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！

龙图腾网获悉安徽工业大学申请的专利一种在线手写中文文本行识别方法、电子设备及存储介质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：CN116958999B 。

龙图腾网通过国家知识产权局官网在2025-07-25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：202310897711.2，技术领域涉及：G06V30/22；该发明授权一种在线手写中文文本行识别方法、电子设备及存储介质是由屈喜文;吴志鸿;黄俊设计研发完成，并于2023-07-21向国家知识产权局提交的专利申请。

本一种在线手写中文文本行识别方法、电子设备及存储介质在说明书摘要公布了：本发明涉及模式识别技术领域，具体涉及一种在线手写中文文本行识别方法、电子设备及存储介质，其中方法包括以下步骤：获取文本行初始二维轨迹坐标序列并对其进行数据预处理，生成目标文本行二维轨迹坐标序列，通过端到端注意力卷积循环网络模型从目标文本行二维轨迹坐标序列中获取包含不同感受域的多尺度局部上下文特征，基于双层双向长短期记忆网络并引入多头注意力机制，生成特征向量矩阵，基于归一化指数函数与焦点连接时序分类损失函数，对特征向量矩阵进行处理获取最大预测概率，基于最大预测概率，确定目标标签，从而识别出在线手写中文文本行。本发明提高了识别速度与精度、增强手写中文文本行识别的鲁棒性以及提高文本行各部分识别能力。

本发明授权一种在线手写中文文本行识别方法、电子设备及存储介质在权利要求书中公布了：1.一种在线手写中文文本行识别方法，其特征在于，所述方法包括以下步骤： 获取待识别在线手写中文文本行的信息，所述待识别在线手写中文文本行的信息包括文本行初始二维轨迹坐标序列，所述文本行初始二维轨迹坐标序列为手写笔或手指在进行所述待识别在线手写中文文本行的输入操作时，在操作时间内的每一帧所述手写笔或手指在二维坐标系上的位置坐标所组成的坐标序列； 对所述文本行初始二维轨迹坐标序列进行数据预处理，生成目标文本行二维轨迹坐标序列； 构建端到端注意力卷积循环网络模型，其中，所述端到端注意力卷积循环网络模型包括端到端多尺度卷积网络与注意力卷积网络，所述端到端多尺度卷积网络与所述注意力卷积网络串联，且所述端到端多尺度卷积网络的输出为所述注意力卷积网络的输入，所述端到端多尺度卷积网络的梯度为3层，包括第一多尺度卷积网络、第二多尺度卷积网络以及第三多尺度卷积网络，所述第一多尺度卷积网络、第二多尺度卷积网络以及所述第三多尺度卷积网络的特征通道数依次增加，所述注意力卷积网络的梯度为6层，包括3层第一注意力卷积网络与3层第二注意力卷积网络，3层所述第一注意力卷积网络与3层所述第二注意力卷积网络交叉堆叠，所述第一注意力卷积网络作为所述注意力卷积网络的第一层，所述第一注意力卷积网络、第二注意力卷积网络以及所述第三多尺度卷积网络的特征通道数相同； 将所述目标文本行二维轨迹坐标序列输入至所述端到端注意力卷积循环网络模型中，基于所述端到端注意力卷积循环网络模型中的多个不同膨胀率的二维卷积直接从所述目标文本行二维轨迹坐标序列中获取所述待识别在线手写中文文本行的包含不同感受域的多尺度局部上下文特征； 基于双层双向长短期记忆网络，以捕获所述多尺度局部上下文特征的长期依赖关系，获取经过一次处理的多尺度局部上下文特征； 引入多头注意力机制，对所述经过一次处理的多尺度局部上下文特征进行加权，生成待识别在线手写中文文本行的特征向量矩阵； 基于归一化指数函数对所述待识别在线手写中文文本行的特征向量矩阵进行多轮计算，每一轮计算均将所述待识别在线手写中文文本行的特征向量矩阵中多个不同时刻的特征向量转换为多个不同时刻的概率分布向量，并基于每一轮获取的多个不同时刻的概率分布向量，执行每一轮的删除、合并操作并得到与真实标签相同的文本行概率，基于焦点连接时序分类损失函数，对所述文本行概率进行梯度下降训练，当某一轮基于焦点连接时序分类损失函数对所述文本行概率进行梯度下降训练所得到的损失值不下降时，确定最大预测概率，其中，真实标签为所述待识别在线手写中文文本行所对应的真实文本行在字符集内对应的标签，所述字符集中包括多个字符以及每一字符所对应的分类标签； 基于所述最大预测概率，确定所述待识别在线手写中文文本行的目标标签，并将所述待识别在线手写中文文本行的目标标签映射至所述字符集中，从而识别出所述待识别在线手写中文文本行。

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安徽工业大学，其通讯地址为：243032 安徽省马鞍山市湖东中路59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”。