[发明专利]基于卷积神经网络的汉字书法风格识别方法和评分方法

权利要求书

1.一种基于卷积神经网络的汉字书法评分方法，其特征在于，包括如下步骤：

将待评分的书法汉字图像输入书法字体风格识别模型，得到每个单字的书法字体风格识别结果；其中，所述书法字体风格识别模型为ResNet神经网络，包括第一卷积层、第一池化层、4个基于Bottleneck残差块实现的卷积层、全局平均池化层、2个全连接层和softmax层；

识别所述书法汉字图像中的每个单字的文字内容；

针对识别出文字内容的每个所述单字，获取单字字库中的对应的标准图像，其中，该标准图像上记载有通过所述识别结果对应的书法字体风格所书写的所述单字；

将所述单字对应的书法汉字图像与所述标准图像对比计算图像相似度，根据所述相似度得到所述单字的书法评分结果；其中，所述将待评分的书法汉字图像与所述单字字库中的标准图像对比计算图像相似度的具体步骤包括：

通过ORB算法，获得待评分的书法汉字图像与所述单字字库中的标准图像的第一相似度；

通过局部感知哈希算法，获得待评分的书法汉字图像与所述单字字库中的标准图像的第二相似度；

通过直方图计算相似度算法，获得待评分的书法汉字图像与所述单字字库中的标准图像的第三相似度；

根据第一、第二、第三相似度，获取待评分的书法汉字图像与所述单字字库中的标准图像的最终相似度；

将最终相似度的值化为百分制，得到最终的评分分数；

其中，所述使用ORB算法计算待评分的书法汉字图像与所述单字字库中的标准图像的相似度的步骤包括：

使用OpenCV计算机视觉库，通过ORB检测器分别检测两张图像中的特征点并计算特征点的描述子，使用BFMatcher对象对两张图像进行关键点匹配，距离测试类型为汉明距离，每个关键点返回两个最佳匹配的点，即与该点汉明距离最小的两个点，最终得到匹配点列表；

对上述匹配点列表进行匹配点数目的计算，设置第三阈值，对于关键点A和上述与点A汉明距离最小的两个点B和C，其中A与B的距离l_AB小于A与C的距离l_AC，当l_AB与l_AC的比值小于第三阈值时，则认定关键点A与点B为最佳匹配；

最佳匹配点数量与上述匹配点列表长度的比值即为两张图像的相似度；

所述使用局部感知哈希算法计算待评分的书法汉字图像与所述单字字库中的标准图像的相似度的步骤包括：

将图像尺寸缩小为m×m，并转化为灰度图像；

计算该图像m×m个像素的灰度平均值，并将每个像素的灰度值与平均值进行比较，若大于或等于平均值则记为1，否则记为0；

将每个像素比较得到的结果进行组合，得到一个m×m位的二进制整数作为图像的信息指纹；

计算所述两张图像信息指纹的汉明距离，具体为计算两个信息指纹的异或值中1的数目c，信息指纹的二进制数位数为d，则1-c/d即为所述两张图像的相似度；

所述使用直方图计算相似度算法计算待评分的书法汉字图像与所述单字字库中的标准图像的相似度的步骤包括：

统一所述两张图像的尺寸为xy×xy，将图像平均切割成x×x个部分，每一部分的分辨率为y×y；

对于两张图像中相同位置的每一部分a和b，计算其相似度，最后根据每一部分的相似度计算平均相似度，得到相似度的最终值；

对上述a与b使用直方图计算相似度，包括：分别获取a和b的直方图，记作ha和hb，直方图颜色空间的样点数为n，相似度为S，则相似度计算公式如下：

2.根据权利要求1所述的基于卷积神经网络的汉字书法评分方法，其特征在于，所述识别所述书法汉字图像的文字内容，包括：

将待评分的书法汉字图像输入书法汉字内容识别模型，得到每个单字的书法汉字内容识别结果；

其中，所述书法汉字内容识别模型为DenseNet神经网络，包括第一Convolutionallayer、第一Dense Block、第一Transitionlayer、第二Dense Block、第二Transitionlayer、第三Dense Block、第三Transition layer、第四Dense Block、Fully-connected layer、softmax layer；

其中，每个Transition layer连接两个相邻的Dense Block，每个Transition layer包含卷积层和池化层。