CN115793892B - 触摸数据处理方法、装置、电子设备及存储介质 - Google Patents
触摸数据处理方法、装置、电子设备及存储介质 Download PDFInfo
- Publication number
- CN115793892B CN115793892B CN202310070001.2A CN202310070001A CN115793892B CN 115793892 B CN115793892 B CN 115793892B CN 202310070001 A CN202310070001 A CN 202310070001A CN 115793892 B CN115793892 B CN 115793892B
- Authority
- CN
- China
- Prior art keywords
- touch
- infrared
- light
- parameter
- touch 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
Links
Images
Landscapes
- User Interface Of Digital Computer (AREA)
- Position Input By Displaying (AREA)
Abstract
本申请实施例提供一种触摸数据处理方法、装置、电子设备及存储介质,所述方法包括:获取至少一个触摸物在红外触控屏上进行触控操作所产生的红外光线数据集;根据所述红外光线数据集确定触控点,并获取指示所述触控点触摸特征的几何特征信息,并根据所述几何特征信息查找出笔尖对应的触控点集合;分别获取触控点集合中各个触摸点的属性参数以及与所述触控点相关联的红外光线特征参数;将所述属性参数与红外光线特征参数输入预设的触摸笔尖识别模型中进行人工智能识别,获得所述触控操作的笔尖类别;与现有技术相比,本申请技术方案能快速、准确地识别触控操作的笔尖类别。
Description
技术领域
本申请涉及红外触摸技术领域,特别涉及一种触摸数据处理方法、装置、电子设备及存储介质。
背景技术
红外触控屏(Infrared Touch Screen Technology,又称红外线技术触摸屏),是一种在触摸屏幕表面上利用红外对管形成红外线探测网,利用触摸物体在触摸屏幕上触摸操作阻断红外线而实现触摸识别的触控屏,在很多场景下都有应用。
目前,在红外触摸屏上进行书写和记录时,所产生的触摸数据通过处理器等进行运算处理可以得到相关显示结果进行显示,现有技术一般是依据所识别的红外触控屏上识别到的触控点,计算触摸物体的面积以及宽度来确定触控点对应使用的笔尖类别,然而在倾斜书写、快速书写、满满落笔书写等特殊场景中,由于书写的角度会进行变化,因此无法根据触控点的面积以及宽度精准地识别触控操作的笔尖类别。
发明内容
基于此,本申请提供一种触摸数据处理方法、装置、电子设备及存储介质,以提高触摸笔尖类别识别的精准性。
作为本申请实施例的第一方面,提供一种触摸数据处理方法,包括以下步骤:
获取至少一个触摸物在红外触控屏上进行触控操作所产生的红外光线数据集;
根据所述红外光线数据集确定触控点,并获取指示所述触控点触摸特征的几何特征信息,并根据所述几何特征信息查找出笔尖对应的触控点集合;
分别获取触控点集合中各个触摸点的属性参数以及与所述触控点相关联的红外光线特征参数;
将所述属性参数与红外光线特征参数输入预设的触摸笔尖识别模型中进行人工智能识别,获得所述触控操作的笔尖类别。
作为本申请实施例的第二方面,提供了一种触摸数据处理装置,包括:
光线数据获取模块,用于获取至少一个触摸物在红外触控屏上进行触控操作所产生的红外光线数据集;
触控点识别模块,用于根据所述红外光线数据集确定触控点,并获取指示所述触控点触摸特征的几何特征信息,并根据所述几何特征信息查找出笔尖对应的触控点集合;
特征参数获取模块,用于分别获取触控点集合中各个触摸点的属性参数以及与所述触控点相关联的红外光线特征参数;
笔尖类别识别模块,用于将所述属性参数与红外光线特征参数输入预设的触摸笔尖识别模型中进行人工智能识别,获得所述触控操作的笔尖类别。
作为本申请实施例的第三方面,提供了一种电子设备,包括处理器、存储器以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;所述计算机程序被所述处理器执行时实现如第一方面所述的触摸数据处理方法的步骤。
作为本申请实施例的第四方面,提供了一种存储介质,所述存储介质存储有计算机程序,所述计算机程序被处理器执行时实现如第一方面所述的触摸数据处理方法的步骤。
本申请的技术方案,通过采集红外触控屏的红外光线数据集,根据红外光线数据集的触控点触摸特征的几何特征信息查找出笔尖对应的触控点集合,再获取触摸点的属性参数以及相关联的红外光线特征参数,进而输入至预设的神经网络模型中进行人工智能识别笔尖类别;该技术方案,能够准确地识别触摸笔尖类别,即使用户在倾斜书写、快速书写、满满落笔书写等特殊场景中,也能快速准确识别。
为了更好地理解和实施,下面结合附图详细说明本申请。
附图说明
图1为一个实施例的触摸数据处理方法的流程示意图;
图2是一个示例的获取与触控点相关联的红外光线的光线数目参数、光线深度参数的流程图;
图3为一个实施例的训练触摸笔尖识别模型的流程示意图;
图4为一个实施例的触摸数据处理装置的结构示意图;
图5为一个实施例的电子设备的结构示意图。
具体实施方式
为使本申请的目的、技术方案和优点更加清楚,下面将结合附图对本申请实施例做进一步地详细描述。其中,下面的描述涉及附图时,除非另有表示,不同附图中的相同数字表示相同或相似的要素。
应当明确,以下描述的实施例中所描述的实施方式并不代表与本申请相一致的所有实施方式。相反,它们仅是与如所附权利要求书中所详述的、本申请的一些方面相一致的装置和方法的例子。基于本申请实施例,本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其它实施例,都属于本申请保护的范围。
在本申请使用的术语是仅仅出于描述特定实施例的目的,而非旨在限制本申请。在本申请中所使用的单数形式的“一种”、“所述”和“该”也旨在包括多数形式,除非上下文清楚地表示其他含义。此外,在本申请的描述中,除非另有说明,“多个”是指两个或两个以上。还应当理解,本文中使用的术语“和/或”是指并包含一个或多个相关联的列出项目的任何或所有可能组合,例如,A和/或B,可以表示:单独存在A,同时存在A和B,单独存在B这三种情况;字符“/”一般表示前后关联对象是一种“或”的关系。
应当理解,尽管在本申请可能采用术语第一、第二、第三等来描述各种信息,但这些信息不应限于这些术语,而且,这些术语仅用来区别类似的对象,而不必用于描述特定的顺序或先后次序,也不能理解为指示或暗示相对重要性。对于本领域的普通技术人员而言,可以根据具体情况理解上述术语在本申请中的具体含义。取决于语境,本申请所使用的词语“如果”/“若”可以被解释成为“在……时”或“当……时”或“响应于确定”。
本申请实施例的触摸数据处理方法的应用场景包括触摸数据处理设备,触摸数据处理方法可以由触摸数据处理设备执行,该触摸数据处理设备可以通过软件和/或硬件的方式实现触摸数据处理方法。触摸数据处理设备可以作为红外触控屏的一部分,也可以是独立于红外触控屏;该触摸数据处理设备可以是两个或多个物理实体构成,也可以是一个物理实体构成。触摸数据处理设备所指向的硬件,本质上均是指计算机设备,例如,触摸数据处理方法设备可以是电脑、手机、平板或智能交互平板等智能设备。
请参阅图1,图1为一个实施例的触摸数据处理方法的流程示意图,包括如下步骤:
S1:获取至少一个触摸物在红外触控屏上进行触控操作所产生的红外光线数据集。
此步骤中,在用户准备使用触摸物在红外触控屏上进行书写时,红外触控屏响应于至少一个触摸物在红外触控屏上的触控操作,获取红外光线数据集;对于红外光线数据集,可以包括若干道未遮挡的红外光线对应的红外光线数据以及若干道遮挡的红外光线对应的遮挡红外光线数据。
在一个可选的实施例中,获取红外光线数据集的方式具体如下:
首先红外触控屏外框上设置有红外线发射与接收感测元件,且红外线发射与接收感测元件高出红外触控屏表面一定高度,红外光在红外触控屏表面传播,红外光通过直射或反射后,被对面的接收感测元件接收,形成由若干道光线组成的光网。当触摸物向红外触控屏靠近,在距离红外触控屏一定高度时,会对红外触控屏中的若干道光线进行遮挡,从而触发触摸物在红外触控屏上的触控操作,红外触控屏可以通过设置在红外触控屏的扫描设备,获取若干道光线的光网信号数据,作为红外光线数据。
另外,由于使用不同大小、不同形状的触摸物在不同位置上进行书写时,会导致扫描的遮挡光线对应的红外光线数据不同。因此,作为实施例,红外触控屏可以首先预设的红外光线阈值,然后将红外光线数据集中若干道光线对应的红外光线数据与预设的红外光线阈值进行对比,当光线对应的红外光线数据与红外光线阈值不相同判断为遮挡光线,并从若干道遮挡光线中获取被遮挡的红外光线对应的遮挡红外光线数据。
S2:根据所述红外光线数据集确定触控点,并获取指示所述触控点触摸特征的几何特征信息,并根据所述几何特征信息查找出笔尖对应的触控点集合。
一般情况下,用户进行书写时,通常采用触控笔、手指等触摸物为书写时媒介,并以一定的倾斜角度与红外触控屏进行接触生成触控点,通过当触摸物以倾斜角度穿过光网时对光网中的光线进行遮挡,从而生成具有一定规模触控点的触控区域。
据此,此步骤中,红外触控屏可以根据红外光线数据集中的若干道遮挡光线对应的红外光线数据对红外触控屏上的触控点进行定位,从而识别以一定的倾斜角度与红外触控屏进行接触的触控点,然后根据这些触控点几何特征信息所指示的触摸特征,查找出可以用来识别笔尖类别的触控区域所对应的触控点集合。
在一个实施例中,对于获取指示所述触控点触摸特征的几何特征信息的方法,可以根据红外对管扫描采集的红外光网的模拟光信号定位触控点的坐标信息,然后根据所述坐标信息计算触控点的长度参数、宽度参数以及所述触控点的面积参数。
具体地,红外触控屏可以通过几何算法、图像算法以及FBP(滤波反投影算法)等等计算触控点的触控点的长度参数、宽度参数以及触控点的面积参数等,以此构建触控点的触控特征,实现准确检测触控点的触控状态。
S3:分别获取触控点集合中各个触摸点的属性参数以及与所述触控点相关联的红外光线特征参数。
此步骤中,红外触控屏获取触控点集合中各个触摸点的属性参数以及与触控点相关联的红外光线特征参数等触控特征参数,其中属性参数可以指示形成触控点的触摸特征,红外光线特征参数可以指示与触控点相关联的红外光线特征。
在一个实施例中,对于获取触控点集合中各个触摸点的属性参数方法,可以获取触控点的坐标信息以及控制红外对管扫描的系统时间;然后根据所述系统时间获取触控点的运动速度参数以及加速度参数。
具体的,对于触控点的属性参数,主要是触控点在红外触控屏上的位置参数,每一个触控点的获取时间帧参数,触摸物的运动速度参数、加速度参数等。
作为实施例,红外触控屏可以基于前后两个时间帧的触控点,根据位置参数以及时间参数,获取该两个触控点的距离差参数以及时间差参数,获取触控点的运动速度参数以及加速度参数。
其中,距离差参数可以是曼哈顿距离、欧氏距离等等,具体如下:
式中,v为运动速度参数,Δs为距离差参数,Δt为时间差参数。
式中,Δv为在该时间差内的运动速度差值参数,a为加速度参数。
在一个实施例中,对于获取与所述触控点相关联的红外光线特征参数方法,可以根据红外对管扫描采集的红外光网的模拟光信号获取与所述触控点相关联的红外光线的光线数目参数、光线深度参数以及光线比例参数。
具体的,对于与触控点相关联的红外光线特征参数,主要是与触控点相关联的红外光线的光线数目参数、光线深度参数以及光线比例参数等。
作为实施例,参考图2所示,图2是一个示例的获取与触控点相关联的红外光线的光线数目参数、光线深度参数的流程图,可以包括如下步骤:
S301:根据红外对管扫描采集的红外光网的模拟光信号获取与所述触控点相关联的红外光线数目得到光线数目参数。
S302:获取所述触控点相关联的各个红外对管红外光线的光线深度得到光线深度参数。
其中,光线深度参数可以为光线遮挡后的光强相对于未遮挡时光强的比例,此步骤中,红外触控屏可以通过各道与触控点相关联的红外光线的遮挡后的光强以及未遮挡时的光强计算触控点相关联的各个红外光线的光线深度参数。
S303:根据所述光线数目参数与光线深度参数计算光线比例参数。
优选的,光线比例参数计算过程可以如下:
(1)对触控点相关联的各个红外光线的光线深度进行平均处理以及最值处理,获取触控点的光线深度参数;其中,光线深度参数包括平均深度参数、最大深度参数以及最小深度参数。
具体的,红外触控屏可以对触控点相关联的红外光线的光线深度进行平均处理得到触控点的平均深度参数,对触控点相关联的红外光线的光线深度进行最值处理得到最大深度参数以及最小深度参数。
(2)根据触控点相关联的各个红外光线的光线深度,获取触控点对应的位于预设的若干个光线深度区间的红外光线数目。
具体的,红外触控屏可以根据触控点相关联的各个红外光线的光线深度计算触控点对应的位于预设的若干个光线深度区间的红外光线数目。
在此,红外触控屏可以预先设置光线深度区间的数目,例如,将总区间[0,100%]平均划分为若干个相同区间范围的光线深度区间,光线深度区间的数目为5,红外触控屏将总区间平均划分为5个相同区间范围的光线深度区间,即[0,20%]、[20%,40%]、[40,60%]、[60,80%]以及[80,100%]的光线深度区间。
(3)计算位于预设的若干个光线深度区间的红外光线数目与触控点相关联的红外光线数目的比例,获得触控点的光线比例参数。
具体的,红外触控屏可以分别计算触控点的若干个光线深度区间的红外光线数目与触控点相关联的红外光线数目的比例得到触控点的光线比例参数。
在上述实施例中,红外触控屏可以预先设置光线深度区间的数目,然后根据触控点相关联的各个红外光线的光线深度,获取触控点对应的位于预设的若干个光线深度区间的红外光线数目,并分别计算触控点的若干个光线深度区间的红外光线数目与触控点相关联的红外光线数目的比例得到触控点的光线比例参数。
在另一个实施例中,红外触控屏也可以预先设置若干个光线深度区间,根据触控点相关联的各个红外光线的光线深度,获取触控点对应的位于预设的若干个光线深度区间的红外光线数目;分别计算触控点的若干个光线深度区间的红外光线数目与触控点相关联的红外光线数目的比例,获得触控点的光线比例参数。
上述实施例的技术方案中,红外触控屏通过触控点的光线参数构建触控点的触控特征,可以进一步提高对触控点的触控状态检测的准确性。
S4:将所述属性参数与红外光线特征参数输入预设的触摸笔尖识别模型中进行人工智能识别,获得所述触控操作的笔尖类别。
优选的,红外触控屏可以采用线性SVM分类器作为触摸笔尖识别模型,并将触控点的触控特征输入至预设的触摸笔尖识别模型中,获得触控点的对应的触摸物的触摸物识别数据。
对于触摸笔尖识别模型,可以是SVM(Support Vector Machine)分类器的一种,SVM分类器为是一类按监督学习(supervised learning)方式对数据进行二元分类的广义线性分类器(generalized linear classifier)。触控物识别模型包括各种若干种的配置参数,配置参数包括待分类的类别数目,损失函数,核函数等。
在一个实施例中,为了提高识别效率以及精准性,在基于红外触控屏的各个的书写区域,每一个区域都有相应的不同的触控物识别模型,通过在红外触控屏的不同书写区域上使用不同的触控物识别模型,以及采用不同的配置参数,从而提高触控物识别的准确率。
为了更加清晰本申请的触摸笔尖识别模型,下面阐述一个训练触摸笔尖识别模型的实施例。请参阅图3,图3为一个实施例的训练触摸笔尖识别模型的流程示意图,具体如下:
S401:获取若干个样本触控点的触控特征以及触摸物标签。
具体的,触摸物标签用于指示触摸物接触红外触控屏的触摸物类型,可以是连续值,例如笔尖的尺寸,也可以是离散值,例如多个笔尖的类型,包括3mm笔尖以及5mm笔尖,体现了每一个样本触控点生成时触摸物对应的笔尖大小。
在本实施例中,红外触控屏获取若干个样本触控点的触控特征以及触摸物标签,也可以从预设的数据库中进行获取,样本触控点的触控特征可以通过若干种书写方式进行获取,例如各角度的倾斜书写,不同速度的书写,不同类型的人的书写。
S402:将若干个样本触控点的触控特征以及触摸物标签输入至预设的神经网络模型中进行训练,获取触摸笔尖识别模型。
具体的,可以按照预设的训练比例,将若干个样本触控点的触控特征以及触摸物标签,划分为训练集以及测试集,将训练集输入至预设的神经网络模型中进行训练,获取训练好的神经网络模型,将测试集输入至训练好的神经网络模型,计算若干个训练好的神经网络模型的评价参数,评价参数包括确定系数、均方根误差以及残差预测偏差,基于评价参数,对训练好的神经网络进行训练与调整得到触摸笔尖识别模型。
下面阐述触摸数据处理装置的实施例。
请参考图4,图4为一个实施例的触摸数据处理装置的结构示意图,该装置可以通过软件、硬件或两者的结合实现触摸数据处理方法的全部或一部分,该触摸数据处理装置包括:
光线数据获取模块,用于获取至少一个触摸物在红外触控屏上进行触控操作所产生的红外光线数据集;
触控点识别模块,用于根据所述红外光线数据集确定触控点,并获取指示所述触控点触摸特征的几何特征信息,并根据所述几何特征信息查找出笔尖对应的触控点集合;
特征参数获取模块,用于分别获取触控点集合中各个触摸点的属性参数以及与所述触控点相关联的红外光线特征参数;
笔尖类别识别模块,用于将所述属性参数与红外光线特征参数输入预设的触摸笔尖识别模型中进行人工智能识别,获得所述触控操作的笔尖类别。
本实施例的触摸数据处理装置可执行本申请的实施例所提供的一种触摸数据处理方法,其实现原理相类似,本申请各实施例中的触摸数据处理装置中的各模块所执行的动作是与本申请各实施例中的触摸数据处理方法中的步骤相对应的,对于触摸数据处理装置的各模块的详细功能描述具体可以参见前文中所示的对应的触摸数据处理方法中的描述,此处不再赘述。
在本实施例中,通过光线数据获取模块采集红外触控屏的红外光线数据集,触控点识别模块根据红外光线数据集的触控点触摸特征的几何特征信息查找出笔尖对应的触控点集合,特征参数获取模块获取触摸点的属性参数以及相关联的红外光线特征参数,笔尖类别识别模块利用预设的神经网络模型进行人工智能识别笔尖类别;该技术方案,能够准确地识别触摸笔尖类别,即使用户在倾斜书写、快速书写、满满落笔书写等特殊场景中,也能快速准确识别。
请参见图5,图5为一个实施例的电子设备的结构示意图。本申请实施例还提供了一种电子设备,包括:处理器51、存储器52以及存储在存储器52上并可在处理器上运行的计算机程序53;电子设备可以存储有多条指令,指令适用于由处理器加载并执行上述图1至图3所示实施例的方法步骤,具体执行过程可以参见图1至图3所示实施例的具体说明,在此不进行赘述。
其中,处理器可以包括一个或多个处理核心。处理器51利用各种接口和线路连接电子设备内的各个部分,通过运行或执行存储在存储器52内的指令、程序、代码集或指令集,以及调用存储器52内的数据,执行触摸数据处理装置4的各种功能和处理数据,可选的,处理器51可以采用数字信号处理(Digital Signal Processing,DSP)、现场可编程门阵列(Field-Programmable Gate Array,FPGA)、可编程逻辑阵列(Programble Logic Array,PLA)中的至少一个硬件形式来实现。处理器51可集成中央处理器(Central ProcessingUnit,CPU)、图像处理器(Graphics Processing Unit,GPU)和调制解调器等中的一个或几种的组合。其中,CPU主要处理操作系统、用户界面和应用程序等;GPU用于负责触摸显示屏所需要显示的内容的渲染和绘制;调制解调器用于处理无线通信。可以理解的是,上述调制解调器也可以不集成到处理器51中,单独通过一块芯片进行实现。
其中,存储器52可以包括随机存储器(Random Access Memory,RAM),也可以包括只读存储器(Read-Only Memory)。可选的,该存储器52包括非瞬时性计算机可读介质(non-transitory computer-readable storage medium)。存储器52可用于存储指令、程序、代码、代码集或指令集。存储器52可包括存储程序区和存储数据区,其中,存储程序区可存储用于实现操作系统的指令、用于至少一个功能的指令(比如触控指令等)、用于实现上述各个方法实施例的指令等;存储数据区可存储上面各个方法实施例中涉及到的数据等。存储器52可选的还可以是至少一个位于远离前述处理器51的存储装置。
本申请实施例还提供了一种存储介质,存储介质可以存储有多条指令,指令适用于由处理器加载并执行上述实施例一以及实施例二的方法步骤,具体执行过程可以参见实施例一以及实施例二所示实施例的具体说明,在此不进行赘述。
所属领域的技术人员可以清楚地了解到,为了描述的方便和简洁,仅以上述各功能单元、模块的划分进行举例说明,实际应用中,可以根据需要而将上述功能分配由不同的功能单元、模块完成,即将装置的内部结构划分成不同的功能单元或模块,以完成以上描述的全部或者部分功能。实施例中的各功能单元、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,也可以采用软件功能单元的形式实现。另外,各功能单元、模块的具体名称也只是为了便于相互区分,并不用于限制本申请的保护范围。上述系统中单元、模块的具体工作过程,可以参考前述方法实施例中的对应过程,在此不再赘述。
在上述实施例中,对各个实施例的描述都各有侧重,某个实施例中没有详述或记载的部分,可以参见其它实施例的相关描述。
本领域普通技术人员可以意识到,结合本文中所公开的实施例描述的各示例的单元及算法步骤,能够以电子硬件、或者计算机软件和电子硬件的结合来实现。这些功能究竟以硬件还是软件方式来执行,取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能,但是这种实现不应认为超出本申请的范围。
在本申请所提供的实施例中,应该理解到,所揭露的装置/终端设备和方法,可以通过其它的方式实现。例如,以上所描述的装置/终端设备实施例仅是示意性的,例如,模块或单元的划分,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,例如多个单元或组件可以结合或者可以集成到另一个系统,或一些特征可以忽略,或不执行。另一点,所显示或讨论的相互之间的耦合或直接耦合或通讯连接可以是通过一些接口,装置或单元的间接耦合或通讯连接,可以是电性,机械或其它的形式。
作为分离部件说明的单元可以是或者也可以不是物理上分开的,作为单元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单元来实现本实施例方案的目的。
另外,在本申请各个实施例中的各功能单元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,也可以采用软件功能单元的形式实现。
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,本申请实现上述实施例方法中的全部或部分流程,也可以通过计算机程序来指令相关的硬件来完成,的计算机程序可存储于一计算机可读存储介质中,该计算机程序在被处理器执行时,可实现上述各个方法实施例的步骤。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。
本申请并不局限于上述实施方式,如果对本申请的各种改动或变形不脱离本申请的精神和范围,倘若这些改动和变形属于本申请的权利要求和等同技术范围之内,则本申请也意图包含这些改动和变形。
Claims (7)
1.一种触摸数据处理方法,其特征在于,包括如下步骤:
获取至少一个触摸物在红外触控屏上进行触控操作所产生的红外光线数据集;
根据所述红外光线数据集确定触控点,并获取指示所述触控点触摸特征的几何特征信息,并根据所述几何特征信息查找出笔尖对应的触控点集合;
分别获取触控点集合中各个触摸点的属性参数以及与所述触控点相关联的红外光线特征参数,包括:获取触控点的坐标信息;获取控制红外对管扫描的系统时间;根据所述系统时间获取触控点的运动速度参数以及加速度参数;根据红外对管扫描采集的红外光网的模拟光信号获取与所述触控点相关联的红外光线数目得到光线数目参数;获取所述触控点相关联的各个红外对管红外光线的光线深度得到光线深度参数;根据所述光线数目参数与光线深度参数计算光线比例参数,其中,光线深度参数为光线遮挡后的光强相对于未遮挡时光强的比例,通过各道与触控点相关联的红外光线的遮挡后的光强以及未遮挡时的光强计算触控点相关联的各个红外光线的光线深度参数;所述光线比例参数为触控点的若干个光线深度区间的红外光线数目与触控点相关联的红外光线数目的比例;
将所述属性参数与红外光线特征参数输入预设的触摸笔尖识别模型中进行人工智能识别,获得所述触控操作的笔尖类别。
2.根据权利要求1所述的触摸数据处理方法,其特征在于,所述获取指示所述触控点触摸特征的几何特征信息,包括:
根据红外对管扫描采集的红外光网的模拟光信号定位触控点的坐标信息,根据所述坐标信息计算触控点的长度参数、宽度参数以及所述触控点的面积参数。
3.根据权利要求2所述的触摸数据处理方法,其特征在于,所述根据所述光线数目参数与光线深度参数计算光线比例参数,包括:
对所述触控点相关联的各个红外光线的光线深度进行平均处理以及最值处理,获取所述触控点的光线深度参数,其中,所述光线深度参数包括平均深度参数、最大深度参数以及最小深度参数;
根据所述触控点相关联的各个红外光线的光线深度,获取所述触控点对应的位于预设的若干个光线深度区间的红外光线数目;
计算位于预设的若干个光线深度区间的所述红外光线数目与所述触控点相关联的红外光线数目的比例,获得所述触控点的光线比例参数。
4.根据权利要求1至3中任一项权利要求所述的触摸数据处理方法,其特征在于,还包括训练所述触摸笔尖识别模型,所述训练所述触摸笔尖识别模型,包括步骤:
获取若干个样本触控点的触控特征以及触摸物标签,其中,所述触摸物标签用于指示触摸物接触红外触控屏的触摸物类型;
将若干个样本触控点的触控特征以及触摸物标签输入至预设的神经网络模型中进行训练,获取所述触摸笔尖识别模型。
5.一种触摸数据处理装置,其特征在于,包括:
光线数据获取模块,用于获取至少一个触摸物在红外触控屏上进行触控操作所产生的红外光线数据集;
触控点识别模块,用于根据所述红外光线数据集确定触控点,并获取指示所述触控点触摸特征的几何特征信息,并根据所述几何特征信息查找出笔尖对应的触控点集合;
特征参数获取模块,用于分别获取触控点集合中各个触摸点的属性参数以及与所述触控点相关联的红外光线特征参数,包括:获取触控点的坐标信息;获取控制红外对管扫描的系统时间;根据所述系统时间获取触控点的运动速度参数以及加速度参数;根据红外对管扫描采集的红外光网的模拟光信号获取与所述触控点相关联的红外光线数目得到光线数目参数;获取所述触控点相关联的各个红外对管红外光线的光线深度得到光线深度参数;根据所述光线数目参数与光线深度参数计算光线比例参数,其中,光线深度参数为光线遮挡后的光强相对于未遮挡时光强的比例,通过各道与触控点相关联的红外光线的遮挡后的光强以及未遮挡时的光强计算触控点相关联的各个红外光线的光线深度参数;所述光线比例参数为触控点的若干个光线深度区间的红外光线数目与触控点相关联的红外光线数目的比例;
笔尖类别识别模块,用于将所述属性参数与红外光线特征参数输入预设的触摸笔尖识别模型中进行人工智能识别,获得所述触控操作的笔尖类别。
6.一种电子设备,其特征在于,包括:处理器、存储器以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;所述计算机程序被所述处理器执行时实现如权利要求1至4中任一项所述的触摸数据处理方法的步骤。
7.一种存储介质,其特征在于:所述存储介质存储有计算机程序,所述计算机程序被处理器执行时实现如权利要求1至4任一项所述的触摸数据处理方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310070001.2A CN115793892B (zh) | 2023-02-07 | 2023-02-07 | 触摸数据处理方法、装置、电子设备及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310070001.2A CN115793892B (zh) | 2023-02-07 | 2023-02-07 | 触摸数据处理方法、装置、电子设备及存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN115793892A CN115793892A (zh) | 2023-03-14 |
CN115793892B true CN115793892B (zh) | 2023-05-16 |
Family
ID=85430131
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310070001.2A Active CN115793892B (zh) | 2023-02-07 | 2023-02-07 | 触摸数据处理方法、装置、电子设备及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115793892B (zh) |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105242813A (zh) * | 2014-06-20 | 2016-01-13 | 鸿合科技有限公司 | 一种基于红外屏物体识别的方法和装置 |
CN111488897A (zh) * | 2019-01-28 | 2020-08-04 | 上海品奇数码科技有限公司 | 一种触摸物体的检测识别方法及其装置 |
Family Cites Families (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107077196B (zh) * | 2014-09-30 | 2020-01-21 | 惠普发展公司,有限责任合伙企业 | 识别触敏表面上的对象 |
CN107562288B (zh) * | 2017-08-31 | 2020-03-06 | 广东美的制冷设备有限公司 | 基于红外触控装置的响应方法、红外触控装置和介质 |
CN114237419B (zh) * | 2021-03-31 | 2023-10-27 | 青岛海信商用显示股份有限公司 | 显示设备、触控事件的识别方法 |
CN115390683A (zh) * | 2021-05-10 | 2022-11-25 | 广州创知科技有限公司 | 触控笔的分类方法、装置及设备 |
CN115390682A (zh) * | 2021-05-10 | 2022-11-25 | 广州创知科技有限公司 | 触控笔的分类方法、装置及设备 |
CN115543115A (zh) * | 2021-06-30 | 2022-12-30 | 华为技术有限公司 | 触控操作识别方法、装置及相关设备 |
-
2023
- 2023-02-07 CN CN202310070001.2A patent/CN115793892B/zh active Active
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105242813A (zh) * | 2014-06-20 | 2016-01-13 | 鸿合科技有限公司 | 一种基于红外屏物体识别的方法和装置 |
CN111488897A (zh) * | 2019-01-28 | 2020-08-04 | 上海品奇数码科技有限公司 | 一种触摸物体的检测识别方法及其装置 |
Also Published As
Publication number | Publication date |
---|---|
CN115793892A (zh) | 2023-03-14 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US10127199B2 (en) | Automatic measure of visual similarity between fonts | |
CN109376631B (zh) | 一种基于神经网络的回环检测方法及装置 | |
CN104350509B (zh) | 快速姿势检测器 | |
CN108027876B (zh) | 用于识别多个对象输入的系统及其方法和产品 | |
US20160027208A1 (en) | Image analysis method | |
CN111178250A (zh) | 物体识别定位方法、装置及终端设备 | |
CN106648078B (zh) | 应用于智能机器人的多模态交互方法及系统 | |
CN103824072B (zh) | 对手写字符的字体结构进行检测的方法及装置 | |
US20180260661A1 (en) | Image processing apparatus, image processing method, and image processing program | |
JP2022501713A (ja) | 動作認識方法及び装置、電子機器、並びに記憶媒体 | |
CN108960136B (zh) | 人脸对齐算法中初始人脸形状的确定方法和装置 | |
CN108701215A (zh) | 用于识别多对象结构的系统和方法 | |
CN102622603A (zh) | 用于评价人体姿势识别技术的方法和装置 | |
CN114509785A (zh) | 三维物体检测方法、装置、存储介质、处理器及系统 | |
CN110717385A (zh) | 一种动态手势识别方法 | |
CN111738252B (zh) | 图像中的文本行检测方法、装置及计算机系统 | |
CN106529480A (zh) | 一种基于深度信息的指尖检测和手势识别方法与系统 | |
CN115793892B (zh) | 触摸数据处理方法、装置、电子设备及存储介质 | |
CN111142663A (zh) | 一种手势识别方法及手势识别系统 | |
US9405375B2 (en) | Translation and scale invariant features for gesture recognition | |
US11282267B2 (en) | System and method for providing automated data visualization and modification | |
US11216107B2 (en) | Position detection circuit and position detection method | |
TW201248456A (en) | Identifying contacts and contact attributes in touch sensor data using spatial and temporal features | |
CN108696722B (zh) | 一种目标监测方法、系统及设备和存储介质 | |
CN113220125A (zh) | 手指交互方法、装置、电子设备及计算机存储介质 |
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 |