[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

说明书

本发明涉及一种基于卷积神经网络的书法字体风格识别方法。本发明所述的基于卷积神经网络的书法字体风格识别方法包括：获取书法作品图像；对所述书法作品图像进行预处理，识别出每个单字图像；将所述单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。本发明所述的基于卷积神经网络的书法字体风格识别方法具有识别准确率高、计算量少的优点。本发明还提供一种基于卷积神经网络的汉字书法评分方法，将字体风格识别、书法内容识别以及书法汉字美感评分集于一体，功能更全面。

技术领域

本发明涉及人工智能、深度学习、图像处理领域，特别是涉及一种基于卷积神经网络的汉字书法风格识别方法和评分方法。

背景技术

中国书法是中华传统文化的重要组成部分，不仅历史悠久，沉淀浓厚，而且还传播广泛，对民族文化影响巨大，因此对中国书法的研究有着极其重要的实际意义。但随着社会的发展，书法这一“东方艺术的灵魂”正逐渐被人们淡忘。机器输入逐渐地替代了纸笔输入，越来越多的现代人荒废了传统书法这门“课”，致使当前社会很多人不仅写不出漂亮的汉字书法，甚至挂在嘴边的字，也经常提笔就忘。同时，由于中国汉字表现形式多样化，每种书体风格的同一个字均有不同的形态，并且中国汉字数量繁多，古代书法作品多采用繁体汉字，使得书法学习门槛较高。

目前，在书法欣赏中，若遇到看不懂的书法汉字，需翻阅相关书法字典或书法资料查询。该方式查询效率低，查询过程枯燥乏味，且如果不知该汉字的书法风格，查询难度将大大提高，使得书法爱好者容易失去兴趣。在书法练习中，一般采用临摹书法作品的方式，通过不断临摹来逐渐提高书写水平。但该练习方式缺乏准确的、可靠的评判，且缺乏一定的互动性。

现有已公开的涉及汉字书法识别与评分系统方面的专利，如申请号为201510626566.X的《一种书法字风格的识别方法》、申请号为201310020510.0的《书法字识别方法》、申请号为201911292817.X的《一种书法作品图像的裁剪和识别方法》、申请号为201910427401.8的《一种字帖练习书法的人工智能评分系统及方法》、申请号为201710719720.7的《书法评价方法、书法评价装置和电子设备》等，普遍存在如下缺点：

功能较为单一，未能同时实现书法字风格识别、书法字内容识别与书法智能评分功能。

对于书法字识别功能，所能识别的字体风格种类较少，无法满足书法学习者的需要；且书法字体识别准确率较低，无法真正运用于实际。

对于书体美感评分功能，忽略笔画粗细大小和结构，亦或评判过程繁琐，可靠性较低。

因此，我们希望设计一套实用性强、可靠性高的汉字书法识别及评分系统，解决普通书法爱好者欣赏书法作品的困难，帮助用户对书法字评分，为用户练习书法、提升书法水平另辟蹊径。

发明内容

基于此，本发明的目的在于，提供一种基于卷积神经网络的汉字书法风格识别方法和评分方法，其具有识别准确率高、计算量少的优点。

第一方面，本发明提供了一种基于卷积神经网络的汉字书法风格识别方法，包括：

获取书法作品图像；

对所述书法作品图像进行预处理，识别出每个单字图像；

将所述单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。