CN117690150A - 一种结合ai技术的新型笔迹鉴定系统 - Google Patents
一种结合ai技术的新型笔迹鉴定系统 Download PDFInfo
- Publication number
- CN117690150A CN117690150A CN202311715894.8A CN202311715894A CN117690150A CN 117690150 A CN117690150 A CN 117690150A CN 202311715894 A CN202311715894 A CN 202311715894A CN 117690150 A CN117690150 A CN 117690150A
- Authority
- CN
- China
- Prior art keywords
- identification
- stroke
- result
- operation platform
- digital operation
- 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
- 238000005516 engineering process Methods 0.000 title claims abstract description 21
- 210000004556 brain Anatomy 0.000 claims abstract description 27
- 230000003287 optical effect Effects 0.000 claims abstract description 25
- 238000004891 communication Methods 0.000 claims abstract description 3
- 238000012549 training Methods 0.000 claims description 24
- 238000005452 bending Methods 0.000 claims description 3
- 230000005477 standard model Effects 0.000 claims description 3
- 238000000605 extraction Methods 0.000 claims description 2
- 238000000034 method Methods 0.000 abstract description 19
- 239000000284 extract Substances 0.000 description 4
- 238000013135 deep learning Methods 0.000 description 2
- 238000013136 deep learning model Methods 0.000 description 2
- 238000001514 detection method Methods 0.000 description 2
- 238000004321 preservation Methods 0.000 description 2
- 238000012216 screening Methods 0.000 description 2
- 238000012935 Averaging Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 238000012790 confirmation Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 230000008451 emotion Effects 0.000 description 1
- 230000010354 integration Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000002360 preparation method Methods 0.000 description 1
- 230000003595 spectral effect Effects 0.000 description 1
- 238000012795 verification Methods 0.000 description 1
Classifications
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02D—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN INFORMATION AND COMMUNICATION TECHNOLOGIES [ICT], I.E. INFORMATION AND COMMUNICATION TECHNOLOGIES AIMING AT THE REDUCTION OF THEIR OWN ENERGY USE
- Y02D10/00—Energy efficient computing, e.g. low power processors, power management or thermal management
Landscapes
- Collating Specific Patterns (AREA)
Abstract
本发明涉及一种结合AI技术的新型笔迹鉴定系统,包括包括光学摄录鉴定装置、数字化作业平台、云端鉴定大脑,其中,光学鉴定摄录装置,用于采集鉴定对象的信息,并发送至所述数字化作业平台;数字化作业平台,分别与光学摄录鉴定装置及云端鉴定大脑通讯连接,用于控制光学摄录鉴定装置采集鉴定对象的信息以及接收光学摄录鉴定装置的采集信息,再将采集信息传输至AI数字化作业平台,并保存返回结果;云端鉴定大脑,与数字化作业平台连接,用于接收数字化作业平台的采集信息,并进行同一性比对,再将结果返回给数字化作业平台。本发明能够高效且准确完成鉴定和比对过程,且鉴定结果可数据化输出,增加说服力。
Description
技术领域
本发明涉及文痕鉴定技术领域,具体涉及一种结合AI技术的新型笔迹鉴定系统。
背景技术
传统的笔迹鉴定技术由于缺少数字化技术和高精尖物理采集设备,难以实现分子和光谱级的位面采集,通常由光学显微镜和鉴定人的个人业务能力结合肉眼观察来完成鉴定。依赖于有经验的鉴定人员,通过观察和比对笔迹的形态、笔画特征以及书写习惯等来做出判断。然而,这种鉴定方式可能存在受鉴定人员的个人情绪、身体状况以及环境等多种因素的影响,导致观察不细致、判断不准确、耗时费力的情况出现,难以保证其客观性和准确性。其次,这种鉴定方式的效率低下,面对标准化鉴定实施流程及疑难案件的增加,需要花费大量时间和人力才能完成,无法高效且准确完成鉴定和比对过程,且鉴定结果缺少数据化客观依据。
因此,现如今急需提供一种结合AI技术的新型笔迹鉴定系统,以此来解决上述问题。
发明内容
本发明的目的是克服现有技术的不足和缺陷,提供一种结合AI技术的新型笔迹鉴定系统,能够高效且准确完成鉴定和比对过程,且鉴定结果可数据化输出。
本发明的目的是通过以下技术方案来实现的:
一种结合AI技术的新型笔迹鉴定系统,包括光学摄录鉴定装置、数字化作业平台、云端鉴定大脑,其中,所述光学鉴定摄录装置,用于采集鉴定对象的信息,并发送至所述数字化作业平台;数字化作业平台,分别与所述光学摄录鉴定装置及云端鉴定大脑通讯连接,用于控制所述光学摄录鉴定装置采集鉴定对象的信息以及接收光学摄录鉴定装置的采集信息,再将采集信息传输至数字化作业平台,并保存返回结果;云端鉴定大脑,与所述数字化作业平台连接,用于接收数字化作业平台的采集信息,并进行同一性比对,再将结果返回给数字化作业平台。
作为本发明的一种优选技术方案,所述数字化作用平台对接收到光学摄录鉴定装置的采集信息及云端鉴定大脑的鉴定结果进行建档和归档,其中,每次采集的数据都会通过区块链和时间戳的方式进行证据化保存,同时将采集的数据完善比对模型训练,再将多次采集结果加密传输至云端鉴定大脑进行同一性鉴定,并根据返回结果进行标注和记录,并证据化保存。
作为本发明的一种优选技术方案,所述云端鉴定大脑对接收到的采集信息进行同一性比对包括:
特征提取:对鉴定对象的笔痕进行降噪、骨骼化,根据已经预置的上千种字体训练的标准模型,自动识别出文字和提取书写特征,并拆解成笔画字根;
比对模型训练:以笔画字根作为特征数据录入预训练笔痕AI模型,经过反复训练以构建针对个人笔迹的独立AI模型;
笔痕比对算法:通过对待鉴定笔痕进行单字识别和拆解,将不同的笔画字根作为特征,与预训练笔痕AI模型中的已知文痕特征进行比对,结合每个笔画字根的权重,再计算相似度得出鉴定结果。
作为本发明的一种优选技术方案,所述每个笔画字根各自有不同权重系数,如:横竖笔画长度比例的权重系数为W1,横竖直笔特征角度的权重系数为W2,笔画端点特征的权重系数为W3,弯折、勾、笔锋的权重系数为W4,点、双点、三点的权重系数为W5,口、回、日结构的权重系数为W6,辶、厂等连笔部首结构的权重系数为W7,多笔画非常见字的权重系数为W8,数字书写的权重系数为W9,个人签名:权重系数为W0。
作为本发明的一种优选技术方案,经云端鉴定大脑进行同一性对比,输出鉴定结果,所述鉴定结果包括单字相似度结果X1和全局相似度结果X,所述单字相似度结果X1由单个字根特征的AI比对结果X2,结合特征权重W,以及特征数量N2得出,公式如下:
所述全局相似度结果X由单字相似度结果X1,结合文字数量N1得出,公式如下:
与现有技术相比,本发明具有如下的有益效果:
本发明通过高精度设备采集笔痕数据,将笔痕数字化解析,输入预训练笔痕AI模型进行深度学习和参考对象预训练,再通过AI算法对笔痕进行比对,以数字化流程完成鉴定过程,实现快速筛选、便捷操作、自动比对,高效的笔痕鉴定工作。鉴定全程由AI来完成,无需人工干预,其鉴定准确率远超传统模式,通过不断完善特征数据库的样本数据,提升比对结果的正确率,降低司法鉴定领域中笔迹同一性鉴定错案的发生机率,为司法公正提供采信率更高的依据。且鉴定过程数据化输出比对依据和结果对照,替代原有鉴定过程中主观判断部分,增加说服力。
附图说明
图1为本发明的流程框图。
图2为本发明的笔痕字根拆解示意图。
具体实施方式
下面结合实施例及附图对本发明作进一步详细的描述,但本发明的实施方式不限于此。
本发明具体实施过程如下:
如图1所示,一种结合AI技术的新型笔迹鉴定系统,包括光学摄录鉴定装置、数字化作业平台及云端鉴定大脑,通过本地系统的光学摄录鉴定装置和数字化作业平台采集鉴定对象样本,再传输给至云端系统的云端鉴定大脑进行比对,得出鉴定结果,将鉴定结果输出返回至数字化作业平台保存。具体的,数据化采集设备采用光学摄录鉴定装置采集鉴定对象信息,光学摄录鉴定装置以高精度采集文痕样本数据,并将数据标签化输入到数字化作业平台。本发明的数字化采集设备采用了先进的图像采集技术,可以准确地获取笔痕的形状、颜色、大小等信息。随着技术的不断进步,该设备可以更新为精度规格更高的同类设备,以适应不同场景的需求。比如采用模块化的设计,镜头可以替换为更高级别的模块化镜头,以适应不同场景的采集需求。或实现进一步集成化,使其更加便携,不受环境、场地影响,方便用户在不同环境中使用,实现高精度数据录入。
其中,光学摄录鉴定装置及云端鉴定大脑均与数字化作业平台通讯连接,数字化作业平台用于控制光学摄录鉴定装置采集鉴定对象的信息以及接收光学摄录鉴定装置的采集信息,再将采集信息传输至云端鉴定大脑,并对每次接收到的采集信息和云端鉴定大脑返回的结果进行记录和保存。数字化作业平台可向司法鉴定所证据服务平台发起出证委托,申请司法鉴定意见书,全流程由司法鉴定人进行核验确认。
本发明结合AI技术的笔迹鉴定主要是在云端鉴定大脑完成鉴定的。云端鉴定大脑是部署在云端的高算力引擎,由特殊的图片对比算法以及预训练的特征AI模型组成,云端鉴定大脑通过不断升级算法和搭模型,以及完善特征数据库来提升对比能力。具体的,云端鉴定大脑接收来自数字化作业平台的采集信息,通过图片对比算法自动识别出文字,再将识别的文字录入预训练笔痕AI模型进行特征训练,为待鉴定笔痕进行同一性比对作储备,待鉴定笔痕经进行多轮比对后,评估出同一性综合得分的初步对比结论,再将结果反馈至数字化作业平台,最后由监督人结合其他综合性鉴定手段确认最终鉴定结果。本发明基于传统经验主导型笔迹检验技术,结合高精度采集数据和AI算法,对笔迹特征进行微观检验及数据库AI模型数据智能比对,以数字化流程完成鉴定过程,为笔迹的同一性鉴定提供有力技术支撑及客观反映依据,是笔迹鉴定微观检验与核心算法相结合的新型技术鉴定系统。实现快速筛选、便捷操作、自动比对,高效的鉴定工作。鉴定全程由AI来完成,无需人工干预,其鉴定准确率远超传统模式,通过不断完善特征数据库的样本数据,提升比对结果的正确率,降低司法鉴定领域中笔迹同一性鉴定错案的发生机率,为司法公正提供采信率更高的依据。
在本发明的实施例中,数字化作业平台从鉴定对象采集鉴定信息进行建档和归档,在操作过程中,每次采集的数据都会通过区块链和时间戳的方式进行证据化保存,确保数据的真实性和不可篡改性。同时,数字化作业平台还会不断采集数据完善比对模型训练,通过深度学习技术,模型可以自动从大量数据中提取有用的特征,并利用这些特征进行分类、匹配等任务。在这个过程中,数字化作业平台会将采集的数据进行预处理和特征提取,以准备用于深度学习模型的训练。模型会使用这些数据进行学习和训练,逐渐提高其准确性和泛化能力。当模型训练完成后,数字化作业平台会将多次采集的结果进行加密传输至云端鉴定大脑进行同一性鉴定。这个过程主要是利用已经训练好的模型对新的数据进行比对和分析,以判断这些数据是否与已有的数据进行匹配或者属于同一类别。通过将加密传输的数据进行同一性鉴定,可以有效地判断采集的数据是否来自同一个物体或者同一份文档,从而为后续的鉴定工作提供可靠的依据。同时,深度学习模型可以自动学习和提取数据中的特征,无需人工干预,这种鉴定方式也可以大大提高鉴定的准确性和效率。根据返回的鉴定结果,数字化作业平台可以进行标注和记录,并且这些结果也会被证据化保存,方便后续的查阅和使用。
在本发明的实施例中,云端鉴定大脑将光学鉴定摄录装置获取到的鉴定对象的高清扫描图,结合图形AI技术,对鉴定对象的笔痕进行降噪、骨骼化,根据已经预置的上千种标准字体训练的标准模型,自动识别和提取扫描图上的文字的书写特征。这些特征包括普通笔画、偏旁部首或整字结构、书写习惯、签名样式等等,并参照图2,把识别到的文字拆解成笔画字根,数字化作业平台对拆好的字根标注特征,以字根作为特征数据录入预训练笔痕AI模型,经过反复训练以构建针对个人笔迹的独立AI模型,模型完善的程度可以用百分比来表示,同时会提示缺少的笔画数据,包括笔画或部首。补充这些数据可以进一步提高模型的完善程度,从而提升后续比对结果的精度。最后通过对待鉴定笔痕进行单字识别和拆解,将不同的笔画字根作为特征,与预训练笔痕AI模型中的已知文痕特征进行比对,结合每个笔画字根的特征权重,再计算相似度,得出最终比对结果。具体的,通过给笔画字根赋予不同的权重,来提高模型的准确率,在预训练笔痕AI模型中,每个笔画字根的特征权重的初始值由人工设定。每个笔画字根各自有不同权重系数,对于复杂汉字、个人签名、特殊结构字、非常见字以及连笔书写习惯等较为复杂的笔痕特征,赋予较高的权重,归类为高质量样本,而对于较简单的笔画,赋予较低的权重。通过不断的训练和检测样例,预训练笔痕AI模型会根据实际数据来自动修正参数,包括特征权重。通过不断调整和优化特征权重,预训练笔痕AI模型可以逐渐提高对不同类型笔痕特征的识别准确率,从而提高笔迹鉴定的准确性和可靠性。其中,可设:横竖笔画长度比例的权重系数为W1,横竖直笔特征角度的权重系数为W2,笔画端点特征的权重系数为W3,弯折、勾、笔锋的权重系数为W4,点、双点、三点的权重系数为W5,口、回、日结构的权重系数为W6,辶、厂等连笔部首结构的权重系数为W7,多笔画非常见字的权重系数为W8,数字书写的权重系数为W9,个人签名:权重系数为W0,以此类推。鉴定结果由AI图形引擎识别单个文字并识别字根,然后匹配这些特征进行比对计算得出。鉴定结果包括单字相似度结果X1和全局相似度结果X,首先,根据单个字根特征的AI比对结果X2,结合特征权重W,以及特征数量N2计算得出单个文字相似度结果X1,公式如下:
再根据单个文字相似度结果X1,结合文字数量N1计算得出全局相似度结果X,公式如下:
具体的,单个文字的相似度结果X1会以百分比的形式表示出来,范围是0%到100%。这个结果主要用于逐字检测,帮助鉴定人员识别出全文中包含的其他人的笔痕文字。全局相似度结果X是将所有单个文字相似度结果平均得出的,用于检测全文的相似度。如果整体相似度高于预设的阈值,且不存在相似度过低的单字,那么可以初步认定为两份文本相符。本发明可数据化详细列举特征之间的相似度、综合书写习惯近似度等客观数据,输出比对依据和结果对照,替代原有鉴定过程中主观判断部分,为鉴定结果增加说服力。在司法鉴定行业中,涉及笔痕、签名等文字类的鉴定案件中,具有很强的实用性。
以上所述实施例仅表达了本发明的实施方式,其描述较为具体和详细,但并不能因此而理解为对本发明专利范围的限制。应当指出的是,对于本领域的普通技术人员来说,在不脱离本发明构思的前提下,还可以做出若干变形和改进,这些都属于本发明的保护范围。因此,本发明专利的保护范围应以所附权利要求为准。
Claims (5)
1.一种结合AI技术的新型笔迹鉴定系统,其特征在于,包括光学摄录鉴定装置、数字化作业平台、云端鉴定大脑,其中,
所述光学鉴定摄录装置,用于采集鉴定对象的信息,并发送至所述数字化作业平台;
数字化作业平台,分别与所述光学摄录鉴定装置及云端鉴定大脑通讯连接,用于控制所述光学摄录鉴定装置采集鉴定对象的信息以及接收光学摄录鉴定装置的采集信息,再将采集信息传输至数字化作业平台,并保存返回结果;
云端鉴定大脑,与所述数字化作业平台连接,用于接收数字化作业平台的采集信息,并进行同一性比对,再将结果返回给数字化作业平台。
2.根据权利要求1所述的一种结合AI技术的新型笔迹鉴定系统,其特征在于,所述数字化作用平台对接收到光学摄录鉴定装置的采集信息及云端鉴定大脑的鉴定结果进行建档和归档,其中,每次采集的数据都会通过区块链和时间戳的方式进行证据化保存,同时将采集的数据完善比对模型训练,再将多次采集结果加密传输至云端鉴定大脑进行同一性鉴定,并根据返回结果进行标注和记录,并证据化保存。
3.根据权利要求1所述的一种结合AI技术的新型笔迹鉴定系统,其特征在于,所述云端鉴定大脑对接收到的采集信息进行同一性比对包括:
特征提取:对鉴定对象的笔痕进行降噪、骨骼化,根据已经预置的上千种字体训练的标准模型,自动识别出文字和提取书写特征,并拆解成笔画字根;
比对模型训练:以笔画字根作为特征数据录入预训练笔痕AI模型,经过反复训练以构建针对个人笔迹的独立AI模型;
笔痕比对算法:通过对待鉴定笔痕进行单字识别和拆解,将不同的笔画字根作为特征,与预训练笔痕AI模型中的已知文痕特征进行比对,结合每个笔画字根的权重,再计算相似度得出鉴定结果。
4.根据权利要求3所述的一种结合AI技术的新型笔迹鉴定系统,其特征在于,每个笔画字根各自有不同权重系数,如:横竖笔画长度比例的权重系数为W1,横竖直笔特征角度的权重系数为W2,笔画端点特征的权重系数为W3,弯折、勾、笔锋的权重系数为W4,点、双点、三点的权重系数为W5,口、回、日结构的权重系数为W6,辶、厂等连笔部首结构的权重系数为W7,多笔画非常见字的权重系数为W8,数字书写的权重系数为W9,个人签名:权重系数为W0。
5.根据权利要求3所述的一种结合AI技术的新型笔迹鉴定系统,其特征在于,经云端鉴定大脑进行同一性对比,输出鉴定结果,所述鉴定结果包括单字相似度结果X1和全局相似度结果X,所述单字相似度结果X1由单个字根特征的AI比对结果X2,结合特征权重W,以及特征数量N2得出,公式如下:
所述全局相似度结果X由单字相似度结果X1,结合文字数量N1得出,公式如下:
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311715894.8A CN117690150A (zh) | 2023-12-13 | 2023-12-13 | 一种结合ai技术的新型笔迹鉴定系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311715894.8A CN117690150A (zh) | 2023-12-13 | 2023-12-13 | 一种结合ai技术的新型笔迹鉴定系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN117690150A true CN117690150A (zh) | 2024-03-12 |
Family
ID=90131552
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202311715894.8A Pending CN117690150A (zh) | 2023-12-13 | 2023-12-13 | 一种结合ai技术的新型笔迹鉴定系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117690150A (zh) |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2015032303A1 (zh) * | 2013-09-06 | 2015-03-12 | 武汉汉德瑞庭科技有限公司 | 一种基于字符字根的在线笔迹认证及模板扩充方法 |
CN104809451A (zh) * | 2015-05-15 | 2015-07-29 | 河海大学常州校区 | 一种基于笔画曲率检测的笔迹鉴伪系统 |
CN111046760A (zh) * | 2019-11-29 | 2020-04-21 | 山东浪潮人工智能研究院有限公司 | 一种基于域对抗网络的笔迹鉴定方法 |
CN113255582A (zh) * | 2021-06-21 | 2021-08-13 | 中国银行股份有限公司 | 基于深度神经网络及区块链的笔迹鉴定方法及装置 |
CN115512357A (zh) * | 2022-09-20 | 2022-12-23 | 同济大学 | 一种基于部件拆分的零样本汉字识别方法 |
-
2023
- 2023-12-13 CN CN202311715894.8A patent/CN117690150A/zh active Pending
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2015032303A1 (zh) * | 2013-09-06 | 2015-03-12 | 武汉汉德瑞庭科技有限公司 | 一种基于字符字根的在线笔迹认证及模板扩充方法 |
CN104809451A (zh) * | 2015-05-15 | 2015-07-29 | 河海大学常州校区 | 一种基于笔画曲率检测的笔迹鉴伪系统 |
CN111046760A (zh) * | 2019-11-29 | 2020-04-21 | 山东浪潮人工智能研究院有限公司 | 一种基于域对抗网络的笔迹鉴定方法 |
CN113255582A (zh) * | 2021-06-21 | 2021-08-13 | 中国银行股份有限公司 | 基于深度神经网络及区块链的笔迹鉴定方法及装置 |
CN115512357A (zh) * | 2022-09-20 | 2022-12-23 | 同济大学 | 一种基于部件拆分的零样本汉字识别方法 |
Non-Patent Citations (1)
Title |
---|
王坤翔,等: "警用智能技术", vol. 1, 31 October 2004, 群众出版社, pages: 103 * |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109614488B (zh) | 基于文本分类和图像识别的配网带电作业条件判别方法 | |
WO2017016240A1 (zh) | 一种钞票冠字号识别方法 | |
CN109767422A (zh) | 基于深度学习的管道检测识别方法、存储介质及机器人 | |
WO2020164278A1 (zh) | 一种图像处理方法、装置、电子设备和可读存储介质 | |
CN104376315B (zh) | 一种基于计算机图像处理和模式识别的检测方法及应用 | |
CN108171127A (zh) | 一种基于深度学习的发票自动识别方法 | |
CN109559362B (zh) | 一种图像主体脸部替换方法及装置 | |
CN107392237B (zh) | 一种基于迁移视觉信息的交叉域地基云图分类方法 | |
CN106446753A (zh) | 一种消极表情识别鼓励系统 | |
Diem et al. | ICFHR 2014 competition on handwritten digit string recognition in challenging datasets (HDSRC 2014) | |
Bhattacharya et al. | Neural combination of ANN and HMM for handwritten Devanagari numeral recognition | |
CN111680603A (zh) | 一种菜品检测和识别方法 | |
CN103824090A (zh) | 一种自适应的人脸低层特征选择方法及人脸属性识别方法 | |
CN111340022A (zh) | 身份证信息识别方法、装置、计算机设备及存储介质 | |
CN110991434B (zh) | 自助终端证件识别方法及装置 | |
CN109255336A (zh) | 基于巡检机器人的避雷器识别方法 | |
CN116304035B (zh) | 一种复杂案件中的多被告多罪名关系抽取方法及装置 | |
CN114445879A (zh) | 一种高精度人脸识别方法及人脸识别设备 | |
CN113592044A (zh) | 一种笔迹特征分析方法及装置 | |
CN111340772A (zh) | 一种基于移动终端的钢筋混凝土桥梁损伤检测系统及方法 | |
CN109147002B (zh) | 一种图像处理方法和装置 | |
CN117690150A (zh) | 一种结合ai技术的新型笔迹鉴定系统 | |
CN111582195A (zh) | 一种汉语唇语单音节识别分类器构建方法 | |
CN108345895A (zh) | 广告图像识别方法以及广告图像识别系统 | |
CN109064578A (zh) | 一种基于云服务的考勤系统及方法 |
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 |