[发明专利]基于人工智能现实场景下的中文意义词组的识别方法和系统

说明书

本发明提供了一种基于人工智能现实场景下的中文意义词组的识别方法和系统，识别方法包括：S1：获取采集的真实场景下的实时交互图像；S2：将实时交互图像与预先设定的信息载体和交互载体进行匹配，输出信息载体和交互载体；S3：根据信息载体和交互载体，识别交互载体在信息载体中的位置信息和触发动作信息，后识别交互载体进行触发动作的所在信息载体上的中心焦点及其两边的中文文字信息；S4：根据中文文字信息，利用字典对中文文字信息组成的中文文字序列进行检索，获取文字组合；后利用词典对文字组合进行检索，获取文字组合的中文意义后输出。本发明提高了文字识别以及中文意义词组识别的速度，且实现自动识别中文意义词组的功能。

技术领域

本发明涉及人工智能技术领域，具体涉及一种基于人工智能现实场景下的中文意义词组的识别方法和系统。

背景技术

人工智能(Artificial Intelligence，简称AI)，是研究、开发用于模拟、延伸和扩展人的智能的理论、方法、技术及应用系统的一门新的技术科学。人工智能是计算机科学的一个分支，它企图了解智能的实质，并生产出一种新的能以人类智能相似的方式做出反应的智能机器，该领域的研究包括机器人、语言识别、图像识别、自然语言处理和专家系统等。

中文词组学习是中文学习中的重要环节，现有的工具(包括纸质字典、电子辞典、手机查词app)都需要人为手动输入汉字进行词组学习，效率较低。

深度学习和大数据的发展大大提升了人工智能方法在图像识别、手势识别和文字识别的性能。通过人工智能的方法将手势识别和文字识别等技术应用到文本识别和中文语言学习，能够很大程度提高人们的学习和阅读效率。

现有技术中实现手指触发动作文字识别是通过采集装置获得图像，再对图像进行分割获得特征点再做比对，整个识别的效率非常低，费时长。

发明内容

本申请提供一种本发明的目的在于提供一种基于人工智能现实场景下的中文意义词组的识别方法和系统，以解决现有技术中手指交互文字识别速度慢、无法达到自动识别中文意义词组的技术问题。

根据第一方面，一种实施例中提供一种基于人工智能现实场景下的中文意义词组的识别方法，所述识别方法包括：

S1：获取采集的真实场景下包括信息载体和交互载体在内的实时交互图像；

S2：将所述实时交互图像与预先设定的信息载体和交互载体，通过以FPN结构网络的卷积神经网络为核心的图像深度学习AI模型进行匹配识别，输出所述信息载体和所述交互载体；

S3：根据所述信息载体和所述交互载体，利用手指定位人工智能算法，识别出所述交互载体在所述信息载体中的位置信息和触发动作信息，后通过数学逻辑综合各部分信息计算识别出所述交互载体进行触发动作的所在所述信息载体上的中心焦点，以及利用以卷积神经网络为核心的图像目标识别深度学习AI模型识别获取中心焦点两边的中文图像信息，并使用深度学习文本识别OCR技术获取中文文字信息；

S4：根据识别出的中心焦点及其两边的中文文字信息，利用字典对中文文字信息组成的中文文字序列进行匹配检索，获取文字组合；后利用词典对文字组合进行匹配检索，获取文字组合的中文意义后输出。

在一种实施例中，所述步骤S3进一步包括：

S31：接收所述实时交互图像中的所述信息载体和所述交互载体，通过使用以Densenet结构网络的卷积神经网络为核心的图像深度学习AI模型，或者使用基于Resnet或vgg或darknet结构的图像识别主干网络，以基于高斯分布密度衰减函数的位置信息损失函数为迭代指标，识别所述交互载体在所述信息载体中的的位置信息和触发动作信息；

S32：对所述交互载体的触发动作区域进行图像切割，获取以所述触发动作区域为中心焦点区域的单一干净文字图像；