[发明专利]基于汉字分解和特征映射的手写体识别方法及装置

权利要求书

1.一种基于汉字分解和特征映射的手写体识别方法，其特征在于：包括如下步骤，S2结构层次化表示，处理器根据汉字结构对单字图片层次化处理并获得汉字层次分解树T；S3嵌入表示，处理器对汉字层次分解树T嵌入表示并获得嵌入表示数据；S4特征提取与映射，处理器将单字图片发送至特征提取器，特征提取器对单字图片提取特征、获得特征向量矩阵M并发送至转换模块，转换模块转换特征向量矩阵M并获得识别结果。

2.根据权利要求1所述的基于汉字分解和特征映射的手写体识别方法，其特征在于：还包括在步骤S2之前的步骤S1汉字分解，处理器从存储器获取文字图片，提取并形成每一汉字的单字图片。

3.根据权利要求1所述的基于汉字分解和特征映射的手写体识别方法，其特征在于：在步骤S2中，所述汉字结构包括上下结构、左右结构、左中右结构、上中下结构、全包围结构、上半包围结构、左半包围结构、下半包围结构、右半包围结构和独立结构，共十种汉字结构；在步骤S3中，嵌入表示的步骤包括定义节点的路径长度L为根节点到该节点的最短距离，计算并获得每一个节点的影响因子。

4.根据权利要求1所述的基于汉字分解和特征映射的手写体识别方法，其特征在于：在步骤S4中，转换模块将特征向量矩阵M压平为D维向量，然后经过两个全连接层转换为E维向量，选择E中概率值最大的作为识别结果；所述特征提取器为Resnet Blocks的特征提取器，该特征提取器包括四个通道分别是第一至第四通道，第一通道的通道数为64，第二通道的通道数为128，第三通道的通道数为256，第四通道的通道数为512。

5.一种基于汉字分解和特征映射的手写体识别装置，其特征在于：包括如下程序模块，结构层次化表示模块，用于处理器根据汉字结构对单字图片层次化处理并获得汉字层次分解树T；嵌入表示模块，用于处理器对汉字层次分解树T嵌入表示并获得嵌入表示数据；特征提取与映射模块，用于处理器将单字图片发送至特征提取器，特征提取器对单字图片提取特征、获得特征向量矩阵M并发送至转换模块，转换模块转换特征向量矩阵M并获得识别结果。

6.根据权利要求5所述的基于汉字分解和特征映射的手写体识别装置，其特征在于：还包括汉字分解模块，用于处理器从存储器获取文字图片，提取并形成每一汉字的单字图片。

7.根据权利要求5所述的基于汉字分解和特征映射的手写体识别装置，其特征在于：在结构层次化表示模块中，所述汉字结构包括上下结构、左右结构、左中右结构、上中下结构、全包围结构、上半包围结构、左半包围结构、下半包围结构、右半包围结构和独立结构，共十种汉字结构；在嵌入表示模块中，嵌入表示包括定义节点的路径长度L为根节点到该节点的最短距离，计算并获得每一个节点的影响因子。

8.根据权利要求5所述的基于汉字分解和特征映射的手写体识别装置，其特征在于：特征提取与映射模块，还用于转换模块将特征向量矩阵M压平为D维向量，然后经过两个全连接层转换为E维向量，选择E中概率值最大的作为识别结果；所述特征提取器为ResnetBlocks的特征提取器，该特征提取器包括四个通道分别是第一至第四通道，第一通道的通道数为64，第二通道的通道数为128，第三通道的通道数为256，第四通道的通道数为512。

9.一种基于汉字分解和特征映射的手写体识别装置，其特征在于：包括存储器、处理器以及存储在存储器中并可在处理器上运行的权利要求5～权利要求8中的程序模块，所述处理器执行程序模块时实现权利要求1～权利要求4中任意一项基于汉字分解和特征映射的手写体识别方法的步骤。

10.一种基于汉字分解和特征映射的手写体识别装置，其特征在于：为计算机可读存储介质，所述计算机可读存储介质存储有权利要求5～权利要求8中的程序模块，所述程序模块被处理器执行时实现权利要求1～权利要求4中任意一项基于汉字分解和特征映射的手写体识别方法的步骤。