申请/专利权人：广州青鹿教育科技有限公司

申请日：2023-08-22

公开（公告）日：2023-11-21

公开（公告）号：CN117095414A

主分类号：G06V30/226

分类号：G06V30/226;G06V10/82;G06N3/0464;G06N3/08

优先权：

专利状态码：在审-实质审查的生效

法律状态：2023.12.08#实质审查的生效;2023.11.21#公开

摘要：一种基于点阵纸笔的手写识别方法及其识别系统，包括点阵纸、手写终端、智能终端，点阵纸上设置有若干带有特定信息的输入框，通过手写终端在点阵纸的输入框内手写文字，手写过程中手写终端不断拍照，将拍摄的照片转换成成坐标点数据后传输给识别模块，识别模块接收坐标数据，将一个输入框内的笔迹数据为字符串的格式输入识别模型中，再经降噪预处理、特征提取与建模分析、模型识别和后处理后得到识别结果。本发明采用基于输入框的手写笔迹识别方案，并利用点阵技术，同时将深度学习、机器学习和计算机视觉相结合，基于视觉和时序建立联机手写识别模型，最大程度地兼容用户的书写习惯，且识别准确率高、速度快。

主权项：1.一种基于点阵纸笔的手写识别方法，其特征在于，包括如下步骤：S1、点阵纸上设置有若干带有特定信息的输入框，通过手写终端在点阵纸的输入框内手写文字，一个输入框内手写一行文字，手写过程中手写终端不断拍照，将拍摄的照片转换成坐标点数据后传输给识别模块；S2、识别模块接收坐标点数据，并以输入框为单位，将一个输入框内的笔迹数据转换为字符串的格式输入识别模型中，字符串包含坐标点的x轴位置信息、y轴位置信息和状态信息，识别模型通过预处理程序将其转换为以笔画为单位的坐标元组集合T1；S3、坐标元组集合T1经降噪处理，得到坐标元组集合记作T2；S4、将T2中的数据经过缩放后得到新的样本轨迹点，再通过直线生成算法将轨迹点绘制到二维矩阵上，并进行二值化，将二值化后的矩阵记为M，M∈m×m，其中m表示矩阵的行数和列数；S5、将T2中的笔画数据输入分割模型，通过行内切割算法，得到若干个可能存在的单个字符笔画组合，记作轨迹点分割组合Combs，并将Combs中一个Comb中的笔迹点组成的整体定义为伪字符Traj；S6、按照S5中生成的轨迹点分割组合Combs，分别将每个组合内的伪字符Traj3-g投影到二维平面生成二值矩阵，记作M3-g，将矩阵M3-g输入训练好的深度神经网络模型，得到每个伪字符的识别结果一；S7、根据识别结果一，将生成的每个组合的伪字符的二值矩阵M3-g输入异常识别模型，算出各组合的异常识别结果；S8、根据识别结果一和异常识别结果决定每个伪字符是否进入机器学习模型和模式匹配模型，如果不进入机器学习模型和模式匹配模型，则直接根据识别将结果一和异常识别结果输出该伪字符的识别结果二，否则先将每个伪字符的笔画进行特征编码，再输入到机器学习模型和模式匹配模型中得到识别结果二；S9、根据识别结果一、异常识别结果和识别结果二，基于决策模型输出最终识别结果。

全文数据：

权利要求：

百度查询： 广州青鹿教育科技有限公司 一种基于点阵纸笔的手写识别系统及识别方法

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD