CN111596810A - 涂鸦识别方法、装置、设备及存储介质 - Google Patents

涂鸦识别方法、装置、设备及存储介质 Download PDF

Info

Publication number
CN111596810A
CN111596810A CN202010589362.4A CN202010589362A CN111596810A CN 111596810 A CN111596810 A CN 111596810A CN 202010589362 A CN202010589362 A CN 202010589362A CN 111596810 A CN111596810 A CN 111596810A
Authority
CN
China
Prior art keywords
graffiti
identification
score
duration
sliding signal
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.)
Granted
Application number
CN202010589362.4A
Other languages
English (en)
Other versions
CN111596810B (zh
Inventor
周靖奇
岳宗元
林雪莹
陈楚
季明阳
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Tencent Technology Shenzhen Co Ltd
Original Assignee
Tencent Technology Shenzhen Co Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Tencent Technology Shenzhen Co Ltd filed Critical Tencent Technology Shenzhen Co Ltd
Priority to CN202010589362.4A priority Critical patent/CN111596810B/zh
Publication of CN111596810A publication Critical patent/CN111596810A/zh
Application granted granted Critical
Publication of CN111596810B publication Critical patent/CN111596810B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F3/00—Input arrangements for transferring data to be processed into a form capable of being handled by the computer; Output arrangements for transferring data from processing unit to output unit, e.g. interface arrangements
    • G06F3/01—Input arrangements or combined input and output arrangements for interaction between user and computer
    • G06F3/03—Arrangements for converting the position or the displacement of a member into a coded form
    • G06F3/041—Digitisers, e.g. for touch screens or touch pads, characterised by the transducing means
    • G06F3/044—Digitisers, e.g. for touch screens or touch pads, characterised by the transducing means by capacitive means
    • G06F3/0442—Digitisers, e.g. for touch screens or touch pads, characterised by the transducing means by capacitive means using active external devices, e.g. active pens, for transmitting changes in electrical potential to be received by the digitiser
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F3/00—Input arrangements for transferring data to be processed into a form capable of being handled by the computer; Output arrangements for transferring data from processing unit to output unit, e.g. interface arrangements
    • G06F3/01—Input arrangements or combined input and output arrangements for interaction between user and computer
    • G06F3/048—Interaction techniques based on graphical user interfaces [GUI]
    • G06F3/0484—Interaction techniques based on graphical user interfaces [GUI] for the control of specific functions or operations, e.g. selecting or manipulating an object, an image or a displayed text element, setting a parameter value or selecting a range
    • G06F3/0485—Scrolling or panning
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F3/00—Input arrangements for transferring data to be processed into a form capable of being handled by the computer; Output arrangements for transferring data from processing unit to output unit, e.g. interface arrangements
    • G06F3/01—Input arrangements or combined input and output arrangements for interaction between user and computer
    • G06F3/048—Interaction techniques based on graphical user interfaces [GUI]
    • G06F3/0487—Interaction techniques based on graphical user interfaces [GUI] using specific features provided by the input device, e.g. functions controlled by the rotation of a mouse with dual sensing arrangements, or of the nature of the input device, e.g. tap gestures based on pressure sensed by a digitiser
    • G06F3/0488—Interaction techniques based on graphical user interfaces [GUI] using specific features provided by the input device, e.g. functions controlled by the rotation of a mouse with dual sensing arrangements, or of the nature of the input device, e.g. tap gestures based on pressure sensed by a digitiser using a touch-screen or digitiser, e.g. input of commands through traced gestures
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T11/00—2D [Two Dimensional] image generation
    • G06T11/80—Creating or modifying a manually drawn or painted image using a manual input device, e.g. mouse, light pen, direction keys on keyboard
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V30/00—Character recognition; Recognising digital ink; Document-oriented image-based pattern recognition
    • G06V30/10—Character recognition
    • G06V30/14—Image acquisition
    • G06V30/142—Image acquisition using hand-held instruments; Constructional details of the instruments
    • G06V30/1423—Image acquisition using hand-held instruments; Constructional details of the instruments the instrument generating sequences of position coordinates corresponding to handwriting

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • General Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Human Computer Interaction (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Multimedia (AREA)
  • User Interface Of Digital Computer (AREA)

Abstract

本申请提供了一种涂鸦识别方法、装置、设备及存储介质，涉及信息识别技术领域，所述方法包括：接收第一滑动信号；对根据所述第一滑动信号得到的涂鸦进行识别，确定识别评分；获取所述识别评分所对应的延时时长；响应于在所述延时时长内未接收到第二滑动信号，根据所述识别评分确定涂鸦识别结果。在本申请实施例中，通过提供延时时长对用户的滑动操作继续进行检测，可以解决相关技术中在用户还未结束绘画的情况下，频繁的结果提示容易影响用户绘画，进而降低人机交互的效率的问题。

Description

涂鸦识别方法、装置、设备及存储介质
技术领域
本申请涉及信息识别技术领域，特别涉及一种涂鸦识别方法、装置、设备及存储介质。
背景技术
用户可以在电子设备上进行绘画，即涂鸦。随着计算机技术的发展，电子设备可以对用户绘制的涂鸦进行识别。
相关技术中，一般都是由电子设备给出题目，让用户画题目中给定的物体。用户使用手指(或电容笔)在电子设备的触摸屏上进行绘画，每次松开手指(或提起电容笔)时，电子设备通过涂鸦识别判断：用户绘制出的涂鸦是不是题目中给定的物体。
然而，相关技术中的方案，用户每次松开手指(或提起电容笔)时，电子设备都会给出涂鸦识别的结果。在用户还未结束绘画的情况下，频繁的结果提示容易影响用户绘画，进而降低人机交互的效率。
发明内容
本申请实施例提供了一种涂鸦识别方法、装置、设备及存储介质，通过提供延时时长对用户的滑动操作继续进行检测，可以解决相关技术中的在用户还未结束绘画的情况下，频繁的结果提示容易影响用户绘画，进而降低人机交互的效率的问题。所述技术方案如下：
根据本申请的一个方面，提供了一种涂鸦识别方法，所述方法包括：
接收第一滑动信号；
对根据所述第一滑动信号得到的涂鸦进行识别，确定识别评分；
获取所述识别评分所对应的延时时长；
响应于在所述延时时长内未接收到第二滑动信号，根据所述识别评分确定涂鸦识别结果。
根据本申请的一个方面，提供了一种涂鸦识别方法，所述方法包括：
显示虚拟画卷；
响应于接收到第一滑动信号，在所述虚拟画卷上显示根据所述第一滑动信号得到的涂鸦；
响应于在延时时长内未接收到第二滑动信号且涂鸦识别结果是目标涂鸦识别结果，在所述虚拟画卷上清除所述涂鸦，显示与所述目标涂鸦识别结果对应的目标虚拟物体；
其中，所述延时时长是在确定与所述涂鸦对应的识别评分后，开始计时的时长。
根据本申请的一个方面，提供了一种涂鸦识别装置，所述装置包括：接收模块和确定模块；
所述接收模块，用于接收第一滑动信号；
所述确定模块，用于对根据所述第一滑动信号得到的涂鸦进行识别，确定识别评分；
所述确定模块，还用于获取所述识别评分所对应的延时时长；
所述确定模块，还用于响应于在所述延时时长内未接收到第二滑动信号，根据所述识别评分确定涂鸦识别结果。
根据本申请的一个方面，提供了一种涂鸦识别装置，所述装置包括：显示模块；
所述显示模块，用于显示虚拟画卷；
所述显示模块，还用于响应于接收到第一滑动信号，在所述虚拟画卷上显示根据所述第一滑动信号得到的涂鸦；
所述显示模块，还用于响应于在延时时长内未接收到第二滑动信号且涂鸦识别结果是目标涂鸦识别结果，在所述虚拟画卷上清除所述涂鸦，显示与所述目标涂鸦识别结果对应的目标虚拟物体；
其中，所述延时时长是在确定与所述涂鸦对应的识别评分后，开始计时的时长。
根据本申请的另一方面，提供了一种计算机设备，所述计算机设备包括存储器和处理器；所述存储器存储有至少一条程序，所述至少一条程序由所述处理器加载并执行以实现如上所述的涂鸦识别方法。
根据本申请的另一方面，提供了一种计算机可读存储介质，所述存储介质中存储有至少一条程序，所述至少一条程序由处理器加载并执行以实现如上所述的涂鸦识别方法。
根据本申请的另一方面，提供了一种计算机程序产品或计算机程序，该计算机程序产品或计算机程序包括计算机指令，该计算机指令存储在计算机可读存储介质中。计算机设备的处理器从计算机可读存储介质读取该计算机指令，处理器执行该计算机指令，使得该计算机设备执行上述方面提供的涂鸦识别方法。
本申请实施例提供的技术方案带来的有益效果至少包括：
在服务器接收到第一滑动信号，并对用户绘制出的涂鸦进行涂鸦识别后，不立即确定涂鸦识别结果，而是根据识别评分确定延时时长，在延时时长内对滑动信号进行进一步检测，在延时时长内未检测到第二滑动信号的情况下，才确定涂鸦识别结果，由于延时时长内未检测到第二滑动信号大概率意味着用户已经结束涂鸦，从而避免在用户还未结束绘画的情况下，就确定涂鸦识别结果并进行结果提示的情况，提高人机交互的效率。
附图说明
为了更清楚地说明本申请实施例中的技术方案，下面将对实施例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申请的一些实施例，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。
图1是本申请一个示例性实施例提供的计算机***的框图；
图2是本申请一个示例性实施例提供的涂鸦识别方法的示意图；
图3是本申请一个示例性实施例提供的涂鸦识别方法的流程图；
图4是本申请一个示例性实施例提供的涂鸦识别方法的流程图；
图5是本申请一个示例性实施例提供的涂鸦识别方法的流程图；
图6是本申请一个示例性实施例提供的生成坐标序列的示意图；
图7是本申请一个示例性实施例提供的训练循环神经网络的示意图；
图8是本申请一个示例性实施例提供的使用循环神经网络进行涂鸦识别的示意图；
图9是本申请一个示例性实施例提供的涂鸦识别方法的流程图；
图10是本申请一个示例性实施例提供的在虚拟场景中创建目标虚拟物体的示意图；
图11是本申请一个示例性实施例提供的在虚拟场景中创建目标虚拟物体的示意图；
图12是本申请一个示例性实施例提供的涂鸦识别方法的流程图；
图13是本申请一个示例性实施例提供的涂鸦识别方法的流程图；
图14是本申请一个示例性实施例提供的涂鸦识别装置的框图；
图15是本申请一个示例性实施例提供的涂鸦识别装置的框图；
图16是本申请一个示意性实施例提供的计算机设备的框图。
具体实施方式
为使本申请实施例的目的、技术方案和优点更加清楚，下面将结合附图对本申请实施方式作进一步地详细描述。
首先对本申请涉及的几个名词进行介绍和解释：
涂鸦识别：一个将用户手绘的涂鸦进行分类的过程，能够在已有库中识别出用户绘制的涂鸦所对应的物体，一般采用神经网络实现。
虚拟场景：是应用程序在终端上运行时显示(或提供)的虚拟环境。该虚拟场景可以是对真实世界的仿真场景，也可以是半仿真半虚构的三维场景，还可以是纯虚构的三维场景。虚拟场景可以是二维虚拟场景、2.5维虚拟场景和三维虚拟场景中的任意一种。
虚拟物体：是存在于虚拟场景中的物体。可选地，当虚拟世界为三维虚拟世界时，虚拟物体可以是三维立体模型，每个虚拟物体在三维虚拟世界中具有自身的形状和体积，占据三维虚拟世界中的一部分空间。可选地，虚拟物体也可以采用2.5维或2维模型来实现，本申请实施例对此不加以限定。
神经网络(Neural Network，NN)：是一种模仿动物神经网络行为特征，进行分布式并行信息处理的算法数学模型。这种网络依靠***的复杂程度，通过调整内部大量节点之间相互连接的关系，从而达到处理信息的目的。
循环神经网络是神经网络的一种，一般以序列数据为输入，常用于自然语言处理和涂鸦识别。
Unity：一款由Unity Technologies开发的游戏引擎，广泛应用于移动游戏。
TensorFlow：是一个开源软件库，用于各种感知和语言理解任务的机器学习。
图1示出了本申请一个示例性实施例提供的计算机***的结构框图。该计算机***100包括：终端设备110、服务器集群120。
终端110安装和运行有支持虚拟环境的客户端111，该客户端111可以是涂鸦识别程序。当终端设备运行客户端111时，终端110的屏幕上显示客户端111的用户界面。终端110是用户101使用的终端，用户101使用手指(或电容笔)在终端110的触摸屏上进行绘画，或使用鼠标等输入设备在终端110上进行绘画。
终端110的设备类型包括：智能手机、平板电脑、电子书阅读器、MP3播放器、MP4播放器、膝上型便携计算机和台式计算机中的至少一种。
可选地，还存在一个或多个终端130是开发者对应的终端，在终端130上安装有虚拟环境的客户端的开发和编辑平台，开发者可在终端130上对客户端进行编辑和更新，并将更新后的客户端安装包通过有线或无线网络传输至服务器集群120，终端110可从服务器集群120下载客户端安装包实现对客户端的更新。
终端110、以及终端130通过无线网络或有线网络与服务器集群120相连。
服务器集群120包括一台服务器、多台服务器、云计算平台和虚拟化中心中的至少一种。服务器集群120用于为支持二维虚拟环境(或三维虚拟环境)的客户端提供后台服务。可选地，服务器集群120承担主要计算工作，终端110承担次要计算工作；或者，服务器集群120承担次要计算工作，终端110承担主要计算工作；或者，服务器集群120和终端110之间采用分布式计算架构进行协同计算。
在一个示意性的例子中，服务器集群120包括服务器121和服务器125，服务器121包括处理器122、用户帐号数据库123、面向用户的输入/输出接口(Input/OutputInterface，I/O接口)124。其中，处理器122用于加载服务器121中存储的指令，处理用户帐号数据库123中的数据；用户帐号数据库123用于存储终端110所使用的用户帐号的数据，比如用户帐号的头像、用户帐号的昵称、用户帐号所在的服务区；面向用户的I/O接口124用于通过无线网络或有线网络和终端110建立通信交换数据。可选地，服务器125内设置有涂鸦识别模块126，该涂鸦识别模块126用于实现下述实施例中提供的涂鸦识别方法。
需要说明的是，本申请实施例仅以涂鸦识别模块设置在服务器中做出示例性的说明，在实际中，涂鸦识别模块的功能也可以由终端自身实现。
本申请实施例提供了一种通过动态延时的方式实时识别涂鸦，并与虚拟场景进行交互的技术方案，从而减少对用户绘画过程中的打扰，使得用户在绘画过程中不会感知到终端在进行“涂鸦识别”过程。
用户画完一笔后，服务器通过涂鸦识别对用户绘制的涂鸦进行分类评分，识别评分高时，延时时长较短；识别评分低时，延时时长较长。在延时时长内，若用户在终端还未显示目标虚拟物体前继续绘画，视为用户还没有画完涂鸦，服务器重新进行涂鸦识别。
示例性的，结合参考图2，图2示出了本申请一个示例性实施例提供的涂鸦识别的示意图。
用户想要画服务器给出的题目“柳树”。在用户松开手指(或提起电容笔)后，屏幕210上显示有用户绘制的涂鸦211。服务器对涂鸦211进行涂鸦识别，识别出用户可能画的是“草”，但“草”对应的识别评分不高，则服务器启动延时时长2秒。
在2秒之内，用户又进行了绘画，屏幕220上显示有更新后的涂鸦221。服务器对涂鸦221进行涂鸦识别，识别出用户可能画的是“柳树”，且“柳树”对应的识别评分比较高，则服务器启动延时时长0.5秒。
在0.5秒之内，用户没有继续进行绘画，表示用户有可能已完成涂鸦，服务器则对用户绘制的涂鸦进行清除，在屏幕230上显示二维的虚拟柳树231。
图3示出了本申请一个示例性实施例提供的涂鸦识别方法的流程图，可以应用于如图1所示的服务器中，所述方法包括：
步骤310，接收第一滑动信号。
第一滑动信号是由于用户在终端上的滑动操作所生成的信号。
可选地，终端通过触摸屏接收滑动信号。用户在触摸屏上通过手指(或电容笔)施加滑动操作，触摸屏感知到该滑动操作后生成滑动信号。
在一个示例中，触摸屏周期性向服务器上报触摸事件，每个触摸事件包括触摸事件的类型和触摸事件的坐标。触摸事件的类型包括：触摸落下、触摸移动、触摸抬起。当服务器接收到触摸移动事件时，接收到滑动信号。
一个示意性的“滑动信号”包括：一个触摸落下事件、多个触摸移动事件、一个触摸离开事件。这些触摸事件是由触摸屏周期性上报至服务器的，且每个触摸事件中的坐标依次相连后形成了该“滑动信号”的滑动轨迹。
步骤320，对根据第一滑动信号得到的涂鸦进行识别，确定识别评分。
涂鸦是由包括第一滑动信号在内的至少一个滑动信号形成的轨迹。如：在当前的屏幕上，用户只进行了一次滑动操作，服务器只接收到第一滑动信号，则涂鸦由第一滑动信号形成。如：在当前的屏幕上，用户进行了多次滑动操作，服务器最近一次接收到的滑动信号为第一滑动信号，则涂鸦由包括第一滑动信号在内的多个滑动信号形成。
可选地，涂鸦以墨迹的形式展现。服务器在接收到滑动信号后，在终端的屏幕上以墨迹的形式展现用户的涂鸦。
识别评分是服务器对用户所绘制的涂鸦进行识别后，将涂鸦与物体(一个物体或者多个物体)的相似度进行判断所得到的评分。在一种实现方式中，识别评分是服务器将涂鸦与目标物体的相似度进行判断所得到的一个评分。在另一实现方式中，服务器对用户所绘制的涂鸦进行识别，得到涂鸦分别与多个物体标签的候选识别评分，识别评分是最高的候选识别评分。
步骤330，获取识别评分所对应的延时时长。
延时时长用于对用户的滑动操作进行进一步检测，即检测是否还会接收到滑动信号。
可选地，服务器中存储有识别评分与延时时长的关系表。示例性的，结合参考表一。
表一
识别评分 延时时长
A a
B b
...... ......
在服务器确定了识别评分的情况下，即可根据如表一所示的关系表，获取到识别评分所对应的延时时长。
可选地，在延时时长内，服务器不会将最终的涂鸦识别结果发送给终端；或者，服务器将最终的涂鸦识别结果发送给终端，但是终端不会对最终的涂鸦识别结果进行显示。也就是说，在延时时长内，用户不会感知到服务器对自己当前绘制的涂鸦进行了涂鸦识别。
步骤340，响应于在延时时长内未接收到第二滑动信号，根据识别评分确定涂鸦识别结果。
第二滑动信号是不同于第一滑动信号的一个或多个滑动信号。第二滑动信号也用于形成涂鸦。在延时时长内，服务器未接收到第二滑动信号的情况下，服务器根据获得的识别评分确定涂鸦识别结果。
可选地，在用户开始绘制涂鸦之前，终端通过文字，或语音，或图片的形式，通知用户目标涂鸦识别结果，用户是根据目标涂鸦识别结果进行涂鸦的绘制。服务器在获取到涂鸦识别结果之后，将会判断涂鸦识别结果是否为目标涂鸦识别结果。
综上所述，本实施例提供的方法，在服务器接收到第一滑动信号，并对用户绘制出的涂鸦进行涂鸦识别后，不立即确定涂鸦识别结果，而是根据识别评分确定延时时长，在延时时长内对滑动信号进行进一步检测，在延时时长内未检测到第二滑动信号的情况下，才确定涂鸦识别结果，由于延时时长内未检测到第二滑动信号大概率意味着用户已经结束涂鸦，从而避免在用户还未结束绘画的情况下，就确定涂鸦识别结果并进行结果提示的情况，提高人机交互的效率。
在基于图3的可选实施例中，服务器根据对应关系，确定识别评分所对应的延时时长；其中，对应关系包括识别评分与延时时长之间的负相关关系。即：识别评分越高，延时时长越短。
图4示出了本申请另一个示例性实施例提供的涂鸦识别方法的流程图，可以应用于如图1所示的服务器中。在本实施例中，延时时长包括：第一时长、第二时长和第三时长中的一种，第一时长小于第二时长，第二时长小于第三时长，步骤330替换实现为步骤331或步骤332或步骤333：
步骤331，响应于识别评分大于第一阈值，将第一时长确定为延时时长。
第一阈值是比较大的一个数值，服务器将识别评分与第一阈值进行比较，在识别评分大于第一阈值的情况下，表示涂鸦相对来说较为接近某一分类，意味着用户有很大概率已经绘制完涂鸦，则服务器将较短的第一时长确定为延时时长。
步骤332，响应于识别评分小于第二阈值，将第三时长确定为延时时长。
其中，第二阈值小于第一阈值。
第二阈值是比较小的一个数值，服务器将识别评分与第二阈值进行比较，在识别评分小于第二阈值的情况下，表示涂鸦相对来说不接近任一分类，意味着用户有很大概率还没有绘制完涂鸦，则服务器将较长的第三时长确定为延时时长。
步骤333，响应于识别评分小于第一阈值且大于第二阈值，将第二时长确定为延时时长。
在识别评分小于第一阈值且大于第二阈值的情况下，则服务器将中等时间长度的第二时长确定为延时时长。
示例性的，第一时长为0.5秒，第二时长为1秒，第三时长为2秒。
需要说明的是，本实施例仅以存在3种延时时长进行示例性的说明，在实际中，服务器也可以在n种延时时长中进行选择，n为不为3的正整数。
综上所述，本实施例提供的方法，在服务器接收到第一滑动信号，并对用户绘制出的涂鸦进行涂鸦识别后，不立即确定涂鸦识别结果，而是根据识别评分确定延时时长，在延时时长内对滑动信号进行进一步检测，在延时时长内未检测到第二滑动信号的情况下，才确定涂鸦识别结果，由于延时时长内未检测到第二滑动信号大概率意味着用户已经结束涂鸦，从而避免在用户还未结束绘画的情况下，就确定涂鸦识别结果并进行结果提示的情况，提高人机交互的效率。
本实施例提供的方法，将识别评分与第一阈值和第二阈值进行比较，判断用户是否已经完成涂鸦绘制，进而设置出合理的延时时长。
在基于图3的可选实施例中，图5示出了本申请另一个示例性实施例提供的涂鸦识别方法的流程图，应用于如图1所示的服务器中。在本实施例中，步骤320替换实现为步骤321和步骤322：
步骤321，对根据第一滑动信号得到的涂鸦进行识别，得到至少两个候选识别评分。
其中，候选识别评分是涂鸦与物体标签的识别相似度评分。
物体标签是对已有的涂鸦进行分类后所得到的标签。物体标签用于与用户新绘制的涂鸦进行比较，从而识别用户绘制出的涂鸦。物体标签可对应于现实生活中的物品，如：雨，月亮，山，水。服务器将涂鸦与每个物体标签进行比对，获取涂鸦与该物体标签的识别相似度评分，即候选识别评分。
一个或多个物体标签对应于同一个物体。示例性的，物体标签：山【(4,3)，(3,3)，…】和山【(1,3)，(3,3)，…】都对应于同一个物体：山。
可选地，服务器通过神经网络对涂鸦进行识别。服务器获取涂鸦所对应的坐标序列；将坐标序列输入神经网络，得到至少两个候选识别评分。
在一种实现方式中，服务器获取涂鸦所对应的坐标序列，包括：按照采样周期T获取涂鸦在采样时刻对应的涂鸦点的坐标位置；将坐标位置按时间顺序进行排列，生成坐标序列。
如图6所示，在用户在终端的屏幕上绘画(在屏幕上按下并拖动)的过程中，形成了涂鸦610。每隔固定时间(如采样周期T)，服务器保存用户手指(或电容笔)所在的坐标位置，即涂鸦在采样时刻对应的涂鸦点的坐标位置，包括：坐标位置621、坐标位置622、坐标位置623、坐标位置624、坐标位置625、坐标位置626和坐标位置627。上述7个坐标位置按出现的时间顺序生成坐标序列【(4,3)，(3,3)，…】。
可选地，神经网络是循环神经网络(Recurrent Neural Network,RNN)。循环神经网络是一类以序列(sequence)数据为输入，在序列的演进方向进行递归(recursion)且所有节点(循环单元)按链式连接的递归神经网络。
大量的坐标序列和用户所画的物品标签作为训练集，通过基于张量流(TensorFlow)的循环神经网络进行训练。其中，TensorFlow为张量从流图的一端流动到另一端的计算过程。TensorFlow是将复杂的数据结构传输至人工智能神经网络中进行分析和处理过程的***。
结合参考图7，循环神经网络使用包括涂鸦701至涂鸦704在内的多种涂鸦进行采样，获得涂鸦的坐标序列，如：山【(4,3)，(3,3)，…】、山【(1,3)，(3,3)，…】、水【(2,3)，(2,3)，…】。将坐标序列作为样本坐标序列，采用误差反向传播算法对循环神经网络进行训练，训练好的循环神经网络能用于涂鸦识别。
需要说明的是，本实施例以神经网络是循环神经网络进行示例性的说明，在实际应用中，神经网络也可以是其他类型的神经网络，本申请对此不进行限制。
步骤322，将分值最高的候选识别评分确定为识别评分。
候选识别评分与涂鸦与物体标签的识别相似度正相关。即：候选识别评分越高，表示用户绘制的涂鸦越接近该物体标签所对应的物品。服务器将分值最高的候选识别评分确定为识别评分。
示例性的，结合参考图8，将坐标序列810输入循环神经网络820，得到多个物体标签所对应的候选识别评分，包括：山—14000；水—12000；风—500；石头—-500；雨—-1200。服务器将“山—14000”中的14000确定为识别评分，用户绘制的涂鸦与山最相似。
综上所述，本实施例提供的方法，在服务器接收到第一滑动信号，并对用户绘制出的涂鸦进行涂鸦识别后，不立即确定涂鸦识别结果，而是根据识别评分确定延时时长，在延时时长内对滑动信号进行进一步检测，在延时时长内未检测到第二滑动信号的情况下，才确定涂鸦识别结果，由于延时时长内未检测到第二滑动信号大概率意味着用户已经结束涂鸦，从而避免在用户还未结束绘画的情况下，就确定涂鸦识别结果并进行结果提示的情况，提高人机交互的效率。
本实施例提供的方法，将涂鸦输入循环神经网络进行识别，循环神经网络是由多种涂鸦进行采样得到的坐标序列训练而成的，提高了对涂鸦进行识别的准确性。
本实施例提供的方法，在得到多个涂鸦与物体标签的识别相似度评分(即候选识别评分)的情况下，将分值最高的候选识别评分确定为识别评分，确保识别评分可以代表涂鸦当前是否接近某一物体。
在基于图3的可选实施例中，图9示出了本申请另一个示例性实施例提供的涂鸦识别方法的流程图，应用于如图1所示的服务器中。在本实施例中，还包括如下步骤：
步骤350，响应于涂鸦识别结果是目标涂鸦识别结果，在虚拟场景中创建目标虚拟物体。
其中，目标虚拟物体与目标涂鸦识别结果对应。示例性的，在目标涂鸦识别结果是镜子的情况下，目标虚拟物体也是镜子的虚拟形象。
可选地，目标虚拟物体是二维或三维的虚拟物体。服务器中运行有虚拟环境引擎，虚拟环境引擎用于提供上述虚拟场景。虚拟环境引擎可以是Unity。
涂鸦识别结果由识别评分确定。在一种实现方式中，识别评分是分值最高的候选识别评分，候选识别评分是涂鸦与物体标签的识别相似度评分，服务器将识别评分所对应的物体标签确定为涂鸦识别结果。示例性的，结合参考图8，服务器将“山—14000”中的14000确定为识别评分，将“山”确定为涂鸦识别结果。
在用户进行涂鸦之前，服务器可以给出题目，让用户绘制目标涂鸦识别结果。在服务器确定涂鸦识别结果后，将判断涂鸦识别结果是否为目标涂鸦识别结果。在涂鸦识别结果为目标涂鸦识别结果的情况下，则在虚拟场景中创建目标虚拟物体。
示例性的，结合参考图10。题目给出“行宫见月伤心色，夜雨闻铃肠断声”，并对“月”进行突出显示，提示用户目标涂鸦识别结果是月亮。用户绘制了涂鸦1010，在用户松开手指，服务器延时一小段时间后，在虚拟场景中生成虚拟月亮1020(达成解谜)。
示例性的，结合参考图11。服务器提示用户目标涂鸦识别结果是山。用户绘制了涂鸦1110，在用户松开手指，服务器延时一小段时间后，在虚拟场景中生成虚拟山1120(达成解谜)。
服务器在虚拟场景中创建目标虚拟物体时，需要确定创建后的目标虚拟物体在虚拟场景中的目标位置。在一种实现方式中，目标位置是预设好的。在另一种实现方式中，目标位置与用户绘制的涂鸦的位置相关，目标位置在涂鸦位置附近。
可选地，在涂鸦识别结果不是目标涂鸦识别结果的情况下，则清除用户绘制的涂鸦，提示用户重新绘制涂鸦；或，提示用户修改涂鸦。
综上所述，本实施例提供的方法，在服务器接收到第一滑动信号，并对用户绘制出的涂鸦进行涂鸦识别后，不立即确定涂鸦识别结果，而是根据识别评分确定延时时长，在延时时长内对滑动信号进行进一步检测，在延时时长内未检测到第二滑动信号的情况下，才确定涂鸦识别结果，由于延时时长内未检测到第二滑动信号大概率意味着用户已经结束涂鸦，从而避免在用户还未结束绘画的情况下，就确定涂鸦识别结果并进行结果提示的情况，提高人机交互的效率。
本实施例提供的方法，用户绘制完成涂鸦后，服务器能根据涂鸦识别结果在虚拟场景中实时地创建不同的目标虚拟物体，创建的目标虚拟物体能够完成关卡交互或与其他虚拟物体二次交互，从而丰富人机交互的效果。
在基于图3的可选实施例中，图12示出了本申请另一个示例性实施例提供的涂鸦识别方法的流程图，应用于如图1所示的服务器中。在本实施例中，还包括如下步骤：
步骤360，响应于在延时时长内接收到第二滑动信号，根据第二滑动信号更新涂鸦。
第二滑动信号是不同于第一滑动信号的一个或多个滑动信号。第二滑动信号也用于形成涂鸦。在延时时长内，服务器接收到第二滑动信号的情况下，服务器根据第二滑动信号更新涂鸦。
示例性的，结合参考图2，第一滑动信号后，涂鸦为211。在延时时长内，用户又画了两笔，服务器接收到另外两个滑动信号，则涂鸦更新为涂鸦221。
步骤370，对更新后的涂鸦进行识别，更新识别评分。
服务器对更新后的涂鸦重新进行涂鸦识别，得到识别评分。可选地，服务器通过神经网络得到更新后的识别评分。可选地，识别评分是分值最高的候选识别评分，候选识别评分是涂鸦与物体标签的识别相似度评分。
步骤380，获取更新后的识别评分所对应的延时时长。
其中，延时时长是在确定与更新后的涂鸦对应的识别评分后，开始计时的时长。延时时长与更新后的识别评分是负相关关系。
步骤390，响应于在延时时长内未接收到第三滑动信号，根据更新后的识别评分确定涂鸦识别结果。
第三滑动信号是出现在第二滑动信号之后的一个或多个滑动信号。第三滑动信号也用于形成涂鸦。在延时时长内，服务器未接收到第三滑动信号的情况下，服务器根据更新后的识别评分确定涂鸦识别结果。
综上，本实施例提供的方法，在服务器接收到第一滑动信号，并对用户绘制出的涂鸦进行涂鸦识别后，不立即确定涂鸦识别结果，而是根据识别评分确定延时时长，在延时时长内对滑动信号进行进一步检测，在延时时长内未检测到第二滑动信号的情况下，才确定涂鸦识别结果，由于延时时长内未检测到第二滑动信号大概率意味着用户已经结束涂鸦，从而避免在用户还未结束绘画的情况下，就确定涂鸦识别结果并进行结果提示的情况，提高人机交互的效率。
本实施例提供的方法，在延时时长内用户继续进行滑动操作，服务器接收到第二滑动信号的情况下，则服务器对涂鸦进行更新，重新进行涂鸦识别，保障了涂鸦识别的准确性。
需要说明的是，上述方法实施例既可以单独实施，也可以组合实施，本申请对此不进行限制。
在与如上所述的服务器相连的终端中，终端设备相应的执行如下步骤：
一、显示虚拟画卷。
虚拟画卷是展示虚拟场景的画卷。
二、响应于接收到第一滑动信号，在虚拟画卷上显示根据第一滑动信号得到的涂鸦。
三、响应于在延时时长内未接收到第二滑动信号且涂鸦识别结果是目标涂鸦识别结果，在虚拟画卷上清除涂鸦，显示与目标涂鸦识别结果对应的目标虚拟物体；
其中，延时时长是在确定与涂鸦对应的识别评分后，开始计时的时长。
可选地，延时时长与识别评分是负相关关系。即：识别评分越高，延时时长越短。
示例性的，终端对根据第一滑动信号得到的涂鸦进行识别，得到至少两候选识别评分。其中，候选识别评分是涂鸦与物体标签的识别相似度评分。终端将分值最高的候选识别评分确定为识别评分。
识别评分高(大于第一阈值)时，延时时长为较低的延时秒数(如0.5秒)。识别评分相对比较高(小于第一阈值，大于第二阈值)，延时时长为中等的延时秒数(如1秒)。识别分数低(小于第二阈值)时，设置延时时长为较高的延时秒数(如2秒)。
图13示出了本申请一个示例性实施例提供的涂鸦识别方法的流程图，该方法包括：
步骤1301，用户在屏幕上绘画。
终端具有触摸屏，可以检测用户的滑动操作。用户在屏幕上使用手指(或电容笔)进行绘画，屏幕上用户通过一次或多次滑动操作所形成的轨迹为涂鸦。
步骤1302，在用户手指离开屏幕的情况下，终端向服务器发送识别请求。
识别请求用于请求服务器对用户所绘制的涂鸦进行识别。
步骤1303，循环神经网络使用涂鸦的坐标序列进行涂鸦识别。
对用户所绘制的涂鸦的轨迹进行提取，生成坐标序列。将坐标序列输入已经训练好的循环神经网络，进行涂鸦识别。
步骤1304，判断最高的物体标签的评分。
循环神经网络能获得当前涂鸦关于每个物体标签(即分类物品)的评分，评分越高表示用户的涂鸦越接近该物体标签对应的物品。在所有的物体标签的评分中，确定最高的一个物体标签的评分为识别评分。
步骤13051，识别评分大于阈值A，延时0.5秒。
步骤13052，识别评分大于阈值B小于阈值A，延时1秒。
步骤13053，识别评分小于阈值A，延时2秒。
识别评分高时，表示用户绘制出的涂鸦更接近于某一分类，用户有很大概率已经画完，服务器设置延时时长为较低的延时秒数(如0.5秒)。识别评分相对比较高(>阈值B，B<A)，表示涂鸦相对来说较为接近某一分类，服务器设置延时时长为中等的延时秒数(如1秒)。识别分数低时，表示用户绘制出的涂鸦不像某一分类的物体，或者比较模糊，用户很大可能还没有绘画完毕，服务器设置延时时长为较高的延时秒数(如2秒)。
步骤1306，在延时时长内用户没有进行绘画的情况下，如果当前关卡可以生产最高的物体标签的评分所对应的物体，则执行步骤1307或步骤1308。
步骤1307，进行进一步的关卡逻辑判断。
步骤1308，在虚拟环境中创建虚拟物体，清空屏幕，由用户开始新的绘画。
步骤1309，在用户在延时时长内进行绘画的情况下，则跳转至步骤1301，开始新一轮的涂鸦识别。
图14示出了本申请一个示例性实施例提供的涂鸦识别装置的框图。该装置包括：接收模块1401和确定模块1402；
接收模块1401，用于接收第一滑动信号；
确定模块1402，用于对根据第一滑动信号得到的涂鸦进行识别，确定识别评分；
确定模块1402，还用于获取识别评分所对应的延时时长；
确定模块1402，还用于响应于在延时时长内未接收到第二滑动信号，根据识别评分确定涂鸦识别结果。
在一个可选的实施例中，确定模块1402，还用于根据对应关系，确定识别评分所对应的延时时长；其中，对应关系包括识别评分与延时时长之间的负相关关系。
在一个可选的实施例中，延时时长包括：第一时长、第二时长和第三时长中的一种，第一时长小于第二时长，第二时长小于第三时长；确定模块1402，还用于响应于识别评分大于第一阈值，将第一时长确定为延时时长；确定模块1402，还用于响应于识别评分小于第二阈值，将第三时长确定为延时时长，第二阈值小于第一阈值；确定模块1402，还用于响应于识别评分小于第一阈值且大于第二阈值，将第二时长确定为延时时长。
在一个可选的实施例中，确定模块1402，还用于对根据第一滑动信号得到的涂鸦进行识别，得到至少两个候选识别评分，候选识别评分是涂鸦与物体标签的识别相似度评分；确定模块1402，还用于将分值最高的候选识别评分确定为识别评分。
在一个可选的实施例中，确定模块1402，还用于获取涂鸦所对应的坐标序列；确定模块1402，还用于将坐标序列输入神经网络，得到至少两个候选识别评分。
在一个可选的实施例中，确定模块1402，还用于按照采样周期T获取涂鸦在采样时刻对应的涂鸦点的坐标位置；确定模块1402，还用于将坐标位置按时间顺序进行排列，生成坐标序列。
在一个可选的实施例中，确定模块1402，还用于将识别评分所对应的物体标签确定为涂鸦识别结果。
在一个可选的实施例中，该装置还包括：创建模块1403；创建模块1403，用于响应于涂鸦识别结果是目标涂鸦识别结果，在虚拟场景中创建目标虚拟物体，目标虚拟物体是二维或三维的虚拟物体；其中，目标虚拟物体与目标涂鸦识别结果对应。
在一个可选的实施例中，确定模块1402，还用于响应于在延时时长内接收到第二滑动信号，根据第二滑动信号更新涂鸦；确定模块1402，还用于对更新后的涂鸦进行识别，更新识别评分；确定模块1402，还用于获取更新后的识别评分所对应的延时时长，延时时长与更新后的识别评分之间是负相关关系；确定模块1402，还用于响应于在延时时长内未接收到第三滑动信号，根据更新后的识别评分确定涂鸦识别结果。
图15示出了本申请一个示例性实施例提供的涂鸦识别装置的框图。该装置包括：显示模块1501；
显示模块1501，用于显示虚拟画卷；
显示模块1501，还用于响应于接收到第一滑动信号，在虚拟画卷上显示根据第一滑动信号得到的涂鸦；
显示模块1501，还用于响应于在延时时长内未接收到第二滑动信号且涂鸦识别结果是目标涂鸦识别结果，在虚拟画卷上清除涂鸦，显示与目标涂鸦识别结果对应的目标虚拟物体；
其中，延时时长是在确定与涂鸦对应的识别评分后，开始计时的时长。
图16示出了本申请一个示例性实施例提供的计算机设备的结构示意图。示意性的，计算机设备1600包括中央处理单元(Central Processing Unit，简称：CPU)1601、包括随机存取存储器(Random Access Memory，简称：RAM)1602和只读存储器(Read-0nlyMemory，简称：ROM)1603的***存储器1604，以及连接***存储器1604和中央处理单元1601的***总线1605。所述计算机设备1600还包括帮助计算机内的各个器件之间传输信息的基本输入/输出***(I/O***)1606，和用于存储操作***1613、客户端1614和其他程序模块1615的大容量存储设备1607。
所述基本输入/输出***1606包括有用于显示信息的显示器1608和用于用户输入信息的诸如鼠标、键盘之类的输入设备1609。其中所述显示器1608和输入设备1609都通过连接到***总线1605的输入/输出控制器1160连接到中央处理单元1601。所述基本输入/输出***1606还可以包括输入/输出控制器1160以用于接收和处理来自键盘、鼠标、或电子触控笔等多个其他设备的输入。类似地，输入/输出控制器1160还提供输出到显示屏、打印机或其他类型的输出设备。
所述大容量存储设备1607通过连接到***总线1605的大容量存储控制器(未示出)连接到中央处理单元1601。所述大容量存储设备1607及其相关联的计算机可读介质为计算机设备1600提供非易失性存储。也就是说，所述大容量存储设备1607可以包括诸如硬盘或者只读光盘(Compact Disc Read-Only Memory，简称：CD-ROM)驱动器之类的计算机可读介质(未示出)。
不失一般性，所述计算机可读介质可以包括计算机存储介质和通信介质。计算机存储介质包括以用于存储诸如计算机可读指令、数据结构、程序模块或其他数据等信息的任何方法或技术实现的易失性和非易失性、可移动和不可移动介质。计算机存储介质包括RAM、ROM、可擦除可编程只读存储器(Erasable Programmable Read-Only Memory，简称：EPROM)、电可擦除可编程只读存储器(Electrically Erasable Programmable Read-OnlyMemory，简称：EEPROM)、闪存或其他固态存储其技术，CD-ROM、数字通用光盘(DigitalVersatile Disc，简称：DVD)或其他光学存储、磁带盒、磁带、磁盘存储或其他磁性存储设备。当然，本领域技术人员可知所述计算机存储介质不局限于上述几种。上述的***存储器1604和大容量存储设备1607可以统称为存储器。
根据本申请的各种实施例，所述计算机设备1600还可以通过诸如因特网等网络连接到网络上的远程计算机运行。也即计算机设备1600可以通过连接在所述***总线1605上的网络接口单元1611连接到网络1612，或者说，也可以使用网络接口单元1611来连接到其他类型的网络或远程计算机***(未示出)。
不失一般性，所述计算机可读介质可以包括计算机存储介质和通信介质。计算机存储介质包括以用于存储诸如计算机可读指令、数据结构、程序模块或其他数据等信息的任何方法或技术实现的易失性和非易失性、可移动和不可移动介质。计算机存储介质包括RAM、ROM、可擦除可编程只读存储器(erasable programmable read-only memory，简称：EPROM)、电可擦除可编程只读存储器(electrically erasable programmable read-onlymemory，简称：EEPROM)、闪存或其他固态存储其技术，CD-ROM、数字通用光盘(DigitalVersatile Disc，简称：DVD)或其他光学存储、磁带盒、磁带、磁盘存储或其他磁性存储设备。当然，本领域技术人员可知所述计算机存储介质不局限于上述几种。上述的***存储器1604和大容量存储设备1607可以统称为存储器。
根据本申请的各种实施例，所述计算机设备1600还可以通过诸如因特网等网络连接到网络上的远程计算机运行。也即计算机设备1600可以通过连接在所述***总线1605上的网络接口单元1611连接到网络1612，或者说，也可以使用网络接口单元1611来连接到其他类型的网络或远程计算机***(未示出)。
本申请还提供一种计算机可读存储介质，所述计算机可读存储介质中存储有至少一条指令、至少一段程序、代码集或指令集，所述至少一条指令、所述至少一段程序、所述代码集或指令集由所述处理器加载并执行以实现上述方法实施例提供的涂鸦识别方法。
可选地，本申请还提供了一种计算机程序产品或计算机程序，该计算机程序产品或计算机程序包括计算机指令，该计算机指令存储在计算机可读存储介质中。计算机设备的处理器从计算机可读存储介质读取该计算机指令，处理器执行该计算机指令，使得该计算机设备执行上述方面提供的涂鸦识别方法。
本领域普通技术人员可以理解实现上述实施例的全部或部分步骤可以通过硬件来完成，也可以通过程序来指令相关的硬件完成，所述的程序可以存储于一种计算机可读存储介质中，上述提到的存储介质可以是只读存储器，磁盘或光盘等。
以上所述仅为本申请的可选实施例，并不用以限制本申请，凡在本申请的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本申请的保护范围之内。

Claims (14)

1.一种涂鸦识别方法，其特征在于，所述方法包括：
接收第一滑动信号；
对根据所述第一滑动信号得到的涂鸦进行识别，确定识别评分；
获取所述识别评分所对应的延时时长；
响应于在所述延时时长内未接收到第二滑动信号，根据所述识别评分确定涂鸦识别结果。
2.根据权利要求1所述的方法，其特征在于，所述获取所述识别评分所对应的延时时长，包括：
根据对应关系，确定所述识别评分所对应的延时时长；
其中，所述对应关系包括所述识别评分与所述延时时长之间的负相关关系。
3.根据权利要求2所述的方法，其特征在于，所述延时时长包括：第一时长、第二时长和第三时长中的一种，所述第一时长小于所述第二时长，所述第二时长小于所述第三时长；
所述根据对应关系，确定所述识别评分所对应的延时时长，包括：
响应于所述识别评分大于第一阈值，将所述第一时长确定为所述延时时长；
响应于所述识别评分小于第二阈值，将所述第三时长确定为所述延时时长，所述第二阈值小于所述第一阈值；
响应于所述识别评分小于所述第一阈值且大于所述第二阈值，将所述第二时长确定为所述延时时长。
4.根据权利要求1所述的方法，其特征在于，所述对根据所述第一滑动信号得到的涂鸦进行识别，确定识别评分，包括：
对根据所述第一滑动信号得到的涂鸦进行识别，得到至少两个候选识别评分，所述候选识别评分是所述涂鸦与物体标签的识别相似度评分；
将分值最高的所述候选识别评分确定为所述识别评分。
5.根据权利要求4所述的方法，其特征在于，所述对根据所述第一滑动信号得到的涂鸦进行识别，得到至少两个候选识别评分，包括：
获取所述涂鸦所对应的坐标序列；
将所述坐标序列输入神经网络，得到至少两个所述候选识别评分。
6.根据权利要求5所述的方法，其特征在于，所述获取所述涂鸦所对应的坐标序列，包括：
按照采样周期T获取所述涂鸦在采样时刻对应的涂鸦点的坐标位置；
将所述坐标位置按时间顺序进行排列，生成所述坐标序列。
7.根据权利要求4所述的方法，其特征在于，所述根据所述识别评分确定涂鸦识别结果，包括：
将所述识别评分所对应的物体标签确定为所述涂鸦识别结果。
8.根据权利要求1至7任一所述的方法，其特征在于，所述方法还包括：
响应于所述涂鸦识别结果是目标涂鸦识别结果，在虚拟场景中创建目标虚拟物体，所述目标虚拟物体是二维或三维的虚拟物体；
其中，所述目标虚拟物体与所述目标涂鸦识别结果对应。
9.根据权利要求1至7任一所述的方法，其特征在于，
响应于在所述延时时长内接收到所述第二滑动信号，根据所述第二滑动信号更新所述涂鸦；
对更新后的所述涂鸦进行识别，更新所述识别评分；
获取更新后的识别评分所对应的延时时长，所述延时时长与更新后的识别评分之间是负相关关系；
响应于在所述延时时长内未接收到第三滑动信号，根据更新后的识别评分确定所述涂鸦识别结果。
10.一种涂鸦识别方法，其特征在于，所述方法包括：
显示虚拟画卷；
响应于接收到第一滑动信号，在所述虚拟画卷上显示根据所述第一滑动信号得到的涂鸦；
响应于在延时时长内未接收到第二滑动信号且涂鸦识别结果是目标涂鸦识别结果，在所述虚拟画卷上清除所述涂鸦，显示与所述目标涂鸦识别结果对应的目标虚拟物体；
其中，所述延时时长是在确定与所述涂鸦对应的识别评分后，开始计时的时长。
11.一种涂鸦识别装置，其特征在于，所述装置包括：接收模块和确定模块；
所述接收模块，用于接收第一滑动信号；
所述确定模块，用于对根据所述第一滑动信号得到的涂鸦进行识别，确定识别评分；
所述确定模块，还用于获取所述识别评分所对应的延时时长；
所述确定模块，还用于响应于在所述延时时长内未接收到第二滑动信号，根据所述识别评分确定涂鸦识别结果。
12.一种涂鸦识别装置，其特征在于，所述装置包括：显示模块；
所述显示模块，用于显示虚拟画卷；
所述显示模块，还用于响应于接收到第一滑动信号，在所述虚拟画卷上显示根据所述第一滑动信号得到的涂鸦；
所述显示模块，还用于响应于在延时时长内未接收到第二滑动信号且涂鸦识别结果是目标涂鸦识别结果，在所述虚拟画卷上清除所述涂鸦，显示与所述目标涂鸦识别结果对应的目标虚拟物体；
其中，所述延时时长是在确定与所述涂鸦对应的识别评分后，开始计时的时长。
13.一种计算机设备，其特征在于，所述计算机设备包括存储器和处理器；所述存储器存储有至少一条程序，所述至少一条程序由所述处理器加载并执行以实现如上权利要求1至10任一所述的涂鸦识别方法。
14.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质中存储有至少一条程序，所述至少一条程序由处理器加载并执行以实现如上权利要求1至10任一所述的涂鸦识别方法。
CN202010589362.4A 2020-06-24 2020-06-24 涂鸦识别方法、装置、设备及存储介质 Active CN111596810B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010589362.4A CN111596810B (zh) 2020-06-24 2020-06-24 涂鸦识别方法、装置、设备及存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010589362.4A CN111596810B (zh) 2020-06-24 2020-06-24 涂鸦识别方法、装置、设备及存储介质

Publications (2)

Publication Number Publication Date
CN111596810A true CN111596810A (zh) 2020-08-28
CN111596810B CN111596810B (zh) 2021-10-12

Family

ID=72183077

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010589362.4A Active CN111596810B (zh) 2020-06-24 2020-06-24 涂鸦识别方法、装置、设备及存储介质

Country Status (1)

Country Link
CN (1) CN111596810B (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112464767A (zh) * 2020-11-17 2021-03-09 深圳市优必选科技股份有限公司 一种涂鸦识别方法、涂鸦识别装置及电子设备
CN112527179A (zh) * 2020-12-03 2021-03-19 深圳市优必选科技股份有限公司 涂鸦图像识别方法、装置及终端设备

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102096495A (zh) * 2009-12-09 2011-06-15 宏达国际电子股份有限公司 动态调整手写输入的等待时间的方法、设备及其程序产品
CN104516566A (zh) * 2013-10-08 2015-04-15 广东国笔科技股份有限公司 一种手写输入方法及装置
JP2017068624A (ja) * 2015-09-30 2017-04-06 コニカミノルタ株式会社 画像形成装置、方法およびプログラム
US20180348994A1 (en) * 2017-06-05 2018-12-06 Kyocera Document Solutions Inc. Display device and computer-readable non-transitory recording medium with display control program stored thereon
CN110109602A (zh) * 2019-04-26 2019-08-09 广州美术学院 一种绘制图案的推荐方法及装置

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102096495A (zh) * 2009-12-09 2011-06-15 宏达国际电子股份有限公司 动态调整手写输入的等待时间的方法、设备及其程序产品
CN104516566A (zh) * 2013-10-08 2015-04-15 广东国笔科技股份有限公司 一种手写输入方法及装置
JP2017068624A (ja) * 2015-09-30 2017-04-06 コニカミノルタ株式会社 画像形成装置、方法およびプログラム
US20180348994A1 (en) * 2017-06-05 2018-12-06 Kyocera Document Solutions Inc. Display device and computer-readable non-transitory recording medium with display control program stored thereon
CN110109602A (zh) * 2019-04-26 2019-08-09 广州美术学院 一种绘制图案的推荐方法及装置

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112464767A (zh) * 2020-11-17 2021-03-09 深圳市优必选科技股份有限公司 一种涂鸦识别方法、涂鸦识别装置及电子设备
CN112527179A (zh) * 2020-12-03 2021-03-19 深圳市优必选科技股份有限公司 涂鸦图像识别方法、装置及终端设备

Also Published As

Publication number Publication date
CN111596810B (zh) 2021-10-12

Similar Documents

Publication Publication Date Title
US11651002B2 (en) Method for providing intelligent service, intelligent service system and intelligent terminal based on artificial intelligence
WO2018072663A1 (zh) 数据处理方法及装置、分类器训练方法及***、存储介质
CN114155543B (zh) 神经网络训练方法、文档图像理解方法、装置和设备
US10762678B2 (en) Representing an immersive content feed using extended reality based on relevancy
CN110020411B (zh) 图文内容生成方法及设备
US20200285353A1 (en) Apparatus for vision and language-assisted smartphone task automation and method thereof
CN111597006A (zh) 应用分屏方法、装置、存储介质及电子设备
CN107004212B (zh) 根据社交媒体和其它数字轨迹对动作、结果和目标实现进行建模
CN111708948B (zh) 内容项推荐方法、装置、服务器及计算机可读存储介质
CN111596810B (zh) 涂鸦识别方法、装置、设备及存储介质
JP7290730B2 (ja) 文生成方法と装置、電子機器及びプログラム
EP3623998A1 (en) Character recognition
CN116501960A (zh) 内容检索方法、装置、设备及介质
CN111565320A (zh) 基于弹幕的互动方法及装置、存储介质、电子设备
CN116958342A (zh) 虚拟形象的动作生成方法、动作库的构建方法及装置
US10229212B2 (en) Identifying Abandonment Using Gesture Movement
CN111444321B (zh) 问答方法、装置、电子设备和存储介质
CN110850982A (zh) 基于ar的人机交互学习方法、***、设备及存储介质
KR20180049791A (ko) 복수 개의 메시지들을 필터링하는 방법 및 이를 위한 장치
CN114283899A (zh) 一种训练分子结合模型的方法、分子筛选方法及装置
EP4336379A1 (en) Tracking concepts within content in content management systems and adaptive learning systems
CN117520497A (zh) 大模型交互处理方法、***、终端、设备及介质
CN114092608B (zh) 表情的处理方法及装置、计算机可读存储介质、电子设备
CN109799905B (zh) 一种手部跟踪方法和广告机
CN110089076B (zh) 实现信息互动的方法和装置

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
REG Reference to a national code

Ref country code: HK

Ref legal event code: DE

Ref document number: 40027403

Country of ref document: HK

GR01 Patent grant
GR01 Patent grant