[发明专利]一种手写英文单词识别方法及系统

说明书

本发明提供一种手写英文单词识别方法及系统，包括：将待识别图像进行长度预处理，得到标准图像数据；将所述标准图像数据输入预先训练好的卷积神经网络模型，得到空间特征向量；将所述空间特征向量输入预先训练好的编码器，得到编码信息；将所述编码信息输入预先训练好的解码器，得到识别结果。本发明针对英文单词的序列特性，构造了卷积神经网络模型、编码器和解码器对手写英文单词进行识别，提高了手写英文单词识别的准确率。

技术领域

本发明涉及图像识别技术领域，具体涉及一种手写英文单词识别方法及系 统。

背景技术

为了提高考试公平性以及生活便利性，对手写文字进行识别是一种新兴趋势。 然而英文单词与汉字的特点不同，英文单词更注重字母排列顺序。因此现有的文字 识别方法用于识别英文单词时，往往准确率不高，导致识别错误。

发明内容

针对现有技术的上述不足，本发明提供一种手写英文单词识别方法及系统， 以解决上述技术问题。

第一方面，本发明提供一种手写英文单词识别方法，包括：

将待识别图像进行长度预处理，得到标准图像数据；

将所述标准图像数据输入预先训练好的卷积神经网络模型，得到空间特征 向量；

将所述空间特征向量输入预先训练好的编码器，得到编码信息；

将所述编码信息输入预先训练好的解码器，得到识别结果。

进一步的，所述将待识别图像进行长度预处理，得到标准图像数据，包括：

设置图像的宽度标准值和长宽比；

将所述待识别图像转换为灰度图；

将所述待识别图像的宽度调整为所述标准值，并根据所述长宽比调整所述 待识别图像的长度；

若所述长度达不到预设长度值，则用白色进行填充；

对经灰度转换和长宽调整的待识别图像的图像数据进行去均值和归一化处 理，得到标准图像数据。

进一步的，所述方法还包括：

构建卷积神经网络模型、含双隐藏层的双向长短期记忆网络和注意力机制 的双向长短期记忆网络，其中，含双隐藏层的双向长短期记忆网络为编码器， 注意力机制的双向长短期记忆网络为解码器；

准备多张带有手写英文单词的图像，生成训练集、验证集和测试集；

利用所述训练集和验证集对构建卷积神经网络模型、编码器和解码器进行 训练；

利用测试集对训练好的卷积神经网络模型、编码器和解码器进行测试，根 据测试结果筛选最优的卷积神经网络模型、编码器和解码器。

进一步的，所述构建卷积神经网络模型包括：

设置卷积神经网络模型的Conv卷积层的初始化策略为每层输出的方差相 差不超过预设阈值；

设置卷积核的尺寸为3*3；

将Relu设置为所述卷积神经网络模型的激活函数；

选用MaxPooling池化层，并设置所述MaxPooling池化层采用VALID填充 方式，池化窗口尺寸包括2*2和2*1；

在部分卷积层后增加Batch Normalization层和dropout操作。

进一步的，所述将所述空间特征向量输入预先训练好的编码器，得到编码 信息，包括：

编码器接收所述空间特征向量之后更新自身隐藏状态，将所述空间特征向 量依次按照时间步进行双向传递；