一种能同时进行选票内容识别和票选统计的系统和方法

1.本发明涉及选票识别统计技术领域，具体涉及一种能同时进行选票内容识别和票选统计的系统和方法。


背景技术：

2.随着社会的进步，民主制度的完善，既能体现选民意愿又能快速正确统计出结果的选举方式越来越受到大家的青睐。现存的选举方式是多种多样的，如传统的人工唱票，举手表决、电子选举等，但根据投票与计票方式的不同，可将当前选举模式概括为三类：纸质选票人工唱票、无纸化电子选举、基于机器视觉的纸质选举。
3.纸质选票人工唱票方式是一种传统的全纸质选举计票方式，其特点在于人工统计选票的工作量大，计票速度慢，但纸质选票具有可验证性、用户易接受等优点。
4.而相对应的，纸质选票在统计时常选用人工统计和智能型系统扫描统计的方式，人工统计存在人为操作因素多、掺假几率大以及人工统计速率慢等缺点，故渐渐人工统计方式被智能型系统扫描统计方式替代，而智能型系统扫描统计又常因选票表面笔迹混乱、票身发生折叠等问题，产生漏计、误计等情况，虽然识别速度有较大的提升，但识别正确率仍然较低，且智能型系统扫描统计的方式只能进行单一的扫描或数据存储效果，难以实现对扫描结果进行远程存储。


技术实现要素：

5.本发明的目的在于克服现有技术的不足，提供一种能同时进行选票内容识别和票选统计的系统和方法，该方法通过对选票图像进行训练分析处理，能够对选票图像进行依次进行预处理与增强的步骤，同时还对选票图像进行损失函数补充，保障图像的完整性，再对图像进行特征提取，依据图像特征进行分类处理，在对图像进行内容识别的同时也达到了结果统计的目的，有效地提升了选票的扫描存储效率，且扫描结果准确性也具有较大幅度的提升。
6.一种能同时进行选票内容识别和票选统计的方法，包括以下步骤：
7.步骤1：获取选票图像信息，对选票图像信息进行预处理，形成原始选票图像数据样本集，建立图像数据分析模型，将原始选票图像数据样本集输入至图像数据分析模型中进行训练，得到训练后的选票图像数据样本集；
8.步骤2：计算训练后的选票图像样本数据集的损失函数，并根据损失函数更新选票图像样本数据集的参数，得到增强后的选票图像样本数据集；
9.步骤3：将增强后的选票图像样本数据集进行图像特征提取，根据图像特征进行分类处理；
10.步骤4：输出分类结果为选票统计结果。
11.优选的，所述步骤1中的选票图像信息预处理过程包括数据清洗、格式转换、字段映射、数据提取：
12.所述数据清洗用于对选票图像信息中的错误项、缺失项与重复项进行数据清洗；
13.所述格式转换用于将清洗后的选票图像信息转换为统一格式数据；
14.所述字段映射用于将格式统一后的选票图像信息数据字段映射为标准字段；
15.所述数据提取用于对字段映射后的选票图像信息进行字符提取。
16.优选的，在于，所述步骤1中，设所述原始选票图像数据样本集为t，t＝{t1,t2,...,tn}，图像数据分析模型如下式所示：
17.f＝rand(f(x))log[aii(x,y)]
[0018]
rand()是基于(0,1)之间的随机数，f(x)为字符提取层，a为增益常数，ii(x,y)表示第i个像素点的像素值。
[0019]
优选的，所述步骤3中，将增强后的选票图像样本数据集进行图像特征提取还包括以下步骤：
[0020]
步骤31：对增强后的选票图像样本数据集进行图像特征提取，得到选票图像样本数据集的样本特征图；
[0021]
步骤32：通过残差结构对样本特征图进行特征调整，得到调整后的样本图像特征数据，其中残差结构的表达式如下：
[0022]
p＝f[
·
](f
i-fi`)2[0023]
式中，f[
·
]为增强后的选票图像样本数据集的映射函数，f为样本图像特征数据特征提取前的像素值，fi`为样本图像特征数据特征提取后的像素值；
[0024]
步骤33：将调整后的样本图像特征数据与增强后的选票图像样本数据基于多曝光图像融合发进行配准，得到配准后的图像特征数据，根据配准后的图像特征数据进行分类处理。
[0025]
优选的，所述步骤3中，图像特征进行分类处理时的分类条件包括选票符号、字符语义、选票有效性。
[0026]
一种能同时进行选票内容识别和票选统计的系统，包括以下内容：
[0027]
选票图像采集模块，用于对选票的票面图像进行采集；
[0028]
选票图像预处理模块，用于对选票的票面图像进行预处理；
[0029]
选票图像增强模块，用于对选票的票面图像进行增强；
[0030]
选票图像特征提取模块，用于对选票的票面图像进行图像特征提取；
[0031]
选票特征分类模块，用于对图像特征提取后的选票进行分类处理；
[0032]
通信传输模块，用于将分类处理结果上传至运算数据服务器；
[0033]
云端数据服务器，用于管理选票的分类处理数据；
[0034]
所述选票图像采集模块、选票图像预处理模块、选票图像增强模块、选票图像特征提取模块、选票特征分类模块、通信传输模块、云端数据服务器依次连接。
[0035]
优选的，所述云端数据服务器还包括信息数据存储模块、信息数据提取模块、信息数据处理模块，所述信息数据处理模块与所述通信传输模块、信息数据存储模块、信息数据提取模块连接。
[0036]
优选的，所述通信传输模块用于将分类处理结果进行抽样、量化并编码，生产数字信号，并将数字信号传输至信息数据处理模块中。
[0037]
一种计算机设备，包括存储器、处理器以及存储在所述存储器中并可在所述处理
器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序时实现一种能同时进行选票内容识别和票选统计的方法的步骤。
[0038]
一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现一种能同时进行选票内容识别和票选统计的方法的步骤。
[0039]
本发明的有益效果是：
[0040]
提供一种能同时进行选票内容识别和票选统计的系统和方法，该方法通过对选票图像进行训练分析处理，能够对选票图像进行依次进行预处理与增强的步骤，同时还对选票图像进行损失函数补充，保障图像的完整性，再对图像进行特征提取，依据图像特征进行分类处理，在对图像进行内容识别的同时也达到了结果统计的目的，有效地提升了选票的扫描存储效率，且扫描结果准确性也具有较大幅度的提升。
附图说明
[0041]
图1显示为一种能同时进行选票内容识别和票选统计的方法的流程图；
[0042]
图2显示为一种能同时进行选票内容识别和票选统计的系统的原理图；
[0043]
图3显示为一种能同时进行选票内容识别和票选统计的系统的云端数据服务器的原理图。
具体实施方式
[0044]
为了使本发明的目的，技术方案及优点更加清楚明白，以下结合附图及实施例，对本发明进行进一步详细说明。应当理解，此处所描述的具体实施例仅用以解释本发明，并不用于限定本发明，即所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。通常在此处附图中描述和示出的本发明实施例的组件可以以各种不同的配置来布置和设计。
[0045]
因此，以下对在附图中提供的本发明的实施例的详细描述并非旨在限制要求保护的本发明的范围，而是仅仅表示本发明的选定实施例。基于本发明的实施例，本领域技术人员在没有做出创造性劳动的前提下所获得的所有其他实施例，都属于本发明保护的范围。需要说明的是，术语“用于”和“通过”等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。
[0046]
而且，术语“包括”，“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程，方法，物品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程，方法，物品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个
……”
限定的要素，并不排除在包括所述要素的过程，方法，物品或者设备中还存在另外的相同要素。
[0047]
以下结合实施例对本发明的特征和性能作进一步的详细描述。
[0048]
如图1所示，一种能同时进行选票内容识别和票选统计的方法，包括以下步骤：
[0049]
步骤1：获取选票图像信息，对选票图像信息进行预处理，形成原始选票图像数据样本集，建立图像数据分析模型，将原始选票图像数据样本集输入至图像数据分析模型中进行训练，得到训练后的选票图像数据样本集；
[0050]
步骤2：计算训练后的选票图像样本数据集的损失函数，并根据损失函数更新选票图像样本数据集的参数，得到增强后的选票图像样本数据集；
[0051]
步骤3：将增强后的选票图像样本数据集进行图像特征提取，根据图像特征进行分类处理；
[0052]
步骤4：输出分类结果为选票统计结果。
[0053]
更进一步的，所述步骤1中的选票图像信息预处理过程包括数据清洗、格式转换、字段映射、数据提取：
[0054]
所述数据清洗用于对选票图像信息中的错误项、缺失项与重复项进行数据清洗；
[0055]
所述格式转换用于将清洗后的选票图像信息转换为统一格式数据；
[0056]
所述字段映射用于将格式统一后的选票图像信息数据字段映射为标准字段；
[0057]
所述数据提取用于对字段映射后的选票图像信息进行字符提取。
[0058]
更进一步的，在于，所述步骤1中，设所述原始选票图像数据样本集为t，t＝{t1,t2,...,tn}，图像数据分析模型如下式所示：
[0059]
f＝rand(f(x))log[aii(x,y)]
[0060]
rand()是基于(0,1)之间的随机数，f(x)为字符提取层，a为增益常数，ii(x,y)表示第i个像素点的像素值。
[0061]
步骤2中损失函数如下式所示：
[0062][0063]
其中，m
·
n为选票图像数据模板区域。
[0064]
更进一步的，所述步骤3中，将增强后的选票图像样本数据集进行图像特征提取还包括以下步骤：
[0065]
步骤31：对增强后的选票图像样本数据集进行图像特征提取，得到选票图像样本数据集的样本特征图；
[0066]
步骤32：通过残差结构对样本特征图进行特征调整，得到调整后的样本图像特征数据，其中残差结构的表达式如下：
[0067]
p＝f[
·
](f
i-fi`)2[0068]
式中，f[
·
]为增强后的选票图像样本数据集的映射函数，f为样本图像特征数据特征提取前的像素值，fi`为样本图像特征数据特征提取后的像素值；
[0069]
步骤33：将调整后的样本图像特征数据与增强后的选票图像样本数据基于多曝光图像融合发进行配准，得到配准后的图像特征数据，根据配准后的图像特征数据进行分类处理。
[0070]
更进一步的，所述步骤3中，图像特征进行分类处理时的分类条件包括选票符号、字符语义、选票有效性。
[0071]
如图2所示，一种能同时进行选票内容识别和票选统计的系统，包括以下内容：
[0072]
选票图像采集模块，用于对选票的票面图像进行采集；
[0073]
选票图像预处理模块，用于对选票的票面图像进行预处理；
[0074]
选票图像增强模块，用于对选票的票面图像进行增强；
[0075]
选票图像特征提取模块，用于对选票的票面图像进行图像特征提取；
[0076]
选票特征分类模块，用于对图像特征提取后的选票进行分类处理；
[0077]
通信传输模块，用于将分类处理结果上传至运算数据服务器；
[0078]
云端数据服务器，用于管理选票的分类处理数据；
[0079]
所述选票图像采集模块、选票图像预处理模块、选票图像增强模块、选票图像特征提取模块、选票特征分类模块、通信传输模块、云端数据服务器依次连接。
[0080]
如图3所示，更进一步的，所述云端数据服务器还包括信息数据存储模块、信息数据提取模块、信息数据处理模块，所述信息数据处理模块与所述通信传输模块、信息数据存储模块、信息数据提取模块连接。
[0081]
更进一步的，所述通信传输模块用于将分类处理结果进行抽样、量化并编码，生产数字信号，并将数字信号传输至信息数据处理模块中。
[0082]
一种计算机设备，包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序时实现一种能同时进行选票内容识别和票选统计的方法的步骤。
[0083]
一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现一种能同时进行选票内容识别和票选统计的方法的步骤。
[0084]
以上结合附图详细描述了本发明的优选实施方式，但是，本发明并不限于上述说明书中实施方式中的具体细节，在本发明的技术构思范围内，可以对本发明的技术方案进行多种简单变型，这些简单变型均属于本发明的保护范围。另外需要说明的是，在上述具体实施方式中所描述的各个具体技术特征，在不矛盾的情况下，可以通过任何合适的方式进行组合，为了避免不必要的重复，本发明对各种可能的组合方式不再另行说明。此外，本发明的各种不同的实施方式之间也可以进行任意组合，只要其不违背本发明的思想，其同样应当视为本发明所公开的内容。