CN115171122A - 一种点读处理方法、装置、设备及介质 - Google Patents
一种点读处理方法、装置、设备及介质 Download PDFInfo
- Publication number
- CN115171122A CN115171122A CN202210855194.8A CN202210855194A CN115171122A CN 115171122 A CN115171122 A CN 115171122A CN 202210855194 A CN202210855194 A CN 202210855194A CN 115171122 A CN115171122 A CN 115171122A
- Authority
- CN
- China
- Prior art keywords
- text
- grid
- page image
- page
- determining
- 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
Images
Classifications
-
- 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
-
- G—PHYSICS
- G09—EDUCATION; CRYPTOGRAPHY; DISPLAY; ADVERTISING; SEALS
- G09B—EDUCATIONAL OR DEMONSTRATION APPLIANCES; APPLIANCES FOR TEACHING, OR COMMUNICATING WITH, THE BLIND, DEAF OR MUTE; MODELS; PLANETARIA; GLOBES; MAPS; DIAGRAMS
- G09B5/00—Electrically-operated educational appliances
- G09B5/06—Electrically-operated educational appliances with both visual and audible presentation of the material to be studied
- G09B5/062—Combinations of audio and printed presentations, e.g. magnetically striped cards, talking books, magnetic tapes with printed texts thereon
-
- G—PHYSICS
- G09—EDUCATION; CRYPTOGRAPHY; DISPLAY; ADVERTISING; SEALS
- G09B—EDUCATIONAL OR DEMONSTRATION APPLIANCES; APPLIANCES FOR TEACHING, OR COMMUNICATING WITH, THE BLIND, DEAF OR MUTE; MODELS; PLANETARIA; GLOBES; MAPS; DIAGRAMS
- G09B5/00—Electrically-operated educational appliances
- G09B5/06—Electrically-operated educational appliances with both visual and audible presentation of the material to be studied
- G09B5/065—Combinations of audio and video presentations, e.g. videotapes, videodiscs, television systems
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Multimedia (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Business, Economics & Management (AREA)
- Educational Administration (AREA)
- Educational Technology (AREA)
- User Interface Of Digital Computer (AREA)
Abstract
本公开实施例涉及一种点读处理方法、装置、设备及介质,其中该方法包括:获取当前页面的页面图像;获取页面图像对应的文本网格信息,文本网格信息包括页面图像包括的文本单位与网格之间的映射关系;当检测到在当前页面上的点读操作时,确定点读操作在页面图像中对应的目标网格;基于文本网格信息确定目标网格对应的目标文本单位,将目标文本单位的文本确定为点读内容。本公开实施例由于在用户进行点读之前已经获取到当前页面中文本与网格之间的关系,后续点读开始之后无需实时解析即可快速实现点读,不仅无需高成本摄像头,而且有效提升了点读效率,提升用户阅读的效率,实现任意文本的连贯阅读,进而提升了用户的点读体验效果。
Description
技术领域
本公开涉及计算机技术领域,尤其涉及一种点读处理方法、装置、设备及介质。
背景技术
随着电子设备的发展,各种类型的智能的电子设备进入人们的生活中,例如智能台灯、智能音箱等。电子设备可以检测用户在书本上选择的内容,播放该对应的音频实现点读功能,辅助用户进行阅读。
相关技术,电子设备实现点读功能通常是通过摄像头实时采集和识别实现的,点读效率依赖于摄像头的对焦速度,电子设备可以通过选择具备激光对焦功能的摄像头来提升对焦速度,但是这种方式成本较高;电子设备还可以通过在实时识别过程中提升确定需要点读的内容的效率提升点读效率,但是这种方式处理过程依然是实时的,效率提升有限。
发明内容
为了解决上述技术问题,本公开提供了一种点读处理方法、装置、设备及介质。
本公开实施例提供了一种点读处理方法,所述方法包括:
获取当前页面的页面图像;
获取所述页面图像对应的文本网格信息,所述文本网格信息包括所述页面图像包括的文本单位与网格之间的映射关系;
当检测到在所述当前页面上的点读操作时,确定所述点读操作在所述页面图像中对应的目标网格;
基于所述文本网格信息确定所述目标网格对应的目标文本单位,将所述目标文本单位的文本确定为点读内容。
本公开实施例还提供了一种点读处理装置,所述装置包括:
获取模块,用于获取当前页面的页面图像;
信息模块,用于获取所述页面图像对应的文本网格信息,所述文本网格信息包括所述页面图像包括的文本单位与网格之间的映射关系;
点读模块,用于当检测到在所述当前页面上的点读操作时,确定所述点读操作在所述页面图像中对应的目标网格;
确定模块,用于基于所述文本网格信息确定所述目标网格对应的目标文本单位,将所述目标文本单位的文本确定为点读内容。
本公开实施例还提供了一种电子设备,所述电子设备包括:处理器;用于存储所述处理器可执行指令的存储器;所述处理器,用于从所述存储器中读取所述可执行指令,并执行所述指令以实现如本公开实施例提供的点读处理方法。
本公开实施例还提供了一种计算机可读存储介质,所述存储介质存储有计算机程序,所述计算机程序用于执行如本公开实施例提供的点读处理方法。
本公开实施例提供的技术方案与现有技术相比具有如下优点:本公开实施例提供的点读处理方案,获取当前页面的页面图像;获取页面图像对应的文本网格信息,文本网格信息包括页面图像包括的文本单位与网格之间的映射关系;当检测到在当前页面上的点读操作时,确定点读操作在页面图像中对应的目标网格;基于文本网格信息确定目标网格对应的目标文本单位,将目标文本单位的文本确定为点读内容。采用上述技术方案,在用户进行点击之前通过先获取当前页面的页面图像以及对应的文本网格信息,在用户点击页面之后可以快速根据点读操作对应的网格以及文本网格信息确定对应的文本为点读内容,由于在用户进行点读之前已经获取到当前页面中文本与网格之间的关系,后续点读开始之后无需实时解析即可快速实现点读,不仅无需高成本摄像头,而且有效提升了点读效率,提升用户阅读的效率,实现任意文本的连贯阅读,进而提升了用户的点读体验效果。
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为本公开一些实施例提供的点读处理方法的流程示意图;
图2为本公开一些实施例提供的一种网格的示意图;
图3为本公开一些实施例提供的另一种点读处理方法的流程示意图;
图4为本公开一些实施例提供的一种点读处理装置的结构示意图;
图5为本公开一些实施例提供的一种电子设备的结构示意图。
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。
相关技术中,用户可以使用电子设备的点读功能来阅读书籍或绘本,一点一读的过程,能潜移默化的启蒙认知、教认字阅读、学习说话。部分电子设备例如点读笔只能应用在特定的绘本上,通用性比较差。部分电子设备例如智能学习灯可以利用摄像头进行检测和识别来实现点读功能,通用性强也可以一定程度辅助用户进行书本阅读,但是点读效率对摄像头的对焦速度依赖程度较高,点读的过程中,由于摄像头需要频繁对焦与识别,导致点读效率较差以及阅读的体验极差,无法实现连贯的阅读体验;这部分电子设备可以通过更换元器件提高对焦速度,例如选择具备激光对焦功能的摄像头来实现,但具备激光对焦功能的摄像头成本较高,代价比较大;还可以通过在实时识别过程中提升确定需要点读的内容的效率提升点读效率,但是这种方式处理过程依然是实时的,效率提升有限。
为了解决上述问题,本公开实施例提供了一种点读处理方法,下面结合具体的实施例对该方法进行介绍。
图1为本公开一些实施例提供的一种点读处理方法的流程示意图,该方法可以由点读处理装置执行,其中该装置可以采用软件和/或硬件实现,一般可集成在电子设备中。如图1所示,该方法包括:
步骤101、获取当前页面的页面图像。
其中,当前页面可以是任意书籍或包括文本的阅读物中的一个或多个页面,上述阅读物的类型可以包括多种,例如阅读物可以包括绘本、报纸、试卷等,具体不限。本公开实施例的点读处理方法可以应用于任意一个具有摄像头的电子设备,例如可以应用于智能台灯、智能音箱、平板电脑灯。
在本公开实施例中,点读处理装置在检测到当前页面在图像采集范围内时,可以通过内置的摄像头对当前页面进行图像采集,得到页面图像,本公开实施例对摄像头的类型不限,可以采用普通的摄像头或激光摄像头等。
步骤102、获取页面图像对应的文本网格信息,文本网格信息包括页面图像包括的文本单位与网格之间的映射关系。
其中,文本网格信息可以是通过对页面图像进行文本解析以及网格化处理得到的信息,可以包括文本单位与网格之间的映射关系;文本单位可以是页面图像中包括的文本的最小单位,本公开实施例中可以将单字或词确定为文本单位,也即一个字或一个词为一个文本单位,词可以包括词语、成语等;网格可以是通过对页面图像划分处理得到的最小区域,每个网格中包括一个文本单位的,也即一个文本单位与唯一的网格相对应。
示例性的,图2为本公开一些实施例提供的一种网格的示意图,如图2所示,图中展示了网格201和网格202,网格201中包括一个词“文本”,网格202中包括一个字“的”,图2仅为示例,
示例性的,图3为本公开一些实施例提供的另一种点读处理方法的流程示意图,如图3所示,在一种可行的实施方式中,获取页面图像对应的文本网格信息,可以包括:
步骤301、基于页面图像确定当前书页的书籍信息。
其中,书籍信息可以是基于页面图像分析得到的当前页面所属的书籍或阅读物的信息,例如书籍信息可以是当前页面所属的书籍或阅读物的名称,书籍信息还可以是书籍或阅读物中具体的一个或多个部分的名称,例如一本书的第几章或者一本教材的第几课等。
点读处理装置可以先对页面图像进行文本识别,确定部分文本,并基于部分文本通过查询确定当前书页的书籍信息,例如由于书籍的名称通常在页眉或页脚,可以先对页面图像中的页眉或页脚的文本进行识别,并通过识别的部分文本检索或查询确定当前书页所属书籍的书名。
步骤302、根据书籍信息判断是否具有对应的电子书,若是,执行步骤303;否则,执行步骤304。
其中,电子书可以是通过固定格式存储在电子设备中并支持在电子设备中阅读、传输的书籍。
点读处理装置在基于页面图像确定当前书页的书籍信息之后,可以根据书籍信息在本地搜索是否具有对应的电子书,若是,则执行步骤303;否则,执行步骤304。
步骤303、获取预先处理得到的电子书在当前页面的文本网格信息。
本公开实施例中,由于本地的电子书可以在执行本公开实施例的方法之前提前处理得到每个页面的文本网格信息并与该电子书关联存储,点读处理装置在确定当前页面所属书籍或阅读物具有对应的电子书时,可以直接获取电子书对应的每个页面的文本网格信息,并提取其中当前页面的文本网格信息。
步骤304、对页面图像进行文本识别得到页面文本,并基于页面文本对页面图像进行网格化处理,得到文本网格信息。
点读处理装置在根据书籍信息确定不具有对应的电子书时,此时需要对页面图像进行实时处理,具体可以先进行文本识别得到页面文本,具体可以采用光学字符识别(Optical Character Recognition,OCR)技术实现;之后可以按照页面文本对页面图像进行网格化处理,得到文本网格信息。
在一些实施例中,基于页面文本对页面图像进行网格化处理,得到文本网格信息,可以包括:将页面文本中的字或词确定为文本单位;基于文本单位对页面图像进行网格化拆解和编号,得到多个网格,每个网格中包括一个文本单位,并且每个网格对应唯一的网格编号;建立各网格的网格编号与包括的文本单位之间的映射关系,得到页面图像对应的文本网格信息。
点读处理装置在确定页面图像的页面文本之后,可以将页面文本中的字或词确定为文本单位,并将每个文本单位在页面图像中所占区域进行网格化拆解,得到多个网格,之后可以对每个网格设置对应唯一的编号;将每个网格的网格编号与包括文本单位建立映射关系并存储,得到页面图像的文本网格信息。
可选的,文本网格信息中还可以包括各网格的位置信息,也即每个网格的坐标范围,以备后续使用。
上述方案中,在获取页面图像对应的文本网格信息时,如果当前页面所属书籍或阅读物具有对应的电子书,则可以直接获取本地已有的文本网格信息,提升获取效率;如果不具有电子书,则可以对页面图像实时解析和处理得到对应的文本网格信息,提升点读的通用性。
步骤103、当检测到在当前页面上的点读操作时,确定点读操作在页面图像中对应的目标网格。
点读操作可以是用户在当前页面上对其中的某一内容进行点击进而想要听到该内容被阅读的声音的操作,例如点读操作可以是用户的某个手指对某一内容的点击或滑动操作等。目标网格可以是点读操作所在位置在页面图像中的区域所对应的网格,由于用户在页面上点击时通常意图点读的范围比较小,本公开实施例的点读操作仅对应一个目标网格。
点读处理装置可以检测用户在当前页面的操作,当检测到用户手指或其他物体的点读操作时,可以先确定点读操作在页面图像中的覆盖区域的位置信息,具体可以通过对点读操作时当前页面的实时图像中的用户手指或其他物体进行检测确定覆盖区域的位置;并根据覆盖区域的位置信息与文本网格信息中各网格的位置信息确定对应的目标网格。
在一些实施例中,确定点读操作在页面图像中对应的目标网格,可以包括:当点读操作在页面图像的覆盖区域与多个网格重叠,则将多个网格中覆盖区域在网格中面积占比最大的网格确定为目标网格;当覆盖区域在网格边界上,则将覆盖区域上方的网格确定为目标网格。
点读处理装置在确定点读操作在页面图像中对应的目标网格时,当点读操作的覆盖区域的位置与多个网格的位置重叠,也即点读操作对应多个网格,可以确定每个网格中覆盖区域在网格的面积占比,并将点读操作对应的多个网格中面积占比最大的网格确定为最终的目标网格;当点读操作的覆盖区域的位置比较小在网格边界上,没有对应的网格,此时可以将覆盖区域上方距离最近的一个网格确定为最终的目标网格。
上述方案中,在确定点读操作在页面图像中的网格时,点读操作对应多个网格时,可以将点读操作的覆盖区域在网格中面积占比最大的网格确定为最终的网格;点读操作没有对应网格时,可以将将点读操作的覆盖区域上方的网格确定为最终的网格,提升了网格确定的准确性,进而有助于提升后续点读内容确定的准确性。
步骤104、基于文本网格信息确定目标网格对应的目标文本单位,将目标文本单位的文本确定为点读内容。
点读处理装置在确定点读操作在页面图像中对应的目标网格之后,可以基于目标网格的网格编号在文本网格信息中查找确定对应的目标文本单位,将目标文本单位对应的字或词确定为点读内容。
本公开实施例提供的点读处理方案,获取当前页面的页面图像;获取页面图像对应的文本网格信息,文本网格信息包括页面图像包括的文本单位与网格之间的映射关系;当检测到在当前页面上的点读操作时,确定点读操作在页面图像中对应的目标网格;基于文本网格信息确定目标网格对应的目标文本单位,将目标文本单位的文本确定为点读内容。采用上述技术方案,在用户进行点击之前通过先获取当前页面的页面图像以及对应的文本网格信息,在用户点击页面之后可以快速根据点读操作对应的网格以及文本网格信息确定对应的文本为点读内容,由于在用户进行点读之前已经获取到当前页面中文本与网格之间的关系,后续点读开始之后无需实时解析即可快速实现点读,不仅无需高成本摄像头,而且有效提升了点读效率,提升用户阅读的效率,实现任意文本的连贯阅读,进而提升了用户的点读体验效果。
在一些实施例中,点读处理方法还可以包括:若检测到在当前页面上的点读操作时还未获取到页面图像的文本网格信息,则采用文本识别技术识别页面图像,确定点读操作对应的文本,并将点读操作对应的文本确定为点读内容。
点读处理装置如果在检测到用户在当前页面上的点读操作时发现上述步骤102还未执行完,也即没有获取到页面图像的文本网格信息,此时可以采用文本识别技术,例如光学字符识别技术,识别对焦后的页面图像,实时确定点读操作对应的文本,并将识别得到的文本确定为点读内容。
可选的,若检测到在当前页面上的点读操作时还未获取到页面图像的文本网格信息,点读处理方法还可以包括:展示预设提示信息,预设提示信息用于提醒当前页面被遮挡。
其中,预设提示信息可以是用于提示用户当前页面被遮挡的信息,具体信息可以根据实际情况设置。由于未获取到页面图像的文本网格信息的原因可能是点读操作造成的对页面图像的部分内容的遮挡,在这个过程中可以采用不影响点读功能的方式展示预设提示信息,提醒用户当前页面被遮挡不能获取文本网格信息,使用户解决遮挡问题之后尽快获取页面图像的文本网格信息,之后可以继续执行上述步骤103-步骤104,继续基于文本网格信息快速确定点读内容。
上述方案中,在不能采用文本网格信息确定点读内容时,可以采用相关技术中摄像头对焦和识别的方式先确定点读内容,不影响用户的点读体验,同时可以提醒用户因页面被遮挡点读效率较低,在用户解决遮挡问题之后,继续采用上述实施例中方式快速确定点读内容,不仅提升了点读效率,而且极大降低对用户的点读体验的影响。
在一些实施例中,点读处理方法还可以包括:获取相邻两个文本单位的识别间隔时间;当识别间隔时间小于预设时间,则将当前相邻两个文本单位的字和/或词组合得到一个新的文本单位。
其中,识别间隔时间可以是针对相邻两个文本单位,从识别第一个文本单位到开始进行第二个文本单位的识别之间的时间。预设时间可以是针对识别间隔单位设置的一个最大值,具体可以根据实际情况设置。
点读处理装置在对当前页面进行点读的过程中,可以获取每相邻两个文本单位的识别间隔时间,并将该识别间隔时间与预设时间进行对比,如果识别间隔时间小于预设时间,则说明当前相邻两个文本单位的文本组合之后可能是一个词,可以直接将当前相邻两个文本单位的字和/或词组合得到一个新的文本单位,也可以判断当前相邻两个文本单位字和/或词组合之后是否为一个词,若是,则组合得到一个新的文本单位,以在后续点读时基于新的文本单位进行点读。
上述方案中,当用户的手指移动速度加快,***识别前后两个文本单位时间较短时,可以将前后两个文本单位的字和/或组合得到一个新的文本单位进行后续的点读,实现更加准确的点读以及更有感情的词汇连读效果。
在一些实施例中,点读处理方法还可以包括:获取点读内容的标准音频数据并播放;在标准音频数据的播放过程中,获取实时录音数据,并基于标准音频数据对实时录音数据进行评估,确定评估结果并展示。
其中,标准音频数据可以是预先存储的点读内容的音频数据,该音频数据可以通过专业人员录制得到。实时录音数据可以是用户听到点读内容的标准音频数据之后读出的音频数据。
点读处理装置在确定点读内容之后,可以获取点读内容的标准音频数据并播放,并且在播放过程中可以实时检测周围的声音,当检测到用户发出声音时,可以对用户的声音进行实时录音,获取实时录音数据,之后根据标准音频数据对实时录音数据进行评估,具体可以评估发音是否标准、发音是否准确等,得到评估结果,并展示该评估结果,以使用户基于评估结果进行读音纠正。
上述方案中,电子设备在点读的过程中还可以进行朗读纠正,可以实时监测周围声音,当检测到用户的声音时,***将自动从点读模式切换为纠错模式,将用户朗读的声音进行实时录音,并实时评估哪些发音标准、哪些发音不正确,展示评估结果,用户可以实时看到哪里读的不好,以便及时纠正错误的读音,促进用户更好的识文读字。
本公开实施例提供的点读处理方案,在用户点击之前可以实时识别用户当前需要点读的页面以及其相关信息,获取针对当前页面预先存储的文本网格信息或者实时对当前页面进行解析和网格化处理得到文本网格信息,之后在用户点击当前页面之后通过模糊对焦即可快速确定点读操作的网格,并根据文本网格信息快速确定点击的具体内容,点读开始之后无需实时解析即可快速实现点读,,在不更换高成本的激光摄像头的前提下,提高点读效率,实现任意文本连贯阅读的功能,即“一指即读”;同时,本方案通用性更强,不挑点击的阅读物,进而提升了用户的点读体验效果;并且通过评估点读时的移动速度来实现更加准确的点读以及更有感情的词汇连读效果;以及通过实时监测附近声音,自动启动纠错模式,用户能够基于反馈的朗读评估结果纠正错误发音,进一步提升用户的点读体验效果。
图4为本公开一些实施例提供的一种点读处理装置的结构示意图,该装置可由软件和/或硬件实现,一般可集成在电子设备中。如图4所示,该装置包括:
获取模块401,用于获取当前页面的页面图像;
信息模块402,用于获取所述页面图像对应的文本网格信息,所述文本网格信息包括所述页面图像包括的文本单位与网格之间的映射关系;
点读模块403,用于当检测到在所述当前页面上的点读操作时,确定所述点读操作在所述页面图像中对应的目标网格;
确定模块404,用于基于所述文本网格信息确定所述目标网格对应的目标文本单位,将所述目标文本单位的文本确定为点读内容。
可选的,所述信息模块402用于:
基于所述页面图像确定所述当前书页的书籍信息,并根据所述书籍信息判断是否具有对应的电子书;
若是,则获取预先处理得到的所述电子书在所述当前页面的文本网格信息;
否则,对所述页面图像进行文本识别得到页面文本,并基于所述页面文本对所述页面图像进行网格化处理,得到文本网格信息。
可选的,所述信息模块402用于:
将所述页面文本中的字或词确定为文本单位;
基于所述文本单位对所述页面图像进行网格化拆解和编号,得到多个网格,每个所述网格中包括一个文本单位,并且每个所述网格对应唯一的网格编号;
建立各所述网格的网格编号与包括的文本单位之间的映射关系,得到所述页面图像对应的文本网格信息。
可选的,所述点读模块403用于:
当所述点读操作在所述页面图像的覆盖区域与多个网格重叠,则将所述多个网格中覆盖区域在网格中面积占比最大的网格确定为所述目标网格;
当所述覆盖区域在网格边界上,则将所述覆盖区域上方的网格确定为所述目标网格。
可选的,所述装置还包括实时识别模块,用于:
若检测到在所述当前页面上的点读操作时还未获取到所述页面图像的文本网格信息,则采用文本识别技术识别所述页面图像,确定所述点读操作对应的文本,并将所述点读操作对应的文本确定为所述点读内容。
可选的,所述装置还包括提示模块,用于:
展示预设提示信息,所述预设提示信息用于提醒所述当前页面被遮挡。
可选的,所述装置还包括组合模块,用于:
获取相邻两个文本单位的识别间隔时间;
当所述识别间隔时间小于预设时间,则将当前相邻两个文本单位的字和/或词组合得到一个新的文本单位。
可选的,所述装置还包括纠错模块,用于:
获取所述点读内容的标准音频数据并播放;
在所述标准音频数据的播放过程中,获取实时录音数据,并基于所述标准音频数据对所述实时录音数据进行评估,确定评估结果并展示。
本公开实施例所提供的点读处理装置可执行本公开任意实施例所提供的点读处理方法,具备执行方法相应的功能模块和有益效果。
本公开实施例还提供赛一种计算机程序产品,包括计算机程序/指令,该计算机程序/指令被处理器执行时实现本公开任意实施例所提供的点读处理方法。
图5为本公开一些实施例提供的一种电子设备的结构示意图。下面具体参考图5,其示出了适于用来实现本公开实施例中的电子设备500的结构示意图。本公开实施例中的电子设备500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RAM503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点读处理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:获取当前页面的页面图像;获取所述页面图像对应的文本网格信息,所述文本网格信息包括所述页面图像包括的文本单位与网格之间的映射关系;当检测到在所述当前页面上的点读操作时,确定所述点读操作在所述页面图像中对应的目标网格;基于所述文本网格信息确定所述目标网格对应的目标文本单位,将所述目标文本单位的文本确定为点读内容。
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单元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,单元的名称在某种情况下并不构成对该单元本身的限定。
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。
可以理解的是,在使用本公开各实施例公开的技术方案之前,应当依据相关法律法规通过恰当的方式对本公开所涉及的信息的类型、使用范围、使用场景等告知用户并获得用户的授权。
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 (11)
1.一种点读处理方法,其特征在于,包括:
获取当前页面的页面图像;
获取所述页面图像对应的文本网格信息,所述文本网格信息包括所述页面图像包括的文本单位与网格之间的映射关系;
当检测到在所述当前页面上的点读操作时,确定所述点读操作在所述页面图像中对应的目标网格;
基于所述文本网格信息确定所述目标网格对应的目标文本单位,将所述目标文本单位的文本确定为点读内容。
2.根据权利要求1所述的方法,其特征在于,获取所述页面图像对应的文本网格信息,包括:
基于所述页面图像确定所述当前书页的书籍信息,并根据所述书籍信息判断是否具有对应的电子书;
若是,则获取预先处理得到的所述电子书在所述当前页面的文本网格信息;
否则,对所述页面图像进行文本识别得到页面文本,并基于所述页面文本对所述页面图像进行网格化处理,得到文本网格信息。
3.根据权利要求2所述的方法,其特征在于,基于所述页面文本对所述页面图像进行网格化处理,得到文本网格信息,包括:
将所述页面文本中的字或词确定为文本单位;
基于所述文本单位对所述页面图像进行网格化拆解和编号,得到多个网格,每个所述网格中包括一个文本单位,并且每个所述网格对应唯一的网格编号;
建立各所述网格的网格编号与包括的文本单位之间的映射关系,得到所述页面图像对应的文本网格信息。
4.根据权利要求1所述的方法,其特征在于,确定所述点读操作在所述页面图像中对应的目标网格,包括:
当所述点读操作在所述页面图像的覆盖区域与多个网格重叠,则将所述多个网格中覆盖区域在网格中面积占比最大的网格确定为所述目标网格;
当所述覆盖区域在网格边界上,则将所述覆盖区域上方的网格确定为所述目标网格。
5.根据权利要求1所述的方法,其特征在于,所述方法还包括:
若检测到在所述当前页面上的点读操作时还未获取到所述页面图像的文本网格信息,则采用文本识别技术识别所述页面图像,确定所述点读操作对应的文本,并将所述点读操作对应的文本确定为所述点读内容。
6.根据权利要求5所述的方法,其特征在于,所述方法还包括:
展示预设提示信息,所述预设提示信息用于提醒所述当前页面被遮挡。
7.根据权利要求1所述的方法,其特征在于,所述方法还包括:
获取相邻两个文本单位的识别间隔时间;
当所述识别间隔时间小于预设时间,则将当前相邻两个文本单位的字和/或词组合得到一个新的文本单位。
8.根据权利要求1所述的方法,其特征在于,所述方法还包括:
获取所述点读内容的标准音频数据并播放;
在所述标准音频数据的播放过程中,获取实时录音数据,并基于所述标准音频数据对所述实时录音数据进行评估,确定评估结果并展示。
9.一种点读处理装置,其特征在于,包括:
获取模块,用于获取当前页面的页面图像;
信息模块,用于获取所述页面图像对应的文本网格信息,所述文本网格信息包括所述页面图像包括的文本单位与网格之间的映射关系;
点读模块,用于当检测到在所述当前页面上的点读操作时,确定所述点读操作在所述页面图像中对应的目标网格;
确定模块,用于基于所述文本网格信息确定所述目标网格对应的目标文本单位,将所述目标文本单位的文本确定为点读内容。
10.一种电子设备,其特征在于,所述电子设备包括:
处理器;
用于存储所述处理器可执行指令的存储器;
所述处理器,用于从所述存储器中读取所述可执行指令,并执行所述指令以实现上述权利要求1-8中任一所述的点读处理方法。
11.一种计算机可读存储介质,其特征在于,所述存储介质存储有计算机程序,所述计算机程序用于执行上述权利要求1-8中任一所述的点读处理方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210855194.8A CN115171122A (zh) | 2022-07-19 | 2022-07-19 | 一种点读处理方法、装置、设备及介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210855194.8A CN115171122A (zh) | 2022-07-19 | 2022-07-19 | 一种点读处理方法、装置、设备及介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN115171122A true CN115171122A (zh) | 2022-10-11 |
Family
ID=83494575
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210855194.8A Pending CN115171122A (zh) | 2022-07-19 | 2022-07-19 | 一种点读处理方法、装置、设备及介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115171122A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116945191A (zh) * | 2023-09-11 | 2023-10-27 | 重庆北睿星科技有限公司 | 一种基于人工智能的机器人控制方法 |
-
2022
- 2022-07-19 CN CN202210855194.8A patent/CN115171122A/zh active Pending
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116945191A (zh) * | 2023-09-11 | 2023-10-27 | 重庆北睿星科技有限公司 | 一种基于人工智能的机器人控制方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110969012B (zh) | 文本纠错方法、装置、存储介质及电子设备 | |
CN113378586B (zh) | 语音翻译方法、翻译模型训练方法、装置、介质及设备 | |
CN113724709A (zh) | 文本内容匹配方法、装置、电子设备及存储介质 | |
CN111968676B (zh) | 一种发音纠正方法、装置、电子设备及存储介质 | |
CN115270717A (zh) | 一种立场检测方法、装置、设备及介质 | |
CN113868538A (zh) | 信息处理方法、装置、设备及介质 | |
CN114444508A (zh) | 日期识别方法、装置、可读介质及电子设备 | |
CN113011169A (zh) | 一种会议纪要的处理方法、装置、设备及介质 | |
CN112242143B (zh) | 一种语音交互方法、装置、终端设备及存储介质 | |
CN112309389A (zh) | 信息交互方法和装置 | |
CN112069786A (zh) | 文本信息处理方法、装置、电子设备及介质 | |
CN111916050A (zh) | 语音合成方法、装置、存储介质和电子设备 | |
CN111462548A (zh) | 一种段落点读方法、装置、设备和可读介质 | |
US20240096347A1 (en) | Method and apparatus for determining speech similarity, and program product | |
CN115171122A (zh) | 一种点读处理方法、装置、设备及介质 | |
CN111460086A (zh) | 一种点读标记方法、装置、设备和可读介质 | |
CN111787264B (zh) | 一种远程教学的提问方法、装置、提问终端和可读介质 | |
CN111221424B (zh) | 用于生成信息的方法、装置、电子设备和计算机可读介质 | |
CN111898595A (zh) | 一种信息展示方法、装置、电子设备和存储介质 | |
CN112309385A (zh) | 一种语音识别方法、装置、电子设备及介质 | |
CN112185186A (zh) | 一种发音纠正方法、装置、电子设备及存储介质 | |
CN112309180A (zh) | 文本处理方法、装置、设备及介质 | |
CN111461095A (zh) | 一种语音点读方法、装置、设备和可读介质 | |
CN111160285A (zh) | 一种获取板书信息的方法、装置、介质和电子设备 | |
CN113132789B (zh) | 一种多媒体的交互方法、装置、设备及介质 |
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 |