一种文字识别方法及装置的制造方法
【技术领域】
[0001]本发明涉及智能识别领域，具体涉及一种文字识别方法及装置。
【背景技术】
[0002]文字识别技术是通过智能终端的手写输入设备将文字写入，并提取文字特征信息，最后与预先存储的真实文字的特征信息进行比对，以实现鉴别手写文字真伪的技术。
[0003]文字识别技术可以用于手写签名的识别，手写签名识别方法是一种身份验证识别方法，与其它身份识别技术相比，手写签名识别具有信息量大、不易模仿、准确度高和方便应用等优点，所以手写签名识别是一种被广大用户认可的安全的身份认证方式。
[0004]现有技术的手写签名识别方法需要预先存储真实签名，在使用者通过触摸屏、手写板或其它手写输入设备输入签名后，手写签名识别系统会采集签名的数据信息，如笔迹形状、书写速度、书写加速度及书写压力等，然后对所采集到的签名数据信息进行预处理，如起笔处理、合并、去除孤立点与冗余点、平滑和倾斜校正等，以尽可能去除误导识别结果的因素，进一步地，从预处理后的签名数据信息中提取签名的特征信息与真实签名进行匹配对比，以判断使用者的签名是否符合认证条件。
[0005]现有的手写签名识别方法虽然可以实现对使用者输入的签名的识别，但是，由于该识别方法对输入的签名的处理算法比较复杂，占用内存较大，导致使用者输入签名后需要较长的时间才能完成识别工作，识别效率较低。同时，现有的识别方法识别精度不准确，识别出现误差的几率较大。
【发明内容】
[0006]针对上述问题，本发明提供了一种文字识别方法及装置，能够提高文字的识别效率，同时尽量避免识别误差的产生。
[0007]本发明提供了一种文字识别方法，所述方法包括:
[0008]接收输入的任一待识别文字；
[0009]将所述待识别文字进行向量处理；
[0010]确定所述待识别文字的待识别特征集，所述待识别特征集包括待识别特征；
[0011]根据所述待识别特征生成预设个数的待识别超边；
[0012]将所述待识别超边与预先存储的超边库中的超边进行对比，当所述待识别超边与所述超边库中的超边匹配个数满足预设条件时，确定所述待识别文字识别成功。
[0013]优选地，所述方法还包括:
[0014]预先学习并存储文字的超边库，所述超边库包括所述预设个数的超边。
[0015]优选地，所述预先学习并存储文字的超边库，所述超边库包括所述预设个数的超边，包括:
[0016]获取任一用户多次输入的同一文字；
[0017]将所述文字进行向量处理后，得到所述文字的特征集，所述特征集包括所述文字的特征；
[0018]根据所述文字的特征生成所述预设个数的超边，并利用生成的超边组成超边库。
[0019]优选地，所述根据所述文字的特征生成所述预设个数的超边，并利用生成的超边组成超边库，包括:
[0020]对所述文字的特征进行多次随机采样生成所述预设个数的超边；
[0021]采用超边替代超网络分类器，将所述超边进行学习分类后，得到超边库，所述超边库包括学习分类后的超边。
[0022]优选地，所述根据所述待识别特征生成预设个数的待识别超边，包括:
[0023]采用超边替代超网络分类器，根据所述待识别特征生成预设个数的待识别超边。
[0024]优选地，所述接收输入的任一待识别文字，包括:
[0025]利用笔画追踪技术接收输入的任一待识别文字。
[0026]优选地，所述将所述待识别文字进行向量处理后，得到所述待识别文字的待识别特征集，所述待识别特征集包括待识别特征，包括:
[0027]按照笔画，将所述待识别文字划分为预设数量的特征段；
[0028]利用最小二乘拟合方法，确定所述特征段的方向向量；
[0029]根据所述特征段的方向向量确定所述待识别文字的待识别特征集，所述待识别特征集包括待识别特征。
[0030]优选地，所述将所述文字进行向量处理后，得到所述文字的特征，包括:
[0031]按照笔画，将所述文字划分为预设数量的特征段；
[0032]利用最小二乘拟合方法，确定所述特征段的方向向量；
[0033]根据所述特征段的方向向量确定所述文字的特征集。
[0034]本发明还提供了一种文字识别装置，所述装置包括:
[0035]接收模块，用于接收输入的任一待识别文字；
[0036]处理模块，用于将所述待识别文字进行向量处理；
[0037]确定模块，用于确定所述待识别文字的待识别特征集，所述待识别特征集包括所述待识别特征；
[0038]生成模块，用于根据所述待识别特征生成预设个数的待识别超边；
[0039]对比模块，用于将所述待识别超边与预先存储的超边库中的超边进行对比，当所述待识别超边与所述超边库中的超边匹配个数满足预设条件时，确定所述待识别文字识别成功。
[0040]优选地，所述装置还包括:
[0041]学习模块，用于预先学习并存储文字的超边库，所述超边库包括所述预设个数的超边。
[0042]优选地，所述学习模块包括:
[0043]获取子模块，用于获取任一用户多次输入的同一文字；
[0044]处理子模块，用于将所述文字进行向量处理后，得到所述文字的特征集，所述特征集包括所述文字的特征；
[0045]第一生成子模块，用于根据所述文字的特征生成预设个数的超边，并利用生成的超边组成超边库。
[0046]优选地，所述第一生成子模块包括:
[0047]采样子模块，用于对所述文字的特征进行多次随机采样生成所述预设个数的超边；
[0048]第一分类子模块，用于采用超边替代超网络分类器，将所述超边进行学习分类后，得到超边库，所述超边库包括学习分类后的超边。
[0049]优选地，所述生成模块包括:
[0050]第二生成子模块，用于采用超边替代超网络分类器，根据所述待识别特征生成预设个数的待识别超边。
[0051]优选地，所述接收模块具体为用于利用笔画追踪技术接收用户输入的任一待识别文字的模块。
[0052]优选地，所述处理模块包括:
[0053]第一划分子模块，用于按照笔画，将所述待识别文字划分为预设数量的特征段；
[0054]第一确定子模块，用于利用最小二乘拟合方法，确定所述特征段的方向向量；
[0055]第二确定子模块，用于根据所述特征段的方向向量确定所述待识别文字的待识别特征集，所述待识别特征集包括待识别特征。
[0056]优选地，所述处理子模块包括:
[0057]第二划分子模块，用于按照笔画，将所述文字划分为预设数量的特征段；
[0058]第三确定子模块，用于利用最小二乘拟合方法，确定所述特征段的方向向量；
[0059]第四确定子模块，用于根据所述特征段的方向向量确定所述文字的特征集。
[0060]本发明预先学习并存储文字的超边库，所述超边库包括预设个数的超边；接收用户输入的任一待识别文字；将所述待识别文字进行向量特征处理后，得到所述待识别文字的待识别向量特征集，所述待识别向量特征集包括所述待识别文字的特征；根据所述待识别向量特征集中的特征生成待识别超边；将所述待识别超边与所述超边库中的超边进行对t匕，当所述待识别超边与所述超边库中的超边匹配个数满足预设条件时，确定所述待识别文字识别成功。与现有技术相比，本发明能够提高文字的识别效率，同时尽量避免识别误差的产生。
【附图说明】
[0061]为了更清楚地说明本申请实施例中的技术方案，下面将对实施例描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本申请的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。
[0062]图1为本发明实施例一提供的文字识别方法流程图；
[0063]图2为本发明实施例一提供的平面方向向量图；
[0064]图3为本发明实施例二提供的文字识别方法流程图；
[0065]图4为本发明实施例二提供的输入界面示意图；
[0066]图5为本发明实施例三提供的文字识别装置结构图；
[0067]图6为本发明实施例三提供的终端相关的手机的部分结构的框图。
【具体实施方式】
[0068]下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本申请一部分实施例，而不是全部的实施例。基于本申请中的实施例，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，都属于本申请保护的范围。
[0069]实施例一
[0070]参考图1，图1为本实施例提供的文字识别方法流程图，具体包括:
[0071]S 101:接收输入的任一待识别文字。
[0072]本实施例中，用户可以使用计算机、智能手机或者平板电脑输入任意一个或者多个文字作为待识别文字。
[0073]具体的，本实施例可以利用笔画追踪技术接收用户输入的待识别文字，对所述待识别文字中的虚假抬笔进行自动补全，从落笔点开始追