📘 AI-WritingCorrection

✍️ AI-Based Handwriting Learning Platform

AI가 손글씨를 인식·분석·교정해주는 스마트 학습 플랫폼
어린 학습자부터 성인까지 모두가 사용할 수 있는 맞춤형 글씨 교정 서비스

---

📱 Demo Video

🎬 시연 영상 1
🎬 시연 영상 2

📦 APK 다운로드

---

---

🌟 프로젝트 소개

AI-WritingCorrection은 이미지 기반 글씨 분석뿐 아니라
획순(Stroke) · 형태 비율 · 음소 구조 · 가독성(OCR) 등
다양한 요소를 종합적으로 평가하는 4단계 심층 글씨 평가 모델을 갖춘 손글씨 학습 플랫폼입니다.

기존 따라쓰기 위주의 손글씨 앱과 달리,
사용자의 실제 필기 데이터 분석 → 정교한 피드백 제공 → 성장 데이터 시각화
까지 제공하는 차별화된 구조를 가지고 있습니다.

---

🎯 주요 기능

✔ AI 기반 4단계 평가 알고리즘

1. 가독성 평가 (OCR)
2. 전체 비율 분석 (Bounding Box)
3. 획순 및 방향 평가 (Stroke Rules)
4. 음소 비율 디테일 분석

→ 단순 교정이 아닌 세밀한 피드백 중심의 글씨 교정

---

✔ 단계별 학습 시스템

• 자음/모음 → 글자 → 단어 → 문장
• 제한시간 모드 / 자유 연습 모드
• 난이도 기반 사용자 맞춤 학습

---

✔ UI/UX 특징

• 종이 질감의 따뜻한 배경
• 캐릭터(곰/토끼)를 통한 학습 동기부여
• 태블릿 가로모드 최적화
• Bottom Navigation 구조

---

✔ 서버 및 데이터 관리

• 사용자 학습 기록 저장 및 통계 분석
• 평가 점수/피드백/히스토리 관리
• 미션 기록 및 단계별 진행도 제공

---

⚙️ 기술 스택

Frontend

• Flutter
• Provider
• CustomPainter 기반 필기 캔버스

Backend

• FastAPI
• Python
• EasyOCR 기반 AI 모델
• Stroke Rule-Based Evaluation

Infra

• AWS EC2
• Docker / Docker Compose
• NGINX Reverse Proxy

Database

• PostgreSQL

---

🏗 시스템 아키텍처

🔍 핵심 알고리즘 요약

AI-WritingCorrection의 평가 모델은 가독성 → 형태 → 획순 → 음소 디테일의
4단계 정밀 분석 구조로 이루어져 있습니다.

🧠 4-Stage Handwriting Evaluation Pipeline

[ Input Image + Stroke Data ]
↓
1️⃣ OCR 기반 가독성 평가
↓
2️⃣ 전체 구조·비율 분석
↓
3️⃣ 획순 및 방향 평가
↓
4️⃣ 음소 형태/비율 정밀 분석
↓
[ Final Score + Feedback ]

---

✨ 1) 가독성 평가 (OCR + 자모 분석)

🔧 사용 기술

• EasyOCR 기반 텍스트 추출
• 초성·중성·종성 분해
• 자모 단위 유사도 비교

📝 평가 방식

• OCR 결과와 정답을 비교
• 불일치 시 자모 레벨 유사도 재판정
• 세 단계 판정 제공
  • Perfect — 완벽 일치
  • Candidate Pass — 부분 일치
  • Fail — 가독성 부족

✔ 장점

• 자모 기반 정밀 분석 가능
• 어린 학습자·외국인 필체도 잘 인식함

---

✨ 2) 전체 비율 평가 (Bounding Box Analysis)

🔧 사용 데이터

• 전체 글씨 이미지
• 획이 존재하는 실제 영역

📝 평가 방식

• Bounding Box 생성
• 가로·세로 비율 및 전체 크기 비교
• 감지 가능한 오류
  • 지나치게 크거나 작은 글씨
  • 가로로 늘어짐 / 세로로 길어짐
  • 비정상적인 종횡비

✔ 장점

• 글씨의 전체 균형감 분석에 최적화

---

✨ 3) 획순 및 방향 평가 (Stroke Direction Evaluation)

🔧 사용 데이터

• 터치 시작점/종점 좌표
• dx, dy 벡터
• Rule-base 획순 데이터

📝 평가 방식

• 음소 단위 분해
• 벡터 방향 부호(+,–) 비교
• 정답 규칙과 일치 여부 검증

✔ 장점

• 쓰기 과정(Process) 자체를 평가
• 잘못된 필기 습관을 조기 교정 가능

---

✨ 4) 음소 비율 분석 (Phoneme-Level Ratio Analysis)

🔧 사용 데이터

• 전체 글자 이미지
• 획별 이미지
• 정답 음소 비율 데이터
• user_type

📝 평가 방식

• 각 음소(ㄱ, ㄷ, ㅏ 등)의

  • 가로·세로 길이
  • 면적
  • 전체 글자 대비 비율
    을 산출 후 정답 비율과 비교

• 감지되는 오류

  • 크기 과대/과소
  • 가로/세로 비율 왜곡
  • 음소 구조 불균형

✔ 장점

• “ㅏ의 가로폭이 좁아요”, “ㄷ의 세로 길이가 길어요” 같은
  초정밀 맞춤 피드백 제공

---

🧩 알고리즘 전체 요약

단계	평가 내용	사용 기술	결과
1단계	가독성 평가	EasyOCR, 자모 분석	글자 인식 여부 판단
2단계	전체 구조 분석	Bounding Box 비율	글씨 크기/비율 피드백
3단계	획순 평가	Stroke 벡터 + Rule-base	올바른 쓰기 과정 검증
4단계	음소 디테일 분석	음소별 비율·형태 분석	정교한 오류 탐지

---

👥 Team

팀원	이름	역할
🧭 Team Leader	정영진	Front-end 개발
👥 Team Member	박세환	Front-end 개발 / Back-end 개발
👥 Team Member	류효상	모델 개발 / 데이터 수집 및 정리
👥 Team Member	신주원	모델 개발 / 데이터 수집 및 정리

---

📄 License

This project is licensed under the MIT License.