CN109472234A - 一种手写输入智能识别的方法 - Google Patents
一种手写输入智能识别的方法 Download PDFInfo
- Publication number
- CN109472234A CN109472234A CN201811295398.0A CN201811295398A CN109472234A CN 109472234 A CN109472234 A CN 109472234A CN 201811295398 A CN201811295398 A CN 201811295398A CN 109472234 A CN109472234 A CN 109472234A
- Authority
- CN
- China
- Prior art keywords
- handwriting
- person
- signature
- name
- vector
- 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.)
- Granted
Links
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
- G06V40/30—Writer recognition; Reading and verifying signatures
- G06V40/37—Writer recognition; Reading and verifying signatures based only on signature signals such as velocity or pressure, e.g. dynamic signature recognition
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
- G06V40/30—Writer recognition; Reading and verifying signatures
- G06V40/37—Writer recognition; Reading and verifying signatures based only on signature signals such as velocity or pressure, e.g. dynamic signature recognition
- G06V40/382—Preprocessing; Feature extraction
- G06V40/388—Sampling; Contour coding; Stroke extraction
Landscapes
- Engineering & Computer Science (AREA)
- Human Computer Interaction (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Multimedia (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Collating Specific Patterns (AREA)
- Character Discrimination (AREA)
Abstract
本发明公开了一种手写输入智能识别的方法,涉及手写技术领域。该方法首先,需要根据业务单据报文中的客户姓名,然后,获取到客户通过数码电磁屏输入的签字信息,再然后将得到的签名信息与真实姓名进行比较,如果签署的文字与真实姓名匹配,则签字通过,否则,需要对该字进行重签,直至签字与真实姓名相符,从而保证客户签署的每个文字都与其真实姓名是相符的,而不会出现客户由于随意签字,系统识别出来的签字与实际名字存在明显的差别,对后续的业务稽核造成严重影响的问题,进而极大地改善了业务办理的数据有效性,不仅节省了大量的纸张,起到了节能减排的作用,而且简化了业务办理流程,提高了业务办理的效率,实现了真正的无纸化办公。
Description
技术领域
本发明涉及手写技术领域,尤其涉及一种手写输入智能识别的方法。
背景技术
随着信息技术的飞速发展,有效鉴别一个人的身份在信息安全领域非常重要,手写签名是一种生物特征,利用手写签名进行个人身份认证具有防伪性好,不易遗失或遗忘等特点,是一种重要的个人身份认证手段。
在各行业业务办理过程中,大量的业务需要客户进行签字确认。手写签名分为离线签名和在线签名两种方式,离线签名主要是通过扫描仪等输入设备,将原始的手写签名输入到计算机里,然后进行分析;在线签名主要是通过数码电磁屏实时采集签署人的生物特征和静态特征。与离线签名相比,在线签名可提取签署人更多的信息,签名信息不易伪造。
目前,在无纸化解决方案中,纸质签字通过数码电磁屏签字保存到电子版式文件的方式替代,选用专用数码电磁屏和电磁笔来记录整个签字过程,包括签字的笔画笔顺、笔尖压力、倾斜度及书写时的速度等丰富的动态特性,弥补了离线识别只取静态特性的不足。不仅节省了大量的纸张,起到了节能减排的作用,而且简化了业务办理流程,提高了业务办理的效率。
然而,在数码电磁屏数码电磁屏上签字的过程中,一方面,经常出现部分客户随意签字,与实际名字存在明显的差别的问题,导致对后续的业务稽核造成严重影响。另一方面,在数码电磁屏笔迹可视化过程中,笔迹实时渲染效果不佳,严重影响用户的交互体验。
发明内容
本发明的目的在于提供一种手写输入智能识别的方法,从而解决现有技术中存在的前述问题。
为了实现上述目的,本发明采用的技术方案如下:
一种手写输入智能识别的方法,包括如下步骤:
S1,根据业务单据报文,获取待签字客户的姓名;
S2,获取客户签署的姓名的手写原笔迹;
S3,将所述手写原笔迹识别为对应的标准字符;
S4,获取与手写原笔迹对应的每个字符的相似字列表,并将每个字符的相似字列表中的相似字按照相似程度由大到小进行排序,所有字符的相似字列表;
S5,将S1中获取到的待签字客户的姓名中的每个字符,依次与对应的相似字列表进行比较,如果S1中的字存在于对应的相似字列表中,则该字的签署通过,否则,返回该字重签的信息。
优选地,S1和S2之间还包括步骤:根据客户姓名的字符数n,在签字时动态地生成n个签字框,并显示在数码电磁屏上,每个所述签字框中签署客户姓名中的一个字符。
优选地,S2包括如下步骤:
S201,当数码电磁屏检测到书写时,沿书写路径依次生成多个矢量笔迹点,采集签署人的笔序笔顺,书写的轻重缓急来获取签署人的动态特征,每个矢量笔迹点特征向量记为pi(X,Y,Z,T),其中,(X,Y)为签名的表象特征,即轮廓;Z为压感;T为一个m维向量(T1,T2,...Ti...,Tm),其中T1为签署时的绝对时间,即具体签署文件时的时间戳,(T2,...Ti...,Tm)均为签署的相对时间,T2为从开始签署时计算,采集的每个信息元素相对于T1的时间;T1为从签署的某一个时刻t计算,采集的每个信息元素相对于t时刻的时间,其中,对同一连续书写路径上的笔迹动作,保存为同一组笔迹动作记为向量αi={p1,p2,...pi...,pn},p1为笔迹动作的开始矢量笔迹点的特征,pn为笔迹动作的结束矢量笔迹点的特征,多段笔迹动作记为集合A={α1,α2,...αi...,αn};
S202,对同一连续书写路径上的笔迹动作,保存为同一组笔迹动作αi;还包括添加并保存关键帧的步骤;所述关键帧包括在添加关键帧时刻的状态信息和时间戳信息。
优选地,S3具体为:
读取多段笔迹动作的数据;根据笔迹动作的起始矢量笔迹点特征向量p1,生成笔迹动作,若还包括关键帧,则根据关键帧的状态信息调整显示状态;所述关键帧包括在添加关键帧时刻的状态信息和时间戳信息。
优选地,S3还包括笔迹渲染的步骤。
优选地,S4包括如下步骤:
S401,提取单字的特征,包括落笔顺序、笔画、形状、轮廓和/或偏旁;
S402,根据单字特征数据库对用户的字进行模板匹配,并给出相似字列表。
本发明的有益效果是:本发明实施例提供了一种手写输入智能识别的方法,首先,需要根据业务单据报文中的客户姓名,然后,获取到客户通过数码电磁屏输入的签字信息,再然后将得到的签名信息与真实姓名进行比较,如果签署的文字与真实姓名匹配,则签字通过,否则,需要对该字进行重签,直至签字与真实姓名相符,从而保证客户签署的每个文字都与其真实姓名是相符的,而不会出现客户由于随意签字,系统识别出来的签字与实际名字存在明显的差别,对后续的业务稽核造成严重影响的问题,进而极大的改善了业务办理的数据有效性,不仅节省了大量的纸张,起到了节能减排的作用,而且简化了业务办理流程,提高了业务办理的效率。同时,在数码电磁屏上,实现了实时笔迹渲染效果,进一步提高了在人机交互过程中的用户体验,实现了真正的无纸化办公。
附图说明
图1是本发明提供的手写输入智能识别的方法的步骤流程图;
图2是hi对应的相似字列表;
图3是笔迹轮廓笔迹绘制示意图;
图4是笔迹轮廓轨迹旋转示意图。
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,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方式仅仅用以解释本发明,并不用于限定本发明。
如图1所示,本发明实施例提供了一种手写输入智能识别的方法,包括如下步骤:
S1,根据业务单据报文,获取待签字客户的姓名;
S2,获取客户签署的姓名的手写原笔迹,记为H=(h1,h2,...hi...,hn),其中,n为客户姓名的字数,hi表示姓名的每个字符;
S3,将所述手写原笔迹识别为对应的出版物字符,记为H'=(h1',h2',...hi'...,hn');
S4,获取与手写原笔迹对应的每个字符的相似字列表,并将每个字符的相似字列表中的相似字按照相似程度由大到小进行排序,所有字符的相似字列表记为D=(d1,d2,...di...,dn),其中,di表示hi对应的相似字列表,di=(hi1',hi2',...hij'...,him'),m为相似字列表长度,hi1'为与手写原笔迹最相似的汉字,如图2所示;
S5,将S1中获取到的待签字客户的姓名中的每个字符hi,依次与对应的相似字列表di进行比较,如果S1中的字存在于对应的相似字列表中,则该字的签署通过,否则,返回该字重签的信息。
上述方法是针对现有技术中,客户随意签字,与实际名字存在明显的差别。对后续的业务稽核造成严重影响的问题,而提出的一种基于签字轨迹提取及文字识别技术的解决方案。
用户在数码电磁屏上签字后,系统如何获取到签字信息,可以包括如下步骤:
步骤一,获取客户签署的姓名的手写原笔迹;
步骤二,将所述手写原笔迹识别为对应的标准字;
步骤三,获取与每个标准字对应的相似字列表;
在上述三个步骤中,数码电磁屏数码电磁屏把每个签字原笔迹数据传送给处理器,处理器将签字原笔迹数据识别为标准字符后,再根据汉字识别方法得到展示形象字列表(即相似字列表)。
通过上述步骤得到签署汉字的相似字列表后,就可以将客户的真实姓名与列表中的文字进行比较判断,如果客户真实姓名的文字在相似字列表中,则进行下一个字的签署,如果不在则进行单字重签,直到达到签字信息与真实名字的对应的要求为止。
其中,S1和S2之间还可以包括步骤:根据客户姓名的字符数n,在签字时动态地生成n个签字框,并显示在数码电磁屏上,每个所述签字框中签署客户姓名中的一个字符。
采用上述方法,可以使得客户在签字的过程中,会在每个签字框中只签署一个字,从而便于对字笔迹的保存。
本实施例中,S2可以包括如下步骤:
S201,当数码电磁屏检测到书写时,沿书写路径依次生成多个矢量笔迹点,采集签署人的笔序笔顺,书写的轻重缓急来获取签署人的动态特征,每个矢量笔迹点特征向量记为pi(X,Y,Z,T),其中,(X,Y)为签名的表象特征,即轮廓;Z为压感;T为一个m维向量(T1,T2,...Ti...,Tm),其中T1为签署时的绝对时间,即具体签署文件时的时间戳,(T2,...Ti...,Tm)均为签署的相对时间,T2为从开始签署时计算,采集的每个信息元素相对于T1的时间;T1为从签署的某一个时刻t计算,采集的每个信息元素相对于t时刻的时间其中,对同一连续书写路径上的笔迹动作,保存为同一组笔迹动作记为向量αi={p1,p2,...pi...,pn},p1为笔迹动作的开始矢量笔迹点的特征,pn为笔迹动作的结束矢量笔迹点的特征,多段笔迹动作记为集合A={α1,α2,...αi...,αn};
S202,对同一连续书写路径上的笔迹动作,保存为同一组笔迹动作αi;还包括添加并保存关键帧的步骤;所述关键帧包括在添加关键帧时刻的状态信息和时间戳信息。
需要指出的是,本发明技术并不局限于以上所提到的笔迹点特征向量提取的几个维度的特征,其他改进的笔迹点特征向量的提取方法同样适用,例如本文提取笔迹点特征的基础上,增加签署人书写的速度及加速度等特征。
根据S2得到多段笔迹动作数据集合A,S3具体可以为:
读取多段笔迹动作的数据;根据笔迹动作的起始矢量笔迹点特征向量p1,生成笔迹动作,若还包括关键帧,则根据关键帧的状态信息调整显示状态;所述关键帧包括在添加关键帧时刻的状态信息和时间戳信息。
在本发明中,S3还可以包括笔迹渲染的步骤。
具体的,可以包括如下两种笔迹渲染的方法:
实施例一,根据Bezier曲线直接拟合渲染显示笔迹轨迹。具体步骤如下,
为了拟合一条曲线,用三次Bezier曲线是不够的,如果采用高次的Bezier曲线拟合则计算量大,而且拟合精度也不好。在笔迹动作中,分段用Bezier曲线拟合,则较好地解决了这个问题。对每段三次Bezier曲线的某一个点作为二重导引点与前后相邻两线段上的一点构成,曲线段的端点与其前后曲线段的相应端点重合。具体步骤如下。
根据S2得到的签署人笔迹点的特征向量pi(X,Y,Z,T),三次Bezier曲线的拟合插值公式,如公式(1)所示,
其中,Bi,2(t)是Bernstein基函数,是曲线上各点位置矢量的调和函数。P0、P1分别是曲线拟合的两个端点,Pc1、Pc2分别为三次Bezier曲线的两个控制点。
步骤1,根据S2得到的签署人笔迹点pi(X,Y,Z,T),1/t为笔迹动作中曲线插值的总点数,在签署人书写的过程中,需要实时从笔迹动作αi中选取m(m>6)个笔迹点,对每两个相邻笔迹点进行拟合插值处理。保证签署人在书写的时候,可以实时进行渲染。
步骤2,为了保证笔迹轨迹的圆滑效果,同时为了提高笔迹渲染的效率,故选取个点作为笔迹点的显示结果。
步骤3,从第个点开始,重复执行步骤1和步骤2,与剩余轨迹点进行二次拟合插值操作,依然选取个点作为笔迹点的显示结果,依次类推,根据签署人在数码电磁屏上绘制的轨迹,对轨迹进行实时渲染。
其中,笔迹渲染可以包括如下方法:
笔迹渲染宽度根据压力T的大小确定笔迹渲染的宽度W。首先根据压感极值Tmax,确定设备笔迹渲染最大线宽Wmax,从而获得根据压力的大小确定笔迹渲染的宽度的比例Wmax/Tmax,计算笔迹渲染线宽W,如公式(2)所示,
W=Wmax×T/Tmax (公式2)
公式2中,笔迹渲染最大线宽Wmax受手写签名区域大小的影响,Wmax=Wmax'×θ,最大线宽Wmax与手写签名区域的比例记为θ,手写签名区域越大,笔迹渲染最大线宽越宽。
实施例二,根据贝塞尔曲线实时绘制轮廓,然后对轮廓进行填充渲染,得到渲染之后的笔迹。具体步骤如下,
步骤1,根据S2得到的签署人笔迹点的特征向量pi(X,Y,Z,T),三次Bezier曲线的拟合插值公式,如公式(1)所示。从同一组笔迹动作αi中选取t+m时间段中m(m>2)个笔迹点,进行轮廓计算。具体步骤如下,
步骤1.1,对于每一个笔迹点,绘制笔迹点外接矩形,每个外界矩形包含k个辅助点,如图3所示,由每个矩形上的k个点决定Bezier曲线的位置。
步骤1.2,对每m个笔迹点绘制k条Bezier曲线,构成闭合Bezier曲线轮廓,如图3所示。具体步骤如下,
步骤1.2.1,根据签署人t时刻与t+1时刻的笔迹点位置,根据外接矩形中心点计算出笔迹点之间的夹角,如图4所示。
步骤1.2.2,对t-1时刻绘制得到的曲线部分轮廓进行旋转,得到圆滑的旋转之后的曲线轮廓。
步骤1.3,从t+1时刻开始,按照签署人书写轨迹的方向选取m个点,画k条Bezier曲线,重复执行步骤1.1和步骤1.2。
步骤1.4,依次类推,实时进行渲染,对于得到部分轮廓进行填充,从而显示到数码电磁屏上。
需要指出的是,本发明技术并不局限于以上所提到的Bezier曲线笔迹渲染方法和通过绘制Bezier曲线,对构成的轮廓进行填充的笔迹渲染方法,其他改进的笔迹渲染方法同样适用。
本实施例中,S4可以包括如下步骤:
S401,提取单个字符的特征,包括签署人落笔顺序、笔画、形状、轮廓和/或偏旁等,记为特征向量ci,单个字符的类别记为ki,多个字符构成集合C;
S402,根据提取的单个字符的特征ci,在单字特征数据库G中进行模板匹配,从而得到相似字列表di。
单个字符特征数据库记为集合G,多个字符特征记为集合C,C={c1,c2,...ci...,cn},映射关系如公式(3)所示。
f:G→C或者ci=f(g) (公式3)
其中,g∈G为一个特征。
这种映射不是一一对应的关系,会存在误识和拒识问题。
所以,对于手写原笔迹还原后得到的汉字,可以匹配出多个相似的汉字,但是,这些相似的汉字都是根据还原字的特征匹配得到的,所以,可以作为手写原笔迹的所有可能的还原字存在。
因此,只要将根据业务单据报文,获取到的待签字客户的姓名中的字与该相似字列表进行比较,就可以得知,用户的签名与其真实姓名是否相符,或者说,其签名是否能代表其真实姓名。
通过采用本发明公开的上述技术方案,得到了如下有益的效果:本发明实施例提供了一种手写输入智能识别的方法,首先,需要获取业务单据报文中的客户姓名,然后,获取到客户通过数码电磁屏数码电磁屏输入的签字信息,最后,将得到的签名信息与真实姓名进行比较,如果签署的文字与真实姓名匹配,则签字通过,否则,需要对该字进行重签,直至签字与真实姓名相符,从而保证客户签署的每个文字都与其真实姓名是相符的,而不会出现客户由于随意签字,系统识别出来的签字与实际名字存在明显的差别,对后续的业务稽核造成严重影响的问题,进而极大的改善了业务办理的数据有效性,不仅节省了大量的纸张,起到了节能减排的作用,而且简化了业务办理流程,提高了业务办理的效率。同时,在数码电磁屏上,实现了实时笔迹渲染效果,进一步提高了在人机交互过程中的用户体验,实现了真正的无纸化办公。
以上所述仅是本发明的优选实施方式,应当指出,对于本技术领域的普通技术人员来说,在不脱离本发明原理的前提下,还可以做出若干改进和润饰,这些改进和润饰也应视本发明的保护范围。
Claims (6)
1.一种手写输入智能识别的方法,其特征在于,包括如下步骤:
S1,根据业务单据报文,获取待签字客户的姓名;
S2,获取客户签署的姓名的手写原笔迹;
S3,将所述手写原笔迹识别为对应的标准字符;
S4,获取与手写原笔迹对应的每个字符的相似字列表,并将每个字符的相似字列表中的相似字按照相似程度由大到小进行排序,所有字符的相似字列表;
S5,将S1中获取到的待签字客户的姓名中的每个字符,依次与对应的相似字列表进行比较,如果S1中的字存在于对应的相似字列表中,则该字的签署通过,否则,返回该字重签的信息。
2.根据权利要求1所述的手写输入智能识别的方法,其特征在于,S1和S2之间还包括步骤:根据客户姓名的字符数n,在签字时动态地生成n个签字框,并显示在数码电磁屏上,每个所述签字框中签署客户姓名中的一个字符。
3.根据权利要求1所述的手写输入智能识别的方法,其特征在于,S2包括如下步骤:
S201,当数码电磁屏检测到书写时,沿书写路径依次生成多个矢量笔迹点,采集签署人的笔序笔顺,书写的轻重缓急来获取签署人的动态特征,每个矢量笔迹点特征向量记为pi(X,Y,Z,T),其中,(X,Y)为签名的表象特征,即轮廓;Z为压感;T为一个m维向量(T1,T2,...Ti...,Tm),其中T1为签署时的绝对时间,即具体签署文件时的时间戳,(T2,...Ti...,Tm)均为签署的相对时间,T2为从开始签署时计算,采集的每个信息元素相对于T1的时间;T1为从签署的某一个时刻t计算,采集的每个信息元素相对于t时刻的时间,其中,对同一连续书写路径上的笔迹动作,保存为同一组笔迹动作记为向量αi={p1,p2,...pi...,pn},p1为笔迹动作的开始矢量笔迹点的特征,pn为笔迹动作的结束矢量笔迹点的特征,多段笔迹动作记为集合A={α1,α2,...αi...,αn};
S202,对同一连续书写路径上的笔迹动作,保存为同一组笔迹动作αi;还包括添加并保存关键帧的步骤;所述关键帧包括在添加关键帧时刻的状态信息和时间戳信息。
4.根据权利要求3所述的手写输入智能识别的方法,其特征在于,S3具体为:
读取多段笔迹动作的数据;根据笔迹动作的起始矢量笔迹点特征向量p1,生成笔迹动作,若还包括关键帧,则根据关键帧的状态信息调整显示状态;所述关键帧包括在添加关键帧时刻的状态信息和时间戳信息。
5.根据权利要求4所述的手写输入智能识别的方法,其特征在于,S3还包括笔迹渲染的步骤。
6.根据权利要求1所述的手写输入智能识别的方法,其特征在于,S4包括如下步骤:
S401,提取单字的特征,包括落笔顺序、笔画、形状、轮廓和/或偏旁;
S402,根据单字特征数据库对用户的字进行模板匹配,并给出相似字列表。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811295398.0A CN109472234B (zh) | 2018-11-01 | 2018-11-01 | 一种手写输入智能识别的方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811295398.0A CN109472234B (zh) | 2018-11-01 | 2018-11-01 | 一种手写输入智能识别的方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN109472234A true CN109472234A (zh) | 2019-03-15 |
CN109472234B CN109472234B (zh) | 2021-07-20 |
Family
ID=65672251
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201811295398.0A Active CN109472234B (zh) | 2018-11-01 | 2018-11-01 | 一种手写输入智能识别的方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109472234B (zh) |
Cited By (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110245571A (zh) * | 2019-05-20 | 2019-09-17 | 深圳壹账通智能科技有限公司 | 合同签字审核方法、装置、计算机设备和存储介质 |
CN111310548A (zh) * | 2019-12-04 | 2020-06-19 | 武汉汉德瑞庭科技有限公司 | 一种在线手写笔迹中笔画类型的识别方法 |
CN111680555A (zh) * | 2020-04-29 | 2020-09-18 | 上海奇初教育科技有限公司 | 一种智能手写笔迹识别系统 |
CN111985319A (zh) * | 2020-07-13 | 2020-11-24 | 上海眼控科技股份有限公司 | 签名识别方法及设备 |
CN113158819A (zh) * | 2021-03-29 | 2021-07-23 | 郑静 | 基于手持终端的签名验证方法 |
CN114969690A (zh) * | 2022-04-22 | 2022-08-30 | 北京建科研软件技术有限公司 | 一种工程资料用基于ai识别的手写签名生成方法 |
CN116612483A (zh) * | 2023-07-19 | 2023-08-18 | 广州宏途数字科技有限公司 | 一种智能笔手写矢量的识别方法及装置 |
Citations (16)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2001256438A (ja) * | 2000-03-14 | 2001-09-21 | Ntt Comware Corp | 手書き文字管理装置、手書き文字管理方法、手書き文字照会システムおよび手書き文字照会方法 |
CN1445663A (zh) * | 2002-03-19 | 2003-10-01 | 富士通株式会社 | 手写签名鉴定程序、方法和设备 |
US20070274590A1 (en) * | 2006-05-26 | 2007-11-29 | Tsunekazu Arai | Handwriting processing apparatus and method |
CN101964048A (zh) * | 2010-07-19 | 2011-02-02 | 安徽科大讯飞信息科技股份有限公司 | 一种字符识别方法及系统 |
US20130077865A1 (en) * | 2011-09-23 | 2013-03-28 | International Business Machines Corporation | Tactile Input Recognition Using Best Fit Match |
US20140355027A1 (en) * | 2013-05-31 | 2014-12-04 | Kyocera Document Solutions Inc. | Image Forming Apparatus with High Security for Individual Information |
CN104281831A (zh) * | 2013-07-02 | 2015-01-14 | 阿里巴巴集团控股有限公司 | 一种笔迹验证的方法和装置 |
CN104462908A (zh) * | 2013-09-12 | 2015-03-25 | 中国电信股份有限公司 | 一种触摸屏手指书写签名的方法和系统 |
CN104794485A (zh) * | 2015-04-09 | 2015-07-22 | 广东小天才科技有限公司 | 一种识别书写字的方法及装置 |
CN104820924A (zh) * | 2015-05-13 | 2015-08-05 | 重庆邮电大学 | 一种基于笔迹鉴定的网上安全支付系统 |
WO2015183015A1 (ko) * | 2014-05-30 | 2015-12-03 | 삼성에스디에스 주식회사 | 문자 인식 방법 및 그 장치 |
US9454706B1 (en) * | 2015-07-24 | 2016-09-27 | King Fahd University Of Petroleum And Minerals | Arabic like online alphanumeric character recognition system and method using automatic fuzzy modeling |
CN106570919A (zh) * | 2016-10-13 | 2017-04-19 | 深圳市创易联合科技有限公司 | 电子笔迹的保存方法和还原方法 |
CN106778151A (zh) * | 2016-11-14 | 2017-05-31 | 北京爱知之星科技股份有限公司 | 基于笔迹的用户身份识别方法和装置 |
CN106951832A (zh) * | 2017-02-28 | 2017-07-14 | 广东数相智能科技有限公司 | 一种基于手写字符识别的验证方法及装置 |
CN107451559A (zh) * | 2017-07-31 | 2017-12-08 | 邱宇轩 | 基于机器学习的帕金森病人手写文字自动识别方法 |
-
2018
- 2018-11-01 CN CN201811295398.0A patent/CN109472234B/zh active Active
Patent Citations (16)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2001256438A (ja) * | 2000-03-14 | 2001-09-21 | Ntt Comware Corp | 手書き文字管理装置、手書き文字管理方法、手書き文字照会システムおよび手書き文字照会方法 |
CN1445663A (zh) * | 2002-03-19 | 2003-10-01 | 富士通株式会社 | 手写签名鉴定程序、方法和设备 |
US20070274590A1 (en) * | 2006-05-26 | 2007-11-29 | Tsunekazu Arai | Handwriting processing apparatus and method |
CN101964048A (zh) * | 2010-07-19 | 2011-02-02 | 安徽科大讯飞信息科技股份有限公司 | 一种字符识别方法及系统 |
US20130077865A1 (en) * | 2011-09-23 | 2013-03-28 | International Business Machines Corporation | Tactile Input Recognition Using Best Fit Match |
US20140355027A1 (en) * | 2013-05-31 | 2014-12-04 | Kyocera Document Solutions Inc. | Image Forming Apparatus with High Security for Individual Information |
CN104281831A (zh) * | 2013-07-02 | 2015-01-14 | 阿里巴巴集团控股有限公司 | 一种笔迹验证的方法和装置 |
CN104462908A (zh) * | 2013-09-12 | 2015-03-25 | 中国电信股份有限公司 | 一种触摸屏手指书写签名的方法和系统 |
WO2015183015A1 (ko) * | 2014-05-30 | 2015-12-03 | 삼성에스디에스 주식회사 | 문자 인식 방법 및 그 장치 |
CN104794485A (zh) * | 2015-04-09 | 2015-07-22 | 广东小天才科技有限公司 | 一种识别书写字的方法及装置 |
CN104820924A (zh) * | 2015-05-13 | 2015-08-05 | 重庆邮电大学 | 一种基于笔迹鉴定的网上安全支付系统 |
US9454706B1 (en) * | 2015-07-24 | 2016-09-27 | King Fahd University Of Petroleum And Minerals | Arabic like online alphanumeric character recognition system and method using automatic fuzzy modeling |
CN106570919A (zh) * | 2016-10-13 | 2017-04-19 | 深圳市创易联合科技有限公司 | 电子笔迹的保存方法和还原方法 |
CN106778151A (zh) * | 2016-11-14 | 2017-05-31 | 北京爱知之星科技股份有限公司 | 基于笔迹的用户身份识别方法和装置 |
CN106951832A (zh) * | 2017-02-28 | 2017-07-14 | 广东数相智能科技有限公司 | 一种基于手写字符识别的验证方法及装置 |
CN107451559A (zh) * | 2017-07-31 | 2017-12-08 | 邱宇轩 | 基于机器学习的帕金森病人手写文字自动识别方法 |
Non-Patent Citations (1)
Title |
---|
李慧: "在线手写文档识别方法的研究", 《中国优秀硕士学位论文全文数据库》 * |
Cited By (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110245571A (zh) * | 2019-05-20 | 2019-09-17 | 深圳壹账通智能科技有限公司 | 合同签字审核方法、装置、计算机设备和存储介质 |
CN111310548A (zh) * | 2019-12-04 | 2020-06-19 | 武汉汉德瑞庭科技有限公司 | 一种在线手写笔迹中笔画类型的识别方法 |
CN111310548B (zh) * | 2019-12-04 | 2023-09-19 | 武汉汉德瑞庭科技有限公司 | 一种在线手写笔迹中笔画类型的识别方法 |
CN111680555A (zh) * | 2020-04-29 | 2020-09-18 | 上海奇初教育科技有限公司 | 一种智能手写笔迹识别系统 |
CN111985319A (zh) * | 2020-07-13 | 2020-11-24 | 上海眼控科技股份有限公司 | 签名识别方法及设备 |
CN113158819A (zh) * | 2021-03-29 | 2021-07-23 | 郑静 | 基于手持终端的签名验证方法 |
CN113158819B (zh) * | 2021-03-29 | 2022-04-22 | 郑静 | 基于手持终端的签名验证方法 |
CN114969690A (zh) * | 2022-04-22 | 2022-08-30 | 北京建科研软件技术有限公司 | 一种工程资料用基于ai识别的手写签名生成方法 |
CN116612483A (zh) * | 2023-07-19 | 2023-08-18 | 广州宏途数字科技有限公司 | 一种智能笔手写矢量的识别方法及装置 |
CN116612483B (zh) * | 2023-07-19 | 2023-09-29 | 广州宏途数字科技有限公司 | 一种智能笔手写矢量的识别方法及装置 |
Also Published As
Publication number | Publication date |
---|---|
CN109472234B (zh) | 2021-07-20 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109472234A (zh) | 一种手写输入智能识别的方法 | |
US11816326B2 (en) | Managing real-time handwriting recognition | |
Priya et al. | Online and offline character recognition: A survey | |
US7630962B2 (en) | Electronic filing system searchable by a handwritten search query | |
US7697001B2 (en) | Personalized ink font | |
US20090041354A1 (en) | Hidden Markov Model Based Handwriting/Calligraphy Generation | |
US20200110806A1 (en) | Methods, devices and systems for data augmentation to improve fraud detection | |
US5438631A (en) | Handwriting and character recognition system | |
US7295206B2 (en) | Ink input region adjustments | |
Awaida et al. | Writer identification of arabic text using statistical and structural features | |
CN103885699A (zh) | 一种基于移动终端自动摹写手写体的方法 | |
CN111738167A (zh) | 一种无约束手写文本图像的识别方法 | |
Ousmer et al. | Recognizing 3D trajectories as 2D multi-stroke gestures | |
CN103914503A (zh) | 产生个人化手写字体的系统及其方法 | |
Jayaraman et al. | Modular approach to recognition of strokes in Telugu script | |
Sreeraj et al. | k-NN based On-Line Handwritten Character recognition system | |
Liu et al. | Advances in chinese document and text processing | |
Haque et al. | A finite state model for Urdu Nastalique optical character recognition | |
Bhatt et al. | Aspects of handwriting synthesis and its applications | |
AYALNEH | Online Handwriting Recognition of Ethiopic Characters Using Svm | |
CN112818145B (zh) | 一种智能字体风格渲染系统 | |
Buoy et al. | Toward a low-resource non-latin-complete baseline: an exploration of khmer optical character recognition | |
Anquetil et al. | New Advances and New Challenges in On-Line Handwriting Recognition and Electronic Ink Management | |
Korovai et al. | Handwriting Enhancement: Recognition-Based and Recognition-Independent Approaches for On-device Online Handwritten Text Alignment | |
Singhal et al. | An Efficient, Fast and Accurate Online Signature Verification Using Blended Feature Vector and Deep Learning |
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 |