CN110363149B - 笔迹的处理方法和装置 - Google Patents
笔迹的处理方法和装置 Download PDFInfo
- Publication number
- CN110363149B CN110363149B CN201910641746.3A CN201910641746A CN110363149B CN 110363149 B CN110363149 B CN 110363149B CN 201910641746 A CN201910641746 A CN 201910641746A CN 110363149 B CN110363149 B CN 110363149B
- Authority
- CN
- China
- Prior art keywords
- image
- target
- handwriting
- determining
- center
- 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
Links
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/22—Matching criteria, e.g. proximity measures
-
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Data Mining & Analysis (AREA)
- General Physics & Mathematics (AREA)
- Physics & Mathematics (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Evolutionary Biology (AREA)
- Evolutionary Computation (AREA)
- Bioinformatics & Computational Biology (AREA)
- General Engineering & Computer Science (AREA)
- Artificial Intelligence (AREA)
- Life Sciences & Earth Sciences (AREA)
- Multimedia (AREA)
- Image Analysis (AREA)
- User Interface Of Digital Computer (AREA)
Abstract
本发明公开了一种笔迹的处理方法和装置。其中,该方法包括:检测在当前显示界面上生成的目标笔迹,其中,所述当前显示界面包括已存在的图像,所述已存在的图像包括至少一个笔迹;获取所述目标笔迹的第一中心和所述已存在的图像的第二中心;获取所述第一中心与所述第二中心的距离;根据所述距离确定所述目标笔迹与所述已存在的图像之间的关系,其中,所述关系包括:所述目标笔迹属于已存在的一个图像和所述目标笔迹不属于所述已存在的图像。本发明解决了现有技术中无法满足多人同时使用图形识别功能的技术问题。
Description
技术领域
本发明涉及笔迹识别领域,具体而言,涉及一种笔迹的处理方法和装置。
背景技术
目前的白板应用会为用户提供一种用于绘制简笔画的图形识别功能,即一种使用识别后的图像替代原笔迹的功能。首先介绍该图形识别功能:在使用该功能时,用户在白板上每绘制一笔,系统就会将本幅画已经绘制的所有笔迹加上用户新绘制的笔迹进行一次识别,识别出结果后,显示识别出的图画供用户选择以替换原笔迹。这一过程中,每幅画之间的分隔,是通过将识别出来的图形替换原笔迹这一节点进行的。
例如,用户先绘制第一笔,系统将这一笔进行识别,识别出结果进行显示,此时用户有两个选择,一是选择识别出的结果替换绘制的第一笔,那么用户下一次绘制,则跟第一笔没有关系,属于另外一幅画;第二个选择是不进行替换,继续绘制第二笔,此时系统则将第一笔和第二笔作为一副图画一起进行识别。
但在这一图形识别功能中,现有的技术只能进行单人操作,即同一时间,只能对一幅图画进行识别。对于尺寸较大的电子白板,存在多人同时书写绘制的情况,当多人同时使用电子白板时,往往是分别绘制各自的图画,而现有技术的识别方式会将多人绘制的图画当成一幅图画进行识别,因此导致无法多人同时使用图形识别功能。
针对现有技术中无法满足多人同时使用简笔画识别的问题,目前尚未提出有效的解决方案。
发明内容
本发明实施例提供了一种笔迹的处理方法和装置,以至少解决现有技术中无法满足多人同时使用简笔画识别的技术问题。
根据本发明实施例的一个方面,提供了一种笔迹的处理方法,包括:检测在当前显示界面上生成的目标笔迹,其中,当前显示界面包括已存在的图像,已存在的图像包括至少一个笔迹;获取目标笔迹的第一中心和已存在的图像的第二中心;获取第一中心与第二中心的距离;根据距离确定目标笔迹与已存在的图像之间的关系,其中,关系包括:目标笔迹属于已存在的一个图像和目标笔迹不属于已存在的图像。
进一步地,获取已存在的图像对应的最小外接矩形;确定最小外接矩形的中心为已存在的图像的第二中心。
进一步地,获取第一距离阈值,其中,第一距离阈值与预设的允许同时绘制的图像数量呈反比例关系;如果距离大于第一距离阈值,则确定目标笔迹不属于已存在的图像;如果距离小于或等于第一距离阈值,则确定目标笔迹属于已存在的一个图像。
进一步地,当前显示界面包括已存在的多个图像,确定已存在的多个图像中目标笔迹所属的图像,包括:对第一中心与每个第二中心的距离进行归一化处理,得到第一中心与每个第二中心的距离的归一化结果;将归一化结果进行由小至大排序;确定排序第一的归一化结果对应的图像为目标笔迹所属的图像。
进一步地,获取排序第一的归一化结果和排序第二的归一化结果的差值;获取预设的第二距离阈值;将差值的绝对值与第二距离阈值进行比对;确定差值的绝对值大于或等于第二距离阈值;确定排序第一的归一化结果所对应的图像为目标笔迹所属的图像。
进一步地,在将差值的绝对值与第二距离阈值进行比对之后,确定差值的绝对值小于距离阈值;将目标笔迹分别与每个已存在的图像进行组合,构成多个组合图像;根据多个组合图像的识别结果,确定目标笔迹所属的图像。
进一步地,识别结果包括:候选类型以及组合图像属于每种候选类型的概率,查找识别结果中最大的概率;确定识别结果包括最大的概率的组合图像为目标组合图像,并确定与目标笔迹组成目标组合图像的已存在的图像为目标笔迹所属的图像。
进一步地,在确定排序第一的归一化结果所对应的图像为目标笔迹所属的图像之后,将目标笔迹与目标笔迹所属的图像进行组合;对组合的结果进行识别。
根据本发明实施例的一个方面,提供了一种笔迹的处理装置,包括:检测模块,用于检测在当前显示界面上生成的目标笔迹,其中,当前显示界面包括已存在的图像,已存在的图像包括至少一个笔迹;第一获取模块,用于获取目标笔迹的第一中心和已存在的图像的第二中心;第二获取模块,用于获取第一中心与第二中心的距离;确定模块,用于根据距离确定目标笔迹与已存在的图像之间的关系,其中,关系包括:目标笔迹属于已存在的一个图像和目标笔迹不属于已存在的图像。
根据本发明实施例的一个方面,提供了一种存储介质,存储介质包括存储的程序,其中,在程序运行时控制存储介质所在设备执行上述的笔迹的处理方法。
根据本发明实施例的一个方面,提供了一种处理器,处理器用于运行程序,其中,程序运行时执行上述的笔迹的处理方法。
在本发明实施例中,检测在当前显示界面上生成的目标笔迹,其中,当前显示界面包括已存在的图像,已存在的图像包括至少一个笔迹;获取目标笔迹的第一中心和已存在的图像的第二中心;获取第一中心与第二中心的距离;根据距离确定目标笔迹与已存在的图像之间的关系,其中,关系包括:目标笔迹属于已存在的一个图像和目标笔迹不属于已存在的图像。由此可知,上述方案通过目标笔迹的中心和已存在的图像的中心之间的距离,确定目标笔迹与已存在的图像之间的关系,从而使得在多人共同使用白板中的简笔画识别时,白板应用能够区别出属于不同图像的笔迹,进而支持多人共同使用。解决了现有技术中无法满足多人同时使用简笔画识别的技术问题。
附图说明
此处所说明的附图用来提供对本发明的进一步理解,构成本申请的一部分,本发明的示意性实施例及其说明用于解释本发明,并不构成对本发明的不当限定。在附图中:
图1是根据本发明实施例的笔迹的处理方法的流程图;
图2是根据本发明实施例的一种第一轮判定的流程图;
图3是根据本发明实施例的一种第二轮判定的示意图;
图4是根据本发明实施例的一种多人在白板应用上共同使用简笔画识别的示意图;以及
图5是根据本发明实施例第一种笔迹的处理装置的示意图。
具体实施方式
为了使本技术领域的人员更好地理解本发明方案,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,所描述的实施例仅仅是本发明一部分的实施例,而不是全部的实施例。基于本发明中的实施例,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,都应当属于本发明保护的范围。
需要说明的是,本发明的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别类似的对象,而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换,以便这里描述的本发明的实施例能够以除了在这里图示或描述的那些以外的顺序实施。此外,术语“包括”和“具有”以及他们的任何变形,意图在于覆盖不排他的包含,例如,包含了一系列步骤或单元的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或单元,而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。
实施例1
根据本发明实施例,提供了一种笔迹的处理方法的实施例,该方法可以应用在包括触摸屏的设备中,本实施例以该方法应用在交互智能平板为例进行说明。需要说明的是,在附图的流程图示出的步骤可以在诸如一组计算机可执行指令的计算机系统中执行,并且,虽然在流程图中示出了逻辑顺序,但是在某些情况下,可以以不同于此处的顺序执行所示出或描述的步骤。
图1是根据本发明实施例的笔迹的处理方法的流程图,如图1所示,该方法包括如下步骤:
步骤S102,检测在当前显示界面上生成的目标笔迹,其中,当前显示界面包括已存在的图像,已存在的图像包括至少一个笔迹,。
具体的,上述当前显示界面可以是交互智能设备的白板应用所提供的显示界面。白板应用通过响应用户在显示界面的书写操作,来实现作为白板应用的功能。
上述目标笔迹可以是,交互智能设备在进入白板应用在图形识别功能后,用户在显示界面操作所形成还未进行识别的笔迹。
当前显示界面已存在的图像可以是一个或多个。
在一种可选的实施例中,交互智能设备在进入白板应用之后,通过预设的触发指令进入图形识别功能。在此之后,除第一个笔迹之外,交互智能设备接收到的笔迹均为目标笔迹。
需要说明的是,如果白板的显示界面当前还不包括已存在的图像,则目标笔迹为第一个笔迹,因此无需确定该目标笔迹所属的图形。
步骤S104,获取目标笔迹的第一中心和已存在的图像的第二中心。
第一中心和第二中心可以具有多种获取方式,例如,可以确定目标笔迹长度的1/2处为第一中心,可以确定已存在的图像的最小外接圆的中心为第二中心。
在一种可选的实施例中,目标笔迹的第一中心可以是目标笔迹的最小外接矩形的中心,已存在的图形的第二中心可以是已存在的图像的最小外接矩形的中心。
步骤S106,获取第一中心与第二中心的距离。
具体的,上述第一中心与第二中心的距离可以通过第一中心的坐标信息和第二中心的坐标信息计算得到。
步骤S108,根据距离确定目标笔迹与已存在的图像之间的关系,其中,关系包括:目标笔迹属于已存在的一个图像和目标笔迹不属于已存在的图像。
上述步骤用于在当前显示界面已存在图像的情况下,判断新接收到的目标笔迹是否属于当前已存在的图像,且在当前显示界面已存在多个图像的情况,判断出新接收的目标轨迹属于哪一个已存在的图像。
为了支持多人同时在同一个设备上使用白板的简笔画识别,设备需要在接收到目标笔迹时判定目标笔迹属于当前已存在的图像,或是一个新的用户生成的笔迹,且在确定目标笔迹属于当前已存在的图像之后,还需要判定目标笔迹属于哪一个图像。因此,上述方案通过第一中心和第二中心之间的距离来确定目标笔迹与已存在的图像之间的关系,从而实现对图形的识别。
在一种可选的实施例中,在当前显示界面仅包括一个已存在的图像的情况下,如果第一中心与第二中心的距离小于预设值,则确定目标笔迹属于当前已存在的一个图像,如果第一中心与第二中心的距离大于等预设值,则确定目标笔迹不属于当前已存在的图像,而是其他用户重新绘制的图像。
在另一种可选的实施例中,在当前显示界面包括多个已存在的图像的情况下,分别获取第一中心与多个第二中心之间的距离,从而确定与目标笔迹最近的已存在的图像。将上述最小的距离与预设值进行比对,如果最小的距离小于预设值,则确定与最小的距离对应的已存在的图像为目标笔迹所属的图像;如果最小的距离大于或等于预设值,则确定目标笔迹不属于当前已存在的任意一个图像,而是其他用户重新绘制的图像。
由此可知,在本申请上述实施例中,检测在当前显示界面上生成的目标笔迹,其中,当前显示界面包括已存在的图像,已存在的图像包括至少一个笔迹;获取目标笔迹的第一中心和已存在的图像的第二中心;获取第一中心与第二中心的距离;根据距离确定目标笔迹与已存在的图像之间的关系,其中,关系包括:目标笔迹属于已存在的一个图像和目标笔迹不属于已存在的图像。由此可知,上述方案通过目标笔迹的中心和已存在的图像的中心之间的距离,确定目标笔迹与已存在的图像之间的关系,从而使得在多人共同使用白板中的简笔画识别时,白板应用能够区别出属于不同图像的笔迹,进而支持多人共同使用。解决了现有技术中无法满足多人同时使用简笔画识别的技术问题。
作为一种可选的实施例中,获取已存在的图像的第二中心,包括:获取已存在的每个图像对应的最小外接矩形;确定最小外接矩形的中心为已存在的图像的第二中心。
在上述方案中,通过已存在图像的最小外接矩形来确定已存在图像的中心。
在一种可选的实施例中,已存在图像的最小外接矩形的中心,可以是其最小外接矩形的两个对角线的交点。
众所周知的是,用户在书写时所生成图像的形状是难以预测的,因此难以在已存在的图像所占用的点中确定图像的中心,上述方案使用最小外接矩形确定已存在图像的第二中心点,不仅适用于用户的书写习惯,也适用于不同形状的图像。
作为一种可选的实施例,根据距离确定目标笔迹与已存在的图像之间的关系,包括:获取第一距离阈值,其中,第一距离阈值与预设的允许同时绘制的图像数量呈反比例关系;如果距离大于第一距离阈值,则确定目标笔迹不属于已存在的图像;如果距离小于或等于第一距离阈值,则确定目标笔迹属于已存在的一个图像。
具体的,上述第一距离阈值用于确定目标笔迹是否属于已存在的图像。
在当前显示界面仅包含一个已存在的图像时,仅存在一个第一中心与第二中心的距离,因此可以根据该距离与第一距离阈值进行比对,来确定目标笔迹是否属于该已存在的一个图像。
而在当前显示界面中包含多个已存在的图像时,可以得到第一中心与多个第二中心的多个距离,因此可以将多个距离中的最小距离与第一距离阈值进行比对,来确定目标笔迹是否属于已存在的图像,如果最小的距离大于第一距离阈值,则确定目标笔迹不属于已存在的任意一个图像;如果最小的距离小于或等于第一距离阈值,则确定目标笔迹属于已存在的图像中的其中一个,因此需要继续进行判定。
上述允许同时绘制的图像数量可以由人为进行设置,也可以是系统预设的。在一个用户绘制一个图像的情况下,允许同时绘制的图像数量即为允许同时绘制的用户的人数。在一种可选的实施例中,设置最高同时使用的人数上限为n,其中,n的大小与第一距离阈值负相关,即n的大小与第一距离阈值呈反比例关系。例如,当n=2时,第一距离阈值为a1,由于最多两人同时使用,因此每个人允许使用较大的空间;当n=4时,第一距离阈值为a2,而当最多四人同时使用时,每个人允许使用的控件会较小,因此a1>a2,即n的大小与第一距离阈值负相关。
上述方案中通过将第一中心与第二中心之间的距离和第一距离阈值进行比对,从而使设备能够确定目标笔迹与已存在的图像的关系,即目标笔迹是否属于已存在的图像,进而使设备能够在确定目标笔迹与已存在的图像的关系的基础上,对目标笔迹进行对应的处理。
作为一种可选的实施例,当前显示界面包括已存在的多个图像,根据距离确定目标笔迹与已存在的图像之间的关系的步骤还包括:确定已存在的多个图像中目标笔迹所属的图像,其中,确定已存在的多个图像中目标笔迹所属的图像,包括:对第一中心与每个第二中心的距离进行归一化处理,得到第一中心与每个第二中心的距离的归一化结果;将归一化结果进行由小至大排序;确定排列第一的归一化结果对应的图像为目标笔迹所属的图像。
具体的,在上述方案中,第一中心与距离最近的第二中心的距离的归一化结果为上述排序第一的归一化结果,因此,上述方案将与目标笔迹最近的图像作为目标笔迹所属的图像。
上述方案实际是基于如下两点假设进行的:1、多人同时操作电子白板时,他们往往是会有一定距离的,比如一人站左半屏绘制,一人站右半屏;2、对于简笔画的绘制,往往连续绘制的两条笔迹之间是相关联的,即很少几率出现两次笔迹的范围很广的情况。
在一种可选的实施例中,首先获取最新一笔的笔迹(即目标笔迹)的中心点P和n个已存在的图像的中心点[N1,N2,...,Nn]之间的距离[n1,n2,...,nn],然后对[n1,n2,...,nn]进行归一化处理,得到[n1’,n2’,...,nn’]。再将[n1’,n2’,...,nn’]由小至大排序,取得其中排序首位的元素,即最小的元素。确定该最小的元素对应的图像为目标笔迹所属的图像。上述归一化处理的方式可以是对[n1,n2,...,nn]中的每个元素除以n1+n2+...+n。
在当前显示界面仅包含一个已存在的图像时,可以通过目标笔迹与已存在的图像之间的距离和第一距离阈值的比对结果确定目标笔迹是否属于已存在的图像,但在当前显示界面包括多个已存在图像时,仅通过目标笔迹与已存在的图像之间的距离与第一距离阈值的比对,难以得到与实际情况相匹配的结果,在此基础上,上述方案通过将第一中心与每个第二中心的距离进行归一化处理后得到的结果进行排序,取得排序结果中最小的归一化结果对应的已存在的图像为目标笔迹所属的图像,从而达到了在当前显示界面已存在多个图像的情况下,确定目标笔迹与多个已存在图像之间的关系的效果。
作为一种可选的实施例,确定排列第一的归一化结果对应的图像为目标笔迹所属的图像,包括:获取排序第一的归一化结果和排序第二的归一化结果的差值;获取预设的第二距离阈值;将差值的绝对值与第二距离阈值进行比对;确定差值的绝对值大于或等于第二距离阈值;确定排序第一的归一化结果所对应的图像为目标笔迹所属的图像。
上述步骤用于对排列第一的归一化结果对应的图像是否为目标笔迹所属的图像,进行进一步判定。
上述方案仍基于如下的假设:1、多人同时操作电子白板时,他们往往是会有一定距离的,比如一人站左半屏绘制,一人站右半屏;2、对于简笔画的绘制,往往连续绘制的两条笔迹之间是相关联的,即很少几率出现两次笔迹的范围很广的情况。因此,如果目标笔迹属于一个图像,则目标笔迹不仅距离其所属的图像较近,还距离其他图像较远。
在一种可选的实施例中,首先获取最新一笔的笔迹(即目标笔迹)的中心点P和n个已存在的图像的中心点[N1,N2,...,Nn]之间的距离[n1,n2,...,nn],然后对[n1,n2,...,nn]进行归一化处理,得到[n1’,n2’,...,nn’]。再将[n1’,n2’,...,nn’]由小至大排序,取得其中排序第一位的元素和排序第二位的元素,设置一个第二距离阈值δ(0<δ<1),若最短的距离与第二短距离的差值大于δ,即说明新笔迹离某一幅画很近,但离其他画都很远,则将新笔迹判定为距离最近的那一幅图像。
当目标笔迹属于当前已存在的某个图像时,大概率情况下,其笔迹距离其所属的已存在的图像的距离较近,即排序第一的归一化结果和排序第二的归一化结果相差较大,而在排序第一的归一化结果和排序第二的归一化结果相差不大的情况下,如果仍仅根据上述归一化结果判断目标笔迹与已存在图像的关系,则容易发生判断错误的情况。在此基础上,上述方案根据排序第一和排序第二的归一化结果的差值判断目标笔迹是否属于排序第一的归一化结果对应的图像,从而避免了由于目标笔迹距离多个图像的距离的差别较小导致对目标笔迹判断错误的情况,进而提高了设备判断笔迹与图像关系的准确度。
作为一种可选的实施例,在将差值的绝对值与第二距离阈值进行比对之后,上述方法还包括:确定差值的绝对值小于第二距离阈值;将目标笔迹分别与每个已存在的图像进行组合,构成多个组合图像;根据多个组合图像的识别结果,确定目标笔迹所属的图像。
在上述方案中,如果排序第一的归一化结果和排序第二的归一化结果的差值小于第二距离阈值,则说明目标笔迹距离至少两个图像的距离都很近。如果存在多个距离,他们相邻之间的差值小于δ,即说明新笔迹离多幅画都距离比较相近,此时难以判定目标轨迹属于哪一个图像,因此需要进入下一轮判定。
图2是根据本发明实施例的一种第一轮判定的流程图,下面结合图2,对上述第一轮判定进行说明。第一轮判定包括:
S21,获取新笔迹中心点P和已有图像的中心点[N1,N2,...,Nn]。
在上述示例中,包括n个已存在的图像,其中,目标笔迹的第一中心为P,n个已存在的图像的第二中心分别为[N1,N2,...,Nn]。
S22,计算点P到[N1,N2,...,Nn]的距离[n1,n2,...,nn]。
在上述步骤中,分别计算P至[N1,N2,...,Nn]中每个元素的距离,得到序列[n1,n2,...,nn]。
S23,将[n1,n2,...,nn]进行归一化,并进行升序排序,得到新的一组值[n1’,n2’,...,nn’]。
可以将[n1,n2,...,nn]中的元素都除与n1+n2+...+nn,从而得到归一化处理的结果。
S25,i=1,(i<n)。
进入循环步骤,首先令i=1,其中,i用于表示n个已存在的图像中的第i个。
S26,判断是否满足|ni’-ni+1’|<δ,如果是,则进入步骤S28,否则进入步骤S27。
S27,i++。
在上述步骤中,如果|ni’-ni+1’|≥δ,则i+1后循环至S26。
S28,判断是否满足i=2。如果判断结果为是,则进入步骤S29,否则进入步骤S210。
在上述步骤中,如果满足i=2,则说明,|n1’-n2’|≥δ,且|n2’-n3’|<δ,即,目标笔迹与最近的图像的距离,远远小于与其它图像的距离,因此进入步骤S29,,确定排序第一的归一化结果对应的图像为目标笔迹所属的图像。
如果不满足i=2,则说明|n1’-n2’|<δ,或|n1’-n2’|≥δ且|n2’-n3’|≥δ,或|n1’-n2’|≥δ且|n2’-n3’|≥δ且|n3’-n4’|≥δ……因此说明目标笔迹与最近的图像之间的距离,和与其它图像之间的距离相差较小,因此进入步骤S210,难以确定目标笔迹所属的图像。
S29,新笔迹判定为n1’距离的图画。
S210,前i条距离都相差不大,i幅图进行下一轮判。
在上述差值的绝对值小于第二距离阈值的情况下,难以仅根据目标笔迹的第一中心与已存在图像的第二中心判断目标笔迹与已存在图像之间的关系。上述方案在差值的绝对值小于第二距离阈值的情况下,通过将目标笔迹与已存在的图像进行组合并对组合结果进行识别的方式,确定目标笔迹所属的已存在的图像,从而在难以根据距离确定目标笔迹与已存在图像的关系时,提供了新的判断方式,进而达到了提高了设备判断笔迹与图像关系的准确度的效果。
作为一种可选的实施例,识别结果包括:候选类型以及组合图像属于每种候选类型的概率,根据多个组合图像的识别结果,确定目标笔迹所属的图像,包括:查找识别结果中最大的概率;确定识别结果包括最大的概率的组合图像为目标组合图像,并确定与目标笔迹组成目标组合图像的已存在的图像为目标笔迹所属的图像。
上述方案用于在根据距离难以判定目标笔迹所属的图像时所进行的第二轮判定。此轮判定的基于如下假设:目标笔迹分别与距离相近的已存在的图像结合,如果识别出的结果的最高概率更高,则这幅新组合的图像更像某一种对象,因此有理由相信目标笔迹是属于这幅图的。
识别的结果是一个对所有种类的概率分布,在一种可选的实施例中,比如识别支持3种类别:苹果、香蕉、梨,那么识别结果是每个种类对应的概率值,且它们的和是1,例如:[苹果,香蕉,梨]=[0.6,0.3,0.1];
对i个图像分别识别,则有i个结果,即i个概率分布。对每个结果中概率最大的数值,进行排序比较,找出数值最大概率值。例如,三个图像的识别结果分别是:
[苹果,香蕉,梨]=[0.6,0.3,0.1];
[苹果,香蕉,梨]=[0.2,0.7,0.1];
[苹果,香蕉,梨]=[0.8,0.1,0.1];
找到每个结果中概率最大的数值,分别为0.6,0.7,0.8,则0.8最大,那么将目标笔迹判定为第三幅图。
图3是根据本发明实施例的一种第二轮判定的示意图,第二轮判定可以包括:
S31,将新笔迹分别与i个图像的组合结果分别进行识别,得到识别结果。具体的,上述识别结果中,至少包括组合后的图像属于某个种类的概率值。
S32,分别对每种识别结果,按概率从大到小进行排序。
在上述步骤中,将每个组合图像的识别结果中的概率均由大至小排序。
S33,比较每种结果中,概率最大的数值。
S34,将目标笔迹判定为最大的概率值所在的图像。
概率最大的图像意味着,组合图像更有可能是识别结果中的某个种类,也就意味着,目标笔迹更有可能用于和已存在的图像构成该组合图像,因此可以确定目标笔迹更有可能属于最大的概率值所在的图像。
上述方案通过组合图像的识别结果确定目标笔迹所属的已存在的图像,从而在难以根据目标笔迹与已存在图像的距离确定目标笔迹所属图像的情况下,通过识别结果中的概率信息得到判断结果,从而提高了识别的准确度。
作为一种可选的实施例,在确定排序第一的归一化结果所对应的图像为目标笔迹所属的图像之后,上述方法还包括:将目标笔迹与目标笔迹所属的图像进行组合;对组合的结果进行识别。
在上述方案中,在确定该目标笔迹所属的已存在的图像后,将目标笔迹与其所属的已存在的图像组合后进行识别,以得到识别结果。
在一种可选的实施例中,可以获取大量的样本数据,其中,样本数据包括大量的手绘图像和预设种类,使用样本数据对神经网络模型进行训练,从而得到能够用于图形识别的模型。在将目标笔迹与其所属的图像进行组合后,可以使用训练好的模型对组合的结果进行识别,以得到最终的识别结果。
下面以一个实例对本申请上述实施例中的方法进行说明。图4是根据本发明实施例的一种多人在白板应用上共同使用简笔画识别的示意图。结合图4所示,假设有三个人甲、乙、丙都正在绘制“苹果”这一物体,当绘制出图中的一条新笔迹(即目标笔迹)时,计算这条新笔迹的脏区(最小外接矩形)中心点到这三幅图形的中心点距离n1,n2,n3,通过ni‘=ni/Σn对n1,n2,n3进行归一化,并升序排序得到n1’,n2’,n3’,计算|n1’-n2’|<δ,若结果为否,则说明与新笔迹最小的距离,比与新笔迹第二小的距离要小很多,从而判定新笔迹属于n1’这条距离所对应的图像。
若|n1’-n2’|<δ为真,则判断|n2’-n3’|<δ,如果为真,三幅图的距离都相近,如果为假,则前面两幅的距离相近,因此,只要不满足|n1’-n2’|≥δ,都需要进行第二轮判定。
在第二轮判定中,将新笔迹与距离相近的画进行结合,分别进行识别,若识别出的结果中,概率最高的都是苹果,但与甲图的组合一起识别的结果为苹果的概率最大,则判定新笔迹属于甲图。
上述方案在确定了目标笔迹所属的已存在的图像后,对目标笔迹与其所属已存在图像的组合进行识别,从而通过对用户书写的笔迹进行识别的方式,实现了设备的简笔画识别功能,达到了设备支持简笔画识别功能的效果,尤其是达到了设备能够支持多人同时使用简笔画功能进行书写的效果。
实施例3
根据本发明实施例,提供了一种笔迹的处理方法的实施例,图5是根据本发明实施例第一种笔迹的处理装置的示意图,结合图5所示,该装置包括:
检测模块50,用于检测在当前显示界面上生成的目标笔迹,其中,当前显示界面包括已存在的图像,已存在的图像包括至少一个笔迹。
第一获取模块52,用于获取目标笔迹的第一中心和已存在的图像的第二中心。
第二获取模块54,用于获取第一中心与第二中心的距离。
确定模块56,用于根据距离确定目标笔迹与已存在的图像之间的关系,其中,关系包括:目标笔迹属于已存在的一个图像和目标笔迹不属于已存在的图像。
作为一种可选的实施例,第一获取模块包括:第一获取子模块,用于获取已存在的图像对应的最小外接矩形;第一确定子模块,用于确定最小外接矩形的中心为已存在的图像的第二中心。
作为一种可选的实施例,确定模块包括:第二获取子模块,用于获取第一距离阈值,其中,第一距离阈值与预设的允许同时绘制的图像数量呈反比例关系;第二确定子模块,用于如果距离大于第一距离阈值,则确定目标笔迹不属于已存在的图像;第三确定子模块,用于如果距离小于或等于第一距离阈值,则确定目标笔迹属于已存在的一个图像。
作为一种可选的实施例,当前显示界面包括已存在的多个图像,确定模块还包括:第四确定子模块,用于确定已存在的多个图像中目标笔迹所属的图像,其中,第四确定子模块包括:处理单元,用于对第一中心与每个第二中心的距离进行归一化处理,得到第一中心与每个第二中心的距离的归一化结果;排序单元,用于将归一化结果进行由小至大排序;确定单元,用于确定排序第一的归一化结果对应的图像为目标笔迹所属的图像。
作为一种可选的实施例,确定单元包括:第一获取子单元,用于获取排序第一的归一化结果和排序第二的归一化结果的差值;第二获取子单元,用于获取预设的第二距离阈值;比对子单元,用于将差值的绝对值与第二距离阈值进行比对;第一确定子单元,用于确定差值的绝对值大于或等于第二距离阈值;第二确定子单元,用于确定排序第一的归一化结果所对应的图像为目标笔迹所属的图像。
作为一种可选的实施例,确定单元还包括:第三确定子单元,用于在将差值的绝对值与第二距离阈值进行比对之后,确定差值的绝对值小于第二距离阈值;组合子单元,用于将目标笔迹分别与每个已存在的图像进行组合,构成多个组合图像;第四确定子单元,用于根据多个组合图像的识别结果,确定目标笔迹所属的图像。
作为一种可选的实施例,识别结果包括:候选类型以及组合图像属于每种候选类型的概率,第四确定子单元包括:查找子单元,用于查找识别结果中最大的概率;第五确定子单元,用于确定识别结果包括最大的概率的组合图像为目标组合图像,并确定与目标笔迹组成目标组合图像的已存在的图像为目标笔迹所属的图像。
作为一种可选的实施例,上述装置还包括:在确定排序第一的归一化结果所对应的图像为目标笔迹所属的图像之后,组合模块,用于将目标笔迹与目标笔迹所属的图像进行组合;识别模块,用于对组合的结果进行识别。
需要说明的是,本申请上述实施例2中的笔迹的处理装置可以用于实现实施例1中的任意一种笔迹的处理方法,因此此处不再赘述。
实施例4
根据本发明实施例,提供了一种存储介质,存储介质包括存储的程序,其中,在所述程序运行时控制所述存储介质所在设备执行实施例1所述的笔迹的处理方法。
实施例5
根据本发明实施例,提供了一种处理器,其特征在于,所述处理器用于运行程序,其中,所述程序运行时执行实施例1所述的笔迹的处理方法。
上述本发明实施例序号仅仅为了描述,不代表实施例的优劣。
在本发明的上述实施例中,对各个实施例的描述都各有侧重,某个实施例中没有详述的部分,可以参见其他实施例的相关描述。
在本申请所提供的几个实施例中,应该理解到,所揭露的技术内容,可通过其它的方式实现。其中,以上所描述的装置实施例仅仅是示意性的,例如所述单元的划分,可以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,单元或模块的间接耦合或通信连接,可以是电性或其它的形式。
所述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,也可以采用软件功能单元的形式实现。
所述集成的单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时,可以存储在一个计算机可读取存储介质中。基于这样的理解,本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的全部或部分可以以软件产品的形式体现出来,该计算机软件产品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(可为个人计算机、服务器或者网络设备等)执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括:U盘、只读存储器(ROM,Read-Only Memory)、随机存取存储器(RAM,Random Access Memory)、移动硬盘、磁碟或者光盘等各种可以存储程序代码的介质。
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为本发明的保护范围。
Claims (10)
1.一种笔迹的处理方法,其特征在于,包括:
检测在当前显示界面上生成的目标笔迹,其中,所述当前显示界面包括已存在的图像,所述已存在的图像包括至少一个笔迹;
获取所述目标笔迹的第一中心和所述已存在的图像的第二中心;
获取所述第一中心与所述第二中心的距离;
根据所述距离确定所述目标笔迹与所述已存在的图像之间的关系,其中,所述关系包括:所述目标笔迹属于已存在的一个图像和所述目标笔迹不属于所述已存在的图像;
其中,根据所述距离确定所述目标笔迹与所述已存在的图像之间的关系包括:获取第一距离阈值,其中,所述第一距离阈值与预设的允许同时绘制的图像数量呈反比例关系;如果所述距离大于所述第一距离阈值,则确定所述目标笔迹不属于所述已存在的图像;如果所述距离小于或等于所述第一距离阈值,则确定所述目标笔迹属于已存在的一个图像。
2.根据权利要求1所述的方法,其特征在于,获取所述已存在的图像的第二中心,包括:
获取所述已存在的图像对应的最小外接矩形;
确定所述最小外接矩形的中心为所述已存在的图像的第二中心。
3.根据权利要求1所述的方法,其特征在于,所述当前显示界面包括已存在的多个图像,根据所述距离确定所述目标笔迹与所述已存在的图像之间的关系的步骤还包括:
确定已存在的多个图像中所述目标笔迹所属的图像,其中,确定已存在的多个图像中所述目标笔迹所属的图像,包括:
对所述第一中心与每个所述第二中心的距离进行归一化处理,得到所述第一中心与每个所述第二中心的距离的归一化结果;
将所述归一化结果进行由小至大排序;
确定排序第一的归一化结果对应的图像为所述目标笔迹所属的图像。
4.根据权利要求3所述的方法,其特征在于,确定排列第一的归一化结果对应的图像为所述目标笔迹所属的图像,包括:
获取排序第一的归一化结果和排序第二的归一化结果的差值;
获取预设的第二距离阈值;
将所述差值的绝对值与所述第二距离阈值进行比对;
确定所述差值的绝对值大于或等于所述第二距离阈值;
确定排序第一的归一化结果所对应的图像为所述目标笔迹所属的图像。
5.根据权利要求4所述的方法,其特征在于,在将所述差值的绝对值与所述第二距离阈值进行比对之后,所述方法还包括:
确定所述差值的绝对值小于所述第二距离阈值;
将所述目标笔迹分别与每个所述已存在的图像进行组合,构成多个组合图像;
根据多个组合图像的识别结果,确定所述目标笔迹所属的图像。
6.根据权利要求5所述的方法,其特征在于,所述识别结果包括:候选类型以及所述组合图像属于每种候选类型的概率,根据多个组合图像的识别结果,确定所述目标笔迹所属的图像,包括:
查找所述识别结果中最大的概率;
确定识别结果包括所述最大的概率的组合图像为目标组合图像,并确定与所述目标笔迹组成所述目标组合图像的已存在的图像为所述目标笔迹所属的图像。
7.根据权利要求4所述的方法,其特征在于,在确定排序第一的归一化结果所对应的图像为所述目标笔迹所属的图像之后,所述方法还包括:
将所述目标笔迹与所述目标笔迹所属的图像进行组合;
对组合的结果进行识别。
8.一种笔迹的处理装置,其特征在于,包括:
检测模块,用于检测在当前显示界面上生成的目标笔迹,其中,所述当前显示界面包括已存在的图像,所述已存在的图像包括至少一个笔迹;
第一获取模块,用于获取所述目标笔迹的第一中心和所述已存在的图像的第二中心;
第二获取模块,用于获取所述第一中心与所述第二中心的距离;
确定模块,用于根据所述距离确定所述目标笔迹与所述已存在的图像之间的关系,其中,所述关系包括:所述目标笔迹属于已存在的一个图像和所述目标笔迹不属于所述已存在的图像;其中,根据所述距离确定所述目标笔迹与所述已存在的图像之间的关系包括:获取第一距离阈值,其中,所述第一距离阈值与预设的允许同时绘制的图像数量呈反比例关系;如果所述距离大于所述第一距离阈值,则确定所述目标笔迹不属于所述已存在的图像;如果所述距离小于或等于所述第一距离阈值,则确定所述目标笔迹属于已存在的一个图像。
9.一种存储介质,其特征在于,所述存储介质包括存储的程序,其中,在所述程序运行时控制所述存储介质所在设备执行权利要求1至7中任意一项所述的笔迹的处理方法。
10.一种处理器,其特征在于,所述处理器用于运行程序,其中,所述程序运行时执行权利要求1至7中任意一项所述的笔迹的处理方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910641746.3A CN110363149B (zh) | 2019-07-16 | 2019-07-16 | 笔迹的处理方法和装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910641746.3A CN110363149B (zh) | 2019-07-16 | 2019-07-16 | 笔迹的处理方法和装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110363149A CN110363149A (zh) | 2019-10-22 |
CN110363149B true CN110363149B (zh) | 2021-12-03 |
Family
ID=68220130
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910641746.3A Active CN110363149B (zh) | 2019-07-16 | 2019-07-16 | 笔迹的处理方法和装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110363149B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115937861B (zh) * | 2022-11-30 | 2023-09-08 | 广东保伦电子股份有限公司 | 一种基于触摸屏的多人同步书写识别方法及系统 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101441539A (zh) * | 2008-12-30 | 2009-05-27 | 深圳华为通信技术有限公司 | 电子白板系统、输入装置、处理装置及处理方法 |
CN105278794A (zh) * | 2014-06-20 | 2016-01-27 | 鸿合科技有限公司 | 基于电磁白板的多人同步手写识别方法、装置及电磁笔 |
CN108027876A (zh) * | 2015-07-10 | 2018-05-11 | 迈思慧公司 | 用于识别多个对象输入的系统及其方法和产品 |
Family Cites Families (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102542265B (zh) * | 2011-12-26 | 2014-12-24 | 广东威创视讯科技股份有限公司 | 一种基于摄像头定位多点触摸的板擦识别方法及其装置 |
US10013603B2 (en) * | 2016-01-20 | 2018-07-03 | Myscript | System and method for recognizing multiple object structure |
US20180033175A1 (en) * | 2016-07-28 | 2018-02-01 | Sharp Kabushiki Kaisha | Image display device and image display system |
CN108268430A (zh) * | 2017-12-31 | 2018-07-10 | 殷向明 | 人工智能辅助识别的方法及装置 |
CN109800763A (zh) * | 2019-02-09 | 2019-05-24 | 鲁东大学 | 一种基于深度学习的手写中文识别方法 |
-
2019
- 2019-07-16 CN CN201910641746.3A patent/CN110363149B/zh active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101441539A (zh) * | 2008-12-30 | 2009-05-27 | 深圳华为通信技术有限公司 | 电子白板系统、输入装置、处理装置及处理方法 |
CN105278794A (zh) * | 2014-06-20 | 2016-01-27 | 鸿合科技有限公司 | 基于电磁白板的多人同步手写识别方法、装置及电磁笔 |
CN108027876A (zh) * | 2015-07-10 | 2018-05-11 | 迈思慧公司 | 用于识别多个对象输入的系统及其方法和产品 |
Non-Patent Citations (3)
Title |
---|
Recognition of Handwritten Mathematical Characters on Whiteboards Using Colour Images;Behrang Sabeghi Saroui et al.;《2014 11th IAPR International Workshop on Document Analysis Systems》;20140612;第91-95页 * |
一种基于DTW 的动态笔迹识别算法;雷海武 等;《计算技术与自动化》;20180331;第37卷(第1期);第83-88页 * |
谷歌做了一个AI画图新工具,能让"寥寥几笔"瞬间变成精美简笔画!;匿名网友;《https://36kr.com/coop/wifi/5070529.html》;20170412;第1-4页 * |
Also Published As
Publication number | Publication date |
---|---|
CN110363149A (zh) | 2019-10-22 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110941594B (zh) | 一种视频文件的拆分方法、装置、电子设备及存储介质 | |
CN109409398B (zh) | 图像处理装置、图像处理方法以及存储介质 | |
CN103455542B (zh) | 多类识别器以及多类识别方法 | |
KR100249055B1 (ko) | 문자인식장치및방법 | |
CN107885430B (zh) | 一种音频播放方法、装置、存储介质及电子设备 | |
US11429985B2 (en) | Information processing device calculating statistical information | |
CN113793336B (zh) | 一种检测血细胞的方法、装置、设备及可读存储介质 | |
CN114549993B (zh) | 实验中线段图像的评分方法、系统、设备及可读存储介质 | |
CN112115906A (zh) | 基于深度学习目标检测和度量学习的开放性菜品识别方法 | |
CN106851937A (zh) | 一种手势控制台灯的方法及装置 | |
CN109711399A (zh) | 基于图像的店铺识别方法、装置,电子设备 | |
CN110990576A (zh) | 基于主动学习的意图分类方法、计算机设备和存储介质 | |
CN104794485B (zh) | 一种识别书写字的方法及装置 | |
US20210182566A1 (en) | Image pre-processing method, apparatus, and computer program | |
CN115062186B (zh) | 一种视频内容检索方法、装置、设备以及存储介质 | |
CN110363149B (zh) | 笔迹的处理方法和装置 | |
US9972080B2 (en) | Apparatus and method for food search service | |
JP4802176B2 (ja) | パターン認識装置、パターン認識プログラム及びパターン認識方法 | |
CN100541522C (zh) | 用于识别手写图形的方法和设备 | |
CN107992872B (zh) | 一种对图片进行文本识别的方法及移动终端 | |
CN112861742A (zh) | 人脸识别方法、装置、电子设备及存储介质 | |
CN111539390A (zh) | 一种基于Yolov3的小目标图像识别方法、设备和系统 | |
US10242080B1 (en) | Clustering applications using visual metadata | |
CN115049962A (zh) | 视频服饰检测方法、装置及设备 | |
JP2021026744A (ja) | 情報処理装置、画像認識方法及び学習モデル生成方法 |
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 |