[发明专利]笔划识别方法、装置、可读介质及电子设备有效

专利信息
申请号: 202110524508.1 申请日: 2021-05-13
公开(公告)号: CN113128470B 公开(公告)日: 2023-04-07
发明(设计)人: 张宇轩;林丽;黄灿;王长虎 申请(专利权)人: 北京有竹居网络技术有限公司
主分类号: G06V30/18 分类号: G06V30/18;G06N3/048;G06N3/0464;G06N3/08
代理公司: 北京英创嘉友知识产权代理事务所(普通合伙) 11447 代理人: 贺晓蕾
地址: 101299 北京市平*** 国省代码: 北京;11
权利要求书: 查看更多 说明书: 查看更多
摘要:
搜索关键词: 笔划 识别 方法 装置 可读 介质 电子设备
【说明书】:

本公开涉及一种笔划识别方法、装置、可读介质及电子设备,包括:获取包括手写字的原始图像;提取原始图像中各个手写字对应的图像信息;将各个手写字对应的图像信息输入笔划处理模型中,以分别识别各个手写字的笔顺。这样,通过预先训练好的笔划处理模型不仅能够从离线拍摄的任意手写字图像中确定手写字的笔划,而且还能确定出各笔划的书写顺序,无需用户在能够获取到用户书写信息等具有特定功能的书写设备上进行练字,也无需分别通过汉字的书写规则对手写字中拆解到的各个笔划进行组合才能获得原始图像中的各个手写字的笔顺,这样能够使得确定图像中的手写字的笔顺的过程更加快捷且结果更加精准。

技术领域

本公开涉及图像处理领域,具体地,涉及一种笔划识别方法、装置、可读介质及电子设备。

背景技术

现有的离线田字格拍照图片提取笔划信息主要有两种方法。一种是基于传统图像方法,这类方法往往将笔划提取分为两个步骤,对独立笔划的提取及笔划交叉点的处理。这种方法不能根据图片中的笔划粗细信息进行提取,而且由于规则较多,笔划提取速度较慢,笔划提取精度不佳。一种是基于深度学习图像算法,通常分为两个主要的思路,第一种通过结合传统聚类算法将像素聚类成不同笔划,但是无法识别交叉点;另一种利用语义分割的思路,将交叉点单独作为一个类别进行分割,这种方法在训练过程需要大量对交叉点进行非常精确的标注的训练数据,很耗费时间和人力,并不是很实用。

发明内容

提供该发明内容部分以便以简要的形式介绍构思,这些构思将在后面的具体实施方式部分被详细描述。该发明内容部分并不旨在标识要求保护的技术方案的关键特征或必要特征,也不旨在用于限制所要求的保护的技术方案的范围。

第一方面,本公开提供一种笔划识别方法,所述方法包括:

获取包括手写字的原始图像;

提取所述原始图像中各个手写字对应的图像信息,所述图像信息包括所述原始图像中属于所述手写字笔划的前景图像区域和背景图像区域;

将各个手写字对应的图像信息输入笔划处理模型中,以分别识别各个手写字的笔顺。

第二方面,本公开提供一种笔划识别装置,其特征在于,所述装置包括:

获取模块,用于获取包括手写字的原始图像;

提取模块,用于提取所述原始图像中各个手写字对应的图像信息,所述图像信息包括所述原始图像中属于所述手写字笔划的前景图像区域和背景图像区域;

识别模块,用于将各个手写字对应的图像信息输入笔划处理模型中,以分别识别各个手写字中每一笔划的笔顺。

第三方面,本公开提供一种计算机可读介质,其上存储有计算机程序,该程序被处理装置执行时实现以上所述方法的步骤。

第四方面,本公开提供一种电子设备,包括:

存储装置,其上存储有计算机程序;

处理装置,用于执行所述存储装置中的所述计算机程序,以实现以上所述方法的步骤。

通过上述技术方案,通过预先训练好的笔划处理模型不仅能够从离线拍摄的任意手写字图像中直接确定出各个手写字的每一个笔划信息,而且还能确定出各笔划的书写顺序,也即笔顺,无需用户在能够获取到用户书写信息等具有特定功能的书写设备上进行练字,才能实现对用户书写的手写字笔划顺序的确定,也无需分别根据该书写字中所包括的所有笔划一一通过合并拆分之后,再结合汉字的书写规则进而才能获得原始图像中的各个手写字的笔顺,这样能够使得确定图像中的手写字的笔顺的过程更加快捷且结果更加精准。

本公开的其他特征和优点将在随后的具体实施方式部分予以详细说明。

附图说明

下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。

该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于北京有竹居网络技术有限公司,未经北京有竹居网络技术有限公司许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服

本文链接:http://www.vipzhuanli.com/pat/books/202110524508.1/2.html,转载请声明来源钻瓜专利网。

同类专利
专利分类
×

专利文献下载

说明:

1、专利原文基于中国国家知识产权局专利说明书;

2、支持发明专利 、实用新型专利、外观设计专利(升级中);

3、专利数据每周两次同步更新,支持Adobe PDF格式;

4、内容包括专利技术的结构示意图流程工艺图技术构造图

5、已全新升级为极速版,下载速度显著提升!欢迎使用!

请您登陆后,进行下载,点击【登陆】 【注册】

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top