CN115909372B

CN115909372B - 行为检测方法、***、终端及存储介质

Info

Publication number: CN115909372B
Application number: CN202310025450.5A
Authority: CN
Inventors: 刘俊飙; 李凯; 董芳; 蒋路茸; 孙乐; 喻晓斌; 吴炎强; 俞嘉杰; 陈婷
Original assignee: Zhejiang Huanma Information Technology Co ltd
Current assignee: Zhejiang Huanma Information Technology Co ltd
Priority date: 2023-01-09
Filing date: 2023-01-09
Publication date: 2023-05-19
Anticipated expiration: 2043-01-09
Also published as: CN115909372A

Abstract

本发明提供了一种行为检测方法、***、终端及存储介质，该方法包括：对待检测人员的笔迹信息中的书写笔迹进行毛刺检测，得到毛刺检测评分；分别对各书写笔迹进行笔迹分类，得到笔迹类型，并根据各书写笔迹的笔迹类型确定笔迹书写规则；根据笔迹书写规则分别对相应的书写笔迹进行书写检测，得到书写评分；根据书写评分和毛刺检测评分生成待检测人员的行为检测结果。本发明通过获取待检测人员的笔迹信息，对笔迹信息中的书写笔迹进行毛刺检测和书写检测，以得到待检测人员的行为检测结果，无需采用人工经验的方式进行行为检测，提高了行为检测的准确性。

Description

行为检测方法、***、终端及存储介质

技术领域

本发明涉及行为检测技术领域，尤其涉及一种行为检测方法、***、终端及存储介质。

背景技术

随着时代的发展，行为分析技术也取得了迅猛发展，特别是在医疗和大数据技术领域，这也对行为检测方法提出了更高的要求，行为检测过程中，通过对用户的具体实施行为进行分析，以检测用户的行为是否存在异常。

现有的行为检测过程中，一般是采用人工的方式检测待检测人员的实施行为，以判断待检测人员的行为是否存在异常，但由于人工检测的方式主观性较强，降低了行为检测的准确性。

发明内容

本发明实施例的目的在于提供一种行为检测方法、***、终端及存储介质，旨在解决现有的行为检测准确性低下的问题。

本发明实施例是这样实现的，一种行为检测方法，所述方法包括：

获取待检测人员的笔迹信息，并对所述笔迹信息中的书写笔迹进行毛刺检测，得到毛刺检测评分；

分别对各书写笔迹进行笔迹分类，得到笔迹类型，并根据各书写笔迹的笔迹类型确定笔迹书写规则；

根据所述笔迹书写规则分别对相应的所述书写笔迹进行书写检测，得到书写评分；

根据所述书写评分和所述毛刺检测评分生成所述待检测人员的行为检测结果。

优选的，所述对所述笔迹信息中的书写笔迹进行毛刺检测，得到毛刺检测评分，包括：

获取所述笔迹信息中笔迹图像的背景区域，并对所述背景区域进行闭运算，得到腐蚀区域；

根据预设算子获取所述背景区域与所述腐蚀区域之间的补集，得到补集区域，并对所述补集区域进行开运算，得到毛刺区域；

获取各毛刺区域之间的区域和，得到毛刺面积值，并获取各书写笔迹之间的区域和，得到笔迹面积值；

根据所述毛刺面积值和所述笔迹面积值确定所述毛刺检测评分。

优选的，所述分别对各书写笔迹进行笔迹分类，得到笔迹类型，并根据各书写笔迹的笔迹类型确定笔迹书写规则，包括：

分别获取各书写笔迹的笔迹标识，并根据所述笔迹标识确定各书写笔迹的笔迹类型，所述笔迹标识用于表征所述书写笔迹在所述笔迹信息中的笔迹图像上的位置区域，或用于表征所述书写笔迹的书写时间；

将各书写笔迹的笔迹类型分别与预存储的规则查询表进行匹配，得到所述笔迹书写规则。

优选的，所述根据所述笔迹书写规则分别对相应的所述书写笔迹进行书写检测，得到书写评分，包括：

若所述笔迹类型是文字类型，则对所述书写笔迹进行字体识别，得到书写字体；

获取所述书写笔迹对应的标准笔迹，并根据所述书写字体对所述标准笔迹进行字体转换；

对所述书写笔迹和字体变换后的所述标准笔迹进行相似度识别，得到笔迹相似度，并根据所述笔迹相似度确定所述书写评分。

优选的，所述对所述书写笔迹和字体变换后的所述标准笔迹进行相似度识别，得到笔迹相似度之后，还包括：

分别对各书写笔迹进行弯折区域和尾笔区域分割，得到弯折图像和尾笔图像；

分别获取各弯折图像中的弯折轨迹，并对所述弯折轨迹进行弯折度检测，得到弯折度评分；

分别获取各尾笔图像中尾笔轨迹，并对所述尾笔轨迹进行停笔检测，得到书写停笔评分；

根据所述笔迹相似度、所述弯折度评分和所述书写停笔评分确定所述书写评分。

优选的，所述对所述书写笔迹和字体变换后的所述标准笔迹进行相似度识别，得到笔迹相似度，包括：

分别获取所述书写笔迹和字体变换后的所述标准笔迹的图形特征序列，得到书写特征序列和标准特征序列；

将所述书写特征序列和所述标准特征序列输入预训练后的卷积循环神经网络进行序列优化；

计算序列优化后所述书写特征序列和所述标准特征序列之间的距离，得到所述笔迹相似度。

若所述笔迹类型是图形类型，则获取所述书写笔迹对应的标准图形，并将所述书写笔迹与所述标准图形进行相似度识别，得到笔迹相似度；

获取所述标准图形的图形特征，并根据所述图形特征对所述书写笔迹进行特征检测，得到轨迹特征值；

根据所述轨迹特征值和所述笔迹相似度确定所述书写评分。

本发明实施例的另一目的在于提供一种行为检测***，所述***包括：

毛刺检测模块，用于获取待检测人员的笔迹信息，并对所述笔迹信息中的书写笔迹进行毛刺检测，得到毛刺检测评分；

笔迹分类模块，用于分别对各书写笔迹进行笔迹分类，得到笔迹类型，并根据各书写笔迹的笔迹类型确定笔迹书写规则；

书写检测模块，用于根据所述笔迹书写规则分别对相应的所述书写笔迹进行书写检测，得到书写评分；

结果生成模块，用于根据所述书写评分和所述毛刺检测评分生成所述待检测人员的行为检测结果。

本发明实施例的另一目的在于提供一种终端设备，包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现如上述方法的步骤。

本发明实施例的另一目的在于提供一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，所述计算机程序被处理器执行时实现上述方法的步骤。

本发明实施例，通过获取待检测人员的笔迹信息，对笔迹信息中的书写笔迹进行毛刺检测和书写检测，以得到待检测人员的行为检测结果，无需采用人工经验的方式进行行为检测，提高了行为检测的准确性，通过对笔迹信息中的书写笔迹进行毛刺检测，得到毛刺检测评分，基于毛刺检测评分能有效地评价待检测人员在笔迹书写过程中的抖动程度，基于待检测人员在笔迹书写过程中的抖动程度，能有效地判断到待检测人员的行为是否存在异常，通过笔迹书写规则分别对相应的书写笔迹进行书写检测，得到书写评分，基于书写评分能有效地评价待检测人员笔迹书写的准确性，提高了行为检测的准确性，基于待检测人员笔迹书写的准确性，能有效地判断到待检测人员的行为是否存在异常。

附图说明

图1是本发明第一实施例提供的行为检测方法的流程图；

图2是本发明第二实施例提供的行为检测方法的流程图；

图3是本发明第三实施例提供的行为检测***的结构示意图；

图4是本发明第四实施例提供的终端设备的结构示意图。

具体实施方式

为了使本发明的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本发明进行进一步详细说明。应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。

为了说明本发明所述的技术方案，下面通过具体实施例来进行说明。

实施例一

请参阅图1，是本发明第一实施例提供的行为检测方法的流程图，该行为检测方法可以应用于任一终端设备或***，该行为检测方法包括步骤：

步骤S10，获取待检测人员的笔迹信息，并对所述笔迹信息中的书写笔迹进行毛刺检测，得到毛刺检测评分；

其中，该笔迹信息可以基于触摸屏的方式进行获取，通过将标准信息向待检测人员进行显示，并提示待检测人眼在触摸屏上进行信息书写，得到该笔迹信息，该标准信息包括标准笔迹和/或标准图形，该标准笔迹和标准图形可以根据需求进行设置；

该步骤中，当待检测人员的行为存在异常时，可能导致待检测人员的手部会不受控制地进行震颤，因此，通过对笔迹信息中的书写笔迹进行毛刺检测，得到毛刺检测评分，基于毛刺检测评分能有效地评价待检测人员在笔迹书写过程中的震颤程度，基于待检测人员在笔迹书写过程中的震颤程度，能有效地判断到待检测人员的行为是否存在异常，例如，当检测到待检测人员在笔迹书写过程中的震颤程度较高时，则判定待检测人员可能存在帕金森疾病。

步骤S20，分别对各书写笔迹进行笔迹分类，得到笔迹类型，并根据各书写笔迹的笔迹类型确定笔迹书写规则；

其中，通过分别对各书写笔迹进行笔迹分类，得到笔迹类型，基于笔迹类型能有效地确定到各书写笔迹的笔迹书写规则，可选的，该步骤中，所述分别对各书写笔迹进行笔迹分类，得到笔迹类型，并根据各书写笔迹的笔迹类型确定笔迹书写规则，包括：

分别获取各书写笔迹的笔迹标识，并根据所述笔迹标识确定各书写笔迹的笔迹类型；

其中，笔迹标识用于表征书写笔迹在笔迹信息中的笔迹图像上的位置区域，或用于表征书写笔迹的书写时间，该步骤中，可以基于位置区域或书写时间的方式确定各书写笔迹的笔迹类型。

例如，当书写笔迹在笔迹图像上的位置区域处于第一预设区域时，则该书写笔迹的笔迹类型为文字类型，当书写笔迹在笔迹图像上的位置区域处于第二预设区域时，则该书写笔迹的笔迹类型为图形类型，该第一预设区域和第二预设区域的区域位置可以根据需求进行设置，当该书写笔迹的笔迹类型为文字类型时，则判定该书写笔迹书写的是文字，当该书写笔迹的笔迹类型为图形类型时，则判定该书写笔迹书写的是图形。

例如，分别获取各书写笔迹的书写时间，将第一预设时长内的书写笔迹的笔迹类型确定为文字类型，将第一预设时长之外的书写笔迹的笔迹类型确定为图形类型，该第一预设时长的时间值可以根据需求进行设置。

将各书写笔迹的笔迹类型分别与预存储的规则查询表进行匹配，得到所述笔迹书写规则；其中，该规则查询表中存储有不同笔迹类型与对应笔迹书写规则之间的对应关系。

步骤S30，根据所述笔迹书写规则分别对相应的所述书写笔迹进行书写检测，得到书写评分；

其中，通过笔迹书写规则分别对相应的书写笔迹进行书写检测，得到书写评分，基于书写评分能有效地评价待检测人员笔迹书写的准确性，提高了行为检测的准确性，基于待检测人员笔迹书写的准确性，能有效地判断到待检测人员的行为是否存在异常。

可选的，该步骤中，所述根据所述笔迹书写规则分别对相应的所述书写笔迹进行书写检测，得到书写评分，包括：

其中，通过对书写笔迹进行字体识别，能有效地识别到表征待检测人员书写习惯的书写字体，例如，检测到的书写字体可能为楷体、宋体或仿宋体等；

其中，由于不同用户之间书写笔迹风格的不同，可能导致书写笔迹与标准笔迹之间存在风格差异，因此，该步骤中，通过书写字体对标准笔迹进行字体转换，有效地提高了后续书写笔迹与标准笔迹之间相似度识别的准确性；

对所述书写笔迹和字体变换后的所述标准笔迹进行相似度识别，得到笔迹相似度，并根据所述笔迹相似度确定所述书写评分；

其中，通过对书写笔迹和字体变换后的标准笔迹进行相似度识别，能有效地判定待检测人员书写笔迹的准确性。

进一步地，该步骤中，对所述书写笔迹和字体变换后的所述标准笔迹进行相似度识别，得到笔迹相似度之后，还包括：

其中，通过分别对各书写笔迹进行弯折区域分割，能有效地获取到各书写笔迹中文字笔画发生弯折的图像，通过分别对各书写笔迹进行尾笔区域分割，能有效地获取到各书写笔迹中文结尾笔画的图像，例如，当书写笔迹中的文字为“乙”时，“乙”由横部、折部和弯部组成，则分割得到的弯折图像包括横部与折部对应笔画之间的连接区域的图像、弯部对应笔画的中段区域的图像，分割得到的尾部图像包括弯部对应笔画结尾区域的图像；

其中，分别获取各弯折图像中各笔画的部位标识，并根据各，该部位标识用于表征对应笔画的笔画类型，该笔画类型包括横（一）、竖（丨）、撇（丿）、捺（㇏）、折（𠃋）和钩（亅）等类型，当弯折图像中存储多个笔画时，则将同一弯折图像中的各笔画的部位标识进行组合，得到部位标识组；

该步骤中，当弯折图像仅存在一个笔画时，则将该笔画的部位标识与预存储的弯折度查询表进行匹配，得到目标弯折角度，当弯折图像存在多个笔画时，则将该弯折图像对应的部位标识组与弯折度查询表进行匹配，得到该目标弯折角度，该弯折度查询表中存储有不同部位标识、不同部位标识组与对应目标弯折角度之间的对应关系；

具体的，该步骤中，分别获取各弯折图像中笔迹的弯折角度，得到轨迹弯折角度，并针对同一弯折图像，分别计算轨迹弯折角度与对应目标弯折角度之间的角度差值，并根据该角度差值生成弯折度评分；

其中，通过对尾笔轨迹进行停笔检测，以检测待检测人员在最后笔画处是否存在异常，该步骤中，通过分别计算各尾笔轨迹的平滑度，并基于平滑度确定各尾笔轨迹的异常值，计算各尾笔轨迹之间异常值的和，得到该书写停笔评分，该步骤中，当尾笔轨迹越平滑，则该尾笔轨迹的异常值越低，当尾笔轨迹越不平滑，则该尾笔轨迹的异常值越高；

根据所述笔迹相似度、所述弯折度评分和所述书写停笔评分确定所述书写评分；

其中，根据所述笔迹相似度、所述弯折度评分和所述书写停笔评分确定所述书写评分所采用的公式包括：

a2(1-a1)+ Bb1+Cc1=Q

a2是针对笔迹相似度预先设置的权重值，a1是笔迹相似度，B是针对弯折度评分预先设置的权重值，b1是弯折度评分，C是针对笔迹相似度预先设置的权重值，c1是书写停笔评分，Q是书写评分。

更进一步地，该步骤中，所述对所述书写笔迹和字体变换后的所述标准笔迹进行相似度识别，得到笔迹相似度，包括：

分别获取所述书写笔迹和字体变换后的所述标准笔迹的图形特征序列，得到书写特征序列和标准特征序列；其中，通过分别获取书写笔迹和字体变换后的标准笔迹的时序特征，得到该书写特征序列和标准特征序列；

计算序列优化后所述书写特征序列和所述标准特征序列之间的距离，得到所述笔迹相似度；

其中，可以采用欧式距离公式的方式进行该笔迹相似度的计算，当该笔迹相似度越大时，则判定待检测人员的笔迹书写越正确，当该笔迹相似度越小时，则判定待检测人员的笔迹书写越错误，即，该待检测人员的行为异常程度越大。

可选的，该步骤中，标准特征序列为：

书写特征序列为：

书写特征序列与标准特征序列之间的损失矩阵为：

其中，x_i和y_j为d维的局部特征向量，

为可行的二值对齐矩阵的集合，需满足如下条件：（1）/>

；（2）单调性和连续性，即

，且若/>

，则：

笔迹相似度的定义为：

其中，

表示A与/>

的内积。

本实施例中，加入了卷积循环神经网络（CRNN）结构，对特征序列进行优化，在参数优化的部分，设置了两个卷积层、两个循环层和一个全连接层，两个卷积层之间***了一个最大优化池层，对特征序列进行两倍下采样，以提高精度，循环层使用门控回归单元（GARU），记t时刻的输入为i _t，输出为o _t，核心公式为：

其中，r _t为重置门，W _r、U _r、W _o、U _o为参数矩阵，b _r、b _o为偏置项。

本实施例中的GARU只采用了重置门，而移除了更新门，以提高计算效率，由于笔迹的复杂性，用于笔迹的识别需要高性能的显卡支撑，而用于简单图形绘制计算量将大大减少，普通的计算芯片就可以满足需求，有利于在平板电脑、手机等触摸设备上的应用。每次循环计算完成后，都会输出一个笔迹相似度（偏离指数）。

优选的，该步骤中，所述根据所述笔迹书写规则分别对相应的所述书写笔迹进行书写检测，得到书写评分，包括：

获取所述标准图形的图形特征，并根据所述图形特征对所述书写笔迹进行特征检测，得到轨迹特征值；其中，该图形特征包括图形顶角数量、图形形状、图形顶角角度等特征，该步骤中，通过将标准图形的图形顶角数量、图形形状、图形顶角角度等特征与对应书写笔迹中的图形顶角数量、图形形状、图形顶角角度等特征分别进行特征比对，得到该轨迹特征值；

根据所述轨迹特征值和所述笔迹相似度确定所述书写评分；

其中，当轨迹特征值越小时，则该书写笔迹与标准图形之间的特征越相似，当轨迹特征值越大时，则该书写笔迹与标准图形之间的特征越不相似，该步骤中，通过计算轨迹特征值与笔迹相似度之间的和值，得到该书写评分。

步骤S40，根据所述书写评分和所述毛刺检测评分生成所述待检测人员的行为检测结果；

其中，根据所述书写评分和所述毛刺检测评分生成所述待检测人员的行为检测结果所采用的公式包括：

DQ+Ee=G

D是针对书写评分预先设置的权重值，E是针对毛刺检测评分预先设置的权重值，G是行为检测结果，当行为检测结果大于异常阈值时，则判定该待检测人员的行为存在异常，该异常阈值可以根据需求进行数值的设置。

可选的，该判定到该待检测人员的行为存在异常时，则可以判定待检测人员存在患有帕金森疾病的情况。

本实施例中，通过获取待检测人员的笔迹信息，对笔迹信息中的书写笔迹进行毛刺检测和书写检测，以得到待检测人员的行为检测结果，无需采用人工经验的方式进行行为检测，提高了行为检测的准确性，通过对笔迹信息中的书写笔迹进行毛刺检测，得到毛刺检测评分，基于毛刺检测评分能有效地评价待检测人员在笔迹书写过程中的抖动程度，基于待检测人员在笔迹书写过程中的抖动程度，能有效地判断到待检测人员的行为是否存在异常，通过笔迹书写规则分别对相应的书写笔迹进行书写检测，得到书写评分，基于书写评分能有效地评价待检测人员笔迹书写的准确性，提高了行为检测的准确性，基于待检测人员笔迹书写的准确性，能有效地判断到待检测人员的行为是否存在异常。

实施例二

请参阅图2，是本发明第二实施例提供的行为检测方法的流程图，该实施例用于对第一实施例中的步骤S20作进一步细化，包括步骤：

步骤S11，获取所述笔迹信息中笔迹图像的背景区域，并对所述背景区域进行闭运算，得到腐蚀区域；

其中，可以基于预设像素值或指定区域坐标的方式进行背景区域的获取，该预设像素值和指定区域的坐标可以根据需求进行设置，通过对背景区域进行闭运算，能有效地填充背景区域中的空洞区域，并连接背景区域中邻近的物体，连接断开的轮廓线，平滑其边界的同时不改变面积；具体的，该步骤中，对背景区域先进行膨胀处理，并对膨胀处理后的背景区域进行腐蚀处理，得到该腐蚀区域。

步骤S12，根据预设算子获取所述背景区域与所述腐蚀区域之间的补集，得到补集区域，并对所述补集区域进行开运算，得到毛刺区域；

其中，该预设算子可以根据需求进行设置，通过获取背景区域与腐蚀区域之间的补集，能有效地获取到笔迹图像中毛刺对应的区域，并通过对补集区域进行开运算，能有效地消除补集区域中的小物体和小颗粒噪声，并平滑形状边界，不改变其面积，断开物体之间的粘连。

步骤S13，获取各毛刺区域之间的区域和，得到毛刺面积值，并获取各书写笔迹之间的区域和，得到笔迹面积值；

其中，通过获取各毛刺区域之间的区域和，得到毛刺面积值，并获取各书写笔迹之间的区域和，得到笔迹面积值，有效地提高了后续毛刺检测评分确定的准确性。

步骤S14，根据所述毛刺面积值和所述笔迹面积值确定所述毛刺检测评分；

其中，通过计算毛刺面积值和笔迹面积值之间的商值，得到该毛刺检测评分，当该毛刺检测评分越大时，则判定在笔迹图像中的毛刺越多，当笔迹图像中的毛刺越多时，则判定待检测人员在笔迹书写时震颤情况越严重。

本实施例中，通过对背景区域进行闭运算，能有效地填充背景区域中的空洞区域，并连接背景区域中邻近的物体，得到该腐蚀区域，通过获取背景区域与腐蚀区域之间的补集，能有效地获取到笔迹图像中毛刺对应的区域，通过对补集区域进行开运算，能有效地消除补集区域中的小物体和小颗粒噪声。

实施例三

请参阅图3，是本发明第三实施例提供的行为检测***100的结构示意图，包括：毛刺检测模块10、笔迹分类模块11、书写检测模块12和结果生成模块13，其中：

毛刺检测模块10，用于获取待检测人员的笔迹信息，并对所述笔迹信息中的书写笔迹进行毛刺检测，得到毛刺检测评分。

可选的，毛刺检测模块10还用于：获取所述笔迹信息中笔迹图像的背景区域，并对所述背景区域进行闭运算，得到腐蚀区域；

笔迹分类模块11，用于分别对各书写笔迹进行笔迹分类，得到笔迹类型，并根据各书写笔迹的笔迹类型确定笔迹书写规则。

可选的，笔迹分类模块11还用于：分别获取各书写笔迹的笔迹标识，并根据所述笔迹标识确定各书写笔迹的笔迹类型，所述笔迹标识用于表征所述书写笔迹在所述笔迹信息中的笔迹图像上的位置区域，或用于表征所述书写笔迹的书写时间；

书写检测模块12，用于根据所述笔迹书写规则分别对相应的所述书写笔迹进行书写检测，得到书写评分。

可选的，书写检测模块12还用于：若所述笔迹类型是文字类型，则对所述书写笔迹进行字体识别，得到书写字体；

进一步地，书写检测模块12还用于：分别对各书写笔迹进行弯折区域和尾笔区域分割，得到弯折图像和尾笔图像；

更进一步地，书写检测模块12还用于：分别获取所述书写笔迹和字体变换后的所述标准笔迹的图形特征序列，得到书写特征序列和标准特征序列；

优选的，书写检测模块12还用于：若所述笔迹类型是图形类型，则获取所述书写笔迹对应的标准图形，并将所述书写笔迹与所述标准图形进行相似度识别，得到笔迹相似度；

根据所述轨迹特征值和所述笔迹相似度确定所述书写评分。

结果生成模块13，用于根据所述书写评分和所述毛刺检测评分生成所述待检测人员的行为检测结果。

本实施例，通过获取待检测人员的笔迹信息，对笔迹信息中的书写笔迹进行毛刺检测和书写检测，以得到待检测人员的行为检测结果，无需采用人工经验的方式进行行为检测，提高了行为检测的准确性，通过对笔迹信息中的书写笔迹进行毛刺检测，得到毛刺检测评分，基于毛刺检测评分能有效地评价待检测人员在笔迹书写过程中的抖动程度，基于待检测人员在笔迹书写过程中的抖动程度，能有效地判断到待检测人员的行为是否存在异常，通过笔迹书写规则分别对相应的书写笔迹进行书写检测，得到书写评分，基于书写评分能有效地评价待检测人员笔迹书写的准确性，提高了行为检测的准确性，基于待检测人员笔迹书写的准确性，能有效地判断到待检测人员的行为是否存在异常。

实施例四

图4是本申请第四实施例提供的一种终端设备2的结构框图。如图4所示，该实施例的终端设备2包括：处理器20、存储器21以及存储在所述存储器21中并可在所述处理器20上运行的计算机程序22，例如行为检测方法的程序。处理器20执行所述计算机程序22时实现上述各个行为检测方法各实施例中的步骤。

示例性的，所述计算机程序22可以被分割成一个或多个模块，所述一个或者多个模块被存储在所述存储器21中，并由所述处理器20执行，以完成本申请。所述一个或多个模块可以是能够完成特定功能的一系列计算机程序指令段，该指令段用于描述所述计算机程序22在所述终端设备2中的执行过程。所述终端设备可包括，但不仅限于，处理器20、存储器21。

所称处理器20可以是中央处理单元（Central Processing Unit，CPU），还可以是其他通用处理器、数字信号处理器（Digital Signal Processor，DSP）、专用集成电路（Application Specific Integrated Circuit，ASIC）、现成可编程门阵列（Field-Programmable Gate Array，FPGA）或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。

所述存储器21可以是所述终端设备2的内部存储单元，例如终端设备2的硬盘或内存。所述存储器21也可以是所述终端设备2的外部存储设备，例如所述终端设备2上配备的插接式硬盘，智能存储卡（Smart Media Card，SMC），安全数字（Secure Digital，SD）卡，闪存卡（Flash Card）等。进一步地，所述存储器21还可以既包括所述终端设备2的内部存储单元也包括外部存储设备。所述存储器21用于存储所述计算机程序以及所述终端设备所需的其他程序和数据。所述存储器21还可以用于暂时地存储已经输出或者将要输出的数据。

另外，在本申请各个实施例中的各功能模块可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现，也可以采用软件功能单元的形式实现。

集成的模块如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读存储介质中。其中，计算机可读存储介质可以是非易失性的，也可以是易失性的。基于这样的理解，本申请实现上述实施例方法中的全部或部分流程，也可以通过计算机程序来指令相关的硬件来完成，计算机程序可存储于一计算机可读存储介质中，该计算机程序在被处理器执行时，可实现上述各个方法实施例的步骤。其中，计算机程序包括计算机程序代码，计算机程序代码可以为源代码形式、对象代码形式、可执行文件或某些中间形式等。计算机可读存储介质可以包括：能够携带计算机程序代码的任何实体或装置、记录介质、U盘、移动硬盘、磁碟、光盘、计算机存储器、只读存储器（ROM，Read-OnlyMemory）、随机存取存储器（RAM，Random Access Memory）、电载波信号、电信信号以及软件分发介质等。需要说明的是，计算机可读存储介质包含的内容可以根据司法管辖区内立法和专利实践的要求进行适当的增减，例如在某些司法管辖区，根据立法和专利实践，计算机可读存储介质不包括电载波信号和电信信号。

以上所述实施例仅用以说明本申请的技术方案，而非对其限制；尽管参照前述实施例对本申请进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本申请各实施例技术方案的精神和范围，均应包含在本申请的保护范围之内。

Claims

1.一种行为检测方法，其特征在于，所述方法包括：

根据所述书写评分和所述毛刺检测评分生成所述待检测人员的行为检测结果；

所述对所述笔迹信息中的书写笔迹进行毛刺检测，得到毛刺检测评分，包括：

2.如权利要求1所述的行为检测方法，其特征在于，所述分别对各书写笔迹进行笔迹分类，得到笔迹类型，并根据各书写笔迹的笔迹类型确定笔迹书写规则，包括：

3.如权利要求2所述的行为检测方法，其特征在于，所述根据所述笔迹书写规则分别对相应的所述书写笔迹进行书写检测，得到书写评分，包括：

4.如权利要求3所述的行为检测方法，其特征在于，所述对所述书写笔迹和字体变换后的所述标准笔迹进行相似度识别，得到笔迹相似度之后，还包括：

5.如权利要求3所述的行为检测方法，其特征在于，所述对所述书写笔迹和字体变换后的所述标准笔迹进行相似度识别，得到笔迹相似度，包括：

6.如权利要求2所述的行为检测方法，其特征在于，所述根据所述笔迹书写规则分别对相应的所述书写笔迹进行书写检测，得到书写评分，包括：

根据所述轨迹特征值和所述笔迹相似度确定所述书写评分。

7.一种行为检测***，其特征在于，所述***包括：

毛刺检测模块，用于获取待检测人员的笔迹信息，并对所述笔迹信息中的书写笔迹进行毛刺检测，得到毛刺检测评分，包括：

根据所述毛刺面积值和所述笔迹面积值确定所述毛刺检测评分；

8.一种终端设备，包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序时实现如权利要求1至6任一项所述方法的步骤。

9.一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现如权利要求1至6任一项所述方法的步骤。