CN113052002B - 筛选笔迹采样点的方法、装置、设备及存储介质 - Google Patents

筛选笔迹采样点的方法、装置、设备及存储介质 Download PDF

Info

Publication number
CN113052002B
CN113052002B CN202110163056.9A CN202110163056A CN113052002B CN 113052002 B CN113052002 B CN 113052002B CN 202110163056 A CN202110163056 A CN 202110163056A CN 113052002 B CN113052002 B CN 113052002B
Authority
CN
China
Prior art keywords
handwriting
sampling point
handwriting sampling
point
processed
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
CN202110163056.9A
Other languages
English (en)
Other versions
CN113052002A (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 CN202110163056.9A priority Critical patent/CN113052002B/zh
Publication of CN113052002A publication Critical patent/CN113052002A/zh
Application granted granted Critical
Publication of CN113052002B publication Critical patent/CN113052002B/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)
  • User Interface Of Digital Computer (AREA)
  • Character Discrimination (AREA)

Abstract

本发明公开了一种筛选笔迹采样点的方法、装置、设备及存储介质。其中,该方法包括以下步骤:获取第一参考笔迹采样点与第二参考笔迹采样点之间的连线;判断待处理笔迹采样点是否位于基于连线进行划定的区域范围内;若待处理笔迹采样点位于区域范围内时,则丢弃待处理笔迹采样点。本发明通过判断待处理笔迹采样点是否与参考笔迹采样点是否共线,识别出该待处理笔迹采样点是否为冗余的采样点,有效地减少了笔迹采样点的数量。

Description

筛选笔迹采样点的方法、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,涉及一种筛选笔迹采样点的方法、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,提供一种筛选笔迹采样点的方法、装置、设备及存储介质。本发明采用的技术方案如下:
本发明提供如下技术方案:
第一方面,本发明提供一种筛选笔迹采样点的方法,包括以下步骤:
获取第一参考笔迹采样点与第二参考笔迹采样点之间的连线;
判断待处理笔迹采样点是否位于基于所述连线进行划定的区域范围内;
若所述待处理笔迹采样点位于所述区域范围内时,则丢弃所述待处理笔迹采样点。
在一些可选的实施例中,所述第一参考笔迹采样点基于排列在所述待处理笔迹采样点之前的笔迹采样点进行选定;所述第二参考笔迹采样点基于排列在所述待处理笔迹采样点之后的笔迹采样点进行选定。
在一些可选的实施例中,所述连线是指连接于所述第一参考笔迹采样点与所述第二参考笔迹采样点之间的直线;所述区域范围是指基于所述连线对所述连线的线宽进行限定所形成的平面空间。
在一些可选的实施例中,该方法之前还包括:选定所述第一参考笔迹采样点;所述选定所述第一参考笔迹采样点的过程包括:获取采样点组,所述采样点组包括:至少1个排列在所述待处理笔迹采样点之前且与所述待处理笔迹采样点连续的笔迹采样点;基于所述采样点组通过预设的模型得出所述第一参考笔迹采样点。
在一些可选的实施例中,该方法之前还包括:选定所述第一参考笔迹采样点,所述第一参考笔迹采样点是所述待处理笔迹采样点的上一个笔迹采样点。
在一些可选的实施例中,所述第二笔迹采样点是所述待处理笔迹采样点的下一个笔迹采样点。
在一些可选的实施例中,所述第二笔迹采样点是最新获取到的笔迹采样点。
第二方面,本发明提供一种筛选笔迹采样点的装置,包括:
获取模块,用于获取第一参考笔迹采样点与第二参考笔迹采样点之间的连线;
判断模块,用于判断待处理笔迹采样点是否位于基于所述连线进行划定的区域范围内;
执行模块,用于根据所述判断模块的结果决定是否丢弃所述待处理笔迹采样点,若所述待处理笔迹采样点位于所述区域范围内时,则丢弃所述待处理笔迹采样点。
在一些可选的实施例中,所述的一种筛选笔迹采样点的装置,还包括:第一选定模块,用于基于排列在所述待处理笔迹采样点之前的笔迹采样点选定所述第一参考笔迹采样点;第二选定模块,用于基于排列在所述待处理笔迹采样点之后的笔迹采样点选定所述第二参考笔迹采样点。
在一些可选的实施例中,所述第一选定模块包括:获取单元,用于获取采样点组,所述采样点组包括:至少1个排列在所述待处理笔迹采样点之前且与所述待处理笔迹采样点连续的笔迹采样点;模型单元,用于基于所述采样点组通过预设的模型得出所述第一参考笔迹采样点。
在一些可选的实施例中,所述第一选定模块选定所述待处理笔迹采样点的上一个笔迹采样点作为所述第一参考笔迹采样点。
在一些可选的实施例中,所述第二选定模块选定所述待处理笔迹采样点的下一个笔迹采样点作为所述第二笔迹采样点。
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程序时实现上述的一种筛选笔迹采样点的方法。
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上述的一种筛选笔迹采样点的方法。
本发明提供了一种高效率笔迹点筛选机制,即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,实现基于最少的笔迹点还原出相同的笔迹,有效地减少了笔迹采样点的数量,同时方便了后续数据的传输和处理等步骤,更加迅速、准确。
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筛选笔迹采集点的一示意图。
图4是本发明的实施例一中的筛选笔迹采集点的另一示意图。
图5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。而实际上,通过笔迹采样点还原成笔迹时,有部分笔迹采样点对于整体笔迹的生成的影响是极小的,即使缺失这部分采样点,对于笔迹的形状的影响不大。因此,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,本发明提供一种筛选笔迹采样点的方法,通过合理的方法筛选出有效的笔迹采集点,丢弃冗余的笔迹采样点,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筛选笔迹采样点的方法的流程示意图,该筛选笔迹采样点的方法包括步骤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筛选笔迹采样点的方法的各方法步骤的顺序限定。
步骤S110,获取第一参考笔迹采样点与第二参考笔迹采样点之间的连线。
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,按产生顺序排列得到多个笔迹采样点A-E,进而得到了如图3右图所示的各个笔迹采样点的数据。假设,要判断笔迹采样点B是否为冗余的笔迹采样点,即点B为待处理笔迹采样点时,对于点B来说,可以采用它的上一个笔迹采样点A作为第一参考笔迹采样点,它的下一个笔迹采样点C作为第二参考笔迹采样点。如图4左图所示,连结第一参考笔迹采样点A与第二笔迹采样点C,得到它们之间的连线,即图4左图中的白色虚线部分。以线宽保持不变为例,预设该连线的线宽,得到具有预设的线宽范围的连线L1。同理,若要判断笔迹采样点D是否为冗余的笔迹采样点,可以选取点C为第一参考笔迹采样点,选取点E为第二笔迹采样点,得到了具有预设的线宽范围的连线L2。
这里需要指出的是,第一参考笔迹采样点基于排列在待处理笔迹采样点之前的笔迹采样点确定,第二参考笔迹采样点基于排列在待处理笔迹采样点之后的笔迹采样点确定。如图3、4中的例子,点B之前的笔迹采样点只有点A,所以此时第一参考笔迹采样点是基于点A确定的,点B之后的笔迹采样点包括:点C、D、E,所以此时第二参考笔迹采样点可以基于点C、D、E中的一个或多个确定,本例子中直接采样点C作为第二参考笔迹采样点。同理,点D的第一参考笔迹采样点可以基于点A、B、C中的一个或多个确定,第二参考笔迹采样点只可以基于点E确定。
当然,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已有的笔迹采样点作为参考笔迹采样点,也可以根据已有的笔迹采样点按预设的模型进行修正,得到虚拟的参考笔迹采样点。
步骤S120,判断待处理笔迹采样点是否位于基于连线进行划定的区域范围内。
步骤S110中的连线是指连接于第一参考笔迹采样点与第二参考笔迹采样点之间的直线,步骤S120中的区域范围是指基于连线对连线的线宽进行限定所形成的平面空间。这里必须指出的是,这里的线宽可以如图4左图所示,是保持不变的,也可以是忽宽忽窄般可变的。本领域技术人员可以根据实际情况,设置不同形状的线宽,以适应实际情况。
如图4左图所示所示,显然点B在连线的线宽范围内,点D不在连线的线宽范围内。
步骤S130,若待处理笔迹采样点位于区域范围内时,则丢弃待处理笔迹采样点。
以线宽保持不变为例,此时,点B在连线的线宽范围内,要丢弃点B。这是因为点B在连线的线宽范围内,可以近似看成点A、B、C是三点共线。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A和点C得到的效果与连接点A、B和C三点的效果是近似的,所以可以认为点B是冗余的采集点,能够丢弃。点D不在连线的线宽范围内,不能看成点C、D、E三点共线,所以点D是不能够被丢弃的。此时,得到如图4右图所示的笔迹采样点。
这里必须指出的是,假如是先判断点B是否为冗余的笔迹采样点,得出了判断的结果,要丢弃点B,丢弃点B后,再判断点D是否为冗余的笔迹采样点。此时,点D的第一参考笔迹采样点就只能基于点A、C中的一个或多个确定,不能再包含点B了。
本发明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。
在一种实施方式中,本发明的方法还包括:选定第一参考笔迹采样点。选定第一参考笔迹采样点的过程包括以下步骤:
首先,获取采样点组,采样点组包括:至少1个排列在待处理笔迹采样点之前且与待处理笔迹采样点连续的笔迹采样点;
然后,基于至少1个待处理笔迹采样点之前且与待处理笔迹采样点连续的笔迹采样点通过预设的模型得出第一参考笔迹采样点。
继续上面的例子,如图4左图所示,当点D作为待处理笔迹采样点时,它之前的笔迹采样点有点A、B、C三个。此时,与点D连续的采样点的取法有:取点A、B、C,取点B、C,取点C。如果取点A、C,则不算是与点D连续。然后通过这些采样点去得出第一参考笔迹采样点。当出现如图4右图所示,丢弃了B的情况时,取A、C,就算是与点D连续。
取与待处理笔迹采样点连续的笔迹采样点得出第一参考笔迹采样点,可以更准确地确定待处理笔迹采样点是否是真正地在共线的直线上,避免了因为波动而形成的假共线。
在一种实施方式中,第一参考笔迹采样点是待处理笔迹采样点的上一个笔迹采样点。待处理笔迹采样点与上一个笔迹采样点之间的关系比较密切,用上一个笔迹采样点作为第一参考笔迹采样点能准确反映是否共线的情况。
这里必须指出的是,当出现如图4右图所示,丢弃了点B的情况时,点C的上一个笔迹采样点是点A,而不是点B。
在一种实施方式中,第二参考笔迹采样点是待处理笔迹采样点的下一个笔迹采样点。待处理笔迹采样点与下一个笔迹采样点之间的关系比较密切,用下一个笔迹采样点作为第二参考笔迹采样点能准确反映是否共线的情况。
在一种实施方式中,第二笔迹采样点是最新获取到的笔迹采样点。
提高笔迹采样点筛选的实时性,避免因为有冗余采样点未筛选而导致后续步骤多处理数据,最好的方法是对刚刚得到的笔迹采样点马上进行筛选。当获取到最新的笔迹采样点后,就可以马上对倒数第二个新的笔迹采样点进行判断了。此时,可以将最新获取到的笔迹采样点作为第二笔迹采样点对倒数第二新的笔迹采样点进行判断,决定是否丢弃该倒数第二新的笔迹采样点。
这里必须指出的是,对于最新的笔迹采样点,有可能还需要通过其他的筛选方法判断其是否保留,所以本实施方式中所说的最新获取到的笔迹采样点,至少要求是在当前情况下确定要保留的笔迹采样点。也就是说,通过其他的筛选方法确定不保留的笔迹采样点,不算是最新获取到的笔迹采样点,不能作为第二笔迹采样点。要用确定要保留的笔迹采样点作为第二笔迹采样点,是基于三点共线时,中点可以省略的原理决定的,这时第二笔迹采样点是直线的端点。如果端点不能被保留的话,就无法还原出笔迹了。当然,后续步骤还需要将该最新获取到的笔迹采样点作为待处理笔迹采样点进行筛选,如果笔迹还是继续是直线的话,该最新获取到的笔迹采样点是可以被丢弃的。
实施例二
与实施例一的方法相对应,如图5所示,本发明还提供一种筛选笔迹采样点的装置2,包括:获取模块201、判断模块202和执行模块203。
获取模块201,用于获取第一参考笔迹采样点与第二参考笔迹采样点之间的连线。
判断模块202,用于判断待处理笔迹采样点是否位于基于连线进行划定的区域范围内。
执行模块203,用于根据判断模块202的结果决定是否丢弃待处理笔迹采样点,若待处理笔迹采样点位于区域范围内时,则丢弃待处理笔迹采样点。
在一种实施方式中,装置2还包括:第一选定模块及第二选定模块。第一选定模块,用于基于排列在待处理笔迹采样点之前的笔迹采样点选定第一参考笔迹采样点。第二选定模块,用于基于排列在待处理笔迹采样点之后的笔迹采样点选定第二参考笔迹采样点。
在一种实施方式中,第一选定模块包括:获取单元及模型单元。获取单元,用于获取采样点组,采样点组包括:至少1个排列在待处理笔迹采样点之前且与待处理笔迹采样点连续的笔迹采样点;模型单元,用于基于采样点组通过预设的模型得出第一参考笔迹采样点。
在一种实施方式中,第一选定模块选定待处理笔迹采样点的上一个笔迹采样点作为第一参考笔迹采样点。
在一种实施方式中,第二选定模块选定待处理笔迹采样点的下一个笔迹采样点作为第二笔迹采样点。
在一种实施方式中,第二笔迹采样点是最新获取到的笔迹采样点。
本装置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。
实施例三
本发明还提供一种计算机设备,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,处理器执行程序时实现如实施例一所述的方法。
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实施例一所述的筛选笔迹采样点的方法。
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 (11)

1.一种筛选笔迹采样点的方法,其特征在于,用于实时有效识别出当前的笔迹采样点是否为冗余的采样点,包括以下步骤:
获取第一参考笔迹采样点与第二参考笔迹采样点之间的连线;
判断待处理笔迹采样点是否位于基于所述连线进行划定的区域范围内;
若所述待处理笔迹采样点位于所述区域范围内时,则丢弃所述待处理笔迹采样点;
所述第二参考笔迹采样点是最新获取到的笔迹采样点;
当获取到最新的笔迹采样点后,对倒数第二个新的笔迹采样点进行判断;将最新获取到的笔迹采样点作为第二参考笔迹采样点对倒数第二新的笔迹采样点进行判断,判断是否丢弃该倒数第二新的笔迹采样点。
2.根据权利要求1所述的一种筛选笔迹采样点的方法,其特征在于,所述第一参考笔迹采样点基于排列在所述待处理笔迹采样点之前的笔迹采样点进行选定;所述第二参考笔迹采样点基于排列在所述待处理笔迹采样点之后的笔迹采样点进行选定。
3.根据权利要求2所述的一种筛选笔迹采样点的方法,其特征在于,所述连线是指连接于所述第一参考笔迹采样点与所述第二参考笔迹采样点之间的直线;所述区域范围是指基于所述连线对所述连线的线宽进行限定所形成的平面空间。
4.根据权利要求3所述的一种筛选笔迹采样点的方法,其特征在于,该方法之前还包括:选定所述第一参考笔迹采样点;
所述选定所述第一参考笔迹采样点的过程包括:
获取采样点组,所述采样点组包括:至少1个排列在所述待处理笔迹采样点之前且与所述待处理笔迹采样点连续的笔迹采样点;
基于所述采样点组通过预设的模型得出所述第一参考笔迹采样点。
5.根据权利要求3所述的一种筛选笔迹采样点的方法,其特征在于,该方法之前还包括:选定所述第一参考笔迹采样点,所述第一参考笔迹采样点是所述待处理笔迹采样点的上一个笔迹采样点。
6.一种筛选笔迹采样点的装置,其特征在于,包括:
获取模块,用于获取第一参考笔迹采样点与第二参考笔迹采样点之间的连线;
判断模块,用于判断待处理笔迹采样点是否位于基于所述连线进行划定的区域范围内;
执行模块,用于根据所述判断模块的结果决定是否丢弃所述待处理笔迹采样点,若所述待处理笔迹采样点位于所述区域范围内时,则丢弃所述待处理笔迹采样点;
所述第二参考笔迹采样点是最新获取到的笔迹采样点;
当获取到最新的笔迹采样点后,对倒数第二个新的笔迹采样点进行判断;将最新获取到的笔迹采样点作为第二参考笔迹采样点对倒数第二新的笔迹采样点进行判断,判断是否丢弃该倒数第二新的笔迹采样点。
7.根据权利要求6所述的一种筛选笔迹采样点的装置,其特征在于,还包括:
第一选定模块,用于基于排列在所述待处理笔迹采样点之前的笔迹采样点选定所述第一参考笔迹采样点;
第二选定模块,用于基于排列在所述待处理笔迹采样点之后的笔迹采样点选定所述第二参考笔迹采样点。
8.根据权利要求7所述的一种筛选笔迹采样点的装置,其特征在于,所述第一选定模块包括:
获取单元,用于获取采样点组,所述采样点组包括:至少1个排列在所述待处理笔迹采样点之前且与所述待处理笔迹采样点连续的笔迹采样点;
模型单元,用于基于所述采样点组通过预设的模型得出所述第一参考笔迹采样点。
9.根据权利要求7所述的一种筛选笔迹采样点的装置,其特征在于,所述第一选定模块选定所述待处理笔迹采样点的上一个笔迹采样点作为所述第一参考笔迹采样点。
10.一种计算机设备,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程序时实现如权利要求1-5中任一所述的方法。
11.一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。
CN202110163056.9A 2021-02-05 2021-02-05 筛选笔迹采样点的方法、装置、设备及存储介质 Active CN113052002B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110163056.9A CN113052002B (zh) 2021-02-05 2021-02-05 筛选笔迹采样点的方法、装置、设备及存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110163056.9A CN113052002B (zh) 2021-02-05 2021-02-05 筛选笔迹采样点的方法、装置、设备及存储介质

Publications (2)

Publication Number Publication Date
CN113052002A CN113052002A (zh) 2021-06-29
CN113052002B true CN113052002B (zh) 2024-05-14

Family

ID=76508682

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110163056.9A Active CN113052002B (zh) 2021-02-05 2021-02-05 筛选笔迹采样点的方法、装置、设备及存储介质

Country Status (1)

Country Link
CN (1) CN113052002B (zh)

Citations (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2000036007A (ja) * 1998-07-16 2000-02-02 Toho Business Kanri Center:Kk 文字認識装置
JP2002024764A (ja) * 2000-07-05 2002-01-25 Fujitsu Ltd 手書き文字平均パターン生成装置及び方法
JP2002109472A (ja) * 2000-09-27 2002-04-12 Toshiba Corp 文字認識装置及び文字認識方法
WO2003056419A1 (en) * 2001-12-28 2003-07-10 Anoto Ab Method and apparatus for recording of electronic handwriting
CN101216945A (zh) * 2007-12-26 2008-07-09 广东威创视讯科技股份有限公司 绘制图形的方法及装置
CN102227752A (zh) * 2008-12-09 2011-10-26 高通股份有限公司 使用三维图形硬件的二维图形渲染期间的顶点丢弃
CN102761495A (zh) * 2011-04-29 2012-10-31 周佳 一种基于手写原笔迹的即时通信方法、通信终端和系统
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
CN104346390A (zh) * 2013-08-01 2015-02-11 北大方正集团有限公司 一种形成字库的方法及装置
CN110197518A (zh) * 2018-02-24 2019-09-03 高德软件有限公司 曲线抽稀方法及装置
CN112313667A (zh) * 2018-06-19 2021-02-02 株式会社理光 手写输入显示设备、手写输入显示方法和存储程序的记录介质

Family Cites Families (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US7162087B2 (en) * 2001-12-28 2007-01-09 Anoto Ab Method and apparatus for recording of electronic handwriting
US20140361983A1 (en) * 2013-06-09 2014-12-11 Apple Inc. Real-time stroke-order and stroke-direction independent handwriting recognition
US11048931B2 (en) * 2019-02-19 2021-06-29 Lenovo (Singapore) Pte. Ltd. Recognition based handwriting input conversion

Patent Citations (12)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2000036007A (ja) * 1998-07-16 2000-02-02 Toho Business Kanri Center:Kk 文字認識装置
JP2002024764A (ja) * 2000-07-05 2002-01-25 Fujitsu Ltd 手書き文字平均パターン生成装置及び方法
JP2002109472A (ja) * 2000-09-27 2002-04-12 Toshiba Corp 文字認識装置及び文字認識方法
WO2003056419A1 (en) * 2001-12-28 2003-07-10 Anoto Ab Method and apparatus for recording of electronic handwriting
CN101216945A (zh) * 2007-12-26 2008-07-09 广东威创视讯科技股份有限公司 绘制图形的方法及装置
CN102227752A (zh) * 2008-12-09 2011-10-26 高通股份有限公司 使用三维图形硬件的二维图形渲染期间的顶点丢弃
CN102761495A (zh) * 2011-04-29 2012-10-31 周佳 一种基于手写原笔迹的即时通信方法、通信终端和系统
WO2012146128A1 (zh) * 2011-04-29 2012-11-01 北京壹人壹本信息科技有限公司 基于手写原笔迹的即时通信的发送和接收方法以及终端
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
CN104346390A (zh) * 2013-08-01 2015-02-11 北大方正集团有限公司 一种形成字库的方法及装置
CN110197518A (zh) * 2018-02-24 2019-09-03 高德软件有限公司 曲线抽稀方法及装置
CN112313667A (zh) * 2018-06-19 2021-02-02 株式会社理光 手写输入显示设备、手写输入显示方法和存储程序的记录介质

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
基于笔画曲率特征的笔迹鉴别方法;李庆武;马云鹏;周妍;周亮基;;中文信息学报;20160915(05);全文 *

Also Published As

Publication number Publication date
CN113052002A (zh) 2021-06-29

Similar Documents

Publication Publication Date Title
CN110309706B (zh) 人脸关键点检测方法、装置、计算机设备及存储介质
CN104463141B (zh) 一种基于智能卡的指纹模板录入方法及装置
CN110443148B (zh) 一种动作识别方法、系统和存储介质
CN107229662A (zh) 数据清洗方法和装置
CN112115904A (zh) 车牌检测识别方法、装置及计算机可读存储介质
CN109740533A (zh) 遮挡比例确定方法、装置和电子系统
CN111914665A (zh) 一种人脸遮挡检测方法、装置、设备及存储介质
CN111031266A (zh) 基于哈希函数的动态视觉传感器背景活动噪声过滤方法、系统及介质
CN110348345A (zh) 一种基于动作连贯性的弱监督时序动作定位方法
CN107273890A (zh) 针对字符组合的图形验证码识别方法及装置
CN113052002B (zh) 筛选笔迹采样点的方法、装置、设备及存储介质
CN116975938B (zh) 一种产品制造过程中的传感器数据处理方法
CN106097708A (zh) 一种跟车确定方法及装置
CN104932742A (zh) 一种触屏设备获取多点操作轨迹的方法及系统
CN110428373B (zh) 一种用于视频插帧的训练样本处理方法和系统
CN108924002B (zh) 一种性能数据文件的解析方法、装置、设备及存储介质
CN113052001B (zh) 笔迹采样点的筛选方法、装置、设备及存储介质
CN116400639A (zh) 一种plc采集数据智能清洗方法及系统
CN109299132A (zh) Sql数据处理方法、系统以及电子设备
US20230023972A1 (en) Apparatus, method and computer-readable storage medium for detecting objects in a video signal based on visual evidence using an output of a machine learning model
CN105389350B (zh) 一种分布式文件系统元数据信息获取方法
CN106326882A (zh) 一种基于图像质量评估技术的指纹识别系统及方法
CN113920547A (zh) 一种基于神经网络的手套检测方法及其系统
CN109714771B (zh) 一种基于信令数据的基站分析工作中的基站预处理方法
CN111314268B (zh) 一种数据包分析方法及装置

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