(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202210273379.8 (22)申请日 2022.03.18 (71)申请人 北京有竹居网络技 术有限公司 地址 101299 北京市平谷区林荫北街13号 信息大厦802室 (72)发明人 梁镇麟　蔡猛　马泽君　 (74)专利代理 机构 北京英创嘉友知识产权代理 事务所(普通 合伙) 11447 专利代理师 曹寒梅 (51)Int.Cl. G06V 30/148(2022.01) G06V 10/44(2022.01) G06V 10/75(2022.01) G06K 9/62(2022.01) (54)发明名称 笔顺检测方法、 装置、 可读介质及电子设备 (57)摘要 本公开涉及一种笔顺检测方法、 装置、 可读 介质及电子设备。 所述方法包括： 获取用户书写 目标文字过程中输入的待识别笔画， 所述目标文 字由至少两个标准笔画构成； 确定所述待识别笔 画与目标标准笔画之间的相似度， 作为第一相似 概率， 所述目标标准笔画为所述标准笔画中的至 少一者； 根据用户在所述待识别笔画之前的输入 内容， 确定所述待识别笔画为所述目标标准笔画 的概率， 作为第二相似概率； 根据所述第一相似 概率和所述第二相似概率， 确定书写至所述待识 别笔画的笔顺是否正确。 由此， 能够有效提升笔 顺检测的准确性， 同时， 可 以提升笔顺检测的效 率， 并能在用户书 写过程中实现实时检测。 权利要求书2页 说明书12页 附图2页 CN 114627475 A 2022.06.14 CN 114627475 A 1.一种笔顺检测方法， 其特 征在于， 所述方法包括： 获取用户书写目标文字过程中输入的待识别笔画， 所述目标文字由至少两个标准笔画 构成； 确定所述待识别笔画与目标标准笔画之间的相似度， 作为第一相似概率， 所述目标标 准笔画为所述标准笔画中的至少一 者； 根据用户在所述待识别笔画之前的输入内容， 确定所述待识别笔画为所述目标标准笔 画的概率， 作为第二相似概 率； 根据所述第 一相似概率和所述第 二相似概率， 确定书写至所述待识别笔画的笔顺是否 正确。 2.根据权利要求1所述的方法， 其特征在于， 所述确定所述待识别笔画与目标标准笔画 之间的相似度， 作为第一相似概 率， 包括： 根据预先训练的向量 提取模型， 确定所述待识别笔画对应的待识别笔画向量； 确定每一所述目标 标准笔画各自对应的目标 标准笔画向量； 分别计算所述待识别笔画向量与每一所述目标标准笔画向量之间的相似度， 以得到所 述第一相似概 率。 3.根据权利要求2所述的方法， 其特 征在于， 所述向量 提取模型通过以下 方式得到： 获取第一训练样本， 所述第 一训练样本包括第 一训练文字 中第一训练笔画对应的第 一 训练笔画图像； 通过将所述第 一训练笔画图像作为模型的输入， 并将所述第 一训练笔画图像对应的第 一训练笔画作为模型的目标输出的方式进 行模型训练， 以得到训练完成的分类模 型， 其中， 所述分类模型包括多个中间层， 每一所述中间层用于针对输入所述分类模 型的内容输出向 量化处理结果； 获取第二训练文字中第二训练笔画对应的第二训练笔画图像； 将所述第二训练笔画图像输入至所述分类模型， 并提取所述分类模型每一中间层的输 出内容； 从所述输出内容中， 确定相似程度与所述第二训练笔画最高的目标输出内容； 将以所述分类模型的输入层为起始、 并以所述目标输出内容对应的中间层为结束的分 类模型的局部确定为所述向量 提取模型。 4.根据权利要求3所述的方法， 其特征在于， 在所述获取第一训练样本的步骤之后， 所 述方法还 包括： 对所述第一训练笔画图像进行图像增强， 并将增强后的图像与 所述第一训练笔画图像 对应的第一训练笔画相关联， 以将所述增强后的图像用于训练分类模型。 5.根据权利要求1所述的方法， 其特征在于， 所述根据用户在所述待识别笔画之前的输 入内容， 确定所述待识别笔画为所述目标 标准笔画的概 率， 作为第二相似概 率， 包括： 根据用户在所述待识别笔画之前的输入内容， 利用预先训练的概率预测模型， 确定所 述待识别笔画为所述目标 标准笔画的概 率， 作为第二相似概 率； 所述概率预测模型通过以下 方式得到： 获取第二训练样本， 所述第二训练样本包括与第三训练文字对应的训练笔顺序列， 所 述训练笔顺序列由所述第三训练文字包含的第三训练笔画所对应的笔画向量构成， 且所述权　利　要　求　书 1/2 页 2 CN 114627475 A 2第三训练笔画对应的笔画向量在所训练笔顺序列中的顺序符合所述第三训练文字的标准 笔顺； 通过将所述训练笔顺序列的子序列作为语言模型的输入， 并将所述子序列在所述训练 笔顺序列中的下一元素作为所述语言模型的目标输出的方式进行模型训练， 以得到训练完 成的概率预测模型。 6.根据权利要求1所述的方法， 其特征在于， 所述根据所述第 一相似概率和所述第 二相 似概率， 确定书 写至所述待识别笔画的笔顺是否正确， 包括： 针对每一所述目标标准笔画， 根据对应于该目标标准笔画的第 一相似概率和第 二相似 概率， 计算所述待识别笔画与该目标 标准笔画之间的目标相似概 率； 将目标相似概 率最高的目标 标准笔画确定为所述待识别笔画对应的目标 笔画； 根据所述目标笔画以及所述目标文字对应的标准笔顺， 确定所述待识别笔画的笔顺是 否正确。 7.根据权利要求6所述的方法， 其特征在于， 所述根据对应于该目标标准笔画的第 一相 似概率和第二相似概率， 计算所述待识别笔画与该目标标准笔画之间的目标相似概率， 包 括： 对所述第一相似概率和所述第 二相似概率进行加权计算， 以得到所述待识别笔画与 该 目标标准笔画之间的目标相似概 率。 8.一种笔顺检测装置， 其特 征在于， 所述装置包括： 第一获取模块， 用于获取用户书写目标文字过程中输入的待识别笔画， 所述目标文字 由至少两个标准笔画构成； 第一确定模块， 用于确定所述待识别笔画与目标标准笔画之间的相似度， 作为第一相 似概率， 所述目标 标准笔画为所述标准笔画中的至少一 者； 第二确定模块， 用于根据用户在所述待识别笔画之前的输入内容， 确定所述待识别笔 画为所述目标 标准笔画的概 率， 作为第二相似概 率； 第三确定模块， 用于根据所述第一相似概率和所述第二相似概率， 确定书写至所述待 识别笔画的笔顺是否正确。 9.一种计算机可读介质， 其上存储有计算机程序， 其特征在于， 该程序被处理装置执行 时实现权利要求1 ‑7中任一项所述方法的步骤。 10.一种电子设备， 其特 征在于， 包括： 存储装置， 其上存 储有至少一个 计算机程序； 至少一个处理装置， 用于执行所述存储装置中的所述至少一个计算机程序， 以实现权 利要求1‑7中任一项所述方法的步骤。权　利　要　求　书 2/2 页 3 CN 114627475 A 3