买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

龙图腾网获悉厦门厦华科技有限公司申请的专利基于深度神经网络的实时手写识别方法获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN120766298B 。

龙图腾网通过国家知识产权局官网在2026-01-16发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202511277309.X，技术领域涉及：G06V30/22；该发明授权基于深度神经网络的实时手写识别方法是由商永金;薛元;谢特辉设计研发完成，并于2025-09-09向国家知识产权局提交的专利申请。

本基于深度神经网络的实时手写识别方法在说明书摘要公布了：本发明为一种基于深度神经网络的实时手写识别方法，旨在解决电子白板手写字符识别中存在的准确性不足、实时性欠佳及对复杂书写风格适应性差的问题。该方法首先通过电子白板传感器和红外摄像头采集手写轨迹样本数据，经缺失值处理、异常值处理和格式转换后，对轨迹坐标进行去噪和归一化预处理；其次通过像素移位生成增强样本，提取方向角、速度、笔尖压力归一值等10维特征，利用粒子群优化算法筛选最优特征子集并拼接为时序特征向量；最后采用3层LSTM网络学习特征向量的时序依赖，经全连接层和softmax函数输出62类字符概率，完成分类识别。该方法实现了电子白板手写字符的高效、准确识别，提升了手写交互的实时性与可靠性，具有较强的工程应用价值。

本发明授权基于深度神经网络的实时手写识别方法在权利要求书中公布了：1.基于深度神经网络的实时手写识别方法，其特征在于，所述方法包括以下步骤： 步骤S1:通过电子白板的电磁传感器和红外摄像头，实时采集单字符样本书写过程中笔尖的运动轨迹和笔画形态，作为样本数据；按字符类别，将所述样本数据按照单字符类别划分为62个类；对所述样本数据进行缺失值处理、异常值处理和数据格式转换，作为第一数据； 步骤S2:对所述第一数据中的轨迹进行轨迹坐标预处理，作为第二数据； 步骤S3:对所述第二数据作为进行微小随机移位，生成增强样本；对所述增强样本进行特征提取，得到最初特征向量；将所述最初特征向量作为粒子群优化算法的输入，以输出最终特征向量； 步骤S4:将所述最终特征向量作为输入，采用LSTM算法进行所述最终特征向量的时序依赖学习，得到类概率，取概率最大的类作为电子白板手写识别的最终输出结果； 所述步骤S2包括如下步骤： 将所述第一数据中的轨迹坐标分解为高频细节分量和低频趋势分量；对所述高频细节分量通过软阈值处理抑制噪声；将去噪后的所述高频细节分量与原始所述低频趋势分量进行重新组合，得到去噪后的轨迹坐标；将所述去噪后的轨迹坐标标准化到[-1,1]范围；将所述轨迹坐标预处理后的轨迹坐标、原所述第一数据中的笔尖压力、笔画宽度、笔画弯曲率合并，作为所述第二数据； 所述步骤S3包括如下步骤： 步骤S301：输入所述第二数据； 步骤S302：仅对所述第二数据中的轨迹坐标进行微小随机移位，生成增强样本，计算公式为： 其中，表示最大移位幅度；表示范围为-1,1的均匀分布的随机数；表示裁剪函数，以保证所述增强样本中的轨迹坐标在区域内； 步骤S303：对所述增强样本进行多维度特征提取，包括： 时间步t点的方向角、时间步t点的速度、时间步t点的笔尖压力归一值、时间步t点的曲率、时间步t点的笔画面积、压力-面积相关性、时间步t点的笔画形态变化率、时间步t点的笔画宽度、笔画数量和书写时长； 构建时间步t点的10维特征向量，作为所述最初特征向量，表示为： 步骤S304：使用粒子群优化算法得到所述最终特征向量。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人厦门厦华科技有限公司，其通讯地址为：361101 福建省厦门市翔安区上塘北路333号；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。

以上内容由龙图腾AI智能生成。