一种基于笔迹特征的电容笔屏交互控制方法及系统

摘要

本发明公开了一种基于笔迹特征的电容笔屏交互控制方法及系统，属于智能控制领域，其中方法包括：判断电容笔屏的登录用户是否为预定常用用户；若是，调用登录用户的目标特征数据库，若否，调用预定标准特征数据库作为目标特征数据库；将登录用户的操作路径与历史操作路径进行实时相似度分析，生成实时应用行为预测；对多个笔迹特征数据库进行筛选排序，得到目标数据库序列；根据以目标数据库序列为依据对登录用户的实时笔迹进行识别的实时识别结果进行交互控制。本申请解决了现有技术中电容笔屏交互控制识别准确率低且效率差的技术问题，达到了提高电容笔屏交互控制的识别准确率与效率，从而优化交互控制性能、增强用户体验的技术效果。

权利要求

1.一种基于笔迹特征的电容笔屏交互控制方法，其特征在于，所述方法应用于一种基于笔迹特征的电容笔屏交互控制系统，所述系统包括特征数字中台，且所述系统与电容笔屏通信连接，所述方法包括：判断所述电容笔屏的登录用户是否为预定常用用户；

若是，基于所述特征数字中台调用所述登录用户的目标特征数据库，若否，从所述特征数字中台中调用预定标准特征数据库作为所述登录用户的所述目标特征数据库；

将动态监测得到的所述登录用户的操作路径与历史操作路径进行实时相似度分析，生成实时应用行为预测；

基于所述实时应用行为预测对所述目标特征数据库中的多个笔迹特征数据库进行筛选排序，得到目标数据库序列；

根据以所述目标数据库序列为依据对所述登录用户的实时笔迹进行识别的实时识别结果进行交互控制。

2.根据权利要求1所述方法，其特征在于，在所述基于所述特征数字中台调用所述登录用户的目标特征数据库之前，还包括：所述预定常用用户包括多个常用用户；

收集第一常用用户的第一笔迹样本，所述第一笔迹样本包括第一书写笔迹样本、第一绘画笔迹样本和第一手势笔迹样本，所述第一常用用户为所述多个常用用户中的任意一个用户；

将分析所述第一笔迹样本得到的第一特征数据库存储至所述特征数字中台，其中，所述第一特征数据库与所述第一常用用户具备第一对应关系。

3.根据权利要求2所述方法，其特征在于，所述将分析所述第一笔迹样本得到的第一特征数据库存储至所述特征数字中台，包括：基于第一预定方案分析所述第一书写笔迹样本得到第一书写笔迹特征；

其中，所述第一预定方案是指对书写笔迹的第一预定笔迹指标进行分析提取的方案，所述第一预定笔迹指标包括字体形态、连笔特征、书写力度、书写速度；

基于第二预定方案分析所述第一绘画笔迹样本得到第一绘画笔迹特征；

其中，所述第二预定方案是指对绘画笔迹的第二预定笔迹指标进行分析提取的方案，所述第二预定笔迹指标包括绘画风格、绘画力度、绘画速度；

基于第三预定方案分析所述第一手势笔迹样本得到第一手势笔迹特征；

其中，所述第三预定方案是指对手势笔迹的第三预定笔迹指标进行分析提取的方案，所述第三预定笔迹指标包括手势形态、手势力度、手势速度；

所述第一书写笔迹特征、所述第一绘画笔迹特征与所述第一手势笔迹特征组成所述第一特征数据库。

4.根据权利要求3所述方法，其特征在于，所述基于第一预定方案分析所述第一书写笔迹样本得到第一书写笔迹特征，包括：根据统计到的所述第一书写笔迹样本中各汉字的尺寸像素数确定第一书写字体形态特征；

读取预定汉字笔画；

提取所述第一书写笔迹样本中第一笔画与第二笔画之间的第一连笔轨迹，所述第一笔画与所述第二笔画均属于所述预定汉字笔画；

根据采集到的所述第一连笔轨迹的第一轨迹角度和第一行笔路线确定第一书写连笔特征；

通过书写压力测量仪检测得到第一书写力度特征；

通过书写速度测定仪检测得到第一书写速度特征；

所述第一书写字体形态特征、所述第一书写连笔特征、所述第一书写力度特征和所述第一书写速度特征组成所述第一书写笔迹特征。

5.根据权利要求2所述方法，其特征在于，在所述从所述特征数字中台中调用预定标准特征数据库作为所述登录用户的所述目标特征数据库之前，还包括：分析所述登录用户的笔迹样本得到用户笔迹特征数据库；

计算所述用户笔迹特征数据库与所述第一特征数据库的第一相似度；

若所述第一相似度符合预定相似度阈值，以所述第一特征数据库作为所述登录用户的所述目标特征数据库。

6.根据权利要求5所述方法，其特征在于，包括：

若所述第一相似度不符合所述预定相似度阈值，采集所述登录用户的多维度用户信息，所述多维度用户信息包括年龄、身份；

根据所述多维度用户信息生成所述登录用户的所述预定标准特征数据库。

7.根据权利要求6所述方法，其特征在于，所述根据以所述目标数据库序列为依据对所述登录用户的实时笔迹进行识别的实时识别结果进行交互控制，还包括：依次提取所述目标数据库序列中的目标力度信息、目标速度信息；

将所述目标力度信息和所述目标速度信息作为点击优化模型的输入信息，所述点击优化模型为基于神经网络原理训练的智能模型；

获取输出结果，所述输出结果包括电容笔光标点击频率。

8.一种基于笔迹特征的电容笔屏交互控制系统，其特征在于，用于实施权利要求1‑7任意一项所述的一种基于笔迹特征的电容笔屏交互控制方法，所述系统包括特征数字中台，且所述系统与电容笔屏通信连接，所述系统包括：登录用户判断模块，所述登录用户判断模块用于判断所述电容笔屏的登录用户是否为预定常用用户；

数据库调用模块，所述数据库调用模块用于若是，基于所述特征数字中台调用所述登录用户的目标特征数据库，若否，从所述特征数字中台中调用预定标准特征数据库作为所述登录用户的所述目标特征数据库；

相似度分析模块，所述相似度分析模块用于将动态监测得到的所述登录用户的操作路径与历史操作路径进行实时相似度分析，生成实时应用行为预测；

笔迹筛选排序模块，所述笔迹筛选排序模块用于基于所述实时应用行为预测对所述目标特征数据库中的多个笔迹特征数据库进行筛选排序，得到目标数据库序列；

交互控制模块，所述交互控制模块用于根据以所述目标数据库序列为依据对所述登录用户的实时笔迹进行识别的实时识别结果进行交互控制。

说明书

一种基于笔迹特征的电容笔屏交互控制方法及系统

技术领域

[0001] 本发明涉及智能控制领域，具体涉及一种基于笔迹特征的电容笔屏交互控制方法及系统。

背景技术

[0002] 随着信息技术的迅速发展，电容笔屏作为新型人机交互方式得到广泛应用，现有的电容笔屏交互控制方法，采用预设的标准特征数据库进行笔迹识别，存在识别准确率不高的问题，导致交互控制性能差，且无法根据不同用户的使用习惯进行交互优化，无法提供个性化的人机交互体验，用户体验差。

发明内容

[0003] 本申请通过提供了一种基于笔迹特征的电容笔屏交互控制方法及系统，旨在解决现有技术中电容笔屏交互控制识别准确率低且效率差的技术问题。

[0004] 鉴于上述问题，本申请提供了一种基于笔迹特征的电容笔屏交互控制方法及系统。

[0005] 本申请公开的第一个方面，提供了一种基于笔迹特征的电容笔屏交互控制方法，该方法包括：判断电容笔屏的登录用户是否为预定常用用户；若是，基于特征数字中台调用登录用户的目标特征数据库，若否，从特征数字中台中调用预定标准特征数据库作为登录用户的目标特征数据库；将动态监测得到的登录用户的操作路径与历史操作路径进行实时相似度分析，生成实时应用行为预测；基于实时应用行为预测对目标特征数据库中的多个笔迹特征数据库进行筛选排序，得到目标数据库序列；根据以目标数据库序列为依据对登录用户的实时笔迹进行识别的实时识别结果进行交互控制。

[0006] 本申请公开的另一个方面，提供了一种基于笔迹特征的电容笔屏交互控制系统，该系统包括：登录用户判断模块，用于判断电容笔屏的登录用户是否为预定常用用户；数据库调用模块，用于若是，基于特征数字中台调用登录用户的目标特征数据库，若否，从特征数字中台中调用预定标准特征数据库作为登录用户的目标特征数据库；相似度分析模块，用于将动态监测得到的登录用户的操作路径与历史操作路径进行实时相似度分析，生成实时应用行为预测；笔迹筛选排序模块，用于基于实时应用行为预测对目标特征数据库中的多个笔迹特征数据库进行筛选排序，得到目标数据库序列；交互控制模块，用于根据以目标数据库序列为依据对登录用户的实时笔迹进行识别的实时识别结果进行交互控制。

[0007] 本申请中提供的一个或多个技术方案，至少具有如下技术效果或优点：

[0008] 由于采用了判断登录用户是否为预定常用用户，如果是则调用其专属目标特征数据库，否则调用预定标准特征数据库；监测用户当前操作路径与历史路径的相似度，生成行为预测结果；基于行为预测对目标数据库进行筛选排序，得到目标数据库序列；根据目标数据库序列识别用户实时笔迹，进行交互控制的技术方案，解决了现有技术中电容笔屏交互控制识别准确率低且效率差的技术问题，达到了提高电容笔屏交互控制的识别准确率与效率，从而优化交互控制性能、增强用户体验的技术效果。

[0009] 上述说明仅是本申请技术方案的概述，为了能够更清楚了解本申请的技术手段，而可依照说明书的内容予以实施，并且为了让本申请的上述和其它目的、特征和优点能够更明显易懂，以下特举本申请的具体实施方式。

附图说明

[0010] 图1为本申请实施例提供了一种基于笔迹特征的电容笔屏交互控制方法的一种流程示意图；

[0011] 图2为本申请实施例提供了一种基于笔迹特征的电容笔屏交互控制方法中获取目标特征数据库的一种流程示意图；

[0012] 图3为本申请实施例提供了一种基于笔迹特征的电容笔屏交互控制系统的一种结构示意图。

[0013] 附图标记说明：登录用户判断模块11，数据库调用模块12，相似度分析模块13，笔迹筛选排序模块14，交互控制模块15。

具体实施方式

[0014] 本申请提供的技术方案总体思路如下：

[0015] 本申请实施例提供了一种基于笔迹特征的电容笔屏交互控制方法及系统。首先，区分登录用户是否为常用用户，根据不同情况调用对应的目标特征数据库，实现对个性化用户的支持。然后，监测用户当前操作路径，并与历史路径进行比对，通过相似度分析预测用户行为，实现对用户习惯的学习。接着，依据行为预测结果对目标数据库进行动态排序筛选，获取优化后的目标数据库序列。最后，基于目标数据库序列对登录用户的实时笔迹进行识别，并根据识别结果进行交互控制，完成智能化个性化的人机交互过程。

[0016] 在介绍了本申请基本原理后，下面将结合说明书附图来具体介绍本申请的各种非限制性的实施方式。

[0017] 如图1所示，本申请实施例提供了一种基于笔迹特征的电容笔屏交互控制方法，该方法应用于一种基于笔迹特征的电容笔屏交互控制系统，该系统包括特征数字中台，且该系统与电容笔屏通信连接。

[0018] 本申请实施例为一种基于笔迹特征的电容笔屏交互控制方法，其应用于一种基于笔迹特征的电容笔屏交互控制系统。在该控制系统中，设置有特征数字中台，用于存储各用户的笔迹特征数据库；该控制系统与电容笔屏通过无线通信连接，以实现针对不同用户的笔迹特征进行个性化的交互体验，实现基于用户笔迹特征的智能交互控制。

[0019] 电容笔屏交互控制方法包括：

[0020] 判断所述电容笔屏的登录用户是否为预定常用用户；

[0021] 在本申请实施例中，当用户在电容笔屏上进行登录操作时，首先判断当前登录用户是否属于预定常用用户。其中，预定常用用户是指预先设置的常用用户账号，其笔迹特征数据库已经在特征数字中台中存储。

[0022] 具体的，读取电容笔屏的登录账号，在特征数字中台的用户数据库中查找，如果找到匹配的常用用户账号，则确认当前登录用户为预定常用用户，以方便针对不同用户进行个性化交互控制。

[0023] 若是，基于所述特征数字中台调用所述登录用户的目标特征数据库，若否，从所述特征数字中台中调用预定标准特征数据库作为所述登录用户的所述目标特征数据库；

[0024] 在本申请实施例中，根据登录用户是否为预定常用用户，区别调用目标特征数据库。如果确认为预定常用用户，则基于特征数字中台调用该登录用户的目标特征数据库，其中，目标特征数据库是指该登录用户的专属笔迹特征数据库，存储了该用户的个性化笔迹特征信息。如果判定为非预定常用用户，则将从特征数字中台中调用预定标准特征数据库，并将其设定为该登录用户的目标特征数据库，其中，标准特征数据库是指系统预设的通用笔迹特征数据库，用于没有建立专属数据库的新用户。

[0025] 将动态监测得到的所述登录用户的操作路径与历史操作路径进行实时相似度分析，生成实时应用行为预测；

[0026] 在本申请实施例中，系统实时监测登录用户在电容笔屏上的操作路径，即用户启动应用程序的操作序列。然后，采用字符串匹配算法，将动态监测到的实时的操作路径，与该登录用户的历史操作路径记录进行相似度分析，计算两者的相似程度。接着，根据两者的相似度结果，系统生成该用户当前的实时应用行为预测，例如，如果实时操作路径与某次使用图片处理软件的历史路径有高相似度，则可预测该登录用户当前很可能启动图像处理应用，为根据用户需求进行交互响应提供参考。

[0027] 基于所述实时应用行为预测对所述目标特征数据库中的多个笔迹特征数据库进行筛选排序，得到目标数据库序列；

[0028] 在本申请实施例中，目标特征数据库包含多个笔迹特征数据库，例如书写字体数据库、绘画风格数据库、手势数据库等。获取实时应用行为预测后，系统将根据生成的实时应用行为预测，对多个笔迹特征数据库进行筛选排序。例如预测用户将绘画，则优先筛选出该用户的绘画风格数据库，排序后得到针对当前场景的目标数据库序列，为实时笔迹识别准备目标对比数据。

[0029] 根据以所述目标数据库序列为依据对所述登录用户的实时笔迹进行识别的实时识别结果进行交互控制。

[0030] 在本申请实施例中，获取目标数据库序列后，系统根据目标数据库序列，逐一加载序列中的特征数据库，并将登录用户的实时笔迹输入与每个特征数据库进行匹配识别，得到实时识别结果。例如，依次与绘画风格数据库、书写字体数据库进行对比，返回实时识别结果。最后，系统根据这些实时识别结果，进行相应的交互控制。例如切换到绘画软件并加载识别出的绘画风格、切换到文字编辑软件并设置识别出的字体，实现对登录用户实时笔迹的智能识别和个性化交互响应。

[0031] 进一步的，本申请实施例还包括：

[0032] 所述预定常用用户包括多个常用用户；

[0033] 收集第一常用用户的第一笔迹样本，所述第一笔迹样本包括第一书写笔迹样本、第一绘画笔迹样本和第一手势笔迹样本，所述第一常用用户为所述多个常用用户中的任意一个用户；

[0034] 将分析所述第一笔迹样本得到的第一特征数据库存储至所述特征数字中台，其中，所述第一特征数据库与所述第一常用用户具备第一对应关系。

[0035] 在一种可行的实施方式中，系统中预先设置了多个常用用户账号，每个账号都对应一个常用用户，组成预定常用用户。然后，针对预定常用用户中的任意一个用户，即第一常用用户，收集其第一笔迹样本用于生成特征数据库。其中，第一笔迹样本包括第一书写笔迹样本、第一绘画笔迹样本和第一手势笔迹样本；第一书写笔迹样本为第一常用用户的各种手写汉字、英文词汇的笔迹；第一绘画笔迹样本为第一常用用户的各种绘图作品的笔迹，如涂鸦、素描等；第一手势笔迹样本为第一常用用户的使用手指关节在电容屏幕上进行操作的笔迹，如双击、描画直线、画圈等手势的轨迹样本。

[0036] 随后，分析处理收集到的第一常用用户的第一笔迹样本，采用数字图像处理和模式识别等技术手段，提取书写、绘画、手势等笔迹的特征参数，构成该用户的第一特征数据库，包含其个性化的笔迹特征信息。该第一特征数据库会与第一常用用户建立唯一对应的第一对应关系。接着，系统将该第一特征数据库保存到特征数字中台中，在后续的用户登录中，可根据第一常用用户在特征数字中台中查找与其具有第一对应关系的特征数据库。

[0037] 进一步的，本申请实施例还包括：

[0038] 基于第一预定方案分析所述第一书写笔迹样本得到第一书写笔迹特征；

[0039] 其中，所述第一预定方案是指对书写笔迹的第一预定笔迹指标进行分析提取的方案，所述第一预定笔迹指标包括字体形态、连笔特征、书写力度、书写速度；

[0040] 基于第二预定方案分析所述第一绘画笔迹样本得到第一绘画笔迹特征；

[0041] 其中，所述第二预定方案是指对绘画笔迹的第二预定笔迹指标进行分析提取的方案，所述第二预定笔迹指标包括绘画风格、绘画力度、绘画速度；

[0042] 基于第三预定方案分析所述第一手势笔迹样本得到第一手势笔迹特征；

[0043] 其中，所述第三预定方案是指对手势笔迹的第三预定笔迹指标进行分析提取的方案，所述第三预定笔迹指标包括手势形态、手势力度、手势速度；

[0044] 所述第一书写笔迹特征、所述第一绘画笔迹特征与所述第一手势笔迹特征组成所述第一特征数据库。

[0045] 在一种优选的实施方式中，为得到第一特征数据库，首先，根据预先设置的第一预定方案来分析第一书写笔迹样本，以提取出第一常用用户的书写笔迹的特征参数。其中，第一预定方案是指对书写笔迹的分析方法，该方法通过检测第一预定笔迹指标来实现对书写笔迹特征的提取。第一预定笔迹指标包括字体形态，即文字笔画、结构的视觉轮廓；连笔特征，即书写过程中不同笔画、笔画顺序的笔迹连接方式；书写力度，即笔与屏幕接触压力大小；书写速度，即完成每个笔画的时间长短。通过分析以上多维指标，提取出该第一常用用户独特的第一书写笔迹特征，用于建立其专属的书写笔迹数据库，实现基于书写笔迹的用户识别。

[0046] 同时，根据预先设置的第二预定方案来分析第一绘画笔迹样本，以提取出第一常用用户的绘画笔迹的特征参数。其中，第二预定方案是指对绘画笔迹的分析方法，该方法通过检测第二预定笔迹指标来实现对绘画笔迹特征的提取。第二预定笔迹指标包括绘画风格，即笔迹轮廓、线条流畅度反映的艺术风格；绘画力度，即笔与屏幕的接触压力大小；绘画速度，即完成每个笔画的时间长短。通过分析以上多维指标，提取出第一常用用户独特的第一绘画笔迹特征，用于建立其专属的绘画笔迹数据库，实现基于绘画笔迹的用户识别。

[0047] 再者，根据预先设置的第三预定方案来分析第一手势笔迹样本，以提取出第一常用用户的手势笔迹的特征参数。其中，第三预定方案是指对手势笔迹的分析方法，该方法通过检测第三预定笔迹指标来实现对手势笔迹特征的提取。第三预定笔迹指标包括手势形态，即手指在屏幕上的运动轨迹形状；手势力度，即手指与屏幕接触压力大小；手势速度，即完成一个手势的时间长短。通过分析以上多维指标，提取出第一常用用户独特的手势笔迹特征，用于建立其专属的手势笔迹数据库，实现基于手势笔迹的用户识别。

[0048] 随后，将分析提取得到的第一书写笔迹特征、第一绘画笔迹特征、第一手势笔迹特征进行组合，构建针对该常用用户的专属特征数据库，全面反映第一常用用户的个性化笔迹特征，用于后续该常用用户的笔迹识别，实现个性化交互控制。

[0049] 进一步的，本申请实施例还包括：

[0050] 根据统计到的所述第一书写笔迹样本中各汉字的尺寸像素数确定第一书写字体形态特征；

[0051] 读取预定汉字笔画；

[0052] 提取所述第一书写笔迹样本中第一笔画与第二笔画之间的第一连笔轨迹，所述第一笔画与所述第二笔画均属于所述预定汉字笔画；

[0053] 根据采集到的所述第一连笔轨迹的第一轨迹角度和第一行笔路线确定第一书写连笔特征；

[0054] 通过书写压力测量仪检测得到第一书写力度特征；

[0055] 通过书写速度测定仪检测得到第一书写速度特征；

[0056] 所述第一书写字体形态特征、所述第一书写连笔特征、所述第一书写力度特征和所述第一书写速度特征组成所述第一书写笔迹特征。

[0057] 在一种优选的实施方式中，基于第一预定方案分析第一书写笔迹样本得到第一书写笔迹特征，首先，统计收集到的第一书写笔迹样本中出现的各个汉字字形的像素数量大小，例如文字“你好”中“你”字的像素尺寸为100*100，“好”字的像素尺寸为80*80，计算得到这些汉字的平均尺寸和大小范围，如该用户书写汉字的平均像素尺寸为90*90，大小范围在80‑100之间，从而得到该用户书写字体的整体形态特征，即第一书写字体形态特征。

[0058] 预先建立标准汉字笔画库，其中存储常用汉字字形的组成笔画，这些笔画按照笔顺顺序编制笔画编号，在提取第一书写笔迹样本的连笔特征时，先读取标准汉字笔画库中的预定汉字笔画，作为笔画识别的参照。然后，定位第一书写笔迹样本中的两个连续笔画，即第一笔画和第二笔画，确认它们均属于读取的预定汉字笔画。例如，识别出样本中“日”字的第一笔画为“横”，第二笔画为“竖”。提取这两笔画之间的笔迹曲线部分，也就是第一笔画笔尾到第二笔画笔头之间的轨迹曲线，反映两个笔画的连接方式，作为第一连笔轨迹。在获得第一连笔轨迹后，测量其笔迹角度和行笔方向等信息，得到第一轨迹角度和第一行笔路线。例如，分析两笔画连接处的轨迹转折角度，一般较小表示连接更加流畅、连续，角度较大则表示笔画连接更加独立分明；同时检测轨迹的行笔线条，笔迹线条越规则、简单，表示连接更流畅；线条越复杂曲折，表示连接更不连贯。通过计算第一连笔轨迹的第一轨迹角度和第一行笔路线，量化该用户的第一书写连笔特征，用于构建其书写笔迹数据库。

[0059] 同时，在电容笔屏上设置压力传感器，实时监测笔尖在书写过程中的压力大小，当用户进行第一书写笔迹样本的书写过程时，压力传感器采集其书写轨迹上各点的按压力度数据，统计出该用户书写笔迹的平均压力大小、压力变化范围等数据，得到第一书写力度特征。例如，检测到该用户平均书写压力为50克，压力变化在30—80克范围内。再者，系统集成书写时序检测模块，实时记录用户完成每个笔画、笔画组合的时间长短，当用户进行第一书写笔迹样本书写时，时间检测模块统计出每个汉字完成的总时长，得到第一书写速度特征。例如，检测到用户平均书写一个汉字的速度为0.5秒。

[0060] 随后，提取获得的第一常用用户的第一书写字体形态特征、第一书写连笔特征、第一书写力度特征、第一书写速度特征，组成该用户的第一书写笔迹特征，全面反映该用户的第一书写笔迹特点，用于个性化识别。

[0061] 进一步的，如图2所示，本申请实施例还包括：

[0062] 分析所述登录用户的笔迹样本得到用户笔迹特征数据库；

[0063] 计算所述用户笔迹特征数据库与所述第一特征数据库的第一相似度；

[0064] 若所述第一相似度符合预定相似度阈值，以所述第一特征数据库作为所述登录用户的所述目标特征数据库。

[0065] 若所述第一相似度不符合所述预定相似度阈值，采集所述登录用户的多维度用户信息，所述多维度用户信息包括年龄、身份；

[0066] 根据所述多维度用户信息生成所述登录用户的所述预定标准特征数据库。

[0067] 在一种可行的实施方式中，当电容笔屏的登录用户不是预定常用用户，则从特征数字中特台中调用预定标准征数据库作为登录用户的所述目标特征数据库。当登录用户在电容笔屏上手写输入登录账户名时，提取其书写的账户名称笔迹作为该用户的笔迹样本，对该笔迹样本进行分析，提取其中的字体、笔画、速度等多维笔迹特征，组成用户笔迹特征数据库。然后将当前登录用户的用户笔迹特征数据库与数据库中存储的某一常用用户的第一特征数据库进行比较分析，即将两者的多维笔迹特征参数对应对比，计算差异程度，得到第一相似度。例如，分别计算两个数据库在字体形态、笔画连贯度、笔画力度等多个指标上的数值差异，得到两个数据库的总体相似度得分，即为第一相似度。

[0068] 然后，将第一相似度与根据经验设置的预定相似度阈值进行比较，如果计算出的第一相似度超过预定相似度阈值，即两者笔迹特征高度吻合，则为第一相似度符合预定相似度阈值，则将第一特征数据库，作为当前登录用户的目标特征数据库。如果计算出的第一相似度低于预定相似度阈值，则表示两者笔迹风格不同，则获得该登录用户的多维度用户信息，以生成定制化的特征数据库。其中，多维度用户信息包括登录用户的年龄、身份等多维信息。例如，系统提示用户输入或选择其年龄段，如20‑30岁；同时让用户选择其字书写身份，如书法家或汉字初学者等。获得这些额外的用户年龄、身份等多维度用户信息后，系统据此更准确地生成该用户对应的定制笔迹特征数据库，得到预定标准特征数据库。

[0069] 进一步的，本申请实施例还包括：

[0070] 依次提取所述目标数据库序列中的目标力度信息、目标速度信息；

[0071] 将所述目标力度信息和所述目标速度信息作为点击优化模型的输入信息，所述点击优化模型为基于神经网络原理训练的智能模型；

[0072] 获取输出结果，所述输出结果包括电容笔光标点击频率。

[0073] 在一种优选的实施方式中，获取目标数据库序列后，系统按序逐个访问目标数据库序列，从目标特征数据库序列中提取出目标力度信息和目标速度信息，以实现个性化的交互控制。其中，目标力度信息反映用户的笔迹按压力度特征；目标速度信息反映用户的笔迹书写速度特征。随后，将获取的目标力度信息和目标速度信息输入到点击优化模型中。点击优化模型是基于神经网络结构原理构建的智能算法模型，通过机器学习训练，可实现电容笔的点击参数优化。

[0074] 系统将用户的目标力度信息和目标速度信息输入该模型，得到输出结果，输出结果包括优化计算后的电容笔点击频率结果，为电容笔与屏幕交互的最佳点击速率。在该点击频率下，可以达到电容笔对用户输入的最准确识别效果。举例来说，如果优化模型输出结果点击频率为每秒3次，则表示当用户以每秒3次的点击速率使用电容笔时，笔触可以得到最精准的识别，系统响应最灵敏。得到该电容笔点击频率结果后，系统根据该结果进行电容笔信号采样率、识别灵敏度等参数调优，以达到最佳的人机交互效果。

[0075] 综上所述，本申请实施例所提供的一种基于笔迹特征的电容笔屏交互控制方法具有如下技术效果：

[0076] 判断电容笔屏的登录用户是否为预定常用用户，区分是否需要个性化识别。若是，基于特征数字中台调用登录用户的目标特征数据库，若否，从特征数字中台中调用预定标准特征数据库作为登录用户的目标特征数据库，为个性化识别提供支持。将动态监测得到的登录用户的操作路径与历史操作路径进行实时相似度分析，生成实时应用行为预测，学习用户习惯以指导后续数据库优化。基于实时应用行为预测对目标特征数据库中的多个笔迹特征数据库进行筛选排序，得到目标数据库序列，提高识别效率。根据以目标数据库序列为依据对登录用户的实时笔迹进行识别的实时识别结果进行交互控制，实现个性化智能交互控制，提高电容笔屏交互控制的识别准确率，增强用户体验效果。

[0077] 基于与前述实施例中一种基于笔迹特征的电容笔屏交互控制方法相同的发明构思，如图3所示，本申请实施例提供了一种基于笔迹特征的电容笔屏交互控制系统，包括特征数字中台，且该系统与电容笔屏通信连接，包括：

[0078] 登录用户判断模块11，用于判断所述电容笔屏的登录用户是否为预定常用用户；

[0079] 数据库调用模块12，用于若是，基于所述特征数字中台调用所述登录用户的目标特征数据库，若否，从所述特征数字中台中调用预定标准特征数据库作为所述登录用户的所述目标特征数据库；

[0080] 相似度分析模块13，用于将动态监测得到的所述登录用户的操作路径与历史操作路径进行实时相似度分析，生成实时应用行为预测；

[0081] 笔迹筛选排序模块14，用于基于所述实时应用行为预测对所述目标特征数据库中的多个笔迹特征数据库进行筛选排序，得到目标数据库序列；

[0082] 交互控制模块15，用于根据以所述目标数据库序列为依据对所述登录用户的实时笔迹进行识别的实时识别结果进行交互控制。

[0083] 进一步的，数据库调用模块12包括以下执行步骤：

[0084] 所述预定常用用户包括多个常用用户；

[0085] 收集第一常用用户的第一笔迹样本，所述第一笔迹样本包括第一书写笔迹样本、第一绘画笔迹样本和第一手势笔迹样本，所述第一常用用户为所述多个常用用户中的任意一个用户；

[0086] 将分析所述第一笔迹样本得到的第一特征数据库存储至所述特征数字中台，其中，所述第一特征数据库与所述第一常用用户具备第一对应关系。

[0087] 进一步的，数据库调用模块12还包括以下执行步骤：

[0088] 基于第一预定方案分析所述第一书写笔迹样本得到第一书写笔迹特征；

[0089] 其中，所述第一预定方案是指对书写笔迹的第一预定笔迹指标进行分析提取的方案，所述第一预定笔迹指标包括字体形态、连笔特征、书写力度、书写速度；

[0090] 基于第二预定方案分析所述第一绘画笔迹样本得到第一绘画笔迹特征；

[0091] 其中，所述第二预定方案是指对绘画笔迹的第二预定笔迹指标进行分析提取的方案，所述第二预定笔迹指标包括绘画风格、绘画力度、绘画速度；

[0092] 基于第三预定方案分析所述第一手势笔迹样本得到第一手势笔迹特征；

[0093] 其中，所述第三预定方案是指对手势笔迹的第三预定笔迹指标进行分析提取的方案，所述第三预定笔迹指标包括手势形态、手势力度、手势速度；

[0094] 所述第一书写笔迹特征、所述第一绘画笔迹特征与所述第一手势笔迹特征组成所述第一特征数据库。

[0095] 进一步的，数据库调用模块12还包括以下执行步骤：

[0096] 根据统计到的所述第一书写笔迹样本中各汉字的尺寸像素数确定第一书写字体形态特征；

[0097] 读取预定汉字笔画；

[0098] 提取所述第一书写笔迹样本中第一笔画与第二笔画之间的第一连笔轨迹，所述第一笔画与所述第二笔画均属于所述预定汉字笔画；

[0099] 根据采集到的所述第一连笔轨迹的第一轨迹角度和第一行笔路线确定第一书写连笔特征；

[0100] 通过书写压力测量仪检测得到第一书写力度特征；

[0101] 通过书写速度测定仪检测得到第一书写速度特征；

[0102] 所述第一书写字体形态特征、所述第一书写连笔特征、所述第一书写力度特征和所述第一书写速度特征组成所述第一书写笔迹特征。

[0103] 进一步的，数据库调用模块12还包括以下执行步骤：

[0104] 分析所述登录用户的笔迹样本得到用户笔迹特征数据库；

[0105] 计算所述用户笔迹特征数据库与所述第一特征数据库的第一相似度；

[0106] 若所述第一相似度符合预定相似度阈值，以所述第一特征数据库作为所述登录用户的所述目标特征数据库。

[0107] 进一步的，数据库调用模块12还包括以下执行步骤：

[0108] 若所述第一相似度不符合所述预定相似度阈值，采集所述登录用户的多维度用户信息，所述多维度用户信息包括年龄、身份；

[0109] 根据所述多维度用户信息生成所述登录用户的所述预定标准特征数据库。

[0110] 进一步的，交互控制模块15包括以下执行步骤：

[0111] 依次提取所述目标数据库序列中的目标力度信息、目标速度信息；

[0112] 将所述目标力度信息和所述目标速度信息作为点击优化模型的输入信息，所述点击优化模型为基于神经网络原理训练的智能模型；

[0113] 获取输出结果，所述输出结果包括电容笔光标点击频率。

[0114] 综上所述的方法的任意步骤都可作为计算机指令或者程序存储在不设限制的计算机存储器中，并可以被不设限制的计算机处理器调用识别用以实现本申请实施例中的任一项方法，在此不做多余限制。

[0115] 进一步的，综上所述的第一或第二可能不止代表次序关系，也可能代表某项特指概念，和/或指的是多个元素之间可单独或全部选择。显然，本领域的技术人员可以对本申请进行各种改动和变型而不脱离本申请的范围。这样，倘若本申请的这些修改和变型属于本申请及其等同技术的范围之内，则本申请意图包括这些改动和变型在内。