CN101276249A - 一种手写字符预测识别的方法和装置 - Google Patents

Abstract

本发明提供了一种利用预测的方式进行手写字符识别的方法和装置。所述方法包括以下步骤：用户手写输入字符的一定数量的笔迹点；手写字符识别器对所述字符已写入的笔迹点进行识别，得到相应的一组识别结果；利用得到的识别结果信息以及包括在信息预测字符库中的多个预测字符集进行预测识别，得到一组候选字符，并显示所述候选字符，其中，所述信息预测字符库包含用户所用语言中的部分或全部字符，并且所述多个预测字符集中的每一个预测字符集包含与上下文关系信息、字符结构信息和字符部分笔迹点的识别结果信息之一对应关联的多个预测字符。通过所述方法和装置，无需等到预定的等待时间之后才开始识别字符，从而加快了手写输入的速度。

Description

一种手写字符预测识别的方法和装置

技术领域

本发明主要涉及手写字符识别，具体来说，涉及一种利用预测的方式来进行手写字符识别的方法和装置。

背景技术

近年来，利用数字化设备进行手写字符的输入已经十分普及，这些数字化设备包括具有触摸屏或手写板/手写笔等输入装置的计算机、Tablet-PC、PDA、手机等。与之相应的手写识别技术是手写输入方法的核心技术之一。手写输入方法给人们输入字符带来了极大的方便，尤其是对于那些无法配备大键盘的设备，如手机、Tablet-PC、PDA，更是如此。另一方面，手写输入方法也给那些不太会或不方便使用键盘进行文字输入的人们，如老人、不会使用传统输入法的人，提供了一种快捷而有效的文字输入方式。

手写输入字符的过程一般是：用户在数字化设备上手写需要输入的字符，然后手写字符识别器对用户所写的字符笔迹点进行识别，最后将识别结果，即多个候选字符显示在屏幕上供用户选择。

目前，移动终端(如手机)的手写输入方法主要有两种风格的输入：一是单字输入，即只有一个手写区域，每次写入一个字符；二是多字输入，即有多个手写区域或以全屏的方式输入，每次可连续输入多个字符。采用单字输入的方式一般基于以下两个原因：一是手机的显示屏较小，显示和输入(触摸屏输入)面积较小；二是从键盘以手指方式输入，难于定位多个输入区域。

采用单字输入方式时，系统必须通过设定一个抬笔等待时间来确定用户是否已完成一个字符的输入，等待时间通常为0.5秒左右。即，从用户写完一个笔划开始计时，如果等待时间到而用户没有再写另一个笔划，则认为用户已完成当前字符的输入，系统开始识别。显然，这个等待时间大大影响了手写输入的速度。

另外，不管是采用单字输入方式还是多字输入方式，系统一般都是在用户写完所有笔划时，才开始进行识别，这也在一定程度影响了用户的输入速度，尤其是在一个字符笔划较多的情况下。

为了解决以上问题，有人提出了一种每写入一个笔划就进行一次识别的方法，这种方法从一定程度上解决了等待时间的问题。

然而，每写入一个笔划就进行一次识别的方法也存在以下的缺点：要求系统有足够快的识别速度，即，在用户写入下一个笔划前必须完成前面已写入笔划的识别；往往还需要用户把一个字符的所有笔划都输入完成后，方能得到正确的识别结果。

发明内容

在下面的描述中将部分地阐明本发明另外的方面和/或优点，通过描述，其会变得更加清楚，或者通过实施本发明可以了解。

根据本发明的一方面，提供了一种利用预测的方式进行手写字符识别的方法，所述方法包括以下步骤：a)用户手写输入字符的一定数量的笔迹点；b)手写字符识别器对所述字符已写入的笔迹点进行识别，得到相应的一组识别结果；c)利用得到的识别结果信息以及包括在信息预测字符库中的多个预测字符集进行预测识别，得到一组候选字符，并显示所述候选字符，其中，所述信息预测字符库包含用户所用语言中的部分或全部字符，并且所述多个预测字符集中的每一个预测字符集包含与上下文关系信息、字符结构信息和字符部分笔迹点的识别结果信息之一对应关联的多个预测字符。

根据本发明的另一方面，提供了种利用预测的方式进行手写字符识别的装置，所述装置包括：手写输入模块，接收用户输入的手写字符，并产生手写字符的笔迹点；手写字符识别器，对从手写输入模块产生的手写字符的笔迹点进行识别，得到相应的一组识别结果，并输出每个识别结果的相似值，所述相似值表示识别结果与手写字符的笔迹点的相似程度；信息预测字符库，包含用户所用语言中部分或全部字符，并且包括多个预测字符集，所述多个预测字符集中的每个预测字符集包含与上下文关系信息、字符结构信息和字符部分笔迹点的识别结果信息之一对应关联的多个预测字符；预测识别模块，利用识别结果信息以及所述多个预测字符集进行预测识别，得到一组候选字符；显示模块，显示预测识别模块识别得到的候选字符。

附图说明

通过下面结合附图对实施例进行的描述，本发明的这些和/或其他方面和优点将会变得清楚和更易于理解，其中：

图1是根据本发明实施例的利用预测的方式进行手写字符识别的装置的框图；

图2是根据本发明实施例的预测字符库的示意图；

图3是根据本发明实施例的利用预测的方式进行手写字符识别的方法的流程图；

图4是可应用根据本发明的手写字符识别的方法和装置的物理平台的示例。

具体实施方式

现在对本发明实施例进行详细的描述，其示例表示在附图中，其中，相同的标号始终表示相同部件。下面通过参照附图对实施例进行描述以解释本发明。

图1是根据本发明实施例的利用预测的方式进行手写字符识别的装置的框图。参考图1，根据本发明实施例的利用预测的方式进行手写字符识别的装置包括手写输入模块100、手写字符识别器110、预测字符库120、预测识别模块130和显示模块140。

手写输入模块100指的是用于收集用户手写字符笔迹等相关信息的装置，例如电子写字板/手写笔、触摸屏等。当用户用手写笔或手指在这些装置上手写输入字符时，手写输入模块100就能得到所输入的字符的笔迹点坐标、压力和时间参数等信息，其中，所述字符的笔迹点可以是通过一定时间间隔采样获得的笔迹点，一个或多个笔划所包含的笔迹点，或者事先设定点数的笔迹点。这些信息被发送到手写字符识别器110来进行处理和识别。

手写字符识别器110是用来识别手写字符的装置，它从手写输入模块100接收用户输入的字符的笔迹点坐标等信息，输出多个识别结果候选字符。这些输出的候选字符一般已按其与该手写字符相似程度进行了排序，越相似的排在越前面。手写字符识别器110除了可以输出识别结果候选字符外，还同时输出每个候选字符的距离值。距离值就是表示识别结果候选字符与该手写字符相似程度的数值——相似值。相似值越小，表示候选字符与该手写字符越相似。例如，当用户在手写输入模块100上手写输入字符“字”时，手写字符识别器110输出的10个可能的识别结果候选字符为：“字 宇 享 子 家 守孚 学 孛 宗”，同时输出10个对应的相似值：6324、9915、10527、10597、11008、11111、11263、11392、11421、11460。

预测字符库120是指通过利用输入的字符的一些特定信息，来预测与该字符相关联的字符集的字符库。字符集包含与输入的字符的一些特定信息相关联的多个字符。参考图2，预测字符库120至少可分为：联想预测字符库121、笔划预测字符库122、部首预测字符库123和局部预测字符库124。

联想预测字符库121是指能够根据用户已经输入的一个字符，输出与该符相关联的预测字符集的字符库。联想预测字符库121包含用户所用语言中部分或全部字符，且每一个字符都关联了一组与该字符具有上下文关系的字符，所述的一组字符构成联想预测字符集。这里使用的上下文关系包括词语关系、成语关系、单词/拼音文字的构成关系、以及用户曾经输入过的字符的前后相邻关系等。联想预测字符库121可以利用用户曾经输入过的字符的前后相邻关系来不断更新修正。作为示例，表1给出了一个中文联想预测字符库。

表1

由表1可以看出，每个字符都关联了一个由几十个(表1中为30个)字符组成的联想预测字符集。表1中序号5的字符“丈”，与联想预测字符集中的前3个字符分别组成词语关系，即“丈夫”、“丈人”、“丈量”，而与其余的27个字符并不组成词语。这27个字符是汉字中使用频率极高的字，用来将联想预测字符集中字符的数量补足。这是因为再没有其它能跟在“丈”后面组成词语的字符。表1中序号9的字符“丌”，因为没有能跟在它后面组成词语的字符，所以所有关联的字符都是使用频率高的汉字。另外，对于在手机上的应用，联想预测字符库121可以直接从T9输入法的语言库中取得。

笔划预测字符库122是指能够根据用户已经输入的一个或多个笔划及其先后次序，输出与其相关联的预测字符集的字符库。也就是说，给定一个或多个笔划，预测字符库可以给出开始笔划与这一个或多个笔划相同的所有字符。中文系统种使用的笔划可分为横、竖、撇、捺、折等5种。作为示例，表2给出了一个中文笔划预测字符库。由表2可以看出，每一组有次序的笔划都关联了一个由多个字符组成的预测字符集。

表2

部首预测字符库123是指能够根据用户已经输入的字符部首(即，字根，是字符的一部分)，输出以此部首为开始的预测字符集的字符库。例如，用户输入部首“艹”，则对应的预测字符集为“艺艾节共芍芒芝芸芽......”。作为示例，表3给出了一个中文部首预测字符库。由表3可以看出，每一个部首都关联了一个由多个字符组成的预测字符集。

表3

局部预测字符库124是指能够根据用户已经输入的字符的一部分(可能是一些笔划，也可能是部首和笔划的组合)，输出与这些已输入部分相似的预测字符集的字符库。例如，用户手写输入国，则对应的预测字符集为“国团同因日困囝目闰圆”。

一般地，联想预测字符库121、笔划预测字符库122和部首预测字符库123是预先建立的，而局部预测字符库124则是由字符识别器110根据对手写输入字符的识别而实时给出的。

另外，本发明适用于多种语言字符的识别，如中文、数字、英文、日文、韩文等。对应的预测字符库也会有多种，如中文预测字符库、英文预测字符库、日文预测字符库、韩文预测字符库等。预测字符库120包含用户所用语言中的部分或全部字符。

预测识别模块130接收从手写字符识别器110输出的多个识别结果候选字符以及从预测字符库120输出的预测字符集，对当前输入的笔迹点进行预测识别。具体而言，就是利用用户已输入的前一个字符，以及当前输入的部分笔迹点，根据与当前输入笔迹点的识别结果，即笔划、部首或局部识别结果对应的预测字符集，预测当前用户所输入的笔迹点可能是什么字符，并以候选结果的方式输出。然后，预测识别模块130输出预测识别得到的识别结果候选字符。

显示模块140用来显示预测识别模块130输出的识别结果候选字符，以提供给用户进行选择。

下面将参照图3来描述根据本发明实施例的利用预测的方式进行手写字符识别的方法。

图3是根据本发明实施例的利用预测的方式进行手写字符识别的方法的流程图。参考图3，在步骤301，用户在手写输入模块100上手写输入字符的笔迹点。在步骤302，从上一次的识别开始计算，如果用户输入的笔迹点达到一定的数量，则进行步骤303，否则返回步骤301。例如，可以设定用户每写一个笔划，系统就识别一次。在步骤303，手写字符识别器110对用户已输入的部分或全部笔迹点进行识别，并输出多个识别结果候选字符以及每个候选字符对应的相似值。在步骤304，从步骤303的识别结果中获取当前输入的笔划、部首，同时获取当前字符的局部识别结果(即所有已输入笔迹点所对应的识别结果)以及上一个已输入的字符。在步骤305，从已建立的预测字符库中取出与识别得到的笔划、部首以及上一个已输入字符对应的预测字符集。在步骤306，预测识别模块130进行预测识别，得到当前已输入的笔迹点的优选识别结果候选字符。预测识别的方法将在下面进一步详细说明。在步骤307，显示模块140将当前识别结果候选字符显示给用户，以便用户进行选择。在步骤308，如果用户从当前的候选字符中找到并选择所需的字符，则完成该字符的输入，进行步骤311；否则进行步骤309。在步骤309，如果系统设定的抬笔等待时间到达，则表明用户已写完当前字符的所有笔迹，进行步骤310；否则，表明用户还没有写完当前字符，则返回步骤301以允许用户继续手写输入字符。其中，在步骤310，系统可获得当前字符的所有完整笔迹，进行一般的手写识别过程。在步骤311，如果用户还需要手写输入下一个字符，则返回步骤301；否则，输入过程结束。

下面具体介绍根据本发明的对笔划和部首的识别方法以及预测识别方法。

在步骤303中，对横、竖、撇、捺、折5个笔划的识别方法如下所述：将用户每一次落笔和抬笔之间的笔迹点输入到字符识别器110进行识别，如果首选识别结果为这5个笔划之一并且首选识别结果对应的相似值小于某一阈值T1(相似值越小，表示识别结果的可信度越高)，则认为当前输入的笔迹点为首选识别结果对应的笔划。对部首的识别方法如下所述：将用户已输入的所有笔迹点输入到字符识别器110进行识别，如果首选识别结果为部首之一并且首选识别结果对应的相似值小于某一阈值T1(相似值越小，表示候选字符的可信度越高)，则认为当前输入的笔迹点为首选识别结果对应的部首。

步骤306中采用的一种优选的预测识别方法描述如下。即，在步骤305中取出的笔划预测字符集为A，部首预测字符集为B，联想预测字符集为C，步骤304中的局部识别候选结果对应的字符集为D。如果没有识别出来笔划，则A为空，没有识别出来部首，则B为空，上一个字符不存在，则C为空，对当前所有已写入的笔迹点识别后，没有识别候选结果，则D为空。同时定义有序候选集E、F、G。这样，预测识别的方法可以描述为：

1.如果A和B都为空，则E为空；

2.如果A非空，B为空，则E＝A；

3.如果A空，B非空，则E＝B；

4.如果A和B都非空，且有交集，则E＝B，且E中的排序以交集为优先；

5.如果A和B都非空，且无交集，则E＝B

6.如果E和C都为空，则F为空；

7.如果E非空，C为空，则F＝E；

8.如果E空，C非空，则F＝C；

9.如果E和C都非空，且有交集，则F＝E，且F中的排序以交集为优先；

10.如果E和C都非空，且无交集，则F＝E；

11.如果F和D都为空，则G为空；

12.如果F非空，D为空，则G＝F；

13.如果F空，D非空，则G＝D；

14.如果F和D都非空，且有交集，则G＝F，且G中的排序以交集为优先；

15.如果F和D都非空，且无交集，则G＝F；

16.输出预测识别结果G。

下面以用户输入“识别”中的“别”字为例来详细描述识别过程。假设此前，“识”字已输入完毕。详细的识别步骤如下。

第1步：用户在手写输入模块100上手写输入第一笔

第2步：当前为一个笔划(一个落笔和抬笔)，进行步骤303。第3步：手写字符识别器110对

进行识别，得到首选识别结果为竖“丨”且相似值＝3200。第4步：相似值3200小于设定的阈值T1＝5000，即识别结果为笔划竖“丨”局部识别结果为“丨’11i卜！v w r”，而局部识别结果无对应部首。第5步：从已建立的预测字符库中取出“丨”对应的预测字符集“是中上国时里小日只见当回同此些明点因最听四口内别水……”，上一个已输入字符“识”对应的联想预测字符集为“别字得见破到分形界之……”，此时局部识别结果为“丨’11i卜！v w r”。第6步：进行预测识别，当前已输入笔迹点的优选识别结果候选字符为“别是中上国时里小日只见当回同此些明点因最听四口内水……。第7步：通过显示模块140将以上识别结果候选字符显示给用户以便用户进行选择。第8步：用户未从候选字符中选择，而是继续写第2笔：(注：用户已可在这一步得到正确的识别结果)。第9步：手写字符识别器110对第2笔

进行识别，得到首选识别结果为折“乛”，且相似值＝3556，并且手写字符识别器110对已输入的笔迹点

进行识别，得到局部识别结果为“口日几R2曰Z江区P”，且首选识别结果“口”的相似值＝2011。第10步：首选识别结果折“乛”相似值3556小于设定的阈值T1＝5000，因此第2笔的识别结果为笔划折“乛”，同时首选识别结果“口”的相似值2011小于设定阈值T2＝5000，因此已输入部分为部首“口”。第11步：从已建立的预测字符库中取出前2笔为“丨乛”对应的预测字符集“口日是中国时目里田月曰且旦眶盱睛盯旰旱旺晴睹睦瞌眶瞄昧瞟具睐……”，部首“口”对应的预测字符集“口中号叮卟只叭史兄叽叱叹叼别叫……”，以及上一个已输入字符“识”对应的联想预测字符集“别字得见破到分形界之……”，此时局部识别结果为“口日几R2曰Z江区P”；第12步：进行预测识别，当前已输入笔迹点的优选识别结果候选字符为“别见界口中号叮卟只叭史兄叽叱叹叼叫……。第13步：通过显示模块140将以上识别结果候选字符显示给用户以便用户进行选择。第14步：用户未从候选字符中选择，而是继续写第3笔

(注：用户已可在这一步得到正确的识别结果)。第15步：手写字符识别器110对第3笔

进行识别，识别结果无笔划，并且手写字符识别器110对已输入的笔迹点

进行识别，得到局部识别结果为“别勋剐简前剁钧勖引列”，而局部识别结果无对应部首。第16步：从已建立的预测字符库中取出前两笔为“丨乛”对应的预测字符集“口日是中国时目里田月曰且旦眶于睛盯旰旱旺晴睹睦瞌眶瞄昧瞟具睐……”，部首“口”对应的预测字符集“口中号叮卟只叭史兄叽叱叹叼别叫……”，以及上一个已输入字符“识”对应的联想预测字符集“别字得见破到分形界之……”，此时局部识别结果为“别勋剐简前剁钧勖引列”。第17步：进行预测识别，当前已输入笔迹点的优选识别结果候选字符为“别勋剐口中号叮卟只叭史兄叽叱叹叼叫……。第18步：通过显示模块140将以上识别结果候选字符显示给用户以便用户进行选择。第19步：用户未从候选字符中选择，而是继续写最后1笔(注：用户已可在这一步得到正确的识别结果)。第20步：由于写上一笔时，识别结果中没有笔划和部首，所以在本步中不再识别笔划和部首，手写字符识别器110仅对已输入的笔迹点进行识别，局部识别结果为“别剐判冽荆列剡钊削剁”。第21步：从已建立的预测字符库中取出前两笔为“丨乛”对应的预测字符集“口日是中国时目里田月曰且旦眶盱睛盯旰旱旺晴睹睦瞌眶瞄昧瞟具睐……”，取出部首“口”对应的预测字符集“口中号叮卟只叭史兄叽叱叹叼别叫……”，以及上一个已输入字符“识”对应的联想预测字符集“别字得见破到分形界之……”，此时局部识别结果“别剐判冽荆列剡钊削剁”。第22步：进行预测识别，当前已输入笔迹点的优选识别结果候选字符为“别剐口中号叮卟只叭史兄叽叱叹叼叫……。第23步：通过显示模块140将以上识别结果候选字符显示给用户以便用户进行选择。第24步：用户未从候选字符中选择，而是等候预定的等待时间(即系统设定的一个字写完的等待时间)的到达(注：用户已可在这一步得到正确的识别结果)。第25步：当预定的等待时间过去之后，手写字符识别器110对已输入的笔迹点

进行一般的识别，得到识别结果为“别剐判冽荆列剡钊削剁”。第26步，用户选择第一个候选“别”，完成此字输入。

从以上步骤也可以看到，应用根据本发明的利用预测的方式进行手写字符识别的方法，用户可以在第8步得到所需输入的“别”字。而根据一般的识别方法，则需要到第26步用户方能得到所需输入的“别”字。

根据本发明的利用预测的方式进行手写字符识别的方法和装置具有很好的扩展性和易用性，适合于Tablet-PC、PDA和手写手机等设备使用，尤其适合于手机这种计算能力弱、存储空间有限的终端。根据本发明的利用预测的方式进行手写字符识别的方法和装置可以广泛应用于各种能够进行手写输入的移动终端设备，也可以应用于有外接录入设备的有计算能力的设备，诸如图4中的PC系统400、PDA 401、手机402以及平板计算机403等。

通过使用根据本发明的利用预测的方式进行手写字符识别的方法和装置，当用户进行手写输入时，只要输入一个字符的部分就能立即得到该字符的正确识别结果，从而可以进行选择完成该字符的输入。因此无需等到系统设定的等待时间之后才开始识别字符，从而加快了手写输入的速度。

虽然已经参照本发明的示例性实施例具体显示和描述了本发明，但是本领域普通技术人员应该理解，在不脱离由权利要求限定的本发明的精神和范围的情况下，可以在形式和细节上对这些实施例进行各种变动。

Claims (19)

1. 一种利用预测的方式进行手写字符识别的方法，所述方法包括以下步骤：

a)用户手写输入字符的一定数量的笔迹点；

b)手写字符识别器对所述字符已写入的笔迹点进行识别，得到相应的一组识别结果；

c)利用得到的识别结果信息以及包括在信息预测字符库中的多个预测字符集进行预测识别，得到一组候选字符，并显示所述候选字符，

其中，所述信息预测字符库包含用户所用语言中的部分或全部字符，并且所述多个预测字符集中的每一个预测字符集包含与上下文关系信息、字符结构信息和字符部分笔迹点的识别结果信息之一对应关联的多个预测字符。

2. 如权利要求1所述的手写字符识别的方法，还包括以下步骤：

d)如果所述字符的输入尚未完毕，则允许用户继续手写输入所述字符的一定数量的笔迹点；

e)如果所述字符的输入已经完毕，则在预定的等待时间之后，手写字符识别器对所有属于所述字符的笔迹点进行识别，得到一组候选字符并显示所述候选字符。

3. 如权利要求1所述的手写字符识别的方法，其中，所述字符结构信息包括字符笔划及其次序信息和字符部首信息。

4. 如权利要求1所述的手写字符识别的方法，其中，所述多个预测字符集分为基于字符结构信息的预测字符集、基于对字符部分笔迹点的识别结果信息得到的预测字符集和基于字符的上下文关系信息的预测字符集。

5. 如权利要求4所述的手写字符识别的方法，其中，所述基于字符结构信息的预测字符集分为基于输入的字符笔划及其次序的笔划预测字符集以及基于字符部首的部首预测字符集。

6. 如权利要求5所述的手写字符识别的方法，其中，所述笔划在中文系统中分为横、竖、撇、捺、折等5种。

7. 如权利要求4所述的手写字符识别的方法，其中，所述上下文关系包括词语关系、成语关系、单词/拼音文字的构成关系、以及用户曾经输入过的字符的前后相邻关系。

8. 如权利要求1所述的手写字符识别的方法，其中，所述字符的笔迹点是根据以下方式得到的笔迹点中的一种，即：通过一定时间间隔采样获得的笔迹点；一个或多个笔划所包含的笔迹点；事先设定点数的笔迹点。

9. 如权利要求1所述的手写字符识别的方法，其中，在所述预测识别的步骤中，将多个预测字符集中都存在的字符作为所述一组候选字符中的首选字符进行显示。

10. 一种利用预测的方式进行手写字符识别的装置，所述装置包括：

手写输入模块，接收用户输入的手写字符，并用生手写字符的笔迹点；

手写字符识别器，对从手写输入模块产生的手写字符的笔迹点进行识别，得到相应的一组识别结果，并输出每个识别结果的相似值，所述相似值表示识别结果与手写字符的笔迹点的相似程度；

信息预测字符库，包含用户所用语言中部分或全部字符，并且包括多个预测字符集，所述多个预测字符集中的每个预测字符集包含与上下文关系信息、字符结构信息和字符部分笔迹点的识别结果信息之一对应关联的多个预测字符；

预测识别模块，利用识别结果信息以及所述多个预测字符集进行预测识别，得到一组候选字符；

显示模块，显示预测识别模块识别得到的候选字符。

11. 如权利要求10所述的手写字符识别的装置，其中，所述字符结构信息包括字符笔划及其次序信息和字符部首信息。

12. 如权利要求10所述的手写字符识别的装置，其中，如果用户输入的手写字符尚未书写完毕，则手写输入模块继续接收所述手写字符，并产生相应的笔迹点。

13. 如权利要求10所述的手写字符识别的装置，其中，如果用户完成所述手写字符的输入，则在预定的等待时间之后，手写字符识别器对所有属于所述手写字符的笔迹点进行识别，得到一组候选字符。

14. 如权利要求10所述的手写字符识别的装置，其中，所述多个预测字符集分为基于字符结构信息的预测字符集、基于对字符部分笔迹点的识别结果信息得到的预测字符集和基于字符的上下文关系信息的预测字符集。

15. 如权利要求14所述的手写字符识别的装置，其中，所述基于字符结构信息的预测字符集分为基于输入的字符笔划及其次序的笔划预测字符集以及基于字符部首的部首预测字符集。

16. 如权利要求15所述的手写字符识别的装置，其中，所述笔划在中文系统中分为横、竖、撇、捺、折等5种。

17. 如权利要求14所述的手写字符识别的装置，其中，所述上下文关系包括词语关系、成语关系、单词/拼音文字的构成关系、以及用户曾经输入过的字符的前后相邻关系。

18. 如权利要求10所述的手写字符识别的装置，其中，所述手写字符的笔迹点是根据以下方式产生的笔迹点中的一种，即：通过一定时间间隔采样获得的笔迹点；一个或多个笔划所包含的笔迹点；事先设定点数的笔迹点。

19. 如权利要求10所述的手写字符识别的装置，其中，预测识别模块将多个预测字符集中都存在的字符确定为所述一组候选字符中的首选字符。

Images