CN104966096A - 一种基于重要书写特征标注的手写汉字工整性评价方法 - Google Patents

Abstract

本发明公开了一种基于重要书写特征标注的手写汉字工整性评价方法。具体步骤为：建立包含重要书写特征标注的汉字模版库；记录用户手写汉字书写轨迹点集数据，并对所获取数据进行预处理；获取用户手写汉字整字、部件和笔画三个层面的重要标注书写特征；将得到的书写特征与模版字进行匹配分析，得出其差别关系；根据得到的差别关系标识出用户手写汉字中存在问题的等级，对用户手写汉字中存在的问题等级依据其等级的高低进行工整性评价；本发明可用于判断用户手写汉字书写是否工整，在判断手写汉字书写质量，以及进行汉字书写个性化指导等应用上，具有极其重要意义及价值。

Description

一种基于重要书写特征标注的手写汉字工整性评价方法

技术领域

本发明涉及利用计算机对联机手写汉字进行评价的技术领域，尤其涉及一种基于重要书写特征的手写汉字工整性的评价方法。

背景技术

汉字，作为华夏先民最伟大的发明，是传承中华文明悠久历史与文明的精神纽带，汉字形、音、义三位相统一的特点以及其具有的丰富的文化内涵和广泛的影响力，使其成为世界上最重要的文字系统之一。数千年来，汉字以其独特的魅力，展现出中华民族伟大智慧和创造，是人类文化宝库中最珍贵的一笔财富。但是受到信息科技发展的影响，机器输入逐渐地替代了纸笔输入，人们手写汉字的机会则越来越少，书写能力普遍下降。

目前对手写汉字书写进行自动评价的方法主要有以下几种：

1、通过笔画布局评价对手写汉字中每个笔画的位置布局进行评价，如中国发明专利“一种手写汉字布局评价方法”(公开号：CN101465074)。

2、采用机器学习的方法，对手写汉字的单个笔画、字体内各部分的空间结构、字体内各部分的书写风格一致性进行美观性评价，如中国发明专利“一种汉字书写形态美观度的计算机评估方法”(公开号：CN101295371A)；

3、通过对人工给定的汉字样本进行机器学习，然后使用图像处理与人工智能的方法对手写汉字进行相似度模糊判断，如中国发明专利“一种汉字书写美观度的计算机评估方法”(公开号:CN101295371A)；

4、通过利用修正二次判决函数计算候选字距离的方法，利用候选字距离计算置信度进行汉字书写质量评价方法，如中国发明专利“一种基于置信度的汉字书写质量评价方法”(公开号:CN101630362)。

上述方法虽然能在某些方面对于手写汉字空间结构、笔画间布局关系进行评价，但这些方法都不能准确的从整字、部件、笔画三个维度对手写汉字书写质量进行评价，存在一定的局限性。

发明内容

本发明的目的是针对现有技术的不足而提供一种针对手写汉字基于提取出的重要书写特征进行工整性的分析评价的方法，为汉字书写质量提供客观性的评价支持，比如可以为研发汉字书法教育软件等应用提供支持。

为了实现发明目的，本发明采用的技术方案为将汉字中对书写工整性产生较大影响因素的书写特征进行提取并编码标注，并对各书写特征按其影响因素大小进行权值分配，建立汉字模版；将获取的用户手写汉字进行标准化预处理；对用户手写汉字抽取相应书写特征；将用户字特征与模版进行匹配分析；根据分析结果实现对用户书写进行客观的指导和评价，主要包括如下步骤：

(1)建立包含重要书写特征标注的标准汉字模版库；

(2)记录用户手写汉字书写轨迹点集数据，并对其进行预处理；

(3)获取用户手写汉字整字、部件和笔画三个层次的重要标记书写特征；

(4)将得到的书写特征与模版库中的标准汉字进行匹配分析，得出两者的差别关系；

(5)根据得到的差别关系标识用户手写汉字中存在的问题的等级；

(6)对用户手写汉字中存在的问题依据其问题等级高低进行工整性评价。

本发明与现有技术相比的有益效果：

(1)本方法通过计算机自动判断用户手写汉字整字、部件、笔画是否工整，在用户单字书写完成后即可实现判断与提醒，具有直观、高效、时效性强等优点。

(2)本方法实现了用户手写汉字的客观评价，在评价手写汉字书写质量、书写正确性以及进行汉字书写个性化指导等应用上，具有极其重要意义及价值。

附图说明

图1是本发明的流程图；

图2是笔画走向码划分图；

图3是整字外包矩形框示意图；

图4是整字中心位置示意图；

图5部件外包矩形框示意图；

图6是部件中心位置示意图；

图7是部件之间距离计算示意图；

图8是部件之间对齐角度计算示意图；

图9是笔画中心位置示意图；

图10是笔画交接点位置示意图；

图11是笔画倾斜角示意图；

图12是笔画弧度位置示意图；

图13是评价为优的评价效果展示图；

图14是评价为良的评价效果展示图；

图15是评价为差的评价效果展示图。

具体实施方式

下面结合附图，对本发明做详细说明。

如图1，一种基于重要书写特征标注的手写汉字工整性评价方法，包括如下步骤：

1、建立标准汉字模版库。

汉字模版库中模版的建立主要包括建立标准汉字的书写特征标注、建立权值分配方案；标准汉字书写特征标注的建立主要是对汉字按其整字、部件、笔画三个层次抽取出相应的对汉字书写产生影响的特征进行人工标注；整字层面的书写特征主要包括：字的外包框面积、字的外包框宽高比、字的中心位置等信息；部件层次的书写特征主要包括：部件面积、部件中心位置、部件的宽高比、部件之间的距离、部件之间的对齐关系；笔画层次的书写特征主要包括：笔画中心位置、笔画长短、笔画的倾斜角度、笔画的弧度位置、笔画交接点位置关系、部件与笔画之间的对齐关系、部件与笔画之间的距离关系、笔画与笔画之间的距离关系、笔画与笔画之间的对齐关系等信息；权值分配的建立主要是通过实验和分析对汉字书写中不同的影响因素赋于相应的权值。

2、记录用户手写汉字书写轨迹点集数据，并对其进行预处理。

记录用户手写汉字的书写轨迹，根据用户在书写平台上手写汉字的笔迹运动状态，获取相应手写汉字点集数据，将用户书写过程中从下笔到起笔所形成的点集定义为一个笔画；遍历笔画点集，对原始点集进行降噪处理，对降噪后的笔画进行标准化处理并编码，即将相应笔画进行分笔段同时将相应的笔画使用走向码表示，该处将笔画按其走向从左到右、左上到右下、上到下、右上到左下、右到左、右下到左上、下到上、左下到右上分为八个方向的走向码，分别用1-8表示，如图2所示。

3、获取用户手写汉字整字、部件和笔画三个层次的重要标记书写特征，具体方法如下：

整字层次主要包括整字外包矩形框面积、整字外包矩形框宽高比、整字中心位置；

1)计算整字外包框面积方法为：遍历用户手写汉字点集数据P＝{p₁(x₁,y₁),p₂(x₂,y₂),....,p_n(x_n,y_n)}，n为手写汉字包含点数量，获取其中X坐标最小值x_min及最大值x_max，Y坐标最小值y_min及最大值y_max,，以(x_min，y_min)，(x_min，y_max)，(x_max，y_min)，(x_max，y_max)四个点为顶点构建矩形，如图3所示，该矩形即为此用户手写汉字的外包框,则外包框面积S＝(x_max-x_min)*(y_max-y_min)；

2)整字宽高比计算方法为：WH＝(x_max-x_min)/(y_max-y_min)；

3)整字中心位置p(p_x,p_y),计算方法为：p_x＝(x_max-x_min)/2,p_y＝(y_max-y_min)/2，如图4所示；

部件层次主要包括：部件面积、部件中心位置、部件的宽高比、部件之间的距离、部件之间的对齐关系；

1)部件外包框面积计算方法为：遍历部件点集数据P_b＝{p₁(x₁,y₁),p₂(x₂,y₂),....,p_n(x_n,y_n)}，n为部件包含点数量，获取其中X坐标最小值x_min及最大值x_max，Y坐标最小值y_min及最大值y_max,，以(x_min，y_min)，(x_min，y_max)，(x_max，y_min)，(x_max，y_max)四个点为顶点构建矩形，该矩形即为此部件的外包框,如图5所示,则外包框面积S_b＝(x_max-x_min)*(y_max-y_min)；

2)部件宽高比计算方法为：WH_b＝(x_max-x_min)/(y_max-y_min)；

3)部件中心位置为p_b(p_x,p_y),如图6所示,计算方法为：p_x＝(x_max-x_min)/2,p_y＝(y_max-y_min)/2；

4)部件之间距离计算方法为：计算部件1平均坐标得到点部件2平均坐标得到点平均坐标计算方法为：计算部件1，周长L₁，L₂，L＝2×|x_max-x_min|+2×|y_max-y_min|，则，部件间距离S＝S_P1P2/(L1+L2)，其中 $S_{P1P2}=\sqrt{{(\stackrel{\‾}{x_1}-\stackrel{\‾}{x_2})}^2+{(\stackrel{\‾}{y_1}-\stackrel{\‾}{y_2})}^2},$ 如图7所示；

5)部件之间对齐关系计算方法：计算部件1平均坐标得到点部件2平均坐标得到点 $p2(\stackrel{\‾}{x_1},\stackrel{\‾}{y_2}),\∠A=\mathrm{ar}\cos ((\stackrel{\‾}{x_1}-\stackrel{\‾}{x_2})/S_{P1P2}),$ 如图8所示；

笔画层次主要包括笔画中心位置、笔画长短、笔画交接点位置关系、部件与笔画之间的对齐关系、部件与笔画之间的距离关系、笔画与笔画之间的距离关系、笔画与笔画之间的对齐关系；

1)笔画中心位置计算方法为：遍历笔画点集数据P_s＝{p₁(x₁,y₁),p₂(x₂,y₂),....,p_n(x_n,y_n)}，n为笔画包含点数量，获取其中X坐标最小值x_min及最大值x_max，Y坐标最小值y_min及最大值y_max,如图9所示，则中心点p_z(x_z,y_z)表示为：x_z＝(x_max-x_min)/2,y_z＝(y_max-y_min)/2；

2)笔画长短的计算方法：其中L_i为笔画包含笔段的长度，n为笔段包含笔段的数量；

3)笔画交接点位置关系计算方法为：相交/接笔段起始点p₁到交/接点p₀之间的距离与相交/接笔段p₁p₂之间的比值,HC＝S_p0p1/S_p1p2，如图10所示；

4)笔画的倾斜角度的计算方法为：首先判断该笔画是否为多笔段，如果不是，那么该笔画长度除以整个字的长度是否小于0.04,如果是则将该笔画整个保留，直接利用最小二乘法进行直线的拟合，获取斜率，从而获得角度；如果不是，首先将笔画首部长度1/10处的点删除，并从该点开始截取点，并将该笔画剩余点的最后1/4处的点删除，取中间剩余的点做最小二乘法直线的拟合，获取斜率，从而获得角度；如果是多笔段，每个笔段除以笔画的长度是否大于0.4,如果是重复上述笔画的行为，如果不是，那么直接将点保留，利用最小二乘法直线进行拟合,获取斜率，从而获得角度，如图11所示，y＝kx+b为拟合后的直线方程，K为拟合直线斜率，b为拟合直线的截距，A为求出的倾斜角度。

5)笔画弧度位置的计算方法为：将笔段首点P₁和末点P₂相连形成一条直线段，遍历该笔段所有点找到距离该直线段最远的点P₀；根据最远点P₀与该直线段的垂直点P，求首点到垂直点的距离与垂直点到尾点的距离比值L_arc为笔画弧度位置特征量化值，L_arc＝S_P1P0/S_P1P2；,如图12所示。

6)部件与笔画之间的对齐关系、部件与笔画之间的距离关系、笔画与笔画之间的距离关系、笔画与笔画之间的对齐关系计算方式与部件之间的距离、部件之间的对齐关系相同。

4、将得到的书写特征与模版字进行匹配分析，得出其差别关系，方法如下：

将前述步骤得到的用户手写汉字书写特征的量化值与模版中标准汉字的书写特征的量化值相比较做差或相比得到其中的差异关系；对量化值中的绝对数值整字面积、整字宽高比、部件面积、部件宽高比进行相比确定其中的差异关系，例如将用户字的面积S₁与模版库中相应汉字面积S₂为相应的绝对数值，应通过相比得到用户字与模版字之间的差异S₁/S₂；对量化值中的相对数值整字中心位置、部件对齐关系、部件之间的距离、笔画中心位置、笔画长短、笔画交接点位置关系、部件与笔画之间的对齐关系、部件与笔画之间的距离关系、笔画与笔画之间的距离关系、笔画与笔画之间的对齐关系进行做差确定其中的差异关系，例如将用户字的部件之间距离D₁与模版库中相应汉字的部件之间的距离D₂为相应的相对数值，应通过做差取得其中的差异关系D₁-D₂。

5、根据得到的差别关系标识出用户手写汉字中存在问题的等级，方法如下：

将前述步骤得到的用户字与模版之间的差异关系与系统设定的工整性权值相比较，根据其差异关系落入的权值分布分布区间给出相应特征的问题等级判定；如用户字与模版字整字面积的比值S的阈值分布为上下三级，当0.8<＝S<＝1.6时为合理区间，当1.6<S<＝1.9或0.7<＝S<0.8时为第一等级问题区间，当1.9<S<＝2.5或0.6<＝S<0.7时为第二等级问题区间，当2.5<S或S<0.6时为第三等级问题区间；用户部件之间距离与模版字部件之间距离的差值D的阈值分布为三级，当|D|<12时为合理区间，当12<＝|D|<20时第一等级问题区间，当20<＝|D|<30时为第二等级问题区间，当|D|>＝30时为第三等级问题区间；

6、对用户手写汉字中存在的问题依据其问题等级的高低进行工整性评价,方法如下：

对上一步中标识出来的问题按其问题等级进行评分，每项问题的得分为100/n*(3-rank)/3，n为需要判读的特征的指标数，rank为每个特征项所评定的问题等级，最终的总得分S_i为每一项的单独得分，n为特征指标总数；对标识出来的问题按其问题等级进行大小排序，等级越高排名越靠前，对排名靠前的n个问题按其特征等级的标识进行工整性评价，书写效果较好的评价如图13所示；书写效果一般的，例如“昌”字部件面积特征项的等级为第二等级，则会指导为“上日部写的有点大，小一点就会更精神”，如图14所示；书写效果较差的，例如“昌”字的部件之间对齐角度特征等级为第三等级，则会指导为“【上日部】与【下日部】之间的对齐关系不恰当”，如图15所示。

Claims (7)

1.一种基于重要书写特征标注的手写汉字工整性评价方法，其特征在于，包括如下步骤：

(1)建立包含重要书写特征标注的标准汉字模版库；

(2)记录用户手写汉字书写轨迹点集数据，并对其进行预处理；

(3)获取用户手写汉字整字、部件和笔画三个层次的重要标记书写特征；

(4)将得到的书写特征与模版库中的标准汉字进行匹配分析，得出两者的差别关系；

(5)根据得到的差别关系标识用户手写汉字中存在的问题的等级；

(6)对用户手写汉字中存在的问题依据其问题等级高低进行工整性评价。

2.根据权利要求1所述的一种基于重要书写特征标注的手写汉字工整性评价方法，其特征在于，所述步骤(1)具体包括建立标准汉字的书写特征标注和建立权值分配方案；标准汉字书写特征标注的建立主要是对汉字按其整字、部件、笔画三个层次抽取出相应的对汉字书写产生影响的特征进行人工标注，然后对各书写特征按其影响因素大小进行权值分配，从而建立标准汉字模版库。

3.根据权利要求2所述的一种基于重要书写特征标注的手写汉字工整性评价方法，其特征在于，整字层次的书写特征主要包括：字的外包框面积、字的外包框宽高比和字的中心位置的信息；部件层次的书写特征主要包括：部件面积、部件中心位置、部件的宽高比、部件之间的距离和部件之间的对齐关系；笔画层次的书写特征主要包括：笔画中心位置、笔画长短、笔画倾斜角度、笔画弧度位置、笔画交接点位置关系、部件与笔画之间的对齐关系、部件与笔画之间的距离关系、笔画与笔画之间的距离关系以及笔画与笔画之间的对齐关系的信息。

4.根据权利要求1所述的一种基于重要书写特征标注的手写汉字工整性评价方法，其特征在于，所述步骤(2)的具体步骤为：根据用户在书写平台上手写汉字的轨迹移动情况，获取该手写汉字点集数据信息，将用户书写过程中从下笔到起笔所形成的点集定义为一个笔画；遍历笔画点集，对原始点集进行降噪和平滑预处理，然后对笔画进行标准化处理并编码，即将相应笔画进行分笔段同时将相应的笔画使用走向码表示。

5.根据权利要求1所述的一种基于重要书写特征标注的手写汉字工整性评价方法，其特征在于，所述步骤(4)的具体步骤如下：将步骤(3)得到的用户手写汉字书写特征的量化值与模版库中标准汉字的书写特征的量化值相比较做差或相比得到其中的差异关系。

6.根据权利要求1所述的一种基于重要书写特征标注的手写汉字工整性评价方法，其特征在于，所述步骤(5)的具体步骤如下：将步骤得(4)到的用户手写汉字与模版库中的标准汉字之间的差异关系与设定的工整性权值相比较，根据其差异关系落入的权值分布区间给出相应特征的问题等级判定。

7.根据权利要求1所述的一种基于重要书写特征标注的手写汉字工整性评价方法，其特征在于，所述步骤(6)的具体步骤如下：对步骤(5)中表示出来的问题等级进行按等级大小排序，等级越高排名越靠前，对排名靠前的n个问题按其特征等级的标识进行工整性评价；在评价过程中，根据不同特征所具有的权值不同对相应的特征进行加权整合，给出最终工整性评价。