CN112396032B - 书写检测方法、装置、存储介质及电子设备 - Google Patents

Abstract

本公开涉及一种书写检测方法、装置、存储介质及电子设备，该书写检测方法包括：获取用户书写目标文字的至少一个字帖图像，所述至少一个字帖图像包括对应所述用户书写所述目标文字时所形成的包括书写笔画的至少一个练字方格；识别所述至少一个字帖图像中的所述至少一个练字方格；将所述至少一个练字方格输入实例分割模型，以确定所述至少一个练字方格包括的笔画内容；将所述至少一个练字方格包括的笔画内容与笔画模板进行比对，得到书写检测结果。

Description

书写检测方法、装置、存储介质及电子设备

技术领域

本公开涉及图像识别技术领域，具体地，涉及一种书写检测方法、装置、存储介质及电子设备。

背景技术

目前，在进行文字书写教学时，往往需要采用由老师示范，学生跟着书写的教学方式，或者老师单独的一对一指导教学方式。在学生临摹字帖完成练字之后，需要老师人工评判学生的书写情况。如果学生数量众多，则需要耗费老师较多的精力和时间评判所有学生的书写情况，无法实现高效的书写评判。

发明内容

提供该发明内容部分以便以简要的形式介绍构思，这些构思将在后面的具体实施方式部分被详细描述。该发明内容部分并不旨在标识要求保护的技术方案的关键特征或必要特征，也不旨在用于限制所要求的保护的技术方案的范围。

第一方面，本公开提供一种书写检测方法，所述方法包括：

获取用户书写目标文字的至少一个字帖图像，所述至少一个字帖图像包括所述用户书写所述目标文字时所形成的包括书写笔画的至少一个练字方格；

识别所述至少一个字帖图像中的所述至少一个练字方格；

将所述至少一个练字方格输入实例分割模型，以确定所述至少一个练字方格包括的笔画内容；

将所述至少一个练字方格包括的笔画内容与笔画模板进行比对，得到书写检测结果。

第二方面，本公开提供一种书写检测装置，所述装置包括：

获取模块，用于获取用户书写目标文字的至少一个字帖图像，所述至少一个字帖图像包括所述用户书写所述目标文字时所形成的包括书写笔画的至少一个练字方格；

识别模块，用于识别所述至少一个字帖图像中的所述至少一个练字方格；

确定模块，用于将所述至少一个练字方格输入实例分割模型，以确定所述至少一个练字方格包括的笔画内容；

比对模块，用于将所述至少一个练字方格包括的笔画内容与笔画模板进行比对，得到书写检测结果。

第三方面，本公开提供一种计算机可读介质，其上存储有计算机程序，该程序被处理装置执行时实现第一方面中所述方法的步骤。

第四方面，本公开提供一种电子设备，包括：

存储装置，其上存储有计算机程序；

处理装置，用于执行所述存储装置中的所述计算机程序，以实现第一方面中所述方法的步骤。

通过上述技术方案，可以先识别字帖图像中的至少一个练字方格，并将该至少一个练字方格输入实例分割模型，以得到至少一个练字方格包括的笔画内容，最后将至少一个练字方格包括的笔画内容与笔画模板进行比对，得到书写检测结果。相较于相关技术中人工评判练字情况的方式，可以通过基于实例分割的人工智能方法对输入的字帖图像进行自动化的书写检测，减少用于书写评判的人力和时间，从而提高书写评判效率。

本公开的其他特征和优点将在随后的具体实施方式部分予以详细说明。

附图说明

结合附图并参考以下具体实施方式，本公开各实施例的上述和其他特征、优点及方面将变得更加明显。贯穿附图中，相同或相似的附图标记表示相同或相似的元素。应当理解附图是示意性的，原件和元素不一定按照比例绘制。在附图中：

图1是根据本公开一示例性实施例示出的一种书写检测方法的流程图；

图2是根据本公开一示例性实施例示出的一种书写检测方法中字帖图像示意图；

图3是根据本公开一示例性实施例示出的一种书写检测方法中识别出的练字方格的示意图；

图4是根据本公开一示例性实施例示出的一种书写检测方法中识别到的字帖图像中每两个相邻练字方格之间新增笔画的示意图；

图5是根据本公开一示例性实施例示出的一种书写检测方法中笔顺模板的示意图；

图6是根据本公开一示例性实施例示出的一种书写检测装置的框图；

图7是根据本公开一示例性实施例示出的一种电子设备的框图。

具体实施方式

下面将参照附图更详细地描述本公开的实施例。虽然附图中显示了本公开的某些实施例，然而应当理解的是，本公开可以通过各种形式来实现，而且不应该被解释为限于这里阐述的实施例，相反提供这些实施例是为了更加透彻和完整地理解本公开。应当理解的是，本公开的附图及实施例仅用于示例性作用，并非用于限制本公开的保护范围。

应当理解，本公开的方法实施方式中记载的各个步骤可以按照不同的顺序执行，和/或并行执行。此外，方法实施方式可以包括附加的步骤和/或省略执行示出的步骤。本公开的范围在此方面不受限制。

本文使用的术语“包括”及其变形是开放性包括，即“包括但不限于”。术语“基于”是“至少部分地基于”。术语“一个实施例”表示“至少一个实施例”；术语“另一实施例”表示“至少一个另外的实施例”；术语“一些实施例”表示“至少一些实施例”。其他术语的相关定义将在下文描述中给出。

需要注意，本公开中提及的“第一”、“第二”等概念仅用于对不同的装置、模块或单元进行区分，并非用于限定这些装置、模块或单元所执行的功能的顺序或者相互依存关系。另外需要注意，本公开中提及的“一个”、“多个”的修饰是示意性而非限制性的，本领域技术人员应当理解，除非在上下文另有明确指出，否则应该理解为“一个或多个”。

本公开实施方式中的多个装置之间所交互的消息或者信息的名称仅用于说明性的目的，而并不是用于对这些消息或信息的范围进行限制。

正如背景技术所言，相关技术中的书写评判方式主要为人工评判的方式，无法实现高效的书写评判。有鉴于此，本公开实施例提供一种书写检测方法、装置、存储介质及电子设备，以实现自动化的书写检测，减少在书写评判过程中耗费的人力和时间，从而提高书写评判效率。

图1是根据本公开一示例性实施例示出的一种书写检测方法的流程图。参照图1，该书写检测方法包括：

步骤101，获取用户书写目标文字的至少一个字帖图像，所述至少一个字帖图像包括所述用户书写所述目标文字时所形成的包括书写笔画的至少一个练字方格；

步骤102，识别所述至少一个字帖图像中的所述至少一个练字方格；

步骤103，将所述至少一个练字方格输入实例分割模型，以确定所述至少一个练字方格包括的笔画内容；

步骤104，将所述至少一个练字方格包括的笔画内容与笔画模板进行比对，得到书写检测结果。

通过上述方式，可以先识别字帖图像中的至少一个练字方格，并将该至少一个练字方格输入实例分割模型，以得到至少一个练字方格包括的笔画内容，最后将至少一个练字方格包括的笔画内容与笔画模板进行比对，得到书写检测结果。相较于相关技术中人工评判练字情况的方式，可以通过基于实例分割的人工智能方法对输入的字帖图像进行自动化的书写检测，减少用于书写评判的人力和时间，从而提高书写评判效率。

为了使得本领域技术人员更加理解本公开实施例提供的书写检测方法，下面对上述各步骤进行详细举例说明。

示例地，字帖图像可以是用户在纸质字帖上完成书写之后通过电子设备对该纸质字帖进行拍摄而得到的，或者也可以是用户在纸质字帖上完成书写之后对该纸质字帖进行扫描而得到的，等等，本公开实施例对此不作限定。用户通过拍摄或扫描等方式得到字帖图像后，可以将该字帖图像进行网络上传。例如，用户在纸质字帖上完成书写之后通过电子设备对该纸质字帖进行拍摄，得到了字帖图像。电子设备可以显示供用户上传字帖图像的上传界面。从而用户可以在该上传界面上传字帖图像。当用户上传字帖图像并点击“提交”后，电子设备可以本地获取该字帖图像进行书写检测，并将书写检测结果进行显示。或者，电子设备可以将该字帖图像发送到服务器，以使服务器对该字帖图像进行书写检测，并接收服务器反馈的书写检测结果，等等，本公开实施例对此不作限定。

示例地，字帖图像可以包括用户书写目标文字时所形成的包括书写笔画的至少一个练字方格。例如，参照图2，该字帖图像可以包括用户书写“手”字时所形成的包括书写笔画的4个练字方格。

在获取到字帖图像之后，可以识别该字帖图像中的至少一个练字方格。为了准确高效地识别字帖图像中的至少一个练字方格，可以将至少一个字帖图像输入位置检测模型，以得到至少一个字帖图像中至少一个练字方格在该字帖图像中的位置信息，该位置检测模型可以是根据带有坐标标注信息的样本字帖图像训练得到的，该坐标标注信息可以包括样本字帖图像中每一练字方格的至少三个顶点在样本字帖图像中的坐标位置信息。

示例地，可以预先对多个样本字帖图像中的每一练字方格标注坐标位置信息，该坐标位置信息可以包括练字方格的至少三个顶点的坐标位置信息。然后可以根据标注有坐标位置信息的样本字帖图像训练位置检测模型。

比如，样本字帖图像的坐标标注信息包括样本字帖图像中每一练字方格的四个顶点在样本字帖图像中的坐标位置信息，表示为[x0，y0,x1,y1,x2,y2,x3,y3]，分别对应每一练字方格实际标注框的左上角点坐标、右上角点坐标、右下角点坐标、左下角点坐标。在此种情况下，位置检测模型可以先根据输入的样本字帖图像识别该样本字帖图像中每一练字方格的四个顶点对应的坐标位置信息，得到四个顶点坐标。然后可以对该四个顶点坐标进行回归，即根据识别到的四个顶点坐标与该样本字帖图像带有的坐标标注信息进行损失函数的计算，并根据损失函数的计算结果调整位置检测模型的参数，从而实现对位置检测模型的训练。

在训练得到位置检测模型之后，对于任意字帖图像，则可以通过该位置检测模型进行位置识别，以得到至少一个字帖图像中至少一个练字方格在字帖图像中的位置信息，从而实现对至少一个字帖图像中至少一个练字方格的识别。例如，字帖图像如图2所示，针对该字帖图像识别到的至少一个练字方格可以如图3所示。在后续过程中，可以将识别到的至少一个练字方格输入实例分割模型，以确定至少一个练字方格包括的笔画内容。

示例地，实例分割模型可以是根据标注有笔画实例信息的样本字帖图像训练得到的，其中，样本字帖图像中样本文字的每一笔画标注有不同的笔画实例信息。

应当理解的是，实例分割可以通过目标检测方法从图像中框出不同实例，再通过语义分割方法在不同实例区域内进行逐像素标记。也即是说，通过实例分割不仅可以通过目标检测确定图像中不同实例所属类别，还可以通过语义分割确定图像中每一类实例中的不同实例。因此，在本公开实施例中，为了准确高效的识别每一练字方格包括的每一笔画内容，可以将样本文字的每一笔画标注为一个实例目标输入通过实例分割模型，以实现对实例分割模型的训练，从而通过训练后的实例分割模型确定练字方格包括的笔画内容。

示例地，在训练实例分割模型之前，可以预先对多个样本文字进行单笔画标注，将样本文字的每个笔画标注为一个单独的实例，从而得到标注有笔画实例信息的样本字帖图像。在训练过程中，实例分割模型可以对输入的样本字帖图像中每个样本文字的笔画不断拟合二值化掩码(mask)，以确定每个样本文字的笔画实例信息，然后可以将确定的该笔画实例信息与每个样本文字预先标注的笔画实例信息进行损失函数的计算，再根据损失函数的计算结果调整实例分割模型的参数，从而实现对实例分割模型的训练。

在训练得到实例分割模型之后，对于任意练字方格，则可以通过该实例分割模型识别至少一个练字方格包括的笔画内容，然后将至少一个练字方格包括的笔画内容与笔画模板进行比对，得到书写检测结果，以实现自动化的书写检测。

下面对将至少一个练字方格包括的笔画内容与笔画模板进行比对得到书写检测结果的可能方式进行说明。

在一可能的方式中，可以将相邻两个练字方格中对应位置的笔画进行匹配，以确定相邻两个练字方格之间的新增笔画，然后根据至少一个字帖图像中每两个相邻练字方格之间的新增笔画，确定至少一个字帖图像中所述目标文字对应的笔画顺序，并将该笔画顺序与文字笔画库中目标文字的笔顺模板进行相似度计算，得到笔顺相似度，其中，文字笔画库中存储有不同文字对应的笔顺模板。相应地，书写检测结果可以包括该笔顺相似度。

也即是说，在本公开实施例中笔画模板可以包括笔顺模板，因此通过本公开实施例的书写检测方法可以实现对字帖图像中笔画顺序的检测，以确定用户书写的目标文字的笔画顺序是否正确，即可以实现对字帖图像的笔画顺序的监督。

应当理解的是，实例分割模型通过目标检测可以确定练字方格中每一笔画相对于该练字方格的位置框(即目标检测框)，因此在本公开实施例中，在通过实例分割模型确定每一练字方格包括的笔画内容之后，则可以确定每一练字方格中各个笔画所在的位置，从而可以将相邻两个练字方格中对应位置的笔画进行匹配，以确定相邻两个练字方格之间的新增笔画。

示例地，可以将相邻两个练字方格中对应位置的笔画计算相似度，如果相似度大于阈值，则判断这两个笔画为同一笔画，即确定这两个笔画匹配。按照此种方式，剩余的未匹配的笔画则可以确定为相邻两个练字方格之间的新增笔画。其中，相似度计算可以采用重叠度(IOU)计算或者Dice距离计算，等等，本公开实施例对此不作限定。

在可能的方式中，如果采用重叠度计算方式，那么将相邻两个练字方格中对应位置的笔画进行匹配，以确定相邻两个练字方格之间的新增笔画可以是：针对第一练字方格中的每一笔画，确定该笔画与第二练字方格中每一笔画之间的重叠度，若该重叠度大于预设重叠度，则确定该笔画与第二练字方格中的对应笔画匹配，其中，第一练字方格与所述第二练字方格相邻。若第一练字方格或第二练字方格中存在未匹配的剩余笔画，则将剩余笔画确定为第一练字方格和所述第二练字方格之间的新增笔画。

也即是说，可以针对相邻两个练字方格的笔画进行遍历计算，确定相邻两个练字方格之间的笔画匹配情况。其中，预设重叠度可以根据实际情况设定，本公开实施例对此不作限定。

例如，将预设重叠度设定为0.5，在此种情况下，针对第一练字方格中的每一笔画，确定该笔画与第二练字方格中每一笔画之间的重叠度(IOU值)，若该重叠度大于0.5，则说明第一练字方格中的该笔画与第二练字方格中笔画之间的相似度较高，因此可以判断这两个笔画为同一笔画，从而可以将这两个笔画进行匹配。若重叠度小于或等于0.5，则说明第一练字方格中的该笔画与第二练字方格中笔画之间的相似度较低，因此可以判断这两个笔画不是同一笔画，从而可以继续遍历下一个笔画。如果遍历完第一练字方格或第二练字方格的笔画后，第一练字方格或第二练字方格中存在未匹配的剩余笔画，则可以确定该剩余笔画为第一练字方格和所述第二练字方格之间的新增笔画。

通过上述方式，可以通过相邻两个练字方格之间的笔画重叠度确定该相邻两个练字方格之间的新增笔画，从而可以根据字帖图像中每两个相邻练字方格之间的新增笔画，确定字帖图像中目标文字对应的笔画顺序。比如，参照图4，该字帖图像中每两个相邻练字方格之间的新增笔画分别为笔画A、笔画B、笔画C和笔画D，因此可以确定该字帖图像中目标文字“手”对应的笔画顺序依次为笔画A、笔画B、笔画C、笔画D。

在确定字帖图像中目标文字对应的笔画顺序的同时或之后，可以在文字笔画库中查找该目标文字对应的笔顺模板。其中，文字笔画库存储有不同文字对应的笔顺模板，例如参照图5，该文字笔画库中存储有目标文字“手”的笔顺模板。然后，可以将字帖图像中目标文字对应的笔画顺序与查找到的笔顺模板进行相似度计算，得到笔顺相似度。示例地，该笔顺相似度的计算可以采用重叠度计算方式或者Dice距离计算方式，等等，本公开实施例对此不作限定。

以重叠度计算方式为例，可以对字帖图像中目标文字的笔画顺序和该目标文字对应的笔顺模板中每个对应位置的笔画进行交集和并集计算，得到重叠度(IOU值)。如果该重叠度大于阈值，则判断该重叠度计算对应的两个笔画为同一笔画类型，从而可以确定该两个笔画中字帖图像对应的笔画的书写顺序正确。在此种情况下，书写检测结果则可以包括该重叠度计算结果，从而可以实现对字帖图像中文字书写顺序的自动化检测，提高书写评测效率。

另外，应当理解的是，现有技术中为了有效指导练字人掌握正确的书写顺序，通常是先将某个字的笔画顺序进行讲解，然后分步骤指导练字人进行正确顺序的书写。但是，此种方式并不能确定练字人在练字过程中是否按照正确的笔画顺序完成书写，缺少笔顺监督过程。而本公开实施例中的书写检测方法，通过对字帖图像进行笔顺检测，可以确定用户书写的目标文字的笔画顺序是否正确，从而实现笔顺监督。

在另一可能的方式中，将至少一个练字方格包括的笔画内容与笔画模板进行比对得到书写检测结果，可以是：先针对至少一个练字方格中的每一笔画，确定该笔画的笔画类型，然后在单笔画库中查找该笔画类型对应的单笔画模板，并将单笔画模板与该笔画进行相似度计算，得到笔画相似度，其中，单笔画库中存储有不同笔画类型对应的单笔画模板。相应地，书写检测结果可以包括该笔画相似度。

也即是说，在本公开实施例中笔画模板可以包括单笔画模板，因此通过本公开实施例的书写检测方法可以实现对字帖图像中每一单笔画的书写检测，以确定用户书写的目标文字中每一单笔画是否符合常规书写规范，即可以实现对字帖图像中目标文字的笔画运笔评测。

示例地，笔画类型包括点(丶)、横(一)、竖(丨)、撇(丿)、捺(乀)、提、折(乛)、钩(亅)等不同的笔画类型。在本公开实施例中，为了实现字帖图像中对于目标文字每一单笔画的书写检测，可以先识别每一单笔画对应的笔画类型。比如，可以通过标注有笔画类型的笔画样本训练识别模型，然后则可以通过训练后的识别模型识别字帖图像中每一单笔画的笔画类型。

在确定每一练字方格中每一笔画的笔画类型的同时或之后，可以在单笔画库中查找该笔画类型对应的单笔画模板。其中，单笔画库中存储有不同笔画类型对应的单笔画模板。比如，考虑到笔画“横”书写时需平直且两端略有顿笔，则单笔画库中笔画“横”对应的单笔画模板则可以具有平直且两端略有顿笔的笔画特征。又比如，考虑到笔画“撇”书写时末端需出尖，则单笔画库中笔画“撇”对应的单笔画模板则可以具有末端出尖的笔画特征。

然后，可以将查找到的单笔画模板与字帖图像中每一对应笔画进行相似计算，得到笔画相似度。示例地，该笔画相似度的计算可以采用重叠度计算方式或者Dice距离计算方式，等等，本公开实施例对此不作限定。

以重叠度计算方式为例，可以对字帖图像中每一笔画与对应的笔画模板进行交集和并集计算，得到重叠度(IOU值)。如果该重叠度大于阈值，则判断字帖图像中的该笔画与对应的笔画模板相似度较高，因此可以确定该笔画书写符合常规书写规范。在此种情况下，书写检测结果可以包括该重叠度计算结果，从而可以实现对字帖图像中文字单笔画的自动化检测，提高书写评测效率。

在另一可能的方式中，将至少一个练字方格包括的笔画内容与笔画模板进行比对得到书写检测结果，可以是：先识别至少一个字帖图像中目标文字对应的字体，然后将至少一个字帖图像中包括有目标文字完整笔画的练字方格中的笔画内容转换为预设尺寸，得到目标笔画内容，接着根据该字体，在字形笔画库中查找目标文字对应的目标文字模板，并将目标文字模板与目标笔画内容进行相似度计算，得到字形相似度，其中，字形笔画库存储有不同字体的文字对应的字形模板。相应地，书写检测结果可以包括字形相似度。

也即是说，在本公开实施例中笔画模板可以包括字形模板，因此通过本公开实施例的书写检测方法可以实现对字帖图像中目标文字的字形检测，以确定字帖图像中目标文字每一笔画的大小、每一笔画之间的架构等是否符合常规书写规范，即可以实现对字帖图像中目标文字的整体字形结构的评测。

示例地，考虑到不同字体的文字其整体字形结构的常规书写规范不同，因此在本公开实施例中为了实现对字帖图像中目标文字的整体字形结构的检测，可以先识别字帖图像中目标文字对应的字体，然后可以根据该字体在字形笔画库中查找目标文字对应的目标文字模板。其中，字形笔画库中存储有存储有不同字体的文字对应的字形模板。比如，对于每一文字，字形笔画库中可以存储该字体对应的楷体、行楷字体、行书字体等等不同的字体所对应的字形模板，本公开实施例对此不作限定。

示例地，为了提高字形比对结果的准确率，在将字帖图像中目标文字与查找到的字形模板进行比对之前，还可以先将字帖图像中包括有目标文字完整笔画的练字方格中的笔画内容转换为预设尺寸。其中，预设尺寸可以根据字形笔画库中存储的各字形模板的尺寸进行对应设置，使得待比对的目标文字与对应的字形模板的尺寸一致，从而避免由于文字尺寸导致的比对不准确的问题。

在将字帖图像中包括有目标文字完整笔画的练字方格中的笔画内容转换为预设尺寸，得到目标笔画内容之后，则可以将该目标笔画内容与查找到的目标文字模板进行相似度计算，得到字形相似度。示例地，该字形相似度的计算可以采用重叠度计算方式或者Dice距离计算方式，等等，本公开实施例对此不作限定。

以重叠度计算方式为例，可以对字帖图像对应的目标笔画内容与目标字形模板进行交集和并集计算，得到重叠度(IOU值)。如果该重叠度大于阈值，则判断字帖图像中的目标文字与对应的目标字形模板相似度较高，因此可以确定该字帖图像中目标文字的整体字形结构符合常规书写规范。在此种情况下，书写检测结果可以包括该重叠度计算结果，从而可以实现对字帖图像中文字整体字形结构美观度的自动化检测，提高书写评测效率。

通过上述方式，书写检测结果可以包括笔顺相似度、笔画相似度和字形相似度中的至少一者，可以满足各种不同场景下的书写检测需求，提高书写评测效率。

在得到书写检测结果后，还可以生成书写检测结果对应的书写提示信息，并输出该书写提示信息。在可能的方式中，可以根据书写检测结果、以及书写分值与书写检测结果之间的预设对应关系，确定书写检测结果对应的目标书写分值；或者可以根据书写检测结果合成书写提示文字和/或书写提示语音。

示例地，可以预先根据大量样本书写检测结果建立书写分值与书写检测结果之间的预设对应关系。比如，书写检测结果包括笔顺相似度，可以设定笔顺相似度大于或等于90％时，对应的书写分值为90分，笔顺相似度小于90％且大于或等于90％时，对应的书写分值为80分，等等，本公开实施例对于预设对应关系的具体内容和设定方式不作限定。应当理解的是，考虑到书写检测结果可以包括笔顺相似度、笔画相似度和字形相似度中的至少一者，因此该预设对应关系可以包括笔顺相似度、笔画相似度和字形相似度分别与书写分值之间的对应关系。

在设定有预设对应关系的情况下，在得到书写检测结果之后，若该书写检测结果包括笔顺相似度、笔画相似度和字形相似度中的一者，则可以直接根据该书写检测结果在对应的预设对应关系中进行查找，以得到该书写检测结果对应的目标书写分值。或者，若书写检测结果包括笔顺相似度、笔画相似度和字形相似度中的至少两者，则可以先根据不同的预设对应关系分别确定笔顺相似度、笔画相似度和字形相似度对应的书写分值，然后通过加权求和的方式对这些书写分值进行计算，得到书写检测结果对应的目标书写分值。

在其他可能的方式中，还可以根据书写检测结果合成书写提示文字和/或书写提示语音，然后将该书写提示文字和/或书写提示语音反馈给用户。比如，书写检测结果包括笔顺相似度，在该笔顺相似度为88％的情况下，则可以合成书写提示文字为“笔顺相似度为88％”，或者可以合成书写提示语音为“笔顺相似度为88％”，又或者可以同时合成书写提示文字和书写提示语音，本公开实施例对此不作限定。类似地，在得到目标书写分值之后，也可以输出该目标书写分值，比如可以通过电子设备向用户显示该目标书写分值，或者合成该目标书写分值对应的语音进行输出，等等。

通过上述方式，可以通过基于实例分割的人工智能方法对输入的字帖图像进行自动化的书写检测，减少用于书写评判的人力和时间，从而提高书写评判效率。并且，可以将书写检测结果通过不同的形式反馈给用户，使得用户可以清楚了解自身书写情况，提升了交互性。

基于同一发明构思，本公开实施例还提供一种书写检测装置。该书写检测装置可以通过软件、硬件或者两者结合的方式成为电子设备的部分或全部。参照图6，该书写检测装置600包括：

获取模块601，用于获取用户书写目标文字的至少一个字帖图像，所述至少一个字帖图像包括所述用户书写所述目标文字时所形成的包括书写笔画的至少一个练字方格；

识别模块602，用于识别所述至少一个字帖图像中的所述至少一个练字方格；

确定模块603，用于将所述至少一个练字方格输入实例分割模型，以确定所述至少一个练字方格包括的笔画内容；

比对模块604，用于将所述至少一个练字方格包括的笔画内容与笔画模板进行比对，得到书写检测结果。

可选地，所述实例分割模型是根据标注有笔画实例信息的样本字帖图像训练得到的，其中，所述样本字帖图像中样本文字的每一笔画标注有不同的笔画实例信息。

可选地，所述比对模块604用于：

将相邻两个练字方格中对应位置的笔画进行匹配，以确定所述相邻两个练字方格之间的新增笔画；

根据所述至少一个字帖图像中每两个相邻练字方格之间的新增笔画，确定所述至少一个字帖图像中所述目标文字对应的笔画顺序，并将所述笔画顺序与文字笔画库中所述目标文字的笔顺模板进行相似度计算，得到笔顺相似度，其中，所述文字笔画库中存储有不同文字对应的笔顺模板；

所述书写检测结果包括所述笔顺相似度。

可选地，所述比对模块604用于：

针对第一练字方格中的每一笔画，确定该笔画与第二练字方格中每一笔画之间的重叠度，若所述重叠度大于预设重叠度，则确定该笔画与所述第二练字方格中的对应笔画匹配，其中，所述第一练字方格与所述第二练字方格相邻；

若所述第一练字方格或所述第二练字方格中存在未匹配的剩余笔画，则将所述剩余笔画确定为所述第一练字方格和所述第二练字方格之间的新增笔画。

可选地，所述比对模块604用于：

针对所述至少一个练字方格中的每一笔画，确定该笔画的笔画类型；

在单笔画库中查找所述笔画类型对应的单笔画模板，并将所述单笔画模板与所述笔画进行相似度计算，得到笔画相似度，其中，所述单笔画库中存储有不同笔画类型对应的单笔画模板；

所述书写检测结果包括所述笔画相似度。

可选地，所述比对模块604用于：

识别所述至少一个字帖图像中所述目标文字对应的字体；

将所述至少一个字帖图像中包括有所述目标文字完整笔画的练字方格中的笔画内容转换为预设尺寸，得到目标笔画内容；

根据所述字体，在字形笔画库中查找所述目标文字对应的目标文字模板，并将所述目标文字模板与所述目标笔画内容进行相似度计算，得到字形相似度，其中，所述字形笔画库存储有不同字体的文字对应的字形模板；

所述书写检测结果包括所述字形相似度。

可选地，所述识别模块602用于：

将所述至少一个字帖图像输入位置检测模型，以得到所述至少一个字帖图像中所述至少一个练字方格在对应字帖图像中的位置信息，所述位置检测模型是根据带有坐标标注信息的样本字帖图像训练得到的，所述坐标标注信息包括所述样本字帖图像中每一练字方格的至少三个顶点在所述样本字帖图像中的坐标位置信息。

可选地，所述装置600还包括：

分值模块，用于根据所述书写检测结果、以及书写分值与书写检测结果之间的预设对应关系，确定所述书写检测结果对应的目标书写分值；或者

合成模块，用于根据所述书写检测结果合成书写提示文字和/或书写提示语音。

关于上述实施例中的装置，其中各个模块执行操作的具体方式已经在有关该方法的实施例中进行了详细描述，此处将不做详细阐述说明。

基于同一发明构思，本公开实施例还提供一种计算机可读介质，其上存储有计算机程序，该程序被处理装置执行时实现上述任一书写检测方法的步骤。

基于同一发明构思，本公开实施例还提供一种电子设备，包括：

存储装置，其上存储有计算机程序；

处理装置，用于执行所述存储装置中的所述计算机程序，以实现上述任一书写检测方法的步骤。

下面参考图7，其示出了适于用来实现本公开实施例的电子设备700的结构示意图。本公开实施例中的终端设备可以包括但不限于诸如移动电话、笔记本电脑、数字广播接收器、PDA(个人数字助理)、PAD(平板电脑)、PMP(便携式多媒体播放器)、车载终端(例如车载导航终端)等等的移动终端以及诸如数字TV、台式计算机等等的固定终端。图7示出的电子设备仅仅是一个示例，不应对本公开实施例的功能和使用范围带来任何限制。

如图7所示，电子设备700可以包括处理装置(例如中央处理器、图形处理器等)701，其可以根据存储在只读存储器(ROM)702中的程序或者从存储装置708加载到随机访问存储器(RAM)703中的程序而执行各种适当的动作和处理。在RAM 703中，还存储有电子设备700操作所需的各种程序和数据。处理装置701、ROM 702以及RAM 703通过总线704彼此相连。输入/输出(I/O)接口705也连接至总线704。

通常，以下装置可以连接至I/O接口705：包括例如触摸屏、触摸板、键盘、鼠标、摄像头、麦克风、加速度计、陀螺仪等的输入装置706；包括例如液晶显示器(LCD)、扬声器、振动器等的输出装置707；包括例如磁带、硬盘等的存储装置708；以及通信装置709。通信装置709可以允许电子设备700与其他设备进行无线或有线通信以交换数据。虽然图7示出了具有各种装置的电子设备700，但是应理解的是，并不要求实施或具备所有示出的装置。可以替代地实施或具备更多或更少的装置。

特别地，根据本公开的实施例，上文参考流程图描述的过程可以被实现为计算机软件程序。例如，本公开的实施例包括一种计算机程序产品，其包括承载在非暂态计算机可读介质上的计算机程序，该计算机程序包含用于执行流程图所示的方法的程序代码。在这样的实施例中，该计算机程序可以通过通信装置709从网络上被下载和安装，或者从存储装置708被安装，或者从ROM 702被安装。在该计算机程序被处理装置701执行时，执行本公开实施例的方法中限定的上述功能。

需要说明的是，本公开上述的计算机可读介质可以是计算机可读信号介质或者计算机可读存储介质或者是上述两者的任意组合。计算机可读存储介质例如可以是——但不限于——电、磁、光、电磁、红外线、或半导体的系统、装置或器件，或者任意以上的组合。计算机可读存储介质的更具体的例子可以包括但不限于：具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机访问存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑磁盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本公开中，计算机可读存储介质可以是任何包含或存储程序的有形介质，该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。而在本公开中，计算机可读信号介质可以包括在基带中或者作为载波一部分传播的数据信号，其中承载了计算机可读的程序代码。这种传播的数据信号可以采用多种形式，包括但不限于电磁信号、光信号或上述的任意合适的组合。计算机可读信号介质还可以是计算机可读存储介质以外的任何计算机可读介质，该计算机可读信号介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。计算机可读介质上包含的程序代码可以用任何适当的介质传输，包括但不限于：电线、光缆、RF(射频)等等，或者上述的任意合适的组合。

在一些实施方式中，可以利用诸如HTTP(HyperText Transfer Protocol，超文本传输协议)之类的任何当前已知或未来研发的网络协议进行通信，并且可以与任意形式或介质的数字数据通信(例如，通信网络)互连。通信网络的示例包括局域网(“LAN”)，广域网(“WAN”)，网际网(例如，互联网)以及端对端网络(例如，ad hoc端对端网络)，以及任何当前已知或未来研发的网络。

上述计算机可读介质可以是上述电子设备中所包含的；也可以是单独存在，而未装配入该电子设备中。

上述计算机可读介质承载有一个或者多个程序，当上述一个或者多个程序被该电子设备执行时，使得该电子设备：获取用户书写目标文字的至少一个字帖图像，所述至少一个字帖图像包括所述用户书写所述目标文字时所形成的包括书写笔画的至少一个练字方格；识别所述至少一个字帖图像中的所述至少一个练字方格；将所述至少一个练字方格输入实例分割模型，以确定所述至少一个练字方格包括的笔画内容；将所述至少一个练字方格包括的笔画内容与笔画模板进行比对，得到书写检测结果。

可以以一种或多种程序设计语言或其组合来编写用于执行本公开的操作的计算机程序代码，上述程序设计语言包括但不限于面向对象的程序设计语言—诸如Java、Smalltalk、C++，还包括常规的过程式程序设计语言——诸如“C”语言或类似的程序设计语言。程序代码可以完全地在用户计算机上执行、部分地在用户计算机上执行、作为一个独立的软件包执行、部分在用户计算机上部分在远程计算机上执行、或者完全在远程计算机或服务器上执行。在涉及远程计算机的情形中，远程计算机可以通过任意种类的网络——包括局域网(LAN)或广域网(WAN)——连接到用户计算机，或者，可以连接到外部计算机(例如利用因特网服务提供商来通过因特网连接)。

附图中的流程图和框图，图示了按照本公开各种实施例的系统、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上，流程图或框图中的每个方框可以代表一个模块、程序段、或代码的一部分，该模块、程序段、或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意，在有些作为替换的实现中，方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如，两个接连地表示的方框实际上可以基本并行地执行，它们有时也可以按相反的顺序执行，这依所涉及的功能而定。也要注意的是，框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合，可以用执行规定的功能或操作的专用的基于硬件的系统来实现，或者可以用专用硬件与计算机指令的组合来实现。

描述于本公开实施例中所涉及到的模块可以通过软件的方式实现，也可以通过硬件的方式来实现。其中，模块的名称在某种情况下并不构成对该模块本身的限定。

本文中以上描述的功能可以至少部分地由一个或多个硬件逻辑部件来执行。例如，非限制性地，可以使用的示范类型的硬件逻辑部件包括：现场可编程门阵列(FPGA)、专用集成电路(ASIC)、专用标准产品(ASSP)、片上系统(SOC)、复杂可编程逻辑设备(CPLD)等等。

在本公开的上下文中，机器可读介质可以是有形的介质，其可以包含或存储以供指令执行系统、装置或设备使用或与指令执行系统、装置或设备结合地使用的程序。机器可读介质可以是机器可读信号介质或机器可读储存介质。机器可读介质可以包括但不限于电子的、磁性的、光学的、电磁的、红外的、或半导体系统、装置或设备，或者上述内容的任何合适组合。机器可读存储介质的更具体示例会包括基于一个或多个线的电气连接、便携式计算机盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦除可编程只读存储器(EPROM或快闪存储器)、光纤、便捷式紧凑盘只读存储器(CD-ROM)、光学储存设备、磁储存设备、或上述内容的任何合适组合。

根据本公开的一个或多个实施例，示例一提供了一种书写检测方法，包括：

获取用户书写目标文字的至少一个字帖图像，所述至少一个字帖图像包括所述用户书写所述目标文字时所形成的包括书写笔画的至少一个练字方格；

识别所述至少一个字帖图像中的所述至少一个练字方格；

将所述至少一个练字方格输入实例分割模型，以确定所述至少一个练字方格包括的笔画内容；

将所述至少一个练字方格包括的笔画内容与笔画模板进行比对，得到书写检测结果。

根据本公开的一个或多个实施例，示例二提供了示例一的方法，所述实例分割模型是根据标注有笔画实例信息的样本字帖图像训练得到的，其中，所述样本字帖图像中样本文字的每一笔画标注有不同的笔画实例信息。

根据本公开的一个或多个实施例，示例三提供了示例一的方法，所述将所述至少一个练字方格包括的笔画内容与笔画模板进行比对，得到书写检测结果，包括：

将相邻两个练字方格中对应位置的笔画进行匹配，以确定所述相邻两个练字方格之间的新增笔画；

根据所述至少一个字帖图像中每两个相邻练字方格之间的新增笔画，确定所述至少一个字帖图像中所述目标文字对应的笔画顺序，并将所述笔画顺序与文字笔画库中所述目标文字的笔顺模板进行相似度计算，得到笔顺相似度，其中，所述文字笔画库中存储有不同文字对应的笔顺模板；

所述书写检测结果包括所述笔顺相似度。

根据本公开的一个或多个实施例，示例四提供了示例三的方法，所述将相邻两个练字方格中对应位置的笔画进行匹配，以确定所述相邻两个练字方格之间的新增笔画，包括：

针对第一练字方格中的每一笔画，确定该笔画与第二练字方格中每一笔画之间的重叠度，若所述重叠度大于预设重叠度，则确定该笔画与所述第二练字方格中的对应笔画匹配，其中，所述第一练字方格与所述第二练字方格相邻；

若所述第一练字方格或所述第二练字方格中存在未匹配的剩余笔画，则将所述剩余笔画确定为所述第一练字方格和所述第二练字方格之间的新增笔画。

根据本公开的一个或多个实施例，示例五提供了示例一的方法，所述将所述至少一个练字方格包括的笔画内容与笔画模板进行比对，得到书写检测结果，包括：

针对所述至少一个练字方格中的每一笔画，确定该笔画的笔画类型；

在单笔画库中查找所述笔画类型对应的单笔画模板，并将所述单笔画模板与所述笔画进行相似度计算，得到笔画相似度，其中，所述单笔画库中存储有不同笔画类型对应的单笔画模板；

所述书写检测结果包括所述笔画相似度。

根据本公开的一个或多个实施例，示例六提供了示例一的方法，所述将所述至少一个练字方格包括的笔画内容与笔画模板进行比对，得到书写检测结果，包括：

识别所述至少一个字帖图像中所述目标文字对应的字体；

将所述至少一个字帖图像中包括有所述目标文字完整笔画的练字方格中的笔画内容转换为预设尺寸，得到目标笔画内容；

根据所述字体，在字形笔画库中查找所述目标文字对应的目标文字模板，并将所述目标文字模板与所述目标笔画内容进行相似度计算，得到字形相似度，其中，所述字形笔画库存储有不同字体的文字对应的字形模板；

所述书写检测结果包括所述字形相似度。

根据本公开的一个或多个实施例，示例七提供了示例一至六任一项的方法，所述识别所述至少一个字帖图像中的至少一个练字方格，包括：

将所述至少一个字帖图像输入位置检测模型，以得到所述至少一个字帖图像中所述至少一个练字方格在对应字帖图像中的位置信息，所述位置检测模型是根据带有坐标标注信息的样本字帖图像训练得到的，所述坐标标注信息包括所述样本字帖图像中每一练字方格的至少三个顶点在所述样本字帖图像中的坐标位置信息。

根据本公开的一个或多个实施例，示例八提供了示例一至六任一项的方法，还包括：

根据所述书写检测结果、以及书写分值与书写检测结果之间的预设对应关系，确定所述书写检测结果对应的目标书写分值；或者

根据所述书写检测结果合成书写提示文字和/或书写提示语音。

根据本公开的一个或多个实施例，示例九提供了一种书写检测装置，所述装置包括：

获取模块，用于获取用户书写目标文字的至少一个字帖图像，所述至少一个字帖图像包括所述用户书写所述目标文字时所形成的包括书写笔画的至少一个练字方格；

识别模块，用于识别所述至少一个字帖图像中的所述至少一个练字方格；

确定模块，用于将所述至少一个练字方格输入实例分割模型，以确定所述至少一个练字方格包括的笔画内容；

比对模块，用于将每一所述练字方格包括的笔画内容与笔画模板进行比对，得到书写检测结果。

根据本公开的一个或多个实施例，示例十提供了示例九的装置，所述实例分割模型是根据标注有笔画实例信息的样本字帖图像训练得到的，其中，所述样本字帖图像中样本文字的每一笔画标注有不同的笔画实例信息。

根据本公开的一个或多个实施例，示例十一提供了示例九的装置，所述比对模块用于：

将相邻两个练字方格中对应位置的笔画进行匹配，以确定所述相邻两个练字方格之间的新增笔画；

根据所述至少一个字帖图像中每两个相邻练字方格之间的新增笔画，确定所述至少一个字帖图像中所述目标文字对应的笔画顺序，并将所述笔画顺序与文字笔画库中所述目标文字的笔顺模板进行相似度计算，得到笔顺相似度，其中，所述文字笔画库中存储有不同文字对应的笔顺模板；

所述书写检测结果包括所述笔顺相似度。

根据本公开的一个或多个实施例，示例十二提供了示例十一的装置，所述比对模块用于：

针对第一练字方格中的每一笔画，确定该笔画与第二练字方格中每一笔画之间的重叠度，若所述重叠度大于预设重叠度，则确定该笔画与所述第二练字方格中的对应笔画匹配，其中，所述第一练字方格与所述第二练字方格相邻；

若所述第一练字方格或所述第二练字方格中存在未匹配的剩余笔画，则将所述剩余笔画确定为所述第一练字方格和所述第二练字方格之间的新增笔画。

根据本公开的一个或多个实施例，示例十三提供了示例九的装置，所述比对模块用于：

针对所述至少一个练字方格中的每一笔画，确定该笔画的笔画类型；

在单笔画库中查找所述笔画类型对应的单笔画模板，并将所述单笔画模板与所述笔画进行相似度计算，得到笔画相似度，其中，所述单笔画库中存储有不同笔画类型对应的单笔画模板；

所述书写检测结果包括所述笔画相似度。

根据本公开的一个或多个实施例，示例十四提供了示例九的装置，所述比对模块用于：

识别所述至少一个字帖图像中所述目标文字对应的字体；

将所述至少一个字帖图像中包括有所述目标文字完整笔画的练字方格中的笔画内容转换为预设尺寸，得到目标笔画内容；

根据所述字体，在字形笔画库中查找所述目标文字对应的目标文字模板，并将所述目标文字模板与所述目标笔画内容进行相似度计算，得到字形相似度，其中，所述字形笔画库存储有不同字体的文字对应的字形模板；

所述书写检测结果包括所述字形相似度。

根据本公开的一个或多个实施例，示例十五提供了示例九至十三任一项的装置，所述识别模块用于：

将所述至少一个字帖图像输入位置检测模型，以得到所述至少一个字帖图像中所述至少一个练字方格在对应字帖图像中的位置信息，所述位置检测模型是根据带有坐标标注信息的样本字帖图像训练得到的，所述坐标标注信息包括所述样本字帖图像中每一练字方格的至少三个顶点在所述样本字帖图像中的坐标位置信息。

根据本公开的一个或多个实施例，示例十六提供了示例九至十三任一项的装置，所述装置还包括：

分值模块，用于根据所述书写检测结果、以及书写分值与书写检测结果之间的预设对应关系，确定所述书写检测结果对应的目标书写分值；或者

合成模块，用于根据所述书写检测结果合成书写提示文字和/或书写提示语音。

根据本公开的一个或多个实施例，示例十七提供了一种计算机可读介质，其上存储有计算机程序，该程序被处理装置执行时实现示例一至八任一项所述方法的步骤。

根据本公开的一个或多个实施例，示例十八提供了一种电子设备，包括：

存储装置，其上存储有计算机程序；

处理装置，用于执行所述存储装置中的所述计算机程序，以实现示例一至八任一项所述方法的步骤。

以上描述仅为本公开的较佳实施例以及对所运用技术原理的说明。本领域技术人员应当理解，本公开中所涉及的公开范围，并不限于上述技术特征的特定组合而成的技术方案，同时也应涵盖在不脱离上述公开构思的情况下，由上述技术特征或其等同特征进行任意组合而形成的其它技术方案。例如上述特征与本公开中公开的(但不限于)具有类似功能的技术特征进行互相替换而形成的技术方案。

此外，虽然采用特定次序描绘了各操作，但是这不应当理解为要求这些操作以所示出的特定次序或以顺序次序执行来执行。在一定环境下，多任务和并行处理可能是有利的。同样地，虽然在上面论述中包含了若干具体实现细节，但是这些不应当被解释为对本公开的范围的限制。在单独的实施例的上下文中描述的某些特征还可以组合地实现在单个实施例中。相反地，在单个实施例的上下文中描述的各种特征也可以单独地或以任何合适的子组合的方式实现在多个实施例中。

尽管已经采用特定于结构特征和/或方法逻辑动作的语言描述了本主题，但是应当理解所附权利要求书中所限定的主题未必局限于上面描述的特定特征或动作。相反，上面所描述的特定特征和动作仅仅是实现权利要求书的示例形式。关于上述实施例中的装置，其中各个模块执行操作的具体方式已经在有关该方法的实施例中进行了详细描述，此处将不做详细阐述说明。

Claims (8)

1.一种书写检测方法，其特征在于，所述方法包括：

获取用户书写目标文字的至少一个字帖图像，所述至少一个字帖图像中包括所述用户书写所述目标文字时所形成的包括书写笔画的至少一个练字方格；

识别所述至少一个字帖图像中的所述至少一个练字方格；

将所述至少一个练字方格输入实例分割模型，以确定所述至少一个练字方格包括的笔画内容；

将所述至少一个练字方格包括的笔画内容与笔画模板进行比对，得到书写检测结果；

所述将所述至少一个练字方格包括的笔画内容与笔画模板进行比对，得到书写检测结果，包括：将相邻两个练字方格中对应位置的笔画进行匹配，以确定所述相邻两个练字方格之间的新增笔画；根据所述至少一个字帖图像中每两个相邻练字方格之间的新增笔画，确定所述至少一个字帖图像中所述目标文字对应的笔画顺序，并将所述笔画顺序与文字笔画库中所述目标文字的笔顺模板进行相似度计算，得到笔顺相似度，其中，所述文字笔画库中存储有不同文字对应的笔顺模板；所述书写检测结果包括所述笔顺相似度。

2.根据权利要求1所述的方法，其特征在于，所述实例分割模型是根据标注有笔画实例信息的样本字帖图像训练得到的，其中，所述样本字帖图像中样本文字的每一笔画标注有不同的笔画实例信息。

3.根据权利要求1所述的方法，其特征在于，所述将相邻两个练字方格中对应位置的笔画进行匹配，以确定所述相邻两个练字方格之间的新增笔画，包括：

针对第一练字方格中的每一笔画，确定该笔画与第二练字方格中每一笔画之间的重叠度，若所述重叠度大于预设重叠度，则确定该笔画与所述第二练字方格中的对应笔画匹配，其中，所述第一练字方格与所述第二练字方格相邻；

若所述第一练字方格或所述第二练字方格中存在未匹配的剩余笔画，则将所述剩余笔画确定为所述第一练字方格和所述第二练字方格之间的新增笔画。

4.根据权利要求1-3任一项所述的方法，其特征在于，所述识别所述至少一个字帖图像中的所述至少一个练字方格，包括：

将所述至少一个字帖图像输入位置检测模型，以得到所述至少一个字帖图像中所述至少一个练字方格在对应字帖图像中的位置信息，所述位置检测模型是根据带有坐标标注信息的样本字帖图像训练得到的，所述坐标标注信息包括所述样本字帖图像中每一练字方格的至少三个顶点在所述样本字帖图像中的坐标位置信息。

5.根据权利要求1-3任一项所述的方法，其特征在于，所述方法还包括：

根据所述书写检测结果、以及书写分值与书写检测结果之间的预设对应关系，确定所述书写检测结果对应的目标书写分值；或者

根据所述书写检测结果合成书写提示文字和/或书写提示语音。

6.一种书写检测装置，其特征在于，所述装置包括：

获取模块，用于获取用户书写目标文字的至少一个字帖图像，所述至少一个字帖图像包括所述用户书写所述目标文字时所形成的包括书写笔画的至少一个练字方格；

识别模块，用于识别所述至少一个字帖图像中的所述至少一个练字方格；

确定模块，用于将所述至少一个练字方格输入实例分割模型，以确定所述至少一个练字方格包括的笔画内容；

比对模块，用于将所述至少一个练字方格包括的笔画内容与笔画模板进行比对，得到书写检测结果；

所述比对模块还用于：

将相邻两个练字方格中对应位置的笔画进行匹配，以确定所述相邻两个练字方格之间的新增笔画；

根据所述至少一个字帖图像中每两个相邻练字方格之间的新增笔画，确定所述至少一个字帖图像中所述目标文字对应的笔画顺序，并将所述笔画顺序与文字笔画库中所述目标文字的笔顺模板进行相似度计算，得到笔顺相似度，其中，所述文字笔画库中存储有不同文字对应的笔顺模板；

所述书写检测结果包括所述笔顺相似度。

7.一种计算机可读介质，其上存储有计算机程序，其特征在于，该程序被处理装置执行时实现权利要求1-5中任一项所述方法的步骤。

8.一种电子设备，其特征在于，包括：

存储装置，其上存储有计算机程序；

处理装置，用于执行所述存储装置中的所述计算机程序，以实现权利要求1-5中任一项所述方法的步骤。

Images