[发明专利]一种多设备融合的书法教学系统

说明书

本发明公开了一种多设备融合的书法教学系统，本发明涉及书法教学技术领域。该多设备融合的书法教学系统，解决了传统的辅助书法练习用的APP在使用时，评价标准单一、不能直观发现书写过程中的问题，同时在使用时使得临摹方式脱离传统书法写作方式的问题。

技术领域

本发明涉及书法教学技术领域，具体为一种多设备融合的书法教学系统。

背景技术

目前现有辅助书法练习的APP普遍针对性不强，用法十分有限。 具体体现如下：

(1)临摹方式脱离传统书法写作方式。用户采用电容笔、手指进行书法 练习，而非使用传统的笔墨纸砚。这种方式下，用户无法感受到书法运笔间 的真实细节，不利于用户书法进步。

(2)不能直观发现书写过程中的问题。用户只知书写“结果”有误，但 不知书写“过程”是否有差错，难以及时了解书写过程中存在的力度与姿势 错误。但是对于书法练习来说，明确书写时的姿势与力度至关重要。

(3)评价标准单一。APP提供的评价标准是用户了解自己书写成果的直 观途径，但是部分APP只对用户写好的作品进行重影比对，具有一定片面性。 同时，这种评价方式未从根本上对用户书写中的问题进行指导，反馈的问题 也只停留在表面，而未立足于用户发展。

发明内容

(一)解决的技术问题

针对现有技术的不足，本发明提供了一种多设备融合的书法教学系统， 解决了传统的辅助书法练习用的APP在使用时，评价标准单一、不能直观发 现书写过程中的问题，同时在使用时使得临摹方式脱离传统书法写作方式的 问题。

(二)技术方案

为实现以上目的，本发明通过以下技术方案予以实现：一种多设备融合 的书法教学系统，包括书法练习模块、表面肌电信号采集、练习评价模块和 书法教程模块，其特征在于：所述书法练习模块由书写姿势矫正功能、书写 力度矫正功能和切字功能组成，所述表面肌电信号采集由表面肌电信号的特 征提取、表面肌电信号的分类、表面肌电信号的肌力估计和图像的姿势识别 组成，所述练习评价模块由脱机手写汉字识别、手写汉字图像对比。肌电信 号(EMG)是肌肉兴奋过程中产生的一个个运动单位动作电位序列经过脂肪、肌肉和皮肤等组织形成的容积导体的滤波作用后在检测电极处叠加并掺杂检测 噪声而形成的一种非平稳的生理电信号。在书法教程模块中，本产品对用户 进行字体教学。在用户开始练习时，系统将会根据用户所练汉字查询数据库， 对该字的书写教程进行文字展示，并给出特定笔画的书写指导，用户可以根 据教程进行重复练习。

优选的，所述表面肌电信号的特征提取是采用基于PCA的多通道肌电信 息融合。当肌肉发力过程中,阵列表面电极和皮肤间存在的接触松动和相对位 移会引入相应噪声，使得静息期产生伪肌肉激活现象和整体激活强度异常等 现象。利用PCA的预处理手段，可以很好地实现被噪声污染严重通道的信号 去噪与增强。

优选的，所述表面肌电信号的分类是采用LSTM。肌电信号的采样频率为 1000Hz,而书写的过程可能长达几十秒，这就导致肌电信号的序列可能会很长， 为了解决长序列训练过程中的梯度消失和梯度爆炸问题，使用LSTML进行表 面肌电信号的分类。

优选的，所述表面肌电信号的肌力估计是采用多项式模型。大多数情况 下肌电和肌力并不是简单的线性关系。以手指按压力为例，肌电-肌力估计模 型在低收缩力下(10％-30％最大收缩力)满足幂指数的形式，在中度收缩力下 ((30％-50％最大收缩力)满足线性形式，在强收缩力下(50％-80％最大收缩力) 满足对数形式(Hou et al.,2009)。肌力估计研究选用多项式模型搭建肌力估 计模型。下列方程式给出了模型的表达式,y＝k₀+k₁x+…k_nxⁿ；其中y 和x分别表示力和输入信号，k是待优化的模型系数。