手写识别方法、装置、电子设备及可读存储介质制造方法及图纸

本发明专利技术实施例提供了一种手写识别方法、装置、电子设备及存储介质，包括：获取目标数量的单字手写字符，调用自由写仿真算法将目标数量的单字手写字符生成字符串，获取字符串的第一目标笔画，调用卷积神经网络CNN获取第一目标笔画的特征信息，调用双向长短期记忆网络BiLSTM根据特征信息生成针对第一目标笔画的关联特征信息，调用连接时序分类CTC解码根据关联特征信息输出单字手写字符对应的标准格式字符。即本发明专利技术中通过将单字手写字符生成自由写的字符串，避免了单一使用某一种写法对用户的限制，同时无需人工设计特征,可以最大化的提升自由写识别效果，提升用户体验。提升用户体验。提升用户体验。

【技术实现步骤摘要】
手写识别方法、装置、电子设备及可读存储介质


[0001]本专利技术属于联机手写识别
，特别是涉及一种手写识别方法、装置、电子设备及可读存储介质。

技术介绍

[0002]手写输入法在终端设备上是非常常用的一种输入方法，如车载输入和手机输入等。目前市面上常见的支持手写输入的算法要求输入要么是行写，要么是叠写，其中叠写识别需要一个字符假设模型进行精确的单字分割识别,然后基于单字识别得分及语言模型进行路径搜索解码；而行写识别往往采用单字分割或基于行识别神经网络算法。
[0003]然而，现有的书写识别方式中解码处理流程较为复杂且只能单一使用某一种写法对用户有较大的限制，造成不好的用户体验。

技术实现思路

[0004]本专利技术提供一种手写识别方法、装置、电子设备及可读存储介质，以便解决现有的书写识别方式中解码处理流程较为复杂且只能单一使用某一种写法对用户有较大的限制的问题。
[0005]为了解决上述技术问题，本专利技术是这样实现的：
[0006]第一方面，本专利技术提供一种手写识别方法，所述方法包括：
[0007]获取目标数量的单字手写字符；
[0008]调用自由写仿真算法将所述目标数量的单字手写字符生成字符串；
[0009]获取所述字符串的第一目标笔画；
[0010]调用卷积神经网络CNN获取所述第一目标笔画的特征信息；
[0011]调用双向长短期记忆网络BiLSTM根据所述特征信息生成针对所述第一目标笔画的关联特征信息；
[0012]调用连接时序分类CTC解码根据所述关联特征信息输出所述单字手写字符对应的标准格式字符。
[0013]可选地，所述获取目标数量的单字手写字符之前，所述方法还包括：
[0014]响应于用户对于输入法控件的选择，进入目标界面，所述目标界面包括单字手写模式控件；
[0015]响应于用户对在所述单字手写模式控件的输入，显示单字手写界面；
[0016]将所述用户在所述单字手写界面输入的所述单字手写字符发送至服务器保存。
[0017]可选地，所述自由写仿真算法包括：行写模式，叠写模式和行叠混写模式，所述调用自由写仿真算法将所述目标数量的单字手写字符生成字符串包括：
[0018]按照所述行写模式将所述目标数量的单字手写字符生成行写字符串；
[0019]或按照所述叠写模式将所述目标数量的单字手写字符生成叠写字符串；
[0020]或按照所述行叠混写模式将所述目标数量的单字手写字符生成行叠混写字符串。
[0021]可选地，所述获取所述字符串的第一目标笔画之前，所述方法还包括：
[0022]获取所述字符串的点集；
[0023]按照从下笔到抬笔的规则将所述点集划分为不同点集集合；
[0024]按照时间顺序将所述不同点集集合中任意相邻的两点之间用直线连接生成第二目标笔画。
[0025]可选地，所述按照时间顺序将所述不同点集集合中任意相邻的两点之间用直线连接生成第二目标笔画之后，所述方法还包括：
[0026]获取笔画归一化的高度和宽度标准；
[0027]获取所述第二目标笔画的实际高度和实际宽度；
[0028]根据所述笔画归一化的高度和宽度标准调整所述第二目标笔画的所述实际高度和所述实际宽度生成所述第一目标笔画。
[0029]可选地，所述调用卷积神经网络CNN获取所述第一目标笔画的特征信息包括：
[0030]获取卷积神经网络CNN的卷积核参数；
[0031]根据所述卷积核参数获取所述第一目标笔画在不同维度的特征信息。
[0032]第二方面，本专利技术提供一种手写识别装置，所述装置包括：
[0033]第一获取模块，用于获取目标数量的单字手写字符；
[0034]第一生成模块，用于调用自由写仿真算法将所述目标数量的单字手写字符生成字符串；
[0035]第二获取模块，用于获取所述字符串的第一目标笔画；
[0036]第三获取模块，用于调用卷积神经网络CNN获取所述第一目标笔画的特征信息；
[0037]第二生成模块，用于调用双向循环神经网络BiLSTM根据所述特征信息生成关联特征信息；
[0038]第一输出模块，用于调用连接时序分类CTC解码根据所述关联特征信息输出所述单字手写字符对应的标准格式字符。
[0039]第三方面，本专利技术提供一种电子设备，包括：处理器、存储器以及存储在所述存储器上并可在所述处理器上运行的计算机程序，所述处理器执行所述程序时实现上述手写识别方法。
[0040]第四方面，本专利技术提供一种可读存储介质，当所述存储介质中的指令由电子设备的处理器执行时，使得电子设备能够执行上述手写识别方法。
[0041]在本专利技术实施例中获取目标数量的单字手写字符，调用自由写仿真算法将目标数量的单字手写字符生成字符串，获取字符串的第一目标笔画，调用卷积神经网络CNN获取第一目标笔画的特征信息，调用双向长短期记忆网络BiLSTM根据特征信息生成针对第一目标笔画的关联特征信息，调用连接时序分类CTC解码根据关联特征信息输出单字手写字符对应的标准格式字符。即本专利技术中通过将单字手写字符生成自由写的字符串，避免了单一使用某一种写法对用户的限制，同时通过卷积神经网络CNN进行特征提取，无需人工设计特征，通过CNN中参数及Bilstm中参数同时使用CTC解码端到端的训练，可以最大化的提升自由写识别效果，提升用户体验。
附图说明
[0042]为了更清楚地说明本专利技术实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作一简单地介绍，显而易见地，下面描述中的附图是本专利技术的一些实施例，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。
[0043]图1是本专利技术实施例提供的一种手写识别方法的步骤流程图之一；
[0044]图2是本专利技术实施例提供的一种手写识别方法的步骤流程图之二；
[0045]图3是本专利技术实施例提供的一种手写识别方法的步骤流程图之三；
[0046]图4是本专利技术实施例提供的一种手写识别方法的步骤流程图之四；
[0047]图5是本专利技术实施例提供的一种手写识别装置的结构图；
[0048]图6是本专利技术实施例提供的一种电子设备的结构图。
具体实施方式
[0049]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。
[0050]图1是本专利技术实施例提供的一种手写识别方法的步骤流程图之一，如图1所示，该方法可以包括：
[0051]步骤101，获取目标数量的单字手写字符。
[0052]本专利技术实施例中进行手写识别的样本字符是公司采集及本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种手写识别方法，其特征在于，所述方法包括：获取目标数量的单字手写字符；调用自由写仿真算法将所述目标数量的单字手写字符生成字符串；获取所述字符串的第一目标笔画；调用卷积神经网络CNN获取所述第一目标笔画的特征信息；调用双向长短期记忆网络BiLSTM根据所述特征信息生成针对所述第一目标笔画的关联特征信息；调用连接时序分类CTC解码根据所述关联特征信息输出所述单字手写字符对应的标准格式字符。2.根据权利要求1所述的方法，其特征在于，所述获取目标数量的单字手写字符之前，所述方法还包括：响应于用户对于输入法控件的选择，进入目标界面，所述目标界面包括单字手写模式控件；响应于用户对在所述单字手写模式控件的输入，显示单字手写界面；将所述用户在所述单字手写界面输入的所述单字手写字符发送至服务器保存。3.根据权利要求1所述的方法，其特征在于，所述自由写仿真算法包括：行写模式，叠写模式和行叠混写模式，所述调用自由写仿真算法将所述目标数量的单字手写字符生成字符串包括：按照所述行写模式将所述目标数量的单字手写字符生成行写字符串；或按照所述叠写模式将所述目标数量的单字手写字符生成叠写字符串；或按照所述行叠混写模式将所述目标数量的单字手写字符生成行叠混写字符串。4.根据权利要求1所述的方法，其特征在于，所述获取所述字符串的第一目标笔画之前，所述方法还包括：获取所述字符串的点集；按照从下笔到抬笔的规则将所述点集划分为不同点集集合；按照时间顺序将所述不同点集集合中任意相邻的两点之间用直线连接生成第二目标笔画。5.根据权利要求4所述的方法，其特征在于，所述按照时间顺序将所述不同点集集合中任意相邻的两点之间用直线连接生成第二目标笔画之后，所述方法还包括：获取笔画归一化的高度和宽度标准；获取所述第二目标笔画的实际高度和实际宽度；...

【专利技术属性】
技术研发人员：高大帅，李健，陈明，武卫东，
申请(专利权)人：北京捷通鸿泰科技有限公司，
类型：发明
国别省市：