[發明專利]字符識別方法、設備及字符識別芯片

有效

• 申請號: 202010191338.5
• 申請日: 2020-03-18
• 公開（公告）號: CN113496263B
• 公開（公告）日: 2022-05-17
• 發明（設計）人: 興百橋;李明
• 申請（專利權）人: 北京易真學思教育科技有限公司
• 主分類號: G06V30/244
• 分類號: G06V30/244;G06N3/04
• 代理公司: 北京合智同創知識產權代理有限公司 11545
• 代理人: 李杰

1.一種字符識別方法，其特征在于，包括：

獲取待識別字符的軌跡數據，所述軌跡數據用于指示待識別字符的撰寫軌跡；

根據所述軌跡數據，獲取所述待識別字符的字符特征矩陣；

將所述字符特征矩陣輸入卷積神經網絡，并根據所述卷積神經網絡的輸出獲取字符識別結果，其中所述卷積神經網絡包括至少一個卷積層，所述卷積層中的卷積核用于與輸入所述卷積層的特征矩陣中的對應區域進行梯度和計算；

其中，所述卷積神經網絡包括卷積層、第一全連接層、第二全連接層、全連接隱層；將所述字符特征矩陣作為所述卷積層的輸入，其中，所述卷積層包括梯度卷積核；根據所述梯度卷積核提取多個指定方向上的特征矩陣；將所述特征矩陣作為所述第一全連接層的輸入得到第一全連接層的輸出；將所述第一全連接層的輸出與方向特征矩陣、輪廓特征矩陣、面積特征、方格布局特征矩陣、撰寫軌跡的長寬比特征進行組合作為第二全連接層的輸入得到第二全連接層的輸出，將所述第二全連接層的輸出作為所述全連接隱層的輸入，輸出字符識別結果，其中，所述方格布局特征矩陣包括將所述撰寫軌跡分為多個區域后每個區域內存在撰寫軌跡的像素的點數。

2.根據權利要求1所述的字符識別方法，其特征在于，所述卷積核中指定點的權值為最大權值，所述卷積核中其他點的權值與該點至所述指定點的距離負相關。

3.根據權利要求1所述的字符識別方法，其特征在于，所述卷積層中的卷積核用于與輸入所述卷積層的特征矩陣中的對應區域進行指定方向的梯度和計算，所述指定方向包括垂直梯度、水平梯度、右上梯度、左上梯度。

4.根據權利要求1-3任一項所述的字符識別方法，其特征在于，所述方法還包括：

根據所述軌跡數據在所述撰寫軌跡上選取多個采樣點；

獲取每個采樣點與相鄰采樣點之間的方向向量；

生成方向特征矩陣，所述方向特征矩陣包括所述多個采樣點的方向向量在多個方向上的方向向量和，或所述方向特征矩陣包括所述多個采樣點的方向向量的方向類型數量和；

所述將所述字符特征矩陣輸入卷積神經網絡，并根據所述卷積神經網絡的輸出獲取字符識別結果，包括：

將所述字符特征矩陣輸入卷積神經網絡，并使卷積神經網絡中全連接層的輸入包括所述方向特征矩陣，根據所述卷積神經網絡的輸出獲取字符識別結果。

5.根據權利要求1-3任一項所述的字符識別方法，其特征在于，所述方法還包括：

根據所述軌跡數據獲取所述撰寫軌跡的輪廓特征矩陣，所述輪廓特征矩陣包括所述撰寫軌跡與圖像上邊界之間的面積、所述撰寫軌跡與圖像下邊界之間的面積、所述撰寫軌跡與圖像左邊界之間的面積、所述撰寫軌跡與圖像右邊界之間的面積；

所述將所述字符特征矩陣輸入卷積神經網絡，并根據所述卷積神經網絡的輸出獲取字符識別結果，包括：

將所述字符特征矩陣輸入卷積神經網絡，并使卷積神經網絡中全連接層的輸入包括所述輪廓特征矩陣，根據所述卷積神經網絡的輸出獲取字符識別結果。

6.根據權利要求1-3任一項所述的字符識別方法，其特征在于，所述方法還包括：

根據所述軌跡數據獲取所述撰寫軌跡的面積特征，所述面積特征為第一點數和與第二點數和之間的差，所述第一點數和為所述撰寫軌跡中上半部分軌跡點及右半部分軌跡點的點數和，所述第二點數和為所述撰寫軌跡下半部分軌跡點及左半部分軌跡點的點數和；

所述將所述字符特征矩陣輸入卷積神經網絡，并根據所述卷積神經網絡的輸出獲取字符識別結果，包括：

將所述字符特征矩陣輸入卷積神經網絡，并使卷積神經網絡中全連接層的輸入包括所述面積特征，根據所述卷積神經網絡的輸出獲取字符識別結果。