本發(fā)明涉及機器學(xué)習(xí)、深度學(xué)習(xí)、數(shù)據(jù)處理與分析等多個領(lǐng)域，實現(xiàn)一種基于深度學(xué)習(xí)的筆跡預(yù)測算法模型，旨在提供一種基于深度學(xué)習(xí)的書寫筆跡實時繪制方法

背景技術(shù)：

1、隨著信息技術(shù)的飛速發(fā)展，數(shù)字化書寫已成為日常生活中不可或缺的一部分，盡管這些技術(shù)的普及極大地促進了信息交流與知識傳播的便捷性，但隨之而來的是對硬件性能的持續(xù)需求增加，這對成本控制構(gòu)成了嚴峻挑戰(zhàn)。當前，市場上多數(shù)設(shè)備在處理實時筆跡追蹤與顯示時，受限于硬件資源的局限，難以在不增加成本的前提下，有效減少觸控反饋延遲，并確保書寫軌跡的即時性和準確性。這一瓶頸不僅影響了手寫交互的流暢度，而且阻礙了技術(shù)普惠性的最大化發(fā)揮。鑒于此，探索一種創(chuàng)新且經(jīng)濟高效的筆跡預(yù)測技術(shù)方案，成為亟待解決的問題。因此，本發(fā)明旨在通過先進的算法優(yōu)化而非單純依賴硬件升級，實現(xiàn)降低手寫輸入的延遲的目標，同時確保預(yù)測精度滿足實際應(yīng)用需求。

技術(shù)實現(xiàn)思路

1、本發(fā)明的目的在于：為了解決上述提出的問題，提供一種基于深度學(xué)習(xí)的書寫筆跡實時繪制方法。

2、本發(fā)明采用的技術(shù)方案如下：一種基于深度學(xué)習(xí)的書寫筆跡實時繪制方法，

3、包括如下步驟：

4、s1：系統(tǒng)實時捕獲用戶在觸摸屏上每個筆劃的書寫動作，并有序記錄書寫關(guān)鍵參數(shù)信息，形成按時間序列排列的并固定長度的數(shù)據(jù)流f；

5、s2：對收集的數(shù)據(jù)流進行歸一化處理，并構(gòu)建模型訓(xùn)練、驗證數(shù)據(jù)集，基于深度學(xué)習(xí)構(gòu)建軌跡預(yù)測模型進行訓(xùn)練，該模型負責對歷史數(shù)據(jù)進行綜合解析，并預(yù)測未來軌跡點坐標。

6、在一優(yōu)選的實施方式中，所述s1關(guān)鍵參數(shù)信息，主要包括點坐標(x,y)、對應(yīng)軌跡點的時間戳t。

7、在一優(yōu)選的實施方式中，所述s1按時間序列排列的并固定長度的數(shù)據(jù)流，在實時預(yù)測中，對于每個筆劃，從落筆開始記錄關(guān)鍵參數(shù)信息，當所記錄關(guān)鍵參數(shù)組信息首次累積至設(shè)置長度閾值slength_max時，將數(shù)據(jù)進行歸一化得到數(shù)據(jù)li，并送入模型以預(yù)測后續(xù)的軌跡路徑，并且為了實現(xiàn)持續(xù)預(yù)測，該序列會動態(tài)更新——移除最早錄入的一組參數(shù)，同時在序列尾部加入新采集到的參數(shù)值，此過程循環(huán)往復(fù)，直至當前筆劃完成。

8、在一優(yōu)選的實施方式中，所述s2數(shù)據(jù)集構(gòu)建，數(shù)據(jù)獲取過程囊括了多名參與者的廣泛書寫樣本，覆蓋了漢字筆畫、阿拉伯數(shù)字、英文字母及常見圖形，并按照8：1：1的比例劃分成訓(xùn)練集、驗證集與測試集，以促進模型的有效驗證并保證泛化能力。

9、在一優(yōu)選的實施方式中，所述s2基于深度學(xué)習(xí)構(gòu)建的筆跡預(yù)測模型，共包含三個模塊：淺層特征編碼模塊、深度特征提取模塊和軌跡解碼模塊，該設(shè)計的創(chuàng)新點在于，結(jié)合了多層感知機(mlp)、門控循環(huán)單元(gru)和transformer架構(gòu)，充分利用了每種技術(shù)的優(yōu)勢來深度提取序列特征從而提升軌跡預(yù)測的精度和實時性。

10、在一優(yōu)選的實施方式中，所述的三個模塊：

11、s251：淺層特征編碼模塊，該模塊首先通過包含2層隱藏層的感知機(multi-layerperceptron，mlp)將序列數(shù)據(jù)li轉(zhuǎn)換成嵌入表示：

12、e＝fmlp(pt,we)

13、式中，we為嵌入權(quán)重矩陣，fmlp為mlp層，然后利用單層gru對嵌入數(shù)據(jù)進行數(shù)據(jù)編碼；

14、s252：深度特征提取模塊，該模塊使用3層transformer編碼器對書寫軌跡的歷史數(shù)據(jù)信息進行深度特征提取，該編碼器包含，多頭注意力機制層、前饋網(wǎng)絡(luò)層、殘差連接和層歸一化，這種結(jié)構(gòu)能夠捕捉長時間依賴關(guān)系，提高預(yù)測的準確性；

15、s253：軌跡解碼模塊，該模塊使用1層transformer編碼器并串接一個全連接層進行解碼，通過這種設(shè)計，模型可以有效輸出預(yù)測軌跡點并滿足實時軌跡預(yù)測需求。

16、在一優(yōu)選的實施方式中，所述transformer編碼器具體結(jié)構(gòu)，結(jié)構(gòu)如下：

17、s2521：首先，使用多頭注意力機制提取特征；

18、s2522：然后，使用殘差連接融合特征，并接入歸一化層；

19、s2523：之后，使用前饋神經(jīng)網(wǎng)絡(luò)提高非線性并提升數(shù)據(jù)特征的表達能力；

20、s2524：最后，再次使用殘差結(jié)構(gòu)和歸一化層，緩解梯度消失或爆炸的問題，促進模型的提取特征能力。

21、在一優(yōu)選的實施方式中，一種計算機可讀存儲介質(zhì)，其上存儲有計算機程序，所述計算機程序被處理器執(zhí)行時，實現(xiàn)如任一項所述的一種基于深度學(xué)習(xí)的書寫筆跡實時繪制方法。

22、在一優(yōu)選的實施方式中，一種電子白板書寫設(shè)備，包括存儲器、處理器，所述存儲器內(nèi)預(yù)裝有專門設(shè)計的計算機程序，該程序在處理器的驅(qū)動下，實現(xiàn)任一項所述的一種基于深度學(xué)習(xí)的書寫筆跡實時繪制方法。

23、綜上所述，由于采用了上述技術(shù)方案，本發(fā)明的有益效果是：

24、本發(fā)明提出了一種基于深度學(xué)習(xí)的書寫筆跡實時繪制方法，旨在通過先進的算法優(yōu)化而非單純依賴硬件升級，降低硬件成本，在實現(xiàn)降低手寫輸入延遲目標的同時，確保預(yù)測精度滿足實際應(yīng)用需求。本發(fā)明基于深度學(xué)習(xí)關(guān)鍵技術(shù)，創(chuàng)新性地結(jié)合了注意力機制、gru網(wǎng)絡(luò)、殘差結(jié)構(gòu)等關(guān)鍵技術(shù)，涵蓋了從原始軌跡數(shù)據(jù)的獲取、預(yù)處理、深度學(xué)習(xí)模型的預(yù)測的全過程。實現(xiàn)了在不依賴高端硬件的前提下，顯著提高觸摸屏手寫輸入的實時性和準確性，而且通過算法層面的創(chuàng)新，為廣泛的觸摸屏設(shè)備帶來了更接近真實紙筆書寫體驗的解決方案，極大地推動了數(shù)字化書寫技術(shù)的普及與應(yīng)用。

技術(shù)特征：

1.一種基于深度學(xué)習(xí)的書寫筆跡實時繪制方法，其特征在于，包括如下步驟：

2.根據(jù)權(quán)利要求1所述的一種基于深度學(xué)習(xí)的書寫筆跡實時繪制方法，其特征在于，所述s1關(guān)鍵參數(shù)信息，主要包括點坐標(x,y)、對應(yīng)軌跡點的時間戳t。

3.根據(jù)權(quán)利要求1所述的一種基于深度學(xué)習(xí)的書寫筆跡實時繪制方法，其特征在于，所述s1按時間序列排列的并固定長度的數(shù)據(jù)流，在實時預(yù)測中，對于每個筆劃，從落筆開始記錄關(guān)鍵參數(shù)信息，當所記錄關(guān)鍵參數(shù)組信息首次累積至設(shè)置長度閾值slength_max時，將數(shù)據(jù)進行歸一化得到數(shù)據(jù)li，并送入模型以預(yù)測后續(xù)的軌跡路徑，并且為了實現(xiàn)持續(xù)預(yù)測，該序列會動態(tài)更新——移除最早錄入的一組參數(shù)，同時在序列尾部加入新采集到的參數(shù)值，此過程循環(huán)往復(fù)，直至當前筆劃完成。

4.根據(jù)權(quán)利要求1所述的一種基于深度學(xué)習(xí)的書寫筆跡實時繪制方法，其特征在于，所述s2數(shù)據(jù)集構(gòu)建，數(shù)據(jù)獲取過程囊括了多名參與者的廣泛書寫樣本，覆蓋了漢字筆畫、阿拉伯數(shù)字、英文字母及常見圖形，并按照8：1：1的比例劃分成訓(xùn)練集、驗證集與測試集，以促進模型的有效驗證并保證泛化能力。

5.根據(jù)權(quán)利要求1所述的一種基于深度學(xué)習(xí)的書寫筆跡實時繪制方法，其特征在于，所述s2基于深度學(xué)習(xí)構(gòu)建的筆跡預(yù)測模型，共包含三個模塊：淺層特征編碼模塊、深度特征提取模塊和軌跡解碼模塊，該設(shè)計的創(chuàng)新點在于，結(jié)合了多層感知機(mlp)、門控循環(huán)單元(gru)和transformer架構(gòu)，充分利用了每種技術(shù)的優(yōu)勢來深度提取序列特征從而提升軌跡預(yù)測的精度和實時性。

6.根據(jù)權(quán)利要求5所述的一種基于深度學(xué)習(xí)的書寫筆跡實時繪制方法，其特征在于，所述的三個模塊：

7.根據(jù)權(quán)利要求6所述的一種基于深度學(xué)習(xí)的書寫筆跡實時繪制方法，其特征在于，所述transformer編碼器具體結(jié)構(gòu)，結(jié)構(gòu)如下：

8.一種計算機可讀存儲介質(zhì)，其特征在于：其上存儲有計算機程序，所述計算機程序被處理器執(zhí)行時，實現(xiàn)如權(quán)利要求1-7中任一項所述的一種基于深度學(xué)習(xí)的書寫筆跡實時繪制方法。

9.一種電子白板書寫設(shè)備，其特征在于：包括存儲器、處理器，所述存儲器內(nèi)預(yù)裝有專門設(shè)計的計算機程序，該程序在處理器的驅(qū)動下，實現(xiàn)如權(quán)利要求1-7中任一項所述的一種基于深度學(xué)習(xí)的書寫筆跡實時繪制方法。

技術(shù)總結(jié)
本發(fā)明涉及一種基于深度學(xué)習(xí)的書寫筆跡實時繪制方法，旨在提升用戶在數(shù)字化書寫環(huán)境中的體驗感，降低非線性手寫輸入軌跡上屏顯示的跟手延遲。核心技術(shù)包括如下步驟：首先，系統(tǒng)捕獲用戶在觸摸屏上實時的書寫動作，這些動作留下的軌跡被有序記錄，形成按時間序列排列并固定長度的數(shù)據(jù)流；然后，對數(shù)據(jù)流進行歸一化，并輸入到基于深度學(xué)習(xí)構(gòu)建的軌跡預(yù)測模型，進行軌跡預(yù)測。該方法主要涉及一種基于多層感知機(MLP)、門控循環(huán)單元(GRU)和Transformer架構(gòu)的模型結(jié)構(gòu)設(shè)計，有效提高了對書寫軌跡點預(yù)測的準確性，顯著提升了電子設(shè)備的書寫體驗。

技術(shù)研發(fā)人員：朱澤德,王啟勝,黃浩,李明浩,陳大可,李斌,曹通
受保護的技術(shù)使用者：安徽工業(yè)技術(shù)創(chuàng)新研究院
技術(shù)研發(fā)日：
技術(shù)公布日：2025/1/6