CN112183046A - 一种手写字的质量评价方法、装置、设备和存储介质 - Google Patents
一种手写字的质量评价方法、装置、设备和存储介质 Download PDFInfo
- Publication number
- CN112183046A CN112183046A CN202011025786.4A CN202011025786A CN112183046A CN 112183046 A CN112183046 A CN 112183046A CN 202011025786 A CN202011025786 A CN 202011025786A CN 112183046 A CN112183046 A CN 112183046A
- Authority
- CN
- China
- Prior art keywords
- target
- stroke
- quality evaluation
- writing
- word
- 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
- 238000000034 method Methods 0.000 title claims abstract description 56
- 238000013441 quality evaluation Methods 0.000 claims abstract description 164
- 238000011156 evaluation Methods 0.000 claims description 51
- 230000015654 memory Effects 0.000 claims description 21
- 238000012545 processing Methods 0.000 claims description 16
- 238000012015 optical character recognition Methods 0.000 claims description 12
- 238000004590 computer program Methods 0.000 claims description 10
- 238000005516 engineering process Methods 0.000 claims description 10
- 238000001303 quality assessment method Methods 0.000 claims description 6
- 238000012549 training Methods 0.000 claims description 6
- 230000001788 irregular Effects 0.000 abstract description 5
- 239000002023 wood Substances 0.000 description 10
- 230000006870 function Effects 0.000 description 9
- 238000013515 script Methods 0.000 description 9
- 238000010586 diagram Methods 0.000 description 8
- 230000008569 process Effects 0.000 description 7
- 238000004891 communication Methods 0.000 description 6
- 230000003287 optical effect Effects 0.000 description 6
- 238000001514 detection method Methods 0.000 description 4
- 230000000694 effects Effects 0.000 description 4
- 230000009286 beneficial effect Effects 0.000 description 3
- 238000013528 artificial neural network Methods 0.000 description 2
- 239000013307 optical fiber Substances 0.000 description 2
- 230000000644 propagated effect Effects 0.000 description 2
- 239000004065 semiconductor Substances 0.000 description 2
- 230000006403 short-term memory Effects 0.000 description 2
- 238000003491 array Methods 0.000 description 1
- 230000002457 bidirectional effect Effects 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000000306 recurrent effect Effects 0.000 description 1
- 238000005070 sampling Methods 0.000 description 1
- 238000013179 statistical model Methods 0.000 description 1
- 238000012546 transfer Methods 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F40/00—Handling natural language data
- G06F40/10—Text processing
- G06F40/166—Editing, e.g. inserting or deleting
- G06F40/186—Templates
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/21—Design or setup of recognition systems or techniques; Extraction of features in feature space; Blind source separation
- G06F18/214—Generating training patterns; Bootstrap methods, e.g. bagging or boosting
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F40/00—Handling natural language data
- G06F40/10—Text processing
- G06F40/103—Formatting, i.e. changing of presentation of documents
- G06F40/109—Font handling; Temporal or kinetic typography
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F40/00—Handling natural language data
- G06F40/10—Text processing
- G06F40/103—Formatting, i.e. changing of presentation of documents
- G06F40/117—Tagging; Marking up; Designating a block; Setting of attributes
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F40/00—Handling natural language data
- G06F40/10—Text processing
- G06F40/194—Calculation of difference between files
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/04—Architecture, e.g. interconnection topology
- G06N3/045—Combinations of networks
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
- G06Q10/06395—Quality analysis or management
-
- 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
- G06V30/148—Segmentation of character regions
- G06V30/153—Segmentation of character regions using recognition of characters or words
-
- 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
- G06V30/32—Digital ink
-
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Business, Economics & Management (AREA)
- Artificial Intelligence (AREA)
- General Engineering & Computer Science (AREA)
- Human Resources & Organizations (AREA)
- Computational Linguistics (AREA)
- General Health & Medical Sciences (AREA)
- Health & Medical Sciences (AREA)
- Audiology, Speech & Language Pathology (AREA)
- Data Mining & Analysis (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Educational Administration (AREA)
- Multimedia (AREA)
- Strategic Management (AREA)
- Entrepreneurship & Innovation (AREA)
- Economics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Development Economics (AREA)
- Evolutionary Computation (AREA)
- Biomedical Technology (AREA)
- Computing Systems (AREA)
- Biophysics (AREA)
- Mathematical Physics (AREA)
- Molecular Biology (AREA)
- Bioinformatics & Computational Biology (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Evolutionary Biology (AREA)
- Game Theory and Decision Science (AREA)
- Software Systems (AREA)
- Marketing (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Tourism & Hospitality (AREA)
- General Business, Economics & Management (AREA)
- Character Discrimination (AREA)
Abstract
本公开实施例公开了一种手写字的质量评价方法、装置、设备和存储介质,该方法包括:获取待检测的目标手写字,并根据目标手写字确定匹配的目标模板字;根据目标手写字的书写信息和目标模板字的书写信息,获取目标手写字的第一质量评价;其中,书写信息包括书写坐标和/或书写时间,第一质量评价包括笔画质量评价和/或笔顺质量评价。本公开实施例的技术方案,笔顺质量评价标注了错误笔画并给出正确笔顺,纠正了手写字中的倒下笔错误,笔画质量评价从基础的笔画入手,标注了书写不规范的笔画及正确笔画的书写方式,纠正了用户错误的书写习惯,实现了通过计算机完成笔画和笔顺角度的手写字质量评价,节省了人力成本和时间成本。
Description
技术领域
本公开实施例涉及文字识别技术,尤其涉及一种手写字的质量评价方法、装置、电子设备和存储介质。
背景技术
近些年伴随着传统文化的影响力日益扩大,手写字也越来越受到人们的重视,尤其是儿童学习写字之初,如何借助计算机给予相应的质量评价,以帮助提高书写质量,成为了人们关注的焦点。
文字识别通常是通过光学字符识别(Optical Character Recognition,OCR)技术实现的,通过对手写字的识别,给出相应的置信度,并将置信度作为质量好坏的评判标准。
但这样的评价方式,只能给出一个识别分数,不能给出具体的得分理由,也不能给出书写过程中存在的书写问题,如果想获取具体的质量评价,只能通过人工的方式,由专业人员(例如,老师)进行评价,不但需要耗费较大的人力成本和时间成本,而且人工评价的效率也较低,难以满足众多用户的需求。
发明内容
本公开提供了一种手写字的质量评价方法、装置、设备和存储介质,以实现对手写字的笔画质量和/或笔顺质量进行评价。
第一方面,本公开实施例提供了一种手写字的质量评价方法,包括:
获取待检测的目标手写字,并根据目标手写字确定匹配的目标模板字;
根据目标手写字的书写信息和目标模板字的书写信息,获取目标手写字的第一质量评价;其中,书写信息包括书写坐标和/或书写时间,第一质量评价包括笔画质量评价和/或笔顺质量评价。
第二方面,本公开实施例提供了一种手写字的质量评价装置,包括:
目标模板字获取模块,用于获取待检测的目标手写字,并根据目标手写字确定匹配的目标模板字;
第一质量评价获取模块,用于根据目标手写字的书写信息和目标模板字的书写信息,获取目标手写字的第一质量评价;其中,书写信息包括书写坐标和/或书写时间,第一质量评价包括笔画质量评价和/或笔顺质量评价。
第三方面,本公开实施例提供了一种电子设备,包括存储器、处理装置及存储在存储器上并可在处理装置上运行的计算机程序,处理装置执行程序时实现本公开任意实施例的手写字的质量评价方法。
第四方面,本公开实施例提供了一种包含计算机可执行指令的存储介质,计算机可执行指令在由计算机处理器执行时用于执行本公开任意实施例的手写字的质量评价方法。
本公开实施例的技术方案,在获取到待检测的目标手写字时,通过目标手写字与目标模板字的书写坐标和书写时间的比对,获取到了目标手写字的笔画质量评价和笔顺质量评价,其中笔顺质量评价标注了错误笔画并给出正确笔顺,纠正了手写字中的倒下笔错误,笔画质量评价从基础的笔画入手,标注了书写不规范的笔画及正确笔画的书写方式,纠正了用户错误的书写习惯,实现了通过计算机完成笔画和笔顺角度的手写字质量评价,提高了手写字质量的评价效率,节省了人力成本和时间成本。
附图说明
结合附图并参考以下具体实施方式,本公开各实施例的上述和其他特征、优点及方面将变得更加明显。贯穿附图中,相同或相似的附图标记表示相同或相似的元素。应当理解附图是示意性的,原件和元素不一定按照比例绘制。
图1是本公开实施例一中的一种手写字的质量评价方法的流程图;
图2是本公开实施例二中的一种手写字的质量评价方法的流程图;
图3是本公开实施例三中的一种手写字的质量评价方法的流程图;
图4是本公开实施例四中的一种手写字的质量评价装置的结构框图;
图5是本公开实施例五中的一种电子设备的结构框图。
具体实施方式
下面将参照附图更详细地描述本公开的实施例。虽然附图中显示了本公开的某些实施例,然而应当理解的是,本公开可以通过各种形式来实现,而且不应该被解释为限于这里阐述的实施例,相反提供这些实施例是为了更加透彻和完整地理解本公开。应当理解的是,本公开的附图及实施例仅用于示例性作用,并非用于限制本公开的保护范围。
应当理解,本公开的方法实施方式中记载的各个步骤可以按照不同的顺序执行,和/或并行执行。此外,方法实施方式可以包括附加的步骤和/或省略执行示出的步骤。本公开的范围在此方面不受限制。
本文使用的术语“包括”及其变形是开放性包括,即“包括但不限于”。术语“基于”是“至少部分地基于”。术语“一个实施例”表示“至少一个实施例”;术语“另一实施例”表示“至少一个另外的实施例”;术语“一些实施例”表示“至少一些实施例”。其他术语的相关定义将在下文描述中给出。
需要注意,本公开中提及的“第一”、“第二”等概念仅用于对不同的装置、模块或单元进行区分,并非用于限定这些装置、模块或单元所执行的功能的顺序或者相互依存关系。
需要注意,本公开中提及的“一个”、“多个”的修饰是示意性而非限制性的,本领域技术人员应当理解,除非在上下文另有明确指出,否则应该理解为“一个或多个”。
本公开实施方式中的多个装置之间所交互的消息或者信息的名称仅用于说明性的目的,而并不是用于对这些消息或信息的范围进行限制。
实施例一
图1是本公开实施例一提供的一种手写字的质量评价方法的流程图,本实施例可适用于根据手写字的书写坐标和书写时间,确定该手写字的笔画质量和/或笔顺质量,该方法可以由本公开实施例中的手写字的质量评价装置来执行,该装置可以通过软件和/或硬件实现,并集成在用于评价用户的手写字质量的终端设备或服务器中,该方法具体包括如下步骤:
S110、获取待检测的目标手写字,并根据目标手写字确定匹配的目标模板字。
本申请中的手写字不仅包括汉字,还包括手写的其它语种文字,例如,以英文为代表的字母文字;在获取到待检测的手写字后,通过文字识别功能,在字库中获取相同的文字,即目标模板字;目标模板字的书写信息作为目标手写字的质量评价标准。
由于一种文字可能包括多种字体类型,以汉字为例,包括篆书、隶书、楷书和草书等多种字体,不同的字体类型,手写效果也完全不同,因此,字库中的每一个文字都可以在不同的字体类型下分别对应一个模板字,在获取到待检测的手写字时,通过对字体类型的识别,或者由用户选择待检测的字体类型,在获取到用户的字体类型选择后,在对应的字体类型下获取匹配的目标模板字,使得用户可以针对不同的字体类型进行书写质量评价,便于用户对多种字体进行临摹,同时也提高了手写字质量评价的准确性,避免了不区分字体,将目标手写字与不同字体类型的模板字相匹配,进而获得错误的质量评价结果。
特别的,在同一种字体类型中,不同人群的书写风格也不完全相同,即使是同一个字体类型下的相同文字,其字体风格可能也会产生较大差异,以楷书为例,在相同的田字格中书写时,男士的字体风格通常比较豪迈,字号相对较大(例如,文字通常能填满整个田字格),女士的字体风格通常比较婉约,字号相对较小(例如,文字通常只占据田字格四分之三的区域),而学生的字体风格通常按照规范书写,字号适中,因此,可以由用户对字体风格或书写人群进行选择,在获取到用户相关的选择信息后,获取匹配的模板字。
S120、根据目标手写字的书写信息和目标模板字的书写信息,获取目标手写字的第一质量评价;其中,书写信息包括书写坐标和/或书写时间,第一质量评价包括笔画质量评价和/或笔顺质量评价。
对于目标手写字和目标模板字的书写信息,可以通过硬件手写板来获取,硬件手写板表面包括多个固定大小的田字格,用户通过硬件手写笔在田字格内书写文字,硬件手写板根据预设间隔采样时间(例如,10毫秒)采集田字格内的点位信息,获取该点位的坐标信息和时间信息,进而获取每个字完整的书写坐标和对应的书写时间;硬件手写板在获取目标手写字的书写信息时,可以将该书写信息实时发送至用于手写字质量评价的终端设备或服务器中,也可以将获取到的各目标手写字的书写信息进行本地存储,并在确定用户书写完毕后,统一发送。
笔顺质量评价用于判断目标手写字的笔顺书写是否正确,也即确定目标手写字在书写过程中,是否存在倒下笔的情况;可选的,在本公开实施例中,笔顺质量评价包括书写方向评价和/或书写顺序评价;书写顺序评价,也即判断不同笔画之间的书写顺序是否正确,以“木”字为例,根据目标模板字“木”的书写信息可以确定,笔画书写顺序依次为“横”、“竖”、“撇”和“捺”,当获取到目标手写字“木”时,根据书写信息可以确定该目标手写字是否是按照上述顺序进行书写的;书写方向评价,也即判断每个笔画本身的书写方向是否正确,以“木”字为例,根据目标模板字“木”的书写信息可以确定,笔画“横”为从左向右书写,但是儿童在学习写字之初,常常不会区分每个笔画的书写方向,因此,通过目标手写字“木”的书写信息,可以确定该目标手写字中各笔画的书写方向是否正确;如果确定目标手写字的笔顺书写正确,则给出笔顺正确评价;如果确定目标手写字的笔顺书写不正确,则标注笔顺错误的笔画并给出正确笔顺;笔顺质量评价有利于纠正用户,尤其是儿童在书写文字时,常常出现的倒下笔情况。
笔画质量评价用于评价目标手写字中各笔画的书写质量好坏,也即将每个待检测的手写字都拆分成一个或多个笔画,从笔画的角度评价书写质量;可选的,在本公开实施例中,笔画质量评价包括书写位置评价、书写倾斜度评价和/或书写长度评价;具体的,每个笔画中提取三个点位信息,即起始点、中间点和结束点;其中,中间点是该笔画书写时,在时间序列上的中间点;在进行书写位置评价时,将目标手写字各笔画的上述三个点位信息与目标模板字中相同笔画的相同点位信息进行比对,根据设定的位置差阈值,判断该笔画在田字格中的书写位置是否合理;若不合理,则给出该笔画的书写位置评价,例如,书写位置偏左、偏右、偏上或偏下;在进行书写倾斜度评价时,根据每个笔画的中间点至起始点计算第一部分斜率,根据结束点至中间点计算第二部分斜率,将目标手写字中各笔画的上述两部分斜率与目标模板字中相同笔画的相同部分斜率进行比对,根据设定的斜率差阈值,判断各笔画的书写倾斜度是否合理;若不合理,则给出该笔画的书写倾斜度评价,例如,前半部分偏向上倾斜、前半部分偏向下倾斜、后半部分偏向上倾斜或后半部分偏向下倾斜;在进行书写长度评价时,根据目标手写字各笔画的起始点和结束点计算各笔画的书写长度,并与目标模板字中的相同笔画进行比对,根据设定的长度差阈值,判断该笔画的书写长度是否合理;若不合理,则给出该笔画的书写长度评价,例如,书写长度偏短或偏长。相比于从手写字的整体结构给出质量评价,笔画质量评价从更基础的笔画开始纠正用户,尤其是儿童的错误书写习惯,并且标注出书写不规范的笔画及正确笔画的书写方式,同时,也使用户了解相同笔画在不同文字中的不同书写方式,例如,“木”和“人”均包括“撇”和“捺”,但两个字中的“撇”和“捺”的书写方式并不相同。
可选的,在本公开实施例中,书写信息还包括书写压力值;第一质量评价还包括笔迹轻重评价。硬件手写板中包括了压力检测装置(例如,压力检测传感器),当获取到田字格中的点位信息时,同时记录该点的压力值,压力值反映了用户书写时的用力轻重,在纸张上书写时,用力过轻会使纸面上的字迹较浅,不易被识别,用力过重会使纸面上的字迹较重,不美观甚至划破纸面,因此,对于压力值的检测可以帮助用户纠正书写习惯,保证书写时的用力轻重。
本公开实施例的技术方案,在获取到待检测的目标手写字时,通过目标手写字与目标模板字的书写坐标和书写时间的比对,获取到了目标手写字的笔画质量评价和笔顺质量评价,其中笔顺质量评价标注了错误笔画并给出正确笔顺,纠正了手写字中的倒下笔错误,笔画质量评价从基础的笔画入手,标注了书写不规范的笔画及正确笔画的书写方式,纠正了用户错误的书写习惯,实现了通过计算机完成笔画和笔顺角度的手写字质量评价,提高了手写字质量的评价效率,节省了人力成本和时间成本。
实施例二
图2是本公开实施例二提供的一种手写字的质量评价方法的流程图,本实施例以上述实施例为基础进行具体化,在本实施例中,在获取目标手写字的笔画质量评价后,还包括获取目标手写字的平均笔画质量评分,相应的,本实施例的方法具体包括如下步骤:
S210、获取待检测的目标手写字,并根据目标手写字确定匹配的目标模板字。
S220、通过光学字符识别技术,获取目标手写字的结构质量评分。
光学字符识别(Optical Character Recognition,OCR)技术,是通过检测暗、亮模式确定字符的形状,然后通过字符识别方法将形状翻译成计算机文字;由于OCR技术是以各字符的形状为识别依据,反应了字符在形状上的识别程度,因此,将OCR技术识别目标手写字获取的置信度,作为该目标手写字的结构质量评分,也即从文字形状及结构的角度,对一个目标手写字的书写优劣程度进行评价。
S230、根据目标手写字的书写信息和目标模板字的书写信息,获取目标手写字的笔画质量评价。
S240、根据目标手写字的笔画质量评价,获取目标手写字的平均笔画质量评分。
在获取到目标手写字的笔画质量评价后,根据目标手写字与目标模板字,在各笔画质量评价项上的数值差来确定各笔画的笔画质量评分;以上述技术方案为例,笔画质量评价包括书写位置评价、书写倾斜度评价和/或书写长度评价;在进行书写位置评价后,获取目标手写字各笔画的起始点、中间点和结束点的坐标与目标模板字中相同笔画的相同点位坐标的位置差值,并根据预设的位置差值分数表,获取各笔画在书写位置项上的得分;在进行书写倾斜度评价后,获取目标手写字各笔画的斜率与目标模板字中相同笔画的相同部分斜率的倾斜度差值,并根据预设的倾斜度差值分数表,获取各笔画在书写倾斜度项上的得分;在进行书写长度评价后,获取目标手写字各笔画的书写长度与目标模板字中相同笔画的书写长度的长度差值,并根据预设的长度差值分数表,获取各笔画在书写长度项上的得分。根据上述得分项中的一个或多个,可以获取每个笔画的笔画质量评分,其中各得分项可以分配不同的权重值,将各项得分与对应的权重值进行乘积,再进行累加求和,分别获取目标手写字中每个笔画的笔画质量评分,再将各笔画的笔画质量评分求取平均值,即可获取目标手写字的平均笔画质量评分。
S250、根据平均笔画质量评分和结构质量评分,获取目标手写字的第二质量评价。
第二质量评价,是结合文字的整体结构(也即笔画间的结构)以及各笔画的书写质量,给出的综合评价,根据平均笔画质量评分和结构质量评分,为用户提供相应的书写建议,使得用户更有针对性的进行练***均笔画质量评分较低(例如,小于第二评分阈值),表明该用户对文字的整体结构书写较好,但每个笔画的书写还需要加强,据此给出建议,建议该用户多练***均笔画质量评分较高(例如,大于等于第二评分阈值),表明该用户对文字的整体结构书写较差,但每个笔画的书写质量较好,据此给出建议,建议该用户多练习笔画间的结构。
本公开实施例的技术方案,在获取到待检测的目标手写字时,通过目标手写字与目标模板字的书写坐标和书写时间的比对,获取到了目标手写字的笔画质量评分和结构质量评分,从各笔画本身的书写以及笔画间结构两个角度进行质量评价,获取到了更加全面的质量评价结果,使得用户可以根据该质量评价结果,有针对性的进行书写练习,提高了手写字的质量评价效果。
实施例三
图3是本公开实施例三提供的一种手写字的质量评价方法的流程图,本实施例以上述实施例为基础进行具体化,在本实施例中,通过训练完成的笔画质量评价模型获取目标手写字的笔画质量评价,相应的,本实施例的方法具体包括如下步骤:
S310、获取与各模板字分别匹配的样本字集合;其中,样本字集合包括多个样本字,各样本字均包括对应的书写信息。
每个模板字都包括一个对应的样本字集合,该样本字集合中的样本字均是通过硬件手写板获取的,且由老师书写完成,因此,每个样本字均包括了对应的书写信息,即书写坐标和书写时间;为了确保训练完成的笔画质量评价模型具备不同字体类型的识别能力,各模板字对应的样本字集合中,均包括了多种字体类型的样本字,同时,为了保证字体风格的多样性,样本字集合还包括了由不同老师书写的样本字,以“木”字为例,与“木”对应的样本字集合包括了总共5000个样本“木”字,分别由1000名老师书写完成,每名老师分别书写5个,其中,5种字体(例如,篆书、隶书、楷书和草书)分别书写一个。特别的,为了保证田字格中的文字大小相同,防止文字过大或过小引起模型误差,在每个样本字书写完成后,都对该样本字进行正则化处理,保证各样本字的大小相同,并计算正则化后的坐标,并将正则化后的坐标作为该样本字的实际坐标。
S320、获取初始笔画质量评价模型,并根据各样本字集合对初始笔画质量评价模型分别进行训练,以获取训练完成的与各模板字分别匹配的笔画质量评价模型;其中,初始笔画质量评价模型基于隐马尔可夫模型和/或双向长短时记忆网络构建。
隐马尔可夫模型(Hidden Markov Model,HMM),是用于描述含有隐含未知参数的马尔可夫过程的统计模型,通过从可观察的参数中确定过程中的隐含参数,对于过程中的状态预测效果较好;长短时记忆网络(LSTM,Long Short-Term Memory),是一种时间循环神经网络,适用于处理和预测时间序列中间隔和延迟相对较长的重要事件;双向长短时记忆网络(Bidirectional Long Short-Term Memory,BLSTM),由两个循环神经网络(RecurrentNeural Network,RNN)组成,正向的RNN,利用过去的信息,逆序的RNN,利用未来的信息,也即在时刻t,可以利用t-1时刻的信息,也可以利用t+1时刻的信息,相比于LSTM,BLSTM的预测效果更加准确。
在本公开实施例中,基于BLSTM和/或HMM构建初始笔画质量评价模型,将每个笔画作为建模单元,将每个笔画的书写信息转化为时序信息,也即根据书写坐标和书写时间获取时序特征,例如,将坐标、坐标的一阶差分值和坐标的二阶差分值,分别作为对应时刻的位置信息、方向信息和速度信息;由于时序特征是一组包括多维特征的矢量序列,因此,还可以将笔态信息和投影信息也分别作为特征加入至该矢量序列中;其中,笔态信息和投影信息均通过与硬件手写板匹配的硬件手写笔获取,也即书写信息中除了包括通过硬件手写板获取的书写坐标和书写时间,还包括了通过硬件手写笔获取的对应时刻的笔态信息和投影信息;其中,笔态信息包括落笔或抬笔,表示了该点位为落笔点还是抬笔点,笔态信息可以使模型有效地区分不同笔画的边界,有助于笔画的拆分和对齐;投影信息是硬件手写笔相比于书写田字格,在八个方向(即上、下、左、右、左上、左下、右上和右下)上的投影值,投影信息可以看作书写坐标的特征变换,有助于模型检测书写的方向性;通过样本字集合对初始笔画质量评价模型的训练,实现了对初始笔画质量评价模型的参数估计,进而获取到参数完整,也即训练完成的笔画质量评价模型。
S330、获取待检测的目标手写字,并根据目标手写字确定匹配的目标模板字。
S340、获取与目标模板字匹配的目标笔画质量评价模型。
S350、将目标手写字的书写信息,输入至目标笔画质量评价模型中,以获取目标手写字的笔画质量评价。
本公开实施例的技术方案,基于隐马尔可夫模型和/或双向长短时记忆网络,构建了用于评价笔画书写质量的模型,并通过样本字集合的训练,分别获取到与各模板字分别匹配的笔画质量评价模型,实现了通过计算机完成手写字笔画质量评价,提高了手写字质量的评价效率,节省了人力成本和时间成本。
实施例四
图4是本公开实施例四提供的一种手写字的质量评价装置的结构框图,具体包括:目标模板字获取模块410和第一质量评价获取模块420;
目标模板字获取模块410,用于获取待检测的目标手写字,并根据目标手写字确定匹配的目标模板字;
第一质量评价获取模块420,用于根据目标手写字的书写信息和目标模板字的书写信息,获取目标手写字的第一质量评价;其中,书写信息包括书写坐标和/或书写时间,第一质量评价包括笔画质量评价和/或笔顺质量评价。
本公开实施例的技术方案,在获取到待检测的目标手写字时,通过目标手写字与目标模板字的书写坐标和书写时间的比对,获取到了目标手写字的笔画质量评价和笔顺质量评价,其中笔顺质量评价标注了错误笔画并给出正确笔顺,纠正了手写字中的倒下笔错误,笔画质量评价从基础的笔画入手,标注了书写不规范的笔画及正确笔画的书写方式,纠正了用户错误的书写习惯,实现了通过计算机完成笔画和笔顺角度的手写字质量评价,提高了手写字质量的评价效率,节省了人力成本和时间成本。
可选的,在上述技术方案的基础上,目标模板字获取模块410,具体用于根据目标手写字以及对应的字体类型,确定匹配的目标模板字。
可选的,在上述技术方案的基础上,笔顺质量评价包括书写方向评价和/或书写顺序评价。
可选的,在上述技术方案的基础上,笔画质量评价包括书写位置评价、书写倾斜度评价和/或书写长度评价。
可选的,在上述技术方案的基础上,手写字的质量评价装置,还包括:
结构质量评分获取模块,用于通过光学字符识别技术,获取目标手写字的结构质量评分;
平均笔画质量评分,用于根据目标手写字的笔画质量评价,获取目标手写字的平均笔画质量评分;
第二质量评价获取模块,用于根据平均笔画质量评分和结构质量评分,获取目标手写字的第二质量评价。
可选的,在上述技术方案的基础上,书写信息还包括书写压力值;第一质量评价还包括笔迹轻重评价。
可选的,在上述技术方案的基础上,手写字的质量评价装置,还包括:
样本字集合获取模块,用于获取与各模板字分别匹配的样本字集合;其中,样本字集合包括多个样本字,各样本字均包括对应的书写信息;
笔画质量评价模型获取模块,用于获取初始笔画质量评价模型,并根据各样本字集合对初始笔画质量评价模型分别进行训练,以获取训练完成的与各模板字分别匹配的笔画质量评价模型;其中,初始笔画质量评价模型基于隐马尔可夫模型和/或双向长短时记忆网络构建。
可选的,在上述技术方案的基础上,第一质量评价获取模块420,具体包括:
目标笔画质量评价模型获取单元,用于获取与目标模板字匹配的目标笔画质量评价模型;
笔画质量评价获取单元,用于将目标手写字的书写信息,输入至目标笔画质量评价模型中,以获取目标手写字的笔画质量评价。
上述装置可执行本公开任意实施例所提供的手写字的质量评价方法,具备执行方法相应的功能模块和有益效果。未在本实施例中详尽描述的技术细节,可参见本公开任意实施例提供的方法。
实施例五
图5示出了适于用来实现本公开实施例的电子设备500的结构示意图。本公开实施例中的终端设备可以包括但不限于诸如移动电话、笔记本电脑、数字广播接收器、PDA(个人数字助理)、PAD(平板电脑)、PMP(便携式多媒体播放器)、车载终端(例如车载导航终端)等等的移动终端以及诸如数字TV、台式计算机等等的固定终端。图5示出的电子设备仅仅是一个示例,不应对本公开实施例的功能和使用范围带来任何限制。
如图5所示,电子设备500可以包括处理装置(例如中央处理器、图形处理器等)501,其可以根据存储在只读存储器(ROM)502中的程序或者从存储装置508加载到随机访问存储器(RAM)503中的程序而执行各种适当的动作和处理。在RAM 503中,还存储有电子设备500操作所需的各种程序和数据。处理装置501、ROM 502以及RAM 503通过总线504彼此相连。输入/输出(I/O)接口505也连接至总线504。
通常,以下装置可以连接至I/O接口505:包括例如触摸屏、触摸板、键盘、鼠标、摄像头、麦克风、加速度计、陀螺仪等的输入装置506;包括例如液晶显示器(LCD)、扬声器、振动器等的输出装置507;包括例如磁带、硬盘等的存储装置508;以及通信装置509。通信装置509可以允许电子设备500与其他设备进行无线或有线通信以交换数据。虽然图5示出了具有各种装置的电子设备500,但是应理解的是,并不要求实施或具备所有示出的装置。可以替代地实施或具备更多或更少的装置。
特别地,根据本公开的实施例,上文参考流程图描述的过程可以被实现为计算机软件程序。例如,本公开的实施例包括一种计算机程序产品,其包括承载在非暂态计算机可读介质上的计算机程序,该计算机程序包含用于执行流程图所示的方法的程序代码。在这样的实施例中,该计算机程序可以通过通信装置509从网络上被下载和安装,或者从存储装置508被安装,或者从ROM 502被安装。在该计算机程序被处理装置501执行时,执行本公开实施例的方法中限定的上述功能。
需要说明的是,本公开上述的计算机可读介质可以是计算机可读信号介质或者计算机可读存储介质或者是上述两者的任意组合。计算机可读存储介质例如可以是——但不限于——电、磁、光、电磁、红外线、或半导体的***、装置或器件,或者任意以上的组合。计算机可读存储介质的更具体的例子可以包括但不限于:具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机访问存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑磁盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本公开中,计算机可读存储介质可以是任何包含或存储程序的有形介质,该程序可以被指令执行***、装置或者器件使用或者与其结合使用。而在本公开中,计算机可读信号介质可以包括在基带中或者作为载波一部分传播的数据信号,其中承载了计算机可读的程序代码。这种传播的数据信号可以采用多种形式,包括但不限于电磁信号、光信号或上述的任意合适的组合。计算机可读信号介质还可以是计算机可读存储介质以外的任何计算机可读介质,该计算机可读信号介质可以发送、传播或者传输用于由指令执行***、装置或者器件使用或者与其结合使用的程序。计算机可读介质上包含的程序代码可以用任何适当的介质传输,包括但不限于:电线、光缆、RF(射频)等等,或者上述的任意合适的组合。
在一些实施方式中,客户端、服务器可以利用诸如HTTP(HyperText TransferProtocol,超文本传输协议)之类的任何当前已知或未来研发的网络协议进行通信,并且可以与任意形式或介质的数字数据通信(例如,通信网络)互连。通信网络的示例包括局域网(“LAN”),广域网(“WAN”),网际网(例如,互联网)以及端对端网络(例如,ad hoc端对端网络),以及任何当前已知或未来研发的网络。
上述计算机可读介质可以是上述电子设备中所包含的;也可以是单独存在,而未装配入该电子设备中。
上述计算机可读介质承载有一个或者多个程序,当上述一个或者多个程序被该电子设备执行时,使得该电子设备:获取待检测的目标手写字,并根据目标手写字确定匹配的目标模板字;根据目标手写字的书写信息和目标模板字的书写信息,获取目标手写字的第一质量评价;其中,书写信息包括书写坐标和/或书写时间,第一质量评价包括笔画质量评价和/或笔顺质量评价。
可以以一种或多种程序设计语言或其组合来编写用于执行本公开的操作的计算机程序代码,上述程序设计语言包括但不限于面向对象的程序设计语言—诸如Java、Smalltalk、C++,还包括常规的过程式程序设计语言—诸如“C”语言或类似的程序设计语言。程序代码可以完全地在用户计算机上执行、部分地在用户计算机上执行、作为一个独立的软件包执行、部分在用户计算机上部分在远程计算机上执行、或者完全在远程计算机或服务器上执行。在涉及远程计算机的情形中,远程计算机可以通过任意种类的网络——包括局域网(LAN)或广域网(WAN)—连接到用户计算机,或者,可以连接到外部计算机(例如利用因特网服务提供商来通过因特网连接)。
附图中的流程图和框图,图示了按照本公开各种实施例的***、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上,流程图或框图中的每个方框可以代表一个模块、程序段、或代码的一部分,该模块、程序段、或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意,在有些作为替换的实现中,方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如,两个接连地表示的方框实际上可以基本并行地执行,它们有时也可以按相反的顺序执行,这依所涉及的功能而定。也要注意的是,框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合,可以用执行规定的功能或操作的专用的基于硬件的***来实现,或者可以用专用硬件与计算机指令的组合来实现。
描述于本公开实施例中所涉及到的模块可以通过软件的方式实现,也可以通过硬件的方式来实现。其中,模块的名称在某种情况下并不构成对该模块本身的限定,例如,结构质量评分获取模块,可以被描述为“用于通过光学字符识别技术,获取目标手写字的结构质量评分的模块”。本文中以上描述的功能可以至少部分地由一个或多个硬件逻辑部件来执行。例如,非限制性地,可以使用的示范类型的硬件逻辑部件包括:现场可编程门阵列(FPGA)、专用集成电路(ASIC)、专用标准产品(ASSP)、片上***(SOC)、复杂可编程逻辑设备(CPLD)等等。
在本公开的上下文中,机器可读介质可以是有形的介质,其可以包含或存储以供指令执行***、装置或设备使用或与指令执行***、装置或设备结合地使用的程序。机器可读介质可以是机器可读信号介质或机器可读储存介质。机器可读介质可以包括但不限于电子的、磁性的、光学的、电磁的、红外的、或半导体***、装置或设备,或者上述内容的任何合适组合。机器可读存储介质的更具体示例会包括基于一个或多个线的电气连接、便携式计算机盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦除可编程只读存储器(EPROM或快闪存储器)、光纤、便捷式紧凑盘只读存储器(CD-ROM)、光学储存设备、磁储存设备、或上述内容的任何合适组合。
根据本公开的一个或多个实施例,【示例1】提供了一种手写字的质量评价方法,包括:
获取待检测的目标手写字,并根据所述目标手写字确定匹配的目标模板字;
根据所述目标手写字的书写信息和所述目标模板字的所述书写信息,获取所述目标手写字的第一质量评价;其中,所述书写信息包括书写坐标和/或书写时间,所述第一质量评价包括笔画质量评价和/或笔顺质量评价。
根据本公开的一个或多个实施例,【示例2】提供了示例1的方法,还包括:
根据所述目标手写字以及对应的字体类型,确定匹配的目标模板字。
根据本公开的一个或多个实施例,【示例3】提供了示例1的方法,还包括:
所述笔顺质量评价包括书写方向评价和/或书写顺序评价。
根据本公开的一个或多个实施例,【示例4】提供了示例1的方法,还包括:
所述笔画质量评价包括书写位置评价、书写倾斜度评价和/或书写长度评价。
根据本公开的一个或多个实施例,【示例5】提供了示例1的方法,还包括:
通过光学字符识别技术,获取所述目标手写字的结构质量评分;
根据所述目标手写字的笔画质量评价,获取所述目标手写字的平均笔画质量评分;
根据所述平均笔画质量评分和所述结构质量评分,获取所述目标手写字的第二质量评价。
根据本公开的一个或多个实施例,【示例6】提供了示例1的方法,还包括:
所述书写信息还包括书写压力值;所述第一质量评价还包括笔迹轻重评价。
根据本公开的一个或多个实施例,【示例7】提供了示例1的方法,还包括:
获取与各模板字分别匹配的样本字集合;其中,所述样本字集合包括多个样本字,各所述样本字均包括对应的所述书写信息;
获取初始笔画质量评价模型,并根据各所述样本字集合对所述初始笔画质量评价模型分别进行训练,以获取训练完成的与各所述模板字分别匹配的笔画质量评价模型;其中,所述初始笔画质量评价模型基于隐马尔可夫模型和/或双向长短时记忆网络构建;
获取与所述目标模板字匹配的目标笔画质量评价模型;
将所述目标手写字的书写信息,输入至所述目标笔画质量评价模型中,以获取所述目标手写字的笔画质量评价。
根据本公开的一个或多个实施例,【示例8】提供了一种手写字的质量评价装置,包括:
目标模板字获取模块,用于获取待检测的目标手写字,并根据所述目标手写字确定匹配的目标模板字;
第一质量评价获取模块,用于根据所述目标手写字的书写信息和所述目标模板字的所述书写信息,获取所述目标手写字的第一质量评价;其中,所述书写信息包括书写坐标和/或书写时间,所述第一质量评价包括笔画质量评价和/或笔顺质量评价。
根据本公开的一个或多个实施例,【示例9】提供了示例8的装置,还包括:
目标模板字获取模块,具体用于根据目标手写字以及对应的字体类型,确定匹配的目标模板字。
根据本公开的一个或多个实施例,【示例10】提供了示例8的装置,还包括:
笔顺质量评价包括书写方向评价和/或书写顺序评价。
根据本公开的一个或多个实施例,【示例11】提供了示例8的装置,还包括:
笔画质量评价包括书写位置评价、书写倾斜度评价和/或书写长度评价。
根据本公开的一个或多个实施例,【示例12】提供了示例8的装置,还包括:
结构质量评分获取模块,用于通过光学字符识别技术,获取目标手写字的结构质量评分;
平均笔画质量评分,用于根据目标手写字的笔画质量评价,获取目标手写字的平均笔画质量评分;
第二质量评价获取模块,用于根据平均笔画质量评分和结构质量评分,获取目标手写字的第二质量评价。
根据本公开的一个或多个实施例,【示例13】提供了示例8的装置,还包括:
书写信息还包括书写压力值;第一质量评价还包括笔迹轻重评价。
根据本公开的一个或多个实施例,【示例14】提供了示例8的装置,还包括:
样本字集合获取模块,用于获取与各模板字分别匹配的样本字集合;其中,样本字集合包括多个样本字,各样本字均包括对应的书写信息;
笔画质量评价模型获取模块,用于获取初始笔画质量评价模型,并根据各样本字集合对初始笔画质量评价模型分别进行训练,以获取训练完成的与各模板字分别匹配的笔画质量评价模型;其中,初始笔画质量评价模型基于隐马尔可夫模型和/或双向长短时记忆网络构建。
第一质量评价获取模块,具体包括:
目标笔画质量评价模型获取单元,用于获取与目标模板字匹配的目标笔画质量评价模型;
笔画质量评价获取单元,用于将目标手写字的书写信息,输入至目标笔画质量评价模型中,以获取目标手写字的笔画质量评价。
根据本公开的一个或多个实施例,【示例15】提供了一种电子设备,包括存储器、处理装置及存储在存储器上并可在处理装置上运行的计算机程序,处理装置执行程序时实现如示例1-7中任一所述的手写字的质量评价方法。
根据本公开的一个或多个实施例,【示例16】提供了一种包含计算机可执行指令的存储介质,计算机可执行指令在由计算机处理器执行时用于执行如示例1-7中任一所述的手写字的质量评价方法。
以上描述仅为本公开的较佳实施例以及对所运用技术原理的说明。本领域技术人员应当理解,本公开中所涉及的公开范围,并不限于上述技术特征的特定组合而成的技术方案,同时也应涵盖在不脱离上述公开构思的情况下,由上述技术特征或其等同特征进行任意组合而形成的其它技术方案。例如上述特征与本公开中公开的(但不限于)具有类似功能的技术特征进行互相替换而形成的技术方案。
此外,虽然采用特定次序描绘了各操作,但是这不应当理解为要求这些操作以所示出的特定次序或以顺序次序执行来执行。在一定环境下,多任务和并行处理可能是有利的。同样地,虽然在上面论述中包含了若干具体实现细节,但是这些不应当被解释为对本公开的范围的限制。在单独的实施例的上下文中描述的某些特征还可以组合地实现在单个实施例中。相反地,在单个实施例的上下文中描述的各种特征也可以单独地或以任何合适的子组合的方式实现在多个实施例中。
尽管已经采用特定于结构特征和/或方法逻辑动作的语言描述了本主题,但是应当理解所附权利要求书中所限定的主题未必局限于上面描述的特定特征或动作。相反,上面所描述的特定特征和动作仅仅是实现权利要求书的示例形式。
Claims (10)
1.一种手写字的质量评价方法,其特征在于,包括:
获取待检测的目标手写字,并根据所述目标手写字确定匹配的目标模板字;
根据所述目标手写字的书写信息和所述目标模板字的所述书写信息,获取所述目标手写字的第一质量评价;其中,所述书写信息包括书写坐标和/或书写时间,所述第一质量评价包括笔画质量评价和/或笔顺质量评价。
2.根据权利要求1所述的方法,其特征在于,所述根据所述目标手写字确定匹配的目标模板字,包括:
根据所述目标手写字以及对应的字体类型,确定匹配的目标模板字。
3.根据权利要求1所述的方法,其特征在于,所述笔顺质量评价包括书写方向评价和/或书写顺序评价。
4.根据权利要求1所述的方法,其特征在于,所述笔画质量评价包括书写位置评价、书写倾斜度评价和/或书写长度评价。
5.根据权利要求1所述的方法,其特征在于,在根据所述目标手写字确定匹配的目标模板字后,还包括:
通过光学字符识别技术,获取所述目标手写字的结构质量评分;
在根据所述目标手写字的书写信息和所述目标模板字的所述书写信息,获取所述目标手写字的第一质量评价后,还包括:
根据所述目标手写字的笔画质量评价,获取所述目标手写字的平均笔画质量评分;
根据所述平均笔画质量评分和所述结构质量评分,获取所述目标手写字的第二质量评价。
6.根据权利要求1所述的方法,其特征在于,所述书写信息还包括书写压力值;所述第一质量评价还包括笔迹轻重评价。
7.根据权利要求1所述的方法,其特征在于,在获取待检测的目标手写字,并根据所述目标手写字确定匹配的目标模板字前,还包括:
获取与各模板字分别匹配的样本字集合;其中,所述样本字集合包括多个样本字,各所述样本字均包括对应的所述书写信息;
获取初始笔画质量评价模型,并根据各所述样本字集合对所述初始笔画质量评价模型分别进行训练,以获取训练完成的与各所述模板字分别匹配的笔画质量评价模型;其中,所述初始笔画质量评价模型基于隐马尔可夫模型和/或双向长短时记忆网络构建;
所述根据所述目标手写字的书写信息和所述目标模板字的所述书写信息,获取所述目标手写字的第一质量评价,包括:
获取与所述目标模板字匹配的目标笔画质量评价模型;
将所述目标手写字的书写信息,输入至所述目标笔画质量评价模型中,以获取所述目标手写字的笔画质量评价。
8.一种手写字的质量评价装置,其特征在于,包括:
目标模板字获取模块,用于获取待检测的目标手写字,并根据所述目标手写字确定匹配的目标模板字;
第一质量评价获取模块,用于根据所述目标手写字的书写信息和所述目标模板字的所述书写信息,获取所述目标手写字的第一质量评价;其中,所述书写信息包括书写坐标和/或书写时间,所述第一质量评价包括笔画质量评价和/或笔顺质量评价。
9.一种电子设备,包括存储器、处理装置及存储在存储器上并可在处理装置上运行的计算机程序,其特征在于,所述处理装置执行所述程序时实现如权利要求1-7中任一所述的手写字的质量评价方法。
10.一种包含计算机可执行指令的存储介质,所述计算机可执行指令在由计算机处理器执行时用于执行如权利要求1-7中任一所述的手写字的质量评价方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011025786.4A CN112183046A (zh) | 2020-09-25 | 2020-09-25 | 一种手写字的质量评价方法、装置、设备和存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011025786.4A CN112183046A (zh) | 2020-09-25 | 2020-09-25 | 一种手写字的质量评价方法、装置、设备和存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN112183046A true CN112183046A (zh) | 2021-01-05 |
Family
ID=73944023
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011025786.4A Pending CN112183046A (zh) | 2020-09-25 | 2020-09-25 | 一种手写字的质量评价方法、装置、设备和存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112183046A (zh) |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112990349A (zh) * | 2021-04-09 | 2021-06-18 | 北京有竹居网络技术有限公司 | 书写质量评价方法、装置和电子设备 |
CN113240059A (zh) * | 2021-05-21 | 2021-08-10 | 哈尔滨理工大学 | 基于深度学习的手写汉字质量评价方法 |
CN113326727A (zh) * | 2021-03-05 | 2021-08-31 | 临沂大学 | 一种书法教学用演示方法和装置 |
CN113537801A (zh) * | 2021-07-23 | 2021-10-22 | 重庆晋才富熙科技有限公司 | 板书处理方法、装置、终端和存储介质 |
CN114782964A (zh) * | 2022-06-20 | 2022-07-22 | 阿里巴巴(中国)有限公司 | 图像处理方法、存储介质以及电子设备 |
CN115909372A (zh) * | 2023-01-09 | 2023-04-04 | 浙江环玛信息科技有限公司 | 行为检测方法、***、终端及存储介质 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2004045844A (ja) * | 2002-07-12 | 2004-02-12 | Dainippon Printing Co Ltd | 漢字書き順学習システム、漢字書き順判定プログラム、および漢字練習用紙 |
CN101295371A (zh) * | 2008-04-18 | 2008-10-29 | 浙江大学 | 一种汉字书写形态美观度的计算机评估方法 |
CN108805224A (zh) * | 2018-05-28 | 2018-11-13 | 中国人民解放军国防科技大学 | 具备可持续学习能力的多符号手绘草图识别方法及装置 |
CN109543777A (zh) * | 2018-11-28 | 2019-03-29 | 中国科学院自动化研究所 | 手写汉字书写质量评价方法及*** |
CN111340810A (zh) * | 2020-05-21 | 2020-06-26 | 深圳市儿童医院 | 一种汉字书写质量智能评价方法 |
CN111523455A (zh) * | 2020-04-22 | 2020-08-11 | 北京易文汉学科技有限公司 | 汉字书写的评价方法 |
-
2020
- 2020-09-25 CN CN202011025786.4A patent/CN112183046A/zh active Pending
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2004045844A (ja) * | 2002-07-12 | 2004-02-12 | Dainippon Printing Co Ltd | 漢字書き順学習システム、漢字書き順判定プログラム、および漢字練習用紙 |
CN101295371A (zh) * | 2008-04-18 | 2008-10-29 | 浙江大学 | 一种汉字书写形态美观度的计算机评估方法 |
CN108805224A (zh) * | 2018-05-28 | 2018-11-13 | 中国人民解放军国防科技大学 | 具备可持续学习能力的多符号手绘草图识别方法及装置 |
CN109543777A (zh) * | 2018-11-28 | 2019-03-29 | 中国科学院自动化研究所 | 手写汉字书写质量评价方法及*** |
CN111523455A (zh) * | 2020-04-22 | 2020-08-11 | 北京易文汉学科技有限公司 | 汉字书写的评价方法 |
CN111340810A (zh) * | 2020-05-21 | 2020-06-26 | 深圳市儿童医院 | 一种汉字书写质量智能评价方法 |
Cited By (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113326727A (zh) * | 2021-03-05 | 2021-08-31 | 临沂大学 | 一种书法教学用演示方法和装置 |
CN112990349A (zh) * | 2021-04-09 | 2021-06-18 | 北京有竹居网络技术有限公司 | 书写质量评价方法、装置和电子设备 |
CN113240059A (zh) * | 2021-05-21 | 2021-08-10 | 哈尔滨理工大学 | 基于深度学习的手写汉字质量评价方法 |
CN113537801A (zh) * | 2021-07-23 | 2021-10-22 | 重庆晋才富熙科技有限公司 | 板书处理方法、装置、终端和存储介质 |
CN113537801B (zh) * | 2021-07-23 | 2023-01-10 | 重庆晋才富熙科技有限公司 | 板书处理方法、装置、终端和存储介质 |
CN114782964A (zh) * | 2022-06-20 | 2022-07-22 | 阿里巴巴(中国)有限公司 | 图像处理方法、存储介质以及电子设备 |
CN115909372A (zh) * | 2023-01-09 | 2023-04-04 | 浙江环玛信息科技有限公司 | 行为检测方法、***、终端及存储介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN112183046A (zh) | 一种手写字的质量评价方法、装置、设备和存储介质 | |
KR102460737B1 (ko) | 공중 필기 인식을 위한 방법, 장치, 기기 및 컴퓨터 판독 가능한 저장 매체 | |
CN102609735B (zh) | 一种字符书写规范度评测的方法和装置 | |
CN106325488B (zh) | 一种输入方法、输入装置、服务器和输入*** | |
CN110874145A (zh) | 一种输入方法、装置及电子设备 | |
CN110781413B (zh) | 兴趣点确定方法及装置、存储介质、电子设备 | |
CN111475627B (zh) | 解答推导题目的检查方法、装置、电子设备及存储介质 | |
CN112633420B (zh) | 图像相似度确定及模型训练方法、装置、设备和介质 | |
CN107085471B (zh) | 一种基于用户输入速度的输入法纠错方法和装置 | |
CN111598149B (zh) | 一种基于注意力机制的回环检测方法 | |
CN103903491A (zh) | 一种实现书写检查的方法及装置 | |
CN102750552A (zh) | 一种手写识别方法、***及手写识别终端 | |
CN103105924A (zh) | 人机交互方法和装置 | |
CN110955818A (zh) | 搜索方法、装置、终端设备及存储介质 | |
CN112396032B (zh) | 书写检测方法、装置、存储介质及电子设备 | |
CN102663454A (zh) | 一种字符书写规范度评测的方法和装置 | |
CN113516113A (zh) | 一种图像内容识别方法、装置、设备及存储介质 | |
CN116758786A (zh) | 书法测评方法、装置、计算机设备及介质 | |
CN110858291A (zh) | 字符切分方法及装置 | |
CN110554780A (zh) | 一种滑行输入的方法和装置 | |
CN116704508A (zh) | 信息处理方法及装置 | |
CN113191251B (zh) | 一种笔顺检测方法、装置、电子设备和存储介质 | |
CN112309389A (zh) | 信息交互方法和装置 | |
CN116009682A (zh) | 互动展示方法、装置、电子设备及可读介质 | |
CN111652204B (zh) | 目标文本区域选择的方法、装置、电子设备和存储介质 |
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 | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20210105 |
|
RJ01 | Rejection of invention patent application after publication |