本发明专利技术公开了一种手写字符输入方法,其包括:A.对预存储字符类进行特征选取,计算粗分类模版;B.对预存储字符类进行特征变换,计算细分类模版;C.采集输入字符轨迹点的离散坐标序列,利用一个平滑连续函数,调整手写输入字符的大小和形状以及重心的坐标值;D.特征提取得到该手写字符的多维特征矢量;E.选取手写输入字符部分特征值,将手写输入字符分别与粗分类模版进行匹配,选取相似度最大的若干个候选字符类;F.对手写输入字符进行特征变换,将手写输入字符与从细分类模板中选取的候选字符类的样本中心进行匹配,从中确定最相似的字符类。本发明专利技术还公开了一种手写字符输入的系统。本发明专利技术手写字符输入识别的速度更快,且识别精度更高。
【技术实现步骤摘要】
本专利技术涉及手写字符识别领域,尤其涉及一种手写字符输入方法 及系统。
技术介绍
目前手写输入的识别技术被应用到各种通信终端及信息处理终 端;这种类型的终端产品通常具有一个用于书写的触摸手写荧光屏, 用户能在上面用笔或手指写字,然后经过终端的识别处理,生成相应 的字符显示在终端上,并进行后续的相关操作,手写输入的识别技术 提高了输入的速度和灵活性,因此被普遍地应用。现在的手写输入的识别过程大多分为信号采集、预处理、特征提 取、特征匹配等步骤,现有方法中的预处理在将字符字迹重心变换到 外框的中心时采用分段线性函数,使得变换后的字符形状不自然,影 响后面的识别处理。现有技术因计算量大、处理时间长,使得识别速度还是较慢,且识别精度不高,还有待进一步的改进。
技术实现思路
基于现有技术的不足,本专利技术实施例要解决的技术问题在于提供一种 手写字符输入的方法及系统,使识别速度更快,识别精度更准确。本专利技术的目的通过以下技术方案实现 一种手写字符输入的方法, 包括以下步骤A、从预存储字符类的样本的特征矢量中选取部分特征值,计算各个字符类的样本中心,得到由全体字符类的样本中心构成的粗分类模版;B、 对预存储字符类的样本的特征矢量进行特征变换,重新计算 各个字符类的样本中心,得到由全体字符类的样本中心构成的细分类 模版;C、 接收手写字符输入的信号并采集输入字符轨迹点的离散坐标 序列,利用一个平滑连续函数,将采集到的手写字符轨迹点的离散坐 标序列变换成为另 一个离散坐标序列,以调整手写输入字符的大小和 形状以及重心的坐标值,得到该字符的规整坐标序列;D、 根据输入字符的规整坐标序列,进行特征提取得到该手写字 符的多维特征矢量;E、 从所述手写输入字符的多维特征矢量中选取部分特征值,将所 述手写输入字符分别与所述粗分类模版进行匹配,从预存储字符类中 选取相似度最大的若干个候选字符类;F、 对所述手写输入字符的多维特征矢量进行特征变换,将特征变换后的手写输入字符与从所述细分类模板中选取的候选字符类的样本 中心进行匹配,从中确定最相似的字符类,以供用户选择。本专利技术还提供一种手写字符输入的系统,该系统包括信号采集模块,用于接收手写字符输入的信号并采集手写字符轨 迹点的离散坐标序列;归一化模块,用于利用一个平滑连续函数,将采集到的手写字符 轨迹点的离散坐标序列变换成为另 一个离散坐标序列,以调整手写字 符的大小和形状以及重心的坐标值,得到该字符的规整坐标序列;特征提取模块,用于根据所述规整坐标序列,进行特征提取得到 该手写字符的多维特征矢量;8存储模块,用于存储特征变换矩阵及全体字符类的粗分类模板和 细分类模板,粗分类模板由全体字符类经特征选取后计算得到的样本 中心构成,细分类模板由全体字符类经特征变换后计算得到的样本中心构成;粗分类模块,用于从手写输入字符的多维特征矢量中选取部分特 征值,将所述手写输入字符分别与所述存储模块中的粗分类模版进行 匹配,从预存储字符类中选取相似度最大的若干个候选字符类;细分类模块,用于对手写输入字符的多维特征矢量进行特征变换,取的候选字符类的样本中心进行匹配,从中确定最相似的字符类,以 供用户选择。与现有技术相比较,本专利技术通过采用平滑连续函数对手写字符进 行预处理,使得预处理后的手写字符的大小和形状更自然也更规范, 从而使得之后特征提取的速度更快、精度更高,这样就使本专利技术具有 对输入的手写字符识别速度更快,识别精度更准确的有益效果。本专利技术一种手写字符输入的方法的一种优选实施方式是,所述步 骤C具体还包括步骤判断 一 个手写字符输入是否结束,当未接收到手写字符输入信号 的时间超过设定的阈值,则结束该手写字符离散坐标序列的采集。本专利技术一种手写字符输入的方法的另 一种优选实施方式是,所述 步骤C还包括步骤检查采集到的手写字符的轨迹点是否只有一个,如果是则删除该 轨迹点重新采集;检测采集到的手写字符的轨迹点中相邻点之间的坐标距离,如果 该距离小于设定的阈值,则删除其中的一点,使得相邻点之间保持一 定距离。9本专利技术一种手写字符输入的方法的另 一种优选实施方式是,所述步骤C具体包括以下步骤将所有轨迹点的横坐标值和纵坐标值变换到介于O到IOO之间; 分别计算所有轨迹点横坐标和纵坐标的重心坐标值; 将所有轨迹点坐标值和重心坐标值除以100,使所有轨迹点坐标值和重心坐标值变为0到1之间,利用使重心坐标值的横坐标和纵坐标变为0.5的一个平滑连续函数,将采集到的手写字符轨迹点的离散坐标序列变换成为另 一个离散坐标序列;再将所有轨迹点坐标值乘以64,得到输入字符的规整坐标序列。本专利技术一种手写字符输入的方法的另 一种优选实施方式是,所述 步骤D具体包括以下步骤根据手写字符的规整坐标序列,将所有相邻轨迹点形成的矢量线 段分解到8个标准方向,每个标准方向上得到矢量线段长度值;对所述得到的矢量线段长度值进行处理,得到大尺度特征值和小 尺度特征值构成的多维特征矢量。该特征提取步骤将轨迹点矢量分解到8个标准方向以获得特征矢 量,使得计算量小,从而速度更快且提取的特征更准确。本专利技术一种手写字符输入的方法的另 一种优选实施方式是,所述 步骤A具体包括以下步骤根据Fisher准则,从预存的每一个字符类的样本中,选取使得 Fisher比最大的若干个特征值;根据由选取特征值构成的样本的特征矢量,计算该字符类的样本 中心的特征矢量,得到由全体字符类的样本中心构成的粗分类模版。1所述步骤E具体包括以下步骤根据Fisher准则,从所述手写输入字符的多维特征矢量中选取部 分特征值,所述手写输入字符具有与字符类的样本相同维数的由选取 特征值构成的特征矢量;将所述手写输入字符分别与所述粗分类模版进行匹配,从预存储 字符类中选取相似度最大的若干个候选字符类。通过对字符类采用Fisher准则选择特征进行粗分类,选择的特征 具有更好的识别精度,且计算量小。本专利技术一种手写字符输入的方法的另 一种优选实施方式是,所述 步骤B具体包括以下步骤利用根据Fisher准则得到的特征变换矩阵,将所有字符类的样本 进行特征变换,降低其多维特征矢量的维数;重新计算特征变换后的所有字符类的样本中心;新计算特征变换矩阵和所有字符类的样本中心,得到由全体字符类的 样本中心构成的细分类模版。所述步骤F具体包括以下步骤用迭代调整后的特征变换矩阵对手写输入字符进行特征变换,得 到其低维特征矢量;该手写输入字符的低维特征矢量分别与从所述细分类模板中选取 的候选字符类的样本中心进行匹配,从候选字符类中确定相似度最大 的字符类,以供用户选择。在粗分类的基础上,利用特征变换矩阵将手写字符和所述候选字 符类中的字符样本进行特征变换,然后对特征变换矩阵及候选字符类的样本中心进行迭代调整,对候选字符类进行细分类,使得手写字符 输入识别的识别速度快,且识别精度高。所述步骤A、 B中所述的预存储字符类的样本的特征矢量,是预 先通过所述步骤C、 D获得的多维特征矢量。本专利技术一种手写字符输入的系统的一种优选实施方式是,所述信 号采集模块具体包括采集单元,用于采集手写字符轨迹点的离散坐标序列;判断单元,用于判断一个手写字符的输入是否结束,当未接收到 手写字符输入信号的时间超过设定的阅值,则结束该手写字符离散本文档来自技高网...
【技术保护点】
一种手写字符输入方法,其包括以下步骤: A、从预存储字符类的样本的特征矢量中选取部分特征值,计算各个字符类的样本中心,得到由全体字符类的样本中心构成的粗分类模版; B、对预存储字符类的样本的特征矢量进行特征变换,重新计算各个字符 类的样本中心,得到由全体字符类的样本中心构成的细分类模版; C、接收手写字符输入的信号并采集输入字符轨迹点的离散坐标序列,利用一个平滑连续函数,将采集到的手写字符轨迹点的离散坐标序列变换成为另一个离散坐标序列,以调整手写输入字符的大小 和形状以及重心的坐标值,得到该字符的规整坐标序列; D、根据输入字符的规整坐标序列,进行特征提取得到该手写字符的多维特征矢量; E、从所述手写输入字符的多维特征矢量中选取部分特征值,将所述手写输入字符分别与所述粗分类模版进行匹配 ,从预存储字符类中选取相似度最大的若干个候选字符类; F、对所述手写输入字符的多维特征矢量进行特征变换,将特征变换后的手写输入字符与从所述细分类模板中选取的候选字符类的样本中心进行匹配,从中确定最相似的字符类,以供用户选择。
【技术特征摘要】
【专利技术属性】
技术研发人员:高精鍊,黄新春,陈炳辉,蔡沐宇,胡安进,陆华兴,
申请(专利权)人:广东国笔科技股份有限公司,
类型:发明
国别省市:81[中国|广州]
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。