[發明專利]一種手寫漢字識別方法、裝置及存儲介質

在審

• 申請號: 202011102640.5
• 申請日: 2020-10-15
• 公開（公告）號: CN112232195A
• 公開（公告）日: 2021-01-15
• 發明（設計）人: 薛晗慶;潘紅九;陳政;梁宇;竇小明;金娜;薛凱;顧天祺;張建;雷凈;于雪潔;趙俊翔;底亞峰;封慧英;李萌萌
• 申請（專利權）人: 北京臨近空間飛行器系統工程研究所
• 主分類號: G06K9/00
• 分類號: G06K9/00;G06K9/62;G06F16/31;G06N3/04
• 代理公司: 暫無信息
• 代理人: 暫無信息

本申請公開了一種手寫漢字識別方法、裝置及存儲介質，用于提高文檔掃描類圖像的手寫漢字體識別的可靠性和效率。本申請提供的手寫漢字識別方法包括：構建網絡結構；輸入待識別的漢字序列圖像；確定所述網絡結構中各層網絡的權重參數；根據所述權重參數，在所述網絡結構中計算所述待識別的漢字序列圖像，確定標簽序列，其中所述標簽序列包括漢字概率信息；根據所述標簽序列和漢字詞庫表，進行漢字反映射，確定識別出的漢字。本申請還提供了一種手寫漢字識別裝置及存儲介質。

技術領域

本申請涉及信息處理領域，尤其涉及一種手寫漢字識別方法和裝置。

背景技術

隨著可視內容數據的增加，在在拍照文檔、票據、表單表格、手稿文書、教育材料等領域的手寫漢字識別需求不斷增加。非手寫漢字在圖像或視頻中主要以印刷體或者水印形式呈現，對于每一段序列文字其字形偏旁、字與段落的間距等格式較為統一，而手寫漢字字體由于個人的書寫風格不同，導致不同人群書寫出的同一漢字的形體有所差異，對于初識漢字的少兒字體差異更為顯著，因此手寫漢字的識別難度較非手寫漢字的識別難度更大。現有技術中，先對單個文字進行切割，再將切割后的文字逐個提取特征并與特征庫進行匹配識別，效率較低，可靠性較差。

發明內容

針對上述技術問題，本申請實施例提供了一種手寫漢字識別方法、裝置及存儲介質，用以提高手寫漢字的識別效率和可靠性。

第一方面，本申請實施例提供的一種手寫漢字識別方法，包括：

構建網絡結構；

輸入待識別的漢字序列圖像；

確定所述網絡結構中各層網絡的權重參數；

根據所述權重參數，在所述網絡結構中計算所述待識別的漢字序列圖像，確定標簽序列，其中所述標簽序列包括漢字概率信息；

根據所述標簽序列和漢字詞庫表，進行漢字反映射，確定識別出的漢字。

進一步的，所述確定所述網絡結構中各層網絡的權重參數包括：

按批次加載訓練數據；

將所述訓練數據輸入到所述網絡結構中進行計算，確定漢字類別概率矩陣；

根據訓練數據的標簽序列和所述概率矩陣，通過損失函數運算得到誤差值；

將所述誤差值返回網絡結構進行權重參數的梯度更新；

將最佳的權重參數確定為所述網絡結構中各層網絡的權重參數。

進一步的，所述構建網絡結構還包括：

定義損失函數；

設置訓練超參數，所述超參數包括以下之一或者組合：學習率，學習衰減率或訓練周期。

優選的，所述按批次加載訓練數據包括：

將訓練數據按批次進行切分；

將切分后的訓練數據隨機打亂處理；

將隨機打亂處理后的訓練數據存入迭代器中。

進一步的，所述將所述訓練數據輸入到所述網絡結構中進行計算包括：

遍歷所述迭代器，將數據按批次輸入到網絡結構中進行計算。

進一步的，輸入待識別的漢字序列圖像之前，還包括：生成漢字詞庫表。

優選的，所述生成漢字詞庫表包括：

獲取漢字詞庫信息；

創建鏈表，將所述漢字詞庫中的文本逐一追加到鏈表中；

對所述鏈表中的文本進行去重處理，將重復出現的文本從所述鏈表中移除；