CN113592044A - 一种笔迹特征分析方法及装置 - Google Patents

Abstract

本发明公开了一种笔迹特征分析方法及装置，该方法包括：提取手写文本图像中的文字特征和关键笔画书写特征；根据预设的打分标准得到文字特征中每一子特征对应的分值，将每一分值与文字特征分项数据库中的数据进行匹配，得到第一笔迹分析结果；计算文字特征的总分值，将总分值与文字特征分项数据库中的数据进行匹配，得到第二笔迹分析结果；将关键笔画书写特征与关键笔画书写特征权重结合后与关键笔画书写特征数据库中的数据进行匹配，得到第三笔迹分析结果；融合第一分析结果、第二分析结果和第三分析结果得到笔迹特征的整体分析结果。本发明实施例无需依赖人为的主观判断，且结合多种特征数据进行分析，能够使得笔迹特征分析更加全面和准确。

Description

一种笔迹特征分析方法及装置

技术领域

本发明涉及数据识别技术领域，尤其是涉及一种笔迹特征分析方法及装置。

背景技术

笔迹识别与人脸识别、语音识别、指纹识别等识别技术一样，是生物特征识别的一个重要分支。笔迹识别在社会生活中具有广泛的应用，如银行、金融部门的签名对照，司法部门的刑事调查和法庭证据、员工招聘与选拔过程中对性格的预测和筛选等等。

随着计算机技术的发展，字迹识别领域的研究不断深入，利用深度学习和计算机视觉技术，对各种类型的书写的笔迹特征进行分析的技术迅速发展。现有的笔迹特征分析方法主要是采集用户的手写字体图像并提取笔迹特征，专家通过对笔迹特征进行鉴定笔迹特征分析结果。现有的笔迹特征分析方法主要依赖于人的主观判断，导致难以得到可靠的笔迹特征分析结果。

发明内容

本发明提供一种笔迹特征分析方法及装置，以解决现有的笔迹特征分析方法主要依赖于人的主观判断，导致难以得到可靠的笔迹特征分析结果的问题。

本发明的第一实施例提供了一种笔迹特征分析方法，包括：

获取待分析的手写文本图像，采用特征提取技术提取所述手写文本图像中的文字特征和关键笔画书写特征；

根据预设的打分标准得到所述文字特征中每一子特征对应的分值，将每一分值与文字特征分项数据库中的数据进行匹配，得到第一笔迹分析结果；

通过设置文字特征权重，计算所述文字特征的总分值，将所述总分值与所述文字特征分项数据库中的数据进行匹配，得到第二笔迹分析结果；

设置关键笔画书写特征权重，将所述关键笔画书写特征与所述关键笔画书写特征权重结合后与关键笔画书写特征数据库中的数据进行匹配，得到第三笔迹分析结果；

融合所述第一分析结果、第二分析结果和第三分析结果得到笔迹特征的整体分析结果。

进一步的，所述获取待分析的手写文本图像，采用特征提取技术提取所述手写文本图像中的文字特征和关键笔画书写特征，具体为：

通过拍摄或扫描的方式获取待分析的手写文本图像；

对所述文本图像依次进行文本区域检测、文本行检测以及文字检测，得到所述手写图像中的文字特征，其中，所述文字特征的子特征包括页面布局、字体横向、笔迹轻重、字体大小、字体倾向、字体形状、连笔状态和笔距；

在对所述手写文本图像进行文字检测后进行关键笔画识别，提取所述手写文本图像的关键笔画书写特征。

进一步的，所述文字特征分项数据库包括文字特征分值与标准性格分析结果的对应关系；

所述关键笔画书写特征数据库包括关键笔画书写特征与标准性格分析结果的对应关系。

进一步的，所述方法还包括：

基于深度学习建立所述整体分析结果的动态反馈系统，根据用户响应的反馈结果调整所述文字特征权重和所述关键笔画书写特征权重。

进一步的，所述笔迹特征分析方法应用于性格分析。

本发明的第二实施例提供了一种笔迹特征分析装置，包括：

特征提取分模块，用于获取待分析的手写文本图像，采用特征提取技术提取所述手写文本图像中的文字特征和关键笔画书写特征；

第一匹配模块，用于根据预设的打分标准得到所述文字特征中每一子特征对应的分值，将每一分值与文字特征分项数据库中的数据进行匹配，得到第一笔迹分析结果；

第二匹配模块，用于通过设置文字特征权重，计算所述文字特征的总分值，将所述总分值与所述文字特征分项数据库中的数据进行匹配，得到第二笔迹分析结果；

第三匹配模块，用于设置关键笔画书写特征权重，将所述关键笔画书写特征与所述关键笔画书写特征权重结合后与关键笔画书写特征数据库中的数据进行匹配，得到第三笔迹分析结果；

数据融合模块，用于融合所述第一分析结果、第二分析结果和第三分析结果得到笔迹特征的整体分析结果。

进一步的，所述特征提取模块，具体用于：

通过拍摄或扫描的方式获取待分析的手写文本图像；

对所述文本图像依次进行文本区域检测、文本行检测以及文字检测，得到所述手写图像中的文字特征，其中，所述文字特征的子特征包括页面布局、字体横向、笔迹轻重、字体大小、字体倾向、字体形状、连笔状态和笔距；

在对所述手写文本图像进行文字检测后进行关键笔画识别，提取所述手写文本图像的关键笔画书写特征。

进一步的，所述文字特征分项数据库包括文字特征分值与标准性格分析结果的对应关系；

所述关键笔画书写特征数据库包括关键笔画书写特征与标准性格分析结果的对应关系。

进一步的，还包括：

权重调整模块，基于深度学习建立所述整体分析结果的动态反馈系统，根据用户响应的反馈结果调整所述文字特征权重和所述关键笔画书写特征权重。

进一步的，所述笔迹特征分析装置适用于性格分析。

本发明实施例通过计算机自动识别技术提取手写笔迹的特征，在充分提取各项特征的基础上，通过对多个数据库进行数据匹配，自动得出性格特征的分析结果，能够有效避免了人为评价的主观性，从而有利于提高笔迹性格分析的准确性，有利于标准化推广和大规模应用。

附图说明

图1是本发明实施例提供的一种笔迹特征分析方法的流程示意图；

图2是本发明实施例提供的一种笔迹特征分析方法的另一流程示意图；

图3是本发明实施例提供的一种笔迹特征分析装置的结构示意图。

具体实施方式

下面将结合本申请实施例中的附图，对本申请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申请一部分实施例，而不是全部的实施例。基于本申请中的实施例，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，都属于本申请保护的范围。

在本申请的描述中，需要理解的是，术语“第一”、“第二”仅用于描述目的，而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量。由此，限定有“第一”、“第二”的特征可以明示或者隐含地包括一个或者更多个该特征。在本申请的描述中，除非另有说明，“多个”的含义是两个或两个以上。

在本申请的描述中，需要说明的是，除非另有明确的规定和限定，术语“安装”、“相连”、“连接”应做广义理解，例如，可以是固定连接，也可以是可拆卸连接，或一体地连接；可以是机械连接，也可以是电连接；可以是直接相连，也可以通过中间媒介间接相连，可以是两个元件内部的连通。对于本领域的普通技术人员而言，可以具体情况理解上述术语在本申请中的具体含义。

请参阅图1-2，本发明的第一实施例。本发明的第一实施例提供了如图1所示的一种笔迹特征分析方法，包括：

S1、获取待分析的手写文本图像，采用特征提取技术提取手写文本图像中的文字特征和关键笔画书写特征；

在一种具体的实施方式中，本发明实施例提供的笔迹特征分析方法用于性格分析。特征提取技术包括但不限于文本区检测、文本行检测、文字检测和关键笔画识别，其中文本去检测用于检测手写文本图像的页面布局，文本行检测用于检测手写文本图像的文字倾向，文字检测用于检测笔迹轻重、字体大小、字体倾向、字体形状、连笔状态和字距，关键笔画识别包括对笔画横、竖、撇、捺、横折、提等笔画。

S2、根据预设的打分标准得到文字特征中每一子特征对应的分值，将每一分值与文字特征分项数据库中的数据进行匹配，得到第一笔迹分析结果；

可选地，根据文字特征与性格分析的历史数据设定打分标准，用于对文字特征中的每一子特征进行打分。文字特征分项数据库可根据文字特征分项与性格分析的关系建立，其包括了文字特征的各个分项与不同性格分析结果的对应关系。

S3、通过设置文字特征权重，计算文字特征的总分值，将总分值与文字特征分项数据库中的数据进行匹配，得到第二笔迹分析结果；

本发明实施例通过设置文字特征权重以修正每一子特征的分值，从而能够得到准确的总分值，有利于提高对笔迹进行分析的结果。

S4、设置关键笔画书写特征权重，将关键笔画书写特征与关键笔画书写特征权重结合后与关键笔画书写特征数据库中的数据进行匹配，得到第三笔迹分析结果；

本发明实施例通过设置关键笔画书写特征权重来修正关键笔画书写特征，不仅以文字特征作为性格分析的依据，还以该关键笔画书写特征作为性格分析的依据，实现多维度对笔迹特征进行分析，能够使得笔迹特征分析更加全面和准确。关键笔画书写特征数据库可根据关键笔画书写特征与性格分析的关系建立，其包括了关键笔画书写特征与不同性格分析的对应关系。

S5、融合第一分析结果、第二分析结果和第三分析结果得到笔迹特征的整体分析结果。

本发明实施例融合多种分析结果进行笔迹特征的分析，其中包括了文字特征的分析结果以及关键笔画的分析结果，从而使得笔迹特征分析更加全面和准确。

本发明实施例通过计算机自动识别技术提取手写笔迹的特征，在充分提取各项特征的基础上，根据多个数据库的数据匹配，自动得出性格特征的分析结果，能够有效避免了人为评价的主观性，从而有利于提高笔迹性格分析的准确性，有利于标准化推广和大规模应用。

作为本发明实施例的一种具体实施方式，获取待分析的手写文本图像，采用特征提取技术提取手写文本图像中的文字特征和关键笔画书写特征，具体为：

通过拍摄或扫描的方式获取待分析的手写文本图像；

对文本图像依次进行文本区域检测、文本行检测以及文字检测，得到手写图像中的文字特征，其中，文字特征的子特征包括页面布局、字体横向、笔迹轻重、字体大小、字体倾向、字体形状、连笔状态和笔距；

在对手写文本图像进行文字检测后进行关键笔画识别，提取手写文本图像的关键笔画书写特征。

在本发明实施例中，通过多种特征提取手段对手写文本图像进行特征提取，包括但不限于文字特征和关键笔画特征，能够全面提取用于进行笔迹特征分析的特征数据，从而能够有效提高笔迹分析的全面性，进而能够得到可靠的性格分析结果。

作为本发明实施例的一种具体实施方式，文字特征分项数据库包括文字特征分值与标准性格分析结果的对应关系；

关键笔画书写特征数据库包括关键笔画书写特征与标准性格分析结果的对应关系。

作为本发明实施例的一种具体实施方式，方法还包括：

基于深度学习建立整体分析结果的动态反馈系统，根据用户响应的反馈结果调整文字特征权重和关键笔画书写特征权重。

具体地，该反馈结果由用户响应该整体分析结果得到。本发明实施例基于深度学习与动态反射成长机制建立动态反馈系统，整体分析结果的输出报告展示页面提供用户评价反馈：非常匹配、很匹配、匹配、不匹配，当用户选择不匹配时，系统自动展开(A1+A2+…+An)+B+C各项指标反馈项选择“优、良、中、差”选择，用户提交相关评价后，系统自动学习大量用户的反馈，动态调整文字特征权重和关键笔画书写特征权重，从而达到系统自我完善的机制，进一步提高笔迹性格分析的准确性，其中A1、A2...An为第一笔迹分析结果，B为第二笔迹分析结果，C 为第三笔迹分析结果。

请参阅图2，为本发明实施例提供的一种笔迹特征分析方法的另一流程示意图。

实施本发明实施例，具有以下有益效果：

本发明实施例将文字特征的特征分值与文字特征分项数据库自动进行数据匹配得到第一笔迹分析结果和第二笔迹分析结果，并将关键笔画书写特征与关键笔画书写特征数据库中的数据进行匹，得到第三笔迹分析结果，对三种笔迹分析结果进行融合得到最终的整体分析结果，综合考虑了多维度的特征数据，不仅使得笔迹分析更加全面和准确，而且无需依赖于人为的主观判断，有利于减少人为分析导致的误差，从而能够进一步提高笔迹特征分析的可靠性和准确性。

请参阅图3，本发明的第二实施例提供了一种笔迹特征分析装置，包括：

特征提取分模块，用于获取待分析的手写文本图像，采用特征提取技术提取手写文本图像中的文字特征和关键笔画书写特征；

在一种具体的实施方式中，本发明实施例提供的笔迹特征分析方法用于性格分析。特征提取技术包括但不限于文本区检测、文本行检测、文字检测和关键笔画识别，其中文本去检测用于检测手写文本图像的页面布局，文本行检测用于检测手写文本图像的文字倾向，文字检测用于检测笔迹轻重、字体大小、字体倾向、字体形状、连笔状态和字距，关键笔画识别包括对笔画横、竖、撇、捺、横折、提等笔画。

第一匹配模块20，用于根据预设的打分标准得到文字特征中每一子特征对应的分值，将每一分值与文字特征分项数据库中的数据进行匹配，得到第一笔迹分析结果；

可选地，根据文字特征与性格分析的历史数据设定打分标准，用于对文字特征中的每一子特征进行打分。文字特征分项数据库可根据文字特征分项与性格分析的关系建立，其包括了文字特征的各个分项与不同性格分析结果的对应关系。

第二匹配模块30，用于通过设置文字特征权重，计算文字特征的总分值，将总分值与文字特征分项数据库中的数据进行匹配，得到第二笔迹分析结果；

本发明实施例通过设置文字特征权重以修正每一子特征的分值，从而能够得到准确的总分值，有利于提高对笔迹进行分析的结果。

第三匹配模块40，用于设置关键笔画书写特征权重，将关键笔画书写特征与关键笔画书写特征权重结合后与关键笔画书写特征数据库中的数据进行匹配，得到第三笔迹分析结果；

本发明实施例通过设置关键笔画书写特征权重来修正关键笔画书写特征，不仅以文字特征作为性格分析的依据，还以该关键笔画书写特征作为性格分析的依据，实现多维度对笔迹特征进行分析，能够使得笔迹特征分析更加全面和准确。关键笔画书写特征数据库可根据关键笔画书写特征与性格分析的关系建立，其包括了关键笔画书写特征与不同性格分析的对应关系。

数据融合模块50，用于融合第一分析结果、第二分析结果和第三分析结果得到笔迹特征的整体分析结果。

本发明实施例融合多种分析结果进行笔迹特征的分析，其中包括了文字特征的分析结果以及关键笔画的分析结果，从而使得笔迹特征分析更加全面和准确。

本发明实施例通过计算机自动识别技术提取手写笔迹的特征，在充分提取各项特征的基础上，根据多个数据库的数据匹配，自动得出性格特征的分析结果，能够有效避免了人为评价的主观性，从而有利于提高笔迹性格分析的准确性，有利于标准化推广和大规模应用。

作为本发明实施例的一种具体实施方式，特征提取模块10，具体用于：

通过拍摄或扫描的方式获取待分析的手写文本图像；

对文本图像依次进行文本区域检测、文本行检测以及文字检测，得到手写图像中的文字特征，其中，文字特征的子特征包括页面布局、字体横向、笔迹轻重、字体大小、字体倾向、字体形状、连笔状态和笔距；

在对手写文本图像进行文字检测后进行关键笔画识别，提取手写文本图像的关键笔画书写特征。

在本发明实施例中，通过多种特征提取手段对手写文本图像进行特征提取，包括但不限于文字特征和关键笔画特征，能够全面提取用于进行笔迹特征分析的特征数据，从而能够有效提高笔迹分析的全面性，进而能够得到可靠的性格分析结果。

作为本发明实施例的一种具体实施方式，文字特征分项数据库包括文字特征分值与标准性格分析结果的对应关系；

关键笔画书写特征数据库包括关键笔画书写特征与标准性格分析结果的对应关系。

作为本发明实施例的一种具体实施方式，还包括：

权重调整模块，基于深度学习建立整体分析结果的动态反馈系统，根据用户响应的反馈结果调整文字特征权重和关键笔画书写特征权重。

具体地，基于深度学习与动态反射成长机制建立动态反馈系统，整体分析结果的输出报告展示页面提供用户评价反馈：非常匹配、很匹配、匹配、不匹配，当用户选择不匹配时，系统自动展开(A1+A2+…+An)+B+C各项指标反馈项选择“优、良、中、差”选择，用户提交相关评价后，系统自动学习大量用户的反馈，动态调整文字特征权重和关键笔画书写特征权重，从而达到系统自我完善的机制，进一步提高笔迹性格分析的准确性，其中A1、A2...An为第一笔迹分析结果， B为第二笔迹分析结果，C为第三笔迹分析结果。

请参阅图2，为本发明实施例提供的一种笔迹特征分析的另一流程示意图。

实施本发明实施例，具有以下有益效果：

本发明实施例将文字特征的特征分值与文字特征分项数据库自动进行数据匹配得到第一笔迹分析结果和第二笔迹分析结果，并将关键笔画书写特征与关键笔画书写特征数据库中的数据进行匹，得到第三笔迹分析结果，对三种笔迹分析结果进行融合得到最终的整体分析结果，综合考虑了多维度的特征数据，不仅使得笔迹分析更加全面和准确，而且无需依赖于人为的主观判断，有利于减少人为分析导致的误差，从而能够进一步提高笔迹特征分析的可靠性和准确性。

本发明提供一种笔迹特征分析方法及装置，以解决现有的笔迹特征分析方法主要依赖于专家的主观判断，导致难以得到可靠的笔迹特征分析结果的问题。

以上是本发明的优选实施方式，应当指出，对于本技术领域的普通技术人员来说，在不脱离本发明原理的前提下，还可以做出若干改进和润饰，这些改进和润饰也视为本发明的保护范围。

Claims (10)

1.一种笔迹特征分析方法，其特征在于，包括：

获取待分析的手写文本图像，采用特征提取技术提取所述手写文本图像中的文字特征和关键笔画书写特征；

根据预设的打分标准得到所述文字特征中每一子特征对应的分值，将每一分值与文字特征分项数据库中的数据进行匹配，得到第一笔迹分析结果；

通过设置文字特征权重，计算所述文字特征的总分值，将所述总分值与所述文字特征分项数据库中的数据进行匹配，得到第二笔迹分析结果；

设置关键笔画书写特征权重，将所述关键笔画书写特征与所述关键笔画书写特征权重结合后与关键笔画书写特征数据库中的数据进行匹配，得到第三笔迹分析结果；

融合所述第一分析结果、第二分析结果和第三分析结果得到笔迹特征的整体分析结果。

2.如权利要求1所述的笔迹特征分析方法，其特征在于，所述获取待分析的手写文本图像，采用特征提取技术提取所述手写文本图像中的文字特征和关键笔画书写特征，具体为：

通过拍摄或扫描的方式获取待分析的手写文本图像；

对所述文本图像依次进行文本区域检测、文本行检测以及文字检测，得到所述手写图像中的文字特征，其中，所述文字特征的子特征包括页面布局、字体横向、笔迹轻重、字体大小、字体倾向、字体形状、连笔状态和笔距；

在对所述手写文本图像进行文字检测后进行关键笔画识别，提取所述手写文本图像的关键笔画书写特征。

3.如权利要求1所述的笔迹特征分析方法，其特征在于，所述文字特征分项数据库包括文字特征分值与标准性格分析结果的对应关系；

所述关键笔画书写特征数据库包括关键笔画书写特征与标准性格分析结果的对应关系。

4.如权利要求1所述的笔迹特征分析方法，其特征在于，还包括：

基于深度学习建立所述整体分析结果的动态反馈系统，根据用户响应的反馈结果调整所述文字特征权重和所述关键笔画书写特征权重。

5.如权利要求1所述的笔迹特征分析方法，其特征在于，所述笔迹特征分析方法应用于性格分析。

6.一种笔迹特征分析装置，其特征在于，包括：

特征提取分模块，用于获取待分析的手写文本图像，采用特征提取技术提取所述手写文本图像中的文字特征和关键笔画书写特征；

第一匹配模块，用于根据预设的打分标准得到所述文字特征中每一子特征对应的分值，将每一分值与文字特征分项数据库中的数据进行匹配，得到第一笔迹分析结果；

第二匹配模块，用于通过设置文字特征权重，计算所述文字特征的总分值，将所述总分值与所述文字特征分项数据库中的数据进行匹配，得到第二笔迹分析结果；

第三匹配模块，用于设置关键笔画书写特征权重，将所述关键笔画书写特征与所述关键笔画书写特征权重结合后与关键笔画书写特征数据库中的数据进行匹配，得到第三笔迹分析结果；

数据融合模块，用于融合所述第一分析结果、第二分析结果和第三分析结果得到笔迹特征的整体分析结果。

7.如权利要求6所述的笔迹特征分析装置，其特征在于，所述特征提取模块，具体用于：

通过拍摄或扫描的方式获取待分析的手写文本图像；

对所述文本图像依次进行文本区域检测、文本行检测以及文字检测，得到所述手写图像中的文字特征，其中，所述文字特征的子特征包括页面布局、字体横向、笔迹轻重、字体大小、字体倾向、字体形状、连笔状态和笔距；

在对所述手写文本图像进行文字检测后进行关键笔画识别，提取所述手写文本图像的关键笔画书写特征。

8.如权利要求6所述的笔迹特征分析装置，其特征在于，所述文字特征分项数据库包括文字特征分值与标准性格分析结果的对应关系；

所述关键笔画书写特征数据库包括关键笔画书写特征与标准性格分析结果的对应关系。

9.如权利要求6所述的笔迹特征分析装置，其特征在于，还包括：

权重调整模块，基于深度学习建立所述整体分析结果的动态反馈系统，根据用户响应的反馈结果调整所述文字特征权重和所述关键笔画书写特征权重。

10.如权利要求6所述的笔迹特征分析装置，其特征在于，所述笔迹特征分析装置适用于性格分析。

Images