本發(fā)明屬于模式識別與人工智能領域，尤其涉及一種基于超聲波傳感器的三維空間手寫識別預處理方法。

背景技術：

隨著硬件和軟件技術的不斷發(fā)展，以人為主體的自然的人機交互已然成為可能，新興的交互概念和交互技術的不斷提出，讓人機交互方式逐漸成為了研究熱點。其中筆式交互沿用了人們傳統(tǒng)的用筆習慣，可以達到自然簡便的交互效果，如何處理三維空間下的筆式軌跡對三維筆式交互有很重要的意義。

手寫識別技術已經(jīng)發(fā)展了十幾年，按照書寫空間的不同可分為平面手寫識別技術和空間手寫識別技術。如果對用戶的空間手寫內容識別出來，用戶只需要手握嵌入超聲波傳感器的筆式交互設備在空中自由的書寫，它既不受某個特定平面的限制(如手寫板、觸摸屏)，也不需要任何其它輔助設備(如攝像頭)的限制，這將是一種全新的人機交互實現(xiàn)方式。在虛擬現(xiàn)實、遠程交互技術的普及同時，空間手寫識別將會有更多的應用場景和發(fā)展空間。

針對將空間手寫識別回歸為平面手寫識別問題，2011年，譚嘯峰，沈海斌等提出了，采用基于主元分析的投影算法對空間手寫字符軌跡進行了平面化處理。目前對于空間手寫識別技術的研究還相對較少，對如何處理空間手寫字符的流程還沒有公認的處理方法。無論書寫者想進行內容的輸入還是進行人機的交互，輸入的內容如何被計算機有效的識別，計算機進一步如何反饋書寫者的意圖目前還沒有一種有效的方法。如果利用空間手寫字符的特點將空間手寫筆跡平面化，利用現(xiàn)有的平面手寫識別技術進行處理識別可行性高，所以如何自適應地找到最佳的投影平面是解決這一問題的關鍵。

技術實現(xiàn)要素：

本發(fā)明提供一種三維筆式識別預處理方法，以解決目前用戶空間手寫找不到最佳的投影平面、無法進一步高效自然的進行三維空間筆式交互的問題。

本發(fā)明采取的技術方案是，包括下列步驟：

(一)、獲取不同時刻下的三維筆式軌跡坐標將每個三維筆式軌跡坐標視為樣本點,共有n個樣本點；

(二)、通過距離參量尋找到每個樣本點的k個近鄰點zij，其中zij(j＝1，2…k)為xi的k個近鄰點，

(三)、計算出每個樣本點的局部重建權值，得出樣本點的局部重建權值矩陣w，引入誤差函數(shù)minε(w)通過拉格朗日乘子法求出局部重建權值矩陣w，計算方法如公式(1)所示：

其中minε(w)為定義的誤差函數(shù)，是xi與zij之間的權值，且要滿足：

(四)、根據(jù)局部重建權值矩陣w計算輸出矩陣s，引入損失函數(shù)值minε(s)利用拉格朗日乘子法求出約束條件下最優(yōu)解，計算方法如公式(2)所示：

其中，minε(y)為損失函數(shù)值，si為xi的輸出向量，qij(j＝1，2…k)是si的k個近鄰點，且要滿足：

其中，i為d*d的單位矩陣，d為輸出矩陣維數(shù)，將存儲在矩陣w中，當zij是xi的近鄰點時，否則，wij為0，其中wij是w矩陣中第i行第j列的值，則公式(2)可以重寫成：

其中，m＝(i-w)(i-w)^t，mij是m矩陣中第i行第j列的值；

(五)、求解m矩陣的特征值和特征向量，將特征值從小到大排列，舍去第一個特征值，取第2到第(d+1)個特征值對應的特征向量作為輸出結果。

本發(fā)明所述步驟(二)中的距離參量表示為：

一般情況下p＝2，diq表示樣本點xi與樣本點xiq的歐氏距離。

本發(fā)明所述步驟(二)中求出每個樣本點距離所有樣本點的歐氏距離按從小到大排序，取前60％的歐氏距離對應的樣本點作為近鄰點，確定k值。

本發(fā)明所述步驟(四)輸出矩陣的矩陣維數(shù)d為2。

本發(fā)明優(yōu)點是將三維筆式軌跡的坐標進行降維處理，自適應的將三維非線性數(shù)據(jù)映射到二維空間中，處理后仍能夠保持原有數(shù)據(jù)的拓撲關系，這一過程將空間手寫字符軌跡平面化，利用現(xiàn)有的平面手寫識別技術進行處理可行性高，可以實現(xiàn)空間筆式動作、筆式輸入內容的有效識別，完成三維空間下的筆式交互，對于三維空間下筆式的內容輸入還是人機交互有重要的意義。

附圖說明

圖1是本發(fā)明的流程圖；

圖2是本發(fā)明三維手寫字符原圖；

圖3是本發(fā)明三維手寫字符預處理后的效果圖。

具體實施方式

實施本發(fā)明所用的輸入設備是基于超聲波傳感器的三維筆式交互裝置，基于超聲波傳感器的三維筆式識別預處理方法的系統(tǒng)流程圖如圖1所示，具體步驟如下：

(一)、獲取不同時刻下的三維筆式軌跡坐標將每個三維筆式軌跡坐標視為樣本點,共有n個樣本點；

(二)、通過距離參量尋找到每個樣本點的k個近鄰點zij，其中zij(j＝1，2…k)為xi的k個近鄰點，

(三)、計算出每個樣本點的局部重建權值，得出樣本點的局部重建權值矩陣w，引入誤差函數(shù)minε(w)通過拉格朗日乘子法求出局部重建權值矩陣w，計算方法如公式(1)所示：

其中minε(w)為定義的誤差函數(shù)，是xi與zij之間的權值，且要滿足：

(四)、根據(jù)局部重建權值矩陣w計算輸出矩陣s，引入損失函數(shù)值minε(s)利用拉格朗日乘子法求出約束條件下最優(yōu)解，計算方法如公式(2)所示：

其中，minε(y)為損失函數(shù)值，si為xi的輸出向量，qij(j＝1，2…k)是si的k個近鄰點，且要滿足：

其中，i為d*d的單位矩陣，d為輸出矩陣維數(shù)，將存儲在矩陣w中，當zij是xi的近鄰點時，否則，wij為0，其中wij是w矩陣中第i行第j列的值。則公式2可以重寫成：

其中，m＝(i-w)(i-w)^t，mij是m矩陣中第i行第j列的值；

(五)、求解m矩陣的特征值和特征向量，將特征值從小到大排列，舍去第一個特征值，取第2到第(d+1)個特征值對應的特征向量作為輸出結果。

本發(fā)明所述步驟(二)中的距離參量表示為：

一般情況下p＝2，diq表示樣本點xi與樣本點xiq的歐氏距離；

本發(fā)明所述步驟(二)中求出每個樣本點距離所有樣本點的歐氏距離按從小到大排序，取前60％的歐氏距離對應的樣本點作為近鄰點，確定k值；

本發(fā)明所述步驟(四)輸出矩陣的矩陣維數(shù)d為；

下邊通過具體實例來進一步說明本發(fā)明。

空間手寫字符與平面手寫字符的最主要區(qū)別在于空間手寫字符不僅有長度和寬度，還具有厚度這一屬性。如果投影平面選取不當，肯定會與書寫者的意圖相去甚遠。本實例基于超聲波傳感器的三維書寫筆和配套采集軟件，采集了9個實驗者的數(shù)據(jù)，每個實驗者手握基于超聲波傳感器的三維書寫筆在三維空間手寫數(shù)字字符0到9，每個實驗者在三維空間中書寫每個數(shù)字字符5次，共采集數(shù)據(jù)450次，求出每個數(shù)字字符在空間中尺寸，如下表所示：

得出的結論是，按照書寫者以平面書寫習慣來書寫空間數(shù)字字符，除字符“1”之外，字符的長度和寬度的平均值應該遠遠比厚度的平均值要大，而且手寫軌跡明顯呈曲線形式。這樣可以確定一個投影平面，只要找到字符軌跡最扁平的觀測方向并垂直于這個方向的投影，就可以得到最佳的投影效果，而對于字符“1”，向長度和厚度投影出來的字符區(qū)別不大，所以同樣適用上述的投影原則。而求解m矩陣的特征值和特征向量時，按照從小到大排序先保留了前3個特征值對應的特征向量，使矩陣可以表示成為每個向量在各個投影向量上面的投影長度，其特征值則是權重。舍掉了最小的特征值對應的特征向量，保留了投影能量最大的那些分量，這樣最大化保留了矩陣代表的信息，同時舍棄了字符軌跡的最小尺寸，得到書寫者最想得到的平面。

確定了投影平面后，字符的方向還沒有確定。但是對于空間書寫字符的長度和寬度很難判定字符正確的方向，所以保留了2種不同的結果為書寫者確定。

從圖2和圖3中可以看到，采用本發(fā)明提出的三維手寫字符預處理方法可以有效的找出最佳投影平面識別手寫字符輪廓，對書寫者的動作有很好的自適應性，讓空間筆式識別有良好的應用前景，最終發(fā)揮其應有的潛力。