CN103136515B - 基于草图行为序列的创意拐点识别方法及系统 - Google Patents
基于草图行为序列的创意拐点识别方法及系统 Download PDFInfo
- Publication number
- CN103136515B CN103136515B CN201310046490.4A CN201310046490A CN103136515B CN 103136515 B CN103136515 B CN 103136515B CN 201310046490 A CN201310046490 A CN 201310046490A CN 103136515 B CN103136515 B CN 103136515B
- Authority
- CN
- China
- Prior art keywords
- sketch
- intention
- behavior
- flex point
- sketch behavior
- 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.)
- Expired - Fee Related
Links
- 238000000034 method Methods 0.000 title claims abstract description 36
- 239000000284 extract Substances 0.000 claims abstract description 19
- 239000000203 mixture Substances 0.000 claims abstract description 11
- 230000003542 behavioural effect Effects 0.000 claims description 16
- 238000012163 sequencing technique Methods 0.000 claims description 8
- 230000000694 effects Effects 0.000 claims description 6
- 238000012549 training Methods 0.000 claims description 5
- 230000013011 mating Effects 0.000 claims description 3
- 230000008901 benefit Effects 0.000 abstract description 3
- 230000006399 behavior Effects 0.000 description 213
- 238000013461 design Methods 0.000 description 11
- 230000008569 process Effects 0.000 description 11
- 201000007094 prostatitis Diseases 0.000 description 11
- 238000011156 evaluation Methods 0.000 description 9
- 238000011960 computer-aided design Methods 0.000 description 5
- 238000012938 design process Methods 0.000 description 5
- 238000000513 principal component analysis Methods 0.000 description 5
- 239000011159 matrix material Substances 0.000 description 3
- 230000008878 coupling Effects 0.000 description 2
- 238000010168 coupling process Methods 0.000 description 2
- 238000005859 coupling reaction Methods 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 208000035126 Facies Diseases 0.000 description 1
- 230000015572 biosynthetic process Effects 0.000 description 1
- 210000004556 brain Anatomy 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 230000008034 disappearance Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
- 230000007704 transition Effects 0.000 description 1
- 238000005303 weighing Methods 0.000 description 1
Landscapes
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Abstract
本发明公开了一种基于草图行为序列的创意拐点识别方法及系统,其中方法包括以下步骤:(1)从草图绘制数据中提取出草图行为序列,设计师将该草图行为序列中的某些草图行为指定为创意拐点,根据创意拐点及其前后连续若干草图行为组成的草图行为子序列提取具有不同权重的创意拐点规则;(2)记录待识别的草图绘制数据,提取该草图绘制数据中的草图行为,得到待识别的草图行为序列;(3)将步骤(2)中待识别的草图行为序列与步骤(1)中的创意拐点规则进行匹配,识别草图行为序列中是否存在创意拐点。本发明用于计算机辅助草图设计领域,具有计算复杂度低,创意拐点规则适用范围广,创意拐点识别率高的优点。
Description
技术领域
本发明涉及计算机辅助草图设计领域,具体涉及一种基于草图行为序列的创意拐点识别方法及系统。
背景技术
计算机辅助草图设计将计算机辅助设计(Computer Aided Design,CAD)与纸上草图设计各自的优势相结合,利用计算机为草图设计提供更好的支持,进而提高草图设计效率,甚至激发设计师的创新能力。
草图设计过程并不使一个均衡的过程,设计师经过不断探索、酝酿,脑海中会迸发出灵感。灵感产生后,设计师迅速用草图进行表达并在表达过程中不断对草图进行观察调整。
从新灵感迸发到阶段性草图方案的完成,可视为草图设计中的创意单元;创意单元中的第一个草图行为,可视为草图表达过程中的创意拐点。
草图设计过程中,设计师会探索各种可能的设计路线,产生多个设计方案。多条设计路线形成一张基于创意拐点的树形结构的图,即创意拐点图。创意拐点图是对草图设计过程的抽象表达。创意拐点标识了草图过程中的灵感产生阶段;创意拐点图呈现了草图的设计路线。识别出草图过程中的创意拐点,组织创意拐点图,即可了解设计师的思维发展过程,更好地理解草图设计过程。
草图设计过程中,设计思维和草图表达相互影响,密不可分。设计思维的变化,如灵感产生、发展,直接影响草图表达层面上设计师的草图行为;创意拐点是设计师灵感产生后进行表达的第一个草图行为,可作为计算机捕捉设计师灵感的着力点。通过观察创意拐点前后的草图行为,可总结创意拐点的行为规律;利用计算机记录设计师的绘制过程,识别出相应的草图行为,与创意拐点行为规律匹配,可找出创意拐点。
申请公开号为CN 102436535A的发明公开了一种计算机辅助设计过程中创意拐点的识别方法及系统,方法实施步骤如下:1)设置评价因子及权重,建立创意拐点的评判标准函数并设置评判规则;2)获取每一步操作的评价因子;3)将评价因子结合评判标准函数计算出对当前操作的评判结果值;4)将评判结果值与评判规则进行比较,如果评判结果值与评判规则相匹配则判定当前操作为创意拐点,将当前操作的状态图像保存成快照并写入记录文件;系统包括与前述方法对应的程序存储模块、监控模块、识别模块以及数据记录模块。
该方法及系统获取每一步草图操作的评价因子,将评价因子结合评判标准函数计算出对当前操作的评判结果值,是直接对每一步草图操作进行是否是创意拐点的判定,由于每一步都需要和规则库进行规则比较,使得计算效率低下,同时也不利于创意规则的扩展重用,影响识别效率。
发明内容
本发明提供了一种基于草图行为序列的创意拐点识别方法及系统,用于计算机辅助草图设计领域,具有计算复杂度低,创意拐点规则适用范围广,创意拐点识别率高的优点。
一种基于草图行为序列的创意拐点识别方法,包括以下步骤:
(1)从草图绘制数据中提取出草图行为序列,将该草图行为序列中的某些草图行为指定为创意拐点,根据创意拐点及其前后连续若干草图行为组成的草图行为子序列提取具有不同权重的创意拐点规则。
例如,指定草图行为序列...si-2si-1sisi+1si+2...中si为创意拐点,与si相邻的前后连续5个(个数可以根据需要进行选择)草图行为构成的草图行为子序列si-2si-1sisi+1si+2,根据该草图行为子序列提取创意拐点规则。
所述提取出具有不同权重的创意拐点规则的具体操作如下:从创意拐点及其前后连续若干草图行为组成的草图行为子序列中提取出原始创意拐点规则后,对这些原始创意拐点规则进行聚类,并利用信息熵提取得到所述具有不同权重的创意拐点规则。所述聚类采用层次聚类算法。
不同的创意拐点规则具有不同的权重,创意拐点规则的权重越大,表 示该创意拐点规则越合理,即如果草图行为序列(由一系列按时间先后顺序排列而成的草图行为构成)符合该创意拐点规则,则该草图行为序列中存在创意拐点的可能性越大。
人工收集一定数量的草图绘制数据,从这些草图绘制数据中提取出草图行为序列,设计师将草图行为序列中的某些草图行为指定为创意拐点(创意拐点样本);根据创意拐点及其前后连续若干草图行为组成的草图行为子序列(草图行为子序列的长度以及创意拐点前、后选取的草图行为数可以人为设定)提取出具有不同权重的原始创意拐点规则(不同权重的创意拐点规则所对应的草图行为子序列长度相同);然后对这些原始规则进行聚类,并利用信息熵提取新的创意拐点规则,通过这样的方式解决规则过拟合问题。
(2)记录待识别的草图绘制数据,提取该草图绘制数据中的草图行为,得到待识别的草图行为序列。
(3)将步骤(2)中待识别的草图行为序列与步骤(1)中的创意拐点规则进行匹配,识别出草图行为序列中的创意拐点。
建立草图行为序列窗口,其长度与创意拐点规则所对应的草图子序列长度相等,记长度为p,将该草图行为序列窗口沿步骤(2)中待识别的草图行为序列按照时间顺序依次移动,将位于草图行为序列窗口中的草图行为序列与创意拐点规则库中的创意拐点规则进行匹配,如果相匹配,则该段草图行为序列中存在创意拐点,草图行为序列窗口向前移动p个草图行为距离;如果不匹配,则将草图行为序列向前移动一个草图行为距离。
匹配时,依据创意拐点规则的权重从大到小的顺序与步骤(2)中待识别草图行为序列进行匹配,提高创意拐点匹配的效率。
还包括步骤(4),将步骤(3)中识别出的草图行为序列中的创意拐点按照时间顺序组织成创意拐点图。
创意拐点图可以体现设计师在草图绘制过程中的设计思路的转变,设计师可以选择创意拐点图中的某一创意拐点,在该创意拐点对应的草图表达的基础上,启动新的设计方案。
本发明还提供了一种基于草图行为序列的创意拐点识别系统,包括以 下单元:
创意拐点规则生成单元,用于从草图绘制数据中提取出草图行为序列,设计师将该草图行为序列中的某些草图行为指定为创意拐点,根据创意拐点及其前后连续若干草图行为组成的草图行为子序列提取具有不同权重的创意拐点规则;
草图行为序列输出单元,用于记录待识别的草图绘制数据,提取该草图绘制数据中的草图行为,得到待识别的草图行为序列;
创意拐点识别单元,用于将待识别的草图行为序列与创意拐点规则进行匹配,识别出草图行为序列中的创意拐点。
还包括创意拐点图生成单元,用于将识别出的草图行为序列中的创意拐点按照时间顺序组织成创意拐点图。所述草图行为序列输出单元包括:
草图绘制数据记录模块,用于记录待识别的草图绘制数据;
草图行为识别模块,用于提取草图绘制数据中的草图行为,并输出草图行为序列。
所述创意拐点识别单元包括:
创意拐点识别模块,用于依据创意拐点规则的权重从大到小的顺序与待识别的草图行为序列进行匹配,以识别创意拐点;
创意拐点规则库,用于存储所述创意拐点规则生成单元生成的创意拐点规则。
本发明一种基于草图行为序列的创意拐点识别方法及系统,用于计算机辅助草图设计领域,具有计算复杂度低,创意拐点规则适用范围广,创意拐点识别率高的优点。
附图说明
图1为本发明基于草图行为序列的创意拐点识别方法的流程示意图;
图2为本发明基于草图行为序列的创意拐点识别方法的具体流程图;
图3为基于草图行为序列的创意拐点识别系统结构图。
具体实施方式
下面结合附图,对本发明基于草图行为序列的创意拐点识别方法及系 统做详细描述。
如图1、如图2所示,一种基于草图行为序列的创意拐点识别方法,包括以下步骤:
(1)从草图绘制数据中提取出草图行为序列,设计师将该草图行为序列中的某些草图行为指定为创意拐点,根据创意拐点及其前后连续若干草图行为组成的草图行为子序列提取具有不同权重的创意拐点规则。
a、从草图绘制数据中提取出草图行为序列。
依据草图行为的几何特征和动态特征,将草图行为划分为移动(记为M)、停顿(记为L)、绘图(记为D)、描线加深(记为E)和注释(记为T)五个草图行为类别,其中,移动和停顿属于非绘制行为,绘图、描线加深和注释属于绘制行为。
非绘制行为中的停顿和移动通过笔画时间间隔阈值t0和笔画距离阈值d0进行判定。笔画时间间隔指相邻两笔画从前一笔画结束到后一笔画开始所经历的时间,笔画距离指相邻两笔画从前一笔画结束位置到后一笔画开始位置的距离。
确定时间间隔的阈值t0的一种方法为:设定两个参数,分别为时间间隔采样数x和停顿/移动数y(y<x,y为停顿和移动的总数量),从草图绘制数据中选取最开始的x+1个笔画,得到x个笔画时间间隔t1,t2,...,tx。从ti’(1≤i’≤x)中找到一个值t′,使得ti’中大于t′的个数恰好为y,则选定t′为时间间隔阈值,即t0=t′。
若相邻两笔画时间间隔超过t0,则存在停顿和/或移动行为,停顿行为与移动行为通过距离阈值d0来区分,距离阈值可以用当前画笔的尺寸来确定。
绘制行为采用基于草图行为特征的方法进行判定,具体是:
设提取的草图行为特征共有n个,记为对每个草图行为特征进行归一化处理(消除不同草图行为特征之间的量纲,以便不同草图行为特征之间的运算),得到变换后的草图行为特征即特征向量
给定一个草图行为未知的笔画集,通过下式计算该笔画集属于草图行 为类别c(草图行为类别c指描线加深(E)和注释(T))的可能程度。
其中,c∈E时,即计算得到,表示草图行为属于描线加深行为的可能程度;
c∈T时,即计算得到,表示草图行为属于注释行为的可能程度;
wci(1≤i≤n)为草图行为类别c的权重系数,采用主成分分析法(Principal Components Analysis,PCA)来确定wci的值,具体操作为针对草图行为类别c,采集若干训练样本数据,并计算这些训练样本数据的特征值,然后对每个特征值做归一化处理,得到(1≤i≤n),再通过主成分分析法确定每个特征的权重系数。
权重wc0的取值使用下式进行估计:
其中,为所有训练样本数据特征值f′ci的平均值。
得到草图行为笔画集为描线加深行为的可能程度和注释行为的可能程度后,依据下式判断草图行为笔画集的草图行为类别:
若则判定草图行为笔画集为绘图行为D;
若则判定草图行为笔画集为描线加深行为E;
若则判定草图行为笔画集为注释行为T。
本实施例中选择10种草图行为特征,即n为10,分为两大类笔画特征和草图行为笔画集特征,其中,4个笔画特征,分别为笔画长度f1,笔画转角数目f2,两笔画的夹角f3,两笔画重心距离f4;6个草图行为笔画集特征,分别为笔画集中与自身相交的笔画数目(例如一笔写成的数字8,就相当于该笔画与自己相交;一个笔画集中有n个笔画,其中m(m<=n)个笔画与自己相交,那么f5=m)f5,笔画集中笔画平均长度f6,笔画集图形宽高比f7,笔画集中连续平行笔画最大数目f8,相邻两笔画集图形的重心距离f9,相邻两笔画集图形的重叠面积f10。
依据绘制行为的草图行为特征建立草图行为分类器;草图行为分类器 中记录3种绘制行为相应的笔画特征以及草图行为笔画集特征。
记录草图绘制数据,并对输入的草图行为数据进行预处理,去除缺失绘制时间的笔画以及重复的笔画采样点,提高后续绘制数据处理的准确度,同时生成易被识别的数据结构。
将绘制数据中的每一个笔画单独看作一个待识别的草图行为笔画集,并按照绘制时间顺序对草图行为笔画集进行编号,依次为SC1,SC2,...,SCm。
识别是否存在两种非绘制行为,将处于两个非绘制行为中间的草图行为笔画集看作位于同一绘图时间段内。
针对处于同一绘画时间段内的相邻的待识别的草图行为笔画集SCj,SCj+1,SCj+2((0<j≤m-2)):
若SCj与SCj+1的空间距离小于SCj+1与SCj+2的空间距离(同时满足SCj与SCj+1的重心距离小于SCj+1与SCj+2的重心距离,SCj与SCj+1的重叠面积(SCj与SCj+1两个草图行为笔画集外切矩形的面积)小于SCj+1与SCj+2的重叠面积),则合并SCj与SCj+1为新的草图行为笔画集SC′j,然后继续检查SC′j,SCj+2,SCj+3;
若SCj与SCj+1的空间距离大于等于SCj+1与SCj+2的空间距离,则继续检查SCj+1,SCj+2,SCj+3,重复此步骤两次(次数可以依据需要进行选择,次数过多导致合并过渡会降低草图行为识别的精确度,次数过少会增加后续草图行为识别的计算量),最终得到新的若干个待识别草图行为笔画集。
依次计算新的若干个草图行为笔画集属于描线加深行为的可能程度 ,以及属于注释行为的可能程度值;根据和的值,判断草图行为笔画集所属的草图行为类别,将识别出的草图行为类别依据草图行为笔画集顺序进行编号S1,S2,...,Sk,即每一个新的草图行为笔画集对应一个草图行为类别的编号。
检查得到的新的草图行为笔画集中相邻两个的草图行为类别St和St+1(0<t≤k),
1)若St和St+1的草图行为类别相同,则合并两个草图行为类别为同一草图行为类别S′t,同时合并它们所对应的草图行为笔画集,继续检查相邻的草图行为类别S′t和St+2,若St和St+1的草图行为类别不同,则执行步骤2);
2)检查相邻的绘制行为的St、St+1和St+2,若St和St+2的草图行为类别相同且与St+1的草图行为类别不同,但St+1与St和St+2的空间距离均接近(设定草图行为笔画集的空间距离的阈值,小于该阈值即认为接近),则将St+1的草图行为类别修正为与St相同;
重复步骤1)和步骤2),遍历(可遍历多次,通常情况下两次即可)得到的所有新的草图行为笔画集,得到草图行为识别的结果,并将该结果按照绘制时间顺序组成草图行为序列,进行输出。
将草图绘制数据中识别出的q个连续的草图行为s1s2s3...sq组成一个草图行为序列,记为S;用length表示S的长度,即草图行为序列中草图行为的数目。
b、设计师在识别出的草图行为序列中标注创意拐点,将与每个创意拐点前后相邻包括创意拐点在内的p个连续草图行为组成草图行为子序列Sw(1≤w≤T),T为草图行为子序列的个数(也即草图行为序列S中创意拐点的个数,每个草图行为子序列对应一个创意拐点),若草图行为子序列中的草图行为个数小于p个(人为设定p),则用符号填充,表示此位置不存在草图行为。
针对Sw构建规则Rw,Rw定义如下:
IF X IsMatching Sw THEN Y
其中,X为待判定草图行为子序列;Sw表示符合创意拐点规则的草图行为子序列,长度为p;若匹配成功则Y=1,否则Y=0。
合并相同的规则后,得到由M(M≤T)条规则构成的原始规则库,对每个规则Rw赋以权重:
#Rw为合并前相同创意拐点规则Rw(1≤w≤M)的数目;
N为合并前创意拐点规则的总数目。
c、使用层次聚类算法对原始规则库进行聚类。
采用基于合并的层次聚类算法对原始规则库中的规则进行聚类,合并时,先将原始规则库中的每条规则设为一类,形成规则类集合C,然后通过合并规则类集合C中相似的类来减少类的数目,设参数c'为聚类完成后 规则类集合期望得到的类的数目,当规则集合中的类的数目达到c’时,停止聚类。
层次聚类过程中,针对规则类集合C,任意两个待合并的不同的类记为Dγ和Dh,它们包含的规则数目分别为nγ和nh,Dγ和Dh可否合并的判断原则为:
定义距离d来衡量不同类之间的相似性:
R为Dγ中的任一规则,R′为Dh中的任一规则;
ed(R,R′)用来衡量规则R对应的草图行为子序列SR与规则R′对应的草图行为子序列SR′的相似度,称为编辑距离。
对于草图行为序列S,使用草图行为序列对应的字符串来表示,例如 对应的草图行为类别分别为(代表此处无草图行为、L代表停顿、D代表画图、E代表描线加深、T代表注释),那么S可以用字符串来表示。
ed(R,R′)描述了规则R对应的草图行为子序列SR变换到规则R′对应的草图行为子序列SR′所需要的最少基本操作步骤数。这里的基本操作包括:替换,SR中的一个字符被SR′中对应位置字符替换掉;插入,SR′中的一个字符插入到SR中;删除,SR的一个字符被删去。
根据信息熵提取新规则,对原始规则库进行聚类后需要从每个新类(新类的总数为c)中提取出一条新规则。新规则需要很好地概括所对应的规则类的草图行为,这里引入信息熵来获取新的规则。
给定一个随机变量X的值域为若一个系统中X存在g(1≤g≤6)个取值x1,x2,x3,...,xg,定义系统的熵Hs:
式中,b取2,p(xi)为xi出现的概率,i为x的序号,取值范围是1~g。
对于一个规则类D,若D中有k′条规则,令所有k’条规则的权重之和为 ,定义规则的临界熵H0:
式中b取2。
基于信息熵获取新规则的方法描述如下:
构建一个k′×j′矩阵A,矩阵A的行数为k′,每一行对应一个创意拐点规则的草图行为子序列,矩阵A的列数为j′(等于创意拐点规则对应的草图行为子序列长度);
取第一列,计算第一列中每个字符的权重,单个字符的权重取其所在行的权重(也即每条规则的权重),相同字符的权重为各自字符权重的加和;根据不同字符权重占当前列总权重的比例得到每个字符的概率p;
利用公式(1)求当前列的熵;
利用公式(2)求当前列的临界熵;
如果当前列的熵等于0,即当前列只出现过一种字符,将该字符作为新规则对应的草图行为子序列的第一个字符;
如果当前列的熵大于当前列的临界熵,即当前列中的字符混乱度较高,用通配符(*)作为新规则对应的草图行为子序列的第一个字符;
如果当前列的熵不大于当前列的临界熵,即当前列中的字符混乱度较低,用概率p最大的字符作为新规则对应的草图行为子序列的第一个字符;
重复上述步骤,分别计算出新规则对应的草图行为子序列的第2,3,...,j′个字符。
根据上述算法,可以从每个规则类中提取生成一条新规则,该新规则的权重为规则类D包含的所有创意拐点规则的权重之和,即。
若提取的新规则中含通配符*,例如*,那么草图行为序列和都可以与*匹配成功。
提取的所有新规则(也即创意拐点规则)构成规则库,规则库中不仅存储了所有的新规则,也相应存储每个新规则的权重。
(2)记录待识别的草图绘制数据,提取该草图绘制数据中的草图行为,得到待识别的草图行为序列。
按照步骤(1)中的方法提取所记录的待识别的草图绘制数据中的草图行为序列。
(3)将步骤(2)中待识别的草图行为序列与步骤(1)中的创意拐 点规则进行匹配,识别出草图行为序列中的创意拐点。
建立一个长度为p与规则库中每个规则所对应的草图行为子序列的长度相同)的草图行为序列窗口,将该草图行为序列窗口沿步骤(2)中得到的草图行为序列依次滑动:
若处于草图行为序列窗口内的草图行为序列的长度为p,则在创意拐点规则库中按照创意拐点规则权重由大至小的顺序与之进行匹配,如果匹配成功,则记录该创意拐点信息并生成创意拐点图,同时将草图行为序列窗口向前移动p个草图行为;如果匹配不成功,则草图行为序列窗口向前移动1个草图行为;
若处于草图行为序列窗口内的草图行为序列的长度小于p,则等待新的草图行为的输入,若没有草图新的草图行为的输入,则识别过程结束。
如图3所示,本发明还提供了一种基于草图行为序列的创意拐点识别系统,包括以下单元:
创意拐点规则生成单元,用于从草图绘制数据中提取出草图行为序列,设计师将该草图行为序列中的某些草图行为指定为创意拐点,根据创意拐点及其前后连续若干草图行为组成的草图行为子序列提取具有不同权重的创意拐点规则;
草图行为序列输出单元,用于记录待识别的草图绘制数据,提取该草图绘制数据中的草图行为,得到待识别的草图行为序列;
创意拐点识别单元,用于将待识别的草图行为序列与创意拐点规则进行匹配,识别出草图行为序列中的创意拐点。
创意拐点图生成单元,用于将识别出的草图行为序列中的创意拐点按照时间顺序组织成创意拐点图。
所述草图行为序列输出单元包括:
草图绘制数据记录模块,用于记录待识别的草图绘制数据;
草图行为识别模块,用于提取草图绘制数据中的草图行为,并输出草图行为序列。
创意拐点识别单元包括:
创意拐点识别模块,用于依据创意拐点规则的权重从大到小的顺序与 待识别的草图行为序列进行匹配,已识别创意拐点;
创意拐点规则库,用于存储所述创意拐点规则生成单元生成的创意拐点规则。
以上所述仅为本发明的优选实施方式,本发明的保护范围并不仅限于上述实施方式,凡是属于本发明原理的技术方案均属于本发明的保护范围。对于本领域的技术人员而言,在不脱离本发明的原理的前提下进行的若干改进和润饰,这些改进和润饰也应视为本发明的保护范围。
Claims (7)
1.一种基于草图行为序列的创意拐点识别方法,其特征在于,包括以下步骤:
(1)从草图绘制数据中提取出草图行为序列,将草图行为划分为移动、停顿、绘图、描线加深和注释五个草图行为类别,其中,移动和停顿属于非绘制行为,绘图、描线加深和注释属于绘制行为;
对于非绘制行为中的停顿和移动通过笔画时间间隔阈值和笔画距离阈值进行判定;
对于绘制行为采用基于草图行为特征的方法进行判定,具体是:
a、针对某一笔画集,设提取的草图行为特征共有n个,记为通过下式计算该笔画集属于草图行为类别c,草图行为类别c指描线加深E和注释T的可能程度
其中,c∈E时,即计算得到表示草图行为属于描线加深行为的可能程度;
c∈T时,即计算得到表示草图行为属于注释行为的可能程度;
wci为草图行为类别c的权重系数;
为归一化处理后的草图行为特征;
权重wc0的取值使用下式进行估计:
其中,为所有训练样本数据特征值的平均值;
i的取值范围为1≤i≤n;
b、依据下式判断草图行为笔画集的草图行为类别:
若则判定草图行为笔画集为绘图行为;
若则判定草图行为笔画集为描线加深行为;
若则判定草图行为笔画集为注释行为;
草图绘制数据中识别出的q个连续的草图行为s1s2s3...sq组成一个草图行为序列,将该草图行为序列中的某些草图行为指定为创意拐点,根据创意拐点及其前后连续若干草图行为组成的草图行为子序列提取具有不同权重的创意拐点规则;
所述提取出具有不同权重的创意拐点规则的具体操作如下:将与每个创意拐点前后相邻包括创意拐点在内的p个连续草图行为组成草图行为子序列Sw;
针对Sw构建规则Rw,Rw定义如下:
IF X IsMatching Sw THEN Y
其中,X为待判定草图行为子序列;Sw表示符合创意拐点规则的草图行为子序列,长度为p;若匹配成功则Y=1,否则Y=0;
合并相同的规则后,得到由M条规则构成的原始规则库,对每个规则Rw赋以权重:
#Rw为合并前相同创意拐点规则Rw(1≤w≤M)的数目;
N为合并前创意拐点规则的总数目;
使用层次聚类算法对原始规则库进行聚类,并利用信息熵提取得到所述具有不同权重的创意拐点规则;
(2)记录待识别的草图绘制数据,提取该草图绘制数据中的草图行为,得到待识别的草图行为序列;
(3)将步骤(2)中待识别的草图行为序列与步骤(1)中的创意拐点规则进行匹配,识别出草图行为序列中的创意拐点。
2.如权利要求1所述的基于草图行为序列的创意拐点识别方法,其特征在于,步骤(3)中依据创意拐点规则的权重从大到小的顺序与步骤(2)中待识别的草图行为序列进行匹配。
3.如权利要求1所述的基于草图行为序列的创意拐点识别方法,其特征在于,还包括步骤(4),将步骤(3)中识别出的草图行为序列中的创意拐点按照时间顺序组织成创意拐点图。
4.一种基于草图行为序列的创意拐点识别系统,其特征在于,包括以下单元:
创意拐点规则生成单元,用于从草图绘制数据中提取出草图行为序列,将草图行为划分为移动、停顿、绘图、描线加深和注释五个草图行为类别,其中,移动和停顿属于非绘制行为,绘图、描线加深和注释属于绘制行为;
对于非绘制行为中的停顿和移动通过笔画时间间隔阈值和笔画距离阈值进行判定;
对于绘制行为采用基于草图行为特征的方法进行判定,具体是:
a、针对某一笔画集,设提取的草图行为特征共有n个,记为通过下式计算该笔画集属于草图行为类别c,草图行为类别c指描线加深E和注释T的可能程度
其中,c∈E时,即计算得到表示草图行为属于描线加深行为的可能程度;
c∈T时,即计算得到表示草图行为属于注释行为的可能程度;
wci为草图行为类别c的权重系数;
为归一化处理后的草图行为特征;
权重wc0的取值使用下式进行估计:
其中,为所有训练样本数据特征值的平均值;
i的取值范围为1≤i≤n;
b、依据下式判断草图行为笔画集的草图行为类别:
若则判定草图行为笔画集为绘图行为;
若则判定草图行为笔画集为描线加深行为;
若则判定草图行为笔画集为注释行为;
草图绘制数据中识别出的q个连续的草图行为s1s2s3...sq组成一个草图行为序列;将该草图行为序列中的某些草图行为指定为创意拐点,根据创意拐点及其前后连续若干草图行为组成的草图行为子序列提取具有不同权重的创意拐点规则;
所述提取出具有不同权重的创意拐点规则的具体操作如下:将与每个创意拐点前后相邻包括创意拐点在内的p个连续草图行为组成草图行为子序列Sw;
针对Sw构建规则Rw,Rw定义如下:
IF X IsMatching Sw THEN Y
其中,X为待判定草图行为子序列;Sw表示符合创意拐点规则的草图行为子序列,长度为p;若匹配成功则Y=1,否则Y=0;
合并相同的规则后,得到由M条规则构成的原始规则库,对每个规则Rw赋以权重:
#Rw为合并前相同创意拐点规则Rw(1≤w≤M)的数目;
N为合并前创意拐点规则的总数目;
使用层次聚类算法对原始规则库进行聚类,并利用信息熵提取得到所述具有不同权重的创意拐点规则;
草图行为序列输出单元,用于记录待识别的草图绘制数据,提取该草图绘制数据中的草图行为,得到待识别的草图行为序列;
创意拐点识别单元,用于将待识别的草图行为序列与创意拐点规则进行匹配,识别出草图行为序列中的创意拐点。
5.如权利要求4所述的基于草图行为序列的创意拐点识别系统,其特征在于,所述草图行为序列输出单元包括:
草图绘制数据记录模块,用于记录待识别的草图绘制数据;
草图行为识别模块,用于提取草图绘制数据中的草图行为,并输出草图行为序列。
6.如权利要求4所述的基于草图行为序列的创意拐点识别系统,其特征在于,所述创意拐点识别单元包括:
创意拐点识别模块,用于依据创意拐点规则的权重从大到小的顺序与待识别的草图行为序列进行匹配,以识别创意拐点;
创意拐点规则库,用于存储所述创意拐点规则生成单元生成的创意拐点规则。
7.如权利要求4所述的基于草图行为序列的创意拐点识别系统,其特征在于,还包括创意拐点图生成单元,用于将识别出的草图行为序列中的创意拐点按照时间顺序组织成创意拐点图。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201310046490.4A CN103136515B (zh) | 2013-02-06 | 2013-02-06 | 基于草图行为序列的创意拐点识别方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201310046490.4A CN103136515B (zh) | 2013-02-06 | 2013-02-06 | 基于草图行为序列的创意拐点识别方法及系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN103136515A CN103136515A (zh) | 2013-06-05 |
CN103136515B true CN103136515B (zh) | 2015-09-23 |
Family
ID=48496323
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201310046490.4A Expired - Fee Related CN103136515B (zh) | 2013-02-06 | 2013-02-06 | 基于草图行为序列的创意拐点识别方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN103136515B (zh) |
Families Citing this family (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105447901B (zh) * | 2014-09-26 | 2019-08-27 | 腾讯科技(深圳)有限公司 | 图像处理方法和装置 |
CN105046287B (zh) * | 2015-06-29 | 2018-05-18 | 西北工业大学 | 一种在线多笔画重复绘制草图的聚类与拟合方法 |
CN106482700B (zh) * | 2016-10-12 | 2019-06-04 | 东南大学 | 一种草图直接成图的数字化房产面积测量方法 |
CN108229501B (zh) * | 2017-12-20 | 2021-09-28 | 大连理工大学 | 融合纹理特征与形状特征的时序性的草图识别方法 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6611725B1 (en) * | 2000-02-03 | 2003-08-26 | Solidworks Corporation | Computer drawing system |
CN102436535A (zh) * | 2012-01-19 | 2012-05-02 | 浙江大学 | 计算机辅助设计过程中创意拐点的识别方法及系统 |
-
2013
- 2013-02-06 CN CN201310046490.4A patent/CN103136515B/zh not_active Expired - Fee Related
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6611725B1 (en) * | 2000-02-03 | 2003-08-26 | Solidworks Corporation | Computer drawing system |
CN102436535A (zh) * | 2012-01-19 | 2012-05-02 | 浙江大学 | 计算机辅助设计过程中创意拐点的识别方法及系统 |
Non-Patent Citations (2)
Title |
---|
姜全胜,廖达雄.基于用户建模的手绘草图识别.《计算机仿真》.2009,第26卷(第9期), * |
计算机辅助草图设计技术研究现状与展望;孙守迁;《中国机械工程》;20061025;第17卷(第20期);2187-2192 * |
Also Published As
Publication number | Publication date |
---|---|
CN103136515A (zh) | 2013-06-05 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN112214610B (zh) | 一种基于跨度和知识增强的实体关系联合抽取方法 | |
CN111581474B (zh) | 基于多头注意力机制的涉案微博评论的评价对象抽取方法 | |
CN101751455B (zh) | 采用人工智能技术自动产生标题的方法 | |
CN107563426A (zh) | 一种机车运行时序特征的学习方法 | |
US11841839B1 (en) | Preprocessing and imputing method for structural data | |
CN106446526A (zh) | 电子病历实体关系抽取方法及装置 | |
CN112256939B (zh) | 一种针对化工领域的文本实体关系抽取方法 | |
CN108108354B (zh) | 一种基于深度学习的微博用户性别预测方法 | |
CN112711953A (zh) | 一种基于注意力机制和gcn的文本多标签分类方法和系统 | |
CN103136515B (zh) | 基于草图行为序列的创意拐点识别方法及系统 | |
CN107832458A (zh) | 一种字符级的基于嵌套深度网络的文本分类方法 | |
CN103150303A (zh) | 汉语语义格分层识别方法 | |
CN111309777A (zh) | 一种基于互斥表达的改进关联规则报表数据挖掘方法 | |
CN110097096B (zh) | 一种基于tf-idf矩阵和胶囊网络的文本分类方法 | |
CN111126057A (zh) | 一种分级神经网络的案件情节精准量刑系统 | |
CN102024150A (zh) | 图形识别方法及图形识别装置 | |
CN104376051A (zh) | 随机结构保形哈希信息检索方法 | |
CN113268982B (zh) | 一种网络表格结构的识别方法及装置、计算机装置及计算机可读取存储介质 | |
CN103106309B (zh) | 计算机辅助设计过程中的草图行为识别方法及系统 | |
CN113742396B (zh) | 一种对象学习行为模式的挖掘方法及装置 | |
CN113127716B (zh) | 一种基于显著性图的情感时间序列异常检测方法 | |
CN112784584B (zh) | 一种文本数据元语义识别方法及装置 | |
CN116629258B (zh) | 基于复杂信息项数据的司法文书的结构化分析方法及系统 | |
CN113408418A (zh) | 一种书法字体与文字内容同步识别方法及系统 | |
CN106503706B (zh) | 汉字字形切割结果正确性的判别方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
C14 | Grant of patent or utility model | ||
GR01 | Patent grant | ||
CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20150923 |
|
CF01 | Termination of patent right due to non-payment of annual fee |