[go: up one dir, main page]
More Web Proxy on the site http://driver.im/

CN111931600A - 智能笔图像处理方法、装置及电子设备 - Google Patents

智能笔图像处理方法、装置及电子设备 Download PDF

Info

Publication number
CN111931600A
CN111931600A CN202010704394.4A CN202010704394A CN111931600A CN 111931600 A CN111931600 A CN 111931600A CN 202010704394 A CN202010704394 A CN 202010704394A CN 111931600 A CN111931600 A CN 111931600A
Authority
CN
China
Prior art keywords
pen
intelligent pen
track
original image
parallel
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Granted
Application number
CN202010704394.4A
Other languages
English (en)
Other versions
CN111931600B (zh
Inventor
陈铿帆
陈方圆
卢启伟
陈鹏宇
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Shenzhen Eaglesoul Technology Co Ltd
Original Assignee
Shenzhen Eaglesoul Education Service Co Ltd
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Shenzhen Eaglesoul Education Service Co Ltd filed Critical Shenzhen Eaglesoul Education Service Co Ltd
Priority to CN202010704394.4A priority Critical patent/CN111931600B/zh
Priority to PCT/CN2020/110918 priority patent/WO2022016651A1/zh
Priority to US17/256,215 priority patent/US20230214028A1/en
Publication of CN111931600A publication Critical patent/CN111931600A/zh
Application granted granted Critical
Publication of CN111931600B publication Critical patent/CN111931600B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V30/00—Character recognition; Recognising digital ink; Document-oriented image-based pattern recognition
    • G06V30/10—Character recognition
    • G06V30/32—Digital ink
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F3/00—Input arrangements for transferring data to be processed into a form capable of being handled by the computer; Output arrangements for transferring data from processing unit to output unit, e.g. interface arrangements
    • G06F3/01—Input arrangements or combined input and output arrangements for interaction between user and computer
    • G06F3/03—Arrangements for converting the position or the displacement of a member into a coded form
    • G06F3/033—Pointing devices displaced or positioned by the user, e.g. mice, trackballs, pens or joysticks; Accessories therefor
    • G06F3/0354—Pointing devices displaced or positioned by the user, e.g. mice, trackballs, pens or joysticks; Accessories therefor with detection of 2D relative movements between the device, or an operating part thereof, and a plane or surface, e.g. 2D mice, trackballs, pens or pucks
    • G06F3/03542—Light pens for emitting or receiving light
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
    • G06V40/30—Writer recognition; Reading and verifying signatures
    • G06V40/33—Writer recognition; Reading and verifying signatures based only on signature image, e.g. static signature recognition
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/24—Classification techniques
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F3/00—Input arrangements for transferring data to be processed into a form capable of being handled by the computer; Output arrangements for transferring data from processing unit to output unit, e.g. interface arrangements
    • G06F3/01—Input arrangements or combined input and output arrangements for interaction between user and computer
    • G06F3/03—Arrangements for converting the position or the displacement of a member into a coded form
    • G06F3/033—Pointing devices displaced or positioned by the user, e.g. mice, trackballs, pens or joysticks; Accessories therefor
    • G06F3/0354—Pointing devices displaced or positioned by the user, e.g. mice, trackballs, pens or joysticks; Accessories therefor with detection of 2D relative movements between the device, or an operating part thereof, and a plane or surface, e.g. 2D mice, trackballs, pens or pucks
    • G06F3/03545—Pens or stylus
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F3/00—Input arrangements for transferring data to be processed into a form capable of being handled by the computer; Output arrangements for transferring data from processing unit to output unit, e.g. interface arrangements
    • G06F3/01—Input arrangements or combined input and output arrangements for interaction between user and computer
    • G06F3/03—Arrangements for converting the position or the displacement of a member into a coded form
    • G06F3/033—Pointing devices displaced or positioned by the user, e.g. mice, trackballs, pens or joysticks; Accessories therefor
    • G06F3/038—Control and interface arrangements therefor, e.g. drivers or device-embedded control circuitry
    • G06F3/0383—Signal control means within the pointing device
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F3/00—Input arrangements for transferring data to be processed into a form capable of being handled by the computer; Output arrangements for transferring data from processing unit to output unit, e.g. interface arrangements
    • G06F3/01—Input arrangements or combined input and output arrangements for interaction between user and computer
    • G06F3/03—Arrangements for converting the position or the displacement of a member into a coded form
    • G06F3/041—Digitisers, e.g. for touch screens or touch pads, characterised by the transducing means
    • G06F3/0414—Digitisers, e.g. for touch screens or touch pads, characterised by the transducing means using force sensing means to determine a position
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F3/00—Input arrangements for transferring data to be processed into a form capable of being handled by the computer; Output arrangements for transferring data from processing unit to output unit, e.g. interface arrangements
    • G06F3/01—Input arrangements or combined input and output arrangements for interaction between user and computer
    • G06F3/03—Arrangements for converting the position or the displacement of a member into a coded form
    • G06F3/041—Digitisers, e.g. for touch screens or touch pads, characterised by the transducing means
    • G06F3/042—Digitisers, e.g. for touch screens or touch pads, characterised by the transducing means by opto-electronic means
    • G06F3/0421—Digitisers, e.g. for touch screens or touch pads, characterised by the transducing means by opto-electronic means by interrupting or reflecting a light beam, e.g. optical touch-screen
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/40—Extraction of image or video features
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
    • G06V10/82—Arrangements for image or video recognition or understanding using pattern recognition or machine learning using neural networks
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V30/00—Character recognition; Recognising digital ink; Document-oriented image-based pattern recognition
    • G06V30/10—Character recognition
    • G06V30/14—Image acquisition
    • G06V30/142—Image acquisition using hand-held instruments; Constructional details of the instruments
    • G06V30/1423—Image acquisition using hand-held instruments; Constructional details of the instruments the instrument generating sequences of position coordinates corresponding to handwriting
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V30/00—Character recognition; Recognising digital ink; Document-oriented image-based pattern recognition
    • G06V30/10—Character recognition
    • G06V30/32—Digital ink
    • G06V30/333—Preprocessing; Feature extraction

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • General Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Physics & Mathematics (AREA)
  • Human Computer Interaction (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Multimedia (AREA)
  • Evolutionary Computation (AREA)
  • Data Mining & Analysis (AREA)
  • Artificial Intelligence (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Evolutionary Biology (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Health & Medical Sciences (AREA)
  • Computing Systems (AREA)
  • Databases & Information Systems (AREA)
  • General Health & Medical Sciences (AREA)
  • Medical Informatics (AREA)
  • Software Systems (AREA)
  • User Interface Of Digital Computer (AREA)

Abstract

本公开实施例中提供了一种智能笔图像处理方法、装置及电子设备，属于数据处理技术领域，该方法包括：在智能笔第一压力开关处于闭合状态后，监控设置于所述智能笔笔尖处的第二压力开关的工作状态；控制所述智能笔上的图像采集模块采集智能笔书写区域的红外反射信号；对所述原始图像进行特征提取处理，得到与所述原始图像对应的特征矩阵；基于智能笔当前的负载状况，确定所述平行卷积层中用于进行卷积处理的卷积层的个数；在所述轨迹鉴定结果中添加当前的时间信息，形成基于时间排列的轨迹向量。通过本公开的处理方案，能够基于智能笔的负载情况对轨迹识别进行有效识别。

Description

智能笔图像处理方法、装置及电子设备
技术领域
本公开涉及数据处理技术领域，尤其涉及一种智能笔图像处理方法、装置及电子设备。
背景技术
书写是一种很奇妙的体验，在纸上书写永远有着一种魅力，即便是在信息化时代，我们总有着一份渴望保存手写笔记的愿望。特别是在智慧教育方面，当电磁书写识别、红外点阵识别、超声波识别等黑科技融入到书写之中，便有了各式各样的智能书写笔。
红外点阵识别是通过在普通的纸张上印上一层不可见的点阵图案，数码笔前端的高速摄像头随时捕捉笔尖的运动轨迹，同时压力传感器将压力数据传回数据处理器，最终将信息通过蓝牙或USB线向外传输至手机或平板，手机或平板对笔迹进行同步绘制。
在对智能笔的书写轨迹进行识别的过程中，如何基于智能笔实际的负载占用情况，保证智能笔轨迹识别的准确度，是需要解决的问题。
发明内容
有鉴于此，本公开实施例提供一种智能笔图像处理方法、装置及电子设备，以至少部分解决现有技术中存在的问题。
第一方面，本公开实施例提供了一种智能笔图像处理方法，包括：
在智能笔第一压力开关处于闭合状态后，监控设置于所述智能笔笔尖处的第二压力开关的工作状态；
当监控到所述第二压力开关产生的触发信号符合预设规则之后，控制所述智能笔上的图像采集模块采集智能笔书写区域的红外反射信号，以便于形成反映书写轨迹的原始图像；
获取预设于所述智能笔中的笔迹识别模型，以便于基于所述笔迹识别模型，对所述原始图像进行特征提取处理，得到与所述原始图像对应的特征矩阵，所述网络模型依次设置的上采样层和并列卷积层，所述并列卷积层包含多个平行设置的卷积层，每个平行设置的卷积层均含有不同尺寸的卷积核；
基于智能笔当前的负载状况，确定所述平行卷积层中用于进行卷积处理的卷积层的个数，从而基于所述原始图像而形成特征矩阵，以便于利用所述特征矩阵来判断所述原始图像中的轨迹，形成轨迹鉴定结果；
在所述轨迹鉴定结果中添加当前的时间信息，形成基于时间排列的轨迹向量，并将所述轨迹向量通过所述智能笔上的蓝牙模块，发送给所述智能笔建立通信连接的目标对象，以便于在所述目标对象上实时的显示所述智能笔的书写轨迹。
根据本公开实施例的一种具体实现方式，所述基于所述笔迹识别模型，对所述原始图像进行特征提取处理，包括：
利用上采样层对所述原始图像进行上采样操作，形成第一图像；
将所述第一图像在所述并列卷积层中分别独立的进行卷积计算，得到多个并列卷积计算结果；
对所述多个并列卷积计算结果进行合并计算，得到与所述原始图像对应的特征矩阵。
根据本公开实施例的一种具体实现方式，所述对所述多个并列卷积计算结果进行合并计算，得到与所述原始图像对应的特征矩阵，包括：
获取所述多个并列卷积层中不同卷积层所对应的并列卷积核；
基于所述并列卷积核，对所述第一图像进行特征计算，形成多个特征向量矩阵；
为所述多个特征向量矩阵分配不同的权重值，最终得到与所述原始图像对应的特征矩阵。
根据本公开实施例的一种具体实现方式，所述基于智能笔当前的负载状况，确定所述平行卷积层中用于进行卷积处理的卷积层的个数，包括：
获取预设时间段内接收到的原始图像的数目；
基于接收到的原始图像的数目以及所述智能笔核定的最大原始图像接收数，确定所述智能笔当前的负载率；
基于所述负载率，确定所述平行卷积层中用于进行卷积处理的卷积层的个数。
根据本公开实施例的一种具体实现方式，所述监控设置于所述智能笔笔尖处的第二压力开关的工作状态，包括：
获取所述第二压力开关的压力信号值和压力信号频率；
判断所述压力信号值和所述压力信号频率是否分别同时大于第一阈值和第二阈值；
若是，则判定所述第二压力开关处于工作状态。
根据本公开实施例的一种具体实现方式，所述控制所述智能笔上的图像采集模块采集智能笔书写区域的红外反射信号，以便于形成反映书写轨迹的原始图像，包括：
启动所述智能笔上设置的红外摄像装置；
按照预设的采样周期，控制所述红外摄像装置采集所述书写区域的反射信号，形成基于时间序列的反射信号向量；
基于采集到的反射信号向量，形成所述原始图像。
根据本公开实施例的一种具体实现方式，所述在所述轨迹鉴定结果中添加当前的时间信息，形成基于时间排列的轨迹向量，包括：
在分类结果中获取轨迹的二维平面坐标值；
在所述二维平面坐标值中添加当前时间值，形成三维轨迹信息；
基于所述三维轨迹信息，形成所述基于时间排列的轨迹向量。
第二方面，本公开实施例提供了一种智能笔图像处理装置，包括：
监控模块，用于在在智能笔第一压力开关处于闭合状态后，监控设置于所述智能笔笔尖处的第二压力开关的工作状态；
控制模块，用于当监控到所述第二压力开关产生的触发信号符合预设规则之后，控制所述智能笔上的图像采集模块采集智能笔书写区域的红外反射信号，以便于形成反映书写轨迹的原始图像；
处理模块，用于获取预设于所述智能笔中的笔迹识别模型，以便于基于所述笔迹识别模型，对所述原始图像进行特征提取处理，得到与所述原始图像对应的特征矩阵，所述网络模型依次设置的上采样层和并列卷积层，所述并列卷积层包含多个平行设置的卷积层，每个平行设置的卷积层均含有不同尺寸的卷积核；
形成模块，用于基于智能笔当前的负载状况，确定所述平行卷积层中用于进行卷积处理的卷积层的个数，从而基于所述原始图像而形成特征矩阵，以便于利用所述特征矩阵来判断所述原始图像中的轨迹，形成轨迹鉴定结果；
执行模块，用于在所述轨迹鉴定结果中添加当前的时间信息，形成基于时间排列的轨迹向量，并将所述轨迹向量通过所述智能笔上的蓝牙模块，发送给所述智能笔建立通信连接的目标对象，以便于在所述目标对象上实时的显示所述智能笔的书写轨迹。
第三方面，本公开实施例还提供了一种电子设备，该电子设备包括：
至少一个处理器；以及，
与该至少一个处理器通信连接的存储器；其中，
该存储器存储有可被该至少一个处理器执行的指令，该指令被该至少一个处理器执行，以使该至少一个处理器能够执行前述第一方面或第一方面的任一实现方式中的智能笔图像处理方法。
第四方面，本公开实施例还提供了一种非暂态计算机可读存储介质，该非暂态计算机可读存储介质存储计算机指令，该计算机指令用于使该计算机执行前述第一方面或第一方面的任一实现方式中的智能笔图像处理方法。
第五方面，本公开实施例还提供了一种计算机程序产品，该计算机程序产品包括存储在非暂态计算机可读存储介质上的计算程序，该计算机程序包括程序指令，当该程序指令被计算机执行时，使该计算机执行前述第一方面或第一方面的任一实现方式中的智能笔图像处理方法。
本公开实施例中的智能笔图像处理方案，包括在智能笔第一压力开关处于闭合状态后，监控设置于所述智能笔笔尖处的第二压力开关的工作状态；当监控到所述第二压力开关产生的触发信号符合预设规则之后，控制所述智能笔上的图像采集模块采集智能笔书写区域的红外反射信号，以便于形成反映书写轨迹的原始图像；获取预设于所述智能笔中的笔迹识别模型，以便于基于所述笔迹识别模型，对所述原始图像进行特征提取处理，得到与所述原始图像对应的特征矩阵，所述网络模型依次设置的上采样层和并列卷积层，所述并列卷积层包含多个平行设置的卷积层，每个平行设置的卷积层均含有不同尺寸的卷积核；基于智能笔当前的负载状况，确定所述平行卷积层中用于进行卷积处理的卷积层的个数，从而基于所述原始图像而形成特征矩阵，以便于利用所述特征矩阵来判断所述原始图像中的轨迹，形成轨迹鉴定结果；在所述轨迹鉴定结果中添加当前的时间信息，形成基于时间排列的轨迹向量，并将所述轨迹向量通过所述智能笔上的蓝牙模块，发送给所述智能笔建立通信连接的目标对象，以便于在所述目标对象上实时的显示所述智能笔的书写轨迹。。通过本公开的处理方案，提高了智能笔图像处理的效率。
附图说明
为了更清楚地说明本公开实施例的技术方案，下面将对实施例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公开的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其它的附图。
图1为本公开实施例提供的一种智能笔图像处理方法的流程图；
图2为本公开实施例提供的另一种智能笔图像处理方法的流程图；
图3为本公开实施例提供的另一种智能笔图像处理方法的流程图；
图4为本公开实施例提供的一种智能笔结构示意图；
图5为本公开实施例提供的一种智能笔图像处理装置的结构示意图；
图6为本公开实施例提供的电子设备示意图。
具体实施方式
下面结合附图对本公开实施例进行详细描述。
以下通过特定的具体实例说明本公开的实施方式，本领域技术人员可由本说明书所揭露的内容轻易地了解本公开的其他优点与功效。显然，所描述的实施例仅仅是本公开一部分实施例，而不是全部的实施例。本公开还可以通过另外不同的具体实施方式加以实施或应用，本说明书中的各项细节也可以基于不同观点与应用，在没有背离本公开的精神下进行各种修饰或改变。需说明的是，在不冲突的情况下，以下实施例及实施例中的特征可以相互组合。基于本公开中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本公开保护的范围。
需要说明的是，下文描述在所附权利要求书的范围内的实施例的各种方面。应显而易见，本文中所描述的方面可体现于广泛多种形式中，且本文中所描述的任何特定结构及/或功能仅为说明性的。基于本公开，所属领域的技术人员应了解，本文中所描述的一个方面可与任何其它方面独立地实施，且可以各种方式组合这些方面中的两者或两者以上。举例来说，可使用本文中所阐述的任何数目个方面来实施设备及/或实践方法。另外，可使用除了本文中所阐述的方面中的一或多者之外的其它结构及/或功能性实施此设备及/或实践此方法。
还需要说明的是，以下实施例中所提供的图示仅以示意方式说明本公开的基本构想，图式中仅显示与本公开中有关的组件而非按照实际实施时的组件数目、形状及尺寸绘制，其实际实施时各组件的型态、数量及比例可为一种随意的改变，且其组件布局型态也可能更为复杂。
另外，在以下描述中，提供具体细节是为了便于透彻理解实例。然而，所属领域的技术人员将理解，可在没有这些特定细节的情况下实践所述方面。
本公开实施例提供一种智能笔图像处理方法。本实施例提供的智能笔图像处理方法可以由一计算装置来执行，该计算装置可以实现为软件，或者实现为软件和硬件的组合，该计算装置可以集成设置在服务器、客户端等中。
参见图1，本公开实施例中的智能笔图像处理方法，可以包括如下步骤：
S101，在智能笔第一压力开关处于闭合状态后，监控设置于所述智能笔笔尖处的第二压力开关的工作状态。
智能笔在使用的过程中，由于没有严格的节能管理方案，通常会导致电池中的能源消耗过快，影响智能笔中存储的电量的使用寿命。
为此，在智能笔的末端设置第一压力开关(参见图4)，当用户使用智能笔进行书写操作时，可以通过将第一压力开关的状态设置为闭合状态，在第一压力开关闭合之后，第一压力开关将连接的驱动电压传递给需要进行供电操作的智能笔的部件(例如，处理器)，从而能够节约电压。作为一种情况，当智能笔处于闭合状态的时间达到一预设值，且智能笔没有进行书写操作之后，可以自动将第一压力开关的状态有闭合状态转化为断开状态。
第二压力开关设置在智能笔的笔尖处，当第一开关处于闭合的电连接状态时，第一压力开关自动给第二压力开关供电，从而激活第二压力开关。当用户通过智能笔在书写纸上进行书写操作时，当笔尖的压力超过预设阈值之后，第二压力开关自动生成触发信号，该触发信号可以通过连接线传递给处理器进行下一步的处理。
在实际的运行过程中，可以通过处理器来监控第一压力开关和第二压力开关的工作状态，具体的，当第一压力开关处于闭合状态后，监控设置于所述智能笔笔尖处的第二压力开关的工作状态。
S102，当监控到所述第二压力开关产生的触发信号符合预设规则之后，控制所述智能笔上的图像采集模块采集智能笔书写区域的红外反射信号，以便于形成反映书写轨迹的原始图像。
当监控到所述第二压力开关产生触发信号之后，获取所述第二压力开关的压力信号值和压力信号频率；判断所述压力信号值和所述压力信号频率是否分别同时大于第一阈值和第二阈值；若是，则判定所述第二压力开关处于工作状态。
之后，可以控制所述智能笔上的红外收发电路向所述智能笔书写的区域发送红外信号，并同时以原始图像的形式采集所述红外信号在所述书写区域的反射信号
智能笔上设置有红外收发电路，通过该红外收发电路，能够像智能笔的书写区域发送红外信号，从而基于这些红外信号的反射信号，来进一步的确定智能笔的书写痕迹，进而形成描述书写痕迹的原始图像，为了进一步的描述检测到的书写痕迹，可以在原始图像中设置包含书写轨迹的二维平面坐标，通过该二维平面坐标，来描述书写痕迹的具体位置。
S103，获取预设于所述智能笔中的笔迹识别模型，以便于基于所述笔迹识别模型，对所述原始图像进行特征提取处理，得到与所述原始图像对应的特征矩阵，所述网络模型依次设置的上采样层和并列卷积层，所述并列卷积层包含多个平行设置的卷积层，每个平行设置的卷积层均含有不同尺寸的卷积核。
为了提高对于书写痕迹识别的准确性，可以在智能笔中设置轻量化网络模块，该笔迹识别模型可以是包含上采样层、多个卷积层和全连接层的神经网络模型。也可以是其他具有图像识别功能的网络模型，通过预先设置的训练数据对该笔迹识别模型进行训练，可以提高该笔迹识别模型的识别准确度。
在对原始图像进行处理的过程中，可以利用上采样层对所述原始图像进行上采样操作，形成第一图像，通过第一图像，可以获得原始图像的图像特征。接下来，将所述第一图像在所述并列卷积层中分别独立的进行卷积计算，得到多个并列卷积计算结果，其中，并列卷积层中包含多个平行设置的卷积层，每个卷积层占用一个独立的卷积计算通道，通过这种方式，可以采用平行计算的方式来对第一图像进行数据处理，从而提高图像特征计算结果的准确度。
之后，对所述多个并列卷积计算结果进行合并计算，得到与所述原始图像对应的特征矩阵。例如，可以获取所述多个并列卷积层中不同卷积层所对应的并列卷积核；基于所述并列卷积核，对所述第一图像进行特征计算，形成多个特征向量矩阵；为所述多个特征向量矩阵分配不同的权重值，最终得到与所述原始图像对应的特征矩阵。该特征矩阵用于描述智能笔书写的轨迹特征。
S104，基于智能笔当前的负载状况，确定所述平行卷积层中用于进行卷积处理的卷积层的个数，从而基于所述原始图像而形成特征矩阵，以便于利用所述特征矩阵来判断所述原始图像中的轨迹，形成轨迹鉴定结果。
具体的，可以获取预设时间段内接收到的原始图像的数目，基于接收到的原始图像的数目以及所述智能笔核定的最大原始图像接收数，确定所述智能笔当前的负载率，基于所述负载率，确定所述平行卷积层中用于进行卷积处理的卷积层的个数。例如，当前智能笔接收到的原始图像的数目为5帧/秒，而系统允许的最大数目为20帧/秒，此时，系统的负载率可以认定为5/20＝25％，而平行卷积层中包含4个平行设置的卷积层，此时，可以(1-负载率)*平行卷积层个数的方式，确定用于卷积处理的卷积层的个数为3个。从而得到原始图像的特征矩阵。
利用所述笔迹识别模型中的全连接层，对所述特征矩阵进行分类处理，得到轨迹鉴定结果。具体的，在所述全连接层中，对所述特征矩阵进行分类处理，得到与所述特征矩阵对应的分类值，通过进一步的判断所述分类值是否大于预设值来判断检测到的图像中是否包含书写轨迹，从而判定所述特征矩阵中存在书写轨迹。
S105，在所述轨迹鉴定结果中添加当前的时间信息，形成基于时间排列的轨迹向量，并将所述轨迹向量通过所述智能笔上的蓝牙模块，发送给所述智能笔建立通信连接的目标对象，以便于在所述目标对象上实时的显示所述智能笔的书写轨迹。
为了进一步的还原书写轨迹，可以在识别到的书写轨迹中添加时间信息，从而，可以基于时间训练来向用户展示书写的内容。作为一种方式，可以利用智能笔上设置的蓝牙模块向目标对象发送识别到的书写轨迹，从而在目标对象上实时的展示智能笔的书写轨迹。该目标对象可以是手机、电脑等具有数据计算功能的电子设备。
通过上述实施例的内容，提高了智能笔轨迹识别的效率。
参见图2，根据本公开实施例的一种具体实现方式，所述基于所述笔迹识别模型，对所述原始图像进行特征提取处理，包括：
S201，利用上采样层对所述原始图像进行上采样操作，形成第一图像；
S202，将所述第一图像在所述并列卷积层中分别独立的进行卷积计算，得到多个并列卷积计算结果；
S203，对所述多个并列卷积计算结果进行合并计算，得到与所述原始图像对应的特征矩阵。
根据本公开实施例的一种具体实现方式，所述对所述多个并列卷积计算结果进行合并计算，得到与所述原始图像对应的特征矩阵，包括：获取所述多个并列卷积层中不同卷积层所对应的并列卷积核；基于所述并列卷积核，对所述第一图像进行特征计算，形成多个特征向量矩阵；为所述多个特征向量矩阵分配不同的权重值，最终得到与所述原始图像对应的特征矩阵。
参见图3，根据本公开实施例的一种具体实现方式，所述基于智能笔当前的负载状况，确定所述平行卷积层中用于进行卷积处理的卷积层的个数，包括：
S301，获取预设时间段内接收到的原始图像的数目；
S302，基于接收到的原始图像的数目以及所述智能笔核定的最大原始图像接收数，确定所述智能笔当前的负载率；
S303，基于所述负载率，确定所述平行卷积层中用于进行卷积处理的卷积层的个数。
根据本公开实施例的一种具体实现方式，所述监控设置于所述智能笔笔尖处的第二压力开关的工作状态，包括：获取所述第二压力开关的压力信号值和压力信号频率；判断所述压力信号值和所述压力信号频率是否分别同时大于第一阈值和第二阈值；若是，则判定所述第二压力开关处于工作状态。
根据本公开实施例的一种具体实现方式，所述控制所述智能笔上的图像采集模块采集智能笔书写区域的红外反射信号，以便于形成反映书写轨迹的原始图像，包括：启动所述智能笔上设置的红外摄像装置；按照预设的采样周期，控制所述红外摄像装置采集所述书写区域的反射信号，形成基于时间序列的反射信号向量；基于采集到的反射信号向量，形成所述原始图像。
根据本公开实施例的一种具体实现方式，所述在所述轨迹鉴定结果中添加当前的时间信息，形成基于时间排列的轨迹向量，包括：在分类结果中获取轨迹的二维平面坐标值；在所述二维平面坐标值中添加当前时间值，形成三维轨迹信息；基于所述三维轨迹信息，形成所述基于时间排列的轨迹向量。
与上面的方法实施例相对应，参见图5，本公开实施例还提供了一种智能笔图像处理装置50，包括：
监控模块501，用于在在智能笔第一压力开关处于闭合状态后，监控设置于所述智能笔笔尖处的第二压力开关的工作状态；
控制模块502，用于当监控到所述第二压力开关产生的触发信号符合预设规则之后，控制所述智能笔上的图像采集模块采集智能笔书写区域的红外反射信号，以便于形成反映书写轨迹的原始图像；
处理模块503，用于获取预设于所述智能笔中的笔迹识别模型，以便于基于所述笔迹识别模型，对所述原始图像进行特征提取处理，得到与所述原始图像对应的特征矩阵，所述网络模型依次设置的上采样层和并列卷积层，所述并列卷积层包含多个平行设置的卷积层，每个平行设置的卷积层均含有不同尺寸的卷积核；
形成模块504，用于基于智能笔当前的负载状况，确定所述平行卷积层中用于进行卷积处理的卷积层的个数，从而基于所述原始图像而形成特征矩阵，以便于利用所述特征矩阵来判断所述原始图像中的轨迹，形成轨迹鉴定结果；
执行模块505，用于在所述轨迹鉴定结果中添加当前的时间信息，形成基于时间排列的轨迹向量，并将所述轨迹向量通过所述智能笔上的蓝牙模块，发送给所述智能笔建立通信连接的目标对象，以便于在所述目标对象上实时的显示所述智能笔的书写轨迹。
本实施例未详细描述的部分，参照上述方法实施例中记载的内容，在此不再赘述。
参见图6，本公开实施例还提供了一种电子设备60，该电子设备包括：
至少一个处理器；以及，
与该至少一个处理器通信连接的存储器；其中，
该存储器存储有可被该至少一个处理器执行的指令，该指令被该至少一个处理器执行，以使该至少一个处理器能够执行前述方法实施例中的智能笔图像处理方法。
本公开实施例还提供了一种非暂态计算机可读存储介质，该非暂态计算机可读存储介质存储计算机指令，该计算机指令用于使该计算机执行前述方法实施例中的智能笔图像处理方法。
本公开实施例还提供了一种计算机程序产品，该计算机程序产品包括存储在非暂态计算机可读存储介质上的计算程序，该计算机程序包括程序指令，当该程序指令被计算机执行时，使该计算机执行前述方法实施例中的的智能笔图像处理方法。
下面参考图6，其示出了适于用来实现本公开实施例的电子设备60的结构示意图。本公开实施例中的电子设备可以包括但不限于诸如移动电话、笔记本电脑、数字广播接收器、PDA(个人数字助理)、PAD(平板电脑)、PMP(便携式多媒体播放器)、车载终端(例如车载导航终端)等等的移动终端以及诸如数字TV、台式计算机等等的固定终端。图6示出的电子设备仅仅是一个示例，不应对本公开实施例的功能和使用范围带来任何限制。
如图6所示，电子设备60可以包括处理装置(例如中央处理器、图形处理器等)601，其可以根据存储在只读存储器(ROM)602中的程序或者从存储装置608加载到随机访问存储器(RAM)603中的程序而执行各种适当的动作和处理。在RAM 603中，还存储有电子设备60操作所需的各种程序和数据。处理装置601、ROM 602以及RAM 603通过总线604彼此相连。输入/输出(I/O)接口605也连接至总线604。
通常，以下装置可以连接至I/O接口605：包括例如触摸屏、触摸板、键盘、鼠标、图像传感器、麦克风、加速度计、陀螺仪等的输入装置606；包括例如液晶显示器(LCD)、扬声器、振动器等的输出装置607；包括例如磁带、硬盘等的存储装置608；以及通信装置609。通信装置609可以允许电子设备60与其他设备进行无线或有线通信以交换数据。虽然图中示出了具有各种装置的电子设备60，但是应理解的是，并不要求实施或具备所有示出的装置。可以替代地实施或具备更多或更少的装置。
特别地，根据本公开的实施例，上文参考流程图描述的过程可以被实现为计算机软件程序。例如，本公开的实施例包括一种计算机程序产品，其包括承载在计算机可读介质上的计算机程序，该计算机程序包含用于执行流程图所示的方法的程序代码。在这样的实施例中，该计算机程序可以通过通信装置609从网络上被下载和安装，或者从存储装置608被安装，或者从ROM602被安装。在该计算机程序被处理装置601执行时，执行本公开实施例的方法中限定的上述功能。
需要说明的是，本公开上述的计算机可读介质可以是计算机可读信号介质或者计算机可读存储介质或者是上述两者的任意组合。计算机可读存储介质例如可以是——但不限于——电、磁、光、电磁、红外线、或半导体的系统、装置或器件，或者任意以上的组合。计算机可读存储介质的更具体的例子可以包括但不限于：具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机访问存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑磁盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本公开中，计算机可读存储介质可以是任何包含或存储程序的有形介质，该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。而在本公开中，计算机可读信号介质可以包括在基带中或者作为载波一部分传播的数据信号，其中承载了计算机可读的程序代码。这种传播的数据信号可以采用多种形式，包括但不限于电磁信号、光信号或上述的任意合适的组合。计算机可读信号介质还可以是计算机可读存储介质以外的任何计算机可读介质，该计算机可读信号介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。计算机可读介质上包含的程序代码可以用任何适当的介质传输，包括但不限于：电线、光缆、RF(射频)等等，或者上述的任意合适的组合。
上述计算机可读介质可以是上述电子设备中所包含的；也可以是单独存在，而未装配入该电子设备中。
上述计算机可读介质承载有一个或者多个程序，当上述一个或者多个程序被该电子设备执行时，使得该电子设备：获取至少两个网际协议地址；向节点评价设备发送包括所述至少两个网际协议地址的节点评价请求，其中，所述节点评价设备从所述至少两个网际协议地址中，选取网际协议地址并返回；接收所述节点评价设备返回的网际协议地址；其中，所获取的网际协议地址指示内容分发网络中的边缘节点。
或者，上述计算机可读介质承载有一个或者多个程序，当上述一个或者多个程序被该电子设备执行时，使得该电子设备：接收包括至少两个网际协议地址的节点评价请求；从所述至少两个网际协议地址中，选取网际协议地址；返回选取出的网际协议地址；其中，接收到的网际协议地址指示内容分发网络中的边缘节点。
可以以一种或多种程序设计语言或其组合来编写用于执行本公开的操作的计算机程序代码，上述程序设计语言包括面向对象的程序设计语言—诸如Java、Smalltalk、C++，还包括常规的过程式程序设计语言—诸如“C”语言或类似的程序设计语言。程序代码可以完全地在用户计算机上执行、部分地在用户计算机上执行、作为一个独立的软件包执行、部分在用户计算机上部分在远程计算机上执行、或者完全在远程计算机或服务器上执行。在涉及远程计算机的情形中，远程计算机可以通过任意种类的网络——包括局域网(LAN)或广域网(WAN)—连接到用户计算机，或者，可以连接到外部计算机(例如利用因特网服务提供商来通过因特网连接)。
附图中的流程图和框图，图示了按照本公开各种实施例的系统、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上，流程图或框图中的每个方框可以代表一个模块、程序段、或代码的一部分，该模块、程序段、或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意，在有些作为替换的实现中，方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如，两个接连地表示的方框实际上可以基本并行地执行，它们有时也可以按相反的顺序执行，这依所涉及的功能而定。也要注意的是，框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合，可以用执行规定的功能或操作的专用的基于硬件的系统来实现，或者可以用专用硬件与计算机指令的组合来实现。
描述于本公开实施例中所涉及到的单元可以通过软件的方式实现，也可以通过硬件的方式来实现。其中，单元的名称在某种情况下并不构成对该单元本身的限定，例如，第一获取单元还可以被描述为“获取至少两个网际协议地址的单元”。
应当理解，本公开的各部分可以用硬件、软件、固件或它们的组合来实现。
以上所述，仅为本公开的具体实施方式，但本公开的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本公开揭露的技术范围内，可轻易想到的变化或替换，都应涵盖在本公开的保护范围之内。因此，本公开的保护范围应以权利要求的保护范围为准。

Claims (10)

1.一种智能笔图像处理方法，其特征在于，包括：
在智能笔第一压力开关处于闭合状态后，监控设置于所述智能笔笔尖处的第二压力开关的工作状态；
当监控到所述第二压力开关产生的触发信号符合预设规则之后，控制所述智能笔上的图像采集模块采集智能笔书写区域的红外反射信号，以便于形成反映书写轨迹的原始图像；
获取预设于所述智能笔中的笔迹识别模型，以便于基于所述笔迹识别模型，对所述原始图像进行特征提取处理，得到与所述原始图像对应的特征矩阵，所述网络模型依次设置的上采样层和并列卷积层，所述并列卷积层包含多个平行设置的卷积层，每个平行设置的卷积层均含有不同尺寸的卷积核；
基于智能笔当前的负载状况，确定所述平行卷积层中用于进行卷积处理的卷积层的个数，从而基于所述原始图像而形成特征矩阵，以便于利用所述特征矩阵来判断所述原始图像中的轨迹，形成轨迹鉴定结果；
在所述轨迹鉴定结果中添加当前的时间信息，形成基于时间排列的轨迹向量，并将所述轨迹向量通过所述智能笔上的蓝牙模块，发送给所述智能笔建立通信连接的目标对象，以便于在所述目标对象上实时的显示所述智能笔的书写轨迹。
2.根据权利要求1所述的方法，其特征在于，所述基于所述笔迹识别模型，对所述原始图像进行特征提取处理，包括：
利用上采样层对所述原始图像进行上采样操作，形成第一图像；
将所述第一图像在所述并列卷积层中分别独立的进行卷积计算，得到多个并列卷积计算结果；
对所述多个并列卷积计算结果进行合并计算，得到与所述原始图像对应的特征矩阵。
3.根据权利要求2所述的方法，其特征在于，所述对所述多个并列卷积计算结果进行合并计算，得到与所述原始图像对应的特征矩阵，包括：
获取所述多个并列卷积层中不同卷积层所对应的并列卷积核；
基于所述并列卷积核，对所述第一图像进行特征计算，形成多个特征向量矩阵；
为所述多个特征向量矩阵分配不同的权重值，最终得到与所述原始图像对应的特征矩阵。
4.根据权利要求3所述的方法，其特征在于，所述基于智能笔当前的负载状况，确定所述平行卷积层中用于进行卷积处理的卷积层的个数，包括：
获取预设时间段内接收到的原始图像的数目；
基于接收到的原始图像的数目以及所述智能笔核定的最大原始图像接收数，确定所述智能笔当前的负载率；
基于所述负载率，确定所述平行卷积层中用于进行卷积处理的卷积层的个数。
5.根据权利要求1所述的方法，其特征在于，所述监控设置于所述智能笔笔尖处的第二压力开关的工作状态，包括：
获取所述第二压力开关的压力信号值和压力信号频率；
判断所述压力信号值和所述压力信号频率是否分别同时大于第一阈值和第二阈值；
若是，则判定所述第二压力开关处于工作状态。
6.根据权利要求5所述的方法，其特征在于，所述控制所述智能笔上的图像采集模块采集智能笔书写区域的红外反射信号，以便于形成反映书写轨迹的原始图像，包括：
启动所述智能笔上设置的红外摄像装置；
按照预设的采样周期，控制所述红外摄像装置采集所述书写区域的反射信号，形成基于时间序列的反射信号向量；
基于采集到的反射信号向量，形成所述原始图像。
7.根据权利要求6所述的方法，其特征在于，所述在所述轨迹鉴定结果中添加当前的时间信息，形成基于时间排列的轨迹向量，包括：
在分类结果中获取轨迹的二维平面坐标值；
在所述二维平面坐标值中添加当前时间值，形成三维轨迹信息；
基于所述三维轨迹信息，形成所述基于时间排列的轨迹向量。
8.一种智能笔图像处理装置，其特征在于，包括：
监控模块，用于在在智能笔第一压力开关处于闭合状态后，监控设置于所述智能笔笔尖处的第二压力开关的工作状态；
控制模块，用于当监控到所述第二压力开关产生的触发信号符合预设规则之后，控制所述智能笔上的图像采集模块采集智能笔书写区域的红外反射信号，以便于形成反映书写轨迹的原始图像；
处理模块，用于获取预设于所述智能笔中的笔迹识别模型，以便于基于所述笔迹识别模型，对所述原始图像进行特征提取处理，得到与所述原始图像对应的特征矩阵，所述网络模型依次设置的上采样层和并列卷积层，所述并列卷积层包含多个平行设置的卷积层，每个平行设置的卷积层均含有不同尺寸的卷积核；
形成模块，用于基于智能笔当前的负载状况，确定所述平行卷积层中用于进行卷积处理的卷积层的个数，从而基于所述原始图像而形成特征矩阵，以便于利用所述特征矩阵来判断所述原始图像中的轨迹，形成轨迹鉴定结果；
执行模块，用于在所述轨迹鉴定结果中添加当前的时间信息，形成基于时间排列的轨迹向量，并将所述轨迹向量通过所述智能笔上的蓝牙模块，发送给所述智能笔建立通信连接的目标对象，以便于在所述目标对象上实时的显示所述智能笔的书写轨迹。
9.一种电子设备，其特征在于，所述电子设备包括：
至少一个处理器；以及，
与所述至少一个处理器通信连接的存储器；其中，
所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器能够执行前述权利要求1-7中任一项所述的智能笔图像处理方法。
10.一种非暂态计算机可读存储介质，该非暂态计算机可读存储介质存储计算机指令，该计算机指令用于使该计算机执行前述权利要求1-7中任一项所述的智能笔图像处理方法。
CN202010704394.4A 2020-07-21 2020-07-21 智能笔图像处理方法、装置及电子设备 Active CN111931600B (zh)

Priority Applications (3)

Application Number Priority Date Filing Date Title
CN202010704394.4A CN111931600B (zh) 2020-07-21 2020-07-21 智能笔图像处理方法、装置及电子设备
PCT/CN2020/110918 WO2022016651A1 (zh) 2020-07-21 2020-08-24 智能笔图像处理方法、装置及电子设备
US17/256,215 US20230214028A1 (en) 2020-07-21 2020-08-24 Image processing method and apparatus for smart pen, and electronic device

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010704394.4A CN111931600B (zh) 2020-07-21 2020-07-21 智能笔图像处理方法、装置及电子设备

Publications (2)

Publication Number Publication Date
CN111931600A true CN111931600A (zh) 2020-11-13
CN111931600B CN111931600B (zh) 2021-04-06

Family

ID=73313057

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010704394.4A Active CN111931600B (zh) 2020-07-21 2020-07-21 智能笔图像处理方法、装置及电子设备

Country Status (3)

Country Link
US (1) US20230214028A1 (zh)
CN (1) CN111931600B (zh)
WO (1) WO2022016651A1 (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115984855A (zh) * 2023-02-24 2023-04-18 北京赢课信息科技有限公司 智能笔书写行为特征分析方法及装置

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20220088166A (ko) * 2020-12-18 2022-06-27 삼성전자주식회사 복수의 사용자 환경에서 필기 입력 인식 방법 및 장치

Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102027437A (zh) * 2008-06-23 2011-04-20 西尔弗布鲁克研究股份有限公司 带有收缩式笔尖和力传感器的电子笔
CN105807957A (zh) * 2016-03-01 2016-07-27 上海卓易科技股份有限公司 一种输入方法以及智能笔
CN107924242A (zh) * 2015-09-08 2018-04-17 苹果公司 用于电子设备的触笔
WO2018120013A1 (en) * 2016-12-30 2018-07-05 Nokia Technologies Oy Artificial neural network
CN109344793A (zh) * 2018-10-19 2019-02-15 北京百度网讯科技有限公司 用于识别空中手写的方法、装置、设备以及计算机可读存储介质
CN110211017A (zh) * 2019-05-15 2019-09-06 北京字节跳动网络技术有限公司 图像处理方法、装置及电子设备
CN110222726A (zh) * 2019-05-15 2019-09-10 北京字节跳动网络技术有限公司 图像处理方法、装置及电子设备
CN110827596A (zh) * 2018-08-08 2020-02-21 深圳市鹰硕技术有限公司 一种基于智能笔的答题方法

Family Cites Families (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP4442683B2 (ja) * 2007-11-27 2010-03-31 セイコーエプソン株式会社 表示システム、表示装置及びプログラム
US8482539B2 (en) * 2010-01-12 2013-07-09 Panasonic Corporation Electronic pen system
JP4886863B2 (ja) * 2010-01-12 2012-02-29 パナソニック株式会社 電子ペンシステム及び電子ペン
JP4857385B2 (ja) * 2010-01-12 2012-01-18 パナソニック株式会社 電子ペンシステム
CN104932717B (zh) * 2015-05-24 2018-04-17 田雪松 点阵数码笔
CN107066119B (zh) * 2015-11-05 2020-07-07 禾瑞亚科技股份有限公司 利用运动下达指令的触控系统、触控笔与其方法
CN107766852A (zh) * 2017-12-06 2018-03-06 电子科技大学 一种基于卷积神经网络的人机鼠标轨迹检测方法
CN209037248U (zh) * 2018-10-29 2019-06-28 广东小天才科技有限公司 一种智能笔

Patent Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102027437A (zh) * 2008-06-23 2011-04-20 西尔弗布鲁克研究股份有限公司 带有收缩式笔尖和力传感器的电子笔
CN107924242A (zh) * 2015-09-08 2018-04-17 苹果公司 用于电子设备的触笔
CN105807957A (zh) * 2016-03-01 2016-07-27 上海卓易科技股份有限公司 一种输入方法以及智能笔
WO2018120013A1 (en) * 2016-12-30 2018-07-05 Nokia Technologies Oy Artificial neural network
CN110827596A (zh) * 2018-08-08 2020-02-21 深圳市鹰硕技术有限公司 一种基于智能笔的答题方法
CN109344793A (zh) * 2018-10-19 2019-02-15 北京百度网讯科技有限公司 用于识别空中手写的方法、装置、设备以及计算机可读存储介质
CN110211017A (zh) * 2019-05-15 2019-09-06 北京字节跳动网络技术有限公司 图像处理方法、装置及电子设备
CN110222726A (zh) * 2019-05-15 2019-09-10 北京字节跳动网络技术有限公司 图像处理方法、装置及电子设备

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115984855A (zh) * 2023-02-24 2023-04-18 北京赢课信息科技有限公司 智能笔书写行为特征分析方法及装置
CN115984855B (zh) * 2023-02-24 2023-10-27 北京赢课信息科技有限公司 智能笔书写行为特征分析方法及装置

Also Published As

Publication number Publication date
WO2022016651A1 (zh) 2022-01-27
CN111931600B (zh) 2021-04-06
US20230214028A1 (en) 2023-07-06

Similar Documents

Publication Publication Date Title
CN111930249B (zh) 智能笔图像处理方法、装置及电子设备
CN110674349B (zh) 视频poi识别方法、装置及电子设备
CN112507806B (zh) 智慧课堂信息交互方法、装置及电子设备
CN112131926A (zh) 点阵书写内容的记录方法、装置及电子设备
CN110069191B (zh) 基于终端的图像拖拽变形实现方法和装置
CN111738316B (zh) 零样本学习的图像分类方法、装置及电子设备
CN112487883B (zh) 智能笔书写行为特征分析方法、装置及电子设备
CN110222726A (zh) 图像处理方法、装置及电子设备
CN111931600B (zh) 智能笔图像处理方法、装置及电子设备
CN112487871B (zh) 笔迹数据处理方法、装置及电子设备
CN110826619A (zh) 电子卷宗的文件分类方法、装置及电子设备
CN111949145A (zh) 智能笔图像处理方法、装置及电子设备
CN110555861A (zh) 光流计算方法、装置及电子设备
CN112487876B (zh) 智能笔字符识别方法、装置及电子设备
CN109977925B (zh) 表情确定方法、装置及电子设备
CN111914713A (zh) 点阵书写内容的记录方法、装置及电子设备
CN110223615A (zh) 一种广告展示控制方法、装置、介质及广告推送服务器
CN112487875B (zh) 笔迹图形化方法、装置及电子设备
CN103941888A (zh) 一种生成笔触的输入方法及装置
CN111738311A (zh) 面向多任务的特征提取方法、装置及电子设备
CN113934394B (zh) 显示屏中实现记忆显示的方法、装置和终端设备
CN110555892A (zh) 多角度图像生成方法、装置及电子设备
CN112487881B (zh) 笔迹内容解析方法、装置及电子设备
EP4131025A2 (en) Picture annotation method, apparatus, electronic device, and storage medium
CN112486336A (zh) 基于云服务平台的智能笔数据处理方法、装置及电子设备

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
CB02 Change of applicant information

Address after: Room 301, building D, Hongwei Industrial Zone, No.6 Liuxian 3rd road, Xingdong community, Xin'an street, Bao'an District, Shenzhen City, Guangdong Province

Applicant after: Shenzhen YINGSHUO Education Service Co., Ltd

Address before: 518000 Jianda Industrial Park, Xin'an Street, Baoan District, Shenzhen City, Guangdong Province, 202B, 2nd floor, 1 building

Applicant before: Shenzhen Yingshuo Education Service Co.,Ltd.

CB02 Change of applicant information
GR01 Patent grant
GR01 Patent grant
TR01 Transfer of patent right

Effective date of registration: 20211201

Address after: Room 301, building D, Hongwei Industrial Zone, No.6 Liuxian 3rd road, Xingdong community, Xin'an street, Bao'an District, Shenzhen City, Guangdong Province

Patentee after: SHENZHEN EAGLESOUL TECHNOLOGY Co.,Ltd.

Address before: Room 301, building D, Hongwei Industrial Zone, No.6 Liuxian 3rd road, Xingdong community, Xin'an street, Bao'an District, Shenzhen City, Guangdong Province

Patentee before: Shenzhen YINGSHUO Education Service Co., Ltd

TR01 Transfer of patent right