本发明涉及手写输入
技术领域：
：，具体地涉及一种手写输入方法及系统。
背景技术：
：：现有的手写输入的相关技术主要包括以下三类：触摸屏的手写输入；即现有智能终端上广泛使用的手写输入法，目前仅对书写单个汉字效果好，字符重叠且是在书写过程中识别，无法处理图片。手写板的手写输入；手写板能够提高输入效率，适用更多的输入场景；但是，手写板的书写内容只能以图片方式输出，无法自动识别内容，不利于编辑。ocr技术(opticalcharacterrecognition，光学字符识别)；ocr指电子设备(例如扫描仪或数码相机)检查纸上打印的字符，通过检测暗、亮的模式确定其形状，然后用字符识别方法将形状翻译成计算机文字的过程；即，针对印刷体字符，采用光学的方式将纸质文档中的文字转换成为黑白点阵的图像文件，并通过识别软件将图像中的文字转换成文本格式，供文字处理软件进一步编辑加工的技术。ocr技术的缺点在于仅能识别规范字符，主要用于识别打印字符。因此，现有技术中缺少一种能够提高识别准确率的手写输入技术。技术实现要素：本发明解决的技术问题是如何提高手写输入技术的识别准确率。为解决上述技术问题，本发明实施例提供一种手写输入方法，包括：获取手写输入信息，所述输入信息包括手写输入所触发的连续坐标信息；根据手写输入信息绘制书写内容，形成内容图像；将所述内容图像分割成若干子图像，每个子图像中仅具有单个文字；利用识字模型识别出每个子图像中的单个文字；输出可编辑格式的识别结果。在上述技术方案中，进一步的，将所述内容图像分割成若干子图像，包括：将内容图像做灰度化，生成灰度图；通过mser算法，在灰度图上生成候选字母区域；候选字母区域经过nms去除重复区域，最终得到子图像。在上述技术方案中，进一步的，所述识字模型的训练方法包括：获取单个文字的书写图片，进行标注，生成标注集；用lenet卷积神经网络来训练标注集，直至准确度达到预设值。在上述技术方案中，进一步的，记录用户的对识别结果的编辑信息，利用所述编辑信息标注该识别结果对应的子图片；将子图片添加至标注集。在上述技术方案中，进一步的，所述输入信息包括书写压力值以及状态信息，所述状态信息包括按下、抬起、悬浮移动。在上述技术方案中，进一步的，在获取手写输入信息后，先过滤无效信息，再根据过滤之后的手写输入信息绘制书写内容。此外，本发明还提供一种手写输入系统，包括：手写输入装置，用于获取手写输入信息；终端设备，所述终端设备安装有软件客户端；服务器，所述服务器包括存储器和处理器，所述存储器上存储有可在所述处理器上运行的计算机指令，所述处理器运行所述计算机指令时执行上述方法的步骤；所述终端设备与手写输入装置连接以接收手写输入信息，所述服务器与终端设备通信连接，对手写输入信息进行识别，将识别结果返回终端设备，所述终端设备通过软件客户端显示识别结果。在上述技术方案中，进一步的，手写输入装置与终端设备以无线通信的方式连接。在上述技术方案中，进一步的，所述手写输入装置为手写板。与现有技术相比，本发明实施例的技术方案具有以下有益效果：本发明实施例提供一种手写输入方法及系统，先根据手写输入信息绘制书写图像，再将书写图像分割成若干子图像，最后对子图像进行逐一识别，有效解决现有技术中的手写输入技术对连续字符识别准确率较低的问题。而且，识别结果以可编辑的格式输出，便于用户做进一步的修改，在一定程度上降低由识别错误引起的不良影响。附图说明图1是本发明实施例的一种手写输入方法的流程示意图。图2是本发明实施例的一种内容图像的分割方法的示意图。图3是本发明实施例的一种手写输入系统的结构示意图。具体实施方式本领域技术人员理解，如
背景技术：
：所言，现有技术中的各种手写输入技术均具有自身的缺陷，尤其是在识别率方面，对连续字符的识别准确率普遍较低。本发明实施例提供一种手写输入方法，包括：获取手写输入信息，所述输入信息包括手写输入所触发的连续坐标信息；根据手写输入信息绘制书写内容，形成内容图像；将所述内容图像分割成若干子图像，每个子图像中仅具有单个文字；利用识字模型识别出每个子图像中的单个文字；输出可编辑格式的识别结果。本发明实施例先根据手写输入信息绘制书写图像，再将书写图像分割成若干子图像，最后对子图像进行逐一识别，有效解决现有技术中的手写输入技术对连续字符识别准确率较低的问题。而且，识别结果以可编辑的格式输出，便于用户做进一步的修改，在一定程度上降低由识别错误引起的不良影响。为使本申请的目的、技术方案和优点更加清楚明白，下面结合实施例和附图，对本申请作进一步的详细说明，本申请的示意性实施方式及其说明仅用于解释本申请，并不作为对本申请的限定。图1是本发明实施例的一种手写输入方法的流程示意图。如图1所示，手写输入方法方法可以包括以下步骤：步骤s101，获取手写输入信息。在一些实施例中，所述输入信息包括手写输入所触发的连续坐标信息、书写压力值以及状态信息，所述状态信息包括按下、抬起、悬浮移动。在一些实施例中，在获取手写输入信息后，需要过滤无效信息。无效信息可以通过预设规则判定，例如，当出现“x”状时，判定为无效信息；当出现大片无规则涂抹形状时，判定为无限信息。无效信息的判定规则也可以通过机器学习获取。过滤掉无效信息后，执行下一步骤。步骤s102，根据手写输入信息绘制书写内容，形成内容图像。在一些实施例中，用户在手写板上书写，书写输入动作被手写板的一系列坐标记录，通过坐标信息即可复现用户在书手写板上书写图形，即内容图像。步骤s103，将所述内容图像分割成若干子图像，每个子图像中仅具有单个文字。图2是本发明实施例的一种内容图像的分割方法的示意图。如图2所示，内容图像的分割方法包括：将内容图像做灰度化，生成灰度图；通过mser(maximallystableextremalregions，最大稳定极值区域)算法，在灰度图上生成候选字母区域；候选字母区域经过nms(non-maximumsuppression，非极大值抑制)算法去除重复区域，最终得到子图像。nms算法，即抑制不是极大值的元素，可以理解为局部最大搜索。这个局部代表的是一个邻域，邻域有两个参数可变，一是邻域的维数，二是邻域的大小。nms在计算机视觉领域有着非常重要的应用，如视频目标跟踪、数据挖掘、3d重建、目标识别以及纹理分析等。步骤s104，利用识字模型识别出每个子图像中的单个文字。在一些实施例中，识字模型通过以下方式建立：获取单个文字的书写图片，对书写图片进行标注，生成标注集，标注集即样本数据集合；用lenet卷积神经网络来训练标注集，直至准确度达到99％。步骤s105，输出可编辑格式的识别结果。用户可对识别结果进行修改，在一定程度上降低由识别错误引起的不良影响，也可进行复制、粘贴等操作。在一些实施例中，当用户对识别结果进行修改后，记录用户的对识别结果的编辑信息，利用所述编辑信息标注该识别结果对应的子图片；将子图片添加至标注集。该标注集可以是针对用户的私人标注集，通过私人标注集能够对识字模型进行个性化、精准化的训练，能够提高准确性。图3是本发明实施例的一种手写输入系统的结构示意图。如图3所示，本发明提供一种手写输入系统，包括：手写输入装置310、终端设备320以及服务器330。手写输入装置310，用于获取手写输入信息。在一些实施例中，手写输入装置310为手写板或者触摸屏。终端设备320，所述终端设备320安装有软件客户端321。在一些实施例中，终端设备320为智能手机、平板电脑、pc等。服务器330，所述服务器330设有存储器331和处理器332，所述存储器331上存储有可在所述处理器332上运行的计算机指令，所述处理器332运行所述计算机指令时执行上述方法的步骤。手写输入装置310、终端设备320、服务器330的连接关系如下：所述终端设备320与手写输入装置310连接以接收手写输入信息，在一些实施例中，手写输入装置310通过蓝牙、wifi等方式与终端设备320连接。在一些实施例中，手写输入装置310通过数据线与终端设备320连接。所述服务器330与终端设备320通信连接，对手写输入信息进行识别，将识别结果返回终端设备320，所述终端设备320通过软件客户端321显示识别结果。以一具体实施例，说明上述手写输入系统的操作方法：启动智能手机上的软件客户端321，与手写板进行蓝牙配对；用户在手写板上进行手写输入，软件客户端321接收手写输入信息；在手写输入完成后，在软件客户端321上点“完成”按钮；软件客户端321将手写输入信息上传至服务器330；服务器330的处理器332利用识字模型自动识别手写输入信息，具体识别方法如图1所示。服务器330将识别结果返回至软件客户端321，软件客户端321显示识别结果。最后应说明的是：以上各实施例仅用以说明本申请的技术方案，而非对其限制；尽管参照前述各实施例对本申请进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分或者全部技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本申请各实施例技术方案的范围。当前第1页12当前第1页12