[发明专利]一种面向Canvas画布的手写汉字笔顺识别方法

权利要求书

1.一种面向Canvas画布的手写汉字笔顺识别方法，其特征在于，包括以下步骤：

步骤1，使用Canvas画布绘制汉字书写区域，该区域用于移动端应用书写单个汉字或单个笔画；

步骤2，构建基于改进ResNeXt网络的汉字笔画识别模型，初始化网络参数；

步骤3，将预处理后的数据集，使用改进ResNeXt网络初始化模型进行迭代训练，当训练达到预先设定的迭代次数后，将得到一个当前最优的手写汉字笔画识别模型；

步骤4，当训练轮次达到10的整数倍时，使用验证数据集验证笔画预测的准确性，同时保存当前最优模型的权重参数；

步骤5，在Canvas书写区域中书写汉字以用于预测汉字笔顺，每当书写完成一个汉字之后，汉字的每一个笔画会分别记录在笔画记忆层中，汉字的整体记录在汉字记忆层，笔画的记录方式与上述绘制数据集时记录笔画关键点和笔画路径的方式一致，汉字的记录是以黑色绘制汉字的整体；

步骤6，将获取到的所有汉字笔画依次使用上述最优的训练模型进行预测，并将每个笔画的预测结果进行拼接，得到一个由多个汉字笔画标签组成的字符串，该字符串即为具有汉字笔顺意义的标签字符串；

步骤7，将上述预测的标签字符串与汉字笔顺字典进行匹配，查找字典中对应汉字的笔顺是否与预测的一致，该字典包含了所有常用汉字的笔顺标签字符串，若预测的标签字符串与字典中的标签字符串一致，则表明该汉字笔顺书写正确，否则书写错误。

2.根据权利要求1所述的面向Canvas画布的手写汉字笔顺识别方法，其特征在于，所述步骤1包括如下具体步骤：

步骤1.1：在Canvas书写区域中分别书写常用的26种汉字笔画，每一个笔画的书写，Canvas画布将绘制出该笔画的起始像素坐标点作为关键点以红色标识，整个笔画的路径以黑色标识，一个笔画绘制完成后，以图片形式保存，每种笔画书写若干个，以构建成一个由26种汉字笔画组成的笔画数据集；

步骤1.2：为上述数据集打上标签，标签以26个小写的英文字母a-z分别对应上述26种汉字笔画，每一种汉字笔画存储在一个以该笔画标签命名的文件夹中；

步骤1.3：从上述数据集即26种汉字笔画文件夹中随机乱序地抽取70％的图像作为训练数据集，30％的图像作为验证数据集；

步骤1.4：对上述训练数据集和验证数据集进行预处理，包括图片标签提取、图片大小裁剪、数值映射和数据归一化处理。

3.根据权利要求1所述的面向Canvas画布的手写汉字笔顺识别方法，其特征在于，所述步骤2包括如下具体步骤：

在ResNeXt网络基础上引入WSL弱监督学习模式构建预测模型，引入HetConv异构卷积，其中，M为输入的通道数量，P为每组的卷积核数量，HetConv异构卷积将某一层的同构卷积的M个卷积核分为M/P组，每组卷积核只有一个大小为3×3卷积核，其余均为大小为1×1的卷积核；设输出的特征图尺寸为D×D，输出通道数为N，卷积核尺寸为K×K，其中尺寸为K×K的卷积核个数为M/P个，其余卷积核大小为1×1，则每一层卷积的总计算量F_all为每个大小为K×K的卷积核计算量F_k与1×1卷积核计算量之和，表示为：

F_k＝D×D×P×N×K×K

F_all＝F_k+F₁

使用P为2时的效果最佳，其它的初始化网络参数包括：训练时batch的大小batch_size为64，训练轮次epoch为200，输入的图片尺寸input_size为224×224，输入通道为4，权重衰减系数weight_decay为0.0005，动量momentum为0.9，学习率learning_rate为0.001。

4.根据权利要求1所述的面向Canvas画布的手写汉字笔顺识别方法，其特征在于，所述步骤3改进ResNeXt网络初始化模型包含以下模块：卷积核、批归一化层、Relu线性激活层、最大池化层、分组卷积模块、自适应平均池化层和全连接层。