[發(fā)明專利]一種基于智慧黑板的動態(tài)筆跡識別方法

在審

• 申請?zhí)枺?/td>: 202011291885.7
• 申請日: 2020-11-18
• 公開（公告）號: CN112329695A
• 公開（公告）日: 2021-02-05
• 發(fā)明（設計）人: 朱玉榮;湯鵬飛
• 申請（專利權）人: 安徽文香信息技術有限公司
• 主分類號: G06K9/00
• 分類號: G06K9/00;G06K9/40;G06K9/62
• 代理公司: 合肥洪雷知識產(chǎn)權代理事務所(普通合伙) 34164
• 代理人: 徐贛林

本發(fā)明公開了一種基于智慧黑板的動態(tài)筆跡識別方法，涉及筆跡識別技術領域。本發(fā)明包括如下步驟：采集樣本筆跡建立模板特征數(shù)據(jù)庫；智慧黑板更新本地模板特征數(shù)據(jù)庫；智慧黑板內(nèi)置傳感器獲取手寫筆跡數(shù)據(jù)，建立動態(tài)筆跡數(shù)據(jù)庫；對采集的筆跡數(shù)據(jù)進行預處理、特征提取；根據(jù)特征與模板特征數(shù)據(jù)庫進行特征匹配，計算累積失真度；將計算出的總失真度與闕值計較來判斷筆跡的真實性；輸出匹配結果反饋。本發(fā)明通過采集大量樣本筆跡建立模板特征數(shù)據(jù)，智慧黑板對教師的書寫筆跡進行特征提取，并與模板特征數(shù)據(jù)庫進行筆跡特征匹配，計算出累積失真度，將匹配結果進行反饋并儲存，提高了智慧黑板筆跡的識別效率和準確率。

技術領域

本發(fā)明屬于筆跡識別技術領域，特別是涉及一種基于智慧黑板的動態(tài)筆跡識別方法。

背景技術

隨著計算機技術的突飛猛進，人機交互技術在人們的生活中越來越普及。人機交互(Human-ComputerInteraction,HCI)技術是指用戶與計算機之間使用某種操作方式而執(zhí)行的一種人與計算機之間的交互過程。它的發(fā)展大致經(jīng)歷了純手工作業(yè)階段、語言命令控制階段、用戶界面階段等，然而隨著近年來人工智能等技術的不斷發(fā)展，逐漸引起對人機交互技術發(fā)展的重視。

現(xiàn)在隨著計算機在應用領域方面的不斷拓展，現(xiàn)有的教師黑板已經(jīng)不能滿足學生教師對日常需求的更高層次的要求。由于教師在使用智慧黑板教學的過程中，需要老師使用電子筆在智慧黑板的顯示屏上進行手段書寫，方便學生在教室內(nèi)觀察學習；但現(xiàn)有的智慧黑板中對教師的筆跡識別還存在一定的缺陷，如：上課過程中，因為學科的不同，老師的書寫板書往往夾著中文、英文和字母，智慧黑板的轉化識別率不高；因授課老師的筆跡、書寫習慣和書寫筆畫都有所差異，同樣也是導致智慧黑板識別困難、正確率不高的原因；不同授課老師的書寫習慣不同，如在寫完一端話后，習慣性的在末尾打一個點，智慧黑板往往會分析為一個數(shù)據(jù)或者符號，其實該點并沒有什么實際意義，可以不用顯示。

因此，本申請文件提供了有一種基于智慧黑板的動態(tài)筆跡識別方法，能夠有效解決上述問題。

發(fā)明內(nèi)容

本發(fā)明的目的在于提供一種基于智慧黑板的動態(tài)筆跡識別方法，通過采集大量樣本筆跡建立模板特征數(shù)據(jù)，智慧黑板對教師的書寫筆跡進行特征提取，并與模板特征數(shù)據(jù)庫進行筆跡特征匹配，計算出累積失真度，將匹配結果進行反饋并儲存，解決了現(xiàn)有的智慧黑板識別筆跡難度大、準確率不高的問題。

為解決上述技術問題，本發(fā)明是通過以下技術方案實現(xiàn)的：

本發(fā)明為一種基于智慧黑板的動態(tài)筆跡識別方法，包括如下步驟：

步驟S1：服務器對采集的大量樣本筆跡進行處理，建立模板特征數(shù)據(jù)庫；

步驟S2：智慧黑板遠程訪問服務器，實時更新本地模板特征數(shù)據(jù)庫；

步驟S3：智慧黑板內(nèi)置的傳感器獲取手寫筆跡數(shù)據(jù)，建立動態(tài)筆跡數(shù)據(jù)庫；

步驟S4：對采集的筆跡數(shù)據(jù)進行預處理；

步驟S5：對筆跡進行預處理后，對筆跡進行特征提取；

步驟S6：針對提取的特征與模板特征數(shù)據(jù)庫進行手寫筆跡特征匹配，并通過文本算法計算累積失真度；

步驟S7：將計算出的總失真度與闕值計較來判斷筆跡的真實性；

步驟S8：將匹配正確的結果反饋至動態(tài)筆跡數(shù)據(jù)庫找到對應的手寫筆跡數(shù)據(jù)并進行儲存。

優(yōu)選地，所述步驟S1中，服務器對采集的大量樣本筆跡的處理步驟如下：

步驟S11：采用脈沖耦合神經(jīng)網(wǎng)絡進行噪聲點和邊緣點的區(qū)分檢測；

步驟S12：利用復合去噪算法對噪聲點進行處理；

步驟S13：采用細胞神經(jīng)網(wǎng)絡提取筆跡圖像中的邊緣點；