CN104835361A - 一种电子词典 - Google Patents

Abstract

一种电子词典，其特征在于，包括：图象信息采集单元、图象信息识别单元和词典单元，所述图象信息采集单元包含拍照摄像头，以拍照方式采集并将包含有图文信息的图象信息传递给所述图象信息识别单元，所述图象信息识别单元对包含有图文信息的图象信息进行识别，将识别出的图文信息传递给词典单元，所述词典单元根据图文信息完成词典功能；所述图文信息包括：图片或文字内容信息，和／或，手或手持物体在图文资料上进行的操作指示信息。

Description

一种电子词典

技术领域

本发明涉及电子设备和图文识别领域，具体涉及的是一种电子词典，采用拍照方式获得图文信息，以符合自然观看阅读指示的方式完成词典功能。

背景技术

电子词典已经是目前市场上常见产品，目前电子词典除了对字、词或短语的解释、翻译等，还包括对整句整段甚至全文的翻译，即已经包括了翻译机的功能，而在屏幕上显示翻译相关信息和发声也是电子词典常见的功能。

但使用中有很多不完善，以人工输入的电子词典需要人工输入麻烦，重要的是如果用户对某种外语完全不懂则可能根本就不知道如何正确输入；而对于扫描笔式电子词典，最快每秒只能识别十几个字，全篇幅扫描很慢很累，并且扫描中对印刷品覆盖，影响观看阅读，使用中需要不断扫描操作打断阅读，完全破坏了人们自然翻阅图文产品的习惯体验。

基于通常图文录入识别的产品，需要录入到计算机上，然后可对电子文件进行词典翻译，但受到通常只采用一个摄像头的限制，为完整覆盖采集，就需要拍照距离远，占用空间大，通常在正上方，对正常阅读有影响；一个摄像头单一焦距，不仅对分辨率有很高的要求，而且只有在这个单一摄像头单一焦距附近的图文能得到良好的清晰拍照和识别，降低了识别率；而操作方式上，在计算机上进行取词操作属于计算机操作，与自然翻阅图书在图书上的随指点随翻译的体验完全不同。

而目前市场常见的拍照取词的电子词典，利用单一普通摄像头比如手机摄像头，而由于受到分辨率、环境光线、有效拍照面积、拍照距离等影响，有效识别拍照范围很小，这样通常只能局部取词，而无法做到整页拍照覆盖，无法一次对全文翻译，有时甚至一次连一句都无法覆盖，如果要对全文操作，就需要不断移动操作，打断阅读，完全破坏了人们自然翻阅图文产品的习惯体验；取词也是在显示屏幕上进行，不符合人自然翻阅时在图书上直接指点的习惯。

发明内容

本发明的目的在于提供一种电子词典，词典的功能包括对字、词、短语、段、页、面或指定部分的解释和／或翻译。

本发明是通过以下技术方案实现的：

一种电子词典，

包括图像信息采集单元、图像信息识别单元和词典单元，所述图像信息采集单元包含拍照摄像头，以拍照方式采集并将包含有图文信息的图像信息传递给所述图像信息识别单元，所述图像信息识别单元对包含有图文信息的图像信息进行识别，将识别出的图文信息传递给词典单元，所述词典单元根据图文信息完成词典功能；

所述图文信息包括：图片或文字内容信息，和／或，手或手持物体在图文资料上进行的操作指示信息。

除了一般的单点图像信息采集单元，即所述单点图像信息采集单元包括一个固定摄像头，所述固定式摄像头包括一个镜头，为全面、清晰和近距离采集所需图像，所述图像信息采集单元可采用多点图像信息采集单元，

所述多点图像信息采集单元包括二个或三个或四个或五个或五个以上摄像头，完成多角度和／或多位置的多点图像拍摄，所述二个或三个或四个或五个或五个以上摄像头的每个是固定式摄像头或可活动式摄像头，所述固定式摄像头的视线是分离的或相交的；所述可活动式摄像头的拍摄角度和／或拍摄位置是可调整的，所述可活动式摄像头基于预定的控制方式和／或基于接收的控制信息和／或手动控制其活动来对被拍摄对象进行多角度和／或多位置的多点图像拍摄；传递给所述图像信息识别单元的为摄像头各自所采集的图像和/或至少一个以上摄像头将所采集的图像拼接后形成的图像；

或者，

所述多点图像信息采集单元包括一个可活动式摄像头，所述可活动式摄像头的拍摄角度和／或拍摄位置是可调整的，且所述可活动式摄像头基于预定的控制方式和/或基于接收的控制信息控制其活动来对被拍摄对象进行多角度和／或多位置的多点图像拍摄，

或者，

所述多点图像信息采集单元包括一个固定式摄像头，所述固定式摄像头包括多个镜头。

所述电子词典还包括：

显示模块，用于显示包括：图像信息采集单元采集的图像和／或图像信息识别单元识别出的图文信息和／或词典单元处理后的图文信息和／或预先设置的内容和/或外部获得的内容信息；

和／或，

音频模块，所述图像信息识别单元根据所识别的图文信息确定对应的音频信息并通知所述音频模块，和／或，所述词典单元根据传递给词典单元的图文信息和／或词典单元处理后的图文信息确定对应的音频信息并通知所述音频模块；所述音频信息是文字转换为音频和／或事先存储的与所述图文信息对应的音频信息，所述音频模块将所述对应的音频信息以音频形式输出；

和／或，

输入模块，用于获取用户的输入信息，并根据所述输入信息执行预定的操作，且所述输入信息包括键盘输入、屏幕输入、手写输入或语音输入的至少一项；

和／或，存储模块；

和／或，通信模块。

由上述本发明提供的技术方案可以看出，本发明实施例提供的一种电子词典，采用拍照式采集识别图文，相比手工输入的电子词典，解决了输入麻烦和对外语完全不懂情况下无法正确输入的问题，相比扫描笔式的电子词典，解决了扫描方式速度慢和不断的扫描操作打断阅读破坏自然阅读体验的问题。

本发明实施例提供的一种电子词典，采用的是手或手持物体在图文资料上进行的操作指示信息，比如通过手或手持物体在图文资料上的指点，滑动等来取词或指定一个区域的图文，方便直接，更符合人们通常希望的阅读中简单用手在图文上一指就获得答案。

与一般的拍照采集识别图文相比，所述的电子词典由于采用了独特的摄像头布置方案，使得在图像信息采集过程中可以灵活地获得需要采集图像信息区域中(即被拍摄对象)多点的图像信息(即不同角度和/或不同位置的图像信息)，相对于普通一个摄像头对被识别图文资料拍照的方案，多点图像采集单元中每个采集局部图像的摄像头由于减小了对拍照覆盖面积的需要，因此可以距离图文资料更近，从而多点图像采集单元可以在实用的近距离不失真的完成所需图像拍照采集；各个摄像头位置的安排灵活，从不影响阅读者的角度或位置比如图书斜上方也能图像采集并识别，不影响用户的阅读，相应的活动摄像头或多个摄像头会有多个焦距，这样就能使所采集对象各部分都处于最佳焦距，以保证各部分的图像均清晰，对于弯曲表面比如图书中部的大弯曲面总能有合适的拍摄角度和位置，因此能有效地对其进行拍摄识别，而且，相应的多点图像信息采集单元并不一定要求一个摄像头对被识别图文资料进行完整覆盖，而往往是综合多个局部综合形成对整体的识别，因此可以使得对每个摄像头分辨率要求较低，或者说以同样分辨率的摄像头对所拍摄物进行拍摄可以达到更高的分辨率更有利于识别，从而可以使得采集到的图像信息能够真实准确地反应被采集区域中的实际情况。

因此对比无论是一般的摄像头取词方式还是扫描笔式的电子词典，可快速对大面积图文识别，同时不对图文遮盖，不影响观看阅读，过程无需或少需人工干预，符合日常的边看边解释翻译的使用习惯。由于所述多点图像信息采集能对图书等全面覆盖，因此可一次对整页拍照覆盖，从而能全文翻译，如果需要特定对某个字、词、短语、句、段或指定部分进行解释翻译等词典功能，通过指示，比如手或手持物体的指示即可完成，而所述多点图像信息采集能保证对手或手持物体的指示动作的有效拍照覆盖，从而满足人们通常希望的阅读中如果有不懂的只需指一下就得到答案的需求。

附图说明

为了更清楚地说明本发明实施例的技术方案，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发明的一些实施例，对于本领域的普通技术人员来讲，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附图。

图1为本发明的一个实施例提供的电子词典的结构示意图。

图2为本发明的一个实施例提供的电子词典几种示意图。

图3为本发明的一个实施例提供的电子词典的手或手持物体对图文进行操作指示的示意图。

图4为本发明的一个实施例提供的电子词典的图象采集单元的摄像头旋转前后的示意图。

图5为本发明的一个实施例提供的电子词典的多点图象采集单元的摄像头的示意图。

图6为本发明的一个实施例提供的多角度摄像头布置和多位置的摄像头布置的示意图。

图7为本发明的一个实施例提供的电子词典的硬件结构示意图。

具体实施方式

为使本发明的技术方案更加清楚，以下结合附图和实施例对本发明进一步详细说明，具体实施例仅仅用于解释本发明，而不用于限定本发明，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例，基于本发明的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明的保护范围。

本发明实施例提供了一种电子词典，其具体实现结构如图1所示，包括图像信息采集单元、图像信息识别单元和词典单元，所述图像信息采集单元包括拍照摄像头，以拍照方式采集并将包含有图文信息的图像信息传递给所述图像信息识别单元，所述图像信息识别单元对包含有图文信息的图像信息进行识别，将识别出的图文信息传递给词典单元，所述词典单元即电子词典主体，完成目前通常意义上的电子词典的功能，比如对字、词或短语的解释、翻译、对整句整段甚至全文的解释或翻译等，工作过程通常为对所需处理的字、词等到相应的存储信息中查找，并返回对应的信息，如果是句子还要进行相应的语法处理，相关技术已经为现有技术，故在此不再对其进行详细说明。

所述图文信息包括：图片或文字内容信息，和／或，手或手持物体在图文资料上进行的操作指示信息。

本发明实施例提供的电子词典中，所述电子词典优选的放在不影响阅读的位置，相应的所述摄像头位置可以在比如所识别图文资料的前方，斜上方，如图2所示。

图文资料一般的比如图书、各种印刷品等，实际上，其它只要是有图文的物品，也可用所述电子词典拍照并进行词典功能的处理。所述图像信息采集单元对图文资料拍照，可以直接进行词典功能处理，比如全文翻译，还可结合手或手持物体在图文资料上进行的操作指示，如图3所示，具体的，比如可以用手或手持物体比如棍指示一个单词，或通过手或手持物体在图文资料上的移动指示一句或一个区域的文字，经图像信息识别单元识别所指示文字传送给词典单元完成翻译；也可通过手或手持物体在图文资料上的动作来作为命令，比如在页空白处双击表示整页翻译。

相应的文字识别目前已经逐渐进入实用阶段，相应的识别处理过程可以包括：首先对拍照的图像预处理，该预处理主要包括二值化、噪声去除、倾斜较正等处理，然后进行文字特征抽取，包括对文字影像细线化后，取得字的笔划端点、交叉点之数量及位置，或以笔划段为特征，配合比对方法进行比对，从而识别文字。由于文字识别技术已经为现有技术，故在此不再对其进行详细说明。

相应的的肢体动作或操作物体的动作等，比如手或手持物体在图文资料上进行的阅读指示动作，对其识别也是在实用阶段，相应的识别处理过程包括：用摄像头来捕获关于手的图像，并通过算法分析，从图中抽出关于手的信息；图像预处理如去噪，增强，边缘化后，最为常见的手势分割方法如基于肤色模型分割：肤色在色彩空间的一定范围呈聚类特征，具有相对稳定性，可以作为分割手势的依据；采用不同的方法，如光照补偿、自适应等削弱光照情况对手势的影响；分割后再进行数学处理去噪等，可通过如基于几何的识别等识别指尖位置，更可识别手指动作，同样可对小棍等识别。相关技术已经为现有技术，故在此不再对其进行详细说明。

除了一般的单点图像信息采集单元，即所述单点图像信息采集单元包括一个固定摄像头，所述固定式摄像头包括一个镜头，为全面、清晰和近距离采集所需图像，所述图像信息采集单元可采用多点图像信息采集单元，能够针对图文的多角度和／或多位置的图像拍摄，为此，相应的摄像头模块可以采用以下任一方式实现：

(1)所述多点图像信息采集单元包括二个或三个或四个或五个或五个以上摄像头，完成多角度和／或多位置的多点图像拍摄，所述二个或三个或四个或五个或五个以上摄像头的每个是固定式摄像头或可活动式摄像头，所述固定式摄像头的视线是分离的或相交的，如图5所示；所述可活动式摄像头的拍摄角度和／或拍摄位置是可调整的，所述可活动式摄像头基于预定的控制方式和／或基于接收的控制信息和/或手动控制其活动来对被拍摄对象进行多角度和／或多位置的多点图像拍摄，如图4所示，例如，根据反馈自动控制(如根据拍摄图像识别后的反馈做自动调整)，比如当手指示处超出范围了或部分文字超出范围了则自动调整可活动式摄像头的角度和/或位置；传递给所述图像信息识别单元的为摄像头各自所采集的图像和／或至少一个以上摄像头将所采集的图像拼接后形成的图像；所述的二个或三个或四个或五个或五个以上摄像头，每个摄像头可以各自拍摄进行各自的识别工作，也可将拍摄结果综合后以供识别，比如，可以每个摄像头各负责一个区域的图文拍摄供识别，然后根据识别结果综合利用，或者将摄像头各自拍到的局部区域的图像综合成一个统一的大图像然后进行识别。由于采用了多个摄像头，大大减小了对每个摄像头所需的拍摄覆盖要求，而增大了整体覆盖，从而保证对识别所需要的拍摄覆盖；并且多个摄像头的每个都有其焦距，大面积的图文通常对单一摄像头很难都处于最佳焦距，而多个摄像头则可使大面积的图文每一部分能更好的在最佳焦距，获得全面清晰的图像。

(2)所述多点图像信息采集单元包括一个可活动式摄像头，所述可活动式摄像头的拍摄角度和／或拍摄位置是可调整的，采集全部或部分场景的图文内容信息，且所述可活动式摄像头基于预定的控制方式或接收的控制信息控制其活动来对被拍摄对象进行多角度和/或多位置的多点图像拍摄，如图4所示，例如，根据反馈自动控制(如根据拍摄图像识别后的反馈做自动调整)，比如，当手指示处超出范围了或部分文字超出范围了或页码超出范围了，则自动调整可活动式摄像头的角度和/或位置，或者在对一本书的阅读过程中，所述的一个可活动式摄像头可以从左到右，从上至下的自动调整视野来完成对整面书的覆盖，在工作过程中无需或少需人工干预就可进行针对被拍摄图文的多角度和/或多位置的多点拍摄。可活动式摄像头可一次拍摄局部，便于焦距最佳，从而使大面积的图文每一部分能更好的在最佳焦距，获得全面清晰的图像或识别。

(3)所述多点图像信息采集单元包括一个固定式摄像头，所述固定式摄像头包括多个镜头，共同完成多角度和／或多位置的多点图像拍摄，每个镜头用于采集全部或部分场景的图文内容信息。由于有多个镜头，因此相对于普通的只有一个镜头的摄像头，可以完成多角度和／或多位置的多点图像拍摄。

对于图文资料，比如图书等，多为平面物体，而所述多点图像信息采集单元的多位置的多点图像拍摄，如图5一个实施例所示每个摄像头拍摄局部，从而能在实用近距离对图文资料完整拍照；或摄像头移动完成多位置的多点图像拍摄。多角度和多位置的摄像头的示意图如图6所示，多角度拍照如图6中a图所示，比如多个摄像头以球面状聚在一起视线呈发散状向外拍照、或固定式摄像头包括多个镜头以球面状聚在一起视线呈发散状向外拍照、或摄像头旋转，主要靠多个角度来扩大视野，这种布置对立体空间的大视野图像采集很好；多位置拍照如图6中b图所示，主要是靠位置上有距离的多个摄像头，或摄像头移动到不同位置进行拍照，这种布置对平面的大视野图像采集很好；相比单纯的多角度，由于所要识别的图文资料，比如图书等，多为平面物体，因此从图文资料的图像采集效果出发可优选多位置的多点图像信息采集单元，一个实施例如图5。

固定摄像头通常有固定的视野，但多个摄像头可形成全面的覆盖，而可活动式摄像头在某一角度位置时有固定的视野，但其通过调整拍照角度或位置改变视野，因此也能形成全面的覆盖，在具体实施中，如果固定摄像头松动了，并不能视为可活动式摄像头，同样，即使摄像头是可以活动的，但如果其工作过程中并不是靠活动来获得所需的特别效果，比如全面的覆盖等，则实际上仍属于固定摄像头方案。比如，若将可以活动的摄像头事先调整到合适的角度位置等，但实际使用中并不需要进行活动，或活动对特别的效果比如全面的覆盖等作用很小，则实际上仍属于固定摄像头方案。若一个活动式摄像头包括多个镜头，靠所述多个镜头的活动来完成覆盖，则实际上仍属于所述多点图像信息采集单元实现方案之一的替代。

所述的电子词典还可包括以下一个或多个模块：

显示模块，用于显示包括：图像信息采集单元采集的图像和／或图像信息识别单元识别出的图文信息和／或词典单元处理后的图文信息和／或预先设置的内容和/或外部获得的内容信息；

和/或，音频模块，所述图像信息识别单元根据所识别的图文信息确定对应的音频信息并通知所述音频模块，和／或，所述词典单元根据传递给词典单元的图文信息和／或词典单元处理后的图文信息确定对应的音频信息并通知所述音频模块；所述音频信息是文字转换为音频和／或事先存储的与所述图文信息对应的音频信息，所述音频模块将所述对应的音频信息以音频形式输出；

和／或，输入模块，用于获取用户的输入信息，并根据所述输入信息执行预定的操作，且所述输入信息包括键盘输入、屏幕输入、手写输入或语音输入的至少一项；

和／或，存储模块；具体的，比如板上的存储芯片，或扩展存储如存储卡等；

和／或，通信模块；具体的，比如USB(通用串行总线)接口，无线网络接口等。

参照图7所示，具体的硬件实现中，相应的图像信息采集单元包括摄像头，相应的图像信息识别单元是中央处理模块，通过相应的处理器完成信息的识别处理，通过相应的存储部分进行信息的存储，还可以包含扩展存储部分，比如存储卡等，以用于扩展存储空间进行更多信息的存储，用相应的通信接口进行通信处理，用输入输出部分接受输入和完成输出，比如接受用户输入信号如键盘等，显示部分，显示信息，例如，显示所采集的图象或词典处理后的文字图片等；词典单元和图像信息识别单元在具体实施中可共用一些模块，具体的比如，词典单元和图像信息识别单元可共用同一个中央处理模块；词典单元可接收图像信息识别单元识别出的图文信息进行处理，比如对手所指示的词句等进行翻译，并对词典单元处理前后的图文信息经显示模块显示；词典单元可接收图像信息识别单元识别出的图文信息，并对词典单元处理前后的图文信息转换为音频信息后发送到发声部分，或者，从存储部分中调用对应的音频信息并发送到发声部分；或者，音频单元包括发声模块等，发声模块可以包括编解码单元、驱动单元和扬声器，用于接收中央处理模块的音频信息并对其进行处理后传递给扬声器，通过扬声器发出音频声音，相应的扬声器可以为耳机也可以为音箱等，相应的编解码单元仅在识别处理部分存储的音频信息需要编解码时设置，且若需要的话该编解码单元也可以设置于识别处理部分中。

以上所述，仅为本发明较佳的具体实施方式，用于解释本发明，而不限定本发明，本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明披露的技术范围内，可轻易想到的变化或替换，都应涵盖在本发明的保护范围之内。

Claims (3)

1.一种电子词典，其特征在于，包括：图像信息采集单元、图像信息识别单元和词典单元，所述图像信息采集单元包含拍照摄像头，以拍照方式采集并将包含有图文信息的图像信息传递给所述图像信息识别单元，所述图像信息识别单元对包含有图文信息的图像信息进行识别，将识别出的图文信息传递给词典单元，所述词典单元根据所述图文信息完成词典功能；

所述图文信息包括：图片或文字内容信息，和／或，手或手持物体在图文资料上进行的操作指示信息。

2.根据权利要求1所述的电子词典，其特征在于，

所述图象信息采集单元是多点图像信息采集单元，

所述多点图像信息采集单元包括二个或三个或四个或五个或五个以上摄像头，完成多角度和／或多位置的多点图像拍摄，所述二个或三个或四个或五个或五个以上摄像头的每个是固定式摄像头或可活动式摄像头，所述固定式摄像头的视线是分离的或相交的；所述可活动式摄像头的拍摄角度和／或拍摄位置是可调整的，所述可活动式摄像头基于预定的控制方式和／或基于接收的控制信息和／或手动控制其活动来对被拍摄对象进行多角度和／或多位置的多点图像拍摄；传递给所述图像信息识别单元的为摄像头各自所采集的图像和／或至少一个以上摄像头将所采集的图像拼接后形成的图像；

或者，

所述多点图像信息采集单元包括一个可活动式摄像头，所述可活动式摄像头的拍摄角度和／或拍摄位置是可调整的，且所述可活动式摄像头基于预定的控制方式和／或基于接收的控制信息控制其活动来对被拍摄对象进行多角度和／或多位置的多点图像拍摄，

或者，

所述多点图像信息采集单元包括一个固定式摄像头，所述固定式摄像头包括多个镜头。

3.根据权利要求1或2所述的电子词典，其特征在于，包括：

显示模块，用于显示包括：图像信息采集单元采集的图像和／或图像信息识别单元识别出的图文信息和／或词典单元处理后的图文信息和／或预先设置的内容和/或外部获得的内容信息；

和／或，

音频模块，所述图像信息识别单元根据所识别的图文信息确定对应的音频信息并通知所述音频模块，和／或，所述词典单元根据传递给词典单元的图文信息和／或词典单元处理后的图文信息确定对应的音频信息并通知所述音频模块；所述音频信息是文字转换为音频和／或事先存储的与所述图文信息对应的音频信息，所述音频模块将所述对应的音频信息以音频形式输出；

和／或，

输入模块，用于获取用户的输入信息，并根据所述输入信息执行预定的操作，且所述输入信息包括键盘输入、屏幕输入、手写输入或语音输入的至少一项；

和／或，

存储模块；

和／或，

通信模块。