本發(fā)明涉及書法教學與練習，尤其涉及一種書法練習的方法及系統(tǒng)。

背景技術：

1、書法是指使用特定的筆畫書寫漢字的技巧。它通過線條的美感、筆畫的結構與比例的協(xié)調、墨色的運用以及畫面的留白處理，傳達出文字的美感，展現(xiàn)個性化的風格和藝術的韻律。隨著科技的發(fā)展，書法教學逐漸融入數(shù)字化、智能化的元素。通過視頻分析、高精度圖像識別技術以及人工智能算法等現(xiàn)代技術手段，書法學習變得更加便捷、高效和個性化。

2、現(xiàn)有技術中，傳統(tǒng)的書法練習教學高度依賴于教師的即時示范與點評，以及練習者的反復實踐，這種模式不僅受到物理空間與時間的嚴格制約，還因評估標準的主觀性而難以確保教學質量的統(tǒng)一與高效，進而導致書法練習效率較為低下，練習者難以發(fā)現(xiàn)不足并進行針對性改進，降低了練習者的學習興趣，同時極大地增加了教學成本，無法為練習者提供便捷、高效的書法練習途徑。

3、因此，有必要提供一種書法練習的方法及系統(tǒng)解決上述技術問題。

技術實現(xiàn)思路

1、為解決上述技術問題，本發(fā)明提供一種書法練習的方法及系統(tǒng)用于解決傳統(tǒng)的書法練習教學高度依賴于教師的示范與點評，以及練習者的反復實踐，不僅受到物理空間與時間的嚴格制約，而且評估標準較為主觀性，難以確保教學質量的統(tǒng)一，進而導致書法練習效率較為低下，練習者難以發(fā)現(xiàn)不足并進行針對性改進，降低了練習者的學習興趣，同時極大地增加了教學成本，無法為練習者提供便捷、高效的書法練習途徑的問題。

2、本發(fā)明提供的一種書法練習的方法及系統(tǒng)，所述方法包括：

3、通過采集設備獲取用戶端的初始練習視頻，并基于圖像處理算法對所述初始練習視頻進行預處理，生成所述用戶端對應的書法練習視頻；

4、基于深度學習算法對所述書法練習視頻進行筆畫識別生成筆畫特征，所述筆畫特征包括筆畫空間特征和筆畫時間特征；

5、調取書法評價標準模型，基于機器學習算法通過所述書法評價標準模型對所述筆畫特征進行處理，生成所述用戶端對應的書法練習結果和練習級別標簽；

6、根據(jù)所述書法練習結果和練習級別標簽生成所述用戶端對應的個性化反饋結果，并通過所述用戶界面展示給所述用戶端。

7、優(yōu)選的，所述基于圖像處理算法對所述初始練習視頻進行預處理，生成所述用戶端對應的書法練習視頻，具體包括：

8、調取圖像處理工具，將所述初始練習視頻輸入至所述圖像處理工具中；

9、基于所述圖像處理工具，對所述初始練習視頻進行去噪處理，生成中間練習視頻；

10、調整所述中間練習視頻的對比度設置，直至達到最佳對比度，生成所述書法練習視頻。

11、優(yōu)選的，所述基于深度學習算法對所述書法練習視頻進行筆畫識別生成筆畫特征，所述筆畫特征包括筆畫空間特征和筆畫時間特征，具體包括：

12、基于卷積神經網絡算法對所述書法練習視頻中的每幀圖像進行筆畫識別得到所述筆畫空間特征，包括如下步驟：

13、將所述書法練習視頻中的每幀圖像輸入至所述卷積神經網絡算法中的卷積層，提取所述書法練習視頻中的每幀圖像的特征，生成對應的輸出空間特征，所述輸出空間特征的表達式為：

14、；

15、式中，表示輸出空間特征；表示卷積核；表示卷積操作；表示書法練習視頻中的每幀圖像；表示偏置項；

16、將所述輸出空間特征輸入所述卷積神經網絡算法中的激活層，生成對應的激活空間特征，所述激活空間特征的表達式為：

17、；

18、式中，表示激活空間特征；表示取最大值操作；表示輸出空間特征；

19、將所述激活空間特征輸入至所述卷積神經網絡算法中的池化層，降低所述激活空間特征的維度，所述維度包括高度和寬度，并對所述激活空間特征進行最大池化處理，生成所述筆畫空間特征，所述筆畫空間特征的表達式為：

20、；

21、式中，表示位置索引處的筆畫空間特征；表示位置索引處的激活空間特征；表示取最大值操作；表示筆畫空間特征中位置索引對應的池化窗口在激活空間特征上的區(qū)域。

22、優(yōu)選的，所述基于深度學習算法對所述書法練習視頻進行筆畫識別生成筆畫特征，所述筆畫特征包括筆畫空間特征和筆畫時間特征，具體包括：

23、基于循環(huán)神經網絡對所述筆畫空間特征進行處理得到所述筆畫時間特征，包括如下步驟：

24、更新所述筆畫空間特征的隱藏狀態(tài)：

25、；

26、式中，表示時刻的隱藏狀態(tài)；表示時刻的隱藏狀態(tài)；表示激活函數(shù)；、表示權重矩陣；表示時刻的筆畫空間特征；表示偏置項；

27、根據(jù)所述隱藏狀態(tài)輸出所述筆畫時間特征：

28、；

29、式中，表示時刻的筆畫時間特征；表示權重矩陣；表示時刻的隱藏狀態(tài)；表示偏置項。

30、優(yōu)選的，所述調取書法評價標準模型，基于機器學習算法通過所述書法評價標準模型對所述筆畫特征進行處理，生成所述用戶端對應的書法練習結果和練習級別標簽，具體包括：

31、設定所述筆畫特征對應的集合為：

32、；

33、式中，表示筆畫特征集合；表示第個筆畫特征；

34、設定第個預設標準為，所述書法評價標準模型為：

35、；

36、；

37、；

38、式中，表示書法練習結果；表示第個筆畫特征的權重；表示第個筆畫特征；表示第個預設標準；表示第個筆畫特征和預設標準的點積；表示第個筆畫特征的模；表示第個預設標準的模；表示向量維度；∑表示求和符號；

39、基于支持向量機得到所述書法練習結果對應的優(yōu)化問題：

40、；

41、式中，表示取最小值操作；表示超平面法向量；表示超平面截距；表示超平面法向量的模的平方；表示約束條件；表示練習級別標簽；表示書法練習結果；

42、通過求解所述書法練習結果對應的優(yōu)化問題，得到所述練習級別標簽。

43、優(yōu)選的，所述根據(jù)所述書法練習結果和練習級別標簽生成所述用戶端對應的個性化反饋結果，并通過所述用戶界面展示給所述用戶端，還包括，根據(jù)所述用戶端的歷史書法練習結果和練習級別標簽，調整所述書法評價標準模型的預設標準。

44、一種書法練習的系統(tǒng)，所述系統(tǒng)包括：

45、獲取模塊，用于通過采集設備獲取用戶端的初始練習視頻，并基于圖像處理算法對所述初始練習視頻進行預處理，生成所述用戶端對應的書法練習視頻；

46、識別模塊，用于基于深度學習算法對所述書法練習視頻進行筆畫識別生成筆畫特征，所述筆畫特征包括筆畫空間特征和筆畫時間特征；

47、評價模塊，用于調取書法評價標準模型，基于機器學習算法通過所述書法評價標準模型對所述筆畫特征進行處理，生成所述用戶端對應的書法練習結果和練習級別標簽；

48、展示模塊，用于根據(jù)所述書法練習結果和練習級別標簽生成所述用戶端對應的個性化反饋結果，并通過所述用戶界面展示給所述用戶端。

49、與相關技術相比較，本發(fā)明提供的一種書法練習的方法及系統(tǒng)具有如下有益效果：

50、本發(fā)明通過采集設備獲取用戶端的初始練習視頻，并基于圖像處理算法對所述初始練習視頻進行預處理，生成所述用戶端對應的書法練習視頻；基于深度學習算法對所述書法練習視頻進行筆畫識別生成筆畫特征，所述筆畫特征包括筆畫空間特征和筆畫時間特征；調取書法評價標準模型，基于機器學習算法通過所述書法評價標準模型對所述筆畫特征進行處理，生成所述用戶端對應的書法練習結果和練習級別標簽；根據(jù)所述書法練習結果和練習級別標簽生成所述用戶端對應的個性化反饋結果，并通過所述用戶界面展示給所述用戶端。本發(fā)明通過自動化評價和實時反饋技術，可以幫助練習者快速發(fā)現(xiàn)不足并針對性改進，同時無需專業(yè)教師現(xiàn)場指導，減輕了人力成本負擔，降低了教學成本，通過互動式教學和個性化反饋，可以激發(fā)練習者的學習興趣和動力，并且可以為書法愛好者提供更加便捷、高效的練習途徑，有助于書法文化的傳承和發(fā)展。