笔顺检测方法、装置、可读介质及电子设备制造方法及图纸

本公开涉及一种笔顺检测方法、装置、可读介质及电子设备。所述方法包括：获取用户书写目标文字过程中输入的待识别笔画，所述目标文字由至少两个标准笔画构成；确定所述待识别笔画与目标标准笔画之间的相似度，作为第一相似概率，所述目标标准笔画为所述标准笔画中的至少一者；根据用户在所述待识别笔画之前的输入内容，确定所述待识别笔画为所述目标标准笔画的概率，作为第二相似概率；根据所述第一相似概率和所述第二相似概率，确定书写至所述待识别笔画的笔顺是否正确。由此，能够有效提升笔顺检测的准确性，同时，可以提升笔顺检测的效率，并能在用户书写过程中实现实时检测。并能在用户书写过程中实现实时检测。并能在用户书写过程中实现实时检测。

【技术实现步骤摘要】
笔顺检测方法、装置、可读介质及电子设备


[0001]本公开涉及计算机
，具体地，涉及一种笔顺检测方法、装置、可读介质及电子设备。

技术介绍

[0002]目前，随着互联网的发展，用户越来越多地使用电子设备实现各种功能。。在对电子设备的使用过程中，为了方便使用，用户通常会使用电子设备的手写功能，通过工具在电子设备的输入区域进行文字书写。在一些场景中，需要对用户的书写内容进行判断、评价，例如，评价用户的书写质量、书写准确度，其中，评价、判断书写准确度的一个方面就是识别文字书写的笔顺。

技术实现思路

[0003]提供该部分内容以便以简要的形式介绍构思，这些构思将在后面的具体实施方式部分被详细描述。该部分内容并不旨在标识要求保护的技术方案的关键特征或必要特征，也不旨在用于限制所要求的保护的技术方案的范围。
[0004]第一方面，本公开提供一种笔顺检测方法，所述方法包括：
[0005]获取用户书写目标文字过程中输入的待识别笔画，所述目标文字由至少两个标准笔画构成；
[0006]确定所述待识别笔画与目标标准笔画之间的相似度，作为第一相似概率，所述目标标准笔画为所述标准笔画中的至少一者；
[0007]根据用户在所述待识别笔画之前的输入内容，确定所述待识别笔画为所述目标标准笔画的概率，作为第二相似概率；
[0008]根据所述第一相似概率和所述第二相似概率，确定书写至所述待识别笔画的笔顺是否正确。
[0009]第二方面，提供一种笔顺检测装置，所述装置包括：
[0010]第一获取模块，用于获取用户书写目标文字过程中输入的待识别笔画，所述目标文字由至少两个标准笔画构成；
[0011]第一确定模块，用于确定所述待识别笔画与目标标准笔画之间的相似度，作为第一相似概率，所述目标标准笔画为所述标准笔画中的至少一者；
[0012]第二确定模块，用于根据用户在所述待识别笔画之前的输入内容，确定所述待识别笔画为所述目标标准笔画的概率，作为第二相似概率；
[0013]第三确定模块，用于根据所述第一相似概率和所述第二相似概率，确定书写至所述待识别笔画的笔顺是否正确。
[0014]第三方面，提供一种计算机可读介质，其上存储有计算机程序，该程序被处理装置执行时实现本公开第一方面所述方法的步骤。
[0015]第四方面，提供一种电子设备，包括：
[0016]存储装置，其上存储有至少一个计算机程序；
[0017]至少一个装置，用于执行所述存储装置中的所述至少一个计算机程序，以实现本公开第一方面所述方法的步骤。
[0018]通过上述技术方案，获取用户书写目标文字过程中输入的待识别笔画；确定待识别笔画与目标标准笔画之间的相似度，作为第一相似概率；根据用户在待识别笔画之前的输入内容，确定待识别笔画为目标标准笔画的概率，作为第二相似概率；根据第一相似概率和第二相似概率，确定书写至待识别笔画的笔顺是否正确。其中，目标文字由至少两个标准笔画构成，目标标准笔画为标准笔画中的至少一者。由此，对于笔顺的检测，不仅参考笔画间的相似度，还参考待识别笔画之前的输入内容，并利用基于前者确定出的第一相似概率和基于后者确定出的第二相似概率进行笔顺检测，能够有效提升笔顺检测的准确性，同时，可以提升笔顺检测的效率，并能在用户书写过程中实现实时检测。
[0019]本公开的其他特征和优点将在随后的具体实施方式部分予以详细说明。
附图说明
[0020]结合附图并参考以下具体实施方式，本公开各实施例的上述和其他特征、优点及方面将变得更加明显。贯穿附图中，相同或相似的附图标记表示相同或相似的元素。应当理解附图是示意性的，原件和元素不一定按照比例绘制。在附图中：
[0021]图1是根据本公开的一种实施方式提供的笔顺检测方法的流程图；
[0022]图2是根据本公开的一种实施方式提供的笔顺检测装置的框图；
[0023]图3示出了适于用来实现本公开实施例的电子设备的结构示意图。
具体实施方式
[0024]下面将参照附图更详细地描述本公开的实施例。虽然附图中显示了本公开的某些实施例，然而应当理解的是，本公开可以通过各种形式来实现，而且不应该被解释为限于这里阐述的实施例，相反提供这些实施例是为了更加透彻和完整地理解本公开。应当理解的是，本公开的附图及实施例仅用于示例性作用，并非用于限制本公开的保护范围。
[0025]应当理解，本公开的方法实施方式中记载的各个步骤可以按照不同的顺序执行，和/或并行执行。此外，方法实施方式可以包括附加的步骤和/或省略执行示出的步骤。本公开的范围在此方面不受限制。
[0026]本文使用的术语“包括”及其变形是开放性包括，即“包括但不限于”。术语“基于”是“至少部分地基于”。术语“一个实施例”表示“至少一个实施例”；术语“另一实施例”表示“至少一个另外的实施例”；术语“一些实施例”表示“至少一些实施例”。其他术语的相关定义将在下文描述中给出。
[0027]需要注意，本公开中提及的“第一”、“第二”等概念仅用于对不同的装置、模块或单元进行区分，并非用于限定这些装置、模块或单元所执行的功能的顺序或者相互依存关系。
[0028]需要注意，本公开中提及的“一个”、“多个”的修饰是示意性而非限制性的，本领域技术人员应当理解，除非在上下文另有明确指出，否则应该理解为“一个或多个”。
[0029]本公开实施方式中的多个装置之间所交互的消息或者信息的名称仅用于说明性的目的，而并不是用于对这些消息或信息的范围进行限制。
[0030]图1是根据本公开的一种实施方式提供的笔顺检测方法的流程图。如图1所示，该方法可以包括步骤11～步骤14。
[0031]在步骤11中，获取用户书写目标文字过程中输入的待识别笔画。
[0032]其中，目标文字由至少两个标准笔画构成。目标文字就是用户正在或即将书写的文字，本公开的目的就在于检测用户书写目标文字的过程中笔顺是否正确。由于本公开的目标在于笔顺检测，仅包含一个笔画的文字并不在本公开的处理范围之内，因此，目标文字需要包括至少两个笔画，即，目标文字由至少两个标准笔画构成。
[0033]待识别笔画可以是用户书写的过程中实时获取的，也可以是用户将针对目标文字的书写全部完成后按照用户的书写顺序获取的，本公开对此不限定。上述两者中，前者对应于实时进行笔顺检测的过程，后者则对应于用户输入完毕后的笔顺检测，其实时性稍弱于前者。
[0034]在一些应用场景中，可以通过多种方式获取待识别笔画。示例地，可以通过图像采集设备对待识别笔画所在的区域进行拍照或摄像，得到用户书写待识别笔画的图像。再例如，用户可以在电子设备屏幕进行书写，通过电子设备屏幕的传感器获取待识别笔画。
[0035]在步骤12中，确定待识别笔画与目标标准笔画之间的相似度，作为第一相似概率。
[0036]其中，目标标准笔画为标准笔画中的至少一者。目标标准笔画可以是目标文字所包含本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种笔顺检测方法，其特征在于，所述方法包括：获取用户书写目标文字过程中输入的待识别笔画，所述目标文字由至少两个标准笔画构成；确定所述待识别笔画与目标标准笔画之间的相似度，作为第一相似概率，所述目标标准笔画为所述标准笔画中的至少一者；根据用户在所述待识别笔画之前的输入内容，确定所述待识别笔画为所述目标标准笔画的概率，作为第二相似概率；根据所述第一相似概率和所述第二相似概率，确定书写至所述待识别笔画的笔顺是否正确。2.根据权利要求1所述的方法，其特征在于，所述确定所述待识别笔画与目标标准笔画之间的相似度，作为第一相似概率，包括：根据预先训练的向量提取模型，确定所述待识别笔画对应的待识别笔画向量；确定每一所述目标标准笔画各自对应的目标标准笔画向量；分别计算所述待识别笔画向量与每一所述目标标准笔画向量之间的相似度，以得到所述第一相似概率。3.根据权利要求2所述的方法，其特征在于，所述向量提取模型通过以下方式得到：获取第一训练样本，所述第一训练样本包括第一训练文字中第一训练笔画对应的第一训练笔画图像；通过将所述第一训练笔画图像作为模型的输入，并将所述第一训练笔画图像对应的第一训练笔画作为模型的目标输出的方式进行模型训练，以得到训练完成的分类模型，其中，所述分类模型包括多个中间层，每一所述中间层用于针对输入所述分类模型的内容输出向量化处理结果；获取第二训练文字中第二训练笔画对应的第二训练笔画图像；将所述第二训练笔画图像输入至所述分类模型，并提取所述分类模型每一中间层的输出内容；从所述输出内容中，确定相似程度与所述第二训练笔画最高的目标输出内容；将以所述分类模型的输入层为起始、并以所述目标输出内容对应的中间层为结束的分类模型的局部确定为所述向量提取模型。4.根据权利要求3所述的方法，其特征在于，在所述获取第一训练样本的步骤之后，所述方法还包括：对所述第一训练笔画图像进行图像增强，并将增强后的图像与所述第一训练笔画图像对应的第一训练笔画相关联，以将所述增强后的图像用于训练分类模型。5.根据权利要求1所述的方法，其特征在于，所述根据用户在所述待识别笔画之前的输入内容，确定所述待识别笔画为所述目标标准笔画的概率，作为第二相似概率，包括：根据用户在所述待识别笔画之前的输入内容，利用预先训练的概率预测模型，确定所述待识别笔画为所述目标标准笔画的概率，作为第二相似概率；所述概率预...

【专利技术属性】
技术研发人员：梁镇麟，蔡猛，马泽君，
申请(专利权)人：北京有竹居网络技术有限公司，
类型：发明
国别省市：