电磁触控屏的智能手写识别方法技术

本发明专利技术涉及手写识别技术领域，具体地说，涉及电磁触控屏的智能手写识别方法

【技术实现步骤摘要】
电磁触控屏的智能手写识别方法


[0001]本专利技术涉及手写识别
，具体地说，涉及电磁触控屏的智能手写识别方法
。

技术介绍

[0002]近年来的智能手写识别技术运用越来越广泛，手写识别技术已经应用到到我们的日常生活中了，也应用到了很多的行业，智能手写识别技术主要将手写的笔迹转化为文本形式，这可以应用于手写笔记的扫描
、
手写信件的转录
、
手写表格的自动化处理等场景，由此可见智能手写识别技术的重要性，当手写输入识别时，能够将手写的文字直接作为输入进行识别，还能代替键盘输入的方式，提高工作效率和信息管理的便利性
。
[0003]虽然智能手写识别技术给我们的生活和工作带来了极大地便利，但是智能手写识别方法在某些情况下可能存在识别准确性不高的问题，尤其是对于一些复杂字形
、
模糊或歪斜的手写文本，这可能导致误识别或部分识别错误，从而影响识别结果的准确性，且对于个别用户的特殊手写风格或个性化需求可能无法完全满足，不但不同文化背景的手写习惯和字符结构可能存在差异，而且智能手写识别方法还可能对于一些特殊字符
、
符号或书写规则的识别存在困难，从而导致了对特定文化的手写不够敏感，影响识别的准确性和适应性，于是我们提供了电磁触控屏的智能手写识别方法
。

技术实现思路

[0004]本专利技术的目的在于提供电磁触控屏的智能手写识别方法，以解决上述
技术介绍
中提出的问题
。
[0005]为实现上述目的，本专利技术提供电磁触控屏的智能手写识别方法，包括如下方法步骤：
S1、
电磁触控屏通过感应笔的信息来捕获手写输入的笔迹数据，并不断地学习和适应用户的个性化手写笔迹风格，将不同风格的手写笔迹数据传入训练数据集中并进行存储；
S2、
采集输入的手写笔迹数据，并对采集后的手写笔迹数据进行预处理操作；
S3、
将从预处理操作后的手写笔迹数据进行特征提取，并对特征提取后的手写笔迹数据进行识别，识别不同的文化背景，将识别后的手写笔迹数据进行后处理操作；
S4、
将后处理操作后的手写笔迹数据与字体库进行匹配，得出匹配的结果
。
[0006]作为本技术方案的进一步改进，所述
S1
中电磁触控屏通过感应笔的位置
、
压力和角度信息来捕获输入的手写笔迹数据，利用了线性回归增量训练算法，不断地学习和适应用户的个性化手写笔迹风格，捕捉不同风格的手写笔迹数据，将不同风格的手写笔迹数据传入训练数据集中并进行存储
。
[0007]作为本技术方案的进一步改进，所述线性回归增量训练算法公式：；表示捕捉不同风格的手写笔迹数据；
[0017]本专利技术提供电磁触控屏的智能手写识别方法，请参阅图1，包括如下方法步骤：
S1、
电磁触控屏通过感应笔的信息来捕获手写输入的笔迹数据，并不断地学习和适应用户的个性化手写笔迹风格，将不同风格的手写笔迹数据传入训练数据集中并进行存储；
S2、
采集输入的手写笔迹数据，并对采集后的手写笔迹数据进行预处理操作；
S3、
将从预处理操作后的手写笔迹数据进行特征提取，并对特征提取后的手写笔迹数据进行识别，识别不同的文化背景，将识别后的手写笔迹数据进行后处理操作；
S4、
将后处理操作后的手写笔迹数据与字体库进行匹配，得出匹配的结果
。
[0018]首先，
S1
中电磁触控屏通过感应笔的位置
、
压力和角度信息来捕获输入的手写笔迹数据，主要是基于电磁感应原理实现，通过感应板上的电磁场来追踪笔的运动，利用了线性回归增量训练算法，该系统不断地学习和适应用户的个性化手写笔迹风格，通过学习用户的个性化手写风格，手写风格因人而异，每个人的书写特点独一无二，捕捉不同风格的手写笔迹数据，该系统能够更好地适应用户的习惯，提供个性化的手写识别体验，用户可以更自然地书写，无需过多的纠正和调整，这样能够增加用户的使用舒适度和满意度，同时将不同风格的手写笔迹数据传入训练数据集中并进行存储，通过存储不同风格的手写笔迹数据可以改进和研究提供更多的样本，研究人员可以通过分析不同风格的手写数据，发现和理解不同风格手写的特点和模式，为优化识别算法和提升性能提供更多的参考和指导；实现电磁感应原理步骤：
1、
感应板的构造：感应板是电磁触控屏的关键组成部分，通常由两层电磁板（也称为感应层）组成，一层为横向方向感应板，一层为纵向方向感应板；
2、
发射电磁信号：感应板发射一个低频电磁信号，形成一个电磁场，电磁场的频率一般为几十千赫兹，能够穿透到上层的感应层
。
[0019]3、
感应笔的天线和芯片：感应笔内部有一个小型天线，并搭载一个小芯片，天线作为感应笔与感应板之间的连接器，将感应板发射的电磁信号感应到，并将感应到的信号传递到芯片；
4、
电磁信号感应：感应层上安装了一系列的感应线圈，这些感应线圈通过感应板发射的电磁信号来感应感应笔的位置
、
压力和角度等信息，当感应笔接近感应板并与之接触或悬浮时，感应线圈感应到感应笔经过的位置和其它参数；
5、
信号处理与输出：感应线圈将感应到的信号传递到信号处理模块，对信号进行采样
、
滤波和放大等处理，以获得更稳定和精确的数据，并将处理后的数据输出给计算机或其他设备进行进一步的处理和识别；线性回归增量训练算法公式：；表示捕捉不同风格的手写笔迹数据；表示输入手写笔迹的字体数量；是样本数量，用于控制更新的步幅；表示输入手写笔迹的位置；代表的输入手写笔迹的压力；表示输入手写笔迹的角度；表示输入手写笔迹修改后向量，包含了与输入手写笔迹的位置对应的实际输出
值；表示输入手写笔迹的字体数量
、
输入手写笔迹的位置和输入手写笔迹的角度相乘计算得到的预测值；表示实际输出值与模型预测值之间的差异值；该公式主要使该系统利用不断地学习和适应用户的个性化手写笔迹风格，不同用户的手写风格可能会随着时间和使用习惯的变化而变化，允许该系统学习和适应用户的个性化手写风格，使该系统具有自适应的能力，该系统能够适应用户的变化，减少错误率，并持续提供高质量的手写识别服务
。
[0020]其次，将通过感应笔输入的手写笔迹数据进行采集，并对采集后的手写笔迹数据进行预处理操作，预处理操作包括去噪处理（输入的手写笔迹数据可能会包含一些噪声，如随机的不连续点或突然跳变的值）
、
平滑处理（输入的手写笔迹数据通常会存在一些毛刺或震荡的现象，这会影响后续的识别算法，通常采用平滑处理方法可以使数据更加平滑）
、
归一化处理（输入的手写笔迹数据通常会有不同的尺度和范围，为了方便后续的处理和识别，需要对数据进行归一化处理）
、
数据重采样（指将原始数据集合的采样频率调整为新的本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.
电磁触控屏的智能手写识别方法，其特征在于：包括如下方法步骤：
S1、
电磁触控屏通过感应笔的信息来捕获手写输入的笔迹数据，并不断地学习和适应用户的个性化手写笔迹风格，将不同风格的手写笔迹数据传入训练数据集中并进行存储；
S2、
采集输入的手写笔迹数据，并对采集后的手写笔迹数据进行预处理操作；
S3、
将从预处理操作后的手写笔迹数据进行特征提取，并对特征提取后的手写笔迹数据进行识别，识别不同的文化背景，将识别后的手写笔迹数据进行后处理操作；
S4、
将后处理操作后的手写笔迹数据与字体库进行匹配，得出匹配的结果
。2.
根据权利要求1所述的电磁触控屏的智能手写识别方法，其特征在于：所述
S1
中电磁触控屏通过感应笔的位置
、
压力和角度信息来捕获输入的手写笔迹数据，采用线性回归增量训练算法，学习和适应用户的个性化手写笔迹风格，捕捉不同风格的手写笔迹数据
。3.
根据权利要求2所述的电磁触控屏的智能手写识别方法，其特征在于：所述线性回归增量训练算法公式：；表示捕捉不同风格的手写笔迹数据；表示输入手写笔迹的字体数量；是样本数量，用于控制更新的步幅；表示输入手写笔迹的位置；代表的输入手写笔迹的压力；表示输入手写笔迹的角度；表示输入手写笔迹修改后向量，包含了与输入手写笔迹的位置对应的实际输出值；表示输入手写笔迹的字体数量<...

【专利技术属性】
技术研发人员：牟莹，熊立龙，杨州，
申请(专利权)人：深圳市上融科技有限公司，
类型：发明
国别省市：