一种基于电子感应笔和点阵纸的智能练字系统的制作方法

1.本发明涉及文体教育领域，具体地说，涉及一种基于电子感应笔和点阵纸的智能练字系统。


背景技术：

2.书法艺术以书写的形式传承、弘扬着中国传统文化，记录、见证着历史。随着社会的变更发展、计算机行业的新兴、书写工具的改变，书法作为古老的中国传统艺术受到了严重的冲击。针对目前的发展现状，国家开始把书法艺术提升至文化工程高度来抓，肯定其艺术价值和文化价值，书法逐渐变成当代社会的一门兴趣爱好，变成了走上艺术道路的一块敲门砖。人们对汉字的书写更为重视，尤其是认同其背后所蕴含的磅礴文化和内涵。但目前对字体书写的规范量化、书写水平的评测仍需探索，本发明将电子手写笔与点阵纸的协同系统搭配字体智能评价与调优机制，实现手写字体自动化评价和纠错，从计算机视觉的角度出发，利用轨迹识别算法模型解决手写字体识别和评价的难题。其应用层面广，经济成本低，可以推广至广泛的社会应用，带来良好的社会办公和教育效益。


技术实现要素：

3.本发明的目的在于提供一种基于电子感应笔和点阵纸的智能练字系统，以解决上述背景技术中提出的问题。
4.为实现上述目的，一种基于电子感应笔和点阵纸的智能练字系统，包括电子感应笔输入模块、电子点阵纸响应模块、字体识别模块、字体评价模块和字体纠错模块；用户利用电子感应笔代替传统的物理手工笔作为写字的工具，将其笔迹输入至对应的电子点阵纸中进行存储和展示，在点阵纸附属微电路控制器中部署计算机视觉识别算法模型，在没有发现错别字的前提下，依据笔迹轮廓和点阵纸单位块受力程度评价字体的笔迹和笔锋，并给予提高的建议；在识别出错别字时，以高亮和颜色字条反馈错误部分的纠正，书写正确后迭代评价机制，最终通过ui界面呈现给用户，以提升其手写能力。
5.进一步的，所述电子感应笔输入模块，采用的电子感应笔包括电容笔模块、芯片模块、压力传感器模块、电路模块和蓝牙模块；压力传感器模块在笔尖处，用于收集笔尖压力信息而后传给芯片，从而改变输出信号幅值，蓝牙模块与芯片连接使电容笔工作，当蓝牙模块与芯片连接之后，给电路供电，当无连接时电路模块断路不输出信号，笔尖的压力传感器模块用于感知笔尖压力大小，当压力增大时改变输出信号幅值，从而改变书写宽度，电容笔模块中信号发生时用的是文氏桥振荡电路，其通过对电路的选频网络和放大电路的电阻设置，能够反馈产生电路所需的正弦信号。模数转换模块采用的是滞回型电压比较器，将文氏桥产生的正弦信号进行处理，将正弦波转化成为同频率的矩形波，优点是抗干扰性好且输出稳定。电压比较器作用是比较同相输入和反相输入端输入的电压的大小并输出高低电平。
6.进一步的，所述电子感应笔输入模块，电子感应笔模块中信号发生产生的信号通
过lc并联选频网络，从输入信号中选择出所需的信号，滤除产生的无用信号，减少谐波输出，电容和电感的取值取决于在文氏桥振荡电路所产生的信号频率大小，在lc选频网络中设置电路保护模型，因且为了避免电路中浪涌冲击导致模块损毁，选择使用二极管对输出端进行稳压。
7.进一步的，所述电子点阵纸响应模块，本发明使用的电子点阵纸要实现多点触控，靠的就是增加互电容的电极，将屏幕分块，在每一个区域里设置一组互电容模块都是独立工作，所以电子点阵纸就可以独立检测到各区域的触控情况，进行处理后，简单地实现多点触控。电子点阵纸是一块四层复合玻璃屏，玻璃屏的内表面和夹层各涂一层ito(纳米铟锡金属氧化物)，最外层是只有0.0015mm厚的矽土玻璃保护层，夹层ito涂层作工作面，与传统的九宫格网格不同，设置8区域三角网格，即书写字体单位方格内存在8条到中心的线，所以设置四个角引出8个电极，即每个角引出正负两个电极，内层ito为屏层以保证工作环境。当接触电子点阵纸时，电子感应笔和工作面形成一个耦合电容，因为工作面上接有高频信号，于是电子感应笔吸收走一个很小的电流，这个电流分别从屏的四个角上的电极中流出，且理论上流经8个电极的电流与电子感应笔到四角的距离成比例，控制器通过对8个电流比例的精密计算，得出位置。
8.进一步的，所述电子点阵纸响应模块，本发明使用的电子点阵纸响应模块,电子点阵纸的四个角引出八个电极，即每个角引出正负两个电极，沿着单位方格中的八区域点阵线形成八条边界线。
9.进一步的，本发明使用改进的lle降维表示的字体识别方法，把处于高维空间结构中原始数据通过变换映射用低维空间来表示，在字体特征提取过程中首先对图像进行尺寸归一化，处理后的像像素大小均为32
×
32，8区域中单位像素为32
×
32
×
1/8，将图片灰度化，使其中的r＝g＝b三通道数据一致；在灰度化图像的基础上对图像进行二值化处理，使得字体和背景完全为黑白两色。
10.在高维样本空间样本zi可用邻近的样本zj、zk、z
l
线性组合表示，w
ij
、w
ik
、w
il
分别表示在书写方格内横向，纵向和深度三个临近样本线性组合时所占的权重参数：
11.zi＝w
ij
zj+w
ik
zk+w
ilzl
12.为了在低维空间中局部点的相对位置关系仍然能够保持，可以按照如下步骤进行推演:
13.step1:为高维数据z中的每个样本点zi选取k个近邻点z
i1
,z
i2
,
…
,z
ik
；
14.step2:为每个样本点计算一组权重wi,i∈[i,k]借助权重用z
ik
重构zi；
[0015]
step3:将wi,i∈[i,k]扩充为wi。
[0016]
进一步的，所述字体识别模块，本发明中基于lle降维表示的汉字字体识别方法分为两部分。
[0017]
(1)字体特征提取；首先，将点阵纸的8区域做三角网格化处理，将字体图像数据向量化，将高维字体数据转换成2维数据，在低维数据空间计算每个字体的聚类中心与聚类半径rk，保留到字体特征数据集；
[0018]
(2)邻近分类单字识别；在同一2维坐标空间中，单字图点与字体特征数据集中字体聚类中心点的欧式距离作为字体的相似度判断依据，先构建字体特征数据集，之后将要识别汉字单字图像降至2维，计算字体特征数据集每个字体与单字相似度，将单字归类为相
似度最高字体；
[0019]
(3)构建字体特征数据集；设x为降维后字体字符向量，k为字体类目数，rk为第k个字体聚类半径，certerk为第k个字体聚类中心，dist(xi,xj)为两字体字符在低维坐标欧式距离，ck为第k类族的标准字体，t为单字测试图片，t
′
为降维后测试单字图片，δ(t
′
,k)表示单字t
′
与第k类族字体相似度：
[0020]
step1:对聚类的每一类族随机选取1个中心点，即8区域中的三角中心；
[0021]
step2:遍历特征数据，将每个数据划分到对应类族中心点集合；
[0022]
step3:计算每个类族中心点集合的平均值，并作为新中心点；
[0023]
step4:重复step2，step3直到中心点不再收敛；
[0024]
step5:计算每个聚类半径rk，两点间欧式距离公式为：
[0025][0026]
其中，δ表示坏境影响的增益参数，用来补足环境光、温度和震动对聚类过程的影响，x代表数据有m个属性的向量，x代表数据有m个属性的向量：
[0027][0028]
式中，ck为第k类族的标准字体；|ck|表示第k类族中标准字体数据对象的个数；certerk表示第k类族中心点，rk＝max(dist(xk,certerk)，其中，xi∈ck。
[0029]
进一步的，所述字体评价模块，使用矩骨架九宫格进行比划匹配度研究，提取书法字骨架图像矩后，使用矩骨架8区域方式进行比划匹配度研究，与传统的9宫格相比可以解决连笔字体的识别问题，提取书法字骨架图像矩后，计算书法字骨架之间的相似度就变成了计算矩之间的相似程度。相关系数提供了对变量的取值范围不同的处理步骤，采用相关系数计算书法字骨架之间不变矩的相关程度，用以测试两个书法字骨架之间的相似程度，在对两组数据x和y进行相似度计算时，它们的相关系数p为：
[0030][0031]
其中，n表示样本的数量；p为衡量x和y之间相关强弱的程度；xi表示x中第i个样本的值；为x样本的平均值；yi表示y中第i个样本的值；为y样本的平均值。
[0032]
进一步的，所述字体评价模块使用相关系数对字体进行评价，协方差的数量值无法很好的反映两个变量之间的相关程度，相关系数是在协方差结果的基础上除以两个变量的标准差以得到最终相关性结果，在目标手写字骨架提取之后，分别与源字体库中标准字体中同一个字做骨架九宫格相似度判别，从而得到字体水平评价，最终以评分制确定水平。
[0033]
进一步的，所述字体纠错模块，在目标手写字骨架提取并分别与源字体库中标准字体中同一个字做骨架8区域相似度判别，从而得到字体水平评价后，对评分不及格的字进行错误检测，检测字体错误的部分，通过电子点阵纸进行错误显示反馈，后续对这个部分进行错误纠正。
[0034]
本发明有益效果：本发明阐述了一种基于电子感应笔和点阵纸的智能练字系统，包括电子感应笔输入模块、电子点阵纸响应模块、字体识别模块、字体评价模块和字体纠错模块。本发明采用的电子感应笔包括电容笔模块、芯片模块、压力传感器模块和蓝牙模块。压力传感器安装在笔尖处，用于收集笔尖压力信息而后传给芯片，从而改变输出信号幅值。蓝牙模块与芯片连接使电容笔工作。当蓝牙模块与芯片连接之后，给电路模块供电，当无连接时电路断路不输出信号。笔尖的压力传感器用于感知笔尖压力大小，当压力越大时改变输出信号幅值，从而改变书写宽度。电子感应笔电压比较器产生的信号通过lc并联选频网络，从输入信号中选择出所需的信号，滤除产生的无用信号，减少谐波输出。电容和电感的取值取决于在文氏桥振荡电路所产生的信号频率大小。本发明使用的电子点阵纸响应模块优点为只需轻轻触摸就能实现触控定位，在生产后只用一次或者完全不用校正就能正常使用，同时电子点阵纸的使用寿命比较长，降低了用户使用和厂家的生产成本。而且电子点阵纸的灵敏度要比电阻屏高，支持多点触控，便于书写。同时使用一种改进的书法字骨架化算法，首先输入手写字图像后，进行图像预处理，使用图像细化算法遍历手写字骨架，文使用斜线冗余像素消除模板对骨架细节进行冗余去除，遍历完毕后输出处理完毕的手写字骨架。本发明使用改进的lle降维表示的汉字字体识别方法，把处于高维空间结构中原始数据通过变换映射用低维空间来表示，在字体特征提取过程中首先对图像进行尺寸归一化，处理后的图像像素大小均为32
×
32，8区域三角网格化，其中每个区域单位像素为32
×
32
×
1/8，使用矩骨架8区域方式进行比划匹配度研究，与传统的9宫格相比可以解决连笔字体的识别问题，提取书法字骨架图像矩后，计算书法字骨架之间的相似度就变成了计算矩之间的相似程度。本发明将电子手写笔与点阵纸的协同系统搭配字体智能评价与调优机制，实现手写字体自动化评价和纠错，从计算机视觉的角度出发，利用轨迹识别算法模型解决手写字体识别和评价的难题。
附图说明
[0035]
利用附图对发明创造作进一步说明，但附图中的实施例不构成对本发明创造的任何限制，对于本领域的普通技术人员，在不付出创造性劳动的前提下，还可以根据以下附图获得其它的附图。
[0036]
图1是本发明结构示意图。
[0037]
图2是本发明所述8区笔划匹配示意图。
具体实施方式
[0038]
结合以下实例对本发明作进一步描述。
[0039]
参见图1，本发明旨在提供一种基于电子感应笔和点阵纸的智能练字系统，以解决上述背景技术中提出的问题。
[0040]
为实现上述目的，提供了一种基于电子感应笔和点阵纸的智能练字系统，包括电子感应笔输入模块、电子点阵纸响应模块、字体识别模块、字体评价模块和字体纠错模块；
[0041]
电子感应笔输入模块，采用的电子感应笔包括电容笔模块、芯片模块、压力传感器模块和蓝牙模块；压力传感器安装在笔尖处，用于收集笔尖压力信息而后传给芯片，从而改变输出信号幅值，蓝牙模块与芯片连接使电容笔工作，当蓝牙模块与芯片连接之后，给电路
模块供电，当无连接时电路断路不输出信号，笔尖的压力传感器用于感知笔尖压力大小，当压力越大时改变输出信号幅值，从而改变书写宽度；电容笔模块中信号发生时用的是文氏桥振荡电路，其通过对电路的选频网络和放大电路的电阻设置，能够反馈产生电路所需的正弦信号，模数转换模块采用的是滞回型电压比较器，将文氏桥产生的正弦信号进行处理，将正弦波转化成为同频率的矩形波，并以此传输手写信号。电子感应笔电压比较器产生的信号通过lc并联选频网络，从输入信号中选择出所需的信号，滤除产生的无用信号，减少谐波输出。电容和电感的取值取决于在文氏桥振荡电路所产生的信号频率大小。在lc选频网络中设置电路保护模块，因为lc选频网络输出信号与笔尖连接，可以防止因笔头反流电流过大而造成内部电路的损坏；且为了避免电路中浪涌冲击导致模块损毁，选择使用二极管对输出端进行稳压。
[0042]
电子点阵纸响应模块，使用的电子点阵纸要实现多点触控，靠的就是增加互电容的电极，将屏幕分块，在每一个区域里设置一组互电容模块都是独立工作，所以电子点阵纸就可以独立检测到各区域的触控情况，进行处理后，简单地实现多点触控。电子点阵纸是一块四层复合玻璃屏，玻璃屏的内表面和夹层各涂一层ito(纳米铟锡金属氧化物)，最外层是只有0.0015mm厚的矽土玻璃保护层，夹层ito涂层作工作面，与传统的九宫格网格不同，设置8区域三角网格，即书写字体单位方格内存在8条到中心的线，所以设置四个角引出8个电极，内层ito为屏层以保证工作环境。当接触电子点阵纸时，电子感应笔和工作面形成一个耦合电容，因为工作面上接有高频信号，于是电子感应笔吸收走一个很小的电流，这个电流分别从屏的四个角上的电极中流出，且理论上流经8个电极的电流与电子感应笔到四角的距离成比例，控制器通过对四对电流比例的精密计算，得出位置。可以达到99％的精确度，具备小于3ms的响应速度。使用的电子点阵纸响应模块优点为：只需轻轻触摸就能实现触控定位，在生产后只用一次或者完全不用校正就能正常使用，同时电子点阵纸的使用寿命比较长，因为电子点阵纸不会在触摸时发生巨大形变，相比于电阻屏由于压力带来的形变，很容易破坏屏幕内部的结构，或者造成屏幕划伤，因此，电子点阵纸还降低了用户使用和厂家的生产成本。电子点阵纸在光损耗和功耗上都优于电阻屏，而且电子点阵纸的灵敏度要比电阻屏高，此外电子点阵纸支持多点触控，便于书写。
[0043]
字体识别模块，本发明使用一种基于lle降维表示的汉字字体识别方法，把处于高维空间结构中原始数据通过变换映射用低维空间来表示，在字体特征提取过程中首先对图像进行尺寸归一化，处理后的图像像素大小均为32
×
32，8区域三角网格化，其中每个区域单位像素为32
×
32
×
1/8，为了降低因处理设备等原因对图像质量的影响，采用了滤波平滑去噪处理，为了减少字体颜色等因素的影响，将图片灰度化，使其中的r＝g＝b；在灰度化图像的基础上对图像进行二值化处理，使得字体和背景完全为黑白两色。本发明使用的lle是非线性降维方法，保持邻域内样本间的线性关系。
[0044]
在高维样本空间样本zi可用邻近的样本zj、zk、z
l
线性组合表示。
[0045]
zi＝w
ij
zj+w
ik
zk+w
ilzl
[0046]
为了在低维空间中局部点的相对位置关系仍然能够保持，可以按照如下步骤进行推演:
[0047]
step1:为高维数据z中的每个样本点zi选取k个近邻点z
i1
,z
i2
,
…
,z
ik
；
[0048]
step2:为每个样本点计算一组权重wi,i∈[i,k]借助权重用z
ik
重构zi；
[0049]
step3:将wi,i∈[i,k]扩充为wi。
[0050]
本发明中基于改进lle降维表示的汉字字体识别方法如下:
[0051]
(1)字体特征提取；首先，将点阵纸的8区域做三角网格化处理，将字体图像数据向量化，将高维字体数据转换成2维数据，在低维数据空间计算每个字体的聚类中心与聚类半径rk，保留到字体特征数据集；
[0052]
(2)邻近分类单字识别；在同一2维坐标空间中，单字图点与字体特征数据集中字体聚类中心点的欧式距离作为字体的相似度判断依据，先构建字体特征数据集，之后将要识别汉字单字图像降至2维，计算字体特征数据集每个字体与单字相似度，将单字归类为相似度最高字体；
[0053]
(3)构建字体特征数据集；设x为降维后字体字符向量，k为字体类目数，rk为第k个字体聚类半径，certerk为第k个字体聚类中心，dist(xi,xj)为两字体字符在低维坐标欧式距离，ck为第k类族的标准字体，t为单字测试图片，t
′
为降维后测试单字图片，δ(t
′
,k)表示单字t
′
与第k类族字体相似度：
[0054]
step1:对聚类的每一类族随机选取1个中心点，即8区域中的三角中心；
[0055]
step2:遍历特征数据，将每个数据划分到对应类族中心点集合；
[0056]
step3:计算每个类族中心点集合的平均值，并作为新中心点；
[0057]
step4:重复step2，step3直到中心点不再收敛；
[0058]
step5:计算每个聚类半径rk，两点间欧式距离公式为：
[0059][0060]
其中，δ表示坏境影响的增益参数，用来补足环境光、温度和震动对聚类过程的影响，x代表数据有m个属性的向量，x代表数据有m个属性的向量：
[0061][0062]
式中，ck为第k类族的标准字体；|ck|表示第k类族中标准字体数据对象的个数；certerk表示第k类族中心点，rk＝max(dist(xk,certerk)，其中，xi∈ck。
[0063]
字体评价模块，使用矩骨架8区域进行笔划匹配度研究，提取书法字骨架图像矩后，计算书法字骨架之间的相似度就变成了计算矩之间的相似程度。相关系数提供了对变量的取值范围不同的处理步骤，本发明采用相关系数计算书法字骨架之间不变矩的相关程度，用以测试两个书法字骨架之间的相似程度。相关系数输出的范围在-1到+1之间，0代表不相关，负数值代表负相关，正数值代表正相关。在对两组数据x和y进行相似度计算时，它们的相关系数p为：
[0064][0065]
其中，n表示样本的数量；p为衡量x和y之间相关强弱的程度；xi表示x中第i个样本的值；为x样本的平均值；yi表示y中第i个样本的值；为y样本的平均值。使用相关系数对
字体进行评价，协方差的数量值无法很好的反映两个变量之间的相关程度，相关系数是在协方差结果的基础上除以两个变量的标准差以得到最终相关性结果，在目标手写字骨架提取之后，分别与源字体库中楷书、仿宋、隶书、行书、黑体以及宋体等标准字体中同一个字做骨架九宫格相似度判别，从而得到字体水平评价，最终以评分制确定水平。
[0066]
字体纠错模块，在目标手写字骨架提取并分别与源字体库中标准字体中同一个字做骨架8区域相似度判别，从而得到字体水平评价后，对评分不及格的字进行错误检测，检测字体错误的部分，通过电子点阵纸进行错误显示反馈，后续对这个部分进行错误纠正。
[0067]
用户利用电子感应笔代替传统的物理手工笔作为写字的工具，将其笔迹输入至对应的电子点阵纸中进行存储和展示，在点阵纸附属微电路控制器中部署计算机视觉识别算法模型，在没有发现错别字的前提下，依据笔迹轮廓和点阵纸单位块受力程度评价字体的笔迹和笔锋，并给予提高的建议；在识别出错别字时，以高亮和颜色字条反馈错误部分的纠正，书写正确后迭代评价机制，最终通过ui界面呈现给用户，以提升其手写能力。
[0068]
本发明有益效果：本发明阐述了一种基于电子感应笔和点阵纸的智能练字系统，包括电子感应笔输入模块、电子点阵纸响应模块、字体识别模块、字体评价模块和字体纠错模块。本发明采用的电子感应笔包括电容笔模块、芯片模块、压力传感器模块和蓝牙模块。压力传感器安装在笔尖处，用于收集笔尖压力信息而后传给芯片，从而改变输出信号幅值。蓝牙模块与芯片连接使电容笔工作。当蓝牙模块与芯片连接之后，给电路模块供电，当无连接时电路断路不输出信号。笔尖的压力传感器用于感知笔尖压力大小，当压力越大时改变输出信号幅值，从而改变书写宽度。电子感应笔电压比较器产生的信号通过lc并联选频网络，从输入信号中选择出所需的信号，滤除产生的无用信号，减少谐波输出。电容和电感的取值取决于在文氏桥振荡电路所产生的信号频率大小。本发明使用的电子点阵纸响应模块优点为只需轻轻触摸就能实现触控定位，在生产后只用一次或者完全不用校正就能正常使用，同时电子点阵纸的使用寿命比较长，降低了用户使用和厂家的生产成本。而且电子点阵纸的灵敏度要比电阻屏高，支持多点触控，便于书写。同时使用一种改进的书法字骨架化算法，首先输入手写字图像后，进行图像预处理，使用图像细化算法遍历手写字骨架，文使用斜线冗余像素消除模板对骨架细节进行冗余去除，遍历完毕后输出处理完毕的手写字骨架。本发明使用改进的lle降维表示的汉字字体识别方法，把处于高维空间结构中原始数据通过变换映射用低维空间来表示，在字体特征提取过程中首先对图像进行尺寸归一化，处理后的图像像素大小均为32
×
32，8区域三角网格化，其中每个区域单位像素为32
×
32
×
1/8，使用矩骨架8区域方式进行比划匹配度研究，与传统的9宫格相比可以解决连笔字体的识别问题，提取书法字骨架图像矩后，计算书法字骨架之间的相似度就变成了计算矩之间的相似程度。本发明将电子手写笔与点阵纸的协同系统搭配字体智能评价与调优机制，实现手写字体自动化评价和纠错，从计算机视觉的角度出发，利用轨迹识别算法模型解决手写字体识别和评价的难题。
[0069]
本发明还提供了一种计算机可读存储介质，该存储介质中存储有至少一条指令，该指令由处理器加载并执行，以实现上述方法。其中，该计算机可读存储介质可以是rom、随机存取存储器、cd-rom、磁带、软盘和光数据存储设备等。其内存储的指令可由终端中的处理器加载并执行上述方法。
[0070]
本发明实施方式是参照根据本发明实施例的方法、终端设备(系统)、和计算机程
序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、嵌入式处理机或其他可编程数据处理终端设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理终端设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
[0071]
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理终端设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。这些计算机程序指令也可装载到计算机或其他可编程数据处理终端设备上，使得在计算机或其他可编程终端设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程终端设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
[0072]
对所公开的实施例的上述说明，使本领域专业技术人员能够实现或使用本发明。对这些实施例的多种修改对本领域的专业技术人员来说将是显而易见的，本文中所定义的一般原理可以在不脱离本发明的精神或范围的情况下，在其它实施例中实现。因此，本发明将不会被限制于本文所示的这些实施例，而是要符合与本文所公开的原理和新颖特点相一致的最宽的范围。

技术特征：
1.一种基于电子感应笔和点阵纸的智能练字系统，包括电子感应笔输入模块、电子点阵纸响应模块、字体识别模块、字体评价模块和字体纠错模块；用户利用电子感应笔代替传统的物理手工笔作为写字的工具，将其笔迹输入至对应的电子点阵纸中进行存储和展示，在点阵纸附属微电路控制器中部署计算机视觉识别算法模型，在没有发现错别字的前提下，依据笔迹轮廓和点阵纸单位块受力程度评价字体的笔迹和笔锋，并给予提高的建议；在识别出错别字时，以高亮和颜色字条反馈错误部分的纠正，书写正确后迭代评价机制，最终通过ui界面呈现给用户，以提升其手写能力。2.根据权利要求1所述一种基于电子感应笔和点阵纸的智能练字系统，其特征在于，所述电子感应笔输入模块，采用的电子感应笔包括电容笔模块、芯片模块、压力传感器模块、电路模块和蓝牙模块；压力传感器模块在笔尖处，用于收集笔尖压力信息而后传给芯片，从而改变输出信号幅值，蓝牙模块与芯片连接使电容笔工作，当蓝牙模块与芯片连接之后，给电路模块供电，当无连接时电路断路不输出信号，笔尖的压力传感器模块用于感知笔尖压力大小，当压力增大时改变输出信号幅值，从而改变书写宽度，电容笔模块中信号发生时用的是文氏桥振荡电路，其通过对电路的选频网络和放大电路的电阻设置，能够反馈产生电路所需的正弦信号。3.根据权利要求2所述一种基于电子感应笔和点阵纸的智能练字系统，其特征在于，所述电子感应笔输入模块，电子感应笔模块中信号发生产生的信号通过lc并联选频网络，从输入信号中选择出所需的信号，滤除产生的无用信号，减少谐波输出，电容和电感的取值取决于在文氏桥振荡电路所产生的信号频率大小，在lc选频网络中设置电路保护模型，为了避免电路中浪涌冲击导致电子感应笔输入模块损毁，选择使用二极管对输出端进行稳压。4.根据权利要求1所述一种基于电子感应笔和点阵纸的智能练字系统，其特征在于，所述电子点阵纸响应模块，使用的电子点阵纸要实现多点触控，以增加互电容的电极，将屏幕分块，在每一个区域里设置一组独立工作的互电容，电子点阵纸独立检测到各区域的触控情况并进行处理后，简单地实现多点触控；电子点阵纸是一块四层复合玻璃屏，玻璃屏的内表面和夹层各涂一层纳米铟锡金属氧化物，最外层是只有0.0015mm厚的矽土玻璃保护层，夹层涂层作工作面，与传统的九宫格网格不同，设置8区域三角网格，即书写字体单位方格内存在8条到中心的线，所以设置四个角引出八个电极，即每个角引出正负两个电极，内层为屏层以保证工作环境；当接触电子点阵纸时，电子感应笔和工作面形成一个耦合电容，因为工作面上接有高频信号，于是电子感应笔吸收走一个很小的电流，这个电流分别从屏的四个角上的电极中流出，且理论上流经八个电极的电流与电子感应笔到四角的距离成比例，控制器通过对八个电流比例的精密计算。5.根据权利要求4所述一种基于电子感应笔和点阵纸的智能练字系统，其特征在于，所述电子点阵纸响应模块，其中，电子点阵纸的四个角引出八个电极，即每个角引出正负两个电极，沿着单位方格中的八区域点阵线形成八条边界线。6.根据权利要求1所述一种基于电子感应笔和点阵纸的智能练字系统，其特征在于，所述字体识别模块，使用改进的lle降维表示的字体识别方法，把处于高维空间结构中原始数据通过变换映射用低维空间来表示，在字体特征提取过程中首先对图像进行尺寸归一化，处理后的图像像素大小均为32
×
32，8区域三角网格化，其中每个区域单位像素为32
×
32
×
1/8，将图片灰度化，使其中的r＝g＝b三通道数据一致；在灰度化图像的基础上对图像进行
二值化处理，使得字体和背景完全为黑白两色，在高维样本空间样本z
i
用邻近的样本z
j
、z
k
、z
l
线性组合表示，w
ij
、w
ik
、w
il
分别表示在书写方格内横向，纵向和深度三个临近样本线性组合时所占的权重参数：z
i
＝w
ij
z
j
+w
ik
z
k
+w
il
z
l
为了在低维空间中局部点的相对位置关系仍然能够保持，可以按照如下步骤进行推演:step1:为高维数据z中的每个样本点z
i
选取k个近邻点z
i1
,z
i2
,
…
,z
ik
；step2:为每个样本点计算一组权重w
i
,i∈[i,k]借助权重用z
ik
重构z
i
；step3:将w
i
,i∈[i,k]扩充为w
i
。7.根据权利要求1所述一种基于电子感应笔和点阵纸的智能练字系统，其特征在于，所述字体识别模块，主要步骤如下：(1)字体特征提取；首先，将点阵纸的8区域做三角网格化处理，将字体图像数据向量化，将高维字体数据转换成2维数据，在低维数据空间计算每个字体的聚类中心与聚类半径r
k
，保留到字体特征数据集；(2)邻近分类单字识别；在同一2维坐标空间中，单字图点与字体特征数据集中字体聚类中心点的欧式距离作为字体的相似度判断依据，先构建字体特征数据集，之后将要识别汉字单字图像降至2维，计算字体特征数据集每个字体与单字相似度，将单字归类为相似度最高字体；(3)构建字体特征数据集；设x为降维后字体字符向量，k为字体类目数，r
k
为第k个字体聚类半径，certer
k
为第k个字体聚类中心，dist(x
i
,x
j
)为两字体字符在低维坐标欧式距离，c
k
为第k类族的标准字体，t为单字测试图片，t
′
为降维后测试单字图片，δ(t
′
,k)表示单字t
′
与第k类族字体相似度：step1:对聚类的每一类族随机选取1个中心点，即8区域中的三角中心；step2:遍历特征数据，将每个数据划分到对应类族中心点集合；step3:计算每个类族中心点集合的平均值，并作为新中心点；step4:重复step2，step3直到中心点不再收敛；step5:计算每个聚类半径r
k
，两点间欧式距离公式为：其中，δ表示坏境影响的增益参数，用来补足环境光、温度和震动对聚类过程的影响，x代表数据有m个属性的向量：式中，c
k
为第k类族的标准字体；|c
k
|表示第k类族中标准字体数据对象的个数；certer
k
表示第k类族中心点，其中，x
i
∈c
k
。8.根据权利要求1所述一种基于电子感应笔和点阵纸的智能练字系统，其特征在于，所述字体评价模块，使用点阵纸8区域方式进行比划匹配度研究，与传统的9宫格相比解决了连笔字体的识别问题，提取书法字骨架图像矩后，计算书法字骨架之间的相似度更新为计
算矩之间的相似程度，相关系数提供了对变量的取值范围不同的处理步骤，采用相关系数计算书法字骨架之间不变矩的相关程度，用以测试两个书法字骨架之间的相似程度，在对两组数据x和y进行相似度计算时，它们的相关系数p为：其中，n表示样本的数量；p为衡量x和y之间相关强弱的程度；xi表示x中第i个样本的值；为x样本的平均值；yi表示y中第i个样本的值；为y样本的平均值。9.根据权利要求1所述一种基于电子感应笔和点阵纸的智能练字系统，其特征在于，所述字体评价模块，使用相关系数对字体进行评价，协方差的数量值无法很好的反映两个变量之间的相关程度，相关系数是在协方差结果的基础上除以两个变量的标准差以得到最终相关性结果，在目标手写字骨架提取之后，分别与源字体库中标准字体中同一个字做骨架8区域相似度判别，从而得到字体水平评价。10.根据权利要求1所述一种基于电子感应笔和点阵纸的智能练字系统，其特征在于，所述字体纠错模块，在目标手写字骨架提取并分别与源字体库中标准字体中同一个字做骨架8区域相似度判别，从而得到字体水平评价后，对评分不及格的字进行错误检测，检测字体错误的部分，通过电子点阵纸进行错误显示反馈，后续对这个部分进行错误纠正。

技术总结
一种基于电子感应笔和点阵纸的智能练字系统，包括电子感应笔输入模块、电子点阵纸响应模块、字体识别模块、字体评价模块和字体纠错模块。将电子手写笔与点阵纸的协同系统搭配字体智能评价与调优机制，实现手写字体自动化评价和纠错，从计算机视觉的角度出发，利用轨迹识别算法模型解决手写字体识别和评价的难题，开发了一种8区域笔划识别方法，改进了传统九宫格识别模型中难以对连笔字体识别的缺陷，并在聚类中引入了书写环境增益参数，用来补足书写环境的影响，其应用层面广，经济成本低，带来良好的社会办公和教育效益。来良好的社会办公和教育效益。来良好的社会办公和教育效益。


技术研发人员：华敏
受保护的技术使用者：江苏乐易智慧科技有限公司
技术研发日：2023.03.08
技术公布日：2023/7/26