CN109871910A - 一种手写字符识别方法及装置 - Google Patents
一种手写字符识别方法及装置 Download PDFInfo
- Publication number
- CN109871910A CN109871910A CN201910187215.1A CN201910187215A CN109871910A CN 109871910 A CN109871910 A CN 109871910A CN 201910187215 A CN201910187215 A CN 201910187215A CN 109871910 A CN109871910 A CN 109871910A
- Authority
- CN
- China
- Prior art keywords
- processing
- mapping relations
- individual digit
- symbol
- text
- 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
Landscapes
- Character Discrimination (AREA)
Abstract
本发明提供一种手写字符识别方法及装置,涉及文字识别技术领域。该方法包括:判断目标图形是否为单个数字;若是,则根据图形与单个数字的映射关系,获取目标图形对应的单个数字;若否,则判断目标图形的字符类型;其中,字符类型包括:数字类型、文字类型和符号类型;当字符类型为数字类型时,根据图形与数字的映射关系,获取目标图形对应的数字;当字符类型为文字类型时,根据图形与文字的映射关系,获取目标图形对应的文字;当字符类型为符号类型时,根据图形与符号的映射关系,获取目标图形对应的符号。对不同字符类型的手写字符的分开识别,提高了手写字符的识别率。
Description
技术领域
本发明涉及文字识别技术领域,具体而言,涉及一种手写字符识别方法及装置。
背景技术
字符识别作为一项常见的人机交互方式,广泛的应用于财务、税务、金融等领域上,在国内外都是研究的热门领域。在国内外,对字符识别的正确率已经达到了90%以上了。由于不同的人写的字差异很大,因此目前对于手写字符的识别率仍然比较低。
现有技术中,通过机器学习算法,对模型进行训练,用训练后的模型对手写字符进行识别,使得手写字符的识别率有所提高,但是手写字符的识别率还是差强人意,有待提高。
发明内容
本发明的目的在于,针对上述现有技术中的不足,提供一种手写字符识别方法及装置,以解决手写字符识别率不高的问题。
为实现上述目的,本发明实施例采用的技术方案如下:
第一方面,本发明实施例提供了一种手写字符识别方法,包括:判断目标图形是否为单个数字;若是,则根据图形与单个数字的映射关系,获取所述目标图形对应的单个数字;若否,则判断所述目标图形的字符类型;其中,所述字符类型包括:数字类型、文字类型和符号类型;当所述字符类型为所述数字类型时,根据所述图形与数字的映射关系,获取所述目标图形对应的数字;当所述字符类型为所述文字类型时,根据所述图形与文字的映射关系,获取所述目标图形对应的文字;当所述字符类型为所述符号类型时,根据所述图形与符号的映射关系,获取所述目标图形对应的符号。
可选地,所述判断目标图形是否为单个数字之前,还包括:将所述目标图形进行去噪处理,获得第一处理图形。
可选地,所述将所述目标图形进行去噪处理,获得第一处理图形之后,还包括:若所述第一处理图形不连续,则对所述第一处理图形进行字符分割,获得至少两个第二处理图形;其中,每个所述第二处理图形表示所述第一处理图形中的连续子图形。
可选地,在所述对所述第一处理图形进行字符分割,获得至少两个第二处理图形之后,还包括:对每个所述第二处理图形进行定位,分别确定每个所述第二处理图形对应的位置信息。
可选地,在所述对每个所述第二处理图形进行定位,分别确定每个所述第二处理图形对应的位置信息之后,还包括:判断每个所述第二处理图形是否为单个数字;若所述第二处理图形为所述单个数字,则根据所述图形与单个数字的映射关系,获取所述第二处理图形对应的单个数字;若所述第二处理图形不为所述单个数字,则判断所述第二处理图形的字符类型;当所述字符类型为所述数字类型时,根据所述图形与数字的映射关系,获取所述第二处理图形对应的数字;当所述字符类型为所述文字类型时,根据所述图形与文字的映射关系,获取所述第二处理图形对应的文字;当所述字符类型为所述符号类型时,根据所述图形与符号的映射关系,获取所述第二处理图形对应的符号;根据每个所述第二处理图形对应的位置信息,和每个所述第二处理图形对应的单个数字或数字或文字或符号,构成目标字符组。
可选地,在所述判断目标图形是否为单个数字之前,还包括:标记所述图形对应的字符标签;则所述图形与所述字符标签具有第一映射关系;所述字符标签表示所述图形为:单个数字、数字、文字或符号。判断所述图形是否为单个数字;若是,通过所述第一映射关系,获得对应的单个数字;若所述单个数字与所述字符标签一致,建立所述图形与所述单个数字的映射关系;若否,则将所述图形进行分类,确定所述字符类型;若所述字符类型为所述数字类型,通过所述第一映射关系,获得对应的数字;若所述数字与所述字符标签一致,建立所述图形与数字的映射关系;若所述字符类型为所述文字类型,通过所述第一映射关系,获得对应的文字;若所述文字与所述字符标签一致,建立所述图形与文字的映射关系;若所述字符类型为所述符号类型,通过所述第一映射关系,获得对应的符号;若所述符号与所述字符标签一致,建立所述图形与符号的映射关系。
第二方面,本发明实施例还提供了一种手写字符识别装置,包括:判断模块和获取模块;所述判断模块,用于判断目标图形是否为单个数字;所述获取模块,用于若所述目标图形为单个数字,则根据图形与单个数字的映射关系,获取所述目标图形对应的单个数字;用于若所述目标图形不为单个数字,若否,则判断所述目标图形的字符类型;其中,所述字符类型包括:数字类型、文字类型和符号类型;当所述字符类型为所述数字类型时,根据所述图形与数字的映射关系,获取所述目标图形对应的数字;当所述字符类型为所述文字类型时,根据所述图形与文字的映射关系,获取所述目标图形对应的文字;当所述字符类型为所述符号类型时,根据所述图形与符号的映射关系,获取所述目标图形对应的符号。
可选地,所述装置还包括:预处理模块;所述预处理模块,用于将所述目标图形进行去噪处理,获得第一处理图形;若所述第一处理图形不连续,则对所述第一处理图形进行字符分割,获得至少两个第二处理图形;其中,每个所述第二处理图形表示所述第一处理图形中的连续子图形;对每个所述第二处理图形进行定位,分别确定每个所述第二处理图形对应的位置信息。
可选地,所述装置还包括:构成模块;所述判断模块,具体用于判断每个所述第二处理图形是否为单个数字;所述获取模块,具体用于若所述第二处理图形为所述单个数字,则根据所述图形与单个数字的映射关系,获取所述第二处理图形对应的单个数字;若所述第二处理图形不为所述单个数字,则判断所述第二处理图形的字符类型;当所述字符类型为所述数字类型时,根据所述图形与数字的映射关系,获取所述第二处理图形对应的数字;当所述字符类型为所述文字类型时,根据所述图形与文字的映射关系,获取所述第二处理图形对应的文字;当所述字符类型为所述符号类型时,根据所述图形与符号的映射关系,获取所述第二处理图形对应的符号;所述构成模块,用于根据每个所述第二处理图形对应的位置信息,和每个所述第二处理图形对应的单个数字或数字或文字或符号,构成目标字符组。
可选地,所述装置还包括:标记模块;所述标记模块,用于标记所述图形对应的字符标签;则所述图形与所述字符标签具有第一映射关系;所述字符标签表示所述图形为:单个数字、数字、文字或符号;所述判断模块,还用于判断所述图形是否为单个数字;若是,通过所述第一映射关系,获得对应的单个数字;若所述单个数字与所述字符标签一致,建立所述图形与所述单个数字的映射关系;若否,则将所述图形进行分类,确定所述字符类型;若所述字符类型为所述数字类型,通过所述第一映射关系,获得对应的数字;若所述数字与所述字符标签一致,建立所述图形与数字的映射关系;若所述字符类型为所述文字类型,通过所述第一映射关系,获得对应的文字;若所述文字与所述字符标签一致,建立所述图形与文字的映射关系;若所述字符类型为所述符号类型,通过所述第一映射关系,获得对应的符号;若所述符号与所述字符标签一致,建立所述图形与符号的映射关系。
本发明的有益效果是:对目标图形中单个数字识别进行识别。对不是单个数字的目标图形,分别针对数字类型、文字类型、符号类型等不同的字符进行识别。对不同类型的目标图形采用不同的方式进行识别,提高了目标图形中手写字符的识别率。
附图说明
为了更清楚地说明本发明实施例的技术方案,下面将对实施例中所需要使用的附图作简单地介绍,应当理解,以下附图仅示出了本发明的某些实施例,因此不应被看作是对范围的限定,对于本领域普通技术人员来讲,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相关的附图。
图1为本申请一实施例提供的手写字符识别模型意图;
图2为本申请一实施例提供的手写字符识别方法流程示意图;
图3为本申请另一实施例提供的手写字符识别方法流程示意图;
图4为本申请另一实施例提供的连通区域示意图;
图5为本申请另一实施例提供的手写字符识别方法流程示意图;
图6为本申请另一实施例提供的手写字符识别方法流程示意图;
图7为本申请一实施例提供的手写字符识别装置结构示意图;
图8为本申请另一实施例提供的手写字符识别装置结构示意图;
图9为本申请另一实施例提供的手写字符识别装置结构示意图;
图10为本申请另一实施例提供的手写字符识别装置结构示意图;
图11为本申请另一实施例提供的手写字符识别装置结构示意图。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚,下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例是本发明一部分实施例,而不是全部的实施例。
下面对应本申请涉及的手写字符识别方法的实现模型进行说明,具体的,图1为本申请一实施例提供的手写字符识别模型意图,如图1所示,手写字符识别模型具体包括:
将目标图形输入手写字符识别模型中,判断目标图形是否是单个数字。如果目标图形是单个数字,进行单个数字识别,获取目标图形对应的单个数字,将识别出的单个数字存放在目标字符组中。
如果目标图形不是单个数字,则判断目标图形的字符类型,目标图形的字符类型包括:数字类型、文字类型和符号类型。
如果目标图形的字符类型是数字类型,则进行数字识别,获取目标图形对应的数字,将识别出的数字存放在目标字符组中。
如果目标图形的字符类型是文字类型,则进行文字识别,获取目标图形对应的文字,将识别出的文字存放在目标字符组中。
如果目标图形的字符类型是符号类型,则进行符号识别,获取目标图形对应的符号,将识别出的符号存放在目标字符组中。
例如,符号为“+”、“-”等。
基于上述实施例提供的手写字符识别模型,下面给出了一种手写字符识别方法,针对目标图形的类型,实现了目标图形手写字符的识别,图2为本申请一实施例提供的手写字符识别方法流程示意图,具体的,如图2所示,该方法包括:
S110、判断目标图形是否为单个数字。
可选地,在判断目标图形之前,可以通过扫描设备扫描图片数据,获得目标图形。
S120、若是,则根据图形与单个数字的映射关系,获取目标图形对应的单个数字。
其中,单个数字是指的0-9的整数。
如果目标图形是单个数字,图1中单个数字识别的功能可通过步骤S120实现。
需要说明的是,如果该目标图形不是单个数字,则执行步骤S130。对于同一个目标图形,不能同时执行步骤S120和S130,只执行步骤S120或S130。
S130、若否,则判断目标图形的字符类型。其中,字符类型包括:数字类型、文字类型和符号类型。
图1中的判断目标图形的字符类型的功能可通过步骤S130实现。
S131、当字符类型为数字类型时,根据图形与数字的映射关系,获取目标图形对应的数字。
需要说明的是,字符类型为数字类型的数字,指的是在目标图形中的数字使连续的。
图1中的数字识别功能可通过步骤S131实现。
S132、当字符类型为文字类型时,根据图形与文字的映射关系,获取目标图形对应的文字。
图1中的文字识别功能可通过步骤S132实现。
S133、当字符类型为符号类型时,根据图形与符号的映射关系,获取目标图形对应的符号。
图1中的符号识别功能可通过步骤S133实现。
本实施例中,对目标图形进行单个数字的判断,如果是单个数字,识别出目标图形;如果不是单个数字,则根据目标图形的字符类型进行分类,并且根据目标图形对应的字符类型,识别目标图形。针对目标图形的类型,对目标图形进行识别,提高了目标图形的手写字符的识别率。
可选地,图3为本申请另一实施例提供的手写字符识别方法流程示意图,在判断目标图形是否为单个数字之前,如图3所示,还包括:
S201、将目标图形进行去噪处理,获得第一处理图形。
为了将简化后目标图片手写字符的识别过程,对目标图形进行去噪处理。去噪处理后,避免了光照等因素对目标图形手写字符识别造成的影响,但又保留了图片的基本信息,不影响后对图片的识别。
可选地,采用下述方法对目标图像进行去噪处理:缩小目标图形的比例尺寸,例如将目标图像缩小至图像尺寸大小为28*28,即目标图像的宽度为28像素,高度为28像素,一共28*28的像素点,其中像素点是图像最小的组成单元。
可选地,将目标图像进行灰度化处理,避免图像色彩对识别过程带来干扰。
可选地,目标图像进行二值化处理,得到亮度值只有黑和白两个状态的图像。
可选地,对目标图形进行去噪处理还可以包括滤波,边沿检测等。
S202、若第一处理图形不连续,则对第一处理图形进行字符分割,获得至少两个第二处理图形。
其中,每个第二处理图形表示第一处理图形中的连续子图形。
需要说明的是,第一处理图像连续是指的第一图像中,被连笔写的字或者数字,例如28,20。
字符的分割具体包括:
遍历第一处理图形,查找第一处理图形中的所有连通区域。在上述二值化处理时,将像素点标记为黑和白像素点,如果像素点中的黑色像素点连续,则被认为是一个连通区域。
在两个相邻的连通区域中,相隔距离小于预设值,确认两个连通区域为同一个第二处理图形。
例如,图4为本申请另一实施例提供的连通区域示意图,如图4所示,在连通区域A和B中,A在坐标轴的横轴上,起始坐标为X21,结束坐标为X22。B在坐标轴的横轴上,起始坐标为X11,结束坐标为X12。如果起始坐标的差值的绝对值或者结束坐标的绝对值小于预设值,则确认A和B属于同一个第二处理图形。
将第一处理图形中的连续字符分割,根据具体的分割情况,得到多个第二处理图形。分割后,第二处理图形可以包括下述一项或多项的任意组合:单个数字、数字、符号、文字。将第二处理图形按照是否为单个数字,或者按照字符类型进行识别。
S203、对每个第二处理图形进行定位,分别确定每个第二处理图形对应的位置信息。
例如,位置信息的确定可以建立如图4所示的做标轴。
可选地,图5为本申请另一实施例提供的手写字符识别方法流程示意图,如图5所示,在对每个第二处理图形进行定位,分别确定每个第二处理图形对应的位置信息之后,还包括:
S310、判断每个第二处理图形是否为单个数字。
S320、若第二处理图形为单个数字,则根据图形与单个数字的映射关系,获取第二处理图形对应的单个数字。
S330、若第二处理图形不为单个数字,则判断第二处理图形的字符类型。
S340、当字符类型为数字类型时,根据图形与数字的映射关系,获取第二处理图形对应的数字。
S350、当字符类型为文字类型时,根据图形与文字的映射关系,获取第二处理图形对应的文字。
S360、当字符类型为符号类型时,根据图形与符号的映射关系,获取第二处理图形对应的符号。
S370、根据每个第二处理图形对应的位置信息,和每个第二处理图形对应的单个数字或数字或文字或符号,构成目标字符组。
在步骤S203中,确定每个第二处理图形对应的位置信息。在对第二处理图形进行识别时,由于第二处理图形与位置信息对应,在每个第二处理图形对应的单个数字或数字或文字或符号也与位置信息对应。单个数字或数字或文字或符号,按照位置关系,构成了位置关系确定的目标字符组。
需要说明的是,获取的单个数字、数字、文字或字符的类型,以及个数是任一组合的。可以包含:多个数字,多个符号;或者单个数字、数字、文字或字符的任意组合。
可选地,在对上述方法实施例中的手写字符识别之前,还包括对手写字符识别模型进行训练,目的是建立图形与字符的映射关系,包括建立图形与单个数字的映射关系,图形与文字的映射关系,图形与数字的映射关系,图形与符号的映射关系。图6为本申请另一实施例提供的手写字符识别方法流程示意图,模型的训练过程,具体如图6所示,在判断目标图形是否为单个数字之前,还包括:
S410、标记图形对应的字符标签。图形与字符标签具有第一映射关系。字符标签表示图形为:单个数字、数字、文字或符号。
其中,图形对应的标签可以为操作人员通过交互界面或其他方式人为标记的。
S420、判断图形是否为单个数字。
判断图形是否为单个数字在模型的训练过程中,相当于训练数字分类器。其中,数字分类器是手写字符识别模型中的子模型。
可选地,数字分类器包括卷积层和池化层。其中,卷积层的作用是提取图形中的特征,卷积层的个数越多,提取的特征越丰富。池化层的作用是降低特征的维度,使得特征更具鲁棒性,防止过拟合。
可选地,数字分类器内部可以包括3个卷积层和2个池化层。卷积层后面连接一个池化层,卷积层将图形的特征提取出来,池化层将卷积层提取的特征丢弃一半。从卷积层输出的特征输入下一个卷积层。其中,池化层的将特征丢弃一半的目的是降低下一个卷积层的运算量。
将图形输入数字分类器,数字分类器通过3个卷积层和2个池化层对图形进行特征提取。
建立特征与标签之间的映射关系,即第一映射关系。
需要说明的是,数字分类器可以识别单个数字,在训练数字分类器时,需要设定数字分类器识别的阈值范围为0-9的整数,其他的字符则被输出为10。
被数字分类器输出为10的字符为文字,符号以及不为单个数字的数字。
S430、若是,通过第一映射关系,获得对应的单个数字。
S431、单个数字与字符标签一致,建立图形与单个数字的映射关系。
S440、若否,则将图形进行分类,确定字符类型。
S441a、若字符类型为数字类型,通过第一映射关系,获得对应的数字。
S441b、若数字与字符标签一致,建立图形与数字的映射关系。
S442a、若字符类型为文字类型,通过第一映射关系,获得对应的文字。
S442b、若文字与字符标签一致,建立图形与文字的映射关系。
S443a、若字符类型为符号类型,通过第一映射关系,获得对应的符号。
S443b、若符号与字符标签一致,建立图形与符号的映射关系。
需要说明的是,在模型训练的过程中,用于训练的训练库中的图形为多个。
可选地,模型可以采用先训练后使用的方式,即模型的训练是在用于识别手写字符之前,将模型训练后,直接用于手写字符的识别。模型也可以采用增量式训练的方式,即是先将模型训练成功后用于识别手写字符,在使用该模型识别的过程中,如果用户发现识别错误,则对模型输出结果进行矫正,在原有的训练库中,增加用户矫正后的图形,并且将该图形用于模型的训练。采用增量式训练的方式,随着用户使用次数的增多,模型的识别率增加。
本实施例提供了一种手写字符识别装置,用以执行上述方法类实施例,图7为本申请一实施例提供的手写字符识别装置结构示意图,如图7所示,该装置包括:判断模块501和获取模块502。
判断模块501,用于判断目标图形是否为单个数字。
获取模块502,用于若目标图形为单个数字,则根据图形与单个数字的映射关系,获取目标图形对应的单个数字;用于若目标图形不为单个数字,若否,则判断目标图形的字符类型;其中,字符类型包括:数字类型、文字类型和符号类型;当字符类型为数字类型时,根据图形与数字的映射关系,获取目标图形对应的数字;当字符类型为文字类型时,根据图形与文字的映射关系,获取目标图形对应的文字;当字符类型为符号类型时,根据图形与符号的映射关系,获取目标图形对应的符号。
可选地,图8为本申请另一实施例提供的手写字符识别装置结构示意图,如图8所示,该装置还包括:预处理模块601。
预处理模块601,用于将目标图形进行去噪处理,获得第一处理图形;若第一处理图形不连续,则对第一处理图形进行字符分割,获得至少两个第二处理图形;其中,每个第二处理图形表示第一处理图形中的连续子图形;对每个第二处理图形进行定位,分别确定每个第二处理图形对应的位置信息。
可选地,图9为本申请另一实施例提供的手写字符识别装置结构示意图,如图9所示,该装置还包括:构成模块701。
判断模块501,具体用于判断每个第二处理图形是否为单个数字。
获取模块502,具体用于若第二处理图形为单个数字,则根据图形与单个数字的映射关系,获取第二处理图形对应的单个数字;若第二处理图形不为单个数字,则判断第二处理图形的字符类型;当字符类型为数字类型时,根据图形与数字的映射关系,获取第二处理图形对应的数字;当字符类型为文字类型时,根据图形与文字的映射关系,获取第二处理图形对应的文字;当字符类型为符号类型时,根据图形与符号的映射关系,获取第二处理图形对应的符号。
构成模块701,用于根据每个第二处理图形对应的位置信息,和每个第二处理图形对应的单个数字或数字或文字或符号,构成目标字符组。
可选地,图10为本申请另一实施例提供的手写字符识别装置结构示意图,如图10所示,该装置还包括:标记模块801。
标记模块801,用于标记图形对应的字符标签;则图形与字符标签具有第一映射关系;字符标签表示图形为:单个数字、数字、文字或符号。
判断模块501,还用于判断图形是否为单个数字;若是,通过第一映射关系,获得对应的单个数字;若单个数字与字符标签一致,建立图形与单个数字的映射关系;若否,则将图形进行分类,确定字符类型;若字符类型为数字类型,通过第一映射关系,获得对应的数字;若数字与字符标签一致,建立图形与数字的映射关系;若字符类型为文字类型,通过第一映射关系,获得对应的文字;若文字与字符标签一致,建立图形与文字的映射关系;若字符类型为符号类型,通过第一映射关系,获得对应的符号;若符号与字符标签一致,建立图形与符号的映射关系。
上述装置用于执行前述实施例提供的方法,其实现原理和技术效果类似,在此不再赘述。
以上这些模块可以是被配置成实施以上方法的一个或多个集成电路,例如:一个或多个特定集成电路(Application Specific Integrated Circuit,简称ASIC),或,一个或多个微处理器(digital singnal processor,简称DSP),或,一个或者多个现场可编程门阵列(Field Programmable Gate Array,简称FPGA)等。再如,当以上某个模块通过处理元件调度程序代码的形式实现时,该处理元件可以是通用处理器,例如中央处理器(CentralProcessing Unit,简称CPU)或其它可以调用程序代码的处理器。再如,这些模块可以集成在一起,以片上系统(system-on-a-chip,简称SOC)的形式实现。
图11为本申请另一实施例提供的手写字符识别装置结构示意图,该装置可以集成于终端设备或者终端设备的芯片,该终端可以是具备图像处理功能的计算设备。
该装置包括:存储器901、处理器902和接口903。
接口903可用于连接扫描设备,用于获取目标图形,存储器901用于存储程序,处理器902根据接口903获取的目标图形,调用存储器901存储的程序,以执行上述方法实施例。具体实现方式和技术效果类似,这里不再赘述。
可选地,本发明还提供一种程序产品,例如计算机可读存储介质,包括程序,该程序在被处理器执行时用于执行上述方法实施例。
在本发明所提供的几个实施例中,应该理解到,所揭露的装置和方法,可以通过其它的方式实现。例如,以上所描述的装置实施例仅仅是示意性的,例如,单元的划分,仅仅为一种逻辑功能划分,实际实现时可以有另外的划分方式,例如多个单元或组件可以结合或者可以集成到另一个系统,或一些特征可以忽略,或不执行。另一点,所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口,装置或单元的间接耦合或通信连接,可以是电性,机械或其它的形式。
作为分离部件说明的单元可以是或者也可以不是物理上分开的,作为单元显示的部件可以是或者也可以不是物理单元,即可以位于一个地方,或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
另外,在本发明各个实施例中的各功能单元可以集成在一个处理单元中,也可以是各个单元单独物理存在,也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现,也可以采用硬件加软件功能单元的形式实现。
上述以软件功能单元的形式实现的集成的单元,可以存储在一个计算机可读取存储介质中。上述软件功能单元存储在一个存储介质中,包括若干指令用以使得一台计算机设备(可以是个人计算机,服务器,或者网络设备等)或处理器(英文:processor)执行本发明各个实施例方法的部分步骤。而前述的存储介质包括:U盘、移动硬盘、只读存储器(英文:Read-Only Memory,简称:ROM)、随机存取存储器(英文:Random Access Memory,简称:RAM)、磁碟或者光盘等各种可以存储程序代码的介质。
Claims (10)
1.一种手写字符识别方法,其特征在于,包括:
判断目标图形是否为单个数字;
若是,则根据图形与单个数字的映射关系,获取所述目标图形对应的单个数字;
若否,则判断所述目标图形的字符类型;其中,所述字符类型包括:数字类型、文字类型和符号类型;
当所述字符类型为所述数字类型时,根据所述图形与数字的映射关系,获取所述目标图形对应的数字;
当所述字符类型为所述文字类型时,根据所述图形与文字的映射关系,获取所述目标图形对应的文字;
当所述字符类型为所述符号类型时,根据所述图形与符号的映射关系,获取所述目标图形对应的符号。
2.如权利要求1所述的手写字符识别方法,其特征在于,所述判断目标图形是否为单个数字之前,还包括:
将所述目标图形进行去噪处理,获得第一处理图形。
3.如权利要求2所述的手写字符识别方法,其特征在于,所述将所述目标图形进行去噪处理,获得第一处理图形之后,还包括:
若所述第一处理图形不连续,则对所述第一处理图形进行字符分割,获得至少两个第二处理图形;
其中,每个所述第二处理图形表示所述第一处理图形中的连续子图形。
4.如权利要求3所述的手写字符识别方法,其特征在于,在所述对所述第一处理图形进行字符分割,获得至少两个第二处理图形之后,还包括:
对每个所述第二处理图形进行定位,分别确定每个所述第二处理图形对应的位置信息。
5.如权利要求4所述的手写字符识别方法,其特征在于,在所述对每个所述第二处理图形进行定位,分别确定每个所述第二处理图形对应的位置信息之后,还包括:
判断每个所述第二处理图形是否为单个数字;
若所述第二处理图形为所述单个数字,则根据所述图形与单个数字的映射关系,获取所述第二处理图形对应的单个数字;
若所述第二处理图形不为所述单个数字,则判断所述第二处理图形的字符类型;
当所述字符类型为所述数字类型时,根据所述图形与数字的映射关系,获取所述第二处理图形对应的数字;
当所述字符类型为所述文字类型时,根据所述图形与文字的映射关系,获取所述第二处理图形对应的文字;
当所述字符类型为所述符号类型时,根据所述图形与符号的映射关系,获取所述第二处理图形对应的符号;
根据每个所述第二处理图形对应的位置信息,和每个所述第二处理图形对应的单个数字或数字或文字或符号,构成目标字符组。
6.如权利要求1所述的手写字符识别方法,其特征在于,在所述判断目标图形是否为单个数字之前,还包括:
标记所述图形对应的字符标签;则所述图形与所述字符标签具有第一映射关系;所述字符标签表示所述图形为:单个数字、数字、文字或符号;
判断所述图形是否为单个数字;
若是,通过所述第一映射关系,获得对应的单个数字;若所述单个数字与所述字符标签一致,建立所述图形与所述单个数字的映射关系;
若否,则将所述图形进行分类,确定所述字符类型;
若所述字符类型为所述数字类型,通过所述第一映射关系,获得对应的数字;若所述数字与所述字符标签一致,建立所述图形与数字的映射关系;
若所述字符类型为所述文字类型,通过所述第一映射关系,获得对应的文字;若所述文字与所述字符标签一致,建立所述图形与文字的映射关系;
若所述字符类型为所述符号类型,通过所述第一映射关系,获得对应的符号;若所述符号与所述字符标签一致,建立所述图形与符号的映射关系。
7.一种手写字符识别装置,其特征在于,包括:判断模块和获取模块;
所述判断模块,用于判断目标图形是否为单个数字;
所述获取模块,用于若所述目标图形为单个数字,则根据图形与单个数字的映射关系,获取所述目标图形对应的单个数字;用于若所述目标图形不为单个数字,若否,则判断所述目标图形的字符类型;其中,所述字符类型包括:数字类型、文字类型和符号类型;当所述字符类型为所述数字类型时,根据所述图形与数字的映射关系,获取所述目标图形对应的数字;当所述字符类型为所述文字类型时,根据所述图形与文字的映射关系,获取所述目标图形对应的文字;当所述字符类型为所述符号类型时,根据所述图形与符号的映射关系,获取所述目标图形对应的符号。
8.如权利要求7所述的手写字符识别装置,其特征在于,还包括:预处理模块;
所述预处理模块,用于将所述目标图形进行去噪处理,获得第一处理图形;若所述第一处理图形不连续,则对所述第一处理图形进行字符分割,获得至少两个第二处理图形;其中,每个所述第二处理图形表示所述第一处理图形中的连续子图形;对每个所述第二处理图形进行定位,分别确定每个所述第二处理图形对应的位置信息。
9.如权利要求8所述的手写字符识别装置,其特征在于,还包括:构成模块;
所述判断模块,具体用于判断每个所述第二处理图形是否为单个数字;所述获取模块,具体用于若所述第二处理图形为所述单个数字,则根据所述图形与单个数字的映射关系,获取所述第二处理图形对应的单个数字;若所述第二处理图形不为所述单个数字,则判断所述第二处理图形的字符类型;当所述字符类型为所述数字类型时,根据所述图形与数字的映射关系,获取所述第二处理图形对应的数字;当所述字符类型为所述文字类型时,根据所述图形与文字的映射关系,获取所述第二处理图形对应的文字;当所述字符类型为所述符号类型时,根据所述图形与符号的映射关系,获取所述第二处理图形对应的符号;
所述构成模块,用于根据每个所述第二处理图形对应的位置信息,和每个所述第二处理图形对应的单个数字或数字或文字或符号,构成目标字符组。
10.如权利要求7所述的手写字符识别装置,其特征在于,还包括:标记模块;
所述标记模块,用于标记所述图形对应的字符标签;则所述图形与所述字符标签具有第一映射关系;所述字符标签表示所述图形为:单个数字、数字、文字或符号;
所述判断模块,还用于判断所述图形是否为单个数字;若是,通过所述第一映射关系,获得对应的单个数字;若所述单个数字与所述字符标签一致,建立所述图形与所述单个数字的映射关系;若否,则将所述图形进行分类,确定所述字符类型;若所述字符类型为所述数字类型,通过所述第一映射关系,获得对应的数字;若所述数字与所述字符标签一致,建立所述图形与数字的映射关系;若所述字符类型为所述文字类型,通过所述第一映射关系,获得对应的文字;若所述文字与所述字符标签一致,建立所述图形与文字的映射关系;若所述字符类型为所述符号类型,通过所述第一映射关系,获得对应的符号;若所述符号与所述字符标签一致,建立所述图形与符号的映射关系。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910187215.1A CN109871910B (zh) | 2019-03-12 | 2019-03-12 | 一种手写字符识别方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910187215.1A CN109871910B (zh) | 2019-03-12 | 2019-03-12 | 一种手写字符识别方法及装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN109871910A true CN109871910A (zh) | 2019-06-11 |
CN109871910B CN109871910B (zh) | 2021-06-22 |
Family
ID=66920312
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910187215.1A Active CN109871910B (zh) | 2019-03-12 | 2019-03-12 | 一种手写字符识别方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109871910B (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112818989A (zh) * | 2021-02-04 | 2021-05-18 | 成都工业学院 | 一种基于梯度幅值随机采样的图像匹配方法 |
Citations (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20030208452A1 (en) * | 2002-05-02 | 2003-11-06 | Bingxue Shi | Current-mode digital programmable neural fuzzy classifier |
CN101730898A (zh) * | 2005-06-23 | 2010-06-09 | 微软公司 | 采用神经网络的手写识别 |
CN101894266A (zh) * | 2010-06-30 | 2010-11-24 | 北京捷通华声语音技术有限公司 | 一种手写识别方法及系统 |
CN102169542A (zh) * | 2010-02-25 | 2011-08-31 | 汉王科技股份有限公司 | 文字识别中粘连字符的切分方法和装置 |
CN102663378A (zh) * | 2012-03-22 | 2012-09-12 | 杭州新锐信息技术有限公司 | 连笔手写字符的识别方法 |
EP2515257A1 (en) * | 2009-12-15 | 2012-10-24 | Fujitsu Frontech Limited | Character recognition method, character recognition device, and character recognition program |
CN104463157A (zh) * | 2014-11-07 | 2015-03-25 | 李宇 | 手写字符的电子识别方法 |
CN104685514A (zh) * | 2012-09-26 | 2015-06-03 | 株式会社东芝 | 字符识别设备、方法和程序 |
CN105447522A (zh) * | 2015-11-25 | 2016-03-30 | 成都数联铭品科技有限公司 | 一种复杂图像文字识别系统 |
CN106845358A (zh) * | 2016-12-26 | 2017-06-13 | 苏州大学 | 一种手写体字符图像特征识别的方法及系统 |
CN107092902A (zh) * | 2016-02-18 | 2017-08-25 | 富士通株式会社 | 字符串的识别方法和系统 |
CN108509957A (zh) * | 2018-03-30 | 2018-09-07 | 努比亚技术有限公司 | 文字识别方法、终端以及计算机可读介质 |
-
2019
- 2019-03-12 CN CN201910187215.1A patent/CN109871910B/zh active Active
Patent Citations (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20030208452A1 (en) * | 2002-05-02 | 2003-11-06 | Bingxue Shi | Current-mode digital programmable neural fuzzy classifier |
CN101730898A (zh) * | 2005-06-23 | 2010-06-09 | 微软公司 | 采用神经网络的手写识别 |
EP2515257A1 (en) * | 2009-12-15 | 2012-10-24 | Fujitsu Frontech Limited | Character recognition method, character recognition device, and character recognition program |
CN102169542A (zh) * | 2010-02-25 | 2011-08-31 | 汉王科技股份有限公司 | 文字识别中粘连字符的切分方法和装置 |
CN101894266A (zh) * | 2010-06-30 | 2010-11-24 | 北京捷通华声语音技术有限公司 | 一种手写识别方法及系统 |
CN102663378A (zh) * | 2012-03-22 | 2012-09-12 | 杭州新锐信息技术有限公司 | 连笔手写字符的识别方法 |
CN104685514A (zh) * | 2012-09-26 | 2015-06-03 | 株式会社东芝 | 字符识别设备、方法和程序 |
CN104463157A (zh) * | 2014-11-07 | 2015-03-25 | 李宇 | 手写字符的电子识别方法 |
CN105447522A (zh) * | 2015-11-25 | 2016-03-30 | 成都数联铭品科技有限公司 | 一种复杂图像文字识别系统 |
CN107092902A (zh) * | 2016-02-18 | 2017-08-25 | 富士通株式会社 | 字符串的识别方法和系统 |
CN106845358A (zh) * | 2016-12-26 | 2017-06-13 | 苏州大学 | 一种手写体字符图像特征识别的方法及系统 |
CN108509957A (zh) * | 2018-03-30 | 2018-09-07 | 努比亚技术有限公司 | 文字识别方法、终端以及计算机可读介质 |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112818989A (zh) * | 2021-02-04 | 2021-05-18 | 成都工业学院 | 一种基于梯度幅值随机采样的图像匹配方法 |
CN112818989B (zh) * | 2021-02-04 | 2023-10-03 | 成都工业学院 | 一种基于梯度幅值随机采样的图像匹配方法 |
Also Published As
Publication number | Publication date |
---|---|
CN109871910B (zh) | 2021-06-22 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111160352B (zh) | 一种基于图像分割的工件金属表面文字识别方法及系统 | |
US8644616B2 (en) | Character recognition | |
CN104751142B (zh) | 一种基于笔划特征的自然场景文本检测方法 | |
Samra et al. | Localization of license plate number using dynamic image processing techniques and genetic algorithms | |
CN106682629B (zh) | 一种复杂背景下身份证号识别算法 | |
CN109740606B (zh) | 一种图像识别方法及装置 | |
CN112418216A (zh) | 一种复杂自然场景图像中的文字检测方法 | |
CN108154151B (zh) | 一种快速多方向文本行检测方法 | |
CN110210297B (zh) | 报关单图像中文字定位与提取的方法 | |
CN110852311A (zh) | 一种三维人手关键点定位方法及装置 | |
CN113033558B (zh) | 一种用于自然场景的文本检测方法及装置、存储介质 | |
CN111680690A (zh) | 一种文字识别方法及装置 | |
CN112749606A (zh) | 一种文本定位方法和装置 | |
CN113158895A (zh) | 票据识别方法、装置、电子设备及存储介质 | |
CN102831428B (zh) | 图像内快速响应矩阵码区域的提取方法 | |
CN110210467A (zh) | 一种文本图像的公式定位方法、图像处理装置、存储介质 | |
CN113033559A (zh) | 一种基于目标检测的文本检测方法及装置、存储介质 | |
CN110378337B (zh) | 金属切削刀具图纸标识信息视觉输入方法及系统 | |
Belhedi et al. | Adaptive scene‐text binarisation on images captured by smartphones | |
CN109871910A (zh) | 一种手写字符识别方法及装置 | |
CN108388898A (zh) | 基于连接体和模板的字符识别方法 | |
CN110046618B (zh) | 基于机器学习和最大极值稳定区域的车牌识别方法 | |
CN110766001A (zh) | 基于cnn和rnn的银行卡卡号定位与端到端识别方法 | |
CN110414497A (zh) | 对象电子化的方法、装置、服务器及存储介质 | |
CN115810197A (zh) | 一种多模态电力表单识别方法及装置 |
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 |