O documento discute o uso de Python e OpenCV para corrigir provas de vestibular usando reconhecimento óptico de marcas (OMR). Explica o que é OMR, como funciona a análise de imagens com computação visual e bibliotecas como OpenCV, e possíveis problemas como folhas dobradas ou marcações mal feitas que podem ser resolvidos aumentando a sensibilidade do algoritmo e melhorando o alinhamento do formulário.

1. Corrigindo o vestibular com Python e OpenCV
Romualdo André da Costa
Analista de TI – UFRB

2. O que é um OMR?
● Optical Mark Recognition
(OMR)
● Melhor alternativa para
coletar dados de terceiros.
● Assim é possível ler
marcações e convertê-las
em registros alfanuméricos
para armazenamento e
processamento usando um
computador (Wynn,1984)

3. O que é um OMR?
● Baixo custo por prova.
● Confiança de quase 100%.
● OMR completos, com software e hardware
dedicados, chegam a custar mais de US$
30.000 (Hussmann; Deng, 2005)

4. Antes

5. Fonte: Hussmann; Deng (2005)
Como funciona?

6. Computação visual
●
A computação visual trata de processos onde
busca-se dar sentido à imagem e extrair
informações, inclusive em conjunto com a
inteligência artificial (GONZALEZ; WOODS,
2010)
●
Biblioteca OpenCV. (OPENCV, 2013)

7. Análise de imagens
Software OMR

9. Problemas
● Folha dobrada
● Marcação mal feita
● Marcação incorreta

10. Folha dobrada

11. Marcação mal feita

12. Marcação incorreta

13. Conclusão
● Aumentar sensibilidade
– Captura marcações mal feitas e incorretas.
– Pode capturar ruídos (problema de impressão,
sujeira).
● Melhorar algoritmo de alinhamento
– Formulário com quatro pontos de referência.
● Processo fica mais lento, porém menor custo
de manutenção
● Independência tecnológica.

14. Referências
BERGERON, B. Optical Mark Recognition: Tallying information from
filled-in 'bubbles'. Postgraduate Medicine. Vol. 104, no. 2, ago. 1998.
Disponível em:
<http://www.omrsolutions.com/download/case_studies/medical.pdf>.
Acesso em: 3 out. 2013.
GONZALEZ, R. C.; WOODS, R. E.. Processamento Digital de
Imagens. 3 ed. São Paulo: Pearson Prentice Hall. 2010.
HUSSMANN, S.; DENG, P. W. A high-speed optical mark reader
hardware implementation at low cost using programmable logic. Real-
time Imaging, volume 11, número 1, p.19-30. 2005. Disponível em:
<http://www.sciencedirect.com/science/article/pii/S1077201405000124>.
Acesso em: 15 out 2013.
OPENCV, Open Source Computer Vision Library. Disponível em:
<http://opencv.org/about.html>. Acesso em: 15 nov 2013.
WYNN, R.. Optical Mark Recognition: How OMR compares with other
data entry techniques. Data Processing. Vol. 26, no. 9, nov 1984.
Disponível em:
<http://www.sciencedirect.com/science/article/pii/0011684X84904349>.
Acesso em: 3 out 2013.

15. www.programadorfeirense.com.br/blog

16. www.jsday.com.br