手寫軌跡識別方法、手寫軌跡識別設(shè)備及手寫輸入設(shè)備的制造方法
【技術(shù)領(lǐng)域】
[0001] 本申請總地涉及一種手寫軌跡識別方法和手寫軌跡識別設(shè)備，特別是與手寫軌跡 的旋轉(zhuǎn)方向無關(guān)的手寫軌跡識別方法和手寫軌跡識別設(shè)備。本申請還涉及包括該手寫軌跡 識別設(shè)備的手寫輸入設(shè)備。
【背景技術(shù)】
[0002] 手寫識別器可以用于識別直接寫到觸摸敏感輸入設(shè)備（如屏幕）上和/或用于從 書寫文件中掃描的字符的手寫軌跡。在以非時間順序并以整字模式來識別字符時，例如識 別OCR掃描的字符時，常稱為離線識別?；蛘?，當(dāng)字符寫到例如屏幕上要被以時間順序識別 時，即隨著字符被寫入而被識別時，常稱為在線識別。在在線識別的情況下，當(dāng)用戶通過用 手指在手持設(shè)備的觸摸敏感屏幕上書寫來把手寫字符輸入到手持設(shè)備的屏幕上時，由于輸 入字符的取向可能隨設(shè)備和用戶而變化，所以可能無法如用戶期望那樣準(zhǔn)確地進(jìn)行識別。
[0003] 因此需要一種有效的手寫識別器，以便對輸入字符的這種旋轉(zhuǎn)變化獲得準(zhǔn)確并且 穩(wěn)健的識別結(jié)果。然而難以開發(fā)對手寫軌跡的旋轉(zhuǎn)變化穩(wěn)健并且同時尺寸小速度成本低的 有效手寫識別器。為了處理手寫輸入的旋轉(zhuǎn)變化，已提出了兩種可能的方法。第一種方法 是通過人為地用可能角度旋轉(zhuǎn)手寫樣本來獲取一組新樣本，并且使用通過規(guī)范樣本訓(xùn)練的 模型來識別該組可能樣本。第二種方法是建立針對一組旋轉(zhuǎn)角度的一組相應(yīng)模型，并然后 用這樣的模型來識別未知手寫樣本。
[0004] 例如，美國專利公開US20110268351(以下簡稱文獻(xiàn)1)提出了一種首先使用粗分 類器來獲取手寫樣本的識別結(jié)果候選和旋轉(zhuǎn)角度候選以便對其應(yīng)用估計的仿射變換，然后 通過細(xì)分類器進(jìn)行識別的方法。圖1示出該方法的流程圖。其主要步驟如下：
[0005] 1)手寫軌跡輸入步驟SlOl :從用戶接收代表要被識別的字符或單詞的手寫軌跡； [0006] 2)粗分類器識別步驟S102 :使用"自由旋轉(zhuǎn)"和相對"低成本"的識別引擎（例如基 于簡單模板的分類器）作為粗分類器，針對手寫軌跡來獲取識別結(jié)果候選和旋轉(zhuǎn)角度候選；
[0007] 3)細(xì)分類器識別步驟S103 :使用"高成本"但"準(zhǔn)確"的識別引擎作為細(xì)分類器從 候選中獲得識別結(jié)果。
[0008] 盡管以上方法可以改進(jìn)旋轉(zhuǎn)情況下的識別準(zhǔn)確性，但仍具有以下缺陷。首先，粗分 類器使用整個字符作為輸入，這將影響手寫識別的基于部分筆劃進(jìn)行預(yù)測的優(yōu)點。其次，弓丨 入粗分類器仍然是高成本的。粗分類器本身是成本和準(zhǔn)確度之間的平衡。太簡單的分類器 不能獲得好的候選濾出，因此將為細(xì)分類器帶來太多候選并導(dǎo)致細(xì)分類器的負(fù)擔(dān)。如果使 用具有可接受候選濾出的粗分類器，則即使粗分類器的成本比細(xì)分類器相對而言低，多次 識別也將降低識別速度。
[0009] 由此可見現(xiàn)有技術(shù)的方法為了檢測旋轉(zhuǎn)變化，存在把輸入的手寫軌跡作為整體處 理并且必須對整個手寫軌跡進(jìn)行多次識別的問題。
[0010] 迄今為止，使用手寫軌跡的一部分來檢測旋轉(zhuǎn)變化還不是一種選擇，這是因為一 方面檢測該部分的結(jié)束很難或成本很高，另一方面不能預(yù)期針對幾筆劃的簡單識別器能產(chǎn) 生估計旋轉(zhuǎn)變化的高準(zhǔn)確度。

【發(fā)明內(nèi)容】

[0011] 本申請的目的之一在于以低成本提高識別器針對手寫軌跡的旋轉(zhuǎn)變化的穩(wěn)健性 和準(zhǔn)確度，而無需對整個手寫軌跡進(jìn)行多次識別，從而提高了手寫識別的效率。
[0012] 本申請的一方面涉及一種手寫軌跡識別方法，包括：第一獲取步驟，獲取要被輸入 的手寫軌跡的前幾筆的軌跡點；旋轉(zhuǎn)角度確定步驟，基于所述軌跡點使用能夠檢測所述前 幾筆的旋轉(zhuǎn)角度的旋轉(zhuǎn)角度檢測模型來確定所述手寫軌跡的旋轉(zhuǎn)角度；第二獲取步驟，獲 取所述手寫軌跡的剩余筆劃；以及識別步驟，基于所確定的旋轉(zhuǎn)角度來識別所述手寫軌跡。
[0013] 本申請的又一方面涉及一種手寫軌跡調(diào)整方法，包括：第一獲取步驟，獲取要被輸 入的手寫軌跡的前幾筆的軌跡點；旋轉(zhuǎn)角度確定步驟，基于所述軌跡點使用用于檢測前幾 筆的旋轉(zhuǎn)角度的旋轉(zhuǎn)角度檢測模型來確定所述手寫軌跡的旋轉(zhuǎn)角度；第二獲取步驟，獲取 手寫軌跡的剩余筆劃；以及調(diào)整步驟，基于所確定的旋轉(zhuǎn)角度來調(diào)整手寫軌跡。
[0014] 本申請的另一方面涉及一種手寫軌跡識別設(shè)備，包括：第一獲取裝置，被配置為獲 取要被輸入的手寫軌跡的前幾筆的軌跡點；旋轉(zhuǎn)角度確定裝置，被配置為基于所述軌跡點 使用能夠檢測所述前幾筆的旋轉(zhuǎn)角度的旋轉(zhuǎn)角度檢測模型來確定所述手寫軌跡的旋轉(zhuǎn)角 度；第二獲取裝置，被配置為獲取所述手寫軌跡的剩余筆劃；以及識別裝置，被配置為基于 所確定的旋轉(zhuǎn)角度來識別所述手寫軌跡。
[0015] 優(yōu)選地，所述前幾筆是能夠由字符集的字符共享的一部分筆劃或由單詞集的單詞 共享的一部分筆劃。
[0016] 優(yōu)選地，旋轉(zhuǎn)角度確定裝置可以包括：軌跡點獲取裝置，被配置為獲取當(dāng)前軌跡 點；解碼裝置，被配置為使用所述旋轉(zhuǎn)角度檢測模型對包括到當(dāng)前軌跡點為止的部分軌跡 進(jìn)行解碼；判斷裝置，被配置為判斷當(dāng)前軌跡點是否達(dá)到所述前幾筆的結(jié)束軌跡點；以及 確定裝置，被配置為在判斷結(jié)果為肯定的情況下確定與解碼結(jié)果相對應(yīng)的旋轉(zhuǎn)角度作為所 述手寫軌跡的旋轉(zhuǎn)角度。
[0017] 優(yōu)選地，解碼裝置包括用基于隱式馬爾可夫模型來訓(xùn)練的旋轉(zhuǎn)角度檢測模型對包 括到當(dāng)前軌跡點為止的部分軌跡進(jìn)行解碼以獲得最佳狀態(tài)轉(zhuǎn)移路徑的裝置；判斷裝置包括 判斷最佳狀態(tài)轉(zhuǎn)移路徑是否達(dá)到結(jié)束狀態(tài)的裝置；以及確定裝置在判斷結(jié)果為肯定的情況 下確定與最佳狀態(tài)轉(zhuǎn)移路徑相對應(yīng)的旋轉(zhuǎn)角度作為所述手寫軌跡的旋轉(zhuǎn)角度的裝置。
[0018] 優(yōu)選地，解碼裝置包括用基于動態(tài)時間規(guī)劃DTW模型來訓(xùn)練的旋轉(zhuǎn)角度檢測模型 對包括到當(dāng)前軌跡點為止的部分軌跡進(jìn)行解碼以獲最佳匹配路徑的裝置；判斷裝置包括判 斷最佳匹配路徑是否達(dá)到結(jié)束節(jié)點的裝置；以及確定裝置包括在判斷結(jié)果為肯定的情況下 確定與最佳匹配路徑相對應(yīng)的旋轉(zhuǎn)角度作為所述手寫軌跡的旋轉(zhuǎn)角度的裝置。
[0019] 優(yōu)選地，旋轉(zhuǎn)角度檢測模型能夠被集成到用于在線識別整字的整字模型中或用于 在線識別整個單詞的整單詞模型中。
[0020] 優(yōu)選地，旋轉(zhuǎn)角度確定裝置獲取的前幾筆的置信度能夠被集成到識別剩余筆劃的 過程中。
[0021] 優(yōu)選地，識別裝置包括：糾正裝置，被配置為基于所確定的旋轉(zhuǎn)角度來糾正手寫軌 跡的至少一部分，糾正后識別裝置，被配置為識別糾正后的手寫軌跡的該至少一部分。
[0022] 優(yōu)選地，在手寫識別器是在線識別器的情況下，要被糾正并識別的該至少一部分 是通過第二獲取裝置獲取的剩余筆劃。
[0023] 優(yōu)選地，在手寫識別器是離線識別器的情況下，要被糾正并識別的部分是整個手 寫軌跡。
[0024] 優(yōu)選地，識別裝置包括：模型選擇裝置，被配置為選擇與所確定的手寫軌跡的旋轉(zhuǎn) 角度相對應(yīng)的旋轉(zhuǎn)識別模型，選擇后識別裝置，被配置為用所選的旋轉(zhuǎn)識別模型來識別手 寫軌跡的至少一部分。
[0025] 優(yōu)選地，在手寫識別器是離線識別器的情況下，要識別的部分是整個手寫軌跡。
[0026] 優(yōu)選地，在手寫識別器是在線識別器的情況下，要識別的部分是通過第二獲取裝 置獲取的剩余筆劃或者整個手寫軌跡的筆劃。
[0027] 本申請的再一方面涉及一種手寫輸入設(shè)備，包括：輸入裝置，被配置為接收手寫軌 跡的輸入；以及如前面所述的手寫軌跡識別設(shè)備。
[0028] 因此，根據(jù)本申請的各方面，能夠不需要多次對整個手寫軌跡進(jìn)行離線識別，就可 以低成本地在線地檢測旋轉(zhuǎn)角度以便對手寫軌跡進(jìn)行更準(zhǔn)確和穩(wěn)健的識別，從而改進(jìn)了當(dāng) 前識別器的準(zhǔn)確度和穩(wěn)健性，降低了成本，提高了效率。
[0029] 此外，旋轉(zhuǎn)角度是在輸入所有書寫筆劃之前被檢測到的。因此，對于基于部分筆劃 的預(yù)測的手寫識別優(yōu)點沒有影響。結(jié)果，自然可以與支持基于部分筆劃的預(yù)測的識別方法 相結(jié)合。
【附圖說明】
[0030] 下面結(jié)合具體的實施例，并參照附圖，對本申請的上述和其它目的和優(yōu)點做進(jìn)一 步的描述。在附圖中，相同的或?qū)?yīng)的技術(shù)特征或部件將采用相同或?qū)?yīng)的附圖標(biāo)記來表 /Jn 〇
[0031] 圖1示出現(xiàn)有技術(shù)中的手寫軌跡識別方法的流程圖；
[0032] 圖2示出根據(jù)本申請的手寫軌跡識別方法的應(yīng)用環(huán)境的示意圖；
[0033] 圖3描述根據(jù)本申請的一個實施例的手寫軌跡識別方法的流程圖；
[0034] 圖4示出根據(jù)本申請的旋轉(zhuǎn)角度確定過程的流程圖；
[0035] 圖5A和5B分別示出根據(jù)本申請一個實施例的旋轉(zhuǎn)角度確定模型的拓?fù)鋱D和旋轉(zhuǎn) 角度確定過程的流程圖；圖5C和f5D分別示出根據(jù)本申請另一個實施例的旋轉(zhuǎn)角度確定模 型的拓?fù)鋱D和旋轉(zhuǎn)角度確定過程的流程圖；
[0036] 圖6A示出識別步驟的一個實施例的流程圖；圖6B示出在手寫識別器是在線識別 器的情況下所用的識別模型的拓?fù)鋱D；圖6C示出在手寫識別器是在線識別器的情況下識 別步驟的示意圖；圖6D示出在手寫識別器是離線識別器的情況下識別步驟的示意圖；
[0037] 圖7示出示出識別步驟的另一個實施例的流程圖；
[0038] 圖8示出根據(jù)本申請的一個實施例的手寫軌跡識別設(shè)備的示例性配置的框圖；
[0039] 圖9示出根據(jù)本申請的一個實施例的手寫輸入設(shè)備的示例性配置的框圖；以