一种绘制图案的推荐方法及装置制造方法及图纸

本发明专利技术公开了一种绘制图案的推荐方法及装置，在一个实施例中：检测用户在画布区域的绘制操作，得到滑动轨迹；通过神经网络模型，对所述滑动轨迹进行识别和预测，得到识别和预测的图案结果；获取与所述图案结果对应的推荐图案，并显示所述推荐图案。通过实施上述实施例，能够在用户的绘图的过程中对用户所要绘的图进行预测，从而根据预测结果向用户推荐相应的图案。

A Recommendation Method and Device for Drawing Patterns

【技术实现步骤摘要】
一种绘制图案的推荐方法及装置
本专利技术涉及互联网
，尤其涉及一种绘制图案的推荐方法及装置。
技术介绍
传统的绘画是由绘画者一笔一画制作完成，而在需要重复画相同图案时，绘画者不得不重复相同的动作，而利用计算机绘画对传统绘画有所改进，利用目前的计算机绘图软件进行相同图的绘制案，这里指的相同图案可以是一个图案单元，也可以是一幅图片，特别是针对图案单元，一般先要通过绘图者手动存储图案单元模型，而这种模型需要绘图者具有相当经验的计算机绘图技能才能够较为轻易的得到，再者，大量存储的绘图单元需要用户自己逐个筛选才能选择目前最适合自己的图案。所以，如何解决上述问题将成为极具前景的绘图的解决方案
技术实现思路
本专利技术所要解决的技术问题在于，提供一种绘制图案的推荐方法及装置，能够在用户的绘图的过程中对用户所要绘的图进行预测，从而根据预测结果向用户推荐相应的图案。为解决上述问题，本专利技术实施例提供一种绘制图案的推荐方法，包括：检测用户在画布区域的绘制操作，得到滑动轨迹；通过神经网络模型，对所述滑动轨迹进行识别和预测，得到识别和预测的图案结果；获取与所述图案结果对应的推荐图案，并显示所述推荐图案。进一步地，所述神经网络模型包括至N个卷积层、N个下采样层和全连接层，N为不小于1的整数；所述通过神经网络模型，对所述滑动轨迹进行识别和预测，得到识别和预测的图案结果，包括：将所述滑动轨迹作为卷积层的待处理对象，进行卷积处理，得到卷积处理结果将所述卷积处理结果输入下采样层，进行下采样操作，得到采样结果；将所述采样结果作为下一个卷积层的待处理对象，重复执行上述操作，直至没有剩余的卷积层和下采样层；将最终的采样结果输入所述全连接层，进行分类识别和预测，得到识别和预测的图案结果。进一步地，在所述检测用户在画布区域的绘制操作，得到滑动轨迹之前，还包括：通过神经网络模型，对用户绘制的历史图案进行识别和预测，得到该用户的图案绘制风格。进一步地，所述获取与所述图案结果对应的推荐图案，并显示所述推荐图案，具体的，获取与所述图案结果对应的推荐图案，并根据该用户的图案绘制风格，对所述推荐图案进行相似度的优先级排序并显示。进一步地，在所述检测用户在画布区域的绘制操作，得到滑动轨迹之后，还包括：检测用户每个绘制操作完成之后的停顿时间，并在所述停顿不小于默认阈值时，将得到的滑动轨迹输入神经网络模型。本专利技术实施例还提供一种绘制图案的推荐装置，包括：绘制操作检测单元，用于检测用户在画布区域的绘制操作，得到滑动轨迹；识别和预测单元，用于通过神经网络模型，对所述滑动轨迹进行识别和预测，得到识别和预测的图案结果；推荐单元，用于获取与所述图案结果对应的推荐图案，并显示所述推荐图案。进一步地，所述神经网络模型包括至N个卷积层、N个下采样层和全连接层，N为不小于1的整数；所述识别和预测单元，具体用于：将所述滑动轨迹作为卷积层的待处理对象，进行卷积处理，得到卷积处理结果将所述卷积处理结果输入下采样层，进行下采样操作，得到采样结果；将所述采样结果作为下一个卷积层的待处理对象，重复执行上述操作，直至没有剩余的卷积层和下采样层；将最终的采样结果输入所述全连接层，进行分类识别和预测，得到识别和预测的图案结果。进一步地，所述的绘制图案的推荐装置，还包括：所述识别和预测单元，还用于通过神经网络模型，对用户绘制的历史图案进行识别和预测，得到该用户的图案绘制风格。进一步地，所述推荐单元，具体用于获取与所述图案结果对应的推荐图案，并根据该用户的图案绘制风格，对所述推荐图案进行相似度的优先级排序并显示。进一步地，所述绘制图案的推荐装置，还包括：所述绘制操作检测单元，还用于检测用户每个绘制操作完成之后的停顿时间，并在所述停顿不小于默认阈值时，将得到的滑动轨迹输入神经网络模型。实施本专利技术实施例，具有如下有益效果：本专利技术提供了一种绘制图案的推荐方法及装置，在一个实施例中：检测用户在画布区域的绘制操作，得到滑动轨迹；通过神经网络模型，对所述滑动轨迹进行识别和预测，得到识别和预测的图案结果；获取与所述图案结果对应的推荐图案，并显示所述推荐图案。通过实施上述实施例，能够在用户的绘图的过程中对用户所要绘的图进行预测，从而根据预测结果向用户推荐相应的图案。附图说明图1是本专利技术提供的第一实施例的流程示意图；图2是本专利技术提供的第二实施例的流程示意图；图3是本专利技术提供的第三实施例的流程示意图；图4是本专利技术提供的第四实施例的结构示意图。具体实施方式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，显然，所描述的实施例仅仅是本专利技术一部分实施例，而不是全部的实施例。基于本专利技术中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本专利技术保护的范围。应当理解，当在本说明书和所附权利要求书中使用时，术语“包括”和“包含”指示所描述特征、整体、步骤、操作、元素和/或组件的存在，但并不排除一个或多个其它特征、整体、步骤、操作、元素、组件和/或其集合的存在或添加。还应当理解，在此本专利技术说明书中所使用的术语仅仅是出于描述特定实施例的目的而并不意在限制本专利技术。如在本专利技术说明书和所附权利要求书中所使用的那样，除非上下文清楚地指明其它情况，否则单数形式的“一”、“一个”及“该”意在包括复数形式。还应当进一步理解，在本专利技术说明书和所附权利要求书中使用的术语“和/或”是指相关联列出的项中的一个或多个的任何组合以及所有可能组合，并且包括这些组合。需要说明的是，文中所使用的步骤编号仅是为了方便描述，不对作为对步骤执行先后顺序的限定。在具体的实施例当中，智能终端可包括以下项中的至少一个：智能电话、平板个人计算机(Pc)、移动电话、视频电话、电子书阅读器、台式型PC、膝上型PC、上网本计算机、个人数字助理(PDA)、便携式多媒体播放器(PMP)、运动图像专家组(MPEG-1或MPEG-2)音频层(MP3)播放器、移动医疗装置、相机或可穿戴装置(例如，头戴式装置(HMD)(诸如电子眼镜)、电子服装、电子手链、电子项链、电子应用配件、电子纹身、智能手表等)。参阅图1，图1是本专利技术第一实施例的流程示意图。S101、检测用户在画布区域的绘制操作，得到滑动轨迹。其中，所述画布为智能画布，可以理解的是，所述画布可以是数位板，电子涂鸦板、电子黑板中的画布，还而可以理解为运行在智能终端上的绘图软件中的画布。其中，所述滑动轨迹为连续的或非连续的滑动轨迹。S102、通过神经网络模型，对所述滑动轨迹进行识别和预测，得到识别和预测的图案结果。具体的，所述神经网络模型包括至N个卷积层、N个下采样层和全连接层，N为不小于1的整数；步骤S102包括步骤：将所述滑动轨迹作为卷积层的待处理对象，进行卷积处理，得到卷积处理结果；将所述卷积处理结果输入下采样层，进行下采样操作，得到采样结果；将所述采样结果作为下一个卷积层的待处理对象，重复执行上述操作，直至没有剩余的卷积层和下采样层；将最终的采样结果输入所述全连接层，进行分类识别和预测，得到识别和预测的图案结果。其中，对所述滑动轨迹的识别包括对用户在绘图过程中使用的力度，形状颜色的识别。S103、获取与所述图案结果对应的推荐图案，并显示所述推荐图案。在具体的实施例当中，用本文档来自技高网...

【技术保护点】
1.一种绘制图案的推荐方法，其特征在于，包括：检测用户在画布区域的绘制操作，得到滑动轨迹；通过神经网络模型，对所述滑动轨迹进行识别和预测，得到识别和预测的图案结果；获取与所述图案结果对应的推荐图案，并显示所述推荐图案。

【技术特征摘要】
1.一种绘制图案的推荐方法，其特征在于，包括：检测用户在画布区域的绘制操作，得到滑动轨迹；通过神经网络模型，对所述滑动轨迹进行识别和预测，得到识别和预测的图案结果；获取与所述图案结果对应的推荐图案，并显示所述推荐图案。2.如权利要求1所述的绘制图案的推荐方法，其特征在于，所述神经网络模型包括至N个卷积层、N个下采样层和全连接层，N为不小于1的整数；所述通过神经网络模型，对所述滑动轨迹进行识别和预测，得到识别和预测的图案结果，包括：将所述滑动轨迹作为卷积层的待处理对象，进行卷积处理，得到卷积处理结果将所述卷积处理结果输入下采样层，进行下采样操作，得到采样结果；将所述采样结果作为下一个卷积层的待处理对象，重复执行上述操作，直至没有剩余的卷积层和下采样层；将最终的采样结果输入所述全连接层，进行分类识别和预测，得到识别和预测的图案结果。3.如权利要求1所述的绘制图案的推荐方法，其特征在于，在所述检测用户在画布区域的绘制操作，得到滑动轨迹之前，还包括：通过神经网络模型，对用户绘制的历史图案进行识别和预测，得到该用户的图案绘制风格。4.如权利要求3所述的绘制图案的推荐方法，其特征在于，所述获取与所述图案结果对应的推荐图案，并显示所述推荐图案，具体的，获取与所述图案结果对应的推荐图案，并根据该用户的图案绘制风格，对所述推荐图案进行相似度的优先级排序并显示。5.如权利要求1所述的绘制图案的推荐方法，其特征在于，在所述检测用户在画布区域的绘制操作，得到滑动轨迹之后，还包括：检测用户每个绘制操作完成之后的停顿时间，并在所述停顿不小...

【专利技术属性】
技术研发人员：武依菲，李健，
申请(专利权)人：广州美术学院，
类型：发明
国别省市：广东,44