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！

龙图腾网获悉华南理工大学申请的专利一种脱机书写者识别方法、装置、电子设备及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：CN119399780B 。

龙图腾网通过国家知识产权局官网在2025-11-11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：202411371415.X，技术领域涉及：G06V30/22；该发明授权一种脱机书写者识别方法、装置、电子设备及介质是由金连文;张沛荣设计研发完成，并于2024-09-29向国家知识产权局提交的专利申请。

本一种脱机书写者识别方法、装置、电子设备及介质在说明书摘要公布了：本发明公开了一种脱机书写者识别方法、装置、电子设备及介质，其中方法包括以下步骤：获取手写单词图像数据；将手写图像转化为灰度图像，对灰度图像进行二值化处理，将处理后的图像尺寸调整为预设大小，并构建训练集；构建笔迹识别模型，采用训练集对笔迹识别模型进行训练；其中笔迹识别模型包括局部建模模块、恒等分支和全局模块，局部建模模块用于捕捉局部特征，恒等分支用于提取全局特征，全局模块用于整合局部和全局特征；将待识别的手写图像输入训练后的笔迹识别模型，获得模型最后分类层的结果，并进行softmax概率计算，取概率最大的书写者作为识别结果。本发明能够有效地从有限的书写笔迹中提取稳健的特征表示，达到远超其他方法的识别精度。

本发明授权一种脱机书写者识别方法、装置、电子设备及介质在权利要求书中公布了：1.一种脱机书写者识别方法，其特征在于，包括以下步骤： 获取手写单词图像数据； 将手写图像转化为灰度图像，对灰度图像进行二值化处理，将处理后的图像尺寸调整为预设大小，并构建训练集； 构建笔迹识别模型，采用训练集对笔迹识别模型进行训练；其中笔迹识别模型包括局部建模模块、恒等分支和全局模块，所述局部建模模块用于捕捉局部特征，所述恒等分支用于提取全局特征，所述全局模块用于整合局部和全局特征； 将待识别的手写图像输入训练后的笔迹识别模型，获得模型最后分类层的结果，并进行softmax概率计算，取概率最大的书写者作为识别结果； 所述局部建模模块中采用了SwinTransformer模型中的窗口自注意力机制和滑动窗口自注意力机制，对单词笔迹进行分块，并通过在单词笔迹块之间计算窗口自注意力来学习局部风格特征； 所述恒等分支将分块后的输入直接加入到局部建模模块提取的局部特征中，将全局特征通过残差的方式进行相加，以引入全局的书写风格依赖；在局部特征和全局特征融合后，送入全局模块中进行深度整合；最后将整合的特征输入到分类头进行书写者身份的分类，以完成识别； 所述局部建模模块包括多个SwinTransformer层；所述SwinTransformer层包括多个SwinTransformer块； 所述SwinTransformer块包括窗口多头自注意力机制、滑动窗口多头自注意力机制和前馈网络； 在窗口多头自注意力机制中，输入特征序列被划分为多个不重叠窗口，而多头自注意力则在每个窗口间分别计算，在此基础上，对每个窗口进行半个窗口长度的滑动便得到了滑动窗口多头自注意力机制，使上一层相邻的不重合窗口之间引入连接，增大了感受野；最后特征经过一个由多层感知机组成的前馈网络成为输出，进入下一个SwinTransformer层进一步提取特征； 所述恒等分支包括分块嵌入层、平均池化和全连接层；使用分块嵌入层将整个图像切割成块状，然后进行平均池化压缩空间维度，最后通过全连接层进行向量维度映射，以提取和整合全局特征。

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华南理工大学，其通讯地址为：510641 广东省广州市天河区五山路381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。