CN116844174A - 一种手写字符识别系统、方法、设备和存储介质 - Google Patents
一种手写字符识别系统、方法、设备和存储介质 Download PDFInfo
- Publication number
- CN116844174A CN116844174A CN202310834062.1A CN202310834062A CN116844174A CN 116844174 A CN116844174 A CN 116844174A CN 202310834062 A CN202310834062 A CN 202310834062A CN 116844174 A CN116844174 A CN 116844174A
- Authority
- CN
- China
- Prior art keywords
- character image
- key
- handwritten character
- module
- encrypted
- 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
- 238000000034 method Methods 0.000 title claims abstract description 48
- 230000005540 biological transmission Effects 0.000 claims abstract description 9
- 239000011159 matrix material Substances 0.000 claims description 73
- 238000005259 measurement Methods 0.000 claims description 40
- 230000000739 chaotic effect Effects 0.000 claims description 16
- 238000013507 mapping Methods 0.000 claims description 16
- 238000013527 convolutional neural network Methods 0.000 claims description 10
- 238000012549 training Methods 0.000 claims description 7
- 239000000126 substance Substances 0.000 claims description 5
- 238000000605 extraction Methods 0.000 claims description 3
- 238000013473 artificial intelligence Methods 0.000 abstract description 3
- 238000005516 engineering process Methods 0.000 description 9
- 238000010586 diagram Methods 0.000 description 8
- 230000003287 optical effect Effects 0.000 description 6
- 238000012545 processing Methods 0.000 description 4
- 238000004590 computer program Methods 0.000 description 3
- 238000011161 development Methods 0.000 description 2
- 230000006870 function Effects 0.000 description 2
- 238000010295 mobile communication Methods 0.000 description 2
- 239000013307 optical fiber Substances 0.000 description 2
- 230000002093 peripheral effect Effects 0.000 description 2
- 230000000644 propagated effect Effects 0.000 description 2
- 238000003491 array Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 229910002056 binary alloy Inorganic materials 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 230000009977 dual effect Effects 0.000 description 1
- 230000000750 progressive effect Effects 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
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
- G06V30/22—Character recognition characterised by the type of writing
- G06V30/226—Character recognition characterised by the type of writing of cursive writing
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F21/00—Security arrangements for protecting computers, components thereof, programs or data against unauthorised activity
- G06F21/60—Protecting data
- G06F21/602—Providing cryptographic facilities or services
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F21/00—Security arrangements for protecting computers, components thereof, programs or data against unauthorised activity
- G06F21/60—Protecting data
- G06F21/62—Protecting access to data via a platform, e.g. using keys or access control rules
- G06F21/6218—Protecting access to data via a platform, e.g. using keys or access control rules to a system of files or objects, e.g. local or distributed file system or database
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/04—Architecture, e.g. interconnection topology
- G06N3/0464—Convolutional networks [CNN, ConvNet]
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/08—Learning methods
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
- G06V10/82—Arrangements for image or video recognition or understanding using pattern recognition or machine learning using neural networks
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- General Health & Medical Sciences (AREA)
- Health & Medical Sciences (AREA)
- Software Systems (AREA)
- General Engineering & Computer Science (AREA)
- Evolutionary Computation (AREA)
- Artificial Intelligence (AREA)
- Computing Systems (AREA)
- Life Sciences & Earth Sciences (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Databases & Information Systems (AREA)
- Bioethics (AREA)
- Computer Hardware Design (AREA)
- Computer Security & Cryptography (AREA)
- Multimedia (AREA)
- Mathematical Physics (AREA)
- Biomedical Technology (AREA)
- Biophysics (AREA)
- Computational Linguistics (AREA)
- Data Mining & Analysis (AREA)
- Molecular Biology (AREA)
- Medical Informatics (AREA)
- Character Discrimination (AREA)
Abstract
本申请公开了一种手写字符识别系统、方法、设备和存储介质。可应用于人工智能领域或金融领域。该系统包括:包括:用户终端系统、云端服务系统和传输模块;用户终端系统包括图像采集模块和加密模块;云端服务系统包括解密模块和识别模块;图像采集模块采集用户手写输入的字符图像;加密模块利用第一密钥和第二密钥对字符图像加密,得到加密的手写字符图像;传输模块将加密的手写字符图像发送至云端服务系统;解密模块利用第一密钥和第二密钥对加密的字符图像进行解密,得到手写字符图像;识别模块用于使用识别模型识别手写字符图像,得到识别结果。该系统采用双重加密机制提高识别过程的安全性。
Description
技术领域
本申请涉及人工智能技术领域,特别是涉及一种手写字符识别系统、方法、设备和存储介质。
背景技术
随着信息技术的发展,在诸多场景中,电子文件取代了纸质文件,对于需要用户手写签名的场景,也由电子签名取代了纸质签名。例如,在银行业务中,经常有需要客户手写签名的场景,对于手写签名的识别在业务中起着重要作用。
然而,客户手写签名具有一定的隐私性,如在识别过程中被盗用,则可能会导致客户财产损失。
发明内容
基于上述问题,本申请提供了一种手写字符识别系统、方法、设备和存储介质,能够将获取的客户手写内容两次加密后上传至云端服务系统进行识别,保证识别过程的安全性。
本申请公开了如下技术方案:
本申请第一方面提供一种手写字符识别系统,包括:用户终端系统、云端服务系统和传输模块;所述用户终端系统包括图像采集模块和加密模块;所述云端服务系统包括解密模块和识别模块;
所述图像采集模块用于采集用户手写输入的字符图像;
所述加密模块用于利用逻辑斯谛映射方程生成第一密钥;利用量子秘钥分发技术生成第二密钥;利用所述第一密钥和所述第二密钥对所述字符图像加密,得到加密的手写字符图像;
所述传输模块用于将所述加密的手写字符图像发送至所述云端服务系统;
所述解密模块用于利用第一密钥和第二密钥对所述加密的字符图像进行解密,得到手写字符图像;
所述识别模块用于使用识别模型识别手写字符图像,得到识别结果;所述识别模型是由人工识别成功的手写字符图像及对应的识别结果对卷积神经网络进行训练得到的。
在一种可能的实现方式中,所述加密模块包括:第一生成模块;所述解密模块包括:第二生成模块;
所述第一生成模块用于随机生成N组初始密钥,并选择第一测量基;向所述云端服务系统发送根据第一测量基调制所述N组初始密钥得到的光子信号;其中,N的值为所述字符图像的像素矩阵的元素个数;每组初始密钥为8位二进制编码;
所述第二生成模块用于在接收到所述光子信号后,随机选择第二测量基;向所述用户终端系统发送所述第二测量基;
所述第一生成模块用于将所述第一测量基与所述第二测量基的子集作为第三测量基,根据所述第三测量基和所述光子信号,得到第二密钥;将所述第三测量基发送给所述云端服务系统;
所述第二生成模块用于根据所述第三测量基和所述光子信号,得到第二密钥。
在一种可能的实现方式中,所述加密模块还包括:第三生成模块,用于根据预设规则生成初始值;利用逻辑斯谛映射方程及所述初始值做N次迭代计算,生成混沌序列,将所述混沌序列转换为二维混沌矩阵,将所述二维混沌矩阵作为第一密钥,并将所述第一密钥发送给所述云端服务系统。
在一种可能的实现方式中,所述加密模块具体用于将所述第一密钥与所述字符图像的像素矩阵进行逻辑运算,得到第一加密像素矩阵;将所述第二密钥与所述第一加密像素矩阵进行逻辑运算,得到第二加密像素矩阵,进而将第二加密像素矩阵转换为加密的手写字符图像。
在一种可能的实现方式中,所述解密模块具体用于将第二密钥与所述所述加密的手写字符图像的像素矩阵进行逻辑运算,得到第一加密像素矩阵;
将第一密钥与所述第一加密像素矩阵进行逻辑运算,得到手写字符图像的像素矩阵,进而将手写字符图像的像素矩阵转换为手写字符图像。
在一种可能的实现方式中,所述识别模块包括:特征提取子模块,用于对手写字符图像进行特征提取,得到特征矩阵;
识别子模块,用于将所述特征矩阵输入识别模型,输出识别结果。
本申请第二方面提供一种手写字符识别方法,应用于用户终端系统,所述方法包括:
采集用户手写输入的字符图像;
利用逻辑斯谛映射方程生成第一密钥;
利用量子秘钥分发技术生成第二密钥;
利用所述第一密钥和所述第二密钥对所述字符图像加密,得到加密的手写字符图像;
将所述加密的手写字符图像发送至云端服务系统,以使所述云端服务系统利用第一密钥和第二密钥对所述加密的字符图像进行解密,得到手写字符图像;利用识别模型识别手写字符图像,得到识别结果;所述识别模型是由人工识别成功的手写字符图像及对应的识别结果对卷积神经网络进行训练得到的。
在一种可能的实现方式中,所述利用所述第一密钥和所述第二密钥对所述字符图像加密,得到加密的手写字符图像,包括:将所述第一密钥与所述字符图像的像素矩阵进行逻辑运算,得到第一加密像素矩阵;将所述第二密钥与所述第一加密像素矩阵进行逻辑运算,得到第二加密像素矩阵,进而将第二加密像素矩阵转换为加密的手写字符图像。
本申请第三方面提供一种手写字符识别设备,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计算机程序时,实现如本申请第二方面所述的手写字符识别方法。
本申请第四方面提供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指令,当所述指令在终端设备上运行时,使得所述终端设备执行如本申请第二方面所述的手写字符识别方法。
相较于现有技术,本申请具有以下有益效果:
本申请提供的手写字符识别系统和方法,能够将用户输入的手写字符图像,利用Logistic映射方程和量子秘钥分发技术进行双重加密后传输到云端服务系统,进而使用卷积神经网络对手写字符图像进行识别。双重加密机制防止用户手写字符在整个识别过程中泄露,提高识别过程的安全性。
附图说明
为了更清楚地说明本申请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申请的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动性的前提下,还可以根据这些附图获得其他的附图。
图1为本申请实施例提供的一种场景示例的示意图;
图2为本申请实施例提的一种手写字符识别系统结构图;
图3为本申请实施例提供的一种手写字符识别方法流程图;
图4为本申请实施例提供的一种计算机设备结构图。
具体实施方式
正如前文所述,随着信息技术的发展,在诸多场景中,电子文件取代了纸质文件,对于需要用户手写签名的场景,也由电子签名取代了纸质签名。例如,在银行业务中,经常有需要客户手写签名的场景,对于手写签名的识别在业务中起着重要作用。
然而,客户手写签名具有一定的隐私性,如在识别过程中被盗用,则可能会导致客户财产损失。
有鉴于此,本申请实施例提供了一种手写字符识别系统、方法、设备和存储介质。为了便于理解本申请实施例提供的手写字符识别方法,下面将结合图1所示的场景示例进行说明。其中,图1为本申请实施例提供的一种场景示例的示意图。
在实际应用中,终端设备101采集用户手写输入的字符图像;利用Logistic映射方程生成第一密钥;利用量子秘钥分发技术生成第二密钥;利用所述第一密钥和所述第二密钥对所述字符图像加密,得到加密的手写字符图像;将所述加密的手写字符图像发送至云端服务器102,以使所述云端服务器102利用第一密钥和第二密钥对所述加密的字符图像进行解密,得到手写字符图像;利用识别模型识别手写字符图像,得到识别结果;所述识别模型是由人工识别成功的手写字符图像及对应的识别结果对卷积神经网络进行训练得到的。本申请实施例双重加密机制防止用户手写信息在整个识别过程中泄露,提高识别过程的安全性。
本领域技术人员可以理解,图1所示的框架示意图仅是本申请的实施方式可以在其中得以实现的一个示例。本申请实施方式的适用范围不受到该框架任何方面的限制。
为了使本技术领域的人员更好地理解本申请方案,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。
参见图2,该图为本申请实施例提供的一种手写字符识别系统结构图。如图2所示,该系统包括:用户终端系统210、云端服务系统220和传输模块230;所述用户终端系统210包括图像采集模块2101和加密模块2102;所述云端服务系统220包括解密模块2201和识别模块2202;
所述图像采集模块2101用于采集用户手写输入的字符图像;
所述加密模块2102用于利用Logistic(逻辑斯谛)映射方程生成第一密钥;利用量子秘钥分发技术生成第二密钥;利用所述第一密钥和所述第二密钥对所述字符图像加密,得到加密的手写字符图像;
所述传输模块230用于将所述加密的手写字符图像发送至所述云端服务系统;
所述解密模块2201用于利用第一密钥和第二密钥对所述加密的字符图像进行解密,得到手写字符图像;
本实施例采用双重加密的方式,避免用户手写字符泄露。
所述识别模块2202用于使用识别模型识别手写字符图像,得到识别结果;所述识别模型是由人工识别成功的手写字符图像及对应的识别结果对卷积神经网络进行训练得到的。
在一个示例中,传输模块230采用5G(5th Generation Mobile CommunicationTechnology,第五代移动通信技术)实现。
本申请实施例能够将用户输入的手写字符图像,利用Logistic映射方程和量子秘钥分发技术进行双重加密后传输到云端服务系统,进而使用卷积神经网络对手写字符图像进行识别。双重加密机制防止用户手写字符在整个识别过程中泄露,提高识别过程的安全性。
在一种可能的实现方式中,所述加密模块2102包括:第一生成模块;所述解密模块2201包括:第二生成模块;
所述第一生成模块用于随机生成N组初始密钥,并选择第一测量基;向所述云端服务系统发送根据第一测量基调制所述N组初始密钥得到的光子信号;其中,N的值为所述字符图像的像素矩阵的元素个数;每组初始密钥为8位二进制编码;
所述第二生成模块用于在接收到所述光子信号后,随机选择第二测量基;向所述用户终端系统发送所述第二测量基;
所述第一生成模块用于将所述第一测量基与所述第二测量基的子集作为第三测量基,根据所述第三测量基和所述光子信号,得到第二密钥;将所述第三测量基发送给所述云端服务系统;
所述第二生成模块用于根据所述第三测量基和所述光子信号,得到第二密钥。
在一种可能的实现方式中,所述加密模块2101还包括:第三生成模块,用于根据预设规则生成初始值;利用Logistic(逻辑斯谛)映射方程及所述初始值做N次迭代计算,生成混沌序列,将所述混沌序列转换为二维混沌矩阵,将所述二维混沌矩阵作为第一密钥,并将所述第一密钥发送给所述云端服务系统;其中,N的值为所述字符图像的像素矩阵的元素个数。
在一种可能的实现方式中,所述加密模块2101具体用于将所述第一密钥与所述字符图像的像素矩阵进行逻辑运算,得到第一加密像素矩阵;将所述第二密钥与所述第一加密像素矩阵进行逻辑运算,得到第二加密像素矩阵,进而将第二加密像素矩阵转换为加密的手写字符图像。
在一个示例中,将所述第一密钥与所述字符图像的像素矩阵进行异或运算,得到第一加密像素矩阵;将所述第二密钥与所述第一加密像素矩阵进行异或运算,得到第二加密像素矩阵。
在一个示例中,加密手写字符的过程如下:
(1)提取字符图像的像素值([0-255]之间),得到m*n的像素矩阵A;
(2)基于Logistic映射方程重新计算获得新的m*n矩阵像素值,其中,Logistic(逻辑斯谛)映射方程为:xk+1=λxk(1-xk),(k=1,2,3...),其中初始值为x0(x0可以根据预设规则得到),经过多次迭代计算之后可以得到x1、x2、x3...xN,对于m*n大小的图像,需要生产同样大小矩阵进行加密,即N=m*n,需要迭代m*n次,得到一个二维矩阵B1(第一密钥);
(3)将矩阵B1与像素矩阵A做异或运算,得到第一加密像素矩阵A1;对A1矩阵中各个数据进行二进制转换得到矩阵A2,此时矩阵A2中存在的是m*n个8位二进制;
(4)基于量子秘钥分发技术,生成m*n组密钥,每组为8位二进制密钥,组成矩阵B2(第二密钥);将矩阵A2和矩阵B2进行异或运算,得到加密后的二进制码,将其转换成新的数字即可得到第二加密像素矩阵。
在一种可能的实现方式中,所述解密模块具体用于将第二密钥与所述所述加密的手写字符图像的像素序列进行逻辑运算,得到第一加密像素序列;将第一密钥与所述第一加密像素序列进行逻辑运算,得到手写字符图像的像素序列,进而将手写字符图像的像素序列转换为手写字符图像。
在一种可能的实现方式中,所述识别模块包括:特征提取子模块,用于对手写字符图像进行特征提取,得到特征矩阵;
识别子模块,用于将所述特征矩阵输入识别模型,输出识别结果。
参见图3,该图为本申请实施例提供的一种手写字符识别方法流程图,如图3所示,该方法包括:
S301、用户终端系统采集用户手写输入的字符图像;
S302、用户终端系统利用Logistic(逻辑斯谛)映射方程生成第一密钥;
S303、用户终端系统利用量子秘钥分发技术生成第二密钥;
S304、用户终端系统利用所述第一密钥和所述第二密钥对所述字符图像加密,得到加密的手写字符图像;
在一种可能的实现方式中,S304包括:将所述第一密钥与所述字符图像的像素序列进行逻辑运算,得到第一加密像素序列;将所述第二密钥与所述第一加密加像素序列进行逻辑运算,得到第二加密像素序列,进而将第二加密像素序列转换为加密的手写字符图像。
S305、用户终端系统将所述加密的手写字符图像发送至云端服务系统;
S306、云端服务系统利用第一密钥和第二密钥对所述加密的字符图像进行解密,得到手写字符图像;
在一种可能的实现方式中,S306包括将第二密钥与所述所述加密的手写字符图像的像素序列进行逻辑运算,得到第一加密像素序列;将第一密钥与所述第一加密像素序列进行逻辑运算,得到手写字符图像的像素序列,进而将手写字符图像的像素序列转换为手写字符图像。
S307、云端服务系统利用识别模型识别手写字符图像,得到识别结果;所述识别模型是由人工识别成功的手写字符图像及对应的识别结果对卷积神经网络进行训练得到的。
本申请实施例能够将用户输入的手写字符图像,利用Logistic映射方程和量子秘钥分发技术进行双重加密后传输到云端服务系统,进而使用卷积神经网络对手写字符图像进行识别。双重加密机制防止用户手写字符在整个识别过程中泄露,提高识别过程的安全性。
在一种可能的实现方式中,第二密钥的生成方法包括:
A1、用户终端系统随机生成N组初始密钥,并选择第一测量基;向所述云端服务系统发送根据第一测量基调制所述N组初始密钥得到的光子信号;其中,N的值为所述字符图像的像素矩阵的元素个数;每组初始密钥为8位二进制编码;
A2、云端服务系统在接收到所述光子信号后,随机选择第二测量基;向所述用户终端系统发送所述第二测量基;
A3、用户终端系统将所述第一测量基与所述第二测量基的子集作为第三测量基,根据所述第三测量基和所述光子信号,得到第二密钥;将所述第三测量基发送给所述云端服务系统;
A4、云端服务系统根据所述第三测量基和所述光子信号,得到第二密钥。
在一种可能的实现方式中,第一密钥的生成方法包括:
根据预设规则生成初始值;利用Logistic映射方程及所述初始值做N次迭代计算,生成混沌序列,将所述混沌序列转换为二维混沌矩阵,将所述二维混沌矩阵作为第一密钥,并将所述第一密钥发送给所述云端服务系统;其中,N的值为所述字符图像的像素矩阵的元素个数。
本申请实施例提供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指令,当所述指令在终端设备上运行时,使得所述终端设备执行如本申请实施例提供的一种手写字符识别方法。
在实际应用中,所述计算机可读存储介质可以采用一个或多个计算机可读的介质的任意组合。计算机可读介质可以是计算机可读信号介质或者计算机可读存储介质。计算机可读存储介质例如可以是但不限于电、磁、光、电磁、红外线、或半导体的系统、装置或器件,或者任意以上的组合。计算机可读存储介质的更具体的例子(非穷举的列表)包括:具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑磁盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本实施例中,计算机可读存储介质可以是任何包含或存储程序的有形介质,该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。
计算机可读的信号介质可以包括在基带中或者作为载波一部分传播的数据信号,其中承载了计算机可读的程序代码。这种传播的数据信号可以采用多种形式,包括但不限于电磁信号、光信号或上述的任意合适的组合。计算机可读的信号介质还可以是计算机可读存储介质以外的任何计算机可读介质,该计算机可读介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。
计算机可读介质上包含的程序代码可以用任何适当的介质传输,包括但不限于无线、电线、光缆、RF等等,或者上述的任意合适的组合。
可以以一种或多种程序设计语言或其组合来编写用于执行本申请操作的计算机程序代码,所述程序设计语言包括面向对象的程序设计语言—诸如Java、Smalltalk、C++,还包括常规的过程式程序设计语言—诸如“C”语言或类似的程序设计语言。程序代码可以完全地在用户计算机上执行、部分地在用户计算机上执行、作为一个独立的软件包执行、部分在用户计算机上部分在远程计算机上执行、或者完全在远程计算机或云端服务系统上执行。在涉及远程计算机的情形中,远程计算机可以通过任意种类的网络——包括局域网(LAN)或广域网(WAN)—连接到用户计算机,或者,可以连接到外部计算机(例如利用因特网服务提供商来通过因特网连接)。
如图4所示,本申请实施例提供的一种计算机设备的结构示意图。该计算机设备可应用为手写字符识别设备。图4显示的计算机设备12仅仅是一个示例,不应对本申请实施例的功能和使用范围带来任何限制。
如图4所示,计算机设备12以通用计算设备的形式表现。计算机设备12的组件可以包括但不限于:一个或者多个处理器或者处理单元16,系统存储器28,连接不同系统组件(包括系统存储器28和处理单元16)的总线18。
总线18表示几类总线结构中的一种或多种,包括存储器总线或者存储器控制器,外围总线,图形加速端口,处理器或者使用多种总线结构中的任意总线结构的局域总线。举例来说,这些体系结构包括但不限于工业标准体系结构(ISA)总线,微通道体系结构(MAC)总线,增强型ISA总线、视频电子标准协会(VESA)局域总线以及外围组件互连(PCI)总线。
计算机设备12典型地包括多种计算机系统可读介质。这些介质可以是任何能够被计算机设备12访问的可用介质,包括易失性和非易失性介质,可移动的和不可移动的介质。
系统存储器28可以包括易失性存储器形式的计算机系统可读介质,例如随机存取存储器(RAM)30和/或高速缓存存储器32。计算机设备12可以进一步包括其它可移动/不可移动的、易失性/非易失性计算机系统存储介质。仅作为举例,存储系统34可以用于读写不可移动的、非易失性磁介质(图4未显示,通常称为“硬盘驱动器”)。尽管图4中未示出,可以提供用于对可移动非易失性磁盘(例如“软盘”)读写的磁盘驱动器,以及对可移动非易失性光盘(例如CD-ROM,DVD-ROM或者其它光介质)读写的光盘驱动器。在这些情况下,每个驱动器可以通过一个或者多个数据介质接口与总线18相连。存储器28可以包括至少一个程序产品,该程序产品具有一组(例如至少一个)程序模块,这些程序模块被配置以执行本申请各实施例的功能。
具有一组(至少一个)程序模块42的程序/实用工具40,可以存储在例如存储器28中,这样的程序模块42包括但不限于操作系统、一个或者多个应用程序、其它程序模块以及程序数据,这些示例中的每一个或某种组合中可能包括网络环境的实现。程序模块42通常执行本申请所描述的实施例中的功能和/或方法。
计算机设备12也可以与一个或多个外部设备14(例如键盘、指向设备、显示器24等)通信,还可与一个或者多个使得用户能与该计算机设备12交互的设备通信,和/或与使得该计算机设备12能与一个或多个其它计算设备进行通信的任何设备(例如网卡,调制解调器等等)通信。这种通信可以通过输入/输出(I/O)接口22进行。并且,计算机设备12还可以通过网络适配器20与一个或者多个网络(例如局域网(LAN),广域网(WAN)和/或公共网络,例如因特网)通信。如图4所示,网络适配器20通过总线18与计算机设备12的其它模块通信。应当明白,尽管图4中未示出,可以结合计算机设备12使用其它硬件和/或软件模块,包括但不限于:微代码、设备驱动器、冗余处理单元、外部磁盘驱动阵列、RAID系统、磁带驱动器以及数据备份存储系统等。
处理器单元16通过运行存储在系统存储器28中的程序,从而执行各种功能应用以及数据处理,例如实现本申请实施例提供的手写字符识别方法。
本申请提供的一种手写字符识别系统、方法、设备和存储介质,可用于人工智能领域或金融领域,上述仅为示例,并不对本申请提供的手写字符识别系统、方法、设备和存储介质的应用领域进行限定。
需要说明的是,本说明书中的各个实施例均采用递进的方式描述,各个实施例之间相同相似的部分互相参见即可,每个实施例重点说明的都是与其他实施例的不同之处。尤其,对于设备及系统实施例而言,由于其基本相似于方法实施例,所以描述得比较简单,相关之处参见方法实施例的部分说明即可。以上所描述的设备及系统实施例仅仅是示意性的,其中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,作为单元提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。本领域普通技术人员在不付出创造性劳动的情况下,即可以理解并实施。
以上所述,仅为本申请的一种具体实施方式,但本申请的保护范围并不局限于此,任何熟悉本技术领域的技术人员在本申请揭露的技术范围内,可轻易想到的变化或替换,都应涵盖在本申请的保护范围之内。因此,本申请的保护范围应该以权利要求的保护范围为准。
Claims (10)
1.一种手写字符识别系统,其特征在于,包括:用户终端系统、云端服务系统和传输模块;所述用户终端系统包括图像采集模块和加密模块;所述云端服务系统包括解密模块和识别模块;
所述图像采集模块用于采集用户手写输入的字符图像;
所述加密模块用于利用逻辑斯谛映射方程生成第一密钥;利用量子秘钥分发技术生成第二密钥;利用所述第一密钥和所述第二密钥对所述字符图像加密,得到加密的手写字符图像;
所述传输模块用于将所述加密的手写字符图像发送至所述云端服务系统;
所述解密模块用于利用第一密钥和第二密钥对所述加密的字符图像进行解密,得到手写字符图像;
所述识别模块用于使用识别模型识别手写字符图像,得到识别结果;所述识别模型是由人工识别成功的手写字符图像及对应的识别结果对卷积神经网络进行训练得到的。
2.根据权利要求1所述的系统,其特征在于,所述加密模块包括:第一生成模块;所述解密模块包括:第二生成模块;
所述第一生成模块用于随机生成N组初始密钥,并选择第一测量基;向所述云端服务系统发送根据第一测量基调制所述N组初始密钥得到的光子信号;其中,N的值为所述字符图像的像素矩阵的元素个数;每组初始密钥为8位二进制编码;
所述第二生成模块用于在接收到所述光子信号后,随机选择第二测量基;向所述用户终端系统发送所述第二测量基;
所述第一生成模块用于将所述第一测量基与所述第二测量基的子集作为第三测量基,根据所述第三测量基和所述光子信号,得到第二密钥;将所述第三测量基发送给所述云端服务系统;
所述第二生成模块用于根据所述第三测量基和所述光子信号,得到第二密钥。
3.根据权利要求2所述的系统,其特征在于,所述加密模块还包括:第三生成模块,用于根据预设规则生成初始值;利用逻辑斯谛映射方程及所述初始值做N次迭代计算,生成混沌序列,将所述混沌序列转换为二维混沌矩阵,将所述二维混沌矩阵作为第一密钥,并将所述第一密钥发送给所述云端服务系统。
4.根据权利要求1所述的系统,其特征在于,所述加密模块具体用于将所述第一密钥与所述字符图像的像素矩阵进行逻辑运算,得到第一加密像素矩阵;将所述第二密钥与所述第一加密像素矩阵进行逻辑运算,得到第二加密像素矩阵,进而将第二加密像素矩阵转换为加密的手写字符图像。
5.根据权利要求4所述的系统,其特征在于,所述解密模块具体用于将第二密钥与所述所述加密的手写字符图像的像素矩阵进行逻辑运算,得到第一加密像素矩阵;将第一密钥与所述第一加密像素矩阵进行逻辑运算,得到手写字符图像的像素矩阵,进而将手写字符图像的像素矩阵转换为手写字符图像。
6.根据权利要求1-5任一项所述的系统,其特征在于,所述识别模块包括:特征提取子模块,用于对手写字符图像进行特征提取,得到特征矩阵;
识别子模块,用于将所述特征矩阵输入识别模型,输出识别结果。
7.一种手写字符识别方法,其特征在于,应用于用户终端系统,所述方法包括:
采集用户手写输入的字符图像;
利用逻辑斯谛映射方程生成第一密钥;
利用量子秘钥分发技术生成第二密钥;
利用所述第一密钥和所述第二密钥对所述字符图像加密,得到加密的手写字符图像;
将所述加密的手写字符图像发送至云端服务系统,以使所述云端服务系统利用第一密钥和第二密钥对所述加密的字符图像进行解密,得到手写字符图像;利用识别模型识别手写字符图像,得到识别结果;所述识别模型是由人工识别成功的手写字符图像及对应的识别结果对卷积神经网络进行训练得到的。
8.根据权利要求7所述的方法,其特征在于,所述利用所述第一密钥和所述第二密钥对所述字符图像加密,得到加密的手写字符图像,包括:将所述第一密钥与所述字符图像的像素矩阵进行逻辑运算,得到第一加密像素矩阵;将所述第二密钥与所述第一加密像素矩阵进行逻辑运算,得到第二加密像素矩阵,进而将第二加密像素矩阵转换为加密的手写字符图像。
9.一种手写字符识别设备,其特征在于,包括:处理器、存储器、系统总线;
所述处理器以及所述存储器通过所述系统总线相连;
所述存储器用于存储一个或多个程序,所述一个或多个程序包括指令,所述指令当被所述处理器执行时使所述处理器执行权利要求7-8任一项所述的手写字符识别方法。
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指令,当所述指令在终端设备上运行时,使得所述终端设备执行权利要求7-8任一项所述的手写字符识别方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310834062.1A CN116844174A (zh) | 2023-07-07 | 2023-07-07 | 一种手写字符识别系统、方法、设备和存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310834062.1A CN116844174A (zh) | 2023-07-07 | 2023-07-07 | 一种手写字符识别系统、方法、设备和存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN116844174A true CN116844174A (zh) | 2023-10-03 |
Family
ID=88172284
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310834062.1A Pending CN116844174A (zh) | 2023-07-07 | 2023-07-07 | 一种手写字符识别系统、方法、设备和存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116844174A (zh) |
-
2023
- 2023-07-07 CN CN202310834062.1A patent/CN116844174A/zh active Pending
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110119643B (zh) | 二维码生成方法及装置、二维码识别方法及装置 | |
CN111460453B (zh) | 机器学习训练方法、控制器、装置、服务器、终端和介质 | |
WO2021068445A1 (zh) | 数据处理方法、装置、计算机设备和存储介质 | |
CN107612683B (zh) | 一种加解密方法、装置、系统、设备和存储介质 | |
CN112287379B (zh) | 业务数据使用方法、装置、设备、存储介质和程序产品 | |
CN111832056A (zh) | 用于生成二维码的方法和系统 | |
CN110661814A (zh) | 一种投标文件加解密方法、装置、设备和介质 | |
CN112802138B (zh) | 一种图像处理方法、装置、存储介质及电子设备 | |
CN112149174A (zh) | 模型训练方法、装置、设备和介质 | |
CN110545542B (zh) | 基于非对称加密算法的主控密钥下载方法、装置和计算机设备 | |
CN114626079A (zh) | 基于用户权限的文件查看方法、装置、设备及存储介质 | |
CN110069907A (zh) | 基于数字水印的大数据溯源方法及系统 | |
CN113055153B (zh) | 一种基于全同态加密算法的数据加密方法、系统和介质 | |
CN113946863A (zh) | 数据加密存储方法、系统、设备及存储介质 | |
CN116756758A (zh) | 一种数据加密解密方法、装置、计算机设备、存储介质 | |
CN116844174A (zh) | 一种手写字符识别系统、方法、设备和存储介质 | |
CN115550030A (zh) | 数据加密方法、装置、存储介质及电子设备 | |
US11546141B1 (en) | Cryptographic protection for portions of media | |
US11539521B2 (en) | Context based secure communication | |
CN112149140B (zh) | 预测方法、装置、设备及存储介质 | |
CN113904865A (zh) | 一种基于非对称算法的日志传输方法及装置 | |
CN113672954A (zh) | 特征提取方法、装置和电子设备 | |
CN111435452B (zh) | 模型训练方法、装置、设备和介质 | |
CN111062053A (zh) | 生物特征数据的处理方法、装置、设备及介质 | |
Mantoro et al. | Stegano-image as a digital signature to improve security authentication system in mobile computing |
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 |