CN113052001B - 笔迹采样点的筛选方法、装置、设备及存储介质 - Google Patents

笔迹采样点的筛选方法、装置、设备及存储介质 Download PDF

Info

Publication number
CN113052001B
CN113052001B CN202110161141.1A CN202110161141A CN113052001B CN 113052001 B CN113052001 B CN 113052001B CN 202110161141 A CN202110161141 A CN 202110161141A CN 113052001 B CN113052001 B CN 113052001B
Authority
CN
China
Prior art keywords
handwriting
sampling point
coordinates
handwriting sampling
point
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
Application number
CN202110161141.1A
Other languages
English (en)
Other versions
CN113052001A (zh
Inventor
张伟
吴锦文
林杰俊
黄强
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Guangzhou Octopus Education Technology Co ltd
Original Assignee
Guangzhou Octopus Education Technology Co ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Guangzhou Octopus Education Technology Co ltd filed Critical Guangzhou Octopus Education Technology Co ltd
Priority to CN202110161141.1A priority Critical patent/CN113052001B/zh
Publication of CN113052001A publication Critical patent/CN113052001A/zh
Application granted granted Critical
Publication of CN113052001B publication Critical patent/CN113052001B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06VIMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V30/00Character recognition; Recognising digital ink; Document-oriented image-based pattern recognition
    • G06V30/10Character recognition
    • G06V30/32Digital ink

Landscapes

  • Engineering & Computer Science (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Multimedia (AREA)
  • Theoretical Computer Science (AREA)
  • Character Discrimination (AREA)

Abstract

本发明公开了一种笔迹采样点的筛选方法、装置、设备及存储介质。其中,该方法包括以下步骤:获取参考笔迹采样点的坐标和当前笔迹采样点的坐标;对参考笔迹采样点的坐标与当前笔迹采样点的坐标进行对比,得出比对值;当比对值小于预设的比对阈值时,不保留当前笔迹采样点。本发明能实时有效识别出当前的笔迹采样点是否为冗余的采样点。当为冗余采样点时,放弃该冗余采样点的数据,方便了后续数据的传输和处理等步骤。

Description

笔迹采样点的筛选方法、装置、设备及存储介质
技术领域
本发明涉及信息处理的技术领域,更具体地,涉及一种笔迹采样点的筛选方法、装置、设备及存储介质。
背景技术
随着电子科技的飞速发展,越来越多的智能设备应用到人们的日常生活中,为人们的生活提供了多方面的便利。
目前,书写领域上,人们可以通过电子笔或手写的方式在智能设备上生成笔迹。另外,还出现了点阵智能书写系统,该系统包括带编码图案的纸张和点阵笔,利用该系统能够方便地对点阵笔书写的轨迹进行记录,而后在终端上展示。
不论是用于智能设备上笔迹系统还是点阵智能书写系统,在对笔迹点进行采样时,总会产生一些多余的笔迹采样点,但目前还没有一种比较好的筛选机制,能实时筛选出多余的笔迹采样点,并对其进行丢弃。
发明内容
本发明为克服上述现有技术所述的至少一种缺陷,提供一种笔迹采样点的筛选方法、装置、设备及存储介质。本发明采用的技术方案如下:
第一方面,本发明提供一种笔迹采样点的筛选方法,包括以下步骤:
获取参考笔迹采样点的坐标以及当前笔迹采样点的坐标;
将所述参考笔迹采样点的坐标与所述当前笔迹采样点的坐标进行对比,得出比对值;
若所述比对值小于预设的比对阈值,则丢弃所述当前笔迹采样点。
在一些可选的实施例中,所述参考笔迹采样点是基于被保留的笔迹采样点确定的;获取所述参考笔迹采样点的坐标包括以下步骤:获取笔迹点坐标组,所述笔迹点坐标组包括:至少1个最近被保留的笔迹采样点的坐标;根据所述笔迹点坐标组基于预设的模型得出所述参考笔迹采样点的坐标。
在一些可选的实施例中,所述参考笔迹采样点是基于被保留的笔迹采样点确定的;其中,所述参考笔迹采样点是最近一个被保留的笔迹采样点。
在一些可选的实施例中,所述的一种笔迹采样点的筛选方法,还包括以下步骤:当所述比对值不小于预设的所述比对阈值时,保留当前笔迹采样点;得出倒数第一个被保留的笔迹采样点到所述当前笔迹采样点与倒数第二个被保留的笔迹采样点之间连线的垂直距离;当所述垂直距离小于预设距离阈值时,丢弃所述倒数第一个被保留的笔迹采样点。
在一些可选的实施例中,所述比对值为所述参考笔迹采样点的坐标与所述当前笔迹采样点的坐标之间的距离。
在一些可选的实施例中,所述比对值包括:所述参考笔迹采样点的坐标与所述当前笔迹采样点的坐标在X方向上的差值和在Y方向上的差值;所述比对阈值包括:X方向上的差值阈值和Y方向上的差值阈值;所述若比对值小于预设的比对阈值,则丢弃所述当前笔迹采样点的过程包括:当所述比对值在X方向上的差值小于所述比对阈值的X方向上的差值阈值,且所述比对值的在Y方向上的差值小于所述比对阈值的Y方向上的差值阈值时,则丢弃所述当前笔迹采样点。
第二方面,本发明提供一种笔迹采样点的筛选装置,包括:
获取模块,用于获取参考笔迹采样点的坐标以及当前笔迹采样点的坐标;
对比模块,用于将所述参考笔迹采样点的坐标与所述当前笔迹采样点的坐标进行对比,得出比对值;
执行模块,用于根据所述比对值与预设的比对阈值之间的关系,判断是否保留所述当前笔迹采样点,若所述比对值小于预设的所述比对阈值,则丢弃所述当前笔迹采样点。
在一些可选的实施例中,所述获取模块包括:选择单元,用于获取笔迹点坐标组,所述笔迹点坐标组包括:至少1个最近被保留的笔迹采样点的坐标;模型单元,用于根据所述笔迹点坐标组基于预设的模型得出所述参考笔迹采样点的坐标。
在一些可选的实施例中,所述获取模块获取的所述参考笔迹采样点是最近一个被保留的笔迹采样点。
在一些可选的实施例中,所述执行模块,还用于当所述比对值不小于预设的所述比对阈值时,保留当前笔迹采样点;笔迹采样点的筛选装置还包括:计算模块,用于得出倒数第一个被保留的笔迹采样点到所述当前笔迹采样点与倒数第二个被保留的笔迹采样点之间连线的垂直距离;筛选模块,用于当所述垂直距离小于预设距离阈值时,丢弃所述倒数第一个被保留的笔迹采样点。
第三方面,本发明提供一种计算机设备,包括:存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序,所述处理器执行所述计算机程序时实现如上述所述的一种笔迹采样点的筛选方法。
第四方面,本发明提供一种计算机可读存储介质,其上存储有计算机程序,该计算机程序被处理器执行时实现如上述所述的一种笔迹采样点的筛选方法。
本发明提供了一种高效率笔迹点筛选机制,能有效识别出当前的笔迹采样点是否为冗余的采样点,当为冗余采样点时,放弃该冗余采样点的数据,方便后续数据的传输和处理等步骤;并且,本发明对于笔迹采样点的筛选是具有实时性的,一采集到笔迹采样点就马上对该采样点进行分析筛选,判断是否保留,保证筛选过程的时效性和准确性。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实施例或现有技术描述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的一些实施例,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的附图。
图1是笔迹及笔迹采样点示意图。
图2是本发明的实施例一中的方法的流程图。
图3是本发明的实施例一中的一笔迹采集点筛选的示意图。
图4是本发明的实施例一中的另一笔迹采集点筛选的示意图。
图5是本发明的一实施方式中的笔迹采集点筛选的示意图。
图6是本发明的又一实施方式中的笔迹采集点筛选的示意图。
图7是本发明实施例二中的装置的结构示意图。
具体实施方式
下面将参照附图更详细地描述本公开的示例性实施例。虽然附图中显示了本公开的示例性实施例,然而应当理解,可以以各种形式实现本公开而不应被这里阐述的实施例所限制。相反,提供这些实施例是为了能够更透彻地理解本公开,并且能够将本公开的范围完整的传达给本领域的技术人员。
需要说明的是,本发明实施例所涉及的术语“第一\第二\......”仅仅是是区别类似的对象,不代表针对对象的特定排序,可以理解地,“第一\第二\......”在允许的情况下可以互换特定的顺序或先后次序。应该理解“第一\第二\......”区分的对象在适当情况下可以互换,以使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。
实施例一
如图1所示,图中的实线是笔尖实际产生的笔迹,黑点是笔迹采样点。随着笔尖移动,逐渐产生笔迹采样点,产生的笔迹采样点按照生成的时间顺序进行排列,比如其中五个黑点依次记为O1、O2、O3、O4、O5。以蓝牙编码点阵笔为例,监听笔尖移动事件来实时获取笔尖的移动轨迹,通过高速相机取点采集笔迹采样点的坐标样本,连结笔迹采样点的轨迹作为笔迹最终路径。在书写过程中,有些时候会书写得比较快,有时会书写得比较慢,反映到具体的笔迹采样点中,就会导致笔迹采样点的疏密不同。在书写比较快时,笔迹采样点会比较疏,两个采样点之间的距离会比较大,如点O1和点O2之间的相距较远。在书写比较慢时,笔迹采样点会比较密,两个采样点之间的距离会比较小,如点O3和点O4之间的相距较近。而实际上,只要笔迹采样点的数量合适就可以还原出笔尖移动的轨迹,过多的笔迹采样点反而会造成数据冗余,对数据传输和处理等后续流程是不利的,特别是蓝牙编码点阵笔,需要通过蓝牙传输,要求发送的数据量尽可能少。
基于上述情况,本发明提供一种笔迹采样点的筛选方法,通过合理的方法筛选出有效的笔迹采集点,以减少冗余数据。
请参见图2,图2为本发明实施例一提供的一种笔迹采样点的筛选方法的流程示意图,该笔迹采样点的筛选方法包括步骤S110、步骤S120和步骤S130。需要注意的是,步骤S110、步骤S120和步骤S130仅为附图标记,用于清晰解释实施例与附图2的对应关系,不代表对本实施例中笔迹采样点的筛选方法的各方法步骤的顺序限定。
步骤S110,获取参考笔迹采样点的坐标和当前笔迹采样点的坐标;其中,参考笔迹采样点是基于被保留的笔迹采样点确定的。
例如,如图3中的左图所示,图中的实线是笔尖实际产生的笔迹,当前笔尖正在移动,对笔迹进行采样,得到多个笔迹采样点,如点A、B。而当前,正在对点B进行采样,即点B为当前笔迹采样点。与此同时,点A为上一个被保留的笔迹采样点,所以可以以点A作为参考笔迹采样点。此时,获取点A的坐标(Xa,Ya)和点B的坐标(Xb,Yb)。又例如,与图3中的左图类似,对图4中的左图所示的笔迹进行采样,得到当前笔迹采样点点D,此时以点C作为参考笔迹采样点,获取C点的坐标(Xc,Yc),D点的坐标(Xd,Yd)。
这里必须指出的是,参考笔迹采样点是基于被保留的笔迹采样点确定的,但参考笔迹采样点的确定方式是多种多样的。可以如本例子中直接用上一个被保留的笔迹采样点作为参考笔迹采样点,也可以对一个被保留的笔迹采样点按预设的模型进行修正,从而得到参考笔迹采样点。当然,也可以基于多个最近被保留的笔迹采样点而得出参考笔迹采样点。由于本方法是判断是否保留当前笔迹采样点,而当前笔迹采样点也就是最新形成的笔迹采样点,所以被保留的笔迹采样点必然是在当前笔迹采样点之前采集的笔迹采集点。
步骤S120,将参考笔迹采样点的坐标与当前笔迹采样点的坐标进行对比,得出比对值。
继续上面的例子,图3中的左图中,参考笔迹采样点A的坐标(Xa,Ya),当前笔迹采样点B的坐标(Xb,Yb),对点A和点B进行对比,得出点A与点B之间的距离L,这时L就是比对值。又例如,通过另外一种对比方式对点A和点B进行对比,得出X方向上的差值Δx,Y方向上的差值Δy,此时比对值就是(Δx,Δy)。再例如,得出距离L后,对L按预设的模型进行修正,得到L’,用L’作为比对值;又或者对Δx和Δy按预设的模型进行修正,得到Δx’和Δy’,用(Δx’,Δy’)作为比对值。
这里必须指出的是,除了上述作为示例的得出比对值的方法外,本领域技术人员也可以从实际情况出发,采用合理的方式得出比对值。
步骤S130,若比对值小于预设的比对阈值,则丢弃当前笔迹采样点,即不保留当前笔迹采样点。
预设有一个比对阈值,该比对阈值是用于反映笔迹采样点的密集程度的。当比对值小于预设的比对阈值时,说明当前笔迹采样点的密集程度较高,即使不保留当前笔迹采样点也能够通过后续步骤还原出笔尖移动的轨迹。因此,为了减少冗余数据的传输,可以不保留该当前笔迹采样点。
继续上述的例子,在图3的左图中,对点A和点B进行对比后,比对值不小于预设的比对阈值时,不做不保留当前笔迹采样点B的操作,得到如图3中的右图所示的笔迹采样点。在图4的左图中,当前笔迹采样点是点D,以点C作为参考笔迹采样点,对点C和点D进行对比后,比对值小于预设的比对阈值时,认为笔迹采样点D为冗余的笔迹采样点,不作保留,得到如图4中的右图所示的笔迹采样点。
通过本发明的筛选方法,能有效识别出当前的笔迹采样点是否为冗余的采样点。当为冗余采样点时,放弃该冗余采样点的数据,方便了后续数据的传输和处理等步骤。
这里需要指出的是,本发明对于笔迹采样点的筛选是具有实时性的,一采集到笔迹采样点就马上对该采样点进行分析筛选,判断是否保留。由于当前笔迹采样点的判断是基于参考笔迹采样点判断的,而参考笔迹采样点又是基于被保留的笔迹采样点确定的,如果实时性较差的话,则无法得到参考笔迹采样点,继而也无法判断当前笔迹采样点是否能够保留,又会导致无法得出下一个笔迹采样点的参考点,导致要保留所有笔迹采样点,不能到达丢弃冗余采样点的目的。另外,较高的采样点筛选实时性可以提高笔迹传送的实时性。
在一种实施方式中,获取参考笔迹采样点的坐标包括以下步骤:
首先,获取笔迹点坐标组,笔迹点坐标组包括:至少1个最近被保留的笔迹采样点的坐标;
然后,根据笔迹点坐标组基于预设的模型得出参考笔迹采样点的坐标。
如图5所示,图中的实线是笔尖实际产生的笔迹,当前笔尖正在移动。当前对笔迹进行采样,得到当前笔迹采样点H点的坐标。假设点E、F、G为最近保留的3个笔迹采样点,此时需要通过3个最近被保留的笔迹采样点的坐标去得出参考笔迹采样点的坐标,则获取E、F、G点的坐标。然后,根据E、F、G点的笔迹采样点的坐标基于预设的模型得出参考笔迹采样点I的坐标。该参考笔迹采样点I为一个虚拟的采样点。
通过最近被保留的笔迹采样点去得出参考笔迹采样点,能更准确地反映出最近保留的笔迹采样点之间的疏密情况,能更准确地识别出其与当前笔迹采样点之间的疏离情况。另外,通过多个被保留的笔迹采样点得出参考笔迹采样点,能够避免因特殊情况而误丢弃笔迹采样点,从而影响了后续的笔迹还原。
在一种实施方式中,参考笔迹采样点是最近一个被保留的笔迹采样点。最近一个被保留的笔迹采样点与当前笔迹采样点的关系最为密切,将其作为参考笔迹采样点能准确地反映出当前笔迹采样点的是否保留的必要性。
在一种实施方式中,所述笔迹采样点的筛选方法还包括以下步骤:
当比对值不小于预设的比对阈值时,保留当前笔迹采样点;
得出倒数第一个被保留的笔迹采样点到当前笔迹采样点与倒数第二个被保留的笔迹采样点之间连线的垂直距离;
当垂直距离小于预设距离阈值时,丢弃倒数第一个被保留的笔迹采样点。
如图6所示,图6是图3的例子的延续,其中点A0是倒数第二个被保留的笔迹采样点。为了进一步地减少冗余笔迹采样点,在保留了当前笔迹采样点B后,还要对上一个被保留的笔迹采样点A进行判断,即对倒数第一个被保留的笔迹采样点A进行判断,判断其是否为冗余笔迹采样点。这时候,连接当前笔迹采样点B与倒数第二被保留的笔迹采样点A0,得到二者之间的连线,即图6中的虚线,然后判断点A到该连线的距离。当距离小于预设距离阈值时,则可以认为点A0、A和B三点共线。因为将笔迹采样点还原成笔迹时,通常是将所有的采样点连接起来得到笔迹,所以当三点共线时,连接点A0和B得到的效果与连接点A0、A和B的效果是相同的,所以可以认为点A是冗余的采集点,能够丢弃。此时,只保留如图6中最右边的图中的两个笔迹采样点A0和B。
通过共线判断,进一步发现冗余的笔迹采集点,进一步降低数据量。
这里必须指出的是,本实施方式中的共线判断步骤是在确定保留当前笔迹采样点的情况下进行,在不保留当前笔迹采样点的情况下,则不需要做共线判断。另外,如图6中,当点A被丢弃后,就不再认为点A为被保留的笔迹采样点,在对下个当前笔迹采样点进行是否保留的判断时,不采用点A数据,利用下个当前笔迹采样点判断B点是否共线时,其中的倒数第二个被保留的笔迹采样点仍然是A0点。
在一种实施方式中,比对值为参考笔迹采样点的坐标和当前笔迹采样点的坐标之间的距离。
通过距离的判断,能够很直观地得出当前笔迹采样点与参考笔迹采样点之间的关系以及紧靠的程度。当紧靠程度高时,则可以认为当前笔迹采样点为冗余采样点。
在一种实施方式中,比对值包括:参考笔迹采样点的坐标与当前笔迹采样点的坐标在X方向上的差值和在Y方向上的差值;
比对阈值包括:X方向上的差值阈值和Y方向上的差值阈值;
当比对值小于预设的比对阈值时,不保留当前笔迹采样点的过程,包括如下步骤:
当比对值的在X方向上的差值小于比对阈值的X方向上的差值阈值,且比对值的在Y方向上的差值小于比对阈值的Y方向上的差值阈值时,则丢弃当前笔迹采样点,即不保留当前笔迹采样点。
如前所述的对比方法,得到比对值就是(Δx,Δy),即比对值包括:在X方向上的差值Δx和在Y方向上的差值Δy。预设的比对阈值也有相对应的X方向上的差值阈值Δx1和Y方向上的差值阈值Δy1。当Δx<Δx1且Δy<Δy1时,不保留当前笔迹采样点。通过上述的方法除去多余的笔迹采样点,能在笔迹传输的前期就对数据做有效的筛选,使得笔画的笔迹采样点减少,提高有效数据的传输速率。传输速率的提高为后端的处理减少了不必要的数据处理操作,对笔迹的显示提供了有效的帮助,能有效的降低书写的延迟性。
实施例二
与实施例一的方法相对应,如图7所示,本发明还提供一种笔迹采样点的筛选装置2,包括:获取模块201、对比模块202和执行模块203。
获取模块201,用于获取参考笔迹采样点的坐标和当前笔迹采样点的坐标;其中,参考笔迹采样点是基于被保留的笔迹采样点确定的。
对比模块202,用于对参考笔迹采样点的坐标与当前笔迹采样点的坐标进行对比,得出比对值。
执行模块203,用于根据比对值与预设的比对阈值之间的关系,判断是否保留当前笔迹采样点;其中,当比对值小于预设的比对阈值时,则丢弃当前笔迹采样点,即不保留当前笔迹采样点,当比对值不小于预设的比对阈值时,保留当前笔迹采样点
在一种实施方式中,获取模块包括:选择单元及模型单元。选择单元,用于获取笔迹点坐标组,笔迹点坐标组包括:至少1个最近被保留的笔迹采样点的坐标。模型单元,用于根据笔迹点坐标组基于预设的模型得出参考笔迹采样点的坐标。
在一种实施方式中,获取模块获取的参考笔迹采样点是最近一个被保留的笔迹采样点。
在一种实施方式中,筛选装置2还包括:计算模块及筛选模块。计算模块,用于得出倒数第一个被保留的笔迹采样点到当前笔迹采样点与倒数第二个被保留的笔迹采样点之间连线的垂直距离。筛选模块,用于当垂直距离小于预设距离阈值时,丢弃倒数第一个被保留的笔迹采样点。
在一种实施方式中,对比模块202得出的比对值为参考笔迹采样点的坐标和当前笔迹采样点的坐标之间的距离。
在一种实施方式中,对比模块202得出的比对值包括:参考笔迹采样点的坐标与当前笔迹采样点的坐标在X方向上的差值和在Y方向上的差值。
比对阈值包括:X方向上的差值阈值和Y方向上的差值阈值。
执行模块203具体判断时,当比对值在X方向上的差值小于比对阈值的X方向上的差值阈值,且比对值的在Y方向上的差值小于比对阈值的Y方向上的差值阈值时,不保留当前笔迹采样点。
本发明的筛选装置,能有效识别出当前的笔迹采样点是否为冗余的采样点。当为冗余采样点时,放弃该冗余采样点的数据,方便了后续数据的传输和处理等步骤。并且,本发明对于笔迹采样点的筛选是具有实时性的,一采集到笔迹采样点就马上对该采样点进行分析筛选,判断是否保留。
实施例三
本发明实施例还提供了一种计算机设备,包括:存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,处理器执行所述计算机程序时实现如实施例一所述的一种笔迹采样点的筛选方法。
实施例四
本发明实施例还提供了一种计算机可读存储介质,其上存储有计算机程序,该计算机程序被处理器执行时实现如实施例一所述的一种笔迹采样点的筛选方法。
本领域的技术人员可以理解:实现上述方法实施例的全部或部分步骤可以通过程序指令相关的硬件来完成,前述的程序可以存储于一计算机可读取存储介质中,该程序在执行时,执行包括上述方法实施例的步骤;而前述的存储介质包括:移动存储设备、随机存取存储器(RAM,Random Access Memory)、只读存储器(ROM,Read-Only Memory)、磁碟或者光盘等各种可以存储程序代码的介质。
或者,本发明上述集成的单元如果以软件功能模块的形式实现并作为独立的产品销售或使用时,也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,本发明实施例的技术方案本质上或者说对相关技术做出贡献的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(可以是个人计算机、终端、或者网络设备等)执行本发明各个实施例方法的全部或部分。而前述的存储介质包括:移动存储设备、RAM、ROM、磁碟或者光盘等各种可以存储程序代码的介质。
与上述的计算机存储介质对应的是,在一个实施例中还提供一种筛选笔迹采样点的系统,该系统包括存储器、编码器及存储在存储器上并可在编码器上运行的计算机程序,其中,编码器执行程序时实现如上述各实施例中的任意一种筛选笔迹采样点的方法。
上述计算机设备,通过处理器上运行的计算机程序,基于本发明的筛选方法,能通过判断待处理笔迹采样点是否与第一、第二参考笔迹采样点是否共线,进一步识别出该待处理笔迹采样点是否为冗余的采样点。当为冗余采样点时,放弃该冗余采样点的数据,有效地减少了笔迹采样点的数量,方便了后续数据的传输和处理等步骤。
以上所述实施例的各技术特征可以进行任意的组合,为使描述简洁,未对上述实施例中的各个技术特征所有可能的组合都进行描述,然而,只要这些技术特征的组合不存在矛盾,都应当认为是本说明书记载的范围。
显然,本发明的上述实施例仅仅是为清楚地说明本发明所作的举例,而并非是对本发明的实施方式的限定。对于所属领域的普通技术人员来说,在上述说明的基础上还可以做出其它不同形式的变化或变动。这里无需也无法对所有的实施方式予以穷举。凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等,均应包含在本发明权利要求的保护范围之内。

Claims (10)

1.一种笔迹采样点的筛选方法,其特征在于,包括以下步骤:
获取参考笔迹采样点的坐标以及当前笔迹采样点的坐标;
将所述参考笔迹采样点的坐标与所述当前笔迹采样点的坐标进行对比,得出比对值;
若所述比对值小于预设的比对阈值,则丢弃所述当前笔迹采样点;
还包括以下步骤:
当所述比对值不小于预设的所述比对阈值时,保留当前笔迹采样点;
得出倒数第一个被保留的笔迹采样点到所述当前笔迹采样点与倒数第二个被保留的笔迹采样点之间连线的垂直距离;
当所述垂直距离小于预设距离阈值时,丢弃所述倒数第一个被保留的笔迹采样点。
2.根据权利要求1所述的一种笔迹采样点的筛选方法,其特征在于,所述参考笔迹采样点是基于被保留的笔迹采样点确定的;获取所述参考笔迹采样点的坐标包括以下步骤:
获取笔迹点坐标组,所述笔迹点坐标组包括:至少1个最近被保留的笔迹采样点的坐标;
根据所述笔迹点坐标组基于预设的模型得出所述参考笔迹采样点的坐标。
3.根据权利要求1所述的一种笔迹采样点的筛选方法,其特征在于,所述参考笔迹采样点是基于被保留的笔迹采样点确定的;所述参考笔迹采样点是最近一个被保留的笔迹采样点。
4.根据权利要求1所述的一种笔迹采样点的筛选方法,其特征在于,所述比对值为所述参考笔迹采样点的坐标与所述当前笔迹采样点的坐标之间的距离。
5.根据权利要求1所述的一种笔迹采样点的筛选方法,其特征在于,所述比对值包括:所述参考笔迹采样点的坐标与所述当前笔迹采样点的坐标在X方向上的差值和在Y方向上的差值;
所述比对阈值包括:X方向上的差值阈值和Y方向上的差值阈值;
所述若比对值小于预设的比对阈值,则丢弃所述当前笔迹采样点的过程包括:当所述比对值在X方向上的差值小于所述比对阈值的X方向上的差值阈值,且所述比对值的在Y方向上的差值小于所述比对阈值的Y方向上的差值阈值时,则丢弃所述当前笔迹采样点。
6.一种笔迹采样点的筛选装置,其特征在于,包括:
获取模块,用于获取参考笔迹采样点的坐标以及当前笔迹采样点的坐标;
对比模块,用于将所述参考笔迹采样点的坐标与所述当前笔迹采样点的坐标进行对比,得出比对值;
执行模块,用于根据所述比对值与预设的比对阈值之间的关系,判断是否保留所述当前笔迹采样点,若所述比对值小于预设的所述比对阈值,则丢弃所述当前笔迹采样点;
所述执行模块,还用于当所述比对值不小于预设的所述比对阈值时,保留当前笔迹采样点;还包括:
计算模块,用于得出倒数第一个被保留的笔迹采样点到所述当前笔迹采样点与倒数第二个被保留的笔迹采样点之间连线的垂直距离;
筛选模块,用于当所述垂直距离小于预设距离阈值时,丢弃所述倒数第一个被保留的笔迹采样点。
7.根据权利要求6所述的一种笔迹采样点的筛选装置,其特征在于,所述获取模块包括:
选择单元,用于获取笔迹点坐标组,所述笔迹点坐标组包括:至少1个最近被保留的笔迹采样点的坐标;
模型单元,用于根据所述笔迹点坐标组基于预设的模型得出所述参考笔迹采样点的坐标。
8.根据权利要求6所述的一种笔迹采样点的筛选装置,其特征在于,所述获取模块获取的所述参考笔迹采样点是最近一个被保留的笔迹采样点。
9.一种计算机设备,包括:存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序,其特征在于,所述处理器执行所述计算机程序时实现如权利要求1-5中任一所述的方法。
10.一种计算机可读存储介质,其上存储有计算机程序,其特征在于,该计算机程序被处理器执行时实现如权利要求1-5中任一所述的方法。
CN202110161141.1A 2021-02-05 2021-02-05 笔迹采样点的筛选方法、装置、设备及存储介质 Active CN113052001B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110161141.1A CN113052001B (zh) 2021-02-05 2021-02-05 笔迹采样点的筛选方法、装置、设备及存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110161141.1A CN113052001B (zh) 2021-02-05 2021-02-05 笔迹采样点的筛选方法、装置、设备及存储介质

Publications (2)

Publication Number Publication Date
CN113052001A CN113052001A (zh) 2021-06-29
CN113052001B true CN113052001B (zh) 2024-04-30

Family

ID=76508708

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110161141.1A Active CN113052001B (zh) 2021-02-05 2021-02-05 笔迹采样点的筛选方法、装置、设备及存储介质

Country Status (1)

Country Link
CN (1) CN113052001B (zh)

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPH05298491A (ja) * 1992-04-16 1993-11-12 Pioneer Electron Corp オンライン手書き文字認識装置
CN103885699A (zh) * 2012-12-20 2014-06-25 中山大学深圳研究院 一种基于移动终端自动摹写手写体的方法
CN105868590A (zh) * 2015-01-19 2016-08-17 阿里巴巴集团控股有限公司 一种笔迹数据处理方法和装置
CN109445676A (zh) * 2018-09-11 2019-03-08 宁波思骏科技有限公司 在手写设备上删除用户输入的手写笔画信息的方法
CN111273797A (zh) * 2019-12-25 2020-06-12 深圳市鸿合创新信息技术有限责任公司 书写笔迹生成方法、装置、存储介质、电子设备及系统

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20130136377A1 (en) * 2011-11-29 2013-05-30 Samsung Electronics Co., Ltd. Method and apparatus for beautifying handwritten input

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPH05298491A (ja) * 1992-04-16 1993-11-12 Pioneer Electron Corp オンライン手書き文字認識装置
CN103885699A (zh) * 2012-12-20 2014-06-25 中山大学深圳研究院 一种基于移动终端自动摹写手写体的方法
CN105868590A (zh) * 2015-01-19 2016-08-17 阿里巴巴集团控股有限公司 一种笔迹数据处理方法和装置
CN109445676A (zh) * 2018-09-11 2019-03-08 宁波思骏科技有限公司 在手写设备上删除用户输入的手写笔画信息的方法
CN111273797A (zh) * 2019-12-25 2020-06-12 深圳市鸿合创新信息技术有限责任公司 书写笔迹生成方法、装置、存储介质、电子设备及系统

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
自然手写汉字预处理子系统;黄襄念等;重庆大学学报(自然科学版);第23卷(第4期);第33-37页 *

Also Published As

Publication number Publication date
CN113052001A (zh) 2021-06-29

Similar Documents

Publication Publication Date Title
CN103065134B (zh) 一种具有提示信息的指纹识别装置和方法
JP2641374B2 (ja) ユーザ固有のプロトタイプシンボルセットを生成する方法及び装置
CN107944427B (zh) 动态人脸识别方法及计算机可读存储介质
KR20160024858A (ko) 지역성 말투를 구분하는 음성 데이터 인식 방법, 장치 및 서버
CN111414868B (zh) 时序动作片段的确定方法、动作检测方法及装置
CN105303174B (zh) 指纹录入方法及装置
CN108170806B (zh) 敏感词检测过滤方法、装置和计算机设备
CN110659658A (zh) 一种目标检测方法及其装置
CN113205138B (zh) 人脸人体匹配方法、设备和存储介质
WO2022199360A1 (zh) 运动物体的定位方法、装置、电子设备及存储介质
CN108288020A (zh) 基于上下文信息的视频遮挡检测系统及方法
CN113095509A (zh) 线上机器学习模型的更新方法和装置
CN116777899A (zh) 基于回归模型的工业图像关键点检测方法、系统及平台
CN113052001B (zh) 笔迹采样点的筛选方法、装置、设备及存储介质
CN108846339B (zh) 一种文字识别方法、装置、电子设备和存储介质
CN117611619A (zh) 一种直线拟合方法、系统、电子设备及存储介质
CN113052002B (zh) 筛选笔迹采样点的方法、装置、设备及存储介质
CN114240926B (zh) 板卡缺陷类别识别方法、装置、设备及可读存储介质
US11972361B2 (en) Performance optimization of object grouping schema in a network key-value storage device using adaptive regression
CN111339863B (zh) 一种基于物体导向外部记忆模块的视频物体检测模型
CN115719362A (zh) 一种高空抛物检测方法、系统、设备及存储介质
CN113505745A (zh) 一种文字识别方法、装置、电子设备及存储介质
KR20230063742A (ko) 계층적 cnn을 이용한 스마트 팩토리에서의 제품 불량 탐지 방법 및 이를 기록한 기록매체
CN113920547A (zh) 一种基于神经网络的手套检测方法及其系统
CN111104886A (zh) 手势识别方法、装置、设备和存储介质

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