DE202022101842U1

DE202022101842U1 - A handwritten text recognition system using Brain Net and artificial intelligence

Info

Publication number: DE202022101842U1
Application number: DE202022101842.1U
Authority: DE
Original assignee: Individual
Current assignee: Individual
Priority date: 2022-04-06
Filing date: 2022-04-06
Publication date: 2022-05-04
Anticipated expiration: 2032-04-07

Abstract

Ein System zur Erkennung von handgeschriebenem Text, das System umfasst:
eine Bilderfassungseinheit zum Empfang von Bildern, die mit einer Kamera aufgenommen wurden;
eine Vorverarbeitungseinheit, um Zeichen oder Teile von Zeichen aus dem Bild zu extrahieren und dabei die extrahierten Zeichen oder Teile von Zeichen zu filtern und zu glätten und dabei Segmentraster unter Verwendung neuronaler Netze zu digitalisieren, um sie in Binärwerte umzuwandeln;
eine Segmentierungseinheit zur Erkennung von Zeichensegmenten durch neuronale Netze mit unterschiedlichen Netzparametern;
eine Merkmalsextraktionseinheit zum Extrahieren eines Satzes von Merkmalen aus jedem Zonenpixel durch Bewegen entlang der Diagonalen seiner jeweiligen Pixel; und
eine Klassifizierungs- und Erkennungseinheit zum Trainieren eines Modells der künstlichen Intelligenz zum Erkennen von handgeschriebenem Text unter Verwendung einer Gehirnnetzbibliothek, wobei der handgeschriebene Text durch Vergleichen des extrahierten Satzes von Merkmalen mit den in der Gehirnnetzbibliothek verfügbaren Schwellenmerkmalen erkannt wird.

A handwritten text recognition system, the system includes:
an image capture unit for receiving images captured by a camera;
a pre-processing unit for extracting characters or parts of characters from the image while filtering and smoothing the extracted characters or parts of characters while digitizing segment rasters using neural networks to convert them into binary values;
a segmentation unit for recognizing character segments by neural networks with different network parameters;
a feature extraction unit for extracting a set of features from each zone pixel by moving along the diagonal of its respective pixel; and
a classification and recognition unit for training an artificial intelligence model to recognize handwritten text using a brain network library, wherein the handwritten text is recognized by comparing the extracted set of features with the threshold features available in the brain network library.

Description

BEREICH DER ERFINDUNGFIELD OF THE INVENTION

Die vorliegende Offenbarung bezieht sich auf ein System zur Erkennung von handgeschriebenem Text, genauer gesagt auf ein auf einem Gehirnnetz und künstlicher Intelligenz basierendes System zur Erkennung von handgeschriebenem Text.The present disclosure relates to a handwritten text recognition system, more particularly to a brain network and artificial intelligence based handwritten text recognition system.

HINTERGRUND DER ERFINDUNGBACKGROUND OF THE INVENTION

Die Erkennung von handschriftlichen Ziffern und Zeichen hat in der heutigen elektronischen Umgebung aufgrund ihres praktischen Nutzens für viele alltägliche Aufgaben an Bedeutung gewonnen. Dies zeigt sich daran, dass in den letzten Jahren mehrere Erkennungssysteme für die Anwendung in verschiedenen Bereichen, in denen eine hohe Kategorisierungseffizienz erforderlich ist, entwickelt oder vorgeschlagen wurden. Systeme, die handschriftliche Buchstaben, Zeichen und Ziffern erkennen, unterstützen den Menschen bei anspruchsvolleren Aufgaben, die sonst zeit- und kostenaufwändig wären. Ein hervorragendes Beispiel ist der Einsatz von automatisierten Verarbeitungssystemen in Banken zur Bearbeitung von Bankschecks. Ohne automatisierte Systeme zur Bearbeitung von Bankschecks müsste die Bank eine große Anzahl von Mitarbeitern einstellen, die möglicherweise nicht so effizient wären wie das computergestützte Bearbeitungssystem.Recognition of handwritten digits and characters has gained prominence in today's electronic environment due to its practical utility in many everyday tasks. This is evidenced by the fact that in recent years, several recognition systems have been developed or proposed for application in various fields where high categorization efficiency is required. Systems that recognize handwritten letters, characters and numbers support people in more demanding tasks that would otherwise be time-consuming and costly. A prime example is the use of automated processing systems in banks to process bank checks. Without automated bank check processing systems, the bank would have to hire large numbers of employees who might not be as efficient as the computerized processing system.

Handschrifterkennungssysteme hingegen könnten sich an biologischen neuronalen Netzen orientieren, die Menschen und Tiere in die Lage versetzen, nichtlineare und komplizierte Zusammenhänge zu lernen und zu modellieren. Das heißt, sie können mit Hilfe eines künstlichen neuronalen Netzes erstellt werden. Die Gehirne der Menschen ermöglichen es ihnen, verschiedene Handschriften wie Ziffern, Buchstaben und Zeichen zu unterscheiden. Der Mensch hingegen ist voreingenommen, was bedeutet, dass er handgeschriebene Buchstaben und Ziffern möglicherweise anders wahrnimmt. Computergestützte Systeme hingegen sind unvoreingenommen und können extrem schwierige Aufgaben erledigen, für die Menschen sonst einen erheblichen Energie- und Zeitaufwand aufwenden müssten. Es ist notwendig zu verstehen, wie die von Menschen lesbare Unterschrift funktioniert.Handwriting recognition systems, on the other hand, could be based on biological neural networks that enable humans and animals to learn and model non-linear and complicated relationships. That is, they can be created using an artificial neural network. People's brains allow them to distinguish different handwritings such as numerals, letters, and characters. Humans, on the other hand, are biased, which means they may perceive handwritten letters and numbers differently. Computerized systems, on the other hand, are impartial and can perform extremely difficult tasks that would otherwise require humans to expend significant amounts of energy and time. It is necessary to understand how the human-readable signature works.

Wenn Menschen handschriftliche Zeichen, Buchstaben, Wörter oder Ziffern lesen, ist ihr visuelles System stark gefordert. Das Lesen von Handschriften scheint unkompliziert zu sein, aber es ist nicht so einfach, wie viele denken. Obwohl alles unbewusst abläuft, kann eine Person dem, was sie sieht, eine Bedeutung geben, je nachdem, was ihr Gehirn gelehrt wurde. Einem Menschen ist vielleicht nicht bewusst, wie schwierig es ist, Probleme mit der Handschrift zu überwinden. Die Schwierigkeit der visuellen Mustererkennung wird erst deutlich, wenn man versucht, ein Computersystem zu entwickeln, das Handschriften lesen kann. Die Technik der künstlichen neuronalen Netze wird oft als die effektivste Methode zur Entwicklung von Systemen zur Erkennung von Handschriften angesehen. Vereinfacht gesagt, simulieren neuronale Netze, wie das menschliche Gehirn beim Lesen von Handschriften arbeitet. Dadurch können Maschinen die menschlichen Fähigkeiten beim Lesen von Handschriften erreichen oder sogar übertreffen.When people read handwritten characters, letters, words or numbers, their visual system is heavily challenged. Reading handwriting seems straightforward, but it's not as easy as many think. Although everything happens subconsciously, a person can give meaning to what they see depending on what their brain has been taught. A person may not realize how difficult it is to overcome handwriting problems. The difficulty of visual pattern recognition only becomes apparent when attempting to develop a computer system that can read handwriting. The artificial neural network technique is often considered to be the most effective way to develop handwriting recognition systems. Put simply, neural networks simulate how the human brain works when reading handwriting. This allows machines to match or even surpass human skills in reading handwriting.

In Anbetracht der vorangegangenen Diskussion wird deutlich, dass ein System zur Erkennung von handgeschriebenem Text erforderlich ist.In view of the foregoing discussion, it is clear that a handwritten text recognition system is required.

ZUSAMMENFASSUNG DER ERFINDUNGSUMMARY OF THE INVENTION

Die vorliegende Offenlegung zielt darauf ab, ein System bereitzustellen, das die Erkennung von schriftunabhängigen Teilworteinheiten und Wörtern ermöglicht, indem die handschriftlichen Einzelstriche vor der Erkennung von Teilworteinheiten und Wörtern erkannt werden.The present disclosure aims to provide a system that enables the recognition of script-independent sub-word units and words by recognizing the handwritten strokes prior to the recognition of sub-word units and words.

In einer Ausführungsform wird ein System zur Erkennung von handgeschriebenem Text offenbart. Das System umfasst eine Bilderfassungseinheit zum Empfang von Bildern, die mit einer Kamera aufgenommen wurden. Das System umfasst ferner eine Vorverarbeitungseinheit, um Zeichen oder Teile von Zeichen aus dem Bild zu extrahieren und dabei die extrahierten Zeichen oder Teile von Zeichen zu filtern und zu glätten und dabei Segmentraster unter Verwendung neuronaler Netze zu digitalisieren, um sie in Binärwerte umzuwandeln. Das System enthält ferner eine Segmentierungseinheit zur Erkennung von Segmenten des Zeichens durch neuronale Netze mit unterschiedlichen Netzparametern. Das System umfasst ferner eine Merkmalsextraktionseinheit, um einen Satz von Merkmalen aus jedem Zonenpixel zu extrahieren, indem es sich entlang der Diagonalen seiner jeweiligen Pixel bewegt. Das System umfasst ferner eine Klassifizierungs- und Erkennungseinheit zum Trainieren eines Modells der künstlichen Intelligenz zum Erkennen von handgeschriebenem Text unter Verwendung einer Gehirnnetzbibliothek, wobei der handgeschriebene Text durch Vergleichen des extrahierten Satzes von Merkmalen mit den in der Gehirnnetzbibliothek verfügbaren Schwellenmerkmalen erkannt wird.In one embodiment, a handwritten text recognition system is disclosed. The system includes an image capture unit for receiving images captured by a camera. The system further comprises a pre-processing unit to extract characters or parts of characters from the image, thereby filtering and smoothing the extracted characters or parts of characters, while digitizing segment rasters using neural networks to convert them into binary values. The system also contains a segmentation unit for recognizing segments of the character using neural networks with different network parameters. The system further includes a feature extraction unit for extracting a set of features from each zone pixel by moving along the diagonal of its respective pixel. The system further includes a classification and recognition unit for training an artificial intelligence model to recognize handwritten text using a brain network library, wherein the handwritten text is recognized by comparing the extracted set of features with the threshold features available in the brain network library.

In einer anderen Ausführungsform wird jedes der digitalisierten Segmente als Eingabe für jeden Knoten eines künstlichen Intelligenzmodells bereitgestellt, das speziell für das Training des Segments entwickelt wurde, wobei das für die Segmente trainierte künstliche Intelligenzmodell in der Lage ist, sie zu erkennen, wobei zu diesem Zeitpunkt auch ähnlich aussehende, aber unterschiedliche Zeichen unterschieden werden.In another embodiment, each of the digitized segments is provided as input to each node of an artificial intelligence model specifically designed to train the segment, the artificial intelligence model trained for the segments being capable of to recognize them, also distinguishing similar-looking but different characters at this point.

In einer anderen Ausführungsform besteht die Vorverarbeitungseinheit aus einem Medianfilterprozess, bei dem jedes Pixel im Bild betrachtet und die benachbarten Pixel auf der Grundlage ihrer Intensitäten in eine Reihenfolge gebracht werden, wodurch der ursprüngliche Wert des Pixels durch den Medianwert aus der Liste ersetzt wird.In another embodiment, the pre-processing unit consists of a median filtering process in which each pixel in the image is considered and the neighboring pixels are ranked based on their intensities, replacing the pixel's original value with the median value from the list.

In einer anderen Ausführungsform umfasst die Glättung eine Normalisierung der Zeichengröße, um die Zeichengröße innerhalb des Bildes auf eine Standardgröße zu skalieren.In another embodiment, the smoothing includes character size normalization to scale the character size within the image to a standard size.

In einer anderen Ausführungsform ist die Merkmalsextraktionseinheit so konfiguriert, dass sie: ein vorverarbeitetes Bild liest; jedes Zeichenbild aus Pixeln in 4 gleiche Zonen unterteilt; Merkmale aus den Pixeln jeder Zone extrahiert, indem sie sich entlang der Diagonalen ihrer jeweiligen Pixel bewegt, wobei jede Zone eine Gruppe von diagonalen Linien aufweist und die entlang jeder diagonalen Linie vorhandenen Vordergrundpixel summiert werden, um ein einzelnes Teilmerkmal zu erhalten; Erhalten von Untermerkmalen aus jeder Zone; und Mittelwertbildung von Untermerkmalen, um einen einzelnen Merkmalswert zu bilden und in der entsprechenden Zone zu platzieren, wobei die Mittelwertbildung sequentiell für alle Zonen des Bildes wiederholt wird, um einen Satz von Merkmalen für jedes Bild zu extrahieren.In another embodiment, the feature extraction unit is configured to: read a pre-processed image; each character image of pixels divided into 4 equal zones; extracting features from the pixels of each zone by moving along the diagonal of their respective pixels, each zone having a set of diagonal lines and summing the foreground pixels present along each diagonal line to obtain a single partial feature; obtaining sub-traits from each zone; and averaging sub-features to form a single feature value and place it in the corresponding zone, the averaging being repeated sequentially for all zones of the image to extract a set of features for each image.

In einer anderen Ausführungsform wird die BrainNet-Bibliothek verwendet, um das Modell der künstlichen Intelligenz für die Erkennung handschriftlicher Zeichen zu trainieren.In another embodiment, the BrainNet library is used to train the artificial intelligence model for handwritten character recognition.

In einer anderen Ausführungsform umfasst das System ein Netzwerk-Helfer-Objekt, um das Modell der künstlichen Intelligenz zu trainieren, indem Bilder und die entsprechenden ASCII-Codes direkt hinzugefügt werden, wobei die Methode zum Hinzufügen von Trainingsdaten der Netzwerk-Helfer-Klasse überladen ist, so dass verschiedene Parameter akzeptiert werden können.In another embodiment, the system comprises a network helper object to train the artificial intelligence model by adding images and the corresponding ASCII codes directly, the method of adding training data of the network helper class being overloaded , so that different parameters can be accepted.

Ein Ziel der vorliegenden Offenbarung ist die Erkennung von handgeschriebenem Text mit Hilfe von Brain Net und künstlicher Intelligenz.A goal of the present disclosure is the recognition of handwritten text using Brain Net and artificial intelligence.

Ein weiteres Ziel der vorliegenden Offenbarung ist die Umwandlung von handgeschriebenem Text in einen computergestützten Text.Another object of the present disclosure is to convert handwritten text into computerized text.

Ein weiteres Ziel der vorliegenden Erfindung ist es, ein schnelles und kostengünstiges System zur Erkennung handgeschriebener Texte bereitzustellen.Another object of the present invention is to provide a fast and inexpensive handwritten text recognition system.

Um die Vorteile und Merkmale der vorliegenden Offenbarung weiter zu verdeutlichen, wird eine genauere Beschreibung der Erfindung durch Bezugnahme auf bestimmte Ausführungsformen davon, die in den beigefügten Figuren dargestellt ist. Es versteht sich, dass diese Figuren nur typische Ausführungsformen der Erfindung darstellen und daher nicht als Einschränkung ihres Umfangs zu betrachten sind. Die Erfindung wird mit zusätzlicher Spezifität und Detail mit den begleitenden Figuren beschrieben und erklärt werden.In order to further clarify the advantages and features of the present disclosure, a more detailed description of the invention is provided by reference to specific embodiments thereof that are illustrated in the accompanying figures. It is understood that these figures represent only typical embodiments of the invention and are therefore not to be considered as limiting its scope. The invention will be described and explained with additional specificity and detail with the accompanying figures.

Figurenlistecharacter list

Diese und andere Merkmale, Aspekte und Vorteile der vorliegenden Offenbarung werden besser verstanden, wenn die folgende detaillierte Beschreibung mit Bezug auf die beigefügten Figuren gelesen wird, in denen gleiche Zeichen gleiche Teile in den Figuren darstellen, wobei:

1 ein Blockdiagramm eines Systems zur Erkennung von handgeschriebenem Text in Übereinstimmung mit einer Ausführungsform der vorliegenden Offenbarung zeigt.

These and other features, aspects, and advantages of the present disclosure will be better understood when the following detailed description is read with reference to the accompanying figures, in which like characters represent like parts throughout the figures, wherein:

1 Figure 12 shows a block diagram of a handwritten text recognition system in accordance with an embodiment of the present disclosure.

Der Fachmann wird verstehen, dass die Elemente in den Figuren der Einfachheit halber dargestellt sind und nicht unbedingt maßstabsgetreu gezeichnet wurden. Die Flussdiagramme veranschaulichen beispielsweise das Verfahren anhand der wichtigsten Schritte, um das Verständnis der Aspekte der vorliegenden Offenbarung zu verbessern. Darüber hinaus kann es sein, dass ein oder mehrere Bauteile der Vorrichtung in den Figuren durch herkömmliche Symbole dargestellt sind, und dass die Figuren nur die spezifischen Details zeigen, die für das Verständnis der Ausführungsformen der vorliegenden Offenbarung relevant sind, um die Figuren nicht mit Details zu überfrachten, die für den Fachmann mit den hierin enthaltenen Beschreibungen leicht erkennbar sind.Those skilled in the art will understand that the elements in the figures are presented for simplicity and are not necessarily drawn to scale. For example, the flow charts illustrate the method of key steps to enhance understanding of aspects of the present disclosure. Furthermore, one or more components of the device may be represented in the figures by conventional symbols, and the figures only show the specific details relevant to an understanding of the embodiments of the present disclosure, not to encircle the figures with details to overload, which are easily recognizable for the person skilled in the art with the descriptions contained herein.

DETAILLIERTE BESCHREIBUNGDETAILED DESCRIPTION

Zum besseren Verständnis der Grundsätze der Erfindung wird nun auf die in den Figuren dargestellte Ausführungsform Bezug genommen und diese in einer speziellen Sprache beschrieben. Es versteht sich jedoch von selbst, dass damit keine Einschränkung des Umfangs der Erfindung beabsichtigt ist, wobei solche Änderungen und weitere Modifikationen des dargestellten Systems und solche weiteren Anwendungen der darin dargestellten Prinzipien der Erfindung in Betracht gezogen werden, wie sie einem Fachmann auf dem Gebiet der Erfindung normalerweise einfallen würden.For a better understanding of the principles of the invention, reference will now be made to the embodiment illustrated in the figures and described in specific language. It should be understood, however, that no limitation on the scope of the invention is intended, and such alterations and further modifications to the illustrated system and such further applications of the principles of the invention illustrated therein are contemplated as would occur to one skilled in the art invention would normally come to mind.

Der Fachmann wird verstehen, dass die vorstehende allgemeine Beschreibung und die folgende detaillierte Beschreibung beispielhaft und erläuternd für die Erfindung sind und nicht als einschränkend angesehen werden.Those skilled in the art will understand that the foregoing general description and the following detailed description are exemplary and explanatory of the invention and are not to be taken as limiting.

Wenn in dieser Beschreibung von „einem Aspekt“, „einem anderen Aspekt“ oder ähnlichem die Rede ist, bedeutet dies, dass ein bestimmtes Merkmal, eine bestimmte Struktur oder eine bestimmte Eigenschaft, die im Zusammenhang mit der Ausführungsform beschrieben wird, in mindestens einer Ausführungsform der vorliegenden Offenbarung enthalten ist. Daher können sich die Ausdrücke „in einer Ausführungsform“, „in einer anderen Ausführungsform“ und ähnliche Ausdrücke in dieser Beschreibung alle auf dieselbe Ausführungsform beziehen, müssen es aber nicht.When this specification refers to "an aspect," "another aspect," or the like, it means that a particular feature, structure, or characteristic described in connection with the embodiment is present in at least one embodiment included in the present disclosure. Therefore, the phrases "in one embodiment," "in another embodiment," and similar phrases throughout this specification may or may not all refer to the same embodiment.

Die Ausdrücke „umfasst“, „enthaltend“ oder andere Variationen davon sollen eine nicht ausschließliche Einbeziehung abdecken, so dass ein Verfahren oder eine Methode, die eine Liste von Schritten umfasst, nicht nur diese Schritte einschließt, sondern auch andere Schritte enthalten kann, die nicht ausdrücklich aufgeführt sind oder zu einem solchen Verfahren oder einer solchen Methode gehören. Ebenso schließen eine oder mehrere Vorrichtungen oder Teilsysteme oder Elemente oder Strukturen oder Komponenten, die mit „umfasst...a“ eingeleitet werden, nicht ohne weitere Einschränkungen die Existenz anderer Vorrichtungen oder anderer Teilsysteme oder anderer Elemente oder anderer Strukturen oder anderer Komponenten oder zusätzlicher Vorrichtungen oder zusätzlicher Teilsysteme oder zusätzlicher Elemente oder zusätzlicher Strukturen oder zusätzlicher Komponenten aus.The terms "comprises," "including," or other variations thereof are intended to cover non-exclusive inclusion, such that a method or method that includes a list of steps includes not only those steps, but may also include other steps that are not expressly stated or pertaining to any such process or method. Likewise, any device or subsystem or element or structure or component preceded by "comprises...a" does not, without further limitation, exclude the existence of other devices or other subsystem or other element or other structure or other component or additional device or additional subsystems or additional elements or additional structures or additional components.

Sofern nicht anders definiert, haben alle hierin verwendeten technischen und wissenschaftlichen Begriffe die gleiche Bedeutung, wie sie von einem Fachmann auf dem Gebiet, zu dem diese Erfindung gehört, allgemein verstanden wird. Das System, die Methoden und die Beispiele, die hier angegeben werden, dienen nur der Veranschaulichung und sind nicht als Einschränkung gedacht.Unless otherwise defined, all technical and scientific terms used herein have the same meaning as commonly understood by one skilled in the art to which this invention pertains. The system, methods, and examples provided herein are for purposes of illustration only and are not intended to be limiting.

Ausführungsformen der vorliegenden Offenbarung werden im Folgenden unter Bezugnahme auf die beigefügten Figuren im Detail beschrieben.Embodiments of the present disclosure are described in detail below with reference to the attached figures.

In 1 ist ein Blockdiagramm eines Systems zur Erkennung von handgeschriebenem Text gemäß einer Ausführungsform der vorliegenden Offenbarung dargestellt. Das System 100 umfasst eine Bilderfassungseinheit 104, um mit einer Kamera 102 aufgenommene Bilder zu empfangen. Das aufgenommene Bild wird zur weiteren Verarbeitung in einer Datenbank gespeichert.In 1 Illustrated is a block diagram of a handwritten text recognition system according to an embodiment of the present disclosure. The system 100 includes an image capture unit 104 to receive images captured by a camera 102 . The captured image is stored in a database for further processing.

In einer Ausführungsform ist eine Vorverarbeitungseinheit 106 mit der Bilderfassungseinheit 104 verbunden, um Zeichen oder Teile von Zeichen aus dem Bild zu extrahieren und dabei die extrahierten Zeichen oder Teile von Zeichen zu filtern und zu glätten, um so Segmentraster unter Verwendung neuronaler Netze zu digitalisieren und in Binärwerte umzuwandeln.In one embodiment, a pre-processing unit 106 is coupled to the image capture unit 104 to extract characters or portions of characters from the image, thereby filtering and smoothing the extracted characters or portions of characters so as to digitize segment rasters using neural networks and convert them into convert binary values.

In einer Ausführungsform ist eine Segmentierungseinheit 108 mit der Vorverarbeitungseinheit 106 verbunden, um Segmente des Zeichens durch neuronale Netze mit unterschiedlichen Netzparametern zu erkennen. Die Segmentierung erfolgt auf der Grundlage der Kantenerkennung und des Abstands zwischen den verschiedenen Zeichen. Nach der Segmentierung werden die unterteilten Teile beschriftet und dann einzeln weiterverarbeitet. Diese Beschriftung wird vorgenommen, um die Anzahl der Zeichen im gesamten Bild zu ermitteln. Die Segmentierungspunkte werden auch auf die Einbeziehung von Fehlerpunkten überprüft, indem alle Punkte mit dem durchschnittlichen Abstand zwischen zwei Segmentierungspunkten verglichen werden unvollständiges BildIn one embodiment, a segmentation unit 108 is connected to the pre-processing unit 106 to recognize segments of the character through neural networks with different network parameters. The segmentation is based on edge detection and the distance between the different characters. After segmentation, the subdivided parts are labeled and then processed individually. This labeling is done to determine the number of characters in the entire image. The segmentation points are also checked for the inclusion of error points by comparing all points with the average distance between two segmentation points in the incomplete image

In einer Ausführungsform ist eine Merkmalsextraktionseinheit 110 mit der Segmentierungseinheit 108 verbunden, um einen Satz von Merkmalen aus jedem Zonenpixel zu extrahieren, indem sie sich entlang der Diagonalen der jeweiligen Pixel bewegt.In one embodiment, a feature extraction unit 110 is coupled to the segmentation unit 108 to extract a set of features from each zone pixel by moving along the diagonals of the respective pixels.

In einer Ausführungsform ist eine Klassifizierungs- und Erkennungseinheit 112 mit der Merkmalsextraktionseinheit 110 verbunden, um ein Modell der künstlichen Intelligenz zur Erkennung von handgeschriebenem Text unter Verwendung einer Gehirnnetzbibliothek zu trainieren, wobei der handgeschriebene Text durch Vergleich des extrahierten Satzes von Merkmalen mit den in der Gehirnnetzbibliothek verfügbaren Schwellenmerkmalen erkannt wird.In one embodiment, a classification and recognition unit 112 is coupled to the feature extraction unit 110 to train an artificial intelligence model to recognize handwritten text using a brain network library, recognizing the handwritten text by comparing the extracted set of features with those in the brain network library available threshold features.

In einer anderen Ausführungsform wird jedes der digitalisierten Segmente als Eingabe für jeden Knoten eines künstlichen Intelligenzmodells bereitgestellt, das speziell für das Training des Segments entwickelt wurde, wobei das für die Segmente trainierte künstliche Intelligenzmodell in der Lage ist, sie zu erkennen, wobei zu diesem Zeitpunkt auch ähnlich aussehende, aber unterschiedliche Zeichen unterschieden werden.In another embodiment, each of the digitized segments is provided as input to each node of an artificial intelligence model specifically designed to train the segment, the artificial intelligence model being trained on the segments being able to recognize them, at which point in time similar-looking but different characters can also be distinguished.

In einer anderen Ausführungsform besteht die Vorverarbeitungseinheit 106 aus einem Medianfilterverfahren, bei dem jedes Pixel im Bild betrachtet und die benachbarten Pixel auf der Grundlage ihrer Intensitäten in eine Reihenfolge gebracht werden, wodurch der ursprüngliche Wert des Pixels durch den Medianwert aus der Liste ersetzt wird.In another embodiment, the pre-processing unit 106 consists of a median filtering method in which each pixel in the image is considered and the neighboring pixels are ranked based on their intensities, replacing the pixel's original value with the median value from the list.

In einer anderen Ausführungsform ist die Merkmalsextraktionseinheit 110 so konfiguriert, dass sie ein vorverarbeitetes Bild liest. Dann wird jedes Zeichenbild aus Pixeln in 4 gleiche Zonen unterteilt. Extrahieren Sie dann Merkmale aus den Pixeln jeder Zone, indem Sie sich entlang der Diagonalen der jeweiligen Pixel bewegen, wobei jede Zone eine Gruppe von diagonalen Linien hat und die Vordergrundpixel, die entlang jeder diagonalen Linie vorhanden sind, summiert werden, um ein einzelnes Teilmerkmal zu erhalten. Dann werden Untermerkmale aus jeder Zone ermittelt. Danach werden die Werte der Untermerkmale gemittelt, um einen einzigen Merkmalswert zu bilden und in der entsprechenden Zone zu platzieren, wobei die Mittelwertbildung nacheinander für alle Zonen des Bildes wiederholt wird, um einen Satz von Merkmalen für jedes Bild zu extrahieren.In another embodiment, the feature extraction unit 110 is configured to read a pre-processed image. Then each character image of pixels is divided into 4 equal zones. Then extract features from each zone's pixels by moving along the respective pixels' diagonals, each zone having a set of diagonal lines, and summing the foreground pixels present along each diagonal line to yield a single sub-feature receive. Then sub-features are identified from each zone. Thereafter, the sub-feature values are averaged to form a single feature value and placed in the corresponding zone, the averaging being repeated for all zones of the image in turn to extract a set of features for each image.

Die Figuren und die vorangehende Beschreibung geben Beispiele für Ausführungsformen. Der Fachmann wird verstehen, dass eines oder mehrere der beschriebenen Elemente durchaus zu einem einzigen Funktionselement kombiniert werden können. Alternativ dazu können bestimmte Elemente in mehrere Funktionselemente aufgeteilt werden. Elemente aus einer Ausführungsform können einer anderen Ausführungsform hinzugefügt werden. So kann beispielsweise die Reihenfolge der hier beschriebenen Prozesse geändert werden und ist nicht auf die hier beschriebene Weise beschränkt. Außerdem müssen die Handlungen eines Flussdiagramms nicht in der gezeigten Reihenfolge ausgeführt werden; auch müssen nicht unbedingt alle Handlungen durchgeführt werden. Auch können diejenigen Handlungen, die nicht von anderen Handlungen abhängig sind, parallel zu den anderen Handlungen ausgeführt werden. Der Umfang der Ausführungsformen ist durch diese spezifischen Beispiele keineswegs begrenzt. Zahlreiche Variationen sind möglich, unabhängig davon, ob sie in der Beschreibung explizit aufgeführt sind oder nicht, wie z. B. Unterschiede in der Struktur, den Abmessungen und der Verwendung von Materialien. Der Umfang der Ausführungsformen ist mindestens so groß wie in den folgenden Ansprüchen angegeben.The figures and the preceding description give examples of embodiments. Those skilled in the art will understand that one or more of the elements described may well be combined into a single functional element. Alternatively, certain elements can be broken down into multiple functional elements. Elements from one embodiment may be added to another embodiment. For example, the order of the processes described herein may be changed and is not limited to the manner described herein. Also, the acts of a flowchart need not be performed in the order shown; also, not all actions have to be performed. Also, those actions that are not dependent on other actions can be performed in parallel with the other actions. The scope of the embodiments is in no way limited by these specific examples. Numerous variations are possible, regardless of whether they are explicitly mentioned in the description or not, e.g. B. Differences in structure, dimensions and use of materials. The scope of the embodiments is at least as broad as indicated in the following claims.

Vorteile, andere Vorzüge und Problemlösungen wurden oben im Hinblick auf bestimmte Ausführungsformen beschrieben. Die Vorteile, Vorzüge, Problemlösungen und Komponenten, die dazu führen können, dass ein Vorteil, ein Nutzen oder eine Lösung auftritt oder ausgeprägter wird, sind jedoch nicht als kritisches, erforderliches oder wesentliches Merkmal oder Komponente eines oder aller Ansprüche zu verstehen.Advantages, other benefits, and solutions to problems have been described above with respect to particular embodiments. However, the benefits, advantages, problem solutions, and components that can cause an advantage, benefit, or solution to occur or become more pronounced are not to be construed as a critical, required, or essential feature or component of any or all claims.

BezugszeichenlisteReference List

100100: Ein System zur Erkennung von handgeschriebenem TextA handwritten text recognition system
102102: Kameracamera
104104: Bilderfassungseinheitimage acquisition unit
106106: Vorverarbeitungseinheitpreprocessing unit
108108: Segmentierungseinheitsegmentation unit
110110: Einheit zur MerkmalsextraktionFeature extraction unit
112112: Einheit für Klassifizierung und ErkennungClassification and detection unit

Claims

system after claim 1 , where each of the digitized segments is provided as input to each node of an artificial intelligence model specifically designed to train the segment, the artificial intelligence model trained on the segments being able to recognize them, where to At this point, characters that look similar but are different can also be distinguished.

system after claim 1 , where the pre-processing unit consists of a median filtering method in which each pixel in the image is considered and the neighboring pixels are ranked based on their intensities, replacing the original value of the pixel with the median value from the list.

system after claim 1 , wherein the smoothing includes character size normalization to scale the character size within the image to a standard size.

The system after claim 1 , wherein the feature extraction unit is configured to: read a pre-processed image; each character image of pixels divided into 4 equal zones; extracting features from the pixels of each zone by moving along the diagonal of their respective pixels, each zone having a set of diagonal lines and summing the foreground pixels present along each diagonal line to obtain a single sub-feature; partial features identified from each zone; and averaging the sub-feature values to form a single feature value and placing it in the corresponding zone, repeating the averaging for all zones of the image in turn to extract a set of features for each image.

system after claim 1 , where the BrainNet library is used to train the artificial intelligence model to perform handwritten character recognition functions.

system after claim 1 , where the system comprises a network helper object to train the artificial intelligence model by directly adding images and the corresponding ASCII codes, the method of adding training data of the network helper class is overloaded to to accept different parameters.