[发明专利]一种面向Canvas画布的手写汉字笔顺识别方法

说明书

本发明属于计算机图像处理技术领域，公开了一种面向Canvas画布的手写汉字笔顺识别方法，采用Canvas画布绘制汉字，准确地标识笔画的起始关键点和路径；引入笔画记忆层用于依次记录每个笔画的图像，保证笔画记录的顺序；引入汉字记忆层用于记录完整的汉字，无须再通过融合笔画的方式生成汉字，简化了流程；本发明改进了ResNeXt网络，使用WSL弱监督学习模式进行深层网络的训练，提高了汉字笔画识别的精度，并在此基础上引入HetConv异构卷积，降低了训练的参数，提高了模型的分类准确度；采用改进ResNeXt网络面向Canvas画布场景的汉字笔画识别，解决了移动端场景下的应用难以完成手写汉字笔顺识别的困难。

技术领域

本发明属于计算机图像处理技术领域，尤其涉及一种面向Canvas画布的手写汉字笔顺识别方法。

背景技术

中华汉字博大精深，但目前，贯穿小学至大学的许多学生，在汉字书写方面都存在着诸多的不规范。大部分人的汉字书写还停留在依样画葫芦的阶段，在书写汉字时我们总是只关注某个字的整体字形而忽略了其笔画顺序。无纸化的推进，让我们的动手能力日趋下降，同时也把汉字笔顺书写错误的习惯带到了移动设备的书写场景上来了。

在未来，使用平板或智能手机书写将会成为主流，而这些移动智能设备也恰能为我们校验汉字笔顺书写是否正确提供技术支撑。目前多数的在线教育类应用能够校验整个汉字的字形，却少有能够分析汉字的笔顺是否书写正确的应用。少数现存的汉字笔顺识别方法都还停留在纸张书写的应用场景上，针对移动应用的场景却鲜有人知。

Canvas画布是目前移动端应用主流的书写和绘制技术，它通过JavaScript语言来绘制矩形、圆形、三角形、折线等图形。移动端应用常将Canvas画布运用在数据可视化、游戏、广告、笔记和手写签名等场景中。Canvas画布能像素级绘制图形，使用Canvas书写汉字时，能记录每一个笔画的像素坐标位置，同时可以根据汉字的每一个笔画单独对其图层进行分层。传统的，可以通过路径法识别一个笔画，根据获取每一个笔画路径上的多个关键点，使用路径签名特征、关键点间距离、曲率和笔画走向等方法来推算出这一路径可能的笔画。但对于深度学习高度成熟的今天，实际无需使用上述方法也能准确地预测出一个笔画。

使用深度学习的CNN卷积神经网络进行汉字笔画识别能极为精准地识别汉字笔画，且具有较强的鲁棒性。利用卷积神经网络对汉字通过Canvas生成的每一个笔画图层分别进行预测，并合并最终预测的结果，可以得到一个汉字的完整笔画顺序，将神经网络预测得到的笔顺与该汉字正确的笔顺进行匹配，即可判断该汉字的笔顺书写是否正确。

ResNet网络为了解决深层网络中的退化问题，人为地让神经网络某些层跳过下一层神经元的连接，隔层相连，弱化每层之间的强联系，这种神经网络被称为残差网络。而ResNeXt网络是由ResNet网络的改进而来，ResNeXt网络对ResNet网络中Bottle块采用了多分支的策略，这一优化提高了模型的表达能力，增强了网路结构。使用ResNeXt网络作为汉字笔画预测的网络模型，能够更加高效、精确地识别每一个在Canvas画布上绘制的汉字笔画。

发明内容

本发明目的在于提供一种面向Canvas画布的手写汉字笔顺识别方法,以解决移动端应用手写汉字笔顺识别的技术问题。

为解决上述技术问题，本发明的一种面向Canvas画布的手写汉字笔顺识别方法的具体技术方案如下：

一种面向Canvas画布的手写汉字笔顺识别方法，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；