批改分数校验对人工的依赖，大大减少了试卷批改分数校验的时间，同时确保了试卷分数校对的准确性，从而有效提高了试卷批改分数的校对效率。
67、上述说明仅是本发明技术方案的概述，为了能够更清楚了解本发明的技术手段，可依照说明书的内容予以实施，并且为了让本发明的上述和其他目的、特征和优点能够更明显易懂，以下特举本发明的具体实施方式。
1.一种试卷批改分数的校对方法，其特征在于，包括：
2.根据权利要求1所述的方法，其特征在于，所述目标检测的结果还包括题目框，所述对所述试卷图像进行目标检测，得到所述待校对试卷中的批改框包括：
3.根据权利要求2所述的方法，其特征在于，所述题目批改框包括得分批改框和/或符号批改框，所述方法还包括：
4.根据权利要求1所述的方法，其特征在于，所述识别结果包括试卷批改总分、及各个所述题目的批改符号和/或批改得分，所述对所述批改框进行字符识别，根据识别结果确定试卷批改总分以及各个所述题目的得分，包括：
5.根据权利要求4所述的方法，其特征在于，所述方法还包括：
6.根据权利要求5所述的方法，其特征在于，所述依据所述得分批改框二次识别结果确定所述题目的得分，包括：
7.根据权利要求1-6中任一项所述的方法，其特征在于，所述目标检测的结果还包括试卷总分值框及对应不同题目的题目分值框，所述题目分值框的识别结果包括不同题目的分值和试卷总分值，所述方法还包括：
8.一种试卷批改分数的校对装置，其特征在于，包括：
9.一种存储介质，所述存储介质中存储有至少一可执行指令，所述可执行指令使处理器执行如权利要求1-7中任一项所述的试卷批改分数的校对方法对应的操作。
10.一种终端，包括：处理器、存储器、通信接口和通信总线，所述处理器、所述存储器和所述通信接口通过所述通信总线完成相互间的通信；
