车机嵌入式手写输入方法与流程

1.本发明涉及手写识别技术领域，尤其涉及一种车机嵌入式手写输入方法。


背景技术：

2.目前，几乎每种智能设备上都配置有手写输入法，但在车机上的手写输入法始终存在识别不准确的情况，主要是不是因为字体的不同，而是由于书写习惯和书写角度造成的，因此有必要对它进行改进。


技术实现要素：

3.本发明要解决的技术问题是：为了解决现有技术中的上述问题，本发明提供了一种车机嵌入式手写输入方法来解决上述问题。
4.本发明解决其技术问题所采用的技术方案是：一种车机嵌入式手写输入方法，包括以下步骤：
5.s1、收集多种字体的手写初始图片，对手写初始图片进行预处理得到黑底白字的中间图片，在中间图片上添加与图片内容对应的字符编码，构成训练数据和测试数据；
6.s2、将训练数据输入到手写识别模型中进行训练并进行测试；
7.s3、在pc端将训练好的手写识别模型转换成移动端的手写识别模型；
8.s4、检测移动端的书写屏幕的倾斜角；
9.s5、采集用户的手写轨迹并将手写轨迹转换成黑底白字的识别初始图像；
10.s6、根据所述倾斜角选择多种处理图片的方式对所述识别初始图像进行处理，分别得到多个待识别图像；
11.s7、将所述多个待识别图像输入手写识别模型中进行识别，得到多个识别结果并在屏幕上罗列识别结果；
12.s8、获取用户的选择并记录对应的处理方式，将记录的处理方式优先应用到下次的识别中。
13.作为优选，在所述步骤s1中，预处理的方式为：将所述手写初始图片转换成32*32的二值图像，令图片中内容居中并占满图片。
14.作为优选，在所述步骤s5中，在书写屏幕上创建一块手写输入区域，获取用户书写的轨迹点，将轨迹点渲染成轨迹线，当用户停止书写后，将手写输入区域的由轨迹线组成的图像转换成32*32的二值图像，令图片中内容居中并占满图片。
15.作为优选，所述处理方式为单一的处理手段或者多种处理手段的组合。
16.本发明的有益效果是，这种车机嵌入式手写输入方法根据书写屏幕的倾斜角和用户的书写习惯对待识别的图片进行处理，能够更加准确和快速的对用户的手写字进行识别。
附图说明
17.下面结合附图和实施例对本发明进一步说明。
18.图1是本发明的一种车机嵌入式手写输入方法的最优实施例的流程图。
19.图2是本发明的一种车机嵌入式手写输入方法的最优实施例的手别识别模型的示意图。。
具体实施方式
20.下面详细描述本发明的实施例，所述实施例的示例在附图中示出，其中自始至终相同或类似的标号表示相同或类似的元件或具有相同或类似功能的元件。下面通过参考附图描述的实施例是示例性的，仅用于解释本发明，而不能理解为对本发明的限制。
21.在本发明的描述中，需要理解的是，术语“中心”、“纵向”、“横向”、“长度”、“宽度”、“厚度”、“上”、“下”、“前”、“后”、“左”、“右”、“竖直”、“水平”、“顶”、“底”“内”、“外”、“轴向”、“径向”、“周向”等指示的方位或位置关系为基于附图所示的方位或位置关系，仅是为了便于描述本发明和简化描述，而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作，因此不能理解为对本发明的限制。
22.此外，术语“第一”、“第二”等仅用于描述目的，而不能理解为指示或暗示相对重要性。在本发明的描述中，需要说明的是，除非另有明确的规定和限定，术语“相连”、“连接”应做广义理解，例如，可以是固定连接，也可以是可拆卸连接，或一体地连接；可以是机械连接，也可以是电连接；可以是直接相连，也可以通过中间媒介间接相连。对于本领域的普通技术人员而言，可以具体情况理解上述术语在本发明中的具体含义。此外，在本发明的描述中，除非另有说明，“多个”的含义是两个或两个以上。
23.流程图中或在此以其他方式描述的任何过程或方法描述可以被理解为，表示包括一个或更多个用于实现特定逻辑功能或过程的步骤的可执行指令的代码的模块、片段或部分，并且本发明的优选实施方式的范围包括另外的实现，其中可以不按所示出或讨论的顺序，包括根据所涉及的功能按基本同时的方式或按相反的顺序，来执行功能，这应被本发明的实施例所属技术领域的技术人员所理解。
24.如图1所示，本发明提供了一种车机嵌入式手写输入方法，包括以下步骤：
25.s1、收集多种字体的手写初始图片，手写内容包括中英文、数字和标点符号，在pc端将手写初始图片转换成32*32的二值图像，令图片中内容居中并占满图片，得到黑底白字的中间图片，在中间图片上添加与图片内容对应的字符编码，构成训练数据和测试数据；
26.s2、将训练数据输入到手写识别模型中进行训练并进行测试，手写识别模型中的算法通过tensorflow编写；如图2所示，手写识别模型包括原始数据输入层、卷积层、池化层、降维层和全连接层。原始数据输入层：n*(32*32)的数据，每个数据为浮点型0.0～1.0。可以理解为(32*32)的黑底白字图片，0.0表示纯黑，大于0.0表示有笔画，卷积层：使用32个随机卷积核对n*(32*32)的原始数据执行卷积操作，输出32*n*(32*32)个数据，池化层：对32*n*(32*32)个数据执行降采样，输出32*n*(16*16)个数据，降维层：对32*n*(16*16)个数据执行降维，输出n*(8192)个数据。8192＝32*16*16，全连接层：输出n*256个特征，全连接层：6582表示6582个中英文字符。对于分类问题，这一层一般取需要识别的类型数量。
27.s3、在pc端将训练好的手写识别模型转换成移动端的手写识别模型；
28.s4、在移动段通过tensorflow lite加载手写识别模型，检测移动端的书写屏幕的倾斜角；
29.s5、采集用户的手写轨迹并将手写轨迹转换成黑底白字的识别初始图像，具体为在书写屏幕上创建一块手写输入区域，获取用户书写的轨迹点，用户的手指滑动时每隔16ms记录一次轨迹点，手指离开时记录结束点。将轨迹点渲染成轨迹线，当手指触摸时开始记录起始点，最后利用这些轨迹点，渲染成轨迹线，可以认为是一个笔画。当用户停止书写2s后，将手写输入区域的由轨迹线组成的图像转换成32*32的二值图像，令图片中内容居中并占满图片；
30.s6、根据倾斜角选择多种处理图片的方式对识别初始图像进行处理，分别得到多个待识别图像；在移动端存储有对照表，对照的条件包括书写屏幕的倾斜角，而且对照表的结果为处理方式，处理方式为单一的处理手段或者多种处理手段的组合，处理手段包括且不局限于局部放大缩小、局部变形、局部拉伸、局部加粗、轨迹线的聚拢、轨迹线的扩散等等。
31.s7、将多个待识别图像输入手写识别模型中进行识别，得到多个识别结果并在屏幕上罗列识别结果；
32.s8、获取用户的选择并记录对应的处理方式，将记录的处理方式优先应用到下次的识别中。由于每个人的书写习惯不一样，即使是同一种字体，每个人写出来内容都会在局部有所偏差，而车机上书写屏幕与水平面倾斜的角度较大，会进一步造成书写轨迹的变形，所以用户在一开始使用这种手写输入法时，根据倾斜角从对照表中找到对应的一种或几种处理方式进行尝试，在下一次的识别中将能够更快更准确的识别出书写内容的处理方式优先使用，同时仍然会尝试其它的处理方式，以免陷入死路。经过多次的尝试和择优处理，手写识别的功能得到优化。
33.还可以将处理手段的具体参数作为优化的一部分进行考虑，例如拉伸的比例，聚拢的范围、加粗的程度等等，更细致的优化可以进一步提交识别的速度和准确性。
34.在本说明书的描述中，参考术语“一个实施例”、“一些实施例”、“示例”、“具体示例”、或“一些示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本发明的至少一个实施例或示例中。在本说明书中，对所述术语的示意性表述不一定指的是相同的实施例或示例。而且，描述的具体特征、结构、材料或者特点可以在任何的一个或多个实施例或示例中以合适的方式结合。
35.以上述依据本发明的理想实施例为启示，通过上述的说明内容，相关工作人员完全可以在不偏离本项发明技术思想的范围内，进行多样的变更以及修改。本项发明的技术性范围并不局限于说明书上的内容，必须要根据权利要求范围来确定其技术性范围。