CN112580574A - 一种基于识别手写文字的智能学习方法及装置 - Google Patents
一种基于识别手写文字的智能学习方法及装置 Download PDFInfo
- Publication number
- CN112580574A CN112580574A CN202011576190.3A CN202011576190A CN112580574A CN 112580574 A CN112580574 A CN 112580574A CN 202011576190 A CN202011576190 A CN 202011576190A CN 112580574 A CN112580574 A CN 112580574A
- Authority
- CN
- China
- Prior art keywords
- module
- characters
- writing
- recognition
- handwritten
- 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.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 61
- 238000004458 analytical method Methods 0.000 claims abstract description 53
- 238000011156 evaluation Methods 0.000 claims abstract description 22
- 238000005516 engineering process Methods 0.000 claims description 7
- 238000012163 sequencing technique Methods 0.000 claims description 5
- 230000007797 corrosion Effects 0.000 claims description 4
- 238000005260 corrosion Methods 0.000 claims description 4
- 239000012160 loading buffer Substances 0.000 claims description 4
- 238000004148 unit process Methods 0.000 claims description 4
- 230000003628 erosive effect Effects 0.000 claims description 3
- 241001422033 Thestylus Species 0.000 description 6
- 230000006870 function Effects 0.000 description 5
- 238000012545 processing Methods 0.000 description 5
- 230000007547 defect Effects 0.000 description 3
- 238000004891 communication Methods 0.000 description 2
- 238000000605 extraction Methods 0.000 description 2
- 238000010191 image analysis Methods 0.000 description 2
- 238000002715 modification method Methods 0.000 description 2
- 238000007781 pre-processing Methods 0.000 description 2
- 238000004364 calculation method Methods 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 230000001419 dependent effect Effects 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000003709 image segmentation Methods 0.000 description 1
- 230000006698 induction Effects 0.000 description 1
- 239000012092 media component Substances 0.000 description 1
Images
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
- G06V40/33—Writer recognition; Reading and verifying signatures based only on signature image, e.g. static signature recognition
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F3/00—Input arrangements for transferring data to be processed into a form capable of being handled by the computer; Output arrangements for transferring data from processing unit to output unit, e.g. interface arrangements
- G06F3/01—Input arrangements or combined input and output arrangements for interaction between user and computer
- G06F3/048—Interaction techniques based on graphical user interfaces [GUI]
- G06F3/0487—Interaction techniques based on graphical user interfaces [GUI] using specific features provided by the input device, e.g. functions controlled by the rotation of a mouse with dual sensing arrangements, or of the nature of the input device, e.g. tap gestures based on pressure sensed by a digitiser
- G06F3/0488—Interaction techniques based on graphical user interfaces [GUI] using specific features provided by the input device, e.g. functions controlled by the rotation of a mouse with dual sensing arrangements, or of the nature of the input device, e.g. tap gestures based on pressure sensed by a digitiser using a touch-screen or digitiser, e.g. input of commands through traced gestures
- G06F3/04883—Interaction techniques based on graphical user interfaces [GUI] using specific features provided by the input device, e.g. functions controlled by the rotation of a mouse with dual sensing arrangements, or of the nature of the input device, e.g. tap gestures based on pressure sensed by a digitiser using a touch-screen or digitiser, e.g. input of commands through traced gestures for inputting data by handwriting, e.g. gesture or text
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/20—Image preprocessing
- G06V10/34—Smoothing or thinning of the pattern; Morphological operations; Skeletonisation
-
- 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
- G06V30/14—Image acquisition
- G06V30/148—Segmentation of character regions
- G06V30/153—Segmentation of character regions using recognition of characters or words
-
- 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
- G06V30/00—Character recognition; Recognising digital ink; Document-oriented image-based pattern recognition
- G06V30/10—Character recognition
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Multimedia (AREA)
- Human Computer Interaction (AREA)
- General Engineering & Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Character Discrimination (AREA)
Abstract
本发明公开了一种基于识别手写文字的智能学习方法，包括录入模块S11、记录模块S12、识别模块S2、文字分析模块S3、视频教学模块S4，使用者通过在所述文字录入模块S11上书写文字，所述记录模块S12记录书写文字特征，所述识别模块S2识别所述录入模块S11采集到的书写文字，所述文字分析模块S3通过分析算法分析书写文字，给出分析结果，所述视频教学模块S根据分析结果，给出书写评价与教学视频。能够准确识别手写字体，根据手写字体的文字特征，给出评价与教学视频，快速便捷地辅助学生学习。
Description
技术领域
本发明涉及智能学习领域，具体设计一种基于识别手写文字的智能学习方法及装置。
背景技术
汉字手写识别主要对汉字的整体、笔顺、笔画、倒笔、美观程度等方面做评判，可以方便地对应用程序APP端用户书写的汉字的笔迹进行评判。
申请公布号为CN 105354538 A的发明专利公开了一种一种汉字手写识别的方法、系统，所述方法包括：应用程序APP端采集手写笔迹；APP端通过网络发送所述手写笔迹至云端；云端通过网络接收APP端发送的所述手写笔迹；云端对接收到的所述手写笔迹进行识别，所述识别包括对所述手写轨迹的整体、笔顺、笔画、倒笔、美观程度进行评判。
现有技术的不足之处在于，无法准确的采集手写文字的文字特征，根据手写文字的缺陷只能给出评判，无法给出修改方法。
发明内容
针对现有技术中无法准确的采集手写文字的文字特征，根据手写文字的缺陷只能给出评判，无法给出修改方法的问题，本发明要解决在无法精确识别手写字体并无法给出教学视频的技术问题。提供了以下技术方案：
一种基于识别手写文字的智能学习方法，包括以下步骤：
采集手写文字；
识别手写文字；
分析手写文字；
根据分析结果，给出书写评价与教学视频。
上述一种基于识别手写文字的智能学习方法，包括录入模块S11以及记录模块S12，使用者通过在所述文字录入模块S11上书写文字，所述记录模块S12记录书写文字特征；
上述一种基于识别手写文字的智能学习方法，书写文字特征包括：书写特征、写法特征、笔顺特征以及运笔特征。
上述一种基于识别手写文字的智能学习方法，还包括识别模块S2，所述识别模块S2通过边界腐蚀处理所述记录模块记录S12记录的书写文字，然后利用现有的文字识别技术识别处理之后的书写文字。
上述一种基于识别手写文字的智能学习方法，还包括文字分析模块S3，所述文字分析模块S3将所述记录模块S12记录的书写文字处理成图片，然后通过算法对图片进行分析。
上述一种基于识别手写文字的智能学习方法，所述算法为：
1)加载buffer，调用cv2.circle、cv2.copyMakeBorder、cv2.rectangle绘制结构线，寻找字体像素坐标；
2)使用cv2.cvtColor解决cv2和PIL颜色的hex码储存顺序不同的问题，然后调用ImageDraw.Draw放置标准对照字体；
3)根据条件检测像素、像素排序；
4)融合ROI，依次使用cv2.cvtColor，cv2.threshold，cv2.morphologyEx，cv2.findContours，cv2.contourArea，cv2.drawContours，cv2.copyTo等方法对图像进行一系列的膨胀腐蚀组合；
5)寻找图片的ROI，调用v2.split，cv2.cvtColor，cv2.threshold；
6)得到分析结果。
上述一种基于识别手写文字的智能学习方法，还包括视频教学模块S4；所述视频教学模块S4根据所述识别模块S2识别出的文字与所述文字分析模块S3的到的分析结果，调用视频教学数据库中的视频，给出书写评价以及教学视频。
上述一种基于识别手写文字的智能学习方法，其特征在于，所述书写评价包括书写文字大小形态和结构特点以及书写方向和角度、书写速度和力度的评价。
一种智能学习装置，包括：
采集单元，采集书写文字特征；
识别单元，处理、识别书写文字；
分析单元，分析书写文字，给出分析结果；
输出单元，根据分析结果，给出教学视频。
上述的一种智能学习装置，所述采集单元采集书写文字特征，所述识别单元识别所述采集单元采集到的书写文字，所述分析单元通过分析算法分析书写文字，给出分析结果，所述输出单元根据分析结果，给出书写评价与教学视频。
通过以上方案可知，本申请提供的一种基于识别手写文字的智能学习方法及装置，能够准确识别手写字体，根据手写字体的文字特征，给出评价与教学视频，快速便捷地辅助学生学习。
附图说明
为了更清楚地说明本申请实施例或现有技术中的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明中记载的一些实施例，对于本领域普通技术人员来讲，还可以根据这些附图获得其他的附图。
图1为基于识别手写文字的智能学习的逻辑结构图。
具体实施方式
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，都属于本发明保护的范围。
本发明实施例提供的一种基于识别手写文字的智能学习方法，包括以下步骤：
步骤一、采集手写文字。
在此步骤中，包括文字录入模块S11以及记录模块S12，使用者通过在所述文字录入模块S11上书写文字，所述记录模块S12记录书写文字特征；
具体的，所述文字录入模块S11为电阻式触摸屏或电容式触摸屏，进一步的，电阻式触摸屏利用压力感应进行工作，可以用任何物体来触摸，精确度高，手写识别比较容易，适用于专用的学习工具；电容式触摸屏利用人体的电流感应进行工作，应用广泛，适用于手机、平板电脑等日常生活工具；
所述记录模块记录的书写文字特征包括：
书写特征：书写文字大小形态和结构特点；
写法特征：书写文字的基本构造和书写方法，具体的，所述写法特征包括书写文字的笔画、笔数及汉字部件的位置关系等。
笔顺特征：构成书写文字的各部件之间、笔画之间的书写次序和方向。
运笔特征：指起、行、收笔一个完整的书写过程中反映出的书写方向和角度、书写速度和力度的变化特点；
在本发明提供的一个实施例中，所述文字录入模块S11为电阻式触摸屏，可以用任何物体来触摸，精确地记录书写方向和角度、书写速度和力度的变化特点，使用者通过所述文字录入模块S11录入书写文字，记录模块记录S12记录书写文字特征；进一步的，使用者通过所述文字录入模块S11录入单个文字，或者词语，或者语段。
在另一个优选的实施例中，所述文字录入模块S11为电容式触摸屏，还包括与文字录入模块S11连接使用的触笔，所述触笔通过笔尖压力传感器以及笔杆压力传感器记录书写方向和角度、书写速度和力度的变化特点。
步骤二、识别手写文字。
在此步骤中，包括手写文字处理与手写文字识别；
具体的，包括识别模块S2，所述识别模块S2通过边界腐蚀处理所述记录模块记录S12记录的书写文字，然后利用现有的文字识别技术(OCR技术，Optical CharacterRecognition)识别处理之后的书写文字；
.在一个实施例中，使用者通过所述文字录入模块S11录入单个文字，所述识别模块S2对录入的单个文字进行字体处理，具体的，腐蚀字体边界，使字体变得平滑，然后通过OCR识别技术，识别录入的单个文字；
.在另一个优选的实施例中，使用者通过所述文字录入模块S11录入语段，所述识别模块S2通过阈值分割所述记录模块S12记录的语段，然后腐蚀字体边界，使字体变的平滑，由于汉字笔画与笔画之间有间隔，通过连通量运算会将录入的语段拆开成单个文字，最后通过OCR识别技术，分别识别被拆开的文字。
步骤三、分析手写文字。
在此步骤中，分析书写文字包括分析书写特征、写法特征以及笔顺特征；
具体的，通过文字分析模块S3将所述记录模块S12记录的书写文字处理成图片，然后通过以下算法对图片进行分析，包括
1)加载buffer，调用cv2.circle、cv2.copyMakeBorder、cv2.rectangle绘制结构线，寻找字体像素坐标；
2)使用cv2.cvtColor解决cv2和PIL颜色的hex码储存顺序不同的问题，然后调用ImageDraw.Draw放置标准对照字体；
3)根据条件检测像素、像素排序；
4)融合ROI，依次使用cv2.cvtColor，cv2.threshold，cv2.morphologyEx，cv2.findContours，cv2.contourArea，cv2.drawContours，cv2.copyTo等方法对图像进行一系列的膨胀腐蚀组合；
5)寻找图片的ROI，调用v2.split，cv2.cvtColor，cv2.threshold；
6)得到分析结果。
步骤四、根据分析结果，给出书写评价与教学视频。
在此步骤中，包括视频教学模块S4；具体的，根据所述识别模块S2识别出的文字与所述文字分析模块S3的到的分析结果，调用视频教学数据库中的视频，给出书写评价以及教学视频，辅助使用者学习；所述书写评价包括书写文字大小形态和结构特点，书写文字的基本构造和书写方法以及构成书写文字的各部件之间、笔画之间的书写次序和方向，进一步的，还包括起、行、收笔一个完整的书写过程中反映出的书写方向和角度、书写速度和力度的评价；所述教学视频包括文字释义，书写文字特征(书写特征、写法特征、笔顺特征以及运笔特征)，文字组词造句、多音字、同义字、易错字等。
本发明的另一个实施方式中，提供了一种智能学习装置，包括：
采集单元，采集书写文字特征；
识别单元，处理、识别书写文字；
分析单元，分析书写文字，给出分析结果；
输出单元，根据分析结果，给出教学视频。
在本发明提供的一个实施例中，所述智能学习装置为使用电阻式触摸屏的学习工具；
具体的，采集单元为所述智能学习装置的显示屏幕，显示屏幕上显示有米字格，使用者在显示屏幕上的米字格内书写单个文字，所述采集单元采集书写文字特征，所述书写文字特征包括书写特征、写法特征、笔顺特征以及运笔特征；进一步的，书写特征为书写文字的大小形态和结构特点，写法特征为书写文字的基本构造和书写方法，笔顺特征为构成书写文字的各部件之间、笔画之间的书写次序和方向，运笔特征为起、行、收笔一个完整的书写过程中反映出的书写方向和角度、书写速度和力度的变化特点；优选的，显示屏幕上显示有多个排列整齐的米字格，使用者在排列整齐的米字格内书写语段；
.所述识别单元识别所述采集单元采集到的书写文字，优选的，
使用者通过所述采集单元录入语段，所述识别单元通过阈值分割所述采集记录的语段，然后腐蚀字体边界，使字体变的平滑，由于汉字笔画与笔画之间有间隔，通过连通量运算会将录入的语段拆开成单个文字，最后通过OCR识别技术，分别识别被拆开的文字；
所述分析单元通过分析算法分析书写文字，给出分析结果；具体的，所述分析单元将采集单元记录的书写文字处理成图片，然后通过以下算法对图片进行分析，包括：
1)加载buffer，调用cv2.circle、cv2.copyMakeBorder、cv2.rectangle绘制结构线，寻找字体像素坐标；
2)使用cv2.cvtColor解决cv2和PIL颜色的hex码储存顺序不同的问题，然后调用ImageDraw.Draw放置标准对照字体；
3)根据条件检测像素、像素排序；
4)融合ROI，依次使用cv2.cvtColor，cv2.threshold，cv2.morphologyEx，cv2.findContours，cv2.contourArea，cv2.drawContours，cv2.copyTo等方法对图像进行一系列的膨胀腐蚀组合；
5)寻找图片的ROI，调用v2.split，cv2.cvtColor，cv2.threshold；
6)得到分析结果。
所述输出单元根据分析结果，给出书写评价与教学视频；具体的，所述书写评价包括书写文字大小形态和结构特点，书写文字的基本构造和书写方法以及构成书写文字的各部件之间、笔画之间的书写次序和方向，进一步的，还包括起、行、收笔一个完整的书写过程中反映出的书写方向和角度、书写速度和力度的评价；根据分析结果与书写评价，给出教学视频，辅助使用者学习，所述教学视频包括文字释义，书写文字特征(书写特征、写法特征、笔顺特征以及运笔特征)，文字组词造句、多音字、同义字、易错字等。
在另一个更为优选的实施例中，所述智能学习装置为使用电容式触摸屏的学习工具，包括手机、平板电脑等所述智能学习装置还包括触笔，所述触笔上设置有笔尖压力传感器与笔杆压力传感器；具体的，所述触笔上的笔尖压力传感器与笔杆压力传感器记录的信息在所处触笔使用过程中传递给采集单元，使用者通过触笔在所述采集单元上书写时，所述采集单元采集使用者起、行、收笔一个完整的书写过程中的书写力度；进一步的，所述采集单元还采集使用者书写时对笔杆的握笔力度以及握笔方法，书写力度、握笔力度以及握笔方法经分析单元处理、分析后，所述输出单元对书写力度、握笔力度以及握笔方法的评价、纠错。再进一步的，所述采集单元采集书写文字特征，所述识别单元识别所述采集单元采集到的书写文字，所述分析单元通过分析算法分析书写文字，给出分析结果，所述输出单元根据分析结果，给出书写评价与教学视频。
在本发明提供的另一个优选的实施例中，所述基于识别手写文字的智能学习方法使用于智能手机，借助微信小程序搭载使用所述方法，包括：
控制模块：采集部分使用微信小程序的“手写文字输入”标签，用户手写输入待识别文字并保存手写文字图片，待收到服务器返回的信息后，使用小程序的image和video等媒体组件进行图片展示与视频播放。
HTTPS协议模块：使用小程序网络API的uploadFile接口将缓存在本地的图片和相关参数上传至服务器。
服务端模块：服务器搭建需要建立一个虚拟工作环境，首先使用virtualenv创建虚拟环境,虚拟环境是系统的一个位置，可以在其中安装包，并将其与其他Python包隔离。虚拟环境创建好后，安装Django、Numpy、Pillow、OpenCV等Python依赖包。环境搭建好后，上传C++打包好的.so库文件，用于文字识别与文字分析功能。采用Django为服务端框架，OpenCV为机器视觉框架，C++为核心算法编写语言。服务端成功接收数据后，开启图像识别功能，如识别成功，则向服务端返回与检测文字相应的信息。
图像分析模块：文字处理引擎首先识别出文字区域后，截取图片区域，对图片进行灰度化，二值化等预处理。灰度化使用OpenCV的cvCvtColor函数通过图像颜色空间转换使彩色的R，G，B分量相等，便于后续对图像的特征进行提取，以及得到图像的灰度曲线图。二值化(Thresholding)是图像分割的一种方法，通过使用OpenCV的threshold函数可以把灰度图像转换成二值图像，把大于一定临界灰度值的像素灰度设为灰度极大值，把小于这个值的像素灰度设为灰度极小值，从而实现二值化。预处理完成后使用预制的手写文字识别模型，对指定区域的文字进行识别。主要流程包括汉字笔画特征提取，手写轨迹坐标识别，字库文字比较排序。
文字学习模块：系统待文字处理引擎成功识别出文字后，会在数据库中根据特定文字查询，返回给用户包括视频图片等教程，帮助用户学习该文字的笔画部首以及书写过程。文字数据库中具有2500+个生字讲解视频，书写指导以及笔顺动画。
具体的，使用者启动搭载所述基于识别手写文字的智能学习方法的微信小程序，点击所述微信小程序的“手写文字输入”标签，在智能手机的屏幕上手写输入待识别文字，所述控制模块保存带识别文字的图片，并上传至所述服务端模块，所述服务端模块接收所述图片后，开启图像识别功能，经所述图像分析模块识别成功后向服务端模块返回与检测文字相应的信息，并在数据库中根据特定文字查询，通过所述文字学习模块返回给用户包括视频图片等教程，帮助用户学习该文字的笔画部首以及书写过程。
以上只通过说明的方式描述了本发明的某些示范性实施例，毋庸置疑，对于本领域的普通技术人员，在不偏离本发明的精神和范围的情况下，可以用各种不同的方式对所描述的实施例进行修正。因此，上述附图和描述在本质上是说明性的，不应理解为对本发明权利要求保护范围的限制。
Claims (10)
1.一种基于识别手写文字的智能学习方法，包括以下步骤：
采集手写文字；
识别手写文字；
分析手写文字；
根据分析结果，给出书写评价与教学视频。
2.如权利要求1所述一种基于识别手写文字的智能学习方法，其特征在于，包括录入模块S11以及记录模块S12，使用者通过在所述文字录入模块S11上书写文字，所述记录模块S12记录书写文字特征。
3.如权利要求2所述一种基于识别手写文字的智能学习方法，其特征在于，书写文字特征包括：书写特征、写法特征、笔顺特征以及运笔特征。
4.如权利要求3所述一种基于识别手写文字的智能学习方法，其特征在于，还包括识别模块S2，所述识别模块S2通过边界腐蚀处理所述记录模块记录S12记录的书写文字，然后利用现有的文字识别技术识别处理之后的书写文字。
5.如权利要求4所述一种基于识别手写文字的智能学习方法，其特征在于，还包括文字分析模块S3，所述文字分析模块S3将所述记录模块S12记录的书写文字处理成图片，然后通过算法对图片进行分析。
6.如权利要求4所述一种基于识别手写文字的智能学习方法，所述算法为：
1)加载buffer，调用cv2.circle、cv2.copyMakeBorder、cv2.rectangle绘制结构线，寻找字体像素坐标；
2)使用cv2.cvtColor解决cv2和PIL颜色的hex码储存顺序不同的问题，然后调用ImageDraw.Draw放置标准对照字体；
3)根据条件检测像素、像素排序；
4)融合ROI，依次使用cv2.cvtColor，cv2.threshold，cv2.morphologyEx，cv2.findContours，cv2.contourArea，cv2.drawContours，cv2.copyTo等方法对图像进行一系列的膨胀腐蚀组合；
5)寻找图片的ROI，调用v2.split，cv2.cvtColor，cv2.threshold；
6)得到分析结果。
7.如权利要求6所述一种基于识别手写文字的智能学习方法，其特征在于，还包括视频教学模块S4；所述视频教学模块S4根据所述识别模块S2识别出的文字与所述文字分析模块S3的到的分析结果，调用视频教学数据库中的视频，给出书写评价以及教学视频。
8.如权利要求7所述一种基于识别手写文字的智能学习方法，其特征在于，所述书写评价包括书写文字大小形态和结构特点以及书写方向和角度、书写速度和力度的评价。
9.一种智能学习装置，包括：
采集单元，采集书写文字特征；
识别单元，处理、识别书写文字；
分析单元，分析书写文字，给出分析结果；
输出单元，根据分析结果，给出教学视频。
10.如权利要求9所述的一种智能学习装置，其特征在于，所述采集单元采集书写文字特征，所述识别单元识别所述采集单元采集到的书写文字，所述分析单元通过分析算法分析书写文字，给出分析结果，所述输出单元根据分析结果，给出书写评价与教学视频。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202011576190.3A CN112580574A (zh) | 2020-12-28 | 2020-12-28 | 一种基于识别手写文字的智能学习方法及装置 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202011576190.3A CN112580574A (zh) | 2020-12-28 | 2020-12-28 | 一种基于识别手写文字的智能学习方法及装置 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN112580574A true CN112580574A (zh) | 2021-03-30 |
Family
ID=75140042
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202011576190.3A Pending CN112580574A (zh) | 2020-12-28 | 2020-12-28 | 一种基于识别手写文字的智能学习方法及装置 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN112580574A (zh) |
Cited By (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN116795222A (zh) * | 2023-06-20 | 2023-09-22 | 广东工业大学 | 一种基于OpenCV图像识别的数字毛笔 |
| RU2807639C1 (ru) * | 2022-07-22 | 2023-11-20 | Публичное Акционерное Общество "Сбербанк России" (Пао Сбербанк) | Способ и система поиска графических изображений |
| WO2024019634A1 (ru) * | 2022-07-22 | 2024-01-25 | Публичное Акционерное Общество "Сбербанк России" | Способ и система поиска графических изображений |
Citations (10)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR20110135887A (ko) * | 2010-06-12 | 2011-12-20 | 백선우 | 블루투스를 이용한 리모컨 파인더 |
| CN103632169A (zh) * | 2013-12-10 | 2014-03-12 | 步步高教育电子有限公司 | 一种文字书写自动纠错方法和设备 |
| CN105009037A (zh) * | 2013-01-18 | 2015-10-28 | 马尔科·帕帕利亚 | 计算机键盘的布局、结构和布置 |
| WO2015196878A1 (zh) * | 2014-06-26 | 2015-12-30 | 深圳奥比中光科技有限公司 | 一种电视虚拟触控方法及系统 |
| CN107909022A (zh) * | 2017-11-10 | 2018-04-13 | 广州视睿电子科技有限公司 | 一种视频处理方法、装置、终端设备和存储介质 |
| CN109241894A (zh) * | 2018-08-28 | 2019-01-18 | 南京安链数据科技有限公司 | 一种基于表格定位和深度学习的针对性票据内容识别系统和方法 |
| CN109829458A (zh) * | 2019-01-14 | 2019-05-31 | 上海交通大学 | 实时自动生成记录系统操作行为的日志文件的方法 |
| RU2715792C1 (ru) * | 2019-05-13 | 2020-03-03 | Федеральное государственное бюджетное образовательное учреждение высшего образования "Казанский национальный исследовательский технический университет им. А.Н. Туполева-КАИ" (КНИТУ-КАИ) | Учебно-демонстрационный модуль и система обучения глухих, немых и глухонемых людей разговорной речи |
| WO2020176304A1 (en) * | 2019-02-28 | 2020-09-03 | Skidmore Owings & Merrill Llp | Machine learning tool for structures |
| CN111881310A (zh) * | 2019-12-07 | 2020-11-03 | 杭州华冬人工智能有限公司 | 一种汉字硬笔书写智能指导和评分方法及指导评分系统 |
-
2020
- 2020-12-28 CN CN202011576190.3A patent/CN112580574A/zh active Pending
Patent Citations (11)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR20110135887A (ko) * | 2010-06-12 | 2011-12-20 | 백선우 | 블루투스를 이용한 리모컨 파인더 |
| CN105009037A (zh) * | 2013-01-18 | 2015-10-28 | 马尔科·帕帕利亚 | 计算机键盘的布局、结构和布置 |
| CN103632169A (zh) * | 2013-12-10 | 2014-03-12 | 步步高教育电子有限公司 | 一种文字书写自动纠错方法和设备 |
| WO2015196878A1 (zh) * | 2014-06-26 | 2015-12-30 | 深圳奥比中光科技有限公司 | 一种电视虚拟触控方法及系统 |
| CN107909022A (zh) * | 2017-11-10 | 2018-04-13 | 广州视睿电子科技有限公司 | 一种视频处理方法、装置、终端设备和存储介质 |
| WO2019090903A1 (zh) * | 2017-11-10 | 2019-05-16 | 广州视睿电子科技有限公司 | 一种视频处理方法、装置、终端设备和存储介质 |
| CN109241894A (zh) * | 2018-08-28 | 2019-01-18 | 南京安链数据科技有限公司 | 一种基于表格定位和深度学习的针对性票据内容识别系统和方法 |
| CN109829458A (zh) * | 2019-01-14 | 2019-05-31 | 上海交通大学 | 实时自动生成记录系统操作行为的日志文件的方法 |
| WO2020176304A1 (en) * | 2019-02-28 | 2020-09-03 | Skidmore Owings & Merrill Llp | Machine learning tool for structures |
| RU2715792C1 (ru) * | 2019-05-13 | 2020-03-03 | Федеральное государственное бюджетное образовательное учреждение высшего образования "Казанский национальный исследовательский технический университет им. А.Н. Туполева-КАИ" (КНИТУ-КАИ) | Учебно-демонстрационный модуль и система обучения глухих, немых и глухонемых людей разговорной речи |
| CN111881310A (zh) * | 2019-12-07 | 2020-11-03 | 杭州华冬人工智能有限公司 | 一种汉字硬笔书写智能指导和评分方法及指导评分系统 |
Non-Patent Citations (3)
| Title |
|---|
| 吕子燕 等: "基于OpenCV技术的纸质卷面客观题评分系统的实现", 《电脑与信息技术》, vol. 28, no. 04, 31 August 2020 (2020-08-31), pages 23 - 26 * |
| 陈洋: "安卓平台上印刷体藏文识别软件的设计与实现", 《中国优秀硕士学位论文全文数据库哲学与人文科学辑》, no. 2020, 15 August 2020 (2020-08-15), pages 084 - 628 * |
| 齐玉娟 等: "基于VC及OpenCV的数字图像/视频处理演示系统设计及实例展示", 《实验室研究与探索》, vol. 37, no. 11, 30 November 2018 (2018-11-30), pages 141 - 144 * |
Cited By (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| RU2807639C1 (ru) * | 2022-07-22 | 2023-11-20 | Публичное Акционерное Общество "Сбербанк России" (Пао Сбербанк) | Способ и система поиска графических изображений |
| WO2024019634A1 (ru) * | 2022-07-22 | 2024-01-25 | Публичное Акционерное Общество "Сбербанк России" | Способ и система поиска графических изображений |
| CN116795222A (zh) * | 2023-06-20 | 2023-09-22 | 广东工业大学 | 一种基于OpenCV图像识别的数字毛笔 |
| CN116795222B (zh) * | 2023-06-20 | 2024-03-29 | 广东工业大学 | 一种基于OpenCV图像识别的数字毛笔 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| EP2650766B1 (en) | Multi-character continuous handwriting input method | |
| US7974472B2 (en) | Feature design for HMM based Eastern Asian character recognition | |
| US6600834B1 (en) | Handwriting information processing system with character segmentation user interface | |
| CA2178959C (en) | Method of splitting handwritten input | |
| CN112052852B (zh) | 一种基于深度学习的手写气象档案资料的字符识别方法 | |
| CN111399638B (zh) | 一种盲用电脑及适配于盲用电脑的智能手机辅助控制方法 | |
| CN111507330B (zh) | 习题识别方法、装置、电子设备及存储介质 | |
| CN112711362B (zh) | 手绘流程图标准化生成方法及其装置 | |
| Munich et al. | Visual input for pen-based computers | |
| US20180025245A1 (en) | Sketch misrecognition correction system based on eye gaze monitoring | |
| CN112580574A (zh) | 一种基于识别手写文字的智能学习方法及装置 | |
| KR101679744B1 (ko) | 단말기에서 데이터 처리 방법 및 그를 수행하는 장치 | |
| 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 | |
| CN112001394A (zh) | 基于ai视觉下的听写交互方法、系统、装置 | |
| CN112749646A (zh) | 一种基于手势识别的交互式点读系统 | |
| CN113748429A (zh) | 单词识别方法、设备及存储介质 | |
| CN104951083A (zh) | 一种远距离手势输入法及输入系统 | |
| US9418281B2 (en) | Segmentation of overwritten online handwriting input | |
| JP4686502B2 (ja) | オンライン文字認識装置 | |
| CN104951811A (zh) | 应用于毛笔书写的行笔路线识别方法和装置 | |
| CN112329695A (zh) | 一种基于智慧黑板的动态笔迹识别方法 | |
| CN117111826B (zh) | 一种基于笔迹特征的电容笔屏交互控制方法及系统 | |
| Kim et al. | Capturing handwritten ink strokes with a fast video camera | |
| Rossignol et al. | Mode detection and incremental recognition | |
| JP7285018B2 (ja) | プログラム、誤り文字検出装置及び誤り文字検出方法 |
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 |