[發明專利]凌空書寫的識別方法、裝置、設備和介質

在審

• 申請號: 202011268306.7
• 申請日: 2020-11-13
• 公開（公告）號: CN112364782A
• 公開（公告）日: 2021-02-12
• 發明（設計）人: 陳文強;陳林;約翰·斯坦科維奇
• 申請（專利權）人: 深圳振科智能科技有限公司
• 主分類號: G06K9/00
• 分類號: G06K9/00;G06K9/62;G06N3/08;G06F3/01;G06F3/0346;G06F3/038
• 代理公司: 北京品源專利代理有限公司 11332
• 代理人: 潘登

1.一種凌空書寫的識別方法，其特征在于，所述方法包括：

通過智能穿戴設備獲取用戶手指連續凌空滑動過程中產生的振動信號；

將所述振動信號輸入預先訓練的信號識別模型中進行信號識別，并獲取所述信號識別模型的識別結果，作為所述振動信號的初始識別字符；

將所述初始識別字符輸入字符拼寫檢查模型，以對所述初始識別字符進行拼寫檢查；

根據所述字符拼寫檢查模型的檢查結果確定所述振動信號的目標識別字符。

2.根據權利要求1所述的方法，其特征在于，所述信號識別模型的訓練過程如下：

從歷史用戶中確定訓練樣本；其中所述訓練樣本包括振動信號和識別字符；

建立神經網絡模型，并根據所述訓練樣本對所述神經網絡模型進行訓練，得到信號識別模型。

3.根據權利要求2所述的方法，其特征在于，從歷史用戶中確定訓練樣本，包括：

從歷史用戶中采集初始樣本；并將所述初始樣本中的各連續字符作為附加樣本；

根據所述初始樣本和所述附加樣本，確定信號識別模型的訓練樣本。

4.根據權利要求2所述的方法，其特征在于，根據所述訓練樣本對所述信號識別模型進行訓練，包括：

根據所述訓練樣本對所述神經網絡模型進行訓練，得到預訓練模型；

從訓練樣本中獲取新用戶的樣本，并根據所述新用戶的樣本對所述預訓練模型進行訓練，得到信號識別模型。

5.根據權利要求1所述的方法，其特征在于，將所述振動信號輸入預先訓練的信號識別模型中進行信號識別，并獲取所述信號識別模型的識別結果，作為所述振動信號的初始識別字符，包括：

將所述振動信號輸入所述信號識別模型，并在所述信號識別模型的輸出窗口中按照信號預設輸入時段添加標記字符，得到所述信號識別模型的輸出結果；

剔除所述輸出結果中的標記字符，得到所述振動信號的初始識別字符。

6.根據權利要求1所述的方法，其特征在于，根據所述字符拼寫檢查模型的檢查結果確定所述振動信號的目標識別字符，包括：

若所述字符拼寫檢查模型的檢查結果為字符拼寫錯誤，則根據所述檢查結果對拼寫錯誤的字符進行替換，得到所述振動信號的目標識別字符；

若所述字符拼寫檢查模型的檢查結果為字符拼寫無誤，則將所述字符拼寫檢查模型的檢查結果中的識別字符作為所述振動信號的目標識別字符。

7.根據權利要求1所述的方法，其特征在于，所述方法還包括：

獲取所述字符拼接檢查模型中拼寫錯誤次數超過預設錯誤閾值的字符；

根據所述字符，對所述信號識別模型進行更新訓練。

8.一種凌空書寫的識別裝置，其特征在于，所述裝置包括：

信號獲取模塊，用于通過智能穿戴設備獲取用戶手指連續凌空滑動過程中產生的振動信號；

字符確定模塊，用于將所述振動信號輸入預先訓練的信號識別模型中進行信號識別，并獲取所述信號識別模型的識別結果，作為所述振動信號的初始識別字符；

拼寫檢查模塊，用于將所述初始識別字符輸入字符拼寫檢查模型，以對所述初始識別字符進行拼寫檢查；

字符確定模塊，還用于根據所述字符拼寫檢查模型的檢查結果確定所述振動信號的目標識別字符。

9.一種電子設備，其特征在于，包括：

一個或多個處理器；

存儲裝置，用于存儲一個或多個程序，

當所述一個或多個程序被所述一個或多個處理器執行，使得所述一個或多個處理器實現如權利要求1～7中任一所述的凌空書寫的識別方法。

10.一種計算機可讀存儲介質，其上存儲有計算機程序，其特征在于，該程序被處理器執行時實現如權利要求1～7中任一所述的凌空書寫的識別方法。