[發(fā)明專利]基于智能筆手寫圖像的處理方法、裝置、系統(tǒng)及存儲介質(zhì)

在審

• 申請?zhí)枺?/td>: 202110488219.0
• 申請日: 2021-04-30
• 公開（公告）號: CN113158961A
• 公開（公告）日: 2021-07-23
• 發(fā)明（設(shè)計）人: 滕凱
• 申請（專利權(quán)）人: 中電鷹碩（深圳）智慧互聯(lián)有限公司
• 主分類號: G06K9/00
• 分類號: G06K9/00;G06K9/34;G06K9/46;G06F16/51;G06N3/04
• 代理公司: 深圳余梅專利代理事務(wù)所(特殊普通合伙) 44519
• 代理人: 陳余才

本發(fā)明涉及大數(shù)據(jù)領(lǐng)域，提供一種基于智能筆手寫圖像的處理方法、裝置、系統(tǒng)及存儲介質(zhì)，用于提高基于在線教育的智能筆手寫圖像的存取效率。基于智能筆手寫圖像的處理方法包括：通過預(yù)置的筆順識別神經(jīng)網(wǎng)絡(luò)模型，對基于在線教育的智能筆手寫圖像序列依次進行字符分割、多層的筆順特征提取、字符識別和字符信息生成，得到筆順識別信息；對筆順識別信息和基于在線教育的智能筆手寫圖像序列進行過濾處理，得到預(yù)處理數(shù)據(jù)；獲取預(yù)處理數(shù)據(jù)的文件大小，并將文件大小與預(yù)設(shè)閾值進行對比分析得到對比分析結(jié)果；根據(jù)對比分析結(jié)果，將預(yù)處理數(shù)據(jù)進行二進制格式轉(zhuǎn)換和/或分片處理，得到待存儲數(shù)據(jù)；將待存儲數(shù)據(jù)存儲至預(yù)置的基于分布式文件存儲的數(shù)據(jù)庫。

技術(shù)領(lǐng)域

本發(fā)明涉及大數(shù)據(jù)的數(shù)據(jù)處理領(lǐng)域，尤其涉及一種基于智能筆手寫圖像的處理方法、裝置、系統(tǒng)及存儲介質(zhì)。

背景技術(shù)

隨著信息技術(shù)和物聯(lián)網(wǎng)技術(shù)的發(fā)展，在線教育平臺越顯發(fā)展趨勢。而在線教育平臺隨著用戶以及在線互動的增加，即時生成的智能筆手寫圖像數(shù)據(jù)越多，即時生成的智能筆手寫圖像數(shù)據(jù)的存儲，對于在線教育平臺的數(shù)據(jù)處理的準確性、協(xié)調(diào)性和效率等起到重要作用。

目前，一般都是通過關(guān)系型數(shù)據(jù)庫來存儲即時生成的智能筆手寫圖像數(shù)據(jù)，但是該存儲方式，對于即時生成的智能筆手寫圖像數(shù)據(jù)的讀寫性能較差、高并發(fā)讀寫需求和表結(jié)構(gòu)擴展不方便等缺點，從而導(dǎo)致基于在線教育的智能筆手寫圖像的存取效率低。

發(fā)明內(nèi)容

本發(fā)明提供一種基于智能筆手寫圖像的處理方法、裝置、系統(tǒng)及存儲介質(zhì)，用于提高基于在線教育的智能筆手寫圖像的存取效率。

本發(fā)明第一方面提供了一種基于智能筆手寫圖像的處理方法，包括：

獲取基于在線教育的智能筆手寫圖像序列，通過預(yù)置的筆順識別神經(jīng)網(wǎng)絡(luò)模型，對所述基于在線教育的智能筆手寫圖像序列依次進行字符分割、多層的筆順特征提取、字符識別和字符信息生成，得到筆順識別信息；

對所述筆順識別信息和所述基于在線教育的智能筆手寫圖像序列進行過濾處理，得到預(yù)處理數(shù)據(jù)；

獲取所述預(yù)處理數(shù)據(jù)的文件大小，并將所述文件大小與預(yù)設(shè)閾值進行對比分析，得到對比分析結(jié)果；

根據(jù)所述對比分析結(jié)果，將所述預(yù)處理數(shù)據(jù)進行二進制格式轉(zhuǎn)換和/或分片處理，得到待存儲數(shù)據(jù)；

將所述待存儲數(shù)據(jù)存儲至預(yù)置的基于分布式文件存儲的數(shù)據(jù)庫。

可選的，在本發(fā)明第一方面的第一種實現(xiàn)方式中，所述根據(jù)所述對比分析結(jié)果，將所述預(yù)處理數(shù)據(jù)進行二進制格式轉(zhuǎn)換和/或分片處理，得到待存儲數(shù)據(jù)，包括：

根據(jù)所述對比分析結(jié)果，對所述預(yù)處理數(shù)據(jù)進行分類，得到待轉(zhuǎn)換數(shù)據(jù)和待分片數(shù)據(jù)，所述待轉(zhuǎn)換數(shù)據(jù)用于指示所述文件大小小于所述預(yù)設(shè)閾值，所述待分片數(shù)據(jù)用于指示所述文件大小大于或等于所述預(yù)設(shè)閾值；

將所述待轉(zhuǎn)換數(shù)據(jù)轉(zhuǎn)換為預(yù)設(shè)維度的數(shù)組，得到目標數(shù)組，并將所述目標數(shù)組寫入預(yù)置的二進制文件中，得到二進制文件數(shù)據(jù)；

通過預(yù)置的分片機制，將所述待分片數(shù)據(jù)進行分片處理并寫入預(yù)置的分片隊列中，得到目標分片數(shù)據(jù)，所述分片機制包括分片的數(shù)據(jù)大小和分片方式；

將所述二進制文件數(shù)據(jù)和所述目標分片數(shù)據(jù)確定為待存儲數(shù)據(jù)。

可選的，在本發(fā)明第一方面的第二種實現(xiàn)方式中，所述通過預(yù)置的筆順識別神經(jīng)網(wǎng)絡(luò)模型，對所述基于在線教育的智能筆手寫圖像序列依次進行字符分割、多層的筆順特征提取、字符識別和字符信息生成，得到筆順識別信息，包括：

通過預(yù)置的筆順識別神經(jīng)網(wǎng)絡(luò)模型中的光學(xué)字符識別網(wǎng)絡(luò)層，對所述基于在線教育的智能筆手寫圖像序列進行字符分割，得到字符圖像，一張智能筆手寫圖像對應(yīng)一個或一個以上的字符圖像，所述筆順識別神經(jīng)網(wǎng)絡(luò)模型包括光學(xué)字符識別網(wǎng)絡(luò)層、目標檢測網(wǎng)絡(luò)層和分類網(wǎng)絡(luò)層；