一种书法评测方法及系统与流程

1.本发明涉及图像识别技术领域，具体涉及一种书法评测方法及系统。


背景技术：

2.近年来,随着人工智能的迅速发展,以及国家对传统文化的大力普及,数字智能化书法教学系统被广泛需求,通过智能教学系统,通过智能教学系统利用智能算法，可以不需要在老师的现场指导下,对学生练习的书法进行在线实时指导，提出改进意见，这种高效且方便的书法教学体验,降低了学生接触书法的门槛,有助于对传统书法文化的普及。其中如何对学生练习的书法字进行评测是智能书法教学系统中重要一环,给出正确的评测分数和直观的评测结果有利于学生进一步的学生的学习和改进。
3.当前临摹评价系统需要在已知学生临摹字的类别的情况下进行评测,不具有实拍实测的性能，限制使用场景，而且无法获取当前临帖字的类别，只能将临帖字与人为选定的临摹图像进行比对评测，很难进行更广泛且智能的评测对比，降低学习效率，无法满足对测评的实时性要求，从而影响体验。


技术实现要素：

4.因此，本发明要解决的技术问题在于克服现有技术中书法评测方法无法识别书法类别不能智能进行评测对比的缺陷，从而提供一种书法评测方法及系统。
5.为达到上述目的，本发明提供如下技术方案：
6.第一方面，本发明实施例提供一种书法评测方法，包括如下步骤：
7.根据不同类别书法的对应评测等级，对同一类别的书法字进行分类处理，构建多种类别书法对应不同等级的字库；
8.采集不同类别的书法图像字对其进行字名标注后作为训练集，对神经网络模型进行训练，得到训练好的识别模型；
9.对待评测的书法图像进行二值化分割获得分割图像，输入到识别模型中获取书法图像对应的字名；
10.将分割图像中字名和对应类别不同等级的字库图像进行匹配，获得最终评分。
11.在一实施例中，对待评测的书法图像进行二值化分割获得分割图像的步骤，包括：
12.将待评测的书法图像i切分成n个区域，分别对每一区域进行预设二值化算法处理，将处理后的图像拼接构成初始分割图像s；
13.通过设定阈值对图像s的连通区域进行筛选，当连通区域的面积小于预设阈值时，将该连通区域的像素值置为0剔除噪声，获得最终的分割图像s
′
。
14.在一实施例中，将分割图像s
′
中字名和对应类别不同等级的字库图像进行匹配的步骤之前，还包括：
15.将分割图像s
′
与对应类别不同等级的字库图像t进行旋转对齐，根据汉字的轮廓特征，采用radon变换，预测分割图像s
′
相对于字库图像t旋转角度θ，利用仿射变换，将分割
图像s
′
旋转-θ角度得到图像s
″
。
16.在一实施例中，将分割图像s
″
中字名和对应类别不同等级的字库图像进行匹配，获得最终得分的步骤，包括：
17.采用逐像素点对齐的方法,通过统计分割图像中汉字部分s
″
＞0
与对应字库图像中汉字部分t
＞0
上的交集和并集的比例，通过以下公式获取两个图像的相似度：
[0018][0019]
将获得的相似度作为对待评测的书法图像的最终评分。
[0020]
在一实施例中，分割图像s
′
相对于字库图像t旋转角度θ的范围为-45度到45度。
[0021]
在一实施例中，所述不同类别书法包括硬笔书法和软笔书法。
[0022]
第二方面，本发明实施例提供一种书法评测系统，包括：
[0023]
字库构建模块，用于根据不同类别书法的对应评测等级，对同一类别的书法字进行分类处理，构建多种类别书法对应不同等级的字库；
[0024]
识别模型训练模块，用于采集不同类别的书法图像字对其进行字名标注后作为训练集，对神经网络模型进行训练，得到训练好的识别模型；
[0025]
字名识别模块，用于对待评测的书法图像进行二值化分割获得分割图像，输入到识别模型中获取书法图像对应的字名；
[0026]
评分获取模块，用于将分割图像中字名和对应类别不同等级的字库图像进行匹配，获得最终评分。
[0027]
第三方面，本发明实施例提供一种计算机可读存储介质，所述计算机可读存储介质存储有计算机指令，所述计算机指令用于使所述计算机执行本发明实施例第一方面的书法评测方法。
[0028]
第四方面，本发明实施例提供一种计算机设备，包括：存储器和处理器，所述存储器和所述处理器之间互相通信连接，所述存储器存储有计算机指令，所述处理器通过执行所述计算机指令，从而执行本发明实施例第一方面的书法评测方法。
[0029]
本发明技术方案，具有如下优点：
[0030]
1、本发明提供了一种书法评测方法及系统，根据不同类别书法的对应评测等级，对同一类别的书法字进行分类处理，构建多种类别书法对应不同等级的字库；采集不同类别的书法图像字对其进行字名标注后作为训练集，对神经网络模型进行训练，得到训练好的识别模型；对待评测的书法图像进行二值化分割获得分割图像，输入到识别模型中获取书法图像对应的字名；将分割图像中字名和对应类别不同等级的字库图像进行匹配，获得最终评分。本发明提供的实施例突破常规的一对一评测，可以实现一对多的评测效果，提供了评测效率，通过输入待测的书法图像可以实时端对端获得待测图像与字库中相应类别的书法字重合度匹配结果,无需提前已知待测图像的类别，仅需要拍照输入，不依赖额外的书法硬件系统，对于复杂的拍照场景也具有较好的泛化性。
[0031]
2、本发明提供的一种书法评测方法及系统，考虑图像存在旋转影响后面的相似度的评分，将分割图像与对应类别不同等级的字库图像进行旋转对齐，通过radon变换和放射变换后的图像进行相似度计算得到的最终评分，准确率更好。
附图说明
[0032]
为了更清楚地说明本发明具体实施方式或现有技术中的技术方案，下面将对具体实施方式或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图是本发明的一些实施方式，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
[0033]
图1本发明实施例中提供的书法评测方法的一个具体示例的工作流程图；
[0034]
图2为本发明实施例中提供的书法评测系统的一个具体示例的模块组成图；
[0035]
图3为本发明实施例提供的计算机设备一个具体示例的组成图。
具体实施方式
[0036]
下面将结合附图对本发明的技术方案进行清楚、完整地描述，显然，所描述的实施例是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
[0037]
此外，下面所描述的本发明不同实施方式中所涉及的技术特征只要彼此之间未构成冲突就可以相互结合。
[0038]
实施例1
[0039]
本发明实施例提供一种书法评测方法，可应用于软笔或硬笔书法的等级评测，如图1所示，该方法包括如下步骤：
[0040]
步骤s1：根据不同类别书法的对应评测等级，对同一类别的书法字进行分类处理，构建多种类别书法对应不同等级的字库。
[0041]
在本发明实施例中不同类别书法是指不同的书法字体，包括行书字体、草书字体、隶书字体、篆书字体和楷书字体
[0042]
以及不同字体包括的多种以分的字体等等，仅作为举例，不以此为限。不同类别书法的对应评测等
[0043]
级，只是书法评测领域不同只只的书法字只对应的等级，在本发明实施例中，通过通家评测对不同等级的书法字只进行标注分类，构建多种类别书法对应不同等级的字库。
[0044]
步骤s2：采集不同类别的书法图像字对其进行字名标注后作为训练集，对神经网络模型进行训练，得到训练好的识别模型。
[0045]
实际中多种类型的书法不容易被人们识别是什么汉字，因此需要对不同类别的书法图像进行人工字名标注后，输入到对神经网络模型进行训练，通过神经网络提取不同类型书法的特征，来识别不同类别的书法是什么汉字。神经网络可以采用分类网络mobilenet v2作为软笔书法字识别提取特征的基础网络。
[0046]
步骤s3：对待评测的书法图像进行二值化分割获得分割图像，输入到识别模型中获取书法图像对应的字名。
[0047]
本发明实施例，将待评测的书法图像i切分成n个区域，分别对每一区域进行预设二值化算法(例如是otsu算法，仅作为举例不以此为限)处理，将处理后的图像拼接构成初始分割图像s；通过设定阈值对图像s的连通区域进行筛选，当连通区域ui的面积小于预设阈值α时，将该连通区域的像素值置为0剔除噪声，获得最终的分割图像s
′
。
[0048]
步骤s4：将分割图像中字名和对应类别不同等级的字库图像进行匹配，获得最终
评分。
[0049]
在本发明实施例中，考虑图像存在旋转影响后面的相似度的评分，首先将分割图像s
′
与对应类别不同等级的字库图像t进行旋转对齐，根据汉字的轮廓特征，采用radon变换，预测分割图像s
′
相对于字库图像t旋转角度θ(θ的取值范围为-45度到45度)，利用仿射变换，将分割图像s
′
旋转-θ角度得到图像s
″
。
[0050]
最后采用逐像素点对齐的方法,通过统计分割图像中汉字部分s
″
＞0
与对应字库图像中汉字部分t
＞0
上的交集和并集的比例，通过以下公式获取两个图像的相似度：
[0051][0052]
将获得的相似度作为对待评测的书法图像的最终评分。
[0053]
在一具体的使用场景中，辅导教育app通过软笔书法测评功能辅助学生练习和矫正书法等，具体的使用过程为：
[0054]
a.根据用户使用的软笔书法等级，建立相应的字库数据；
[0055]
b.打开只机app，从相册或者直接拍摄获得待测软笔书法字，只动调整图像区域，将待测书法字裁进行裁剪；
[0056]
c.通过裁切的软笔书法字，app调用本发明实施例提供的书法评测方法，在输出页面返回该软笔书法字的类别，以及该图像与字库中同一类别数据的匹配得分。
[0057]
本发明实施例提供的书法评测方法，突破常规的一对一评测，可以实现一对多的评测效果，提高了评测效率，通过输入待测的书法图像可以实时端对端获得待测图像与字库中相应类别的书法字重合度匹配结果,无需提前已知待测图像的类别，仅需要拍照输入，不依赖额外的书法硬件系统,对于复杂的拍照场景也具有较好的泛化性。
[0058]
实施例2
[0059]
本发明实施例提供一种书法评测系统，如图2所示，包括：
[0060]
字库构建模块1，用于根据不同类别书法的对应评测等级，对同一类别的书法字进行分类处理，构建多种类别书法对应不同等级的字库；此模块执行实施例1中的步骤s1所描述的方法，在此不再赘述。
[0061]
识别模型训练模块2，用于采集不同类别的书法图像字对其进行字名标注后作为训练集，对神经网络模型进行训练，得到训练好的识别模型；此模块执行实施例1中的步骤s2所描述的方法，在此不再赘述。
[0062]
字名识别模块3，用于对待评测的书法图像进行二值化分割获得分割图像，输入到识别模型中获取书法图像对应的字名；此模块执行实施例1中的步骤s3所描述的方法，在此不再赘述。
[0063]
评分获取模块4，用于将分割图像中字名和对应类别不同等级的字库图像进行匹配，获得最终评分；此模块执行实施例1中的步骤s4所描述的方法，在此不再赘述。
[0064]
本发明实施例提供的书法评测系统，可以实现一对多的评测效果，评测效率高，通过输入待测的书法图像可以实时端对端获得待测图像与字库中相应类别的书法字重合度匹配结果,无需提前已知待测图像的类别，仅需要拍照输入，不依赖额外的书法硬件系统,对于复杂的拍照场景也具有较好的泛化性。
[0065]
实施例3
[0066]
本发明实施例提供一种计算机设备，如图3所示，该设备可以包括处理器51和存储器52，其中处理器51和存储器52可以通过总线或者其他方式连接，图3以通过总线连接为例。
[0067]
存储器52作为一种非暂态计算机可读存储介质，可用于存储非暂态软件程序、非暂态计算机可执行程序以及模块，如本发明实施例中的对应的程序指令/模块。处理器51通过运行存储在存储器52中的非暂态软件程序、指令以及模块，从而执行处理器的各种功能应用以及数据处理，即实现上述方法实施例1中的书法评测方法。
[0068]
存储器52可以包括存储程序区和存储数据区，其中，存储程序区可存储操作系统、至少一个功能所需要的应用程序；存储数据区可存储处理器51所创建的数据等。此外，存储器52可以包括高速随机存取存储器，还可以包括非暂态存储器，例如至少一个磁盘存储器件、闪存器件、或其他非暂态固态存储器件。在一些实施例中，存储器52可选包括相对于处理器51远程设置的存储器，这些远程存储器可以通过网络连接至处理器51。上述网络的实例包括但不限于互联网、企业内部网、企业内网、移动通信网及其组合。
[0069]
一个或者多个模块存储在存储器52中，当被处理器51执行时，执行实施例1中的书法评测方法。
[0070]
上述计算机设备具体以节可以对应参阅实施例1中对应的相关描述和效果进行理解，此处不再赘述。
[0071]
本领域技术人员可以理解，实现上述实施例方法中的全部或部分流程，是可以通过计算机程序来指令相关的硬件来完成的程序可存储于一计算机可读取存储介质中，该程序在执行时，可包括如上述各方法的实施例的流程。其中，存储介质可为磁碟、光盘、只读存储记忆体(read-only memory，rom)、随机存储记忆体(random access memory，ram)、快闪存储器(flash memory)、硬盘(hard disk drive，缩只：hdd)或固态硬盘(solid-state drive，ssd)等；存储介质还可以包括上述种类的存储器的组合。
[0072]
显然，上述实施例仅仅是为清楚地说明所作的举例，而并非对实施方式的限定。对于所属领域的普通技术人员来说，在上述说明的基础上还可以做出其它不同形式的变化或变动。这里无需也无法对所有的实施方式予以穷举。而由此所引申出的显而易见的变化或变动仍处于本发明创造的保护范围之中。