申请/专利权人：湖北工业大学

申请日：2020-12-20

公开（公告）日：2024-03-26

公开（公告）号：CN112597876B

主分类号：G06V30/226

分类号：G06V30/226;G06V30/18;G06V30/19;G06V10/82;G09B11/00;G06N3/0464

优先权：

专利状态码：有效-授权

法律状态：2024.03.26#授权;2021.04.23#实质审查的生效;2021.04.02#公开

摘要：汉字是中华文明的象征，书法是汉字文化的精髓。针对目前书法教育上面临的师资匮乏，无人值守情况下完成书法练习作品的评价和指导难等问题，提出了一种基于特征融合的智能评价方法。首先，基于卷积神经网络完成书法汉字的识别任务。然后，基于汉字骨架提取算法针对单一书法汉字图像进行综合评价，进行局部特征和全局特征提取，并进行特征的融合分析。最后，构建书法汉字辅助学习系统，对输入的书法练习结果进行评分和评价反馈。实验结果表明，基于局部特征和全局特征的相似度计算的客观评分基本符合人的主观评分，证明了本文评判算法的可行性。

主权项：1.一种基于特征融合的书法汉字评判方法，其特征在于，包括识别模块和评价模块，包括以下步骤：步骤一：所述识别模块利用卷积神经网络模型进行汉字识别；步骤二：所述评价模块基于汉字骨架提取算法对书法汉字的特征结构进行书法汉字特征分析，得到书法汉字的综合评价；步骤三：基于书法汉字特征分析，完成对用户书法汉字练习评价的计算机评价系统；所述步骤一包括：采用ResNet网络模型对汉字进行识别包括，通过将用户所书写的书法汉字图像和CASIA-HWDB数据库输入所述ResNet网络模型，使用所述ResNet网络模型对用户所书写的书法汉字图像进行和CASIA-HWDB数据库进行训练，分类得到最终识别结果；所述步骤二包括：所述书法汉字特征包括局部特征和全局特征，所述局部特征包括拐点处的拐角；所述全局特征包括骨架米字格分割，基于HU矩和皮尔逊系数计算拆分后的相似度；所述步骤二包括：首先对汉字的骨架进行提取，在提取书法字的骨架时，骨架尽量不要出现断裂的现象；分析汉字是否存在拐点，若是，则进行局部特征计算，对汉字的笔画提取，计算拐点处的拐角，对比汉字笔画的拐角的相似度，把握汉字的局部细节效果，对汉字进行局部效果评价，然后进行全局效果评价；若否，则进行全局特征计算，计算骨架米字格分割后，基于HU矩和皮尔逊系数计算拆分后的相似度，从而计算骨架手写书法汉字与临摹中汉字的相似度，通过比较完整骨架的相似度，进行全局效果评判，最后输出评分结果；所述步骤二中包括：汉字的骨架提取，就是将汉字图像的像素点由外向内进行腐蚀，最终得到像素点宽度为1，原始书法汉字相近的线条图形；所述步骤三包括：对比标准库中汉字局部特征和全局特征的相似度，所述标准库包括3755个一级汉字的.png图像，并将其从1至3755编号。

全文数据：

权利要求：

百度查询： 湖北工业大学 基于特征融合的书法汉字评判方法

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