一种笔迹识别方法、装置、设备及存储介质制造方法及图纸

本申请实施例公开了一种笔迹识别方法、装置、设备及存储介质。该笔迹识别方法通过对第一笔迹进行划分，得到多个第二笔迹段；确定各第二笔迹段的笔迹参数；将各第二笔迹段的笔迹参数输入预先训练的隐马尔可夫模型，得到各第二笔迹段的状态；根据各第二笔迹段的状态，识别第一笔迹，得到第一笔迹对应的图形。即本申请实施例利用了隐马尔可夫模型的全局思想，能够从整体角度出发，结合待识别笔迹的所有笔迹段的笔迹参数，确定各笔迹段的状态，使得各笔迹段的状态能够全局最优，如此，在基于各笔迹段的状态识别第一笔迹时，可以保证识别结果全局最优，也即可以准确地识别第一笔迹。也即可以准确地识别第一笔迹。也即可以准确地识别第一笔迹。

【技术实现步骤摘要】
一种笔迹识别方法、装置、设备及存储介质


[0001]本申请涉及计算机
，尤其涉及一种笔迹识别方法、装置、设备及存储介质。

技术介绍

[0002]随着技术的发展，用户可以在一些电子设备上通过手写笔迹的方式进行图形的输入，以使电子设备执行相应的操作。这种方式需要电子设备准确识别用户的手写笔迹，得到手写笔迹对应的图形。
[0003]目前采用的识别方法主要是将手写笔迹进行分段，然后将每个段落分别拟合，根据各个段落的拟合结果识别手写笔迹，准确性较低。
[0004]申请内容
[0005]本申请实施例提供一种笔迹识别方法、装置、设备及存储介质，可以对准确识别用户的笔迹，得到笔迹对应的图形。
[0006]第一方面，本申请实施例提供了一种笔迹识别方法，包括：
[0007]对第一笔迹进行划分，得到多个第二笔迹段；
[0008]确定各第二笔迹段的笔迹参数；
[0009]将各第二笔迹段的笔迹参数输入预先训练的隐马尔可夫模型，得到各第二笔迹段的状态，隐马尔可夫模型是根据笔迹样本的笔迹段的笔迹参数样本和其对应的状态样本训练得到的；
[0010]根据各第二笔迹段的状态，识别第一笔迹，得到第一笔迹对应的图形。
[0011]第二方面，本申请实施例提供了一种笔迹识别装置，包括划分模块、确定模块和识别模块；
[0012]划分模块，用于对第一笔迹进行划分，得到多个第二笔迹段；
[0013]确定模块，用于确定各第二笔迹段的笔迹参数；
[0014]确定模块，还用于将各第二笔迹段的笔迹参数输入预先训练的隐马尔可夫模型，得到各第二笔迹段的状态，隐马尔可夫模型是根据笔迹样本的笔迹段的笔迹参数样本和其对应的状态样本训练得到的；
[0015]识别模块，用于根据各第二笔迹段的状态，识别第一笔迹，得到第一笔迹对应的图形。
[0016]第三方面，本申请实施例提供了一种电子设备，包括：
[0017]处理器；
[0018]存储器，用于存储计算机程序指令；
[0019]触控屏，用于接收并显示第一笔迹；
[0020]当计算机程序指令被处理器执行时，实现如第一方面所述的方法。
[0021]第四方面，本申请实施例提供了一种计算机可读存储介质，其上存储有计算机程序指令，当计算机程序指令被处理器执行时实现如第一方面所述的方法。
[0022]本申请实施例提供的笔迹识别方法、装置、设备及存储介质，通过对第一笔迹进行划分，得到多个第二笔迹段；确定各第二笔迹段的笔迹参数；将各第二笔迹段的笔迹参数输入预先训练的隐马尔可夫模型，得到各第二笔迹段的状态；根据各第二笔迹段的状态，识别第一笔迹，得到第一笔迹对应的图形。即本申请实施例利用了隐马尔可夫模型的全局思想，能够从整体角度出发，结合待识别笔迹的所有笔迹段的笔迹参数，确定各笔迹段的状态，使得各笔迹段的状态能够全局最优，如此，在基于各笔迹段的状态识别第一笔迹时，可以保证识别结果全局最优，也即可以准确地识别第一笔迹。
附图说明
[0023]为了更清楚地说明本申请实施例的技术方案，下面将对本申请实施例中所需要使用的附图作简单地介绍，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
[0024]图1为本申请实施例提供的一种笔迹识别方法的流程图；
[0025]图2为本申请实施例提供的另一种笔迹识别方法的流程图；
[0026]图3为本申请实施例提供的一种第一笔迹的示意图；
[0027]图4为本申请实施例提供的一种第一笔迹的划分结果示意图；
[0028]图5为本申请实施例提供的一种笔迹识别装置的结构图；
[0029]图6为本申请实施例提供的一种电子设备的结构图。
具体实施方式
[0030]下面将详细描述本申请的各个方面的特征和示例性实施例，为了使本申请的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本申请进行进一步详细描述。应理解，此处所描述的具体实施例仅被配置为解释本申请，并不被配置为限定本申请。对于本领域技术人员来说，本申请可以在不需要这些具体细节中的一些细节的情况下实施。下面对实施例的描述仅仅是为了通过示出本申请的示例来提供对本申请更好的理解。
[0031]需要说明的是，在本文中，诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括
……”
限定的要素，并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。还需要说明的是，本申请所有实施方式对数据的获取、存储、使用、处理等均符合国家法律法规的相关规定。
[0032]以交互设备为例，用户可以在交互设备的屏幕上通过书写笔迹的方式，进行图形的输入，以使交互设备响应于该输入，执行某项操作。为了使交互设备准确地执行某项操作，需要交互设备准确地识别用户的书写笔迹，得到该书写笔迹对应的图形。
[0033]目前，在识别用户的书写笔迹时，主要是将书写笔迹分段，然后将每个段落分别拟合，将各段落的拟合结果结合起来，形成最后的识别结果。该方法依赖于分段的结果，如果分段结果不好，将会导致最终的识别结果不好。
[0034]为了解决上述问题，准确识别用户的笔迹，得到对应的图形，本申请实施例提供了一种笔迹识别方法、装置、设备及存储介质。
[0035]下面结合具体的实施例对本申请实施例提供的笔迹识别方法进行说明，本申请实施例提供的笔迹识别方法可以应用于具备数据处理功能的智能设备，例如可以应用于交互平板等交互设备。
[0036]图1为本申请实施例提供的一种笔迹识别方法的流程图。如图1所示，该笔迹识别方法可以包括如下步骤：
[0037]S110、对第一笔迹进行划分，得到多个第二笔迹段。
[0038]S120、确定各第二笔迹段的笔迹参数。
[0039]S130、将各第二笔迹段的笔迹参数输入预先训练的隐马尔可夫模型，得到各第二笔迹段的状态。
[0040]其中，隐马尔可夫模型是根据笔迹样本的笔迹段的笔迹参数样本和其对应的状态样本训练得到的。
[0041]S140、根据各第二笔迹段的状态，识别第一笔迹，得到第一笔迹对应的图形。
[0042]在本申请实施例提供中，通过对第一笔迹进行划分，得到多个第二笔迹段；确定各第二笔迹段的笔迹参数；将各第二笔迹段的笔迹参数输入预先训练的隐马尔可夫模型，得到各第二笔迹段的状态；根据各第二笔迹段的状态，识别第一笔迹，得到第一笔迹对应的图形。即本申请实施例利用了隐马尔可夫模型的全局本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种笔迹识别方法，其特征在于，包括：对第一笔迹进行划分，得到多个第二笔迹段；确定各所述第二笔迹段的笔迹参数；将各所述第二笔迹段的笔迹参数输入预先训练的隐马尔可夫模型，得到各所述第二笔迹段的状态，所述隐马尔可夫模型是根据笔迹样本的笔迹段的笔迹参数样本和其对应的状态样本训练得到的；根据各所述第二笔迹段的状态，识别所述第一笔迹，得到所述第一笔迹对应的图形。2.根据权利要求1所述的方法，其特征在于，所述对第一笔迹进行划分，得到多个第二笔迹段，包括：通过多分辨率分析的方式，确定所述第一笔迹的第一关键点；根据所述第一关键点，对所述第一笔迹进行划分，得到多个第三笔迹段；针对每一个所述第三笔迹段，根据预设弧长长度，对所述第三笔迹段进行划分，得到多个所述第二笔迹段。3.根据权利要求2所述的方法，其特征在于，所述通过多分辨率分析的方式，确定所述第一笔迹的第一关键点，包括：确定目标点在预设分辨率下的曲率，所述目标点为所述第一笔迹上的任一点；根据所述曲率，确定曲率突变的目标点，并将所述曲率突变的目标点记为第二关键点；根据所述预设分辨率和第二关键点数量的关联关系，从所述第二关键点中确定所述第一关键点。4.根据权利要求2所述的方法，其特征在于，所述针对每一个所述第三笔迹段，根据预设弧长长度，对所述第三笔迹段进行划分，得到多个所述第二笔迹段，包括：针对每一个所述第三笔迹段，根据预设弧长长度，对所述第三笔迹段进行划分，得到多个第四笔迹段；在所述第四笔迹段包含所述第一关键点的情况下，将与所述第一关键点相邻的第四笔迹段合并，得到所述第二笔迹段；在所述第四笔迹段不包含所述第一关键点的情况下，将所述第四笔迹段记为所述第二笔迹段。5.根据权利要求1所述的方法，其特征在于，所述笔迹参数包括所述第二笔迹段的线性度和方向；所述确定各所述第二笔迹段的笔迹参数，包括：根据所述第二笔迹段中首尾端点的第一长度...

【专利技术属性】
技术研发人员：李俊峰，
申请(专利权)人：北京鸿合爱学教育科技有限公司，
类型：发明
国别省市：