[发明专利]笔迹识别方法和装置有效

专利信息
申请号: 202111173289.3 申请日: 2021-10-09
公开(公告)号: CN113610064B 公开(公告)日: 2022-02-08
发明(设计)人: 刘军;秦勇 申请(专利权)人: 北京世纪好未来教育科技有限公司
主分类号: G06V30/32 分类号: G06V30/32;G06V30/19;G06K9/62;G06N3/04;G06N3/08
代理公司: 北京北汇律师事务所 11711 代理人: 张臻贤
地址: 100086 北京市海淀区中*** 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: 笔迹 识别 方法 装置
【权利要求书】:

1.一种笔迹识别方法,其特征在于,所述方法包括:

获取包含目标用户笔迹的目标图像,所述目标图像基于拍摄得到;

调用训练后的笔迹模拟模型;

通过所述笔迹模拟模型,对所述目标图像进行处理,得到所述目标用户笔迹的模拟笔迹图像,所述模拟笔迹图像包括设定文本信息;

获取预先存储的每个用户的第一设定文本笔迹图像,所述第一设定文本笔迹图像包括所述设定文本信息;

通过训练后的图像相似度确定模型,分别确定所述模拟笔迹图像和所述每个用户的第一设定文本笔迹图像之间的相似度;

根据所述模拟笔迹图像和所述每个用户的第一设定文本笔迹图像之间的相似度,确定所述目标用户笔迹所属的目标用户。

2.根据权利要求1所述的笔迹识别方法,其特征在于,所述根据所述模拟笔迹图像和所述每个用户的第一设定文本笔迹图像之间的相似度,确定所述目标用户笔迹所属的目标用户,包括:

获取相似度大于设定阈值的目标笔迹图像;

将所述目标笔迹图像对应的用户,确定为所述目标用户笔迹所属的目标用户;

所述方法还包括:

当不存在相似度大于设定阈值的第一设定文本笔迹图像时,将所述模拟笔迹图像作为新用户的第一设定文本笔迹图像存储。

3.根据权利要求1所述的笔迹识别方法,其特征在于,所述每个用户的第一设定文本笔迹图像存储于用户笔迹图像字典,所述用户笔迹图像字典的键信息为所述第一设定文本笔迹图像,值信息为对应的用户标识。

4.根据权利要求1所述的笔迹识别方法,其特征在于,所述笔迹模拟模型的训练方法包括:

构建初始的笔迹生成式模型,所述笔迹生成式模型包括笔迹生成模块和笔迹判别模块,所述笔迹生成模块用于基于输入图像模拟包含设定文本的笔迹图像,所述笔迹判别模块用于判别所述笔迹判别模块的输入图像为用户书写的第二设定文本笔迹图像或所述笔迹生成模块输出的模拟笔迹图像;

获取第一训练样本,所述第一训练样本包括多个用户的包含用户笔迹的样本图像,以及所述多个用户书写的第二设定文本笔迹图像;

根据所述第一训练样本,对所述初始的笔迹生成式模型进行训练,得到训练后的笔迹生成式模型;

基于所述训练后的笔迹生成式模型的笔迹生成模块,构建笔迹模拟模型。

5.根据权利要求4所述的笔迹识别方法,其特征在于,所述笔迹生成模块的输入图像为所述第一训练样本中的样本图像,输出图像为输入图像对应的模拟笔迹图像;

所述笔迹判别模块的输入图像包括正例样本图像和负例样本图像,所述正例样本图像包括所述第二设定文本笔迹图像和对应用户的样本图像,所述负例样本图像包括所述笔迹生成模块输出的模拟笔迹图像和对应用户的样本图像。

6.根据权利要求1所述的笔迹识别方法,其特征在于,所述通过训练后的图像相似度确定模型,分别确定所述模拟笔迹图像和所述每个用户的设定文本笔迹图像之间的相似度,包括:

调用训练后的图像相似度确定模型;

通过所述图像相似度确定模型,分别对所述模拟笔迹图像和所述每个用户的第一设定文本笔迹图像进行处理,得到所述模拟笔迹图像和所述每个用户的第一设定文本笔迹图像之间的相似度。

7.根据权利要求6所述的笔迹识别方法,其特征在于,所述图像相似度确定模型的训练方法包括:

构建初始的图像相似度确定模型;

获取第二训练样本,所述第二训练样本包括多个正例样本和多个负例样本,所述正例样本包括一对属于同一用户书写的第二设定文本笔迹图像,所述负例样本包括一对属于不同用户书写的第二设定文本笔迹图像;

根据所述第二训练样本,对所述初始的图像相似度确定模型进行训练,得到训练后的图像相似度确定模型。

下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。

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北京世纪好未来教育科技有限公司,未经北京世纪好未来教育科技有限公司许可,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/202111173289.3/1.html,转载请声明来源钻瓜专利网。

同类专利
专利分类
×

专利文献下载

说明:

1、专利原文基于中国国家知识产权局专利说明书;

2、支持发明专利 、实用新型专利、外观设计专利(升级中);

3、专利数据每周两次同步更新,支持Adobe PDF格式;

4、内容包括专利技术的结构示意图流程工艺图技术构造图

5、已全新升级为极速版,下载速度显著提升!欢迎使用!

请您登陆后,进行下载,点击【登陆】 【注册】

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top