CN114332514B - 一种字体测评方法及系统 - Google Patents
一种字体测评方法及系统 Download PDFInfo
- Publication number
- CN114332514B CN114332514B CN202210261002.0A CN202210261002A CN114332514B CN 114332514 B CN114332514 B CN 114332514B CN 202210261002 A CN202210261002 A CN 202210261002A CN 114332514 B CN114332514 B CN 114332514B
- Authority
- CN
- China
- Prior art keywords
- image
- preset
- user
- characteristic curve
- target image
- 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
Links
Images
Abstract
本发明涉及文字检测技术领域,具体公开了一种字体测评方法及系统,所述方法包括接收用户发送的测评请求,对用户进行权限验证,当用户通过权限验证时,开放含有指引信息的图像获取端口;基于含有指引信息的图像获取端口获取含有内容索引的待测图像,对所述待测图像进行几何畸变校正处理,得到目标图像;将所述目标图像输入训练好的内容识别模型,得到特征曲线,基于所述特征曲线在预设的参考字库中匹配至少一个参考字;生成反馈内容,显示并存储所述反馈内容。本发明通过获取用户输入的待测图像,提取待测图像中的字迹,然后根据该字迹确定多个字贴中与之匹配的参考字,从而确定与用户风格最相符的字体并显示,极大地提高了用户的进展速度。
Description
技术领域
本发明涉及文字检测技术领域,具体是一种字体测评方法及系统。
背景技术
随着社会的发展,越来越多的人投入到了练字的过程,最好的练字方式是,自己写,然后与字贴进行比对,这一比对过程对于练字的人来说是非常困难的,很多时候,字写的不好的人,是无法看出自己写的字与字贴的区别的,他只能感受到美丑,无法知晓结构上的区别,从而进展极慢,丧失积极性。如何使得用户在练字的过程中更好的把握结构,明确练习方向是本发明技术方案想要解决的技术问题。
发明内容
本发明的目的在于提供一种字体测评方法及系统,以解决上述背景技术中提出的问题。
为实现上述目的,本发明提供如下技术方案:
一种字体测评方法,所述方法包括:
接收用户发送的测评请求,对用户进行权限验证,当用户通过权限验证时,开放含有指引信息的图像获取端口;
基于含有指引信息的图像获取端口获取含有内容索引的待测图像,对所述待测图像进行几何畸变校正处理,得到目标图像;
将所述目标图像输入训练好的内容识别模型,得到特征曲线,基于所述特征曲线在预设的参考字库中匹配至少一个参考字;
基于匹配结果生成反馈内容,显示并存储所述反馈内容。
作为本发明进一步的方案:所述接收用户发送的测评请求,对用户进行权限验证,当用户通过权限验证时,开放含有指引信息的图像获取端口的步骤包括:
接收用户发送的测评请求,获取用户位置信息,根据用户位置信息确定风险级别;
当所述风险级别达到预设的第一级别阈值时,对所述用户进行生物识别;
当所述风险级别达到预设的第二级别阈值时且小于第一级别阈值时,确定指引信息;
显示指引信息并开放信息输入端口,基于所述信息输入端口获取通行信息,对所述通行信息进行内容识别,根据内容识别结果判断用户是否通过权限验证。
作为本发明进一步的方案:所述显示指引信息并开放信息输入端口,基于所述信息输入端口获取通行信息,对所述通行信息进行内容识别,根据内容识别结果判断用户是否通过权限验证的步骤包括:
对所述指引信息进行加密,显示加密后的指引信息,提示用户输入触屏信号;
实时监测触屏时间,根据所述触屏时间对所述触屏信号进行分类;所述触屏时间包括触屏开始时刻和触屏持续时间,所述触屏信号包括点和线段;
提取触屏信号及其触屏时间,将所述触屏信号及其触屏时间填充至训练好的内容识别模型,得到权限判定结果;
根据权限判定结果判断用户是否通过权限验证。
作为本发明进一步的方案:所述基于含有指引信息的图像获取端口获取含有内容索引的待测图像,对所述待测图像进行几何畸变校正处理,得到目标图像的步骤包括:
开放图像获取端口并向用户发送指引信息,基于所述图像获取端口获取含有内容索引的图像信息;其中,所述指引信息包括至少两个限制参数,各限制参数之间为非线性关系;
基于所述限制参数实时计算所述图像信息的匹配度,将所述匹配度与预设的匹配阈值进行比对,当所述匹配度达到预设的匹配阈值时,将所述图像信息标记为待测图像;
对所述待测图像进行特征提取,得到特征点,对所述特征点进行相似性度量,确定相互匹配的特征点对;
根据所述匹配的特征点对,确定图像空间的坐标变换参数;
基于所述坐标变换参数对所述待测图像进行几何畸变校正处理,得到目标图像。
作为本发明进一步的方案:所述将所述目标图像输入训练好的内容识别模型,得到特征曲线,基于所述特征曲线在预设的参考字库中匹配至少一个参考字的步骤包括:
对所述目标图像进行轮廓识别,根据所述轮廓识别结果确定背景区域,将所述背景区域填充为预设的标准值;
对填充后的目标图像进行灰度转换,遍历灰度转换后的目标图像中的各像素点,基于预设的灰度范围对各像素点进行编号;其中,灰度范围与编号之间为线性关系;
基于编号提取目标图像中的像素点,得到特征曲线;
读取内容索引,基于所述内容索引确定参考字库,基于所述特征曲线遍历预设的参考字库,并依次计算重合度;
提取重合度达到预设重合阈值的参考字。
作为本发明进一步的方案:所述基于编号提取目标图像中的像素点,得到特征曲线的步骤包括:
确定灰度值最大的灰度范围对应的编号,基于所述编号提取目标图像中的像素点;
对提取到的像素点进行拟合,得到特征曲线;
根据预设的采样频率计算特征曲线的宽度,确定宽度均值;
当宽度均值小于预设的宽度阈值时,将相邻的灰度范围填充至最大的灰度范围中,重复上述步骤直到宽度均值达到预设的宽度阈值;
当宽度均值达到预设的宽度阈值时,提取拟合到的特征曲线。
作为本发明进一步的方案:所述基于匹配结果生成反馈内容,显示并存储所述反馈内容的步骤包括:
读取匹配的参考字及相应的重合度,基于所述参考字生成含有隐藏接口的参考层;
将所述含有隐藏接口的参考层叠加至目标图像上,生成反馈内容;
显示反馈内容并基于内容索引存储所述反馈内容。
本发明技术方案还提供了一种字体测评系统,所述系统包括:
权限验证模块,用于接收用户发送的测评请求,对用户进行权限验证,当用户通过权限验证时,开放含有指引信息的图像获取端口;
图像处理模块,用于基于含有指引信息的图像获取端口获取含有内容索引的待测图像,对所述待测图像进行几何畸变校正处理,得到目标图像;
特征匹配模块,用于将所述目标图像输入训练好的内容识别模型,得到特征曲线,基于所述特征曲线在预设的参考字库中匹配至少一个参考字;
报告生成模块,用于基于匹配结果生成反馈内容,显示并存储所述反馈内容。
作为本发明进一步的方案:所述特征匹配模块包括:
填充单元,用于对所述目标图像进行轮廓识别,根据所述轮廓识别结果确定背景区域,将所述背景区域填充为预设的标准值;
编号单元,用于对填充后的目标图像进行灰度转换,遍历灰度转换后的目标图像中的各像素点,基于预设的灰度范围对各像素点进行编号;其中,灰度范围与编号之间为线性关系;
曲线生成单元,用于基于编号提取目标图像中的像素点,得到特征曲线;
重合度计算单元,用于读取内容索引,基于所述内容索引确定参考字库,基于所述特征曲线遍历预设的参考字库,并依次计算重合度;
参考字提取单元,用于提取重合度达到预设重合阈值的参考字。
作为本发明进一步的方案:所述曲线生成单元包括:
像素点提取子单元,用于确定灰度值最大的灰度范围对应的编号,基于所述编号提取目标图像中的像素点;
拟合子单元,用于对提取到的像素点进行拟合,得到特征曲线;
均值计算子单元,用于根据预设的采样频率计算特征曲线的宽度,确定宽度均值;
范围扩充子单元,用于当宽度均值小于预设的宽度阈值时,将相邻的灰度范围填充至最大的灰度范围中,重复上述步骤直到宽度均值达到预设的宽度阈值;
曲线提取子单元,用于当宽度均值达到预设的宽度阈值时,提取拟合到的特征曲线。
与现有技术相比,本发明的有益效果是:本发明通过获取用户输入的待测图像,提取待测图像中的字迹,然后根据该字迹确定多个字贴中与之匹配的参考字,从而确定与用户风格最相符的字体并显示,极大地提高了用户的进展速度。
附图说明
为了更清楚地说明本发明实施例中的技术方案,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。
图1为字体测评方法的流程框图。
图2为字体测评方法的第一子流程框图。
图3为字体测评方法的第二子流程框图。
图4为字体测评方法的第三子流程框图。
图5为字体测评系统的组成结构框图。
图6为字体测评系统中特征匹配模块的组成结构框图。
图7为特征匹配模块中曲线生成单元的组成结构框图。
具体实施方式
为了使本发明所要解决的技术问题、技术方案及有益效果更加清楚明白,以下结合附图及实施例,对本发明进行进一步详细说明。应当理解,此处所描述的具体实施例仅仅用以解释本发明,并不用于限定本发明。
实施例1
图1为字体测评方法的流程框图,本发明实施例中,一种字体测评方法,所述方法包括步骤S100至步骤S400:
步骤S100:接收用户发送的测评请求,对用户进行权限验证,当用户通过权限验证时,开放含有指引信息的图像获取端口;
本发明技术方案在实际应用中,大都具有收费项目,盈利是主要目的,因此,需要具备权限验证的能力,从而对不同种用户提供不同的服务。
步骤S200:基于含有指引信息的图像获取端口获取含有内容索引的待测图像,对所述待测图像进行几何畸变校正处理,得到目标图像;
所述指引信息的种类有很多,可以是米字格,用户在拍摄图像时,使得想要测评的字出现在米字格中心即可,这就是上述基于含有指引信息的图像获取端口获取含有内容索引的待测图像的一个实例,对于获取到的待检图像,还需要进行一些校正处理,进而进行后续的比对过程。
步骤S300:将所述目标图像输入训练好的内容识别模型,得到特征曲线,基于所述特征曲线在预设的参考字库中匹配至少一个参考字;
对于一个字来说,如果它是硬笔,那么它的字迹就是特征曲线,但是对于软笔来说,存在中锋一说,中锋行笔的力量足够,与侧锋有明显不同,反应在图像中,就是中锋的位置处的墨迹较深,中锋是软笔的核心所在,中锋的轨迹就是用户上传的字的轨迹,提取目标图像中墨迹较深的轨迹,就是软笔的特征曲线。
步骤S400:基于匹配结果生成反馈内容,显示并存储所述反馈内容;
步骤S400是反馈过程,统计测评结果,反馈给用户。
进一步的,所述接收用户发送的测评请求,对用户进行权限验证,当用户通过权限验证时,开放含有指引信息的图像获取端口的步骤包括:
接收用户发送的测评请求,获取用户位置信息,根据用户位置信息确定风险级别;
当所述风险级别达到预设的第一级别阈值时,对所述用户进行生物识别;
当所述风险级别达到预设的第二级别阈值时且小于第一级别阈值时,确定指引信息;
显示指引信息并开放信息输入端口,基于所述信息输入端口获取通行信息,对所述通行信息进行内容识别,根据内容识别结果判断用户是否通过权限验证。
不同用户的风险级别是不同的,相应的身份验证方式也是不同的;对于经常在同一地点访问的用户来说,验证难度较低,极大地提高了便捷性;当用户在一个新的地点进行访问时,或者在一些不常访问的地点进行访问时,对用户进行进一步的识别;其中,当风险级别较高时,采用的是生物识别的方式进行身份识别,生物识别包括指纹识别、瞳孔识别和面部识别。
具体的,所述显示指引信息并开放信息输入端口,基于所述信息输入端口获取通行信息,对所述通行信息进行内容识别,根据内容识别结果判断用户是否通过权限验证的步骤包括:
对所述指引信息进行加密,显示加密后的指引信息,提示用户输入触屏信号;
实时监测触屏时间,根据所述触屏时间对所述触屏信号进行分类;所述触屏时间包括触屏开始时刻和触屏持续时间,所述触屏信号包括点和线段;
提取触屏信号及其触屏时间,将所述触屏信号及其触屏时间填充至训练好的内容识别模型,得到权限判定结果;
根据权限判定结果判断用户是否通过权限验证。
上述内容对用户在不常用访问地点时进行访问的验证方式进行了进一步的限定,首先,向用户发送一些指引信息,这些指引信息用于示意用户完成何种操作,现有的终端设备的输入方式大都是触屏方式,因此,指引信息指引的操作也以触屏信号为主;其中,触屏信号包括点和线段,不同点和线段中含有时间信息,所述时间信息将触屏信号的组合方式转换为排列方式,扩充了触屏信号的排列组合种类数。
图2为字体测评方法的第一子流程框图,所述基于含有指引信息的图像获取端口获取含有内容索引的待测图像,对所述待测图像进行几何畸变校正处理,得到目标图像的步骤包括步骤S201至步骤S205:
步骤S201:开放图像获取端口并向用户发送指引信息,基于所述图像获取端口获取含有内容索引的图像信息;其中,所述指引信息包括至少两个限制参数,各限制参数之间为非线性关系;
步骤S202:基于所述限制参数实时计算所述图像信息的匹配度,将所述匹配度与预设的匹配阈值进行比对,当所述匹配度达到预设的匹配阈值时,将所述图像信息标记为待测图像;
步骤S203:对所述待测图像进行特征提取,得到特征点,对所述特征点进行相似性度量,确定相互匹配的特征点对;
步骤S204:根据所述匹配的特征点对,确定图像空间的坐标变换参数;
步骤S205:基于所述坐标变换参数对所述待测图像进行几何畸变校正处理,得到目标图像。
上述内容中,需要解释的内容是特征点的获取,当获取到特征点后,根据特征点对,确定图像空间的坐标变换参数,这些参数其实就是一种比例,比如,对于坐标轴内的一个点(x,y),想到把它转变为(x1,y1),这就需要一个参数,当特征点较多时,相应的参数要使得大部分点的转换过程能够大致完成,具体的确定过程可以借助统计学原理进行。值得一提的是,上述匹配过程需要预先选取一个参考图像,进而在待检图像和参考图像之间进行匹配,所述特征点可以待检字的边界点,从而对字形的大小进行简单的调整。所述参考图像采用最常见的楷体字即可,只需要知道一个字的基本形体即可,如果一个用户写的字过于艺术,不符合字的基本结构,那么本发明技术方案将是不适用的,本发明技术方案的功能是帮助用户在练字的时候更好的把握字体结构,面对的群体是想要写好规范字的群体,对于艺术字不做考虑。
图3为字体测评方法的第二子流程框图,所述将所述目标图像输入训练好的内容识别模型,得到特征曲线,基于所述特征曲线在预设的参考字库中匹配至少一个参考字的步骤包括步骤S301至步骤S305:
步骤S301:对所述目标图像进行轮廓识别,根据所述轮廓识别结果确定背景区域,将所述背景区域填充为预设的标准值;
步骤S302:对填充后的目标图像进行灰度转换,遍历灰度转换后的目标图像中的各像素点,基于预设的灰度范围对各像素点进行编号;其中,灰度范围与编号之间为线性关系;
步骤S303:基于编号提取目标图像中的像素点,得到特征曲线;
步骤S304:读取内容索引,基于所述内容索引确定参考字库,基于所述特征曲线遍历预设的参考字库,并依次计算重合度;
步骤S305:提取重合度达到预设重合阈值的参考字。
步骤S301至步骤S305对特征曲线的识别过程进行了具体的限定,首先,对目标图像的背景进行统一化,字与本子之间的色值差较大,轮廓识别过程比较简单,背景区域的确定过程较为容易。对填充后的目标图像进行灰度转换,从而使得墨迹更加容易识别,灰度最高的地方就是中锋所在,值得一提的是,硬笔的全部字迹都是中锋。
具体的,根据灰度对目标图像中的像素点进行分类,比如,将0-20编号为1,20-40编号为2,依此类推,从而将目标图像转换为数组,对数组进行遍历,就可以确定特征曲线;当确定特征曲线后,就可以进行后续的比对过程了。
值得一提的是,内容索引可以极大地缩小参考字库的范围,所述内容索引就是用于表示写的字是什么字的一个输入量,比如,写“心”的时候,用户上传一个待检图像,然后再输入一个“心”字标签,所述“心”字标签就是内容索引。
图4为字体测评方法的第三子流程框图,所述基于编号提取目标图像中的像素点,得到特征曲线的步骤包括步骤S3031至步骤S3035:
步骤S3031:确定灰度值最大的灰度范围对应的编号,基于所述编号提取目标图像中的像素点;
步骤S3032:对提取到的像素点进行拟合,得到特征曲线;
步骤S3033:根据预设的采样频率计算特征曲线的宽度,确定宽度均值;
步骤S3034:当宽度均值小于预设的宽度阈值时,将相邻的灰度范围填充至最大的灰度范围中,重复上述步骤直到宽度均值达到预设的宽度阈值;
步骤S3035:当宽度均值达到预设的宽度阈值时,提取拟合到的特征曲线。
步骤S3031至步骤S3035对特征曲线的生成过程进行了具体的限定,其核心原理是将特征曲线的宽度控制在一定范围,有可能提取到的特征曲线过细,这就需要对特征曲线进行“拓宽”,具体的“拓宽”方案就是扩大最大的灰度范围。
进一步的,所述基于匹配结果生成反馈内容,显示并存储所述反馈内容的步骤包括:
读取匹配的参考字及相应的重合度,基于所述参考字生成含有隐藏接口的参考层;
将所述含有隐藏接口的参考层叠加至目标图像上,生成反馈内容;
显示反馈内容并基于内容索引存储所述反馈内容。
将参考字转换为含有隐藏接口的参考层,根据用户的请求,可以自由隐藏或显示,便于用户调整字体的结构。
实施例2
图5为字体测评系统的组成结构框图,本发明实施例中,一种字体测评系统,所述系统10包括:
权限验证模块11,用于接收用户发送的测评请求,对用户进行权限验证,当用户通过权限验证时,开放含有指引信息的图像获取端口;
图像处理模块12,用于基于含有指引信息的图像获取端口获取含有内容索引的待测图像,对所述待测图像进行几何畸变校正处理,得到目标图像;
特征匹配模块13,用于将所述目标图像输入训练好的内容识别模型,得到特征曲线,基于所述特征曲线在预设的参考字库中匹配至少一个参考字;
报告生成模块14,用于基于匹配结果生成反馈内容,显示并存储所述反馈内容。
图6为字体测评系统中特征匹配模块13的组成结构框图,所述特征匹配模块13包括:
填充单元131,用于对所述目标图像进行轮廓识别,根据所述轮廓识别结果确定背景区域,将所述背景区域填充为预设的标准值;
编号单元132,用于对填充后的目标图像进行灰度转换,遍历灰度转换后的目标图像中的各像素点,基于预设的灰度范围对各像素点进行编号;其中,灰度范围与编号之间为线性关系;
曲线生成单元133,用于基于编号提取目标图像中的像素点,得到特征曲线;
重合度计算单元134,用于读取内容索引,基于所述内容索引确定参考字库,基于所述特征曲线遍历预设的参考字库,并依次计算重合度;
参考字提取单元135,用于提取重合度达到预设重合阈值的参考字。
图7为特征匹配模块中曲线生成单元133的组成结构框图,所述曲线生成单元133包括:
像素点提取子单元1331,用于确定灰度值最大的灰度范围对应的编号,基于所述编号提取目标图像中的像素点;
拟合子单元1332,用于对提取到的像素点进行拟合,得到特征曲线;
均值计算子单元1333,用于根据预设的采样频率计算特征曲线的宽度,确定宽度均值;
范围扩充子单元1334,用于当宽度均值小于预设的宽度阈值时,将相邻的灰度范围填充至最大的灰度范围中,重复上述步骤直到宽度均值达到预设的宽度阈值;
曲线提取子单元1335,用于当宽度均值达到预设的宽度阈值时,提取拟合到的特征曲线。
所述字体测评方法所能实现的功能均由计算机设备完成,所述计算机设备包括一个或多个处理器和一个或多个存储器,所述一个或多个存储器中存储有至少一条程序代码,所述程序代码由所述一个或多个处理器加载并执行以实现所述字体测评方法的功能。
处理器从存储器中逐条取出指令、分析指令,然后根据指令要求完成相应操作,产生一系列控制命令,使计算机各部分自动、连续并协调动作,成为一个有机的整体,实现程序的输入、数据的输入以及运算并输出结果,这一过程中产生的算术运算或逻辑运算均由运算器完成;所述存储器包括只读存储器(Read-Only Memory,ROM),所述只读存储器用于存储计算机程序,所述存储器外部设有保护装置。
示例性的,计算机程序可以被分割成一个或多个模块,一个或者多个模块被存储在存储器中,并由处理器执行,以完成本发明。一个或多个模块可以是能够完成特定功能的一系列计算机程序指令段,该指令段用于描述计算机程序在终端设备中的执行过程。
本领域技术人员可以理解,上述服务设备的描述仅仅是示例,并不构成对终端设备的限定,可以包括比上述描述更多或更少的部件,或者组合某些部件,或者不同的部件,例如可以包括输入输出设备、网络接入设备、总线等。
所称处理器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)、现成可编程门阵列(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,上述处理器是上述终端设备的控制中心,利用各种接口和线路连接整个用户终端的各个部分。
上述存储器可用于存储计算机程序和/或模块,上述处理器通过运行或执行存储在存储器内的计算机程序和/或模块,以及调用存储在存储器内的数据,实现上述终端设备的各种功能。存储器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(比如信息采集模板展示功能、产品信息发布功能等)等;存储数据区可存储根据泊位状态显示系统的使用所创建的数据(比如不同产品种类对应的产品信息采集模板、不同产品提供方需要发布的产品信息等)等。此外,存储器可以包括高速随机存取存储器,还可以包括非易失性存储器,例如硬盘、内存、插接式硬盘,智能存储卡(Smart Media 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、或其他易失性固态存储器件。
终端设备集成的模块/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系统中的全部或部分模块/单元,也可以通过计算机程序来指令相关的硬件来完成,上述的计算机程序可存储于计算机可读存储介质中,该计算机程序在被处理器执行时,可实现上述各个系统实施例的功能。其中,计算机程序包括计算机程序代码,计算机程序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。计算机可读介质可以包括:能够携带计算机程序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 AccessMemory)、电载波信号、电信信号以及软件分发介质等。
需要说明的是,在本文中,术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的过程、方法、物品或者装置不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种过程、方法、物品或者装置所固有的要素。在没有更多限制的情况下,由语句“包括一个……”限定的要素,并不排除在包括该要素的过程、方法、物品或者装置中还存在另外的相同要素。
以上仅为本发明的优选实施例,并非因此限制本发明的专利范围,凡是利用本发明说明书及附图内容所作的等效结构或等效流程变换,或直接或间接运用在其他相关的技术领域,均同理包括在本发明的专利保护范围内。
Claims (6)
1.一种字体测评方法,其特征在于,所述方法包括:
接收用户发送的测评请求,对用户进行权限验证,当用户通过权限验证时,开放含有指引信息的图像获取端口;
基于含有指引信息的图像获取端口获取含有内容索引的待测图像,对所述待测图像进行几何畸变校正处理,得到目标图像;
将所述目标图像输入训练好的内容识别模型,得到特征曲线,基于所述特征曲线在预设的参考字库中匹配至少一个参考字;
基于匹配结果生成反馈内容,显示并存储所述反馈内容;
所述将所述目标图像输入训练好的内容识别模型,得到特征曲线,基于所述特征曲线在预设的参考字库中匹配至少一个参考字的步骤包括:
对所述目标图像进行轮廓识别,根据所述轮廓识别结果确定背景区域,将所述背景区域填充为预设的标准值;
对填充后的目标图像进行灰度转换,遍历灰度转换后的目标图像中的各像素点,基于预设的灰度范围对各像素点进行编号;其中,灰度范围与编号之间为线性关系;
基于编号提取目标图像中的像素点,得到特征曲线;
读取内容索引,基于所述内容索引确定参考字库,基于所述特征曲线遍历预设的参考字库,并依次计算重合度;
提取重合度达到预设重合阈值的参考字;
所述基于编号提取目标图像中的像素点,得到特征曲线的步骤包括:
确定灰度值最大的灰度范围对应的编号,基于所述编号提取目标图像中的像素点;
对提取到的像素点进行拟合,得到特征曲线;
根据预设的采样频率计算特征曲线的宽度,确定宽度均值;
当宽度均值小于预设的宽度阈值时,将相邻的灰度范围填充至最大的灰度范围中,重复上述步骤直到宽度均值达到预设的宽度阈值;
当宽度均值达到预设的宽度阈值时,提取拟合到的特征曲线。
2.根据权利要求1所述的字体测评方法,其特征在于,所述接收用户发送的测评请求,对用户进行权限验证,当用户通过权限验证时,开放含有指引信息的图像获取端口的步骤包括:
接收用户发送的测评请求,获取用户位置信息,根据用户位置信息确定风险级别;
当所述风险级别达到预设的第一级别阈值时,对所述用户进行生物识别;
当所述风险级别达到预设的第二级别阈值时且小于第一级别阈值时,确定指引信息;
显示指引信息并开放信息输入端口,基于所述信息输入端口获取通行信息,对所述通行信息进行内容识别,根据内容识别结果判断用户是否通过权限验证。
3.根据权利要求2所述的字体测评方法,其特征在于,所述显示指引信息并开放信息输入端口,基于所述信息输入端口获取通行信息,对所述通行信息进行内容识别,根据内容识别结果判断用户是否通过权限验证的步骤包括:
对所述指引信息进行加密,显示加密后的指引信息,提示用户输入触屏信号;
实时监测触屏时间,根据所述触屏时间对所述触屏信号进行分类;所述触屏时间包括触屏开始时刻和触屏持续时间,所述触屏信号包括点和线段;
提取触屏信号及其触屏时间,将所述触屏信号及其触屏时间填充至训练好的内容识别模型,得到权限判定结果;
根据权限判定结果判断用户是否通过权限验证。
4.根据权利要求1所述的字体测评方法,其特征在于,所述基于含有指引信息的图像获取端口获取含有内容索引的待测图像,对所述待测图像进行几何畸变校正处理,得到目标图像的步骤包括:
开放图像获取端口并向用户发送指引信息,基于所述图像获取端口获取含有内容索引的图像信息;其中,所述指引信息包括至少两个限制参数,各限制参数之间为非线性关系;
基于所述限制参数实时计算所述图像信息的匹配度,将所述匹配度与预设的匹配阈值进行比对,当所述匹配度达到预设的匹配阈值时,将所述图像信息标记为待测图像;
对所述待测图像进行特征提取,得到特征点,对所述特征点进行相似性度量,确定相互匹配的特征点对;
根据所述匹配的特征点对,确定图像空间的坐标变换参数;
基于所述坐标变换参数对所述待测图像进行几何畸变校正处理,得到目标图像。
5.根据权利要求1所述的字体测评方法,其特征在于,所述基于匹配结果生成反馈内容,显示并存储所述反馈内容的步骤包括:
读取匹配的参考字及相应的重合度,基于所述参考字生成含有隐藏接口的参考层;
将所述含有隐藏接口的参考层叠加至目标图像上,生成反馈内容;
显示反馈内容并基于内容索引存储所述反馈内容。
6.一种字体测评系统,其特征在于,所述系统包括:
权限验证模块,用于接收用户发送的测评请求,对用户进行权限验证,当用户通过权限验证时,开放含有指引信息的图像获取端口;
图像处理模块,用于基于含有指引信息的图像获取端口获取含有内容索引的待测图像,对所述待测图像进行几何畸变校正处理,得到目标图像;
特征匹配模块,用于将所述目标图像输入训练好的内容识别模型,得到特征曲线,基于所述特征曲线在预设的参考字库中匹配至少一个参考字;
报告生成模块,用于基于匹配结果生成反馈内容,显示并存储所述反馈内容;
所述特征匹配模块包括:
填充单元,用于对所述目标图像进行轮廓识别,根据所述轮廓识别结果确定背景区域,将所述背景区域填充为预设的标准值;
编号单元,用于对填充后的目标图像进行灰度转换,遍历灰度转换后的目标图像中的各像素点,基于预设的灰度范围对各像素点进行编号;其中,灰度范围与编号之间为线性关系;
曲线生成单元,用于基于编号提取目标图像中的像素点,得到特征曲线;
重合度计算单元,用于读取内容索引,基于所述内容索引确定参考字库,基于所述特征曲线遍历预设的参考字库,并依次计算重合度;
参考字提取单元,用于提取重合度达到预设重合阈值的参考字;
所述曲线生成单元包括:
像素点提取子单元,用于确定灰度值最大的灰度范围对应的编号,基于所述编号提取目标图像中的像素点;
拟合子单元,用于对提取到的像素点进行拟合,得到特征曲线;
均值计算子单元,用于根据预设的采样频率计算特征曲线的宽度,确定宽度均值;
范围扩充子单元,用于当宽度均值小于预设的宽度阈值时,将相邻的灰度范围填充至最大的灰度范围中,重复上述步骤直到宽度均值达到预设的宽度阈值;
曲线提取子单元,用于当宽度均值达到预设的宽度阈值时,提取拟合到的特征曲线。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210261002.0A CN114332514B (zh) | 2022-03-17 | 2022-03-17 | 一种字体测评方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210261002.0A CN114332514B (zh) | 2022-03-17 | 2022-03-17 | 一种字体测评方法及系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN114332514A CN114332514A (zh) | 2022-04-12 |
CN114332514B true CN114332514B (zh) | 2022-06-07 |
Family
ID=81034026
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210261002.0A Active CN114332514B (zh) | 2022-03-17 | 2022-03-17 | 一种字体测评方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114332514B (zh) |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114915801B (zh) * | 2022-05-12 | 2024-02-27 | 广州市迪声音响有限公司 | 多通道视频信号同步输出方法及系统 |
CN115720148B (zh) * | 2022-10-12 | 2024-04-26 | 上海慧程工程技术服务有限公司 | 一种工业物联网信息可视化方法、服务器和存储介质 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108399821A (zh) * | 2018-01-29 | 2018-08-14 | 常涛涛 | 一种电子智能辅助书写训练及分析评价系统 |
CN108958636A (zh) * | 2018-08-06 | 2018-12-07 | 深圳市国华光电科技有限公司 | 一种智能字帖装置及字帖书写检测方法 |
CN110991438A (zh) * | 2019-11-29 | 2020-04-10 | 广东马上信息科技有限公司 | 一种字体评分方法、系统及其存储介质 |
CN111626297A (zh) * | 2020-04-13 | 2020-09-04 | 小船出海教育科技(北京)有限公司 | 文字书写质量评价方法、装置、电子设备和记录介质 |
CN112800936A (zh) * | 2021-01-25 | 2021-05-14 | 中南大学 | 基于计算机视觉的书法临帖智能评价与指导方法 |
WO2021212658A1 (zh) * | 2020-04-24 | 2021-10-28 | 平安国际智慧城市科技股份有限公司 | Ocr图像样本生成、印刷体验证方法、装置、设备及介质 |
-
2022
- 2022-03-17 CN CN202210261002.0A patent/CN114332514B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108399821A (zh) * | 2018-01-29 | 2018-08-14 | 常涛涛 | 一种电子智能辅助书写训练及分析评价系统 |
CN108958636A (zh) * | 2018-08-06 | 2018-12-07 | 深圳市国华光电科技有限公司 | 一种智能字帖装置及字帖书写检测方法 |
CN110991438A (zh) * | 2019-11-29 | 2020-04-10 | 广东马上信息科技有限公司 | 一种字体评分方法、系统及其存储介质 |
CN111626297A (zh) * | 2020-04-13 | 2020-09-04 | 小船出海教育科技(北京)有限公司 | 文字书写质量评价方法、装置、电子设备和记录介质 |
WO2021212658A1 (zh) * | 2020-04-24 | 2021-10-28 | 平安国际智慧城市科技股份有限公司 | Ocr图像样本生成、印刷体验证方法、装置、设备及介质 |
CN112800936A (zh) * | 2021-01-25 | 2021-05-14 | 中南大学 | 基于计算机视觉的书法临帖智能评价与指导方法 |
Also Published As
Publication number | Publication date |
---|---|
CN114332514A (zh) | 2022-04-12 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN114332514B (zh) | 一种字体测评方法及系统 | |
CN109766885B (zh) | 一种文字检测方法、装置、电子设备及存储介质 | |
Blanco-Gonzalo et al. | Biometrics: Accessibility challenge or opportunity? | |
CN110503100B (zh) | 一种医疗单据识别方法、装置、计算机装置及计算机可读存储介质 | |
WO2021212658A1 (zh) | Ocr图像样本生成、印刷体验证方法、装置、设备及介质 | |
CN111291629A (zh) | 图像中文本的识别方法、装置、计算机设备及计算机存储介质 | |
CN110060531B (zh) | 一种使用智能数码笔的计算机在线考试系统和方法 | |
TW200823773A (en) | A method and apparatus for recognition of handwritten symbols | |
CN105893813A (zh) | 生物信息登记装置和生物信息登记方法 | |
CN108960149A (zh) | 试卷自动评阅方法、装置及电子设备 | |
CN113746758A (zh) | 一种动态识别流量协议的方法和终端 | |
CN109086336A (zh) | 试卷数据存储方法、装置及电子设备 | |
CN112862024A (zh) | 一种文本识别方法及系统 | |
KR20010031613A (ko) | 전자서명 조합방법 및 시스템 | |
CN114092949A (zh) | 类别预测模型的训练、界面元素类别的识别方法及装置 | |
KR101763011B1 (ko) | 지문 정보의 코딩과 인식 시스템, 그리고 그 구동 방법 | |
CN114049540A (zh) | 基于人工智能的标注图像检测方法、装置、设备及介质 | |
JP6924770B2 (ja) | 空間分割セグメントに対する動的移動追跡基盤手記署名認証システムおよび方法 | |
Sanchez-Reillo et al. | Forensic validation of biometrics using dynamic handwritten signatures | |
CN110135218A (zh) | 用于识别图像的方法、装置、设备和计算机存储介质 | |
US11076069B2 (en) | Pixelation density increment for embedding information | |
Zimmer et al. | The challenge of comparing digitally captured signatures registered with different software and hardware | |
CN111462388A (zh) | 一种票据检验方法、装置、终端设备及存储介质 | |
CN111027533A (zh) | 一种点读坐标的变换方法、系统、终端设备及存储介质 | |
CN109598683A (zh) | 影像截取方法、装置及计算机可读存储介质 |
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 |