一种基于离线手写图片分割与识别的性格预测系统技术方案

本发明专利技术实施例公开了一种基于离线手写图片分割与识别的性格预测系统，其中，性格预测数据采集模块采集不同的离线手写图片信息；图像预处理模块对离线手写图片信息进行预处理；图像分割与识别模块对预处理后的离线手写图片信息进行分割与识别处理；图片特征提取模块对分割得到的小图片以及整幅图片进行不同特征的提取；特征分类模块对图片特征提取模块所提取的每一种特征进行分类；系统训练模块根据收集的测试数据进行系统训练；性格数据库模块存储由每一个训练样本的性格数据组成的性格数据库；性格预测模块对性格的不同方面分别进行预测，获得测试者的综合性格特征。实施本发明专利技术，使得性格预测更加可靠，并提高了系统的可靠性、准确性及有效性。

【技术实现步骤摘要】

本专利技术涉及图像处理
，尤其涉及一种基于离线手写图片分割与识别的性格预测系统。
技术介绍
随着计算机图形技术的发展，计算机在图形图像方面的处理能力不断提高，但是计算机的本质始终都是只能处理二进制数字，如果需要处理更复杂的内容就需要进行一些改变，比如一些图片内容的处理。现在对规则打印字方面的研究很多，技术也比较成熟，对于打印字特征提取以及分析处理方面都有了很大的进步，但是在手写图片方面却仍然有很大欠缺，因为每个人的不同，针对一个特定的字母所表现出来的形式必然是不同的，这样就很难去捕捉特定的信息，为手写字母方面的处理带来了很大的麻烦。人的性格表现在各方面，自然也就有很多的外在表现形式可以反应一个人性格方面的具体特征，比如走路姿势、语速快慢、吃饭所用的左右手等，但是在通过观察一个人的笔迹也能看出这个人性格方面的特征，比如一个人比较外向的话，他所写出来的字就会显得很粗犷，内向的人写出来的字就比较规矩一些，还有观察书写笔迹弧度大小等都可以猜测出他性格方面的一些特征，所以可以通过对一个人手写字特征的提取来分析一个人的性格。虽然可以利用提取特征来预测一个人的性格，对于一些特征来说，如果是在线手写图片，还比较容易处理一些，因为可以通过跟踪比较很容易发现字体弯曲弧度及书写速度等特征，但是如果是离线手写图片就很难把握这些信息，这就需要更多的技术参与进来，以便能更精确地提取手写字母特征。
技术实现思路
本专利技术的目的在于克服现有技术的不足，本专利技术提供了一种基于离线手写图片分割与识别的性格预测系统，可以对离线手写图片进行了有效分割与识别，使得性格预测更加可靠，并提高了系统的可靠性、准确性及有效性。为了解决上述问题，本专利技术提出了一种基于离线手写图片分割与识别的性格预测系统，所述系统包括性格预测数据采集模块、图像预处理模块、图像分割与识别模块、图片特征提取模块、特征分类模块、系统训练模块、性格数据库模块和性格预测模块；其中，所述性格预测数据采集模块用于采集不同的离线手写图片信息；所述图像预处理模块用于对所述性格预测数据采集模块所采集的离线手写图片信息进行预处理；所述图像分割与识别模块用于对预处理后的离线手写图片信息进行分割与识别处理；所述图片特征提取模块用于对所述图像分割与识别模块所分割得到的小图片以及整幅图片进行不同特征的提取，并将每个测试者不同方面的特征进行信息汇总；所述特征分类模块用于对所述图片特征提取模块所提取的每一种特征进行分类；所述系统训练模块用于根据收集的测试数据进行系统训练，形成性格数据库；所述性格数据库模块用于存储由每一个训练样本的性格数据组成的性格数据库；所述性格预测模块用于根据测试者输入的图片信息进行分析，并对性格的不同方面分别进行预测，获得测试者的综合性格特征。优选地，所述性格预测数据采集模块还用于通过针对某一段特定的英文段落，收集不同测试样本的手写字母图片数据，并通过性格测试网站题目测试每个收集的测试样本的性格特征。优选地，所述图片特征提取模块还用于对分割得到的图片或者字母按照预先定义的特征进行特征提取，将每个人不同方面的特征进行提取汇总，并将性格特征用特征数据进行表示。优选地，所述特征分类模块还用于对所述图片特征提取模块所提取的每一种特征进行分类，根据测试者的特征数据将测试者归属到性格特征的分类。优选地，所述性格特征的分类包括内向分类和外向分类。优选地，所述训练样本的性格数据为各种笔迹特征数据。优选地，所述图像预处理模块用于对所述性格预测数据采集模块所采集的离线手写图片信息进行去噪处理，处理成二值化图像。优选地，所述图像分割与识别模块用于对预处理后的离线手写图片信息分割成单个的单词和单个的字母。优选地，所述性格数据库模块存储的特征包括:整幅图像级别特征、单词级别特征和字母级别特征。优选地，所述整幅图像级别特征包括比划宽度、单词间距和单词大小；所述单词级别特征包括水平投影方差、水平投影期望、垂直投影方差和垂直投影期望；所述字母级别特征包括字母T的t-bar位置、字母平均斜度、字母Y的下弧度大小和字母链码。实施本专利技术实施例，具有以下有益效果:1、对离线手写图片进行了有效分割与识别，通过一种有效的分割算法，通过逐步增加图片的信息量，与模块进行对比得出一个匹配分数，当对整幅图像扫描结束时，选择匹配分数最高的像素点进行切割，可以对单个字母进行更准确地切割。2、提取了更全面的特征，对于一个人的性格不能通过某一个特征就能反映出来，需要更多信息的融合，通过对整幅图片级别特征、单词级别特征、字母级别特征等信息的提取，比较全面准确地反映了一个人性格，使得性格预测更加可靠。3、在训练阶段有权威依据，训练阶段通过权威性格测试网站事先对每一幅图片书写者的性格都进行了测试，使得系统完善之后的测试更具有可靠性，能够比较准确的对被测试者的性格作出判断。4、采用有效的分类算法，通过多种分类算法的比较，采用Multiboost这种准确性高的分类算法，这样对于预测结果准确性的提高也提供了有效帮助。5、系统的模块化结构使其有良好可扩展性。本专利技术给出的是按功能划分的模块设计，各个功能模块之间藕合低，高内聚性，所以实现者在遵循整个系统模块设计的情况下，可以根据规模的大小将模块放在不同软硬件上实现，可以根据实际需要，在安全性、系统整体性能及价值之间均衡，建设适合特定需要的性格预测系统。附图说明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简单地介绍，显而易见地，下面描述中的附图仅仅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它的附图。图1是本专利技术实施例的基于离线手写图片分割与识别的性格预测系统的结构组成示意图；图2是本专利技术实施例的性格数据库模块存储的特征的构成示意图；图3是本专利技术实施例的基于离线手写图片分割与识别的性格预测系统的实现过程不意图。具体实施例方式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，所描述的实施例仅仅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。图1是本专利技术实施例的基于离线手写图片分割与识别的性格预测系统的结构组成示意图，如图1所示，该系统包括性格预测数据采集模块10、图像预处理模块11、图像分割与识别模块12、图片特征提取模块13、特征分类模块14、系统训练模块15、性格数据库模块16和性格预测模块17 ;其中，性格预测数据采集模块10用于采集不同的离线手写图片信息；图像预处理模块11用于对性格预测数据采集模块10所采集的离线手写图片信息进行预处理；图像分割与识别模块12用于对预处理后的离线手写图片信息进行分割与识别处理；图片特征提取模块13用于对图像分割与识别模块12所分割得到的小图片以及整幅图片进行不同特征的提取，并将每个测试者不同方面的特征进行信息汇总；特征分类模块14用于对图片特征提取模块13所提取的每一种特征进行分类；系统训练模块15用于根据收集的测试数据进行系统训练，形成性格数据库；性格数据库模块16用于存储由每一个训练样本的性格数据组成的性本文档来自技高网...

【技术保护点】
一种基于离线手写图片分割与识别的性格预测系统，其特征在于，所述系统包括性格预测数据采集模块、图像预处理模块、图像分割与识别模块、图片特征提取模块、特征分类模块、系统训练模块、性格数据库模块和性格预测模块；其中，所述性格预测数据采集模块用于采集不同的离线手写图片信息；所述图像预处理模块用于对所述性格预测数据采集模块所采集的离线手写图片信息进行预处理；所述图像分割与识别模块用于对预处理后的离线手写图片信息进行分割与识别处理；所述图片特征提取模块用于对所述图像分割与识别模块所分割得到的小图片以及整幅图片进行不同特征的提取，并将每个测试者不同方面的特征进行信息汇总；所述特征分类模块用于对所述图片特征提取模块所提取的每一种特征进行分类；所述系统训练模块用于根据收集的测试数据进行系统训练，形成性格数据库；所述性格数据库模块用于存储由每一个训练样本的性格数据组成的性格数据库；所述性格预测模块用于根据测试者输入的图片信息进行分析，并对性格的不同方面分别进行预测，获得测试者的综合性格特征。

【技术特征摘要】

【专利技术属性】
技术研发人员：罗笑南，王玉松，林格，
申请(专利权)人：中山大学，
类型：发明
国别省市：广东;44