本发明专利技术公开了一种笔迹分析方法，该方法依托深度学习和机器视觉技术基于海量笔迹样本及标注文件训练得到笔迹特征识别模型，同时基于大量数据分析建立笔迹特征与性格特质知识图谱，在应用阶段通过调用预训练的笔迹特征识别模型得到笔迹特征，然后从笔迹特征与性格特质知识图谱中得到受测者相应基础性格特质以及情绪状态，再调用垂直指标评估模型融合基础性格特质以及情绪状态确定书写者在书写时的表现倾向或能力特长，再调用文本生成模型根据评估结果进行语句组织，可以生成针对书写者不同维度和应用场景的评估分析报告。本发明专利技术还公开了一种笔迹分析装置、设备及可读存储介质，具有相应的技术效果。具有相应的技术效果。具有相应的技术效果。
【技术实现步骤摘要】
一种笔迹分析方法、装置、设备及可读存储介质
[0001]本专利技术涉及数据处理
，特别是涉及一种笔迹分析方法、装置、设备及可读存储介质。
技术介绍
[0002]笔迹是指书写人内在的书写习惯与特定时空条件下的主客观因素相互作用外化成的一种文字符号形象系统。
[0003]笔迹分析依据特质理论，所谓“特质”是指一种可表现于许多环境的、相对持久的、一致而稳定的思想、情感和动作的特点，它表现在一个人人格的特点的行为倾向。每个人在学习或工作过程中，个人特质会不同程度地影响其外在表现，或者使其产生倾向性行为，而这些行为决定了相应的结果。笔迹分析经常会用在人才测评、心理咨询、家庭教育、企业EAP、情绪判断、学习力、领导力等的分析，比如一个孩子行向或者横向上倾，代表这个孩子心态是积极向上的。
[0004]目前笔迹分析主要靠分析师个人，而个人的笔迹分析能力掌握程度完全依靠各自悟性，属于主观感性研究，难以量化；而且有理论基础有经验的分析师资源少，各分析师之间水平参差不齐，而且大多停留在一般性格分析层面，难以适应不同领域、场景以及深度应用；同时个人的知识和经验难以积累，分析结果缺乏数据支撑，难以广泛扩展应用。
[0005]综上所述，如何实现精准的自动化笔迹分析，是目前本领域技术人员急需解决的技术问题。
技术实现思路
[0006]本专利技术的目的是提供一种笔迹分析方法、装置、设备及可读存储介质，以实现精准的自动化笔迹分析。
[0007]为解决上述技术问题，本专利技术提供如下技术方案：/>[0008]一种笔迹分析方法，包括：
[0009]接收待识别的笔迹图片，作为目标图片；
[0010]对所述目标图片进行归一化处理，得到归一化图片；
[0011]调用预训练的笔迹特征识别模型对所述归一化图片进行笔迹特征识别，得到笔迹特征；
[0012]根据所述笔迹特征从性格特质知识图谱中得到对应的基础性格特质以及情绪状态；
[0013]融合所述基础性格特质以及所述情绪状态，调用垂直指标评估模型生成评估结果；
[0014]调用文本生成模型根据所述评估结果进行语句组织，生成评估分析报告。
[0015]可选地，所述笔迹特征识别模型的训练方法，包括：
[0016]接收笔迹样本集；
[0017]对所述笔迹样本集中各图片进行归一化预处理，得到归一化样本集；
[0018]接收所述归一化样本集中各图片的笔迹特征标注，生成标注文件集；
[0019]根据所述标注文件集对搭建的笔迹特征识别模型进行训练，得到训练后的笔迹特征识别模型；
[0020]对所述训练后的笔迹特征识别模型进行测试验证，并根据所述测试验证反馈的模型收敛情况及准确率进行参数优化调整。
[0021]可选地，在所述对所述笔迹样本集中各图片进行归一化预处理之前，还包括：
[0022]删除所述笔迹样本集中的重复图片以及不清晰图片。
[0023]可选地，在所述根据所述标注文件集对搭建的笔迹特征识别模型进行训练之前，还包括：
[0024]根据所述笔迹特征标注对对应的图片进行有效信息部分裁剪，得到裁剪图片集；
[0025]则相应地，所述根据所述标注文件集对搭建的笔迹特征识别模型进行训练，包括：根据所述裁剪图片集对搭建的笔迹特征识别模型进行训练。
[0026]可选地，在所述根据所述标注文件集对搭建的笔迹特征识别模型进行训练之前，还包括：
[0027]对所述标注文件集进行数据增强处理，得到扩展图片集；
[0028]则相应地，所述根据所述标注文件集对搭建的笔迹特征识别模型进行训练，包括：根据所述扩展图片集对搭建的笔迹特征识别模型进行训练。
[0029]可选地，在所述根据所述笔迹特征从性格特质知识图谱中得到对应的基础性格特质以及情绪状态之前，还包括：
[0030]提取所述归一化图片中的文字信息；
[0031]则相应地，所述根据所述笔迹特征从性格特质知识图谱中得到对应的基础性格特质以及情绪状态，包括：根据所述笔迹特征以及所述文字信息，从性格特质知识图谱中得到对应的基础性格特质以及情绪状态。
[0032]可选地，所述笔迹特征识别模型、所述垂直指标评估模型以及所述文本生成模型分布式部署于若干台服务器；
[0033]则相应地，所述调用预训练的笔迹特征识别模型对所述归一化图片进行笔迹特征识别，包括：确定所述笔迹特征识别模型部署的各服务器，作为特征识别服务器；并发调用各所述特征识别服务器对所述归一化图片进行笔迹特征识别；
[0034]融合所述基础性格特质以及所述情绪状态，调用垂直指标评估模型生成评估结果，包括：确定所述垂直指标评估模型部署的各服务器，作为指标评估服务器；融合所述基础性格特质以及所述情绪状态，并发调用各所述指标评估服务器生成评估结果；
[0035]所述调用文本生成模型根据所述评估结果进行语句组织，包括：确定所述文本生成模型部署的各服务器，作为文本生成服务器；并发调用各所述文本生成服务器根据所述评估结果进行语句组织。
[0036]一种笔迹分析装置，包括：
[0037]图片接收单元，用于接收待识别的笔迹图片，作为目标图片；
[0038]归一化处理单元，用于对所述目标图片进行归一化处理，得到归一化图片；
[0039]笔记特征识别单元，用于调用预训练的笔迹特征识别模型对所述归一化图片进行
笔迹特征识别，得到笔迹特征；
[0040]性格情绪匹配单元，用于根据所述笔迹特征从性格特质知识图谱中得到对应的基础性格特质以及情绪状态；
[0041]应用评估单元，用于融合所述基础性格特质以及所述情绪状态，调用垂直指标评估模型生成评估结果；
[0042]报告生成单元，用于调用文本生成模型根据所述评估结果进行语句组织，生成评估分析报告。
[0043]一种计算机设备，包括：
[0044]存储器，用于存储计算机程序；
[0045]处理器，用于执行所述计算机程序时实现上述笔迹分析方法的步骤。
[0046]一种可读存储介质，所述可读存储介质上存储有计算机程序，所述计算机程序被处理器执行时实现上述笔迹分析方法的步骤。
[0047]本专利技术实施例所提供的方法，该方法依托深度学习和机器视觉技术基于海量笔迹样本及标注文件训练得到笔迹特征识别模型，同时基于大量数据分析建立笔迹特征与性格特质知识图谱，在应用阶段通过调用预训练的笔迹特征识别模型得到笔迹特征，然后从笔迹特征与性格特质知识图谱中得到受测者相应基础性格特质，再调用垂直指标评估模型融合基础性格特质确定书写者在书写时的表现倾向或能力特长，再调用文本生成模型根据评估结果进行语句组织，可以生成针对书写者不同维度和应用场景的评估分析报告，通过该分析报告可以帮助使用者清楚了解书写者的性格特质、负向情绪状态、学习力、领导力、工作表现倾向、能力特长等应用层面的指标。相应地，本专利技术实施例还提供了与上述笔迹分析方法本文档来自技高网...
【技术保护点】
【技术特征摘要】
1.一种笔迹分析方法，其特征在于，包括：接收待识别的笔迹图片，作为目标图片；对所述目标图片进行归一化处理，得到归一化图片；调用预训练的笔迹特征识别模型对所述归一化图片进行笔迹特征识别，得到笔迹特征；根据所述笔迹特征从性格特质知识图谱中得到对应的基础性格特质以及情绪状态；融合所述基础性格特质以及所述情绪状态，调用垂直指标评估模型生成评估结果；调用文本生成模型根据所述评估结果进行语句组织，生成评估分析报告。2.根据权利要求1所述的笔迹分析方法，其特征在于，所述笔迹特征识别模型的训练方法，包括：接收笔迹样本集；对所述笔迹样本集中各图片进行归一化预处理，得到归一化样本集；接收所述归一化样本集中各图片的笔迹特征标注，生成标注文件集；根据所述标注文件集对搭建的笔迹特征识别模型进行训练，得到训练后的笔迹特征识别模型；对所述训练后的笔迹特征识别模型进行测试验证，并根据所述测试验证反馈的模型收敛情况及准确率进行参数优化调整。3.根据权利要求2所述的笔迹分析方法，其特征在于，在所述对所述笔迹样本集中各图片进行归一化预处理之前，还包括：删除所述笔迹样本集中的重复图片以及不清晰图片。4.根据权利要求2所述的笔迹分析方法，其特征在于，在所述根据所述标注文件集对搭建的笔迹特征识别模型进行训练之前，还包括：根据所述笔迹特征标注对对应的图片进行有效信息部分裁剪，得到裁剪图片集；则相应地，所述根据所述标注文件集对搭建的笔迹特征识别模型进行训练，包括：根据所述裁剪图片集对搭建的笔迹特征识别模型进行训练。5.根据权利要求2所述的笔迹分析方法，其特征在于，在所述根据所述标注文件集对搭建的笔迹特征识别模型进行训练之前，还包括：对所述标注文件集进行数据增强处理，得到扩展图片集；则相应地，所述根据所述标注文件集对搭建的笔迹特征识别模型进行训练，包括：根据所述扩展图片集对搭建的笔迹特征识别模型进行训练。6.根据权利要求1所述的笔迹分析方法，其特征在于，在所述根据所述笔迹特征从性格特质知识图谱中得到对应的基础性格特质以及情绪状态之前，还包括：提取所述归一化图片中的文字信息；则相应地...
【专利技术属性】
技术研发人员：李松，张川波，张凤，潘世慧，黄成，
申请(专利权)人：心画科技北京有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。