[发明专利]一种手写汉字的识别、评分、纠错方法及系统

说明书

本发明公开了一种手写汉字的识别、评分、纠错方法及系统，方法包括：获取手写汉字的原始图片，进行预处理，得到只保留手写汉字的图片；采用psenet模型对只保留手写汉字的图片进行角度矫正，提取单个手写汉字的外接矩形框；采用mobilev3网络模型确定手写汉字的走向为水平方向或竖直方向；根据各外接矩形框的大小和排列关系，分析书写整体上的整齐程度；采用基于神经网络的识别评分模型识别每个手写汉字的书写方式和字体，并对单个手写汉字的书写情况和整体书写情况进行评分；采用纠错模型对手写汉字的文本内容进行OCR识别，并定位和标记存在书写错误的汉字及出错部位。本发明能够实现对手写汉字的识别、评分和纠错，具有计算复杂度低、准确性高的特点。

技术领域

本发明涉及图像处理和深度学习技术领域，更具体的说是涉及一种手写汉字的识别、评分、纠错方法及系统。

背景技术

汉字书法是中华文化的瑰宝，每一个中华文化圈的人都以写一手漂亮的汉字而骄傲。特别是在青少年时期，练习书法能够培养情操，磨练意志，提高审美意识。

传统的用来给手写汉字评分的图像分析方法，主要是提取笔划、拆分单个字，分析布局章法，与字帖汉字进行比对。这样的方法不但计算复杂度高，而且泛化能力较差，只能对比手写汉字与现成字帖的匹配程度，相对死板。

随着近年来基于神经网络的图像识别技术发展飞速，可以将深度学习应用于实时书法评分中，以实现对手写汉字的识别、评分和纠错。

因此，如何提供一种基于深度学习，计算复杂度低，且能准确对手写汉字进行识别、评分及纠错的方法及系统是本领域技术人员亟需解决的问题。

发明内容

有鉴于此，本发明提供了一种手写汉字的识别、评分、纠错方法及系统，能够实现对手写汉字的识别、评分和纠错，具有计算复杂度低、准确性高的特点。

为了实现上述目的，本发明采用如下技术方案：

一种手写汉字的识别、评分、纠错方法，包括以下步骤：

获取手写汉字的原始图片，将所述原始图片中汉字之外的部分作为噪声并删除，得到只保留手写汉字的图片；

采用预先构建的psenet模型对只保留手写汉字的图片进行角度矫正，并提取单个手写汉字所在区域的外接矩形框；

采用预先构建的mobilev3网络模型确定手写汉字的走向为水平方向或竖直方向；

根据各所述外接矩形框的大小和排列关系，分析书写整体上的整齐程度；

采用预先构建的基于神经网络的识别评分模型识别每个手写汉字的书写方式和字体，并对单个手写汉字的书写情况和整体书写情况进行评分；

在手写汉字的字体为楷体时，采用预先构建的基于神经网络的纠错模型，对手写汉字的文本内容进行OCR识别，并定位和标记存在书写错误的汉字及出错部位。

优选的，在上述一种手写汉字的识别、评分、纠错方法中，所述采用OCR方法对手写汉字的文本内容进行识别，并定位和标记存在书写错误的文字及出错部位，包括：

逐个提取单个手写汉字，将其与预先构建的汉字字模数据库中的字模进行比对；

对当前提取的单个手写汉字和字模进行连通域分析，并比对二者的连通域个数、连通域外接矩形框的大小、以及连通域相互之间的位置是否一致；若判定为不一致，则当前提取的手写汉字存在书写错误；

若判定为一致，则进行笔划分析；将当前提取的手写汉字与字模的对应连通域进行Haar-like特征提取，构成5个特征矩阵；计算特征矩阵在多个平移间隔下的互相关性值，进行相关性匹配；若有至少一个互相关值达到给定相关性阈值，则判定该部分连通域的笔画正确；若均达不到，则判定为存在笔划书写错误，并定位和标注当前提取的手写汉字中错误笔划的位置；