[发明专利]一种虚拟现实书写方法、系统和存储介质在审
申请号: | 201910524902.8 | 申请日: | 2019-06-18 |
公开(公告)号: | CN110443113A | 公开(公告)日: | 2019-11-12 |
发明(设计)人: | 邓宝松;郄志鹏;邓徐韬;谢良;闫野;印二威 | 申请(专利权)人: | 中国人民解放军军事科学院国防科技创新研究院;天津(滨海)人工智能军民融合创新中心 |
主分类号: | G06K9/00 | 分类号: | G06K9/00 |
代理公司: | 北京辰权知识产权代理有限公司 11619 | 代理人: | 刘广达 |
地址: | 100071*** | 国省代码: | 北京;11 |
权利要求书: | 查看更多 | 说明书: | 查看更多 |
摘要: | |||
搜索关键词: | 文字识别 肌电信号 虚拟现实 存储介质 手指运动 压力信号 用户书写 样本库 书写 卷积神经网络 手指运动信息 模型确定 应用场景 预先建立 样本 采集 | ||
本发明公开了一种虚拟现实书写方法、系统和存储介质,用以丰富文字识别的应用场景,提高文字识别的灵活性。所述虚拟现实书写方法,包括:在第一用户书写文字的过程中,分别采集第一肌电信号和第一手指运动信号;根据所述第一肌电信号和第一手指运动信息,利用文字识别模型确定所述用户书写的文字和/或压力信号,其中,所述文字识别模型为基于预先建立的关系样本库利用卷积神经网络进行训练得到的,所述关系样本库中至少包括第二肌电信号和第二手指运动信号与文字样本和/或压力信号之间的对应关系。
技术领域
本发明涉及人机交互技术领域,尤其涉及一种虚拟现实书写方法、系统和存储介质。
背景技术
随着人工智能的不断推进,文字识别技术也随之盛起。当前文字识别技术大多是利用图像识别的技术,尤其随着卷积神经网络(Convolutional Neural Networks,CNN)的出现,大大提高了因位移、缩放等其它形式导致扭曲不变性的二维图像的识别,并且图像识别的准确度也越来越高。
但这类深度学习算法并非适用于所有场景,因为这类算法做图像识别时需要一些具体图片才能进行,而当处在某些无法提供具体图片或文字的场景时该识别方法便不再适用,从而降低了文字识别的灵活性。
发明内容
本发明实施例提供一种虚拟现实书写方法、系统和存储介质,用以丰富文字识别的应用场景,提高文字识别的灵活性。
第一方面,提供一种虚拟现实书写方法,包括:
在第一用户书写文字的过程中,分别采集第一肌电信号和第一手指运动信号;
根据所述第一肌电信号和第一手指运动信息,利用文字识别模型确定所述用户书写的文字和/或压力信号,其中,所述文字识别模型为基于预先建立的关系样本库利用卷积神经网络进行训练得到的,所述关系样本库中至少包括第二肌电信号和第二手指运动信号与文字样本和/或压力信号之间的对应关系。
在一种可能的实施方式中,所述关系样本库为按照以下流程获得的:
在第二用户书写文字的过程中,分别采集第二肌电信号和第二运动信号;并
记录所述第二用户书写文字时的压力信号、时间序列以及书写的文字;
分别对所述第二肌电信号和第二运动信号进行滤波、降噪处理;
按照记录的时间序列对处理后的第二肌电信号和第二运动信号进行分割;
建立分割后的第二肌电信号和第二运动信号与所述第二用户书写的各文字和/或该文字对应的压力信号之间的对应关系得到所述关系样本库。
在一种可能的实施方式中,基于预先建立的关系样本库利用卷积神经网络按照以下流程进行训练得到所述文字识别模型:
初始化文字识别模型参数;
从所述关系样本库中包含的对应关系中选择分割后的第二肌电信号和第二运动信号输入所述文字识别模型中;
比较输出的文字信息和/或压力信号与所述关系样本库中选择出的第二肌电信号和第二运动信号对应的文字和/或压力信号;
如果比较结果不大于预设阈值,则结束训练,否则,更新文字识别模型参数继续训练,直至比较结果不大于所述预设阈值。
在一种可能的实施方式中,所述虚拟现实书写方法,还包括:
向所述第一用户输出所述压力信号形成触觉反馈;和/或
向所述第一用户输出确定出的文字形成视觉反馈。
在一种可能的实施方式中,向所述第一用户输出所述压力信号形成触觉反馈,具体包括:
该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于中国人民解放军军事科学院国防科技创新研究院;天津(滨海)人工智能军民融合创新中心,未经中国人民解放军军事科学院国防科技创新研究院;天津(滨海)人工智能军民融合创新中心许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服】
本文链接:http://www.vipzhuanli.com/pat/books/201910524902.8/2.html,转载请声明来源钻瓜专利网。