用于检测手写问题的系统技术方案

用于检测手写问题的系统，其包括：

【技术实现步骤摘要】
【国外来华专利技术】用于检测手写问题的系统
[0001]本申请要求2020年5月4日提交的欧洲专利申请EP20305430.9的权利要求1
‑
7的部分优先权，此内容以引用的方式并入本文中。


[0002]本公开涉及用于检测手写问题的系统的领域。

技术介绍

[0003]当前，存在用于检测特定手写问题的若干系统或方法。在这些手写问题中，可发现诵读困难、学习困难、字母拼写困难等。
[0004]当前，用于检测手写问题的方法是基于要求用户在专用于检测手写问题的移动终端上进行书写的触笔的使用。此类方法例如公开在文件US6304667中。在此文件中，用户在例如电子平板计算机等移动终端上进行书写。平板计算机包括嵌入式压力传感器，所述嵌入式压力传感器能够在用户正书写时计算触笔对电子平板计算机的压力。此外，所述方法使用失真字母数据库，将由用户书写的字母与所述失真字母数据库进行比较。此方法允许检测手写问题，例如诵读困难。然而，用于检测问题的材料是非常具体的，并且不允许容易地检测大量人的手写问题。

技术实现思路

[0005]本公开的一个目的是改进所述情形。
[0006]提出用于检测手写问题的系统，其包括：
[0007]‑
手写仪器，其包含在第一端部与第二端部之间纵向延伸的主体，第一端部具有能够在支撑件上进行书写的书写尖端，手写仪器进一步包含至少一个运动传感器，所述运动传感器被配置成在用户正使用手写仪器时获取关于用户的手写的数据，
[0008]‑
一个计算单元，其与运动传感器通信且被配置成通过经训练以检测用户是否具有手写问题的人工智能来分析所获取数据。
[0009]此系统能够运用常规手写仪器检测手写问题。本文中所公开的系统易于使用，这是因为不需要例如专用平板计算机和触笔等另外电子组件。
[0010]可单独地或与其它特征组合地实施以下特征：
[0011]运动传感器和计算单元嵌入在手写仪器的第二末端中。
[0012]所述系统进一步包括检测装置，检测装置包括运动传感器和计算单元，检测装置安装在手写仪器的第二末端上。
[0013]所述系统可接着与任何已经存在的手写仪器一起使用。
[0014]运动传感器嵌入在手写仪器中，手写仪器进一步包含短程无线电通信接口，所述短程无线电通信接口被配置成经由移动装置的通信接口将由运动传感器获取的原始数据传达到包括计算单元的移动装置。
[0015]运动传感器包括两个三轴加速度计。
[0016]因此，用于检测手写问题的运动传感器不消耗大量电力。
[0017]手写仪器包括两个运动传感器，所述两个运动传感器是一个三轴加速度计和一个三轴陀螺仪。
[0018]其增加所获取运动数据的精度。
[0019]在实例中，三轴陀螺仪包括唤醒输入端，所述唤醒输入端适合于在通过三轴加速度计检测到移动时从计算单元接收唤醒信号，三轴陀螺仪被配置成用于在接收到唤醒信号时切换到激活状态。
[0020]此配置允许根据所实施的两个运动传感器减少系统所需的电力消耗。
[0021]所述系统进一步包括嵌入在例如钢笔或铅笔等手写仪器中的压力传感器，计算单元被配置成进一步接收由压力传感器获取的数据。
[0022]所述系统接着能够基于不同种类的数据而检测手写问题：运动数据、压力数据等。
[0023]所述系统进一步包括笔划传感器，所述笔划传感器被配置成在用户正使用手写仪器时获取笔划数据，人工智能运用笔划数据进行训练以确定手写问题。
[0024]人工智能接着能够确定用户何时正在支撑件上实际使用手写仪器，并且将对应于手写仪器的实际使用的数据与在手写仪器刚好被举在空中时获取的数据区分开。在实例中，人工智能进一步被配置成将由运动传感器获取的原始数据转录到描绘在移动装置上的手写字符中。
[0025]在实例中，笔划传感器是运动传感器。
[0026]在实例中，笔划传感器是压力传感器，或接触传感器，或振动传感器。
[0027]在实例中，系统不使用另一嵌入式传感器。系统保持紧凑和低电力消耗。
[0028]本文中所公开的系统可在一种用于检测手写问题的方法中使用，所述方法包括：
[0029]‑
借助于包括至少一个运动传感器的手写仪器在用户正使用手写仪器时获取运动数据，
[0030]‑
通过经训练以检测手写问题的人工智能来分析运动数据。
[0031]可单独地或与其它特征组合地实施以下特征：
[0032]人工智能是神经网络。
[0033]在实例中，神经网络是深度神经网络。
[0034]所述方法进一步包括先前学习步骤，所述先前学习步骤包括：
[0035]‑
从使用手写仪器的多个人获取多个运动数据，
[0036]‑
标记所获取数据，
[0037]‑
在标记时使用端到端监督学习来训练神经网络，直到所述神经网络收敛，
[0038]‑
存储神经网络。
[0039]神经网络可接着借助于端到端分类进行训练。这提高了结果的精度。
[0040]所获取数据被分类为以下类别中的至少一个：
[0041]‑
手写仪器上的抓握类型，
[0042]‑
施加在手写仪器上的压力，
[0043]‑
手写仪器在书写、绘画或着色当中的使用，
[0044]‑
书写的流畅性，
[0045]‑
诵读困难，
[0046]‑
书写困难，
[0047]‑
错误导入(wrong ductus)。
[0048]如本文中所描述的系统可因此检测大量不同和特定的手写问题。
[0049]所述方法进一步包括通过笔划传感器获取振动数据，所述方法进一步包括先前学习步骤，所述先前学习步骤包括：
[0050]‑
从使用手写仪器的多个人获取多个运动数据和振动数据，
[0051]‑
处理振动数据以获得笔划时戳标记，
[0052]‑
在处理时使用监督学习来训练神经网络，直到所述神经网络收敛，
[0053]‑
存储神经网络。
[0054]神经网络可接着通过笔划的分段和分类来进行训练。所述神经网络的大小接着小于根据端到端分类进行训练的神经网络。
[0055]从笔划时戳提取的特征包括：
[0056]‑
总笔划持续时间，
[0057]‑
总空中笔划持续时间，
[0058]‑
平均笔划持续时间，
[0059]‑
平均和峰值笔划速度，
[0060]‑
在手写仪器的使用期间的停顿次数，
[0061]‑
弹道指数，其对应于手写流畅性的指标，所述指标衡量由加速度中过零点的数目与速度中过零点的数目之间的比率定义的移动的平滑度，
[0062]‑
在笔本文档来自技高网...

【技术保护点】

【技术特征摘要】
【国外来华专利技术】1.用于检测手写问题的系统(1)，其包括：
‑
手写仪器(2)，其包含在第一端部(4)与第二端部(5)之间纵向延伸的主体(3)，所述第一端部(4)具有能够在支撑件上进行书写的书写尖端(6)，所述手写仪器(2)进一步包含至少一个运动传感器(7)，所述运动传感器被配置成在用户正使用所述手写仪器(2)时获取关于所述用户的手写的数据，
‑
一个计算单元(8)，其与所述运动传感器(7)通信且被配置成通过经训练以检测所述用户是否具有手写问题的人工智能来分析所述数据。2.根据权利要求1所述的系统(1)，其特征在于，所述运动传感器(7)和所述计算单元(8)嵌入在所述手写仪器(2)的第二端部(5)中。3.根据权利要求1所述的系统(1)，其特征在于，所述运动传感器(7)嵌入在所述手写仪器(2)中，所述手写仪器(2)进一步包含短程无线电通信接口(9)，所述短程无线电通信接口被配置成经由移动装置(11)的通信接口(12)将由所述运动传感器(7)获取的原始数据传达到包括所述计算单元(8)的移动装置(11)。4.根据权利要求1至3中任一项所述的系统(1)，其特征在于，所述手写仪器包括两个运动传感器，所述两个运动传感器是：
‑
三轴加速度计。5.根据权利要求1至3中任一项所述的系统(1)，其特征在于，所述手写仪器包括两个运动传感器，所述两个运动传感器是：
‑
一个三轴加速度计和一个三轴陀螺仪。6.根据权利要求5所述的系统(1)，其特征在于，所述三轴陀螺仪包括唤醒输入端，所述唤醒输入端适合于在通过所述三轴加速度计检测到移动时从所述计算单元(8)接收唤醒信号，所述三轴陀螺仪被配置成用于在接收到所述唤醒信号时切换到激活状态中。7.根据权利要求1至6中任一项所述的系统(1)，其进一步包括压力传感器，其特征在于，所述计算单元被配置成接收由所述压力传感器获取的数据。8.根据权利要求1至7中任一项所述的系统(1)，其进一...

【专利技术属性】
技术研发人员：埃里克，
申请(专利权)人：毕克有限公司，
类型：发明
国别省市：