CN106326907A - 手写体自动评价方法和*** - Google Patents
手写体自动评价方法和*** Download PDFInfo
- Publication number
- CN106326907A CN106326907A CN201510346578.7A CN201510346578A CN106326907A CN 106326907 A CN106326907 A CN 106326907A CN 201510346578 A CN201510346578 A CN 201510346578A CN 106326907 A CN106326907 A CN 106326907A
- Authority
- CN
- China
- Prior art keywords
- evaluation
- pen
- word
- weight
- section
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/22—Matching criteria, e.g. proximity measures
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
- G06V10/74—Image or video pattern matching; Proximity measures in feature spaces
- G06V10/75—Organisation of the matching processes, e.g. simultaneous or sequential comparisons of image or video features; Coarse-fine approaches, e.g. multi-scale approaches; using context analysis; Selection of dictionaries
- G06V10/751—Comparing pixel values or logical combinations thereof, or feature values having positional relevance, e.g. template matching
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Evolutionary Computation (AREA)
- Data Mining & Analysis (AREA)
- Artificial Intelligence (AREA)
- General Physics & Mathematics (AREA)
- Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- Databases & Information Systems (AREA)
- Bioinformatics & Computational Biology (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Health & Medical Sciences (AREA)
- Computing Systems (AREA)
- Evolutionary Biology (AREA)
- General Health & Medical Sciences (AREA)
- Medical Informatics (AREA)
- Software Systems (AREA)
- Multimedia (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
- Electrically Operated Instructional Devices (AREA)
Abstract
本发明公开了一种手写体文字的自动评价方法和***结构,能够对***。包括:整字评价方法、笔段评价方法、评价结果量化打分公式、核心软件结构。
Description
技术领域
模式识别、书法。
背景技术
书法是中华文化的核心符号,“字如其人”反映了华人对一手好字的重视。华人从儿童教育开始就学习写字,习得一笔好字一直是华人的追求。写字人人都会,写一笔好字却是很多成人的障碍。学习写字要向老师学习,传统上都是在田字格上习字,然后由书法老师对整个字和个别笔划进行评价,用红笔标出成笔或败笔。这样习字和评价的过程和传统已经千年未变,越来越不能适应现代社会的快节奏和数字化,这个不适应体现在三个方面:
1.习字是个慢功夫,而现代人的节奏很快,很难为习字空出专门的时间。
2.习字要进步,就需要老师辅导点评,指出成败,点出努力的方向,这种人工的辅导和点评时间和金钱成本都很高,在快节奏的当代阻碍了书法习字的推广和积极性。
3.书法是艺术,好坏凭主观,一直没有客观量化方法评价手写字的好坏。而在数字化社会,量化是大势所趋。在国家强调在基础教育阶段弘扬中华传统文化的大背景下,加强书法学习成为共识。这需要有效的方法来快速、客观、量化评价习字效果,以利于书法学习的大规模开展。
如果能用技术手段解决上述三个问题,就有希望打开新时期快速发展书法学习规模的新局面,为更多人更容易地习得一笔好字带来新途径,也能更有效弘扬中华传统文化。
本发明提供一种自动点评手写体成败点的方法和***,借助互联网、移动通讯和模式识别技术,以某个门派的书法知识和评判标准自动评价习字结果,为人们利用碎片时间习字,并快速得到“没有老师的”老师点评提供了方法和工具,也为客观量化评价习字效果提供了新方法。
发明内容
提供本发明内容是为了以简化的形式介绍将在以下具体实施例中进一步描述的一些概念。本发明内容不旨在标识出所要求保护的主题的关键特征或必要特征,也不旨在用于限定所要求保护的主题的范围。
针对传统习字过程存在的上述问题,本发明提出了习字结果自动量化评价的方法,并在实施方式中阐明了实现这些方法的***核心结构。
为了量化评价手写的字,需要对字结构进行拆分。字结构可以从粗到细拆分4个层级,如图1所示。
在笔段层级,通过笔段的大小(长短)、位置、角度、粗细变化等几个维度来评判笔段的成败。对笔段的评价是字评价中最基础最重要的评价,其它层级的评价主要以笔段评价结果为基础。
在笔划层级,理论上也是通过笔划的大小、位置、角度变化来评判笔划的成败。由于笔划由1:n个笔段组成,为了降低评价难度,我们用笔段来评价笔划,即:如果组成这个笔划的笔段多数都是好笔段,则这个笔划也是好笔划。反之亦然。
在偏旁部首层级,除了用组成这个偏旁部首的笔划来评价偏旁部首外,还用这个偏旁部首的大小和位置来评价这个偏旁部首。同时,如果这个偏旁部首有主笔,则首先用评价笔划的方法评价主笔,然后再评价次笔。
在字层级,除了用组成这个字的偏旁部首来评价字外,还用这个字的外廓大小和位置来评价这个字。此外,如果这个字有主笔(又叫主题笔划、主要笔划、关键笔划),则首先用评价笔划的方法评价主笔,然后再评价辅笔,最后评价次笔,即:主笔评价权重大(例如占6成),辅笔评价权重居中(例如占3成),次笔评价权重最少(例如占1成)。
字由偏旁部首组成,偏旁部首由笔划组成,笔划由笔段组成,笔段写好了,则笔划好了,笔划好了则偏旁部首就写好了,则字就好看了。所以笔段评价涵盖了笔划评价和偏旁部首评价,是最基础的评价。
所谓评价,就是将手写的字与某个书法门派的标准字在几个维度上比较,误差越小字越好。书法是艺术不是技术,所以评价字的好坏无法“精确”,误差的度量要有一个宽容度(值)。如果某个维度上的误差小于宽容度,则认为在这个维度上该字是好字。宽容度取值与标准字大小、具体维度和评价的严格程度有关。
习字的方法是比照标准字在田字格里仿写。评价时,应首先按标准字比较习字的大小和位置,过大和过小或位置过偏都要在评语中给出提示。然后将习字标准化成标准字大小和位置,按主、辅、次笔的顺序逐级比较、评价。评价的流程如图2所示。
在字的评价方法和流程中,核心是主笔的评价,基础是笔段的评价。无论是主笔还是辅笔、次笔都可细分为笔段,用笔段的评价结果评价主、辅、次笔。笔段的评价方法如图3所示。
笔段评价由笔段端点位置评价和笔段厚度评价两部分组成。
笔段端点评价就是用每个笔段的两个端点与标准字对应笔段的两端点位置比较,如果两个端点的误差小于宽容度,则认为该笔段在长度、位置、角度3个维度上是好笔段。如果只有一个端点的误差小于容错值,则说明该笔段角度不对,不是好笔段。如果两个端点的误差都大于容错值,则该笔段要么角度不对、要么长度不对、要么位置不对,不是好笔段。
笔段厚度评价是提取每个笔段的3个特征点处的厚度,计算其变化趋势,与标准字相应笔段的对应特征点处厚度变化趋势比较,如果误差小于宽容度则认为该笔段在粗细变化维度上是好笔段,反之不好。每个笔段取3个特征点:笔段中点、距笔段两端点1/n笔段长度处的点(其中n一般取3至6的整数)。
上述评价方法是以某书法门派的字为标准进行数字化评价的。用本发明所述评价方法,采用不同书法门派的字作为评价标准,可以按不同书法门派的标准进行评价。
因为是在宽容度允许的范围内进行数字化评价,所以可以对评价结果进行量化评分,评分公式如下:
a)整字量化评分公式:
整字评分=
主笔评分×主笔权重+
辅笔评分×辅笔权重+
次笔评分×次笔权重+
位置评分×位置权重+
大小评分×大小权重
其中,
1.主笔权重>辅笔权重>次笔权重≥位置和大小权重。
2.主、辅、次笔都是笔段,其评分来自于权利要求3b)所述的“笔段量化评分公式”。
b)笔段量化评分公式:
笔段评分=
端点位置评分×端点位置权重+
特征点厚度评分×特征点厚度权重
其中,端点位置权重>特征点厚度权重。
附图说明
图1是字的分级拆分示意图
图2是手写体评价流程示意图
图3是笔段评价流程示意图
图4是手写体评价***核心软件结构示意图
图5是该***评价结果的一个示例
具体实施方式
手写体评价***可以被实现为单机的应用程序,也可以实现为windows服务或web服务用来评价来自其它pc机或移动设备传来的手写体图像,并将评价结果以图像或文字形式迅速反馈。
图4是以面向对象形式表示的手写体评价***核心软件结构示意图,它由字401、偏旁部首402、笔划403、笔段404和点405几个主要软件类组成。
其中,字401由1:n个偏旁部首402组成,偏旁部首402由1:n个笔划403组成,笔划403由1:n个笔段404组成,笔段404由多个点405组成。
其中,笔划403又细分为主笔408和辅笔409两个类,每个笔划403有0:1个主笔408和辅笔409,其余默认为次笔。
其中,点405又细分为端点406和特征点407两个类,每个笔段404有2个端点406和3个特征点406。
字401提供字提取4011、字识别4012、评价标准获取4013、评价4014四个操作。字提取4011负责从这个字图像中提取出字对象,将其拆分成对应的偏旁部首、笔划、笔段。字识别4012负责识别该字具体是哪个字,以便找到相应字的评价标准。评价标准获取4013负责获取该字的评价标准。评价4014负责用评价标准评价该字,对于好字、好笔划、好偏旁要在字图像上标识,对于位置或大小偏差太大的要给出文字提示。评价操作4014有个参数宽容度,针对评价的严格程度提供不同的宽容度,以适应对不同人群(比如成人组、少年组)书写水平的评价。
图5是该***评价结果的一个示例,评价标准来自庞体字的“春”,第1个字501和第3个字503写得最好,所以被用一个红色大圆标识出来,第2个字502有两笔5021和5022不错,被用红色小圆圈出。
Claims (5)
1.一种手写体自动评价方法,其特征在于:
a)通过如下5个维度评价字的好坏:
i.评价整字的大小201。
ii.评价整字的位置201。
iii.评价主笔的好坏206。
iv.评价辅笔的好坏207。
v.评价次笔的好坏208。
b)在主、辅、次笔评价206、207、208之前先进行整字的标准化202,将整字标准化成标准字大小和位置,以方便评价。
c)主、辅、次笔评价206、207、208都基于权利要求2的“一种笔段自动评价方法”。
d)用5个维度的评价结果综合评价整字的好坏209,综合评价的方法基于权利要求3的“一种手写体自动评价量化评分公式”。
2.一种笔段自动评价方法,其特征在于:
a)评价两个端点的位置302。
b)通过3个特征点厚度来评价笔段粗细变化趋势304。
c)基于端点评价302和特征点评价304来综合评价笔段好坏305。
3.一种手写体自动评价用的量化评分公式,其特征在于:
a)整字量化评分公式:
整字评分=主笔评分×主笔权重+
辅笔评分×辅笔权重+
次笔评分×次笔权重+
位置评分×位置权重+
大小评分×大小权重
其中,
1.主笔权重>辅笔权重>次笔权重≥位置和大小权重。
2.主、辅、次笔都是笔段,其评分来自于权利要求3b)所述的“笔段量化评分公式”。
b)笔段量化评分公式:
笔段评分=端点位置评分×端点位置权重+特征点厚度评分×特征点厚度权重
其中,端点位置权重>特征点厚度权重。
4.手写体自动评价***核心软件结构,其特征在于:
a)字401由0:1个主笔408、0:1个辅笔409和多个其它笔划(次笔)403组成。
b)笔划403由1:n个笔段404组成。
c)笔划403细分为主笔408和辅笔409两类。
d)笔段404由2个端点406、3个特征点407和其它点405组成。
e)3个特征点分别是笔段中点和距笔段两端点各1/n的两个点,n一般取4~6的整数。
f)点405细分为端点406、特征点407。
g)字401具有操作“字提取”4011、“字识别”4012、“评价标准获取”4013、“评价”4014。
h)字提取4011负责从习字图片中提取字对象到内存,生成相应的主笔、辅笔、次笔、笔段等对象。
i)字识别4012负责识别提取的字是哪个字,以便获取评价标准。
j)评价标准获取4013负责从数据库或其它途径获取该字的评价标准,这里的评价标准指具体门派的标准字。
k)评价4014负责用评价标准评价该字,4014评价时用到输入参数“宽容度”,用来在相同的评价标准下适应不同的宽严要求。
5.本发明所述手写体自动评价方法和***,其保护范围不限于汉字手写体评价,包括所有语言文字的手写体评价。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510346578.7A CN106326907A (zh) | 2015-06-23 | 2015-06-23 | 手写体自动评价方法和*** |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510346578.7A CN106326907A (zh) | 2015-06-23 | 2015-06-23 | 手写体自动评价方法和*** |
Publications (1)
Publication Number | Publication Date |
---|---|
CN106326907A true CN106326907A (zh) | 2017-01-11 |
Family
ID=57728964
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201510346578.7A Pending CN106326907A (zh) | 2015-06-23 | 2015-06-23 | 手写体自动评价方法和*** |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN106326907A (zh) |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109214471A (zh) * | 2018-10-10 | 2019-01-15 | 北京米蓝科技有限公司 | 评价练字字帖中的书写字的方法及*** |
CN110009027A (zh) * | 2019-03-28 | 2019-07-12 | 腾讯科技(深圳)有限公司 | 图像的比对方法、装置、存储介质及电子装置 |
CN110070053A (zh) * | 2019-04-24 | 2019-07-30 | 北京盛世宣合信息科技有限公司 | 一种字体特征提取方法和装置 |
CN110503101A (zh) * | 2019-08-23 | 2019-11-26 | 北大方正集团有限公司 | 字形评价方法、装置、设备及计算机可读存储介质 |
CN110969681A (zh) * | 2019-11-29 | 2020-04-07 | 山东浪潮人工智能研究院有限公司 | 一种基于gan网络的手写体书法文字生成方法 |
-
2015
- 2015-06-23 CN CN201510346578.7A patent/CN106326907A/zh active Pending
Cited By (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109214471A (zh) * | 2018-10-10 | 2019-01-15 | 北京米蓝科技有限公司 | 评价练字字帖中的书写字的方法及*** |
CN110009027A (zh) * | 2019-03-28 | 2019-07-12 | 腾讯科技(深圳)有限公司 | 图像的比对方法、装置、存储介质及电子装置 |
CN110070053A (zh) * | 2019-04-24 | 2019-07-30 | 北京盛世宣合信息科技有限公司 | 一种字体特征提取方法和装置 |
CN110070053B (zh) * | 2019-04-24 | 2022-03-15 | 北京盛世宣合信息科技有限公司 | 一种字体特征提取方法和装置 |
CN110503101A (zh) * | 2019-08-23 | 2019-11-26 | 北大方正集团有限公司 | 字形评价方法、装置、设备及计算机可读存储介质 |
CN110969681A (zh) * | 2019-11-29 | 2020-04-07 | 山东浪潮人工智能研究院有限公司 | 一种基于gan网络的手写体书法文字生成方法 |
CN110969681B (zh) * | 2019-11-29 | 2023-08-29 | 山东浪潮科学研究院有限公司 | 一种基于gan网络的手写体书法文字生成方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108090857B (zh) | 一种多模态的学生课堂行为分析***和方法 | |
CN106326907A (zh) | 手写体自动评价方法和*** | |
CN110348441B (zh) | 增值税***识别方法、装置、计算机设备及存储介质 | |
WO2020135472A1 (zh) | 一种错题本生成方法及装置 | |
CN110110581B (zh) | 一种基于人工智能的试卷批改方法和*** | |
CN110781663B (zh) | 文本分析模型的训练方法及装置、文本分析方法及装置 | |
CN110956138B (zh) | 一种基于家教设备的辅助学习方法及家教设备 | |
CN105374356A (zh) | 语音识别方法、语音评分方法、语音识别***及语音评分*** | |
CN108664474A (zh) | 一种基于深度学习的简历解析方法 | |
CN109213856A (zh) | 一种语义识别方法及*** | |
CN103761975A (zh) | 一种口语评测方法及装置 | |
CN109189895B (zh) | 一种针对口算题的题目批改方法及装置 | |
CN105427696A (zh) | 一种对目标题目所作答案进行判别的方法 | |
CN104808794A (zh) | 一种唇语输入方法和*** | |
CN105787522A (zh) | 基于手写笔迹的书写态度评价方法及*** | |
Campos et al. | Sheet music statistical layout analysis | |
CN103559181A (zh) | 一种双语语义关系分类模型的建立方法和*** | |
CN108280065B (zh) | 一种外文文本评价方法及装置 | |
CN109460558B (zh) | 一种语音翻译***的效果评判方法 | |
CN106294186A (zh) | 智能软件自动化测试方法 | |
CN107748744A (zh) | 一种勾勒框知识库的建立方法及装置 | |
CN105389303B (zh) | 一种异源语料自动融合方法 | |
CN116758786A (zh) | 书法测评方法、装置、计算机设备及介质 | |
CN114048327A (zh) | 一种基于知识图谱的主观题自动评分方法及*** | |
CN113033660A (zh) | 一种通用小语种检测方法、装置以及设备 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
WD01 | Invention patent application deemed withdrawn after publication | ||
WD01 | Invention patent application deemed withdrawn after publication |
Application publication date: 20170111 |