[發(fā)明專利]手寫簽名錯別字識別方法、裝置、設(shè)備及存儲介質(zhì)

有效

• 申請?zhí)枺?/td>: 202111149066.3
• 申請日: 2021-09-29
• 公開（公告）號: CN113837129B
• 公開（公告）日: 2023-10-03
• 發(fā)明（設(shè)計）人: 肖玉賓;喻紅
• 申請（專利權(quán)）人: 平安科技（深圳）有限公司
• 主分類號: G06V30/32
• 分類號: G06V30/32;G06V30/242;G06V30/148
• 代理公司: 北京市京大律師事務(wù)所 11321
• 代理人: 姚維

1.一種手寫簽名錯別字識別方法，其特征在于，所述手寫簽名錯別字識別方法包括：

獲取待識別的手寫簽名圖片；

通過多個預(yù)置簽名識別模型，分別識別所述手寫簽名圖片中各單字對應(yīng)的字符串組，并根據(jù)所述字符串組，計算所述各單字的識別得分；

采用預(yù)置圖片分割模型，對所述手寫簽名圖片進行單字符分割，得到多個單字符，并基于各所述單字符和所述字符串組，計算所述各單字的分割得分；

選取與所述字符串組相對應(yīng)的錯字識別模型，并基于各所述單字符和所述分割得分，利用所述錯字識別模型計算所述各單字的錯字得分；

基于所述各單字的識別得分、分割得分和所述錯字得分，確定所述手寫簽名圖片中的錯字。

2.根據(jù)權(quán)利要求1所述的手寫簽名錯別字識別方法，其特征在于，所述多個預(yù)置簽名識別模型包括手寫體簽名識別模型和打印體簽名識別模型，所述通過多個預(yù)置簽名識別模型，分別識別所述手寫簽名圖片中各單字對應(yīng)的字符串組包括：

通過所述手寫體簽名識別模型，識別所述手寫簽名圖片中各單字對應(yīng)的手寫體字符串；

通過所述打印體簽名識別模型，識別所述手寫簽名圖片中各單字對應(yīng)的打印體字符串；

組合所述手寫體字符串和所述打印體字符串，得到所述手寫簽名圖片中各單字對應(yīng)的字符串組。

3.根據(jù)權(quán)利要求2所述的手寫簽名錯別字識別方法，其特征在于，所述根據(jù)所述字符串組，計算所述各單字的識別得分包括：

分別判斷所述字符串組中各單字對應(yīng)的手寫體字符串和打印體字符串是否相同；

若相同，則將預(yù)置第一識別得分作為對應(yīng)單字的識別得分；

若不相同，則計算對應(yīng)單字的手寫體字符串和打印體字符串的編輯距離，以及計算對應(yīng)單字的手寫字符串的第一置信度和打印字符串的第二置信度；

根據(jù)所述編輯距離、所述第一置信度和所述第二置信度，計算第二識別得分并作為對應(yīng)單字的識別得分。

4.根據(jù)權(quán)利要求2所述的手寫簽名錯別字識別方法，其特征在于，所述基于各所述單字符和所述字符串組，計算所述各單字的分割得分包括：

對所述字符串組中各單字的手寫字符串進行單字符拆分，并分別統(tǒng)計所述各單字的手寫字符串拆分后的第一單字符數(shù)量，以及分別統(tǒng)計所述各單字對應(yīng)的單字符的第二單字符數(shù)量；

分別判斷所述各單字的第一單字符數(shù)量和第二單字符數(shù)量是否相同；

若相同，則將預(yù)置第一分割得分作為對應(yīng)單字的分割得分，否則將預(yù)置第二分割得分作為對應(yīng)單字的分割得分。

5.根據(jù)權(quán)利要求4所述的手寫簽名錯別字識別方法，其特征在于，所述基于各所述單字符和所述分割得分，利用所述錯字識別模型計算所述各單字的錯字得分包括：

若單字的分割得分為所述第二分割得分，則將預(yù)置第一錯字得分作為對應(yīng)單字的錯字得分；

若單字的分割得分為所述第一分割得分，則通過所述錯字識別模型依次識別對應(yīng)單字各所述單字符對應(yīng)的錯字概率；

采用各所述錯字概率計算第二錯字得分并作為對應(yīng)單字的錯字得分。

6.根據(jù)權(quán)利要求1-5中任一項所述的手寫簽名錯別字識別方法，其特征在于，所述基于所述各單字的識別得分、分割得分和所述錯字得分，確定所述手寫簽名圖片中的錯字包括：

根據(jù)預(yù)置權(quán)重分配，對所述手寫簽名圖片的識別得分、分割得分和所述錯字得分進行加權(quán)處理，得到所述各單字的最終錯字得分；

分別判斷所述各單字的最終錯字得分是否大于預(yù)置得分閾值；

若大于，則確定所述手寫簽名圖片中對應(yīng)的單字為錯字。