一种基于卷积神经网络的电子书写练习方法与流程

本发明涉及书法学领域，特别是涉及一种基于卷积神经网络的电子书写练习方法。

背景技术：

书法文化，书法是中国古典艺术的一件瑰宝，在世界各国文字书写中，没有任何其他文字的书写，像汉字的书写一样，最终发展成为一种独特的艺术形式，并且源远流长，中国五千年璀璨的文明及无与伦比的丰富文字记载都已为世人所认可。

书法的练习无疑是学习中国文化中相当重要的一环，硬笔字中的藏锋、露锋、逆锋、中锋、转锋、回锋、提、按、顿、驻、挫、转，每一个书写手法都会对书写效果产生不同的影响。

受环境场地影响，毛笔书法不能随时随地进行练习，需要准备毛笔，墨汁，宣纸，砚台和笔洗等工具，硬笔书法同理，随身携带练习工具为日常的训练也带来了很大的不便性，训练的时间场地都受到了限制，对书法爱好者提高技艺造成一定的困扰和经济上的压力。

对于这一问题，现有的技术已经可以很成熟的解决书写练习的场地和硬件设备等条件的困扰，利用触摸设备和电容笔可以满足练习者随时随地的练习需求，但是现有技术中是利用电容笔的笔尖在触摸设备上接触通过电磁反应在对应位置显示着色情况。这种方式对真正的书法练习是欠缺真实性效果的，例如在硬笔字中，“竖”这个笔画可以继续细分为悬针竖或者垂落竖，两种写法在练习者的书写力度、书写速度等不同运笔方法的效果下的体现显然是不同的，但是传统的书法练习工具，只能按照规定样式将其显示为“竖”，因此，现有的电子书法练习方法缺少了对真实性的关联，采用传统的电子书法练习方法进行书写练习不容易反馈书写内容的真实效果，从而无法为练习者提供更好的练习建议。

技术实现要素：

为了解决上述传统电子书写设备中存在的问题，本发明提出了一种基于卷积神经网络的电子书写练习方法，将传统电子书写获得的结果根据运笔数据对真实的书写效果进行学习，建立真实笔与电容笔之间的联系，并将运笔数据作用在传统电子书写方式上，使触摸设备能够体现更加具有真实性的书写内容。

鉴于以上情况，本发明提出了一种基于卷积神经网络的电子书写练习方法，包括以下步骤：

步骤1：采集常规方式书写下的第一样本，

步骤2：获取利用触摸设备书写方式下的第二样本，

步骤3：获取步骤2所述触摸设备书写方式下的运笔数据；

步骤4：利用卷积神经网络对步骤1-步骤3的样本和数据进行训练，获取对应关系；

步骤5：根据步骤4所述对应关系生成书写练习映射。

优选地，步骤1所述常规书写方式包括但不限于硬笔书写和毛笔书写，步骤1所述第一样本为常规书写方式下的图片样本，步骤2所述第二样本为触摸设备书写方式下的图片样本，步骤3所述运笔数据包括但不限于由触摸设备获取并反馈的书写速度、书写时间、笔尖压力和书写路径，对于每一个用户而言，字迹的不同取决于书写习惯的不同，而书写习惯即由每个用户的运笔数据决定，参考笔迹鉴定方法，本发明所涉及的第一样本和第二样本为同一用户在采取不同形式下书写而成的图片样本，因此同一用户书写的第一样本和第二样本具有一致性。

优选地，步骤4所述训练方法包括：

步骤401：对相同内容的第一样本和第二样本进行预处理，所述预处理包括：a、将第一样本和第二样本按照相同图片大小进行存储，选取两个样本的同一显著特征点标记为原点后，分别获取第一样本和第二样本中的每个特征点的坐标，

b、获取第一样本和第二样本的书写路径的轨迹坐标，用以判断笔锋方向，第一样本的运动轨迹为同一笔画两侧对应点坐标的中点坐标构成的轨迹，例如对于某一横，第一样本中任意一处轨迹相对应的两个点的坐标分别为(x1，y1)和(x1，y2)，则其中点坐标为(x1，(y1+y2)/2)，第一样本的运动轨迹即为所有中点坐标值连接形成的曲线，第二样本的笔尖的运动轨迹为笔尖的运动轨迹，c、获取在行笔轨迹相同处的第一样本和第二样本的形变差值，行笔轨迹相同处的第一样本和第二样本的形变差值即中锋行笔只受运笔数据的影响；

步骤402：通过笔尖压力和书写速度对行笔方向中的形变差值进行训练；

步骤403：由于行笔轨迹不同处的第二样本可以体现逆锋起笔、回锋收笔的影响，对步骤401中轨迹坐标相异处的第一样本和第二样本进行分析，将第一样本对第二样本进行覆盖，获取轨迹坐标相异处的路径遍历数，对第二样本进行路径遍历数的色彩深度叠加；

取任意两处运笔速度相同(定义为v0)的不同轨迹坐标处的色彩深度进行均值计算，并将其均值定义为基础色深d0，继续获取其余轨迹坐标处的运笔速度v1，此时对整个样本任意轨迹处的色彩深度d定义为：

d＝α*d0*(v0/v1)

其中α代表色彩深度关系系数。

优选地，步骤3所述对应关系为步骤2所述第二样本在步骤3所述运笔数据下生成的与步骤1所述的第一样本的差值关系，步骤4所述映射为步骤2所述的第二样本在所述步骤3生成的方法下步生成步骤1所述第一样本的映射，当通过上述方法计算出第一样本与第二样本的差值关系，并利用卷积神经网络通过运笔数据训练后，即可获得在不同的运笔数据情况下，任意第二样本对应的第一样本。

与现有技术相比，本发明具有如下有益效果：通过运笔数据对传统电子书写方式获得的结果进行训练，通过学习使传统电子书写方式获得的结果与真实书写获得的结果构建对应联系，形成映射后反馈至触摸设备对传统电子书写方式获得的结果进行优化，从而构建电子书写与真实书写之间的联系，帮助练习者更加准确的进行书法的学习。

附图说明

附图1为本发明提出的书写练习方法的流程图

附图2为本发明提出的训练方法的流程图

具体实施方式

为使本发明的技术手段、创作特征、达成目的与功效易于明白了解，下面结合具体实施方式，进一步阐述本发明。

如图1-2所述，为本发明提出的一种基于卷积神经网络的电子书写练习方法，包括以下步骤：

步骤1：采集毛笔书写方式书写下的第一样本，

步骤2：获取电容笔在电容屏上书写的第二样本，

步骤3：获取步骤2所述第二样本的书写速度、书写时间、笔尖压力和书写路径；

步骤4：利用卷积神经网络对步骤1-步骤3的样本和数据进行训练，获取对应关系，具体为：

步骤401：对相同内容的第一样本和第二样本进行预处理，所述预处理包括：a、将第一样本和第二样本按照相同图片大小进行存储，选取两个样本的同一显著特征点标记为原点后，分别获取第一样本和第二样本中的每个特征点的坐标，

b、获取第一样本和第二样本的书写路径的轨迹坐标，用以判断笔锋方向，第一样本的运动轨迹为同一笔画两侧对应点坐标的中点坐标构成的轨迹，例如对于某一横，第一样本中任意一处轨迹相对应的两个点的坐标分别为(x1，y1)和(x1，y2)，则其中点坐标为(x1，(y1+y2)/2)，第一样本的运动轨迹即为所有中点坐标值连接形成的曲线，第二样本的笔尖的运动轨迹为笔尖的运动轨迹，c、获取在行笔轨迹相同处的第一样本和第二样本的形变差值，行笔轨迹相同处的第一样本和第二样本的形变差值即中锋行笔只受运笔数据的影响；

步骤402：通过笔尖压力和书写速度对行笔方向中的形变差值进行训练；

步骤403：由于行笔轨迹不同处的第二样本可以体现逆锋起笔、回锋收笔的影响，对步骤401中轨迹坐标相异处的第一样本和第二样本进行分析，将第一样本对第二样本进行覆盖，获取轨迹坐标相异处的路径遍历数，对第二样本进行路径遍历数的色彩深度叠加。

步骤5：根据步骤4所述对应关系生成书写练习映射，

当通过上述方法计算出第一样本与第二样本的差值关系，并利用卷积神经网络通过运笔数据训练后，即可获得在不同的运笔数据情况下，任意第二样本对应的第一样本。

尽管参照前述实施例对本发明进行了详细的说明，对于本领域的技术人员来说，其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换，凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。