CN113283389A - 手写文字质量检测方法、装置、设备及存储介质 - Google Patents
手写文字质量检测方法、装置、设备及存储介质 Download PDFInfo
- Publication number
- CN113283389A CN113283389A CN202110704348.9A CN202110704348A CN113283389A CN 113283389 A CN113283389 A CN 113283389A CN 202110704348 A CN202110704348 A CN 202110704348A CN 113283389 A CN113283389 A CN 113283389A
- Authority
- CN
- China
- Prior art keywords
- detected
- standard
- characters
- character
- font
- 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
- 238000001514 detection method Methods 0.000 title claims description 56
- 239000013598 vector Substances 0.000 claims abstract description 125
- 238000000034 method Methods 0.000 claims abstract description 26
- 230000015654 memory Effects 0.000 claims description 23
- 238000012545 processing Methods 0.000 claims description 15
- 238000013139 quantization Methods 0.000 claims description 6
- 238000005516 engineering process Methods 0.000 abstract description 4
- 238000013473 artificial intelligence Methods 0.000 abstract description 2
- 238000010586 diagram Methods 0.000 description 8
- 230000006870 function Effects 0.000 description 7
- 238000006243 chemical reaction Methods 0.000 description 4
- 230000001960 triggered effect Effects 0.000 description 4
- 230000005540 biological transmission Effects 0.000 description 3
- 238000004422 calculation algorithm Methods 0.000 description 3
- 230000004048 modification Effects 0.000 description 3
- 238000012986 modification Methods 0.000 description 3
- 238000010276 construction Methods 0.000 description 2
- 238000013500 data storage Methods 0.000 description 2
- 238000013507 mapping Methods 0.000 description 2
- 238000011002 quantification Methods 0.000 description 2
- 230000009466 transformation Effects 0.000 description 2
- 238000004364 calculation method Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 230000010365 information processing Effects 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 230000002452 interceptive effect Effects 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000008569 process Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
Images
Classifications
-
- 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
- G06V30/333—Preprocessing; Feature extraction
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/90—Details of database functions independent of the retrieved data types
- G06F16/901—Indexing; Data structures therefor; Storage structures
- G06F16/9027—Trees
-
- 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
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/20—Image preprocessing
- G06V10/22—Image preprocessing by selection of a specific region containing or referencing a pattern; Locating or processing of specific regions to guide the detection or 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)
- Data Mining & Analysis (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Databases & Information Systems (AREA)
- Multimedia (AREA)
- General Engineering & Computer Science (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Evolutionary Computation (AREA)
- Evolutionary Biology (AREA)
- Bioinformatics & Computational Biology (AREA)
- Artificial Intelligence (AREA)
- Software Systems (AREA)
- Life Sciences & Earth Sciences (AREA)
- Character Discrimination (AREA)
Abstract
本发明涉及人工智能,提供一种手写文字质量检测方法、装置、设备及存储介质。该方法能够获取待检测图像,识别待检测图像中的待检测文字,确定待检测文字在待检测图像中的文字大小作为待检测文字大小,从预设搜索树中遍历出与待检测文字匹配的多个标准文字及每个标准文字的标准文字大小,根据待检测文字大小及标准文字大小对待检测文字进行尺度调整,得到目标文字,从预设搜索树中获取每个标准文字的标准特征向量,根据预设搜索树及目标文字的文字特征生成目标特征向量,根据目标特征向量及标准特征向量生成书写得分。本发明能够提高所述书写得分的确定准确度。此外,本发明还涉及区块链技术,所述书写得分可存储于区块链中。
Description
技术领域
本发明涉及人工智能技术领域,尤其涉及一种手写文字质量检测方法、装置、设备及存储介质。
背景技术
随着人们生活水平的提高,用户购买保险的意愿也随之增强。在保险购买场景中包含有手写签名等各个环节,然而,在手写签名环节中,用户手写文字的规范程度将会影响到后续环节的处理,因此,对用户手写文字的质量检测是很有必要的。
然而,发明人意识到,在目前的手写质量检测方式中,由于没有考虑到用户手写文字的大小对手写文字特征的影响,从而造成质量检测结果不准确。
发明内容
鉴于以上内容,有必要提供一种手写文字质量检测方法、装置、设备及存储介质,能够文字质量检测结果。
一方面,本发明提出一种手写文字质量检测方法,所述手写文字质量检测方法包括:
当接收到文字质量检测请求时,根据所述文字质量检测请求获取待检测图像;
识别所述待检测图像中的待检测文字;
确定所述待检测文字在所述待检测图像中的文字大小作为待检测文字大小;
从预设搜索树中遍历出与所述待检测文字匹配的多个标准文字及每个标准文字的标准文字大小;
根据所述待检测文字大小及所述标准文字大小对所述待检测文字进行尺度调整,得到目标文字;
从所述预设搜索树中获取每个标准文字的标准特征向量;
根据所述预设搜索树及所述目标文字的文字特征生成目标特征向量;
根据所述目标特征向量及所述标准特征向量生成所述待检测文字的书写得分。
根据本发明优选实施例,所述根据所述文字质量检测请求获取待检测图像包括:
解析所述文字质量检测请求的报文,得到所述报文携带的数据信息;
从所述数据信息中获取与第一预设标签对应的信息作为书写设备地址,所述第一预设标签用于指示书写设备;
从所述数据信息中获取与第二预设标签对应的信息作为图像编号,所述第二预设标签用于指示图像;
从所述书写设备地址中获取与所述图像编号对应的信息作为所述待检测图像。
根据本发明优选实施例,所述确定所述待检测文字在所述待检测图像中的文字大小作为待检测文字大小包括:
从所述待检测图像中获取所述待检测文字的文字像素,所述文字像素包括横向像素及纵向像素;
获取所述横向像素在所述待检测图像中的横向像素位置;
选取位置最小的所述横向像素位置作为第一像素位置,并选取位置最大的所述横向像素位置作为第二像素位置;
计算所述第二像素位置与所述第一像素位置的位置差,得到横向长度;
获取所述纵向像素在所述待检测图像中的纵向像素位置;
选取位置最小的所述纵向像素位置作为第三像素位置,并选取位置最大的所述纵向像素位置作为第四像素位置;
计算所述第四像素位置与所述第三像素位置的位置差,得到纵向长度;
将所述横向长度及所述纵向长度确定为所述待检测文字大小。
根据本发明优选实施例,在从预设搜索树中遍历出与所述待检测文字匹配的多个标准文字及每个标准文字的标准文字大小之前,所述方法还包括:
获取配置文字,并从每个预设字体库中获取所述配置文字的标准字体;
确定每个标准字体的字体大小,并根据每个标准字体生成字体向量;
将所述配置文字作为父结点,及将每个标准字体作为所述父结点的第一子结点,每个标准字体的字体大小作为所述父结点的第二子结点,每个字体向量作为所述父结点的第三子结点构建所述预设搜索树。
根据本发明优选实施例,所述根据每个标准字体生成字体向量包括:
获取所述标准字体的字体像素值;
对所述字体像素值进行向量化处理,得到所述标准字体的向量值;
确定所述字体像素值在所述标准字体中的拼接顺序;
根据所述拼接顺序对所述向量值进行拼接,得到所述字体向量。
根据本发明优选实施例,所述根据所述预设搜索树及所述目标文字的文字特征生成目标特征向量包括:
根据所述预设搜索树获取所述向量值的确定方式;
获取所述目标文字的像素值作为所述文字特征;
根据所述确定方式对所述文字特征进行向量化处理,得到所述目标文字的特征取值;
确定所述文字特征在所述目标文字中的组成顺序;
按照所述组成顺序拼接所述特征取值,得到所述目标特征向量。
根据本发明优选实施例,所述根据所述目标特征向量及所述标准特征向量生成所述待检测文字的书写得分包括:
计算所述目标特征向量与所述标准特征向量的相似度;
将取值最大的所述相似度确定为目标相似度;
对所述目标相似度进行量化处理,得到所述书写得分。
另一方面,本发明还提出一种手写文字质量检测装置,所述手写文字质量检测装置包括:
获取单元,用于当接收到文字质量检测请求时,根据所述文字质量检测请求获取待检测图像;
识别单元,用于识别所述待检测图像中的待检测文字;
确定单元,用于确定所述待检测文字在所述待检测图像中的文字大小作为待检测文字大小;
遍历单元,用于从预设搜索树中遍历出与所述待检测文字匹配的多个标准文字及每个标准文字的标准文字大小;
调整单元,用于根据所述待检测文字大小及所述标准文字大小对所述待检测文字进行尺度调整,得到目标文字;
所述获取单元,还用于从所述预设搜索树中获取每个标准文字的标准特征向量;
生成单元,用于根据所述预设搜索树及所述目标文字的文字特征生成目标特征向量;
所述生成单元,还用于根据所述目标特征向量及所述标准特征向量生成所述待检测文字的书写得分。
另一方面,本发明还提出一种电子设备,所述电子设备包括:
存储器,存储计算机可读指令;及
处理器,执行所述存储器中存储的计算机可读指令以实现所述手写文字质量检测方法。
另一方面,本发明还提出一种计算机可读存储介质,所述计算机可读存储介质中存储有计算机可读指令,所述计算机可读指令被电子设备中的处理器执行以实现所述手写文字质量检测方法。
由以上技术方案可以看出,本发明通过所述待检测文字在所述待检测图像中的文字大小,以及与所述待检测文字匹配的多个标准文字的文字大小,对所述待检测文字进行尺度调整,能够避免因所述待检测文字的文字大小与所述多个标准文字的文字大小不统一而导致无法准确的确定出所述相似度的问题,从而能够提高所述书写得分的确定准确度。此外,本发明通过所述预设搜索树对所述目标文字的文字特征进行向量化,能够准确的生成所述目标特征向量,由于所述标准特征向量及所述目标特征向量是从相同维度上得到的,因此,能够准确的确定出所述相似度,从而也能够提高所述书写得分的确定准确度。
附图说明
图1是本发明手写文字质量检测方法的较佳实施例的流程图。
图2是本发明预设搜索树的树状图。
图3是本发明手写文字质量检测装置的较佳实施例的功能模块图。
图4是本发明实现手写文字质量检测方法的较佳实施例的电子设备的结构示意图。
具体实施方式
为了使本发明的目的、技术方案和优点更加清楚,下面结合附图和具体实施例对本发明进行详细描述。
如图1所示,是本发明手写文字质量检测方法的较佳实施例的流程图。根据不同的需求,该流程图中步骤的顺序可以改变,某些步骤可以省略。
所述手写文字质量检测方法应用于一个或者多个电子设备中,所述电子设备是一种能够按照事先设定或存储的计算机可读指令,自动进行数值计算和/或信息处理的设备,其硬件包括但不限于微处理器、专用集成电路(Application Specific IntegratedCircuit,ASIC)、可编程门阵列(Field-Programmable Gate Array,FPGA)、数字信号处理器(Digital Signal Processor,DSP)、嵌入式设备等。
所述电子设备可以是任何一种可与用户进行人机交互的电子产品,例如,个人计算机、平板电脑、智能手机、个人数字助理(Personal Digital Assistant,PDA)、游戏机、交互式网络电视(Internet Protocol Television,IPTV)、智能穿戴式设备等。
所述电子设备可以包括网络设备和/或用户设备。其中,所述网络设备包括,但不限于单个网络电子设备、多个网络电子设备组成的电子设备组或基于云计算(CloudComputing)的由大量主机或网络电子设备构成的云。
所述电子设备所处的网络包括,但不限于:互联网、广域网、城域网、局域网、虚拟专用网络(Virtual Private Network,VPN)等。
S10,当接收到文字质量检测请求时,根据所述文字质量检测请求获取待检测图像。
在本发明的至少一个实施例中,在保险场景中,所述文字质量检测请求可以由保险公司的工作人员触发;在作业批改场景中,所述文字质量检测请求可以由教师触发。
所述文字质量检测请求包括,但不限于:书写设备地址、图像编号等。
所述待检测图像是指用户在终端设备上的书写文字后产生的图像,所述待检测图像可以由所述终端设备触发截图操作而产生的。
在本发明的至少一个实施例中,所述电子设备根据所述文字质量检测请求获取待检测图像包括:
解析所述文字质量检测请求的报文,得到所述报文携带的数据信息;
从所述数据信息中获取与第一预设标签对应的信息作为书写设备地址,所述第一预设标签用于指示书写设备;
从所述数据信息中获取与第二预设标签对应的信息作为图像编号,所述第二预设标签用于指示图像;
从所述书写设备地址中获取与所述图像编号对应的信息作为所述待检测图像。
其中,所述数据信息包括,但不限于:所述书写设备地址、所述图像编号等。
所述第一预设标签及所述第二预设标签可以存储在标签库中。
所述待检测图像的图像格式可以是JPG格式,所述待检测图像的图像格式也可以是PNG格式,本发明对所述待检测图像的图像格式不作限制。
通过解析所述报文,由于无需解析整个所述文字质量检测请求,因此,能够提高所述数据信息的获取效率,通过所述书写设备地址获取所述待检测图像,由于无需对多个设备地址进行逐个查询,因此能够提高所述待检测图像的获取效率。
S11,识别所述待检测图像中的待检测文字。
在本发明的至少一个实施例中,所述待检测文字是指需要进行质量规范性检测的文字。
在本发明的至少一个实施例中,所述电子设备采用OCR算法识别所述待检测图像中的待检测文字。
S12,确定所述待检测文字在所述待检测图像中的文字大小作为待检测文字大小。
在本发明的至少一个实施例中,所述待检测文字大小是指所述待检测文字的文字长度及文字宽度。
在本发明的至少一个实施例中,所述电子设备确定所述待检测文字在所述待检测图像中的文字大小作为待检测文字大小包括:
从所述待检测图像中获取所述待检测文字的文字像素,所述文字像素包括横向像素及纵向像素;
获取所述横向像素在所述待检测图像中的横向像素位置;
选取位置最小的所述横向像素位置作为第一像素位置,并选取位置最大的所述横向像素位置作为第二像素位置;
计算所述第二像素位置与所述第一像素位置的位置差,得到横向长度;
获取所述纵向像素在所述待检测图像中的纵向像素位置;
选取位置最小的所述纵向像素位置作为第三像素位置,并选取位置最大的所述纵向像素位置作为第四像素位置;
计算所述第四像素位置与所述第三像素位置的位置差,得到纵向长度;
将所述横向长度及所述纵向长度确定为所述待检测文字大小。
通过所述待检测文字的横向像素位置能够准确的确定出所述横向长度,通过所述待检测文件的纵向像素位置能够准确的确定出所述纵向长度,从而能够准确的确定出所述待检测文字大小。
S13,从预设搜索树中遍历出与所述待检测文字匹配的多个标准文字及每个标准文字的标准文字大小。
在本发明的至少一个实施例中,所述预设搜索树中包含有多个子树,每个子树对应有一个配置文字,每个子树中包含有相应配置文字匹配的多种不同字体的标准字体、所述标准字体的字体大小、及所述标准字体对应的字体向量。进一步地,所述多种不同字体包括:楷体、宋体等。
所述多个标准文字是指与所述待检测文字匹配的多种标准字体。
所述标准文字大小是指每个标准文字的文字长度及文字宽度。
在本发明的至少一个实施例中,在从预设搜索树中遍历出与所述待检测文字匹配的多个标准文字及每个标准文字的标准文字大小之前,所述方法还包括:
获取配置文字,并从每个预设字体库中获取所述配置文字的标准字体;
确定每个标准字体的字体大小,并根据每个标准字体生成字体向量;
将所述配置文字作为父结点,及将每个标准字体作为所述父结点的第一子结点,每个标准字体的字体大小作为所述父结点的第二子结点,每个字体向量作为所述父结点的第三子结点构建所述预设搜索树。
其中,所述配置文字中包含有保险签名环节中常见的文字,例如,所述配置文字中包含有多个姓氏。
每个预设字体库中存储有每种字体对应的文字标准格式,进一步地,所述字体包括:草书、楷体、行书等。
通过所述预设字体库能够准确的获取到所述标准字体,从而能够准确的确定出每个标准字体的字体大小及字体向量,通过构建所述预设搜索树,有利于后续快速搜索出与所述配置文字对应的信息。
参见图2,图2是本发明预设搜索树的树状图。图2中的所述预设搜索树包含有三个子树,每个子树上有两个标准字体。
具体地,所述电子设备根据每个标准字体生成字体向量包括:
获取所述标准字体的字体像素值;
对所述字体像素值进行向量化处理,得到所述标准字体的向量值;
确定所述字体像素值在所述标准字体中的拼接顺序;
根据所述拼接顺序对所述向量值进行拼接,得到所述字体向量。
通过所述字体像素值及所述拼接顺序,能够准确的生成与所述标准字体对应的所述字体向量。
在本发明的至少一个实施例中,所述电子设备从预设搜索树中遍历出与所述待检测文字匹配的多个标准文字及每个标准文字的标准文字大小包括:
从所述预设搜索树中获取与所述待检测文字对应的子树;
从所述子树中获取与第一配置标识对应的结点作为所述多个标准文字,所述第一配置标识用于指示每种字体对应的文字;
从所述子树中获取与第二配置标识对应的结点作为所述标准文字大小,所述第二配置标识用于指示文字大小。
通过所述待检测文字能够快速从所述预设搜索树中获取到所述子树,从而能够快速获取到所述多个标准文字及所述标准文字大小。
S14,根据所述待检测文字大小及所述标准文字大小对所述待检测文字进行尺度调整,得到目标文字。
在本发明的至少一个实施例中,所述目标文字是指文字大小与所述多个标准文字相同的文字。
在本发明的至少一个实施例中,所述电子设备根据所述待检测文字大小及所述标准文字大小对所述待检测文字进行尺度调整,得到目标文字包括:
将所述标准文字大小除以所述待检测文字大小,得到变换比例;
根据所述变换比例对所述待检测文字进行尺度调整,得到目标文字。
通过所述待检测文字大小及所述标准文字大小能够准确的确定出所述变换比例,从而能够准确的生成与所述多个标准文字大小相同的目标文字。
S15,从所述预设搜索树中获取每个标准文字的标准特征向量。
在本发明的至少一个实施例中,所述标准特征向量是指在所述预设搜索树中,对所述标准文字的向量化表示。
在本发明的至少一个实施例中,所述电子设备从所述预设搜索树中获取每个标准文字的标准特征向量的方式与所述电子设备从预设搜索树中遍历出与所述待检测文字匹配的多个标准文字及每个标准文字的标准文字大小的方式相同,本发明对此不再赘述。
S16,根据所述预设搜索树及所述目标文字的文字特征生成目标特征向量。
在本发明的至少一个实施例中,所述目标特征向量是指与所述标准特征向量同一维度下,所述目标文字的向量化表示。
在本发明的至少一个实施例中,所述电子设备根据所述预设搜索树及所述目标文字的文字特征生成目标特征向量包括:
根据所述预设搜索树获取所述向量值的确定方式;
获取所述目标文字的像素值作为所述文字特征;
根据所述确定方式对所述文字特征进行向量化处理,得到所述目标文字的特征取值;
确定所述文字特征在所述目标文字中的组成顺序;
按照所述组成顺序拼接所述特征取值,得到所述目标特征向量。
其中,所述确定方式是指基于所述字体像素值生成所述向量值的向量映射表。
通过所述目标文字的像素值能够准确的提取到所述文字特征,进而通过所述确定方式对所述文字特征进行向量化处理,能够使所述目标特征向量与所述预设搜索树中的字体向量在同一维度上生成的,从而能够准确的生成所述目标特征向量。
S17,根据所述目标特征向量及所述标准特征向量生成所述待检测文字的书写得分。
需要强调的是,为进一步保证上述书写得分的私密和安全性,上述书写得分还可以存储于一区块链的节点中。
在本发明的至少一个实施例中,所述书写得分是指所述待检测文字的规范性量化。
在本发明的至少一个实施例中,所述电子设备根据所述目标特征向量及所述标准特征向量生成所述待检测文字的书写得分包括:
计算所述目标特征向量与所述标准特征向量的相似度;
将取值最大的所述相似度确定为目标相似度;
对所述目标相似度进行量化处理,得到所述书写得分。
通过上述实施方式,由于不同字体的文字对所述相似度的确定会有一定的影响,因此,通过对取值最大的相似度进行量化处理以得到所述书写得分,能够准确的确定出所述待检测文字的规范程度,从而提高文字质量检测结果。
具体地,所述电子设备对所述目标相似度进行量化处理是指将所述目标相似度转换为百分数。例如,所述目标相似度为0.8,则所述书写得分为80分。
在本发明的至少一个实施例中,在根据所述目标特征向量及所述标准特征向量生成所述待检测文字的书写得分后,所述方法还包括:
获取所述文字质量检测请求的请求编号;
根据所述请求编号及所述书写得分生成提示信息;
采用对称加密技术加密所述提示信息,得到密文;
将所述密文发送至所述文字质量检测请求的触发终端。
通过对所述提示信息进行加密,能够提高所述书写得分的安全性。
由以上技术方案可以看出,本发明通过所述待检测文字在所述待检测图像中的文字大小,以及与所述待检测文字匹配的多个标准文字的文字大小,对所述待检测文字进行尺度调整,能够避免因所述待检测文字的文字大小与所述多个标准文字的文字大小不统一而导致无法准确的确定出所述相似度的问题,从而能够提高所述书写得分的确定准确度。此外,本发明通过所述预设搜索树对所述目标文字的文字特征进行向量化,能够准确的生成所述目标特征向量,由于所述标准特征向量及所述目标特征向量是从相同维度上得到的,因此,能够准确的确定出所述相似度,从而也能够提高所述书写得分的确定准确度。
如图3所示,是本发明手写文字质量检测装置的较佳实施例的功能模块图。所述手写文字质量检测装置11包括获取单元110、识别单元111、确定单元112、遍历单元113、调整单元114、生成单元115、构建单元116、加密单元117及发送单元118。本发明所称的模块/单元是指一种能够被处理器13所获取,并且能够完成固定功能的一系列计算机可读指令段,其存储在存储器12中。在本实施例中,关于各模块/单元的功能将在后续的实施例中详述。
当接收到文字质量检测请求时,获取单元110根据所述文字质量检测请求获取待检测图像。
在本发明的至少一个实施例中,在保险场景中,所述文字质量检测请求可以由保险公司的工作人员触发;在作业批改场景中,所述文字质量检测请求可以由教师触发。
所述文字质量检测请求包括,但不限于:书写设备地址、图像编号等。
所述待检测图像是指用户在终端设备上的书写文字后产生的图像,所述待检测图像可以由所述终端设备触发截图操作而产生的。
在本发明的至少一个实施例中,所述获取单元110根据所述文字质量检测请求获取待检测图像包括:
解析所述文字质量检测请求的报文,得到所述报文携带的数据信息;
从所述数据信息中获取与第一预设标签对应的信息作为书写设备地址,所述第一预设标签用于指示书写设备;
从所述数据信息中获取与第二预设标签对应的信息作为图像编号,所述第二预设标签用于指示图像;
从所述书写设备地址中获取与所述图像编号对应的信息作为所述待检测图像。
其中,所述数据信息包括,但不限于:所述书写设备地址、所述图像编号等。
所述第一预设标签及所述第二预设标签可以存储在标签库中。
所述待检测图像的图像格式可以是JPG格式,所述待检测图像的图像格式也可以是PNG格式,本发明对所述待检测图像的图像格式不作限制。
通过解析所述报文,由于无需解析整个所述文字质量检测请求,因此,能够提高所述数据信息的获取效率,通过所述书写设备地址获取所述待检测图像,由于无需对多个设备地址进行逐个查询,因此能够提高所述待检测图像的获取效率。
识别单元111识别所述待检测图像中的待检测文字。
在本发明的至少一个实施例中,所述待检测文字是指需要进行质量规范性检测的文字。
在本发明的至少一个实施例中,所述识别单元111采用OCR算法识别所述待检测图像中的待检测文字。
确定单元112确定所述待检测文字在所述待检测图像中的文字大小作为待检测文字大小。
在本发明的至少一个实施例中,所述待检测文字大小是指所述待检测文字的文字长度及文字宽度。
在本发明的至少一个实施例中,所述确定单元112确定所述待检测文字在所述待检测图像中的文字大小作为待检测文字大小包括:
从所述待检测图像中获取所述待检测文字的文字像素,所述文字像素包括横向像素及纵向像素;
获取所述横向像素在所述待检测图像中的横向像素位置;
选取位置最小的所述横向像素位置作为第一像素位置,并选取位置最大的所述横向像素位置作为第二像素位置;
计算所述第二像素位置与所述第一像素位置的位置差,得到横向长度;
获取所述纵向像素在所述待检测图像中的纵向像素位置;
选取位置最小的所述纵向像素位置作为第三像素位置,并选取位置最大的所述纵向像素位置作为第四像素位置;
计算所述第四像素位置与所述第三像素位置的位置差,得到纵向长度;
将所述横向长度及所述纵向长度确定为所述待检测文字大小。
通过所述待检测文字的横向像素位置能够准确的确定出所述横向长度,通过所述待检测文件的纵向像素位置能够准确的确定出所述纵向长度,从而能够准确的确定出所述待检测文字大小。
遍历单元113从预设搜索树中遍历出与所述待检测文字匹配的多个标准文字及每个标准文字的标准文字大小。
在本发明的至少一个实施例中,所述预设搜索树中包含有多个子树,每个子树对应有一个配置文字,每个子树中包含有相应配置文字匹配的多种不同字体的标准字体、所述标准字体的字体大小、及所述标准字体对应的字体向量。进一步地,所述多种不同字体包括:楷体、宋体等。
所述多个标准文字是指与所述待检测文字匹配的多种标准字体。
所述标准文字大小是指每个标准文字的文字长度及文字宽度。
在本发明的至少一个实施例中,在从预设搜索树中遍历出与所述待检测文字匹配的多个标准文字及每个标准文字的标准文字大小之前,所述获取单元110获取配置文字,并从每个预设字体库中获取所述配置文字的标准字体;
生成单元115确定每个标准字体的字体大小,并根据每个标准字体生成字体向量;
构建单元116将所述配置文字作为父结点,及将每个标准字体作为所述父结点的第一子结点,每个标准字体的字体大小作为所述父结点的第二子结点,每个字体向量作为所述父结点的第三子结点构建所述预设搜索树。
其中,所述配置文字中包含有保险签名环节中常见的文字,例如,所述配置文字中包含有多个姓氏。
每个预设字体库中存储有每种字体对应的文字标准格式,进一步地,所述字体包括:草书、楷体、行书等。
通过所述预设字体库能够准确的获取到所述标准字体,从而能够准确的确定出每个标准字体的字体大小及字体向量,通过构建所述预设搜索树,有利于后续快速搜索出与所述配置文字对应的信息。
参见图2,图2是本发明预设搜索树的树状图。图2中的所述预设搜索树包含有三个子树,每个子树上有两个标准字体。
具体地,所述生成单元115根据每个标准字体生成字体向量包括:
获取所述标准字体的字体像素值;
对所述字体像素值进行向量化处理,得到所述标准字体的向量值;
确定所述字体像素值在所述标准字体中的拼接顺序;
根据所述拼接顺序对所述向量值进行拼接,得到所述字体向量。
通过所述字体像素值及所述拼接顺序,能够准确的生成与所述标准字体对应的所述字体向量。
在本发明的至少一个实施例中,所述遍历单元113从预设搜索树中遍历出与所述待检测文字匹配的多个标准文字及每个标准文字的标准文字大小包括:
从所述预设搜索树中获取与所述待检测文字对应的子树;
从所述子树中获取与第一配置标识对应的结点作为所述多个标准文字,所述第一配置标识用于指示每种字体对应的文字;
从所述子树中获取与第二配置标识对应的结点作为所述标准文字大小,所述第二配置标识用于指示文字大小。
通过所述待检测文字能够快速从所述预设搜索树中获取到所述子树,从而能够快速获取到所述多个标准文字及所述标准文字大小。
调整单元114根据所述待检测文字大小及所述标准文字大小对所述待检测文字进行尺度调整,得到目标文字。
在本发明的至少一个实施例中,所述目标文字是指文字大小与所述多个标准文字相同的文字。
在本发明的至少一个实施例中,所述调整单元114根据所述待检测文字大小及所述标准文字大小对所述待检测文字进行尺度调整,得到目标文字包括:
将所述标准文字大小除以所述待检测文字大小,得到变换比例;
根据所述变换比例对所述待检测文字进行尺度调整,得到目标文字。
通过所述待检测文字大小及所述标准文字大小能够准确的确定出所述变换比例,从而能够准确的生成与所述多个标准文字大小相同的目标文字。
所述获取单元110从所述预设搜索树中获取每个标准文字的标准特征向量。
在本发明的至少一个实施例中,所述标准特征向量是指在所述预设搜索树中,对所述标准文字的向量化表示。
在本发明的至少一个实施例中,所述获取单元110从所述预设搜索树中获取每个标准文字的标准特征向量的方式与所述遍历单元113从预设搜索树中遍历出与所述待检测文字匹配的多个标准文字及每个标准文字的标准文字大小的方式相同,本发明对此不再赘述。
所述生成单元115根据所述预设搜索树及所述目标文字的文字特征生成目标特征向量。
在本发明的至少一个实施例中,所述目标特征向量是指与所述标准特征向量同一维度下,所述目标文字的向量化表示。
在本发明的至少一个实施例中,所述生成单元115根据所述预设搜索树及所述目标文字的文字特征生成目标特征向量包括:
根据所述预设搜索树获取所述向量值的确定方式;
获取所述目标文字的像素值作为所述文字特征;
根据所述确定方式对所述文字特征进行向量化处理,得到所述目标文字的特征取值;
确定所述文字特征在所述目标文字中的组成顺序;
按照所述组成顺序拼接所述特征取值,得到所述目标特征向量。
其中,所述确定方式是指基于所述字体像素值生成所述向量值的向量映射表。
通过所述目标文字的像素值能够准确的提取到所述文字特征,进而通过所述确定方式对所述文字特征进行向量化处理,能够使所述目标特征向量与所述预设搜索树中的字体向量在同一维度上生成的,从而能够准确的生成所述目标特征向量。
所述生成单元115根据所述目标特征向量及所述标准特征向量生成所述待检测文字的书写得分。
需要强调的是,为进一步保证上述书写得分的私密和安全性,上述书写得分还可以存储于一区块链的节点中。
在本发明的至少一个实施例中,所述书写得分是指所述待检测文字的规范性量化。
在本发明的至少一个实施例中,所述生成单元115根据所述目标特征向量及所述标准特征向量生成所述待检测文字的书写得分包括:
计算所述目标特征向量与所述标准特征向量的相似度;
将取值最大的所述相似度确定为目标相似度;
对所述目标相似度进行量化处理,得到所述书写得分。
通过上述实施方式,由于不同字体的文字对所述相似度的确定会有一定的影响,因此,通过对取值最大的相似度进行量化处理以得到所述书写得分,能够准确的确定出所述待检测文字的规范程度,从而提高文字质量检测结果。
具体地,所述生成单元115对所述目标相似度进行量化处理是指将所述目标相似度转换为百分数。例如,所述目标相似度为0.8,则所述书写得分为80分。
在本发明的至少一个实施例中,在根据所述目标特征向量及所述标准特征向量生成所述待检测文字的书写得分后,所述获取单元110获取所述文字质量检测请求的请求编号;
所述生成单元115根据所述请求编号及所述书写得分生成提示信息;
加密单元采用对称加密技术加密所述提示信息,得到密文;
发送单元将所述密文发送至所述文字质量检测请求的触发终端。
通过对所述提示信息进行加密,能够提高所述书写得分的安全性。
由以上技术方案可以看出,本发明通过所述待检测文字在所述待检测图像中的文字大小,以及与所述待检测文字匹配的多个标准文字的文字大小,对所述待检测文字进行尺度调整,能够避免因所述待检测文字的文字大小与所述多个标准文字的文字大小不统一而导致无法准确的确定出所述相似度的问题,从而能够提高所述书写得分的确定准确度。此外,本发明通过所述预设搜索树对所述目标文字的文字特征进行向量化,能够准确的生成所述目标特征向量,由于所述标准特征向量及所述目标特征向量是从相同维度上得到的,因此,能够准确的确定出所述相似度,从而也能够提高所述书写得分的确定准确度。
如图4所示,是本发明实现手写文字质量检测方法的较佳实施例的电子设备的结构示意图。
在本发明的一个实施例中,所述电子设备1包括,但不限于,存储器12、处理器13,以及存储在所述存储器12中并可在所述处理器13上运行的计算机可读指令,例如手写文字质量检测程序。
本领域技术人员可以理解,所述示意图仅仅是电子设备1的示例,并不构成对电子设备1的限定,可以包括比图示更多或更少的部件,或者组合某些部件,或者不同的部件,例如所述电子设备1还可以包括输入输出设备、网络接入设备、总线等。
所述处理器13可以是中央处理单元(Central Processing Unit,CPU),还可以是其他通用处理器、数字信号处理器(Digital Signal Processor,DSP)、专用集成电路(Application Specific Integrated Circuit,ASIC)、现场可编程门阵列(Field-Programmable Gate Array,FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等,所述处理器13是所述电子设备1的运算核心和控制中心,利用各种接口和线路连接整个电子设备1的各个部分,及执行所述电子设备1的操作系统以及安装的各类应用程序、程序代码等。
示例性的,所述计算机可读指令可以被分割成一个或多个模块/单元,所述一个或者多个模块/单元被存储在所述存储器12中,并由所述处理器13执行,以完成本发明。所述一个或多个模块/单元可以是能够完成特定功能的一系列计算机可读指令段,该计算机可读指令段用于描述所述计算机可读指令在所述电子设备1中的执行过程。例如,所述计算机可读指令可以被分割成获取单元110、识别单元111、确定单元112、遍历单元113、调整单元114、生成单元115、构建单元116、加密单元117及发送单元118。
所述存储器12可用于存储所述计算机可读指令和/或模块,所述处理器13通过运行或执行存储在所述存储器12内的计算机可读指令和/或模块,以及调用存储在存储器12内的数据,实现所述电子设备1的各种功能。所述存储器12可主要包括存储程序区和存储数据区,其中,存储程序区可存储操作系统、至少一个功能所需的应用程序(比如声音播放功能、图像播放功能等)等;存储数据区可存储根据电子设备的使用所创建的数据等。存储器12可以包括非易失性和易失性存储器,例如:硬盘、内存、插接式硬盘,智能存储卡(SmartMedia Card,SMC),安全数字(Secure Digital,SD)卡,闪存卡(Flash Card)、至少一个磁盘存储器件、闪存器件、或其他存储器件。
所述存储器12可以是电子设备1的外部存储器和/或内部存储器。进一步地,所述存储器12可以是具有实物形式的存储器,如内存条、TF卡(Trans-flash Card)等等。
所述电子设备1集成的模块/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,本发明实现上述实施例方法中的全部或部分流程,也可以通过计算机可读指令来指令相关的硬件来完成,所述的计算机可读指令可存储于一计算机可读存储介质中,该计算机可读指令在被处理器执行时,可实现上述各个方法实施例的步骤。
其中,所述计算机可读指令包括计算机可读指令代码,所述计算机可读指令代码可以为源代码形式、对象代码形式、可执行文件或某些中间形式等。所述计算机可读介质可以包括:能够携带所述计算机可读指令代码的任何实体或装置、记录介质、U盘、移动硬盘、磁碟、光盘、计算机存储器、只读存储器(ROM,Read-Only Memory)、随机存取存储器(RAM,Random Access Memory)。
本发明所指区块链是分布式数据存储、点对点传输、共识机制、加密算法等计算机技术的新型应用模式。区块链(Blockchain),本质上是一个去中心化的数据库,是一串使用密码学方法相关联产生的数据块,每一个数据块中包含了一批次网络交易的信息,用于验证其信息的有效性(防伪)和生成下一个区块。区块链可以包括区块链底层平台、平台产品服务层以及应用服务层等。
结合图1,所述电子设备1中的所述存储器12存储计算机可读指令实现一种手写文字质量检测方法,所述处理器13可执行所述计算机可读指令从而实现:
当接收到文字质量检测请求时,根据所述文字质量检测请求获取待检测图像;
识别所述待检测图像中的待检测文字;
确定所述待检测文字在所述待检测图像中的文字大小作为待检测文字大小;
从预设搜索树中遍历出与所述待检测文字匹配的多个标准文字及每个标准文字的标准文字大小;
根据所述待检测文字大小及所述标准文字大小对所述待检测文字进行尺度调整,得到目标文字;
从所述预设搜索树中获取每个标准文字的标准特征向量;
根据所述预设搜索树及所述目标文字的文字特征生成目标特征向量;
根据所述目标特征向量及所述标准特征向量生成所述待检测文字的书写得分。
具体地,所述处理器13对上述计算机可读指令的具体实现方法可参考图1对应实施例中相关步骤的描述,在此不赘述。
在本发明所提供的几个实施例中,应该理解到,所揭露的系统,装置和方法,可以通过其它的方式实现。例如,以上所描述的装置实施例仅仅是示意性的,例如,所述模块的划分,仅仅为一种逻辑功能划分,实际实现时可以有另外的划分方式。
所述计算机可读存储介质上存储有计算机可读指令,其中,所述计算机可读指令被处理器13执行时用以实现以下步骤:
当接收到文字质量检测请求时,根据所述文字质量检测请求获取待检测图像;
识别所述待检测图像中的待检测文字;
确定所述待检测文字在所述待检测图像中的文字大小作为待检测文字大小;
从预设搜索树中遍历出与所述待检测文字匹配的多个标准文字及每个标准文字的标准文字大小;
根据所述待检测文字大小及所述标准文字大小对所述待检测文字进行尺度调整,得到目标文字;
从所述预设搜索树中获取每个标准文字的标准特征向量;
根据所述预设搜索树及所述目标文字的文字特征生成目标特征向量;
根据所述目标特征向量及所述标准特征向量生成所述待检测文字的书写得分。
所述作为分离部件说明的模块可以是或者也可以不是物理上分开的,作为模块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网络单元上。可以根据实际的需要选择其中的部分或者全部模块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模块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,也可以采用硬件加软件功能模块的形式实现。
因此,无论从哪一点来看,均应将实施例看作是示范性的,而且是非限制性的,本发明的范围由所附权利要求而不是上述说明限定,因此旨在将落在权利要求的等同要件的含义和范围内的所有变化涵括在本发明内。不应将权利要求中的任何附关联图标记视为限制所涉及的权利要求。
此外,显然“包括”一词不排除其他单元或步骤,单数不排除复数。所述的多个单元或装置也可以由一个单元或装置通过软件或者硬件来实现。第一、第二等词语用来表示名称,而并不表示任何特定的顺序。
最后应说明的是,以上实施例仅用以说明本发明的技术方案而非限制,尽管参照较佳实施例对本发明进行了详细说明,本领域的普通技术人员应当理解,可以对本发明的技术方案进行修改或等同替换,而不脱离本发明技术方案的精神和范围。
Claims (10)
1.一种手写文字质量检测方法,其特征在于,所述手写文字质量检测方法包括:
当接收到文字质量检测请求时,根据所述文字质量检测请求获取待检测图像;
识别所述待检测图像中的待检测文字;
确定所述待检测文字在所述待检测图像中的文字大小作为待检测文字大小;
从预设搜索树中遍历出与所述待检测文字匹配的多个标准文字及每个标准文字的标准文字大小;
根据所述待检测文字大小及所述标准文字大小对所述待检测文字进行尺度调整,得到目标文字;
从所述预设搜索树中获取每个标准文字的标准特征向量;
根据所述预设搜索树及所述目标文字的文字特征生成目标特征向量;
根据所述目标特征向量及所述标准特征向量生成所述待检测文字的书写得分。
2.如权利要求1所述的手写文字质量检测方法,其特征在于,所述根据所述文字质量检测请求获取待检测图像包括:
解析所述文字质量检测请求的报文,得到所述报文携带的数据信息;
从所述数据信息中获取与第一预设标签对应的信息作为书写设备地址,所述第一预设标签用于指示书写设备;
从所述数据信息中获取与第二预设标签对应的信息作为图像编号,所述第二预设标签用于指示图像;
从所述书写设备地址中获取与所述图像编号对应的信息作为所述待检测图像。
3.如权利要求1所述的手写文字质量检测方法,其特征在于,所述确定所述待检测文字在所述待检测图像中的文字大小作为待检测文字大小包括:
从所述待检测图像中获取所述待检测文字的文字像素,所述文字像素包括横向像素及纵向像素;
获取所述横向像素在所述待检测图像中的横向像素位置;
选取位置最小的所述横向像素位置作为第一像素位置,并选取位置最大的所述横向像素位置作为第二像素位置;
计算所述第二像素位置与所述第一像素位置的位置差,得到横向长度;
获取所述纵向像素在所述待检测图像中的纵向像素位置;
选取位置最小的所述纵向像素位置作为第三像素位置,并选取位置最大的所述纵向像素位置作为第四像素位置;
计算所述第四像素位置与所述第三像素位置的位置差,得到纵向长度;
将所述横向长度及所述纵向长度确定为所述待检测文字大小。
4.如权利要求1所述的手写文字质量检测方法,其特征在于,在从预设搜索树中遍历出与所述待检测文字匹配的多个标准文字及每个标准文字的标准文字大小之前,所述方法还包括:
获取配置文字,并从每个预设字体库中获取所述配置文字的标准字体;
确定每个标准字体的字体大小,并根据每个标准字体生成字体向量;
将所述配置文字作为父结点,及将每个标准字体作为所述父结点的第一子结点,每个标准字体的字体大小作为所述父结点的第二子结点,每个字体向量作为所述父结点的第三子结点构建所述预设搜索树。
5.如权利要求4所述的手写文字质量检测方法,其特征在于,所述根据每个标准字体生成字体向量包括:
获取所述标准字体的字体像素值;
对所述字体像素值进行向量化处理,得到所述标准字体的向量值;
确定所述字体像素值在所述标准字体中的拼接顺序;
根据所述拼接顺序对所述向量值进行拼接,得到所述字体向量。
6.如权利要求5所述的手写文字质量检测方法,其特征在于,所述根据所述预设搜索树及所述目标文字的文字特征生成目标特征向量包括:
根据所述预设搜索树获取所述向量值的确定方式;
获取所述目标文字的像素值作为所述文字特征;
根据所述确定方式对所述文字特征进行向量化处理,得到所述目标文字的特征取值;
确定所述文字特征在所述目标文字中的组成顺序;
按照所述组成顺序拼接所述特征取值,得到所述目标特征向量。
7.如权利要求1所述的手写文字质量检测方法,其特征在于,所述根据所述目标特征向量及所述标准特征向量生成所述待检测文字的书写得分包括:
计算所述目标特征向量与所述标准特征向量的相似度;
将取值最大的所述相似度确定为目标相似度;
对所述目标相似度进行量化处理,得到所述书写得分。
8.一种手写文字质量检测装置,其特征在于,所述手写文字质量检测装置包括:
获取单元,用于当接收到文字质量检测请求时,根据所述文字质量检测请求获取待检测图像;
识别单元,用于识别所述待检测图像中的待检测文字;
确定单元,用于确定所述待检测文字在所述待检测图像中的文字大小作为待检测文字大小;
遍历单元,用于从预设搜索树中遍历出与所述待检测文字匹配的多个标准文字及每个标准文字的标准文字大小;
调整单元,用于根据所述待检测文字大小及所述标准文字大小对所述待检测文字进行尺度调整,得到目标文字;
所述获取单元,还用于从所述预设搜索树中获取每个标准文字的标准特征向量;
生成单元,用于根据所述预设搜索树及所述目标文字的文字特征生成目标特征向量;
所述生成单元,还用于根据所述目标特征向量及所述标准特征向量生成所述待检测文字的书写得分。
9.一种电子设备,其特征在于,所述电子设备包括:
存储器,存储有计算机可读指令;及
处理器,执行所述存储器中存储的计算机可读指令以实现如权利要求1至7中任意一项所述的手写文字质量检测方法。
10.一种计算机可读存储介质,其特征在于:所述计算机可读存储介质中存储有计算机可读指令,所述计算机可读指令被电子设备中的处理器执行以实现如权利要求1至7中任意一项所述的手写文字质量检测方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110704348.9A CN113283389A (zh) | 2021-06-24 | 2021-06-24 | 手写文字质量检测方法、装置、设备及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110704348.9A CN113283389A (zh) | 2021-06-24 | 2021-06-24 | 手写文字质量检测方法、装置、设备及存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN113283389A true CN113283389A (zh) | 2021-08-20 |
Family
ID=77285425
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110704348.9A Pending CN113283389A (zh) | 2021-06-24 | 2021-06-24 | 手写文字质量检测方法、装置、设备及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113283389A (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114092765A (zh) * | 2021-11-24 | 2022-02-25 | 北京明略软件系统有限公司 | 一种木材质量检测方法、装置、电子设备及存储介质 |
CN114926464A (zh) * | 2022-07-20 | 2022-08-19 | 平安银行股份有限公司 | 在双录场景下的图像质检方法、图像质检装置及系统 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108734165A (zh) * | 2018-05-07 | 2018-11-02 | 百度在线网络技术(北京)有限公司 | 基于人工智能的书法质量检测方法、装置和电子设备 |
CN109472249A (zh) * | 2018-11-22 | 2019-03-15 | 京东方科技集团股份有限公司 | 一种确定书写体优劣等级的方法及装置 |
CN111159187A (zh) * | 2019-12-27 | 2020-05-15 | 北京奇艺世纪科技有限公司 | 二维查询方法、装置、终端设备及计算机可读存储介质 |
-
2021
- 2021-06-24 CN CN202110704348.9A patent/CN113283389A/zh active Pending
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108734165A (zh) * | 2018-05-07 | 2018-11-02 | 百度在线网络技术(北京)有限公司 | 基于人工智能的书法质量检测方法、装置和电子设备 |
CN109472249A (zh) * | 2018-11-22 | 2019-03-15 | 京东方科技集团股份有限公司 | 一种确定书写体优劣等级的方法及装置 |
CN111159187A (zh) * | 2019-12-27 | 2020-05-15 | 北京奇艺世纪科技有限公司 | 二维查询方法、装置、终端设备及计算机可读存储介质 |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114092765A (zh) * | 2021-11-24 | 2022-02-25 | 北京明略软件系统有限公司 | 一种木材质量检测方法、装置、电子设备及存储介质 |
CN114926464A (zh) * | 2022-07-20 | 2022-08-19 | 平安银行股份有限公司 | 在双录场景下的图像质检方法、图像质检装置及系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN113032528B (zh) | 案件分析方法、装置、设备及存储介质 | |
CN113342977B (zh) | 发票图像分类方法、装置、设备及存储介质 | |
CN112989826B (zh) | 基于人工智能的试题分数确定方法、装置、设备及介质 | |
CN113656547B (zh) | 文本匹配方法、装置、设备及存储介质 | |
CN113449725B (zh) | 对象分类方法、装置、设备及存储介质 | |
CN113094478B (zh) | 表情回复方法、装置、设备及存储介质 | |
CN113283389A (zh) | 手写文字质量检测方法、装置、设备及存储介质 | |
CN113408278B (zh) | 意图识别方法、装置、设备及存储介质 | |
CN113064973A (zh) | 文本分类方法、装置、设备及存储介质 | |
CN113268597A (zh) | 文本分类方法、装置、设备及存储介质 | |
CN114037545A (zh) | 客户推荐方法、装置、设备及存储介质 | |
CN113536770B (zh) | 基于人工智能的文本解析方法、装置、设备及存储介质 | |
CN113705468B (zh) | 基于人工智能的数字图像识别方法及相关设备 | |
CN113420143B (zh) | 文书摘要生成方法、装置、设备及存储介质 | |
CN113918467A (zh) | 金融系统测试方法、装置、设备及存储介质 | |
CN113269179A (zh) | 数据处理方法、装置、设备及存储介质 | |
CN112989820B (zh) | 法律文书定位方法、装置、设备及存储介质 | |
CN113486680B (zh) | 文本翻译方法、装置、设备及存储介质 | |
CN113420545B (zh) | 摘要生成方法、装置、设备及存储介质 | |
CN112949305B (zh) | 负反馈信息采集方法、装置、设备及存储介质 | |
CN113283677B (zh) | 指标数据处理方法、装置、设备及存储介质 | |
CN113343970A (zh) | 文本图像检测方法、装置、设备及存储介质 | |
CN115237859A (zh) | 需求文档质量检测方法、装置、设备及存储介质 | |
CN113177543A (zh) | 证件识别方法、装置、设备及存储介质 | |
CN113627186A (zh) | 基于人工智能的实体关系检测方法及相关设备 |
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 |