CN101620504B - 一种办公套件中矢量化轨迹识别的方法及装置 - Google Patents

一种办公套件中矢量化轨迹识别的方法及装置 Download PDF

Info

Publication number
CN101620504B
CN101620504B CN200910090458XA CN200910090458A CN101620504B CN 101620504 B CN101620504 B CN 101620504B CN 200910090458X A CN200910090458X A CN 200910090458XA CN 200910090458 A CN200910090458 A CN 200910090458A CN 101620504 B CN101620504 B CN 101620504B
Authority
CN
China
Prior art keywords
track
vector
mode
dimension
matrix
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Expired - Fee Related
Application number
CN200910090458XA
Other languages
English (en)
Other versions
CN101620504A (zh
Inventor
胡斌
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Ce Dongli Technology Co Ltd
Original Assignee
BEIJING REDFLAG CH2000 SOFTWARE Co Ltd
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by BEIJING REDFLAG CH2000 SOFTWARE Co Ltd filed Critical BEIJING REDFLAG CH2000 SOFTWARE Co Ltd
Priority to CN200910090458XA priority Critical patent/CN101620504B/zh
Publication of CN101620504A publication Critical patent/CN101620504A/zh
Application granted granted Critical
Publication of CN101620504B publication Critical patent/CN101620504B/zh
Expired - Fee Related legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Landscapes

  • Character Discrimination (AREA)

Abstract

本发明公开了一种办公套件中矢量化的轨迹识别方法,设置支持的模式的个数及模式矢量的维数,计算运算参数并写入办公套件程序的识别码中;该方法还包括:采用矢量化方式记录输入轨迹,得到轨迹矢量;判断输入轨迹是否能识别,如果能识别,对轨迹矢量进行平滑、归一化处理;如果不能识别,结束轨迹识别;根据经过处理后的轨迹矢量及所设置的运算参数,计算输入轨迹与所设模式的匹配结果;根据匹配结果判断输入轨迹是否与所设模式相匹配,确定执行该模式对应的操作或结束轨迹识别。本发明还公开了一种办公套件中矢量化的轨迹识别的装置,采用本发明的方法及装置,能够快速识别用户输入轨迹,执行与该轨迹相匹配的模式所对应的操作,提高用户的体验。

Description

一种办公套件中矢量化轨迹识别的方法及装置
技术领域
本发明涉及轨迹识别技术,尤其涉及一种办公套件中矢量化轨迹识别的方法及装置。
背景技术
随着计算机技术和信息技术的飞速发展,计算机已经成为人们日常生活、办公和学习必不可少的工具,微软的Office、金山的WPS、红旗的REDOffice等办公套件是目前使用广泛的软件。作为基础的应用软件之一,办公套件可以应用在各类平台上,近年来,尤其在嵌入式设备上,如移动终端等平台上出现了功能越来越完善的嵌入式办公套件。
但是,在嵌入式设备如移动终端、平板电脑等设备上,没有方便快捷的输入装置,使得用户与系统交互时不方便且效率低,如果系统能够根据用户在屏幕输入的轨迹来执行相应的操作,会提高交互的效率,改善用户的体验。
目前,在轨迹识别领域研究人员也提出了一些轨迹识别,如小波轨迹识别方法、模板匹配轨迹识别方法,但这两种方法在具体实现上各自存在一定的局限性。具体来说,许开宇等人在名称为“基于小波变换的图像识别研究”的文章中提出一种小波轨迹识别的方案,其基本处理过程是:确定待处理图像,对待处理图像进行小波变换,将待处理图像分解为不同频率特性和方向特性的四个子图,在进行小波变换时还需对边界进行处理如采用镜像处理;小波变换后进行小波变换系数中的极值点搜索,获得各行和各列的极值点,之后再获得二值图像,如此,即可将相应图像变换为二值图像。可以看出,利用小波变换的识别方法复杂、计算量大,而嵌入式设备的处理能力较低,使用小波轨迹识别方法时,会使系统响应缓慢,降低用户体验,因此该方法实际应用意义不强。
罗中兵等人在名称为“一种改进的模板匹配算法”的文章中提出一种模板匹配方法,具体处理过程是:建立模板库,存储一些相互之间有一定差异,同时又具有一定代表性的合格图像;在实时的检测过程中,根据外界条件的变化,实时调整模板库中的模板图像,并根据模板库中的图像数据建立一公差范围,使判断图像是否合格或说是否匹配转化为判断带检测的图像数据是否落入公差范围内。此模板匹配轨迹识别方法虽然算法简单、计算量不大,但该方法轨迹识别的准确度不高。
发明内容
有鉴于此,本发明的主要目的在于提供一种办公套件中矢量化轨迹识别的方法及装置,能提高轨迹识别效率,并得到较高的轨迹识别准确度。
为达到上述目的,本发明的技术方案是这样实现的:
本发明提供了一种办公套件中矢量化的轨迹识别方法,设置支持的模式的个数及模式矢量的维数,计算运算参数并写入办公套件程序的识别码中;该方法还包括:
A、采用矢量化方式记录输入轨迹,得到轨迹矢量;
B、判断轨迹矢量的维数是否大于模式矢量的维数与2的和,如果大于,轨迹能识别,则对轨迹矢量进行平滑及归一化处理,执行步骤C;如果不大于,轨迹不能识别,则结束轨迹识别;
C、根据经过平滑及归一化处理后的轨迹矢量及所设置的运算参数,计算矢量T,T=W0I+B0;对获得的矢量T中的每个值进行计算,得到ti, 对运算后的矢量T进行计算,得到矢量R,R=W1T+B1;对所得到的矢量R中的每个值进行计算,得到ri, 在矢量R中查找值最大的一个分量,将其下标记为i,值记为m,则i对应于与输入轨迹最匹配的模式,m为匹配度,W0、W1为初始化矩阵,B0、B1为矢量;
D、根据匹配结果判断输入轨迹是否与所设模式相匹配,如果存在相匹配的模式,则执行该模式对应的操作;如果不存在,则结束轨迹识别。
所述设置支持的模式个数及模式矢量的维数之后,该方法进一步包括,为所设置的模式生成归一化的矢量描述pi,并生成与所设模式对应的匹配结果矢量。
上述方案中,所述计算运算参数具体为:
a、使用随机函数初始化矩阵W0、W1及矢量B0、B1;其中,矩阵W0的行数与所设置模式的维数c相等;矢量B0的维数与W0的列数相等;矩阵W1的行数与所设置模式的个数n相等,列数与矩阵W0及矢量B0的维数相等;矢量B1的维数与W1的行数及所设置模式的个数n相等;
b、对W0、W1、B0、B1进行迭代运算,获得合适的W0、W1、B0、B1
其中,利用下面四个公式对W0、W1、B0、B1进行迭代运算,且根据(T-A)T(T-A)计算均方误差E,E足够小时达到合适的W0、W1、B0、B1
Am+1=f(Wm+1Am+Bm+1),m=0,1,A0=T;
Sm=F`m(nm)(Wm+1)TSm+1,m=1,0;
Wm(k+1)=Wm(k)-αSm(Am-1)T
Bm(k+1)=Bm(k)-αSm
Figure DEST_PATH_GSB00000512052000012
W为权值矩阵,B为偏置矩阵,α为逼近速度,其他记号为中间计算变量,无具体含义。
其中,步骤b之后,所述将计算的运算参数写入办公套件程序的识别码为:将所计算的运算参数采用硬编码的方式写入到程序的源代码中。
上述方案中,所述对轨迹矢量进行平滑处理具体为;
B11、遍历轨迹矢量,计算轨迹上相邻两点间的距离,找出距离最近的两点;
B12、求取距离最近两点连线中点的坐标,在轨迹矢量中相应的位置处插 入该坐标,删除原距离最近两点的坐标;
B13、重复上述操作,直至轨迹矢量的维数与模式矢量的维数与2的和相等;
其中,所述对轨迹矢量进行归一化处理具体为:遍历矢量I,设q1与q2是某次迭代时相邻的两个点,记x=x2-x1,y=y2-y1,则 
Figure DEST_PATH_GSB00000512052000021
则归一化后的点为(x/r,y/r),重复所述归一化处理过程直至遍历结束;所述x1、y1和x2、y2分别为轨迹上距离最近的两个点的坐标。
其中,所述计算匹配结果之后,该方法进一步包括:根据匹配结果判断输入轨迹是否与所设模式相匹配;所述判断具体为:判断匹配度m是否大于所设定的值,如果大于所设定的值,则输入轨迹与该匹配度m对应的模式匹配,则执行该模式对应的操作;如果不大于所设定的值,则退出轨迹识别。
本发明还提供了一种办公套件中矢量化的轨迹识别装置,包括:模式设定模块、运算参数计算模块、轨迹处理模块、匹配运算模块、主控模块;其中,
模式设定模块,用于根据模式的数量及复杂程度,在办公套件程序中设置模式的个数n及模式矢量的维数c;
运算参数计算模块,用于根据所设模式的维数及模式个数,确定矩阵W0、W1行数和列数以及矢量B0、B1的维数,并使用随机函数初始化W0、W1、B0、B1,并对初始化获得的W0、W1、B0、B1进行迭代运算,获得合适的W0、W1、B0、B1,还用于将W0、W1、B0、B1发送给匹配运算模块;
其中,矩阵W0的行数与所设置模式的维数c相等;矢量B0的维数与W0的列数相等;矩阵W1的行数与所设置模式的个数n相等,列数与矩阵W0及矢量B0的维数相等;矢量B1的维数与W1的行数及所设置模式的个数n相等;
并且,利用下面四个公式对W0、W1、B0、B1进行迭代运算,且根据(T-A)T(T-A)计算均方误差E,E足够小时达到合适的W0、W1、B0、B1
Am+1=f(Wm+1Am+Bm+1),m=0,1,A0=T;
Sm=F`m(nm)(Wm+1)TSm+1,m=1,0;
Wm(k+1)=Wm(k)-αSm(Am-1)T
Bm(k+1)=Bm(k)-αSm
Figure DEST_PATH_GSB00000512052000031
Figure DEST_PATH_GSB00000512052000032
W为权值矩阵,B为偏置矩阵,α为逼近速度,其他记号为中间计算变量,无具体含义;
轨迹处理模块,用于采用矢量化的方式记录输入轨迹,并判断输入轨迹是否能够识别,能识别时,对轨迹进行平滑处理及归一化处理,并将获得的经平滑处理及归一化处理后的轨迹矢量发送给匹配运算模块;不能识别时,通知主控模块;
匹配运算模块,用于根据经处理后的轨迹矢量及运算参数,计算输入轨迹与所设模式的匹配结果,并将匹配结果发送给主控模块;
主控模块,用于在接收到轨迹处理模块发送的轨迹不能识别结果时,退出轨迹识别;还用于根据匹配结果判断是否有相匹配的模式,有相匹配的模式时,执行该模式对应的操作;没有相匹配的模式时,退出轨迹识别。
其中,所述模式设定模块进一步用于将所设模式生成归一化的矢量描述pi及n个匹配结果矢量。
本发明所提供的办公套件中矢量化轨迹识别的方法及装置,在办公套件程序编译前先将运算参数计算好,如此,可使办公套件程序在识别轨迹时减少运算量,从而大幅提高轨迹的识别效率。
本发明采用矢量方式描述输入轨迹,对轨迹矢量进行平滑及归一化处理,并根据处理后的轨迹矢量和预先计算的运算参数获取轨迹的匹配结果,对轨迹进行识别,得到较高的轨迹识别准确度。采用本发明的方法及装置可有效提升用户在使用办公套件时的体验,增加办公套件的软件价值,尤其在装有触摸式输入设备的平台上这一效果更为明显。
附图说明
图1为本发明办公套件中矢量化轨迹识别方法的实现流程示意图;
图2为用户输入的轨迹示意图;
图3为本发明办公套件中矢量化轨迹识别装置的结构示意图。
具体实施方式
下面结合附图及具体实施例对发明进行详细的说明。
本发明办公套件中矢量化轨迹识别方法的实现流程如图1所示,包括以下步骤:
步骤101:设置模式的个数及模式矢量的维数;
本步骤中,根据模式的数量及复杂程度可在办公套件程序中设置支持的模式个数n及模式矢量的维数c;并为所设模式生成归一化的矢量描述pi,pi为c维矢量;生成n个匹配结果矢量,记为Ti,其中第i个矢量下标为i的元素值为1,其余均为0。其中,生成归一化矢量描述仅关心矢量的方向,不关心矢量的长度,因此,在记录矢量时只需确保矢量的模小于等于1即可。
这里,所述模式是轨迹的矢量化描述,一个可识别的轨迹对应一个模式,每个模式对应于一种操作,如打开文档、关闭文档、弹出功能菜单、退出等操作等等,在办公套件程序识别出轨迹对应的模式后,该办公套件程序会执行所识别轨迹对应的操作。
一般,所述模式矢量的维数是依据要识别轨迹的复杂程度设定的,轨迹越复杂模式矢量的维数越大,可根据经验设定一个经验值,然后再根据具体情况做出调整。这里,所述调整是指:如果根据设定的经验值得到的最后匹配结果未能达到期望的匹配精度,则考虑增加维度;如果根据设定的经验值能得到期望的匹配精度,但计算中耗时太多,则考虑降低维数。
所述为所设置的模式生成归一化的矢量描述pi具体为:将每个可识别的轨迹模式维数的一半等分,等分后的每个轨迹段可看作是向量,经归一化处理后将每个向量的值依次放入pi中。
举例来说,假设当前办公套件支持的模式为2个,分别为向右划线(→)模式和逆时针划线( 
Figure G200910090458XD00061
)模式,每种模式代表一种操作;则根据模式的数量及复杂程度设置:模式个数为n=2,模式矢量的维数为c=24。
为每个设置的模式生成归一化的矢量描述pi,其中p0为向右划线(→)模式的矢量描述,p1为逆时针划线( 
Figure G200910090458XD00062
)模式的矢量描述:
p0=|101010101010101010101010|T
p1=|-.9.2-.7.7-.2.9.2.9.7.7.9.2.9-.2.7-.7.2.9-.2.9-.7.7-9-.2|T
生成两个维数为2与所设置的模式相对应的匹配结果矢量,记为Ti,其中第i个矢量下标为i的元素值为1,其余均为0,则:
T0=|10|T,T1=|01|T
步骤102:计算运算参数并写入办公套件程序的识别码中;
这里,具体如何计算包括以下子步骤:
步骤102a:使用随机函数初始化矩阵W0、W1,以及矢量B0、B1
其中,矩阵W0的行数与所设置模式的维数c相等,列数根据经验设定,一般为5、6、8;矢量B0的维数与W0的列数相等;矩阵W1的行数与所设置模式的个数n相等,列数与矩阵W0及矢量B0的维数相等;矢量B1的维数与W1的行数及所设置模式的个数n相等;所述初始化矩阵W0、W1及矢量B0、B1是指调用随机函数生成随机数,每次调用随机函数所生成的随机数不同,将随机数放置在W0、W1及矢量B0、B1中,直至填满矩阵完成初始化。W0、W1、B0、B1是运算用的矩阵,起到将用户输入的轨迹转化为匹配结果的作用。
本例中,W0为24×6的矩阵,W1为2×6矩阵,B0为维数为6的矢量,B1为维数为2的矢量:
步骤102b:对W0、W1、B0、B1进行迭代运算,获得合适的W0、W1、B0、B1
按照公式(1)~公式(4)分别对W0、W1、B0、B1进行迭代运算,对初始化得到的W0、W1、B0、B1进行优化,直到合适为止。这里,迭代次数根据经验进行选择,如果要确切地获得迭代次数可利用公式E=(T-A)T(T-A)计算均方误差,当E足够小时即可停止计算,也就是说,E足够小时就达到优化合适。
Am+1=f(Wm+1Am+Bm+1),m=0,1,A0=T(1)
Sm=Fm(nm)(Wm+1)TSm+1,m=1,0      (2)
Wm(k+1)=Wm(k)-αSm(Am-1)T          (3)
Bm(k+1)=Bm(k)-αSm                 (4)
其中, F ` = f ` ( n 1 m ) 0 . . . 0 0 f ` ( n 2 m ) . . . 0 . . . . . . . . . 0 0 . . . f ` ( n S m m ) , f = 1 1 + e - x , α为逼近速度。
上述公式中,W为权值矩阵,B为偏置矩阵,α为逼近速度,其他记号如A、S、F、f、n等仅为中间计算变量,无具体特殊的含义。
通过50000次的迭代计算最后可确定迭代后的W0、W1、B0、B1。这里的迭代次数50000次是一个保险的值,有可能只需20000次迭代就可以得到较精确的矩阵了。
合适的W0、W1、B0、B1获得之后,采用硬编码的方式写入到办公套件程序的源代码中,不用每次识别时计算,这样可大幅度减少识别时间。
步骤103:记录输入轨迹,得到轨迹矢量;
当用户在在办公套件中输入轨迹时,以(x,y)坐标采用矢量方式记录用户的输入的轨迹,轨迹矢量I=|x1,y1,x2,y2,......,xn,yn|T,轨迹矢量I的维数为2n。
一般,选取办公套件工作窗口的左上角为坐标原点,坐标点的采集由操作系统定时采集来完成,如图2所示为用户输入的一个轨迹,输入轨迹的矢量I为:I=|157,92,156,93,155,93,154,94,154,95,152,96,151,97,150,98,148,98,145,101,144,101,143,103,142,103,142,104,141, 105,141,106,140,107,139,109,139,110,138,111,136,112,136,114,135,115,134,116,133,119,131,123,131,124,131,124,130,126,129,128,128,129,128,131,127,133,125,139,125,139,125,139,125,140,124,143,123,145,122,147,122,149,121,151,121,151,121,153,121,158,121,159,121,161,121,163,121,166,122,169,123,172,124,175,125,181,126,183,127,185,128,186,129,189,131,192,132,194,133,196,136,201,138,202,139,204,141,206,142,207,144,209,145,211,150,214,152,215,155,217,160,219,163,222,168,224,171,225,182,230,185,231,190,233,194,234,197,236,200,236,205,238,209,239,211,240,218,241,220,242,222,242,223,242,226,242,227,242,229,242,231,242,236,242,237,242,240,241,242,241,244,240,246,239,248,239,253,237,254,236,256,235,257,235,259,234,261,233,262,233,264,232,266,230,267,229,269,228,270,227,272,225,273,224,277,221,278,220,280,218,280,217,281,216,282,215,283,214,284,212,286,209,287,208,288,205,289,204,289,203,290,201,291,199,291,198,293,194,293,192,293,191,293,191,294,189,294,187,294,185,294,183,294,179,295,177,295,175,295,175,295,173,295,171,295,169,295,168,295,166,295,162,295,162,295,160,295,159,295,158,295,156,295,154,294,153,293,148,293,148,293,147,292,144,292,142,291,141,290,139,290,137,288,132,288,130,287,128,286,126,286,124,285,123,284,121,284,120,282,115,282,114,281,112,280,111,280,109,279,108,278,107,277,104,277,102,276,102,275,100,274,98,273,97,271,95,270,94,269,94,269,93,268,92,267,92,266,92,265,90,264,89,263,89,263,88,262,88,262,87,261,87,259,86,258,86,257,85,256,85,255,84,254,84,252,83,252,82,250,82,250,81,249, 80,247,80,246,79,245,79,244,78,243,78,241,77,239,76,238,76,238,75,237,74,236,74,235,73,234,73,233,72,232,72,231,71,230,71,229,71,228,70,227,69,225,68,223,67,222,66,221,65,219,64,218,63,216,63,216,63,216,62,215,62,215,61,214,61,213,61,213,61,213,61,212,60,211,60,211,59,211,59|T
步骤104~106:判断输入轨迹是否能识别,如果能识别,则执行步骤105,对轨迹进行平滑处理及归一化处理;如果不能识别,则执行步骤106,退出轨迹识别;
这里,一般,所述判断是:比较输入轨迹的维数2n与c+2的大小,如果2n≥c+2,则输入轨迹能够识别,对轨迹进行平滑处理及归一化处理;如果2n<c+2,则输入轨迹不能识别,退出轨迹识别。
具体的,对于步骤105,矢量I的维数大于c+2=26,则执行以下步骤:
105a、对轨迹进行平滑处理;
具体的,遍历轨迹矢量I,根据公式 r = ( x 2 - x 1 ) 2 + ( y 2 - y 1 ) 2 找到距离最近的两个点p1(x1,y1)、p2(x2,y2),在轨迹中p1点前插入坐标为(x1+(x2-x1)/2,y1+(y2-y1)/2)的新点;然后,从轨迹矢量I中删除p1、p2,在轨迹矢量I中相应位置出插入x1+(x2-x1)/2,y1+(y2-y1)/2。
重复上一过程直到轨迹矢量I的维数等于c+2。这里,所述遍历是指依次对轨迹矢量I中的每一对x,y进行处理,即:依次计算I中p1到p2的距离,再计算p2到p3的距离...直到pn-1到pn的距离。
经平滑处理后的矢量I为:
I=|157,92,146,100,124,142,128,187,150,212,201,235,238,240,275,217,293,171,288,133,270,97,230,70,211,59|T105b、对经平滑处理后获得的轨迹矢量I进行归一化处理,获得矢量;
具体的,遍历轨迹矢量I,设q1与q2是某次迭代时相邻的两个点,记x=x2-x1,y=y2-y1,则 r = x 2 + y 2 , 则归一化后的点为(x/r,y/r),重复上一过 程直至遍历结束,经归一化处理后的轨迹矢量I的维数等于c。
本例中,归一化处理后的轨迹矢量I为:
I=|-0.808736,0.588172,-0.464007,0.885832,0.0885398,0.996073,0.660628,0.750714,0.911587,0.41108,0.990992,0.133918,0.849285,-0.527934,0.364399,-0.931243,-0.130455,-0.991454,-0.447214,-0.894427,-0.828849,-0.559473,-0.865426,-0.501036|T
步骤107:计算输入轨迹的匹配结果。
具体的,根据经平滑处理、归一化处理后的轨迹矢量I及生成的运算参数进行一系列的矩阵运算,获得输入轨迹与所设置的模式的匹配结果。其中,所进行的矩阵运算包括:
步骤A、进行如下运算:T=W0I+B0
步骤B、对矢量T中的每个值进行如下运算: t i = 1 1 + e - t i ;
步骤C、对经过上述运算后的矢量T进行如下运算:R=W1T+B1
步骤D、对矢量R中的每个值进行如下运算: r i = 1 1 + e - r i ;
步骤F、在矢量R中查找值最大的一个分量,将其下标记为i,值记为m;则i为轨迹最匹配的模式,m为匹配度。
本例中得到矢量R为:R=|0.001151151581,0.998847375122|T
步骤108~109:确定输入轨迹是否与所设的模式相匹配,如果存在相匹配的模式,则执行步骤109,执行该模式对应的操作;如果没有相匹配的模式,则返回执行步骤106,退出轨迹识别。
具体的,在计算出的匹配结果中,如果匹配度m的值大于0.9,说明用户输入的轨迹与该值下标对应的模式相匹配,则执行该模式对应的操作;如果m的值小于0.9时,说明用户输入的轨迹与模式i相差较大,可认为轨迹与预定的任何模式都不匹配,不执行任何操作。所述0.9是经验值,有时为了更精确的匹配也可以取0.95。
在矢量R中值最大的分量是下标为1的分量:0.998847375122。其值大于0.9,说明用户输入的轨迹与下标为1的模式相匹配,即:用户输入的轨迹是一 个逆时针的圆,那么办公套件会执行逆时针的圆模式所表示的操作。
为实现上述方法,本发明还提出了一种办公套件中矢量化的轨迹识别的装置,该装置包括:模式设定模块31、运算参数计算模块32、轨迹处理模块33、匹配运算模块34、主控模块35;其中,
模式设定模块31,用于根据模式的数量及复杂程度在办公套件程序中设置模式的个数n及模式矢量的维数c;
该模式设定模块31还进一步用于,将所设模式生成归一化的矢量描述pi及n个匹配结果矢量;
运算参数计算模块32,用于根据所设模式的维数及模式的个数,确定矩阵W0、W1的行数和列数及矢量B0、B1的维数,并使用随机函数初始化W0、W1、B0、B1,并对初始化获得的W0、W1、B0、B1进行迭代运算,获得合适的W0、W1、B0、B1,还用于将最终的W0、W1、B0、B1发送给匹配运算模块34;
轨迹处理模块33,用于采用矢量化的方式记录输入轨迹,并判断输入轨迹是否能够识别,能识别时,对轨迹进行平滑处理及归一化处理,并将获得的经平滑处理及归一化处理后的轨迹矢量发送给匹配运算模块34;不能识别时,将该识别结果通知主控模块35;
匹配运算模块34,用于根据经处理后的轨迹矢量及运算参数,计算输入轨迹与所设模式的匹配结果,并将匹配结果发送给主控模块35;
主控模块35,用于在轨迹不能识别时,控制退出轨迹识别程序,还用于根据匹配结果判断是否有相匹配的模式,有相匹配的模式时,则控制执行该模式对应的操作;没有相匹配的模式时,则控制退出轨迹识别程序。
在实际应用中,根据模式的数量及复杂程度,在模式设定模块31中设置支持的模式个数n及模式矢量的维数c,并为所设模式生成归一化的矢量描述pi及n个相应的匹配结果矢量;运算参数计算模块32,用于根据所设模式的维数及模式的个数,确定运算参数矩阵W0、W1的行数和列数及矢量B0、B1的维数,并使用随机函数初始化W0、W1、B0、B1,并对初始化获得的W0、W1、B0、B1进 行迭代运算,获得合适的W0、W1、B0、B1,还用于将W0、W1、B0、B1发送给匹配运算模块34;
用户在办公套件中输入轨迹时,轨迹处理模块33,采集用户输入轨迹的坐标,采用矢量化的方式记录输入轨迹,获得轨迹矢量,比较轨迹矢量的维数与c+2的大小,如果2n≥c+2,则输入轨迹能够识别,对轨迹进行平滑处理及归一化处理,将获得的经平滑处理及归一化处理后的轨迹矢量发送给匹配运算模块34;如果2n<c+2,则输入轨迹不能识别,将该结果告知主控模块35,主控模块35控制退出轨迹识别;
在输入轨迹能够识别的情况下,匹配运算模块根据经处理后的轨迹矢量及运算参数进行一系列的矩阵运算,计算输入轨迹与所设模式的匹配结果,并将匹配结果发送给主控模块35;主控模块35根据匹配结果判断是否有相匹配的模式,如果匹配度大于0.9,则有相匹配的模式,执行该模式对应的操作;如果没有相匹配的模式,退出轨迹识别。
以上所述,仅为本发明的较佳实施例,并非用于限定本发明的保护范围,凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等,均应包含在本发明的保护范围之内。

Claims (8)

1.一种办公套件中矢量化的轨迹识别方法,其特征在于,设置支持的模式的个数及模式矢量的维数,计算运算参数并写入办公套件程序的识别码中;该方法还包括:
A、采用矢量化方式记录输入轨迹,得到轨迹矢量;
B、判断轨迹矢量的维数是否大于模式矢量的维数与2的和,如果大于,轨迹能识别,则对轨迹矢量进行平滑及归一化处理,执行步骤C;如果不大于,轨迹不能识别,则结束轨迹识别;
C、根据经过平滑及归一化处理后的轨迹矢量I及所设置的运算参数,计算矢量T,T=W0I+B0;对获得的矢量T中的每个值进行计算,得到ti对运算后的矢量T进行计算,得到矢量R,R=W1T+B1;对所得到的矢量R中的每个值进行计算,得到ri
Figure FSB00000512051900012
在矢量R中查找值最大的一个分量,将其下标记为i,值记为m,则i对应于与输入轨迹最匹配的模式,m为匹配度,W0、W1为初始化矩阵,B0、B1为矢量;
D、根据匹配结果判断输入轨迹是否与所设模式相匹配,如果存在相匹配的模式,则执行该模式对应的操作;如果不存在,则结束轨迹识别。
2.根据权利要求1所述的方法,其特征在于,所述设置支持的模式个数及模式矢量的维数之后,该方法进一步包括,为所设置的模式生成归一化的矢量描述pi,并生成与所设模式对应的匹配结果矢量。
3.根据权利要求1所述的方法,其特征在于,所述计算运算参数具体为:
a、使用随机函数初始化矩阵W0、W1及矢量B0、B1;其中,矩阵W0的行数与所设置模式的维数c相等;矢量B0的维数与W0的列数相等;矩阵W1的行数与所设置模式的个数n相等,列数与矩阵W0及矢量B0的维数相等;矢量B1的维数与W1的行数及所设置模式的个数n相等;
b、对W0、W1、B0、B1进行迭代运算,获得合适的W0、W1、B0、B1
其中,利用下面四个公式对W0、W1、B0、B1进行迭代运算,且根据(T-A)T(T-A)计算均方误差E,E足够小时达到合适的W0、W1、B0、B1
Am+1=f(Wm+1Am+Bm+1),m=0,1,A0=T;
Sm=F`m(nm)(Wm+1)TSm+1,m=1,0;
Wm(k+1)=Wm(k)-αSm(Am-1)T
Bm(k+1)=Bm(k)-αSm
Figure FSB00000512051900021
W为权值矩阵,B为偏置矩阵,α为逼近速度,其他记号为中间计算变量,无具体含义。
4.根据权利要求3所述的方法,其特征在于,步骤b之后,所述将计算的运算参数写入办公套件程序的识别码为:将所计算的运算参数采用硬编码的方式写入到程序的源代码中。
5.根据权利要求1所述的方法,其特征在于,所述对轨迹矢量进行平滑处理具体为;
B11、遍历轨迹矢量,计算轨迹上相邻两点间的距离,找出距离最近的两点;
B12、求取距离最近两点连线中点的坐标,在轨迹矢量中相应的位置处插入该坐标,删除原距离最近两点的坐标;
B13、重复上述操作,直至轨迹矢量的维数与模式矢量的维数与2的和相等;
其中,所述对轨迹矢量进行归一化处理具体为:遍历矢量I,设q1与q2是某次迭代时相邻的两个点,记x=x2-x1,y=y2-y1,则
Figure FSB00000512051900023
则归一化后的点为(x/r,y/r),重复所述归一化处理过程直至遍历结束;所述x1、y1和x2、y2分别为轨迹上距离最近的两个点的坐标。
6.根据权利要求1所述的方法,其特征在于,所述计算匹配结果之后,该方法进一步包括:根据匹配结果判断输入轨迹是否与所设模式相匹配;
所述判断具体为:判断匹配度m是否大于所设定的值,如果大于所设定的值,则输入轨迹与该匹配度m对应的模式匹配,则执行该模式对应的操作;如果不大于所设定的值,则退出轨迹识别。
7.一种办公套件中矢量化的轨迹识别装置,其特征在于,该装置包括:模式设定模块、运算参数计算模块、轨迹处理模块、匹配运算模块、主控模块;其中,
模式设定模块,用于根据模式的数量及复杂程度,在办公套件程序中设置模式的个数n及模式矢量的维数c;
运算参数计算模块,用于根据所设模式的维数及模式个数,确定矩阵W0、W1行数和列数以及矢量B0、B1的维数,并使用随机函数初始化W0、W1、B0、B1,并对初始化获得的W0、W1、B0、B1进行迭代运算,获得合适的W0、W1、B0、B1,还用于将W0、W1、B0、B1发送给匹配运算模块;
其中,矩阵W0的行数与所设置模式的维数c相等;矢量B0的维数与W0的列数相等;矩阵W1的行数与所设置模式的个数n相等,列数与矩阵W0及矢量B0的维数相等;矢量B1的维数与W1的行数及所设置模式的个数n相等;
并且,利用下面四个公式对W0、W1、B0、B1进行迭代运算,且根据(T-A)T(T-A)计算均方误差E,E足够小时达到合适的W0、W1、B0、B1
Am+1=f(Wm+1Am+Bm+1),m=0,1,A0=T;
Sm=F`m(nm)(Wm+1)TSm+1,m=1,0;
Wm(k+1)=Wm(k)-αSm(Am-1)T
Bm(k+1)=Bm(k)-αSm
Figure FSB00000512051900031
W为权值矩阵,B为偏置矩阵,α为逼近速度,其他记号为中间计算变量,无具体含义;
轨迹处理模块,用于采用矢量化的方式记录输入轨迹,并判断输入轨迹是否能够识别,能识别时,对轨迹进行平滑处理及归一化处理,并将获得的经平滑处理及归一化处理后的轨迹矢量发送给匹配运算模块;不能识别时,通知主控模块;
匹配运算模块,用于根据经处理后的轨迹矢量及运算参数,计算输入轨迹与所设模式的匹配结果,并将匹配结果发送给主控模块;
主控模块,用于在接收到轨迹处理模块发送的轨迹不能识别结果时,退出轨迹识别;还用于根据匹配结果判断是否有相匹配的模式,有相匹配的模式时,执行该模式对应的操作;没有相匹配的模式时,退出轨迹识别。
8.根据权利要求7所述的装置,其特征在于,所述模式设定模块进一步用于将所设模式生成归一化的矢量描述pi及n个匹配结果矢量。
CN200910090458XA 2009-08-12 2009-08-12 一种办公套件中矢量化轨迹识别的方法及装置 Expired - Fee Related CN101620504B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN200910090458XA CN101620504B (zh) 2009-08-12 2009-08-12 一种办公套件中矢量化轨迹识别的方法及装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN200910090458XA CN101620504B (zh) 2009-08-12 2009-08-12 一种办公套件中矢量化轨迹识别的方法及装置

Publications (2)

Publication Number Publication Date
CN101620504A CN101620504A (zh) 2010-01-06
CN101620504B true CN101620504B (zh) 2011-09-28

Family

ID=41513763

Family Applications (1)

Application Number Title Priority Date Filing Date
CN200910090458XA Expired - Fee Related CN101620504B (zh) 2009-08-12 2009-08-12 一种办公套件中矢量化轨迹识别的方法及装置

Country Status (1)

Country Link
CN (1) CN101620504B (zh)

Families Citing this family (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102736821B (zh) * 2011-03-31 2017-06-16 深圳市世纪光速信息技术有限公司 基于滑动轨迹确定候选词的方法和装置
CN102331873B (zh) * 2011-06-01 2014-06-18 广州视睿电子科技有限公司 一种触摸点跟踪定位校正方法及其系统
CN102331874B (zh) * 2011-06-01 2014-01-08 广州视睿电子科技有限公司 一种触摸点跟踪定位校正方法及其系统
US20160223514A1 (en) * 2015-01-30 2016-08-04 Samsung Electronics Co., Ltd Method for denoising and data fusion of biophysiological rate features into a single rate estimate

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN1881994A (zh) * 2006-05-18 2006-12-20 北京中星微电子有限公司 一种用于移动设备的手写输入及手势识别的方法和装置
CN101452357A (zh) * 2008-12-11 2009-06-10 广东国笔科技股份有限公司 一种手写字符输入方法及系统

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN1881994A (zh) * 2006-05-18 2006-12-20 北京中星微电子有限公司 一种用于移动设备的手写输入及手势识别的方法和装置
CN101452357A (zh) * 2008-12-11 2009-06-10 广东国笔科技股份有限公司 一种手写字符输入方法及系统

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
任民宏.基于矢量特征编码的手写字符识别技术.《微计算机信息(管控一体化)》.2007,第24卷(第5-3期),221-222,245. *
高彤等.基于模版匹配的手写体字符识别方法.《哈尔滨工业大学学报》.1999,第31卷(第1期),104-106. *

Also Published As

Publication number Publication date
CN101620504A (zh) 2010-01-06

Similar Documents

Publication Publication Date Title
Cambria et al. Extreme learning machines [trends & controversies]
Artieres et al. Online handwritten shape recognition using segmental hidden markov models
US11062124B2 (en) Face pose detection method, device and storage medium
US8266078B2 (en) Platform for learning based recognition research
US20170011262A1 (en) System for recognizing multiple object input and method and product for same
WO2010078698A1 (zh) 一种手写字符识别方法及系统
Quinn et al. Modeling gesture-typing movements
JP2007094862A (ja) 情報生成装置、情報生成方法、情報生成プログラムおよび機械読取り可能な記録媒体
US20230311335A1 (en) Natural language control of a robot
Tanaka et al. Object manifold learning with action features for active tactile object recognition
CN101620504B (zh) 一种办公套件中矢量化轨迹识别的方法及装置
Huang et al. Gesture-based system for next generation natural and intuitive interfaces
CN112198966B (zh) 基于fmcw雷达系统的笔画识别方法以及系统
CN110059794A (zh) 人机识别方法及装置、电子设备、存储介质
CN111444802B (zh) 一种人脸识别方法、装置及智能终端
US5287415A (en) Elastic prototype averaging in online handwriting recognition
CN114603599A (zh) 一种机器人碰撞检测方法、装置、计算机设备及存储介质
Ibrahim et al. PCA indexing based feature learning and feature selection
CN104598473B (zh) 一种信息处理方法及电子设备
CN117133277B (zh) 用于人机交互的虚拟人物表情控制方法及系统
McKeague A statistical model for signature verification
CN110298159B (zh) 一种智能手机动态手势身份认证方法
CN109934155B (zh) 一种基于深度视觉的协作机器人手势识别方法及装置
Tang et al. Online chemical symbol recognition for handwritten chemical expression recognition
CN115294374A (zh) 数模与实际工件焊缝对接的方法

Legal Events

Date Code Title Description
C06 Publication
PB01 Publication
C10 Entry into substantive examination
SE01 Entry into force of request for substantive examination
ASS Succession or assignment of patent right

Owner name: BEIJING REDFLAG CH2000 SOFTWARE CO., LTD.

Free format text: FORMER OWNER: BEIJING REDFLAG2000 SOFTWARE CO., LTD.

Effective date: 20101102

C41 Transfer of patent application or patent right or utility model
COR Change of bibliographic data

Free format text: CORRECT: ADDRESS; FROM: 100176 2/F, TOWER A, HUILONGSEN, NO.18, W. RING SOUTH ROAD, BEIJING ECONOMIC AND TECHNOLOGICAL DEVELOPMENT ZONE (YIZHUANG), BEIJING TO: 100176 2/F, TOWER A, HUILONGSEN, NO.18, W. RING SOUTH ROAD, ECONOMIC AND TECHNOLOGICAL DEVELOPMENT ZONE (YIZHUANG), BEIJING

TA01 Transfer of patent application right

Effective date of registration: 20101102

Address after: 100176, Beijing economic and Technological Development Zone (Yizhuang) west 18 South Road, A, 2 layers

Applicant after: Beijing Redflag CH2000 Software Co., Ltd.

Address before: 100176, Beijing, Beijing economic and Technological Development Zone (Yizhuang) west 18 South Road, A, 2 layers

Applicant before: Beijing Redflag CH2000 Software Co., Ltd.

C14 Grant of patent or utility model
GR01 Patent grant
ASS Succession or assignment of patent right

Owner name: WAIBO TECHNOLOGY CO., LTD.

Free format text: FORMER OWNER: BEIJING REDFLAG CH2000 SOFTWARE CO., LTD.

Effective date: 20150811

C41 Transfer of patent application or patent right or utility model
TR01 Transfer of patent right

Effective date of registration: 20150811

Address after: 100176, Beijing economic and Technological Development Zone, 1 West Road, 1 A District, 5 floor, room A2-501

Patentee after: CE DONGLI TECHNOLOGY COMPANY LIMITED

Address before: 100176, Beijing economic and Technological Development Zone (Yizhuang) west 18 South Road, A, 2 layers

Patentee before: Beijing Redflag CH2000 Software Co., Ltd.

CF01 Termination of patent right due to non-payment of annual fee

Granted publication date: 20110928

Termination date: 20160812

CF01 Termination of patent right due to non-payment of annual fee