本发明涉及计算机信息处理技术领域，尤其涉及一种将手绘几何图形转换成标准印刷体的方法及介质。
背景技术：
智能会议白板、智慧屏等设备发展迅速，正在逐渐改变人们的会议、办公方式，拥有非常广阔的前景和市场，在办公、教育等领域有非常大的需求。在使用会议白板、智慧屏等设备时，手写文字、手画图形是非常常见的操作，很多白板应用已经具有把手写文字转成印刷体，把手绘几何图形转成标准印刷体几何图形，这些功能的一般都是通过跟踪手写的轨迹和速度，判断出手绘图形的边上的点的坐标和转折点，判断手绘图形是常见几何图形的哪一种。因为，利用手绘轨迹和手绘速度数据进行手绘图形转换时存在不足之处，具体可归纳为以下几点：
1.手绘轨迹和速度获取不准确
手绘轨迹信息可以得到手绘图形中各个边上的点的坐标，端点的坐标，可以得到几何图形中的边的长度和倾斜角度。手绘速度的变化信息可以获取手绘图形的转折点，根据手速快慢的变化判断图形的端点，手速出现变化的地方极有可能是一个顶点，但手速是不好控制的，在画直线的时候人的手速也有变化，而且顶点的地方也有可能手速没有明显变化，这些都会导致根据轨迹和速度得到图形形状结果的准确性。
2.可识别几何图形有限
利用手绘轨迹和速度进行图形形状判断，一般只能进行矩形、圆形、椭圆形等常见、简单图形的转换，因为更复杂一点的图形会有更多的转折点、弧线等，例如星形、六边形等，顶点越多手速的变化越不明显，因此，这种转换方式有很大的局限性。
技术实现要素：
本发明提供的技术方案是一种将手绘几何图形转换成标准印刷体的方法及介质，解决了手绘轨迹和手绘速度获取不准确的问题。
一种将手绘几何图形转换成标准印刷体的方法，步骤包括：
s1.手绘图形识别模型训练集获取，采集大量的手绘图形样本作为训练数据集；
s2.手绘图形识别模型训练集增广，对采集得到的手绘图形样本进行图像处理获得图像片段样本，并作为新的手绘图形样本丰富训练数据集；
s3.手绘图形识别模型框架设计、训练，利用s2步骤中的训练数据集进行深度学习训练，得到手绘图形识别模型；
s4.手绘图形识别模型识别待转换手绘图形，将待转换的手绘图形带入识别模型中得到识别结果，输出标准的印刷体几何图形。
优选的是，所述s2步骤中，对采集得到的手绘图形样本进行图像处理，所述图像处理包括：图像模糊处理、图像旋转处理、图像仿射处理、图像噪声处理、图像亮度处理。
优选的是，所述s2步骤中，手绘图形样本的采集设备包括：照相机、摄像机、数字图像采集器。
优选的是，所述s2步骤中，手绘图形样本的图像处理算法包括：点运算和群运算。
优选的是，所述手绘图形识别模型为深度神经网络模型。
一种将手绘几何图形转换成标准印刷体的介质，用于储存为所述将手绘几何图形转换成标准印刷体的方法所用的软件指令，其中包含为将手绘几何图形转换成标准印刷体的方法所设计的程序。
本方案的有益效果是提出了一种将手绘几何图形转换成标准印刷体的方法，可以避免手绘轨迹和手绘速度获取不准确的弊端，并且可以识别更多种类的几何图形。
附图说明
下面结合附图及实施例对本发明作进一步描述：
图1为本发明的逻辑流程图；
具体实施方式
实施例1：
一种将手绘几何图形转换成标准印刷体的方法，步骤包括：
s1.手绘图形识别模型训练集获取，采集大量的手绘图形样本作为训练数据集；
s2.手绘图形识别模型训练集增广，对采集得到的手绘图形样本进行图像处理获得图像片段样本，并作为新的手绘图形样本丰富训练数据集；
s3.手绘图形识别模型框架设计、训练，利用s2步骤中的训练数据集进行深度学习训练，得到手绘图形识别模型；
s4.手绘图形识别模型识别待转换手绘图形，将待转换的手绘图形带入识别模型中得到识别结果，输出标准的印刷体几何图形。
进一步的是，所述s2步骤中，对采集得到的手绘图形样本进行图像处理，所述图像处理包括：图像模糊处理、图像旋转处理、图像仿射处理、图像噪声处理、图像亮度处理。
进一步的是，所述s2步骤中，手绘图形样本的采集设备包括：照相机、摄像机、数字图像采集器。
进一步的是，所述s2步骤中，手绘图形样本的图像处理算法包括：点运算和群运算。
进一步的是，所述手绘图形识别模型为深度神经网络模型。
实施例2：
一种将手绘几何图形转换成标准印刷体的方法，包括
(1)手绘图形识别模型训练集获取
采集几何图形识别模型训练数据集，采集多人的手绘图形，图形的种类和数量越多越好。
(2)手绘图形识别模型训练集增广
对上一步采集得到的训练集图像进行模糊、旋转、仿射、噪声、亮度等图像处理算法获得更多的样本，丰富训练数据集。
(3)手绘图形识别模型框架设计、训练
利用上一步得到的训练样本集进行深度学习训练，得到手绘图形识别模型。
(4)手绘图形识别模型识别待转换手绘图形
将待转换的手绘图形带入识别模型中得到识别结果，输出标准的印刷体几何图形。
本文提出另一种方法对手绘图形进行转换，首先采集多种手绘图形的数据集，然后通过旋转、仿射等图像处理方式进行训练集增广，然后图形识别模型深度学习训练，得到识别模型，进行识别。
实施例3：
基于与前述实施例中一种将手绘几何图形转换成标准印刷体的方法同样的发明构思，本说明书实施例还提供一种将手绘几何图形转换成标准印刷体的介质，用于储存为所述将手绘几何图形转换成标准印刷体的方法所用的软件指令，其中包含为将手绘几何图形转换成标准印刷体的方法所设计的程序。
本发明实施例仅例示性说明本发明的原理及其功效，而非用于限制本发明的。任何熟悉此技术的人士皆可在不违背本发明的精神及范畴下，对上述实施例进行修饰或改变。因此，举凡所属技术领域中具有通常知识者在未脱离本发明的所揭示的精神与技术思想下所完成的一切等效修饰或改变，仍应由本发明的权利要求所涵盖。
1.一种将手绘几何图形转换成标准印刷体的方法，其特征在于：步骤包括：
s1.手绘图形识别模型训练集获取，采集大量的手绘图形样本作为训练数据集；
s2.手绘图形识别模型训练集增广，对采集得到的手绘图形样本进行图像处理获得图像片段样本，并作为新的手绘图形样本丰富训练数据集；
s3.手绘图形识别模型框架设计、训练，利用s2步骤中的训练数据集进行深度学习训练，得到手绘图形识别模型；
s4.手绘图形识别模型识别待转换手绘图形，将待转换的手绘图形带入识别模型中得到识别结果，输出标准的印刷体几何图形。
2.根据权利要求1所述的一种将手绘几何图形转换成标准印刷体的方法，其特征在于：所述s2步骤中，对采集得到的手绘图形样本进行图像处理，所述图像处理包括：图像模糊处理、图像旋转处理、图像仿射处理、图像噪声处理、图像亮度处理。
3.根据权利要求1所述的一种将手绘几何图形转换成标准印刷体的方法，其特征在于：所述s2步骤中，手绘图形样本的采集设备包括：照相机、摄像机、数字图像采集器。
4.根据权利要求1所述的一种将手绘几何图形转换成标准印刷体的方法，其特征在于：所述s2步骤中，手绘图形样本的图像处理算法包括：点运算和群运算。
5.根据权利要求1所述的一种将手绘几何图形转换成标准印刷体的方法，其特征在于：所述手绘图形识别模型为深度神经网络模型。
6.一种将手绘几何图形转换成标准印刷体的介质，其特征在于：用于储存为上述权利要求1～5中任一项所述将手绘几何图形转换成标准印刷体的方法所用的软件指令，其中包含为将手绘几何图形转换成标准印刷体的方法所设计的程序。
技术总结