手写数字的识别方法及装置制造方法及图纸

本发明专利技术提供的手写数字的识别方法及装置，通过采用接收待识别手写数字的原始图片，对所述原始图片进行二值处理，获得所述待识别手写数字的二值图片；对所述二值图片进行矩阵化处理，获得所述待识别数字图片对应的特征向量；利用预设的支持向量机模型对所述特征向量进行识别，获得所述待识别手写数字的识别结果的方式，从而利用支持向量机模型对手写数字进行识别，以避免现有的采用人工识别的方式而带来的识别效率低以及识别准确度低的问题。

【技术实现步骤摘要】
手写数字的识别方法及装置
本专利技术涉及计算机技术，尤其涉及一种手写数字的识别方法及装置。
技术介绍
手写数字广泛存在于银行支票信息、信封邮政编码信息、海关等场景中。在现有技术中，是利用人工对这些手写数字进行识别的，即通过人工经验观察得到手写数字所对应的信息，以便进行随后的录入或转发等处理。但是随着信息技术的发展，这样的识别方式显然不能满足大数据时代的需要。每个人对手写数字的敏感程度的不同，而人工识别的主观性较强，不同的人识别相同的手写数字可能会得到不同的结果，识别准确率受到影响。
技术实现思路
为了解决现有技术中存在的对手写数字采用人工识别而导致的识别准确率低的问题，本专利技术提供了一种手写数字的识别方法及装置。一方面，本专利技术提供了一种手写数字的识别方法，包括：接收待识别手写数字的原始图片，对所述原始图片进行二值处理，获得所述待识别手写数字的二值图片；对所述二值图片进行矩阵化处理，获得所述待识别数字图片对应的特征向量；利用预设的支持向量机模型对所述特征向量进行识别，获得所述待识别手写数字的识别结果。在其中一种可选的实施方式中，所述对所述原始图片进行二值处理，获得所述待识别手写数字的二值图片，包括：对所述原始图片进行二值处理，获得宽度为M个像素、高度为N个像素的二值图片；其中，所述M为正整数，所述N为正整数；相应的，所述对所述二值图片进行矩阵化处理，获得所述待识别数字图片对应的特征向量，包括：对所述二值图片中的各像素进行矩阵化处理，获得像素矩阵；根据预设的元素数量阈值和所述像素矩阵中各元素的元素值，对所述像素矩阵进行特征提取，获得所述像素矩阵的一维特征向量。在其中一种可选的实施方式中，所述利用预设的支持向量机模型对所述特征向量进行识别，获得所述待识别手写数字的识别结果，包括：根据预设的支持向量机模型确定与所述特征向量的相似度最高的数字类型，将所述相似度最高的数字类型为所述待识别手写数字的识别结果。在其中一种可选的实施方式中，所述接收待识别手写数字的原始图片之前，还包括：接收手写数字的训练图片集，所述训练图片集包括若干训练图片以及每个训练图片对应的数字类型；利用所述训练图片集对待训练的支持向量机模型进行训练，获得所述预设的支持向量机模型。在其中一种可选的实施方式中，所述利用所述训练图片集对待训练的支持向量机模型进行训练，获得所述预设的支持向量机模型，包括：选取一训练图片作为待训练图片；对所述待训练图片依次进行二值处理和矩阵化处理，获得所述待训练图片对应的特征向量；根据所述待训练图片的特征向量与所述待训练图片的数字类型，调整所述待训练的支持向量机模型的参数；选取下一训练图片作为待训练图片，并重复所述对所述待训练图片依次进行二值处理和矩阵化处理的步骤，直至根据全部训练图片的特征向量与对应的数字类型完成对所述参数的调整；根据所述全部训练图片的特征向量与对应的数字类型之间的映射关系，获得所述预设的支持向量机模型。另一方面，本专利技术还提供了一种手写数字的识别装置，包括：通信模块，用于接收待识别手写数字的原始图片；处理模块，用于对所述原始图片进行二值处理，获得所述待识别手写数字的二值图片；对所述二值图片进行矩阵化处理，获得所述待识别数字图片对应的特征向量；识别模块，用于利用预设的支持向量机模型对所述特征向量进行识别，获得所述待识别手写数字的识别结果。在其中一种可选的实施方式中，所述处理模块具体用于：对所述原始图片进行二值处理，获得宽度为M个像素、高度为N个像素的二值图片；其中，所述M为正整数，所述N为正整数；相应的，所述对所述二值图片进行矩阵化处理，获得所述待识别数字图片对应的特征向量，包括：对所述二值图片中的各像素进行矩阵化处理，获得像素矩阵；根据预设的元素数量阈值和所述像素矩阵中各元素的元素值，对所述像素矩阵进行特征提取，获得所述像素矩阵的一维特征向量。在其中一种可选的实施方式中，利用识别模块具体用于：根据预设的支持向量机模型确定与所述特征向量的相似度最高的数字类型，将所述相似度最高的数字类型为所述待识别手写数字的识别结果。在其中一种可选的实施方式中，该手写数字的识别装置还包括：训练模块；所述训练模块用于接收手写数字的训练图片集，所述训练图片集包括若干训练图片以及每个训练图片对应的数字类型；还用于利用所述训练图片集对待训练的支持向量机模型进行训练，获得所述预设的支持向量机模型。在其中一种可选的实施方式中，所述训练模块具体用于：选取一训练图片作为待训练图片；对所述待训练图片依次进行二值处理和矩阵化处理，获得所述待训练图片对应的特征向量；根据所述待训练图片的特征向量与所述待训练图片的数字类型，调整所述待训练的支持向量机模型的参数；选取下一训练图片作为待训练图片，并重复所述对所述待训练图片依次进行二值处理和矩阵化处理的步骤，直至根据全部训练图片的特征向量与对应的数字类型完成对所述参数的调整；根据所述全部训练图片的特征向量与对应的数字类型之间的映射关系，获得所述预设的支持向量机模型。本专利技术提供的手写数字的识别方法及装置，通过采用接收待识别手写数字的原始图片，对所述原始图片进行二值处理，获得所述待识别手写数字的二值图片；对所述二值图片进行矩阵化处理，获得所述待识别数字图片对应的特征向量；利用预设的支持向量机模型对所述特征向量进行识别，获得所述待识别手写数字的识别结果的方式，从而利用支持向量机模型对手写数字进行识别，以避免现有的采用人工识别的方式而带来的识别效率低以及识别准确度低的问题。附图说明此处的附图被并入说明书中并构成本说明书的一部分，示出了符合本公开的实施例，并与说明书一起用于解释本公开的原理。图1为本专利技术实施例一提供的一种手写数字的识别方法的流程示意图；图2为本专利技术实施例一提供的一种手写数字的识别方法的流程示意图；图3为本专利技术实施例一提供的一种手写数字的识别装置的结构示意图。通过上述附图，已示出本公开明确的实施例，后文中将有更详细的描述。这些附图和文字描述并不是为了通过任何方式限制本公开构思的范围，而是通过参考特定实施例为本领域技术人员说明本公开的概念。具体实施方式为使本专利技术实施例的目的、技术方案和优点更加清楚，下面将结合本专利技术实施例中的附图，对本专利技术实施例中的技术方案进行清楚、完整地描述。手写数字广泛存在于银行支票信息、信封邮政编码信息、海关等场景中。在现有技术中，是利用人工对这些手写数字进行识别的，即通过人工经验观察得到手写数字所对应的信息，以便进行随后的录入或转发等处理。但是随着信息技术的发展，这样的识别方式显然不能满足大数据时代的需要。每个人对手写数字的敏感程度的不同，而人工识别的主观性较强，不同的人识别相同的手写数字可能会得到不同的结果，识别准确率受到影响。而支持向量机技术是一种可用于对小样本、非线性及高维模式进行识别的技术，其通过利用相关的学习算法有关的监督学习模型，实现对数据的分析和识别，常应用数据分类和回归分析。因此，针对于现有技术中存在的对手写数字采用人工识别而导致的识别准确率低的问题，本专利技术通过利用支持向量机模型，实现对手写数字的识别，以提高识别效率和识别准确率。需要说明的是，这里将详细地对示例性实施例进行说明，其示例表示在附图中。下面的描述涉及附图时，除非另有表示，不同附图中的相同数字表示相本文档来自技高网...

【技术保护点】
1.一种手写数字的识别方法，其特征在于，包括：接收待识别手写数字的原始图片，对所述原始图片进行二值处理，获得所述待识别手写数字的二值图片；对所述二值图片进行矩阵化处理，获得所述待识别数字图片对应的特征向量；利用预设的支持向量机模型对所述特征向量进行识别，获得所述待识别手写数字的识别结果。

【技术特征摘要】
1.一种手写数字的识别方法，其特征在于，包括：接收待识别手写数字的原始图片，对所述原始图片进行二值处理，获得所述待识别手写数字的二值图片；对所述二值图片进行矩阵化处理，获得所述待识别数字图片对应的特征向量；利用预设的支持向量机模型对所述特征向量进行识别，获得所述待识别手写数字的识别结果。2.根据权利要求1所述的手写数字的识别方法，其特征在于，所述对所述原始图片进行二值处理，获得所述待识别手写数字的二值图片，包括：对所述原始图片进行二值处理，获得宽度为M个像素、高度为N个像素的二值图片；其中，所述M为正整数，所述N为正整数；相应的，所述对所述二值图片进行矩阵化处理，获得所述待识别数字图片对应的特征向量，包括：对所述二值图片中的各像素进行矩阵化处理，获得像素矩阵；根据预设的元素数量阈值和所述像素矩阵中各元素的元素值，对所述像素矩阵进行特征提取，获得所述像素矩阵的一维特征向量。3.根据权利要求2所述的手写数字的识别方法，其特征在于，利用预设的支持向量机模型对所述特征向量进行识别，获得所述待识别手写数字的识别结果，包括：根据预设的支持向量机模型确定与所述特征向量的相似度最高的数字类型，将所述相似度最高的数字类型为所述待识别手写数字的识别结果。4.根据权利要求1-3任一项所述的手写数字的识别方法，其特征在于，所述接收待识别手写数字的原始图片之前，还包括：接收手写数字的训练图片集，所述训练图片集包括若干训练图片以及每个训练图片对应的数字类型；利用所述训练图片集对待训练的支持向量机模型进行训练，获得所述预设的支持向量机模型。5.根据权利要求4所述的手写数字的识别方法，其特征在于，所述利用所述训练图片集对待训练的支持向量机模型进行训练，获得所述预设的支持向量机模型，包括：选取一训练图片作为待训练图片；对所述待训练图片依次进行二值处理和矩阵化处理，获得所述待训练图片对应的特征向量；根据所述待训练图片的特征向量与所述待训练图片的数字类型，调整所述待训练的支持向量机模型的参数；选取下一训练图片作为待训练图片，并重复所述对所述待训练图片依次进行二值处理和矩阵化处理的步骤，直至根据全部训练图片的特征向量与对应的数字类型完成对所述参数的调整；根据所述全部训练...

【专利技术属性】
技术研发人员：薛豪，张第，魏进武，
申请(专利权)人：中国联合网络通信集团有限公司，
类型：发明
国别省市：北京,11