CN108846386B - 一种手绘图案智能识别和纠正方法 - Google Patents

一种手绘图案智能识别和纠正方法 Download PDF

Info

Publication number
CN108846386B
CN108846386B CN201810753009.8A CN201810753009A CN108846386B CN 108846386 B CN108846386 B CN 108846386B CN 201810753009 A CN201810753009 A CN 201810753009A CN 108846386 B CN108846386 B CN 108846386B
Authority
CN
China
Prior art keywords
hand
drawn
drawn pattern
pattern
patterns
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.)
Active
Application number
CN201810753009.8A
Other languages
English (en)
Other versions
CN108846386A (zh
Inventor
魏博
邵猛
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Shenzhen Qianhai Hand Painted Technology and Culture Co Ltd
Original Assignee
Shenzhen Qianhai Hand Painted Technology and Culture Co Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Shenzhen Qianhai Hand Painted Technology and Culture Co Ltd filed Critical Shenzhen Qianhai Hand Painted Technology and Culture Co Ltd
Priority to CN201810753009.8A priority Critical patent/CN108846386B/zh
Publication of CN108846386A publication Critical patent/CN108846386A/zh
Application granted granted Critical
Publication of CN108846386B publication Critical patent/CN108846386B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

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
    • G06V30/32—Digital ink
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/21—Design or setup of recognition systems or techniques; Extraction of features in feature space; Blind source separation
    • G06F18/217—Validation; Performance evaluation; Active pattern learning techniques
    • 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
    • G06V30/32—Digital ink
    • G06V30/36—Matching; Classification

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • General Physics & Mathematics (AREA)
  • Data Mining & Analysis (AREA)
  • Multimedia (AREA)
  • Artificial Intelligence (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Evolutionary Biology (AREA)
  • Evolutionary Computation (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • General Engineering & Computer Science (AREA)
  • Image Analysis (AREA)

Abstract

本发明提供一种手绘图案智能识别和纠正方法，其特征在于，所述手绘图案智能识别和纠正方法包括：获取手绘图案；提取手绘图案的路径数据，解析提取的手绘图案的路径数据并对将手绘图案进行分解和重组；基于手绘图案识别模型对重组后的手绘图案进行识别；手绘图案分类获取以及映射；手绘图案识别结果推荐。对数据模型进行了基于数千种手绘图案类型的上亿个手绘图案数据训练，可以快速准确的识别数千种手绘图案类型，同时基于图案基础分类扩展细化，扩展出更多的可识别种类，覆盖了绝大多数手绘图案类型。

Description

一种手绘图案智能识别和纠正方法
技术领域
本发明涉及手绘图案识别技术领域，具体涉及一种手绘图案智能识别和纠正方法。
背景技术
在手绘短视频创作过程中，手绘素材和文字是视频中的主要组成部分。而手绘素材由手绘平台提供的手绘 SVG 和位图素材，以及用户绘制的手绘图案组成。相比平台提供的素材，用户绘制的手绘图案更能表现用户的想法，体现用户的风格。
然而受限于绘画水平，很多人虽然想通过手绘短视频表现自己的想法，但是却没有办法绘制出美观的手绘图案，或者在短时间内无法完成绘制。
尤其是在电脑设备上，用户只能通过鼠标或者触屏操控设备来手绘图案，手绘的难度和时间成本会进一步增加，造成用户只能通过选择或添加已有的手绘素材来完成创作过程。
目前人工智能的图像识别方向，在很多方向都有很成熟的技术应用，比如人脸识别、证件识别和特殊标志识别等。但是在手绘图案方向，目前还是传统图像匹配度判断的方式，并没有实现人工智能的发展。这其中有多方面原因：
1. 对于人工智能的机器学习方法，手绘图案的分类相比人脸或证件识别更加复杂，分类数量要大得多；
2. 同一分类的手绘图案差别很大，提取特征是一件困难的事；且不同用户绘制同一分类图案时，不只外观和风格不尽相同，绘画的顺序和布局也都不同，这些都增加了特征提取的难度；
由于上述的原因，目前传统的手绘图案识别技术只能做到识别简单的几种形状，如圆形、方形、三角形这类图形，而且要求用户绘制图案的规范性很高，这对于手绘视频中绘制的手绘图案种类数量、复杂度和多样性都是远远不够的。
发明内容
有鉴于此，本发明提供一种手绘图案智能识别和纠正方法，对数据模型进行了基于数千种手绘图案类型的上亿个手绘图案数据训练，可以快速准确的识别数千种手绘图案类型，同时基于图案基础分类扩展细化，扩展出更多的可识别种类，覆盖了绝大多数手绘图案类型。
本发明提供一种手绘图案智能识别和纠正方法，其特征在于，所述手绘图案智能识别和纠正方法包括：
获取手绘图案；
提取手绘图案的路径数据，解析提取的手绘图案的路径数据并对将手绘图案进行分解和重组；
基于手绘图案识别模型对重组后的手绘图案进行识别；
手绘图案分类获取以及映射；
手绘图案识别结果推荐。
优选地，所述手绘图案智能识别和纠正方法包括：
获取手绘图案；
提取手绘图案的路径数据，解析提取的手绘图案的路径数据并对将手绘图案进行分组；
对手绘图案进行分组识别；
对手绘图案局部风格进行检测；
对局部线条风格与整体线条风格不符时，对局部线条进行纠正。
优选地，获取手绘图案；
提取手绘图案的路径数据，解析提取的手绘图案的路径数据并对将手绘图案进行分组；
对手绘图案进行分组识别；
对分组后的手绘图案分类获取以及映射；
手绘图案局部线条推荐。
优选地，所述手绘图案智能识别和纠正方法还包括手绘图案识别模型生成的过程，具体为：对多种手绘图案类型的多种手绘图案数据进行数据训练，并形成手绘图案识别模型。
优选地，在获取手绘图案之后，还包括对获取的手绘图案进行预处理过程，所述预处理过程包括手绘图案数据的规范化以及手绘图案的图像强化。
本发明具有的优点和积极效果是：通过对多种手绘图案类型的多种手绘图案数据进行数据训练，生成手绘图案识别模型，可以快速准确的识别多种类型的手绘图案；并且，在基于图案基础分类扩展细化，扩展出更多的可识别种类，覆盖了绝大多数手绘图案类型。而在可扩展性方面，只需要提供对应类型一定数量的手绘图案进行模型训练，即可完成对应类别的识别。这样就能满足对丰富多样的手绘图案的快速准确识别，并可以根据用户使用过程中绘制的图案和识别结果反馈，不断优化识别准确度，并不断扩展新增图案种类的识别。
附图说明
图1是本发明的一种人工智能自动绘画方法的一个实施例的示意图；
图2是本发明的一种人工智能自动绘画方法的有一个实施例的示意图；
图3是本申请学习库的结构示意图；
图4是本发明第一对手绘图案识别结果的示意图。
具体实施方式
为了更好的理解本发明，下面结合具体实施例和附图对本发明进行进一步的描述。
本发明提供一种手绘图案智能识别和纠正方法，其特征在于，所述手绘图案智能识别和纠正方法包括：
获取手绘图案；
提取手绘图案的路径数据，解析提取的手绘图案的路径数据并对将手绘图案进行分解和重组；
基于手绘图案识别模型对重组后的手绘图案进行识别；
手绘图案分类获取以及映射；
手绘图案识别结果推荐。
进一步地，所述手绘图案智能识别和纠正方法包括：
获取手绘图案；
提取手绘图案的路径数据，解析提取的手绘图案的路径数据并对将手绘图案进行分组；
对手绘图案进行分组识别；
对手绘图案局部风格进行检测；
对局部线条风格与整体线条风格不符时，对局部线条进行纠正。
进一步地，所述手绘图案智能识别和纠正方法包括：
获取手绘图案；
提取手绘图案的路径数据，解析提取的手绘图案的路径数据并对将手绘图案进行分组；
对手绘图案进行分组识别；
对分组后的手绘图案分类获取以及映射；
手绘图案局部线条推荐。
进一步地，所述手绘图案智能识别和纠正方法还包括手绘图案识别模型生成的过程，具体为：对多种手绘图案类型的多种手绘图案数据进行数据训练，并形成手绘图案识别模型，并将该手绘图案识别模型攒处与学习库中。
由上述描述可知，通过对多种手绘图案类型的多种手绘图案数据进行数据训练，生成手绘图案识别模型，可以快速准确的识别多种类型的手绘图案；并且，在基于图案基础分类扩展细化，扩展出更多的可识别种类，覆盖了绝大多数手绘图案类型。而在可扩展性方面，只需要提供对应类型一定数量的手绘图案进行模型训练，即可完成对应类别的识别。这样就能满足对丰富多样的手绘图案的快速准确识别，并可以根据用户使用过程中绘制的图案和识别结果反馈，不断优化识别准确度，并不断扩展新增图案种类的识别。
具体的，学习记录多种手绘图案类型的手绘图案数据，且每种类型的手绘图案又包含多种同一类型的手绘图案，从而获取不同类型的数据模型，并将其存储于手绘图案分类数据库HandDrawingGroupData内。
进一步地，在获取手绘图案之后，还包括对获取的手绘图案进行预处理过程，所述预处理过程包括手绘图案数据的规范化以及手绘图案的图像强化。
在本发明中的学习库中，还设置有工具库，所述单元库中设置有图像规范化单元HandDrawingDataNormalize()和图像强化单元HandDrawingDataEnhancement()，将获取的手绘图案的线条转化为规范的线条，并对手绘图案的特征进行重点强化，便于后期的图像特征提取以及线条的快速识别。
在本发明的学习库中，还设置有手绘图案图像数据库HandDrawingImageData和手绘图案路径数据库HandDrawingPathData，分别存储有手绘图案的图像数据以及路径数据，用于实现对手绘图案的图像以及路径的识别。
在本发明的一个实施例中，在获取一个手绘图案时，首先提取手绘图案的路径数据，解析提取的手绘图案的路径数据并对将手绘图案进行分解和重组；然后基于手绘图案识别模型对重组后的手绘图案进行不同类别的识别，在不同的类别，然后对手绘图案分类获取以及映射；推荐出在不同类别中与手绘图案相似度最高的图案，具体如图4所示。
具体的，所述单元库中设置数据分组单元HandDrawingDataGrouping()、图案识别单元HandDrawingDataRecognition()、手绘图案纠正单元HandDrawingDataRectify()、图案存储单元HandDrawingDataSave()、用户风格检测单元userHandDrawingDataStyleDetection()、已训练数据分类获取单元getTrainedDataCategories()以及已训练数据分类扩展映射单元getTrainedDataMapping()；所述数据分组单元HandDrawingDataGrouping()用于对获取的手绘图案进行分组，即将一个整体的手绘图案分解成多个局部线条，所述图案识别单元HandDrawingDataRecognition()用于对获取的手绘图案进行识别，手绘图案纠正单元HandDrawingDataRectify()用于对存在风格偏差的手绘图案进行纠正以及美化，使其与手绘图案的整体风格相符；用户风格检测单元userHandDrawingDataStyleDetection()对获取的手绘图案的风格进行检测，已训练数据分类获取单元getTrainedDataCategories()根据要求从学习库中获取分类数据，已训练数据分类扩展映射单元getTrainedDataMapping()，将获取的手绘图案与学习库中的数据进行分类映射，获取与手绘图案相似的不同类型的图案。
在本发明的有一个实施例中，还设置有分组识别的过程，即对获得的手绘图案进行分解，得到多个局部线条，对每个局部线条进行识别，并且每个局部线条进行分类获取以及映射，以获取不同类别中与局部线条相似度最高的局部线条图案。
在本发明的一个实施例中，还设置有局部线条纠正的过程，即获得的手绘图案进行分解，得到多个局部线条，对每个局部线条进行识别，并且对每个局部线条的风格进行检测，当检测到某一个局部线条的风格与整体线条风格不相符时，对局部线条进行纠正，来获取与整体图案风格相符的局部线条。例如用户的图案中整体是一条波浪线，而局部线条与波浪线有偏差，此时，可以识别出局部线条处与整体的规则的波浪线有偏差，对局部线条进行纠正和美化，使其与整体的波浪线相符，形成完整美观的波浪线。
应当说明的是，在本文中，诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。
最后应说明的是：显然，上述实施例仅仅是为清楚地说明本发明所作的举例，而并非对实施方式的限定。对于所属领域的普通技术人员来说，在上述说明的基础上还可以做出其它不同形式的变化或变动。这里无需也无法对所有的实施方式予以穷举。而由此所引申出的显而易见的变化或变动仍处于本发明的保护范围之中。

Claims (4)

1.一种手绘图案智能识别和纠正方法，其特征在于，所述手绘图案智能识别和纠正方法包括：
获取手绘图案；
提取手绘图案的路径数据，解析提取的手绘图案的路径数据并对将手绘图案进行分解和重组；
基于手绘图案识别模型对重组后的手绘图案进行识别；
手绘图案分类获取以及映射；
手绘图案识别结果推荐；
所述手绘图案智能识别和纠正方法还包括局部线条纠正过程，所述局部线条纠正过程包括：
对分组后的手绘图案进行分组识别；
对手绘图案局部风格进行检测；
对局部线条风格与整体线条风格不符时，对局部线条进行纠正。
2.根据权利要求1所述的手绘图案智能识别和纠正方法，其特征在于：
获取手绘图案；
提取手绘图案的路径数据，解析提取的手绘图案的路径数据并对将手绘图案进行分组；
对手绘图案进行分组识别；
对分组后的手绘图案分类获取以及映射；
手绘图案局部线条推荐。
3.根据权利要求1-2中任意一项所述的手绘图案智能识别和纠正方法，其特征在于：所述手绘图案智能识别和纠正方法还包括手绘图案识别模型生成的过程，具体为：对多种手绘图案类型的多种手绘图案数据进行数据训练，并形成手绘图案识别模型。
4.根据权利要求3所述的手绘图案智能识别和纠正方法，其特征在于：在获取手绘图案之后，还包括对获取的手绘图案进行预处理过程，所述预处理过程包括手绘图案数据的规范化以及手绘图案的图像强化。
CN201810753009.8A 2018-07-10 2018-07-10 一种手绘图案智能识别和纠正方法 Active CN108846386B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201810753009.8A CN108846386B (zh) 2018-07-10 2018-07-10 一种手绘图案智能识别和纠正方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201810753009.8A CN108846386B (zh) 2018-07-10 2018-07-10 一种手绘图案智能识别和纠正方法

Publications (2)

Publication Number Publication Date
CN108846386A CN108846386A (zh) 2018-11-20
CN108846386B true CN108846386B (zh) 2022-06-24

Family

ID=64196958

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201810753009.8A Active CN108846386B (zh) 2018-07-10 2018-07-10 一种手绘图案智能识别和纠正方法

Country Status (1)

Country Link
CN (1) CN108846386B (zh)

Families Citing this family (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112614044A (zh) * 2020-12-14 2021-04-06 咪咕文化科技有限公司 一种手绘头像动漫化方法、系统、电子设备及存储介质
CN112509097B (zh) * 2020-12-21 2023-08-18 深圳市前海手绘科技文化有限公司 一种手绘动画素材编辑方法及装置

Citations (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPH07234937A (ja) * 1994-02-23 1995-09-05 Nippon Telegr & Teleph Corp <Ntt> 図面認識方法及び図面認識システム
CN101593270A (zh) * 2008-05-29 2009-12-02 汉王科技股份有限公司 一种手绘形状识别的方法及装置
CN101799937A (zh) * 2010-03-23 2010-08-11 南京大学 一种采用草图创建三维模型的方法
CN102184395A (zh) * 2011-06-08 2011-09-14 天津大学 基于字符串核的手绘草图识别方法
CN106355973A (zh) * 2016-10-28 2017-01-25 厦门优莱柏网络科技有限公司 一种绘画辅导方法及装置
CN106710318A (zh) * 2016-12-08 2017-05-24 福建天泉教育科技有限公司 一种根据手绘图案构建物理实验的方法
CN107180443A (zh) * 2017-04-28 2017-09-19 深圳市前海手绘科技文化有限公司 一种手绘动画生成方法及其装置
CN107633065A (zh) * 2017-09-21 2018-01-26 天津大学 一种基于手绘草图的识别方法
CN108009286A (zh) * 2017-12-25 2018-05-08 合肥阿巴赛信息科技有限公司 一种基于深度学习的草图检索方法
CN108171766A (zh) * 2017-12-14 2018-06-15 华侨大学 一种具有笔画轮廓纠正功能的图像生成方法
CN108171650A (zh) * 2017-12-14 2018-06-15 华侨大学 一种具有笔画优化功能中国花卉水墨画风格笔画生成方法

Family Cites Families (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US8896622B2 (en) * 2009-09-04 2014-11-25 Adobe Systems Incorporated Methods and apparatus for marker-based stylistic rendering
CN102332170B (zh) * 2011-07-26 2013-06-12 深圳万兴信息科技股份有限公司 一种计算机素描画的生成方法和系统
CN104424473A (zh) * 2013-09-06 2015-03-18 北京三星通信技术研究有限公司 一种手绘草图识别和编辑的方法及装置
DE102015009981A1 (de) * 2015-07-31 2017-02-02 Eberhard Karls Universität Tübingen Verfahren und Vorrichtung zur Bildsynthese

Patent Citations (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPH07234937A (ja) * 1994-02-23 1995-09-05 Nippon Telegr & Teleph Corp <Ntt> 図面認識方法及び図面認識システム
CN101593270A (zh) * 2008-05-29 2009-12-02 汉王科技股份有限公司 一种手绘形状识别的方法及装置
CN101799937A (zh) * 2010-03-23 2010-08-11 南京大学 一种采用草图创建三维模型的方法
CN102184395A (zh) * 2011-06-08 2011-09-14 天津大学 基于字符串核的手绘草图识别方法
CN106355973A (zh) * 2016-10-28 2017-01-25 厦门优莱柏网络科技有限公司 一种绘画辅导方法及装置
CN106710318A (zh) * 2016-12-08 2017-05-24 福建天泉教育科技有限公司 一种根据手绘图案构建物理实验的方法
CN107180443A (zh) * 2017-04-28 2017-09-19 深圳市前海手绘科技文化有限公司 一种手绘动画生成方法及其装置
CN107633065A (zh) * 2017-09-21 2018-01-26 天津大学 一种基于手绘草图的识别方法
CN108171766A (zh) * 2017-12-14 2018-06-15 华侨大学 一种具有笔画轮廓纠正功能的图像生成方法
CN108171650A (zh) * 2017-12-14 2018-06-15 华侨大学 一种具有笔画优化功能中国花卉水墨画风格笔画生成方法
CN108009286A (zh) * 2017-12-25 2018-05-08 合肥阿巴赛信息科技有限公司 一种基于深度学习的草图检索方法

Also Published As

Publication number Publication date
CN108846386A (zh) 2018-11-20

Similar Documents

Publication Publication Date Title
CN108537136B (zh) 基于姿态归一化图像生成的行人重识别方法
CN109145766B (zh) 模型训练方法、装置、识别方法、电子设备及存储介质
JP7386545B2 (ja) 画像中の物体を識別するための方法、及び当該方法を実施するためのモバイル装置
CN106446933B (zh) 基于上下文信息的多目标检测方法
CN110097094B (zh) 一种面向人物交互的多重语义融合少样本分类方法
CN106447625A (zh) 基于人脸图像序列的属性识别方法及装置
JP7058941B2 (ja) 辞書生成装置、辞書生成方法、及びプログラム
CN106845513B (zh) 基于条件随机森林的人手检测器及方法
CN109241808A (zh) 一种时尚图像中二维码自动筛选方法
CN103605972A (zh) 一种基于分块深度神经网络的非限制环境人脸验证方法
CN104200239A (zh) 一种基于图像特征融合识别的签名鉴伪系统及方法
CN103473545B (zh) 一种基于多特征的文本图像相似度度量方法
CN103971106B (zh) 多视角人脸图像性别识别方法及装置
CN109035357B (zh) 一种人工智能自动绘画方法
CN105117399B (zh) 一种图像搜索方法和装置
CN1322471C (zh) 比较图案
CN109213853A (zh) 一种基于cca算法的中文社区问答跨模态检索方法
CN109272003A (zh) 一种消除深度学习模型中未知错误的方法与装置
Li et al. Dating ancient paintings of Mogao Grottoes using deeply learnt visual codes
CN108846386B (zh) 一种手绘图案智能识别和纠正方法
CN108537257A (zh) 基于判别性字典矩阵对的零样本分类方法
Ferrer et al. Static and dynamic synthesis of Bengali and Devanagari signatures
CN111126280A (zh) 基于融合手势识别的失语症患者辅助康复训练系统及方法
Lai et al. Visual speaker identification and authentication by joint spatiotemporal sparse coding and hierarchical pooling
Cosovic et al. Classification methods in cultural heritage

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
GR01 Patent grant
GR01 Patent grant