[发明专利]手写文本识别方法、系统、设备及介质

权利要求书

1.一种手写文本识别方法，其特征在于，所述方法包括如下步骤：

获取用户书写过程中手写动作的运动信号，所述运动信号包括至少一个运动参数的时间序列信号；

查找用户所对应的字符识别模型，所述字符识别模型的输入为手写字符过程中的运动信号，输出为识别到的字符；

将所述手写动作的运动信号输入至所述字符识别模型，得到所述字符识别模型输出的字符识别结果；

根据所述字符识别结果得到所述手写动作的运动信号所对应的文本并记录；

所述获取用户书写过程中手写动作的运动信号之后，还包括将所述手写动作的运动信号进行分割，得到每个字符所对应的运动信号片段，其中所述运动信号为多个字符连续书写的运动信号；

所述将所述手写动作的运动信号输入至所述字符识别模型，包括将每个字符所对应的运动信号片段分别输入所述字符识别模型，得到每个字符的字符识别结果，根据字符识别结果整合成所述运动信号所对应的文本；

所述将所述手写动作的运动信号进行分割，包括如下步骤：

将所述手写动作的运动信号进行整体归一化，使得所述运动信号符合正态分布；

采用小波分解算法，将所述运动信号分解到多级尺度空间和小波空间，得到分解后的小波系数和小波能量分布；

根据小波分解后所述运动信号在多级尺度上的频率信息，应用频谱间断点检测算法，将所述运动信号分割为多个运动信号片段；

采用高斯混合模型算法，对多个运动信号片段进行聚类，将属于同一字符的运动信号片段进行聚类，得到每个字符所对应的运动信号片段。

2.根据权利要求1所述的手写文本识别方法，其特征在于，所述方法还包括采用如下步骤对用户所对应的字符识别模型进行训练：

采集用户在手写字符过程中的运动信号，对该运动信号进行字符标记，将标记后的运动信号构成训练集中的各个训练样本；

采用所述训练集训练字符识别模型，得到用户所对应的字符识别模型并存储。

3.根据权利要求2所述的手写文本识别方法，其特征在于，所述运动信号包括沿至少一个特定方向的运动参数的时间序列信号；

所述将标记后的运动信号构成训练集中的各个训练样本之后，还包括如下步骤：

将各个所述训练样本的运动信号分别沿各个所述特定方向进行翻转或旋转一定角度，得到不同的训练样本并加入所述训练集中。

4.根据权利要求2所述的手写文本识别方法，其特征在于，所述将标记后的运动信号构成训练集中的各个训练样本之后，还包括采用如下步骤对各个训练样本的运动信号进行预处理：

将每个训练样本的运动信号整合为固定长度N，得到M×N的运动信号矩阵，其中M为运动参数的数量；

将每个训练样本的运动信号进行整体归一化，使得所述运动信号符合正态分布。

5.根据权利要求2所述的手写文本识别方法，其特征在于，所述采用所述训练集训练字符识别模型，包括如下步骤：

采用编码器对所述训练样本的运动信号进行编码；

将编码后的运动信号进行特征提取，得到训练样本的特征向量；

采用所述训练样本的特征向量训练分类器。

6.根据权利要求2所述的手写文本识别方法，其特征在于，所述根据所述字符识别结果得到所述运动信号所对应的文本并记录之后，还包括如下步骤：

接收用户对记录文本的反馈信息，如果所述反馈信息包括识别有误和改正的字符，则将所述字符所对应的运动信号根据所述反馈信息进行标记，将标记后的运动信号加入所述训练集；

采用更新后的训练集重新训练所述用户所对应的字符识别模型并存储。

7.根据权利要求1所述的手写文本识别方法，其特征在于，所述获取用户书写过程中手写动作的运动信号，包括从设置于手写笔的配件中获取所述手写动作的运动信号。

8.根据权利要求7所述的手写文本识别方法，其特征在于，所述查找用户所对应的字符识别模型之前，还包括根据所述手写笔的配件的识别信息确定用户的识别信息。