CN102135820B - 一种平面化预处理方法 - Google Patents

一种平面化预处理方法 Download PDF

Info

Publication number
CN102135820B
CN102135820B CN2011100204791A CN201110020479A CN102135820B CN 102135820 B CN102135820 B CN 102135820B CN 2011100204791 A CN2011100204791 A CN 2011100204791A CN 201110020479 A CN201110020479 A CN 201110020479A CN 102135820 B CN102135820 B CN 102135820B
Authority
CN
China
Prior art keywords
matrix
axle
space
character
information
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
CN2011100204791A
Other languages
English (en)
Other versions
CN102135820A (zh
Inventor
沈海斌
谭啸峰
李刚
陈武
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.)
Zhejiang University ZJU
Original Assignee
Zhejiang University ZJU
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 Zhejiang University ZJU filed Critical Zhejiang University ZJU
Priority to CN2011100204791A priority Critical patent/CN102135820B/zh
Publication of CN102135820A publication Critical patent/CN102135820A/zh
Application granted granted Critical
Publication of CN102135820B publication Critical patent/CN102135820B/zh
Expired - Fee Related legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Landscapes

  • Character Discrimination (AREA)
  • Position Input By Displaying (AREA)

Abstract

本发明提供了一种平面化预处理方法。该方法步骤包括计算采样点协方差矩阵、计算协方差矩阵的特征值及特征向量、根据求得的最小特征值确定z’轴方向、根据z轴和z’轴方向确定x’轴y’轴方向、计算坐标变换矩阵、对采样点进行矩阵变换、去除z’轴方向信息完成投影。本发明的投影算法能够仅通过手写字符轨迹采样点集本身的统计特征确定投影平面，使其确定的投影平面在书写角度发生变化时也会随之产生适应性变化，以产生最佳的投影效果。从而使书写者能够以更为自由的姿势进行空间手写而不影响识别效果。

Description

一种平面化预处理方法
技术领域
本发明涉及手写识别技术，特别涉及空间手写识别技术中的预处理方法。
背景技术
手写识别技术已经发展了很多年，大体可分为脱机识别和联机识别。脱机手写识别的研究对象是字符图像，是个静态的二维点阵，而联机手写识别的研究对象是按时间顺序依次输入的笔迹点坐标，不但有空间信息，还有时间信息。因为联机识别具有更多的信息，所以在即时输入的场合下，首选联机识别。联机手写识别技术按照书写空间的不同可以分为平面手写识别和空间手写识别，其中平面手写识别已经发展了十数年，一般是用手写笔在手写板上书写，因为其接近人们传统的书写习惯并且技术发展相对成熟，已经成为现阶段手写识别的主流输入方式。虽然平面手写识别符合人们的传统手写习惯，但也具有与生俱来的缺陷：一是手写笔和手写板之间不可避免的有直接接触，从而造成设备磨损；二是输入设备既需要手写笔又需要手写板，增加了设备成本，同时也造成手写设备体积大难于携带；三是书写者需在一个固定书写平面上书写，对书写姿势有约束，容易产生疲劳。因此，空间手写识别的出现和发展成为了手写领域的必然趋势。
目前对空间手写识别的相关研究比较少，相应的专用于空间手写识别的预处理方法也不多见，较之平面手写识别成熟的预处理技术研究基本处于相对空白的状态。一般的预处理包括很多环节，但由于空间手写有其自身的特点，其预处理过程中比平面手写预处理多了一个重要环节，即将手写轨迹由空间字符投影为正确的平面字符，从而回归为平面手写识别问题进一步处理。空间手写识别输入的设备可以是专用的手写笔，也可以是手机等安装有加速度传感器的便携设备，可以保证其书写的自由性。如果是用摄像头捕捉手写轨迹或指定一个书写平面来进行空间手写，则书写的自由性还是受到了很大的约束，例如在演讲或上课时，书写者的书写角度姿势可能会随着讲述内容的推进而变化，如果要求其面朝一个特定方向对一个特定平面进行书写，则不仅容易疲劳，也会影响讲述效果。所以空间手写识别系统应该能够允许书写者的姿势变化，这就需要对空间轨迹到平面轨迹的投影环节进行处理，使得投影平面的选取随着书写姿势变化而产生适应性变化，而投影效果不受影响。
因此，有必要提供一种新型的平面化预处理方法，改善上述空间字符到平面字符的投影效果。
发明内容
本发明的目的是提供一种空间手写字符到平面字符的投影方法，使得投影平面随着书写者姿势的改变而产生适应性变化，从而给空间手写带来更大的自由性。
本发明的技术方案如下：一种平面化预处理方法，包括以下步骤：
（1）采集空间手写字符轨迹信息：手握三轴加速度传感器进行书写，采集空间手写动作的三维加速度信息序列；
（2）根据加速的信息计算位移信息：根据三维加速度信息序列，经过一次积分，得到速度信息，再对速度信息进行一次积分，得到空间手写识别的位移信息序列；
（3）根据输入的轨迹采样点计算采样点协方差矩阵：输入的轨迹采样点是通过三轴加速度传感器采集到的加速度信息两次积分以后得到的字符轨迹点空间位移信息；一个字符的空间位移信息可以表示为一个3×n的矩阵，其中n为采样点个数，输出该矩阵的协方差矩阵；
（4）计算上述协方差矩阵的特征值及特征向量：计算输出该协方差矩阵的3个特征值及对应的特征向量；
（5）将上一步求得的特征值最小方向确定为z’轴方向：最小特征值为上一步骤中输出的3个特征值中最小的一个，将其对应的特征向量确定为z’轴方向；
（6）根据原z轴和z’轴方向确定x’轴y’轴方向：其中，x’轴确定为同时垂直于z轴及z’轴的方向；y’轴确定为同时垂直于x’轴、 z’轴的方向；
（7）计算坐标变换矩阵：坐标变换矩阵指的是从x、y、z三轴确定的三维直角坐标系变换到x’、y’、 z’三轴确定的三维直角坐标系时所用的变换矩阵；可以通过已知的x、y、z及x’、y’、 z’计算得到；
（8）对采样点进行矩阵变换：用上一步骤计算得到的变换矩阵对输入的轨迹采样点矩阵进行坐标变换，即从x、y、z坐标系变换到x’、y’、z’坐标系；
（9）去除z’轴方向信息完成投影：将上一步骤中变换后所得的矩阵去除z’方向信息，剩下的x’、y’信息即为投影所得平面字符轨迹；
（10）将上一步骤所得字符轨迹在平面中依次描出，输出投影结果。
与现有技术相比，本发明的有益效果是： 本发明的预处理投影方法能够仅通过手写字符轨迹采样点集本身的统计特征确定投影平面，使其确定的投影平面在书写角度发生变化时也会随之产生适应性变化，以产生最佳的投影效果。从而使书写者能够以更为自由的姿势进行空间手写而不影响识别效果。
附图说明
图1本发明的一个实施例的空间手写平面化预处理过程的流程图。
具体实施方式
下面结合附图和具体实施方式对本发明做进一步的详细说明，但本发明要求保护的范围并不局限于实例表述的范围。
该方法对书写者的空间手写轨迹进行处理，具体的实施方式步骤包括：
（1）采集空间手写字符轨迹信息
手握三轴加速度传感器进行书写，采集空间手写动作的三维加速度信息序列。
（2）根据加速的信息计算位移信息
根据三维加速度信息序列，经过一次积分，得到速度信息，再对速度信息进行一次积分，得到空间手写识别的位移信息序列。
（3）根据输入的轨迹采样点计算采样点协方差矩阵
输入的轨迹采样点是通过三轴加速度传感器采集到的加速度信息两次积分以后得到的字符轨迹点空间位移信息，也可以是通过其他设备、方法采集到的准确的字符空间位移信息。一个字符的空间位移信息可以表示为一个3×n的矩阵，其中n为采样点个数。本步骤计算输出该矩阵的协方差矩阵。
（4）计算上述协方差矩阵的特征值及特征向量
输入的协方差矩阵为上一步骤所得。本步骤计算输出该协方差矩阵的3个特征值及对应的特征向量。
（5）将上一步求得的特征值最小方向确定为z’轴方向
此处涉及的最小特征值为上一步骤中输出的3个特征值中最小的一个，本步骤将其对应的特征向量确定为z’轴方向。
（6）根据原z轴和z’轴方向确定x’轴y’轴方向
其中x’轴确定为同时垂直于z轴及z’轴的方向；y’轴确定为同时垂直于x’轴、 z’轴的方向。
（7）计算坐标变换矩阵
此处提及的坐标变换矩阵指的是从x、y、z三轴确定的三维直角坐标系变换到x’、y’、 z’三轴确定的三维直角坐标系时所用的变换矩阵。可以通过已知的x、y、z及x’、y’、 z’计算得到。
（8）对采样点进行矩阵变换
用上一步骤计算得到的变换矩阵对输入的轨迹采样点矩阵进行坐标变换，即从x、y、z坐标系变换到x’、y’、z’坐标系。
（9）去除z’轴方向信息完成投影
将上一步骤中变换后所得的矩阵去除z’方向信息，剩下的x’、y’信息即为投影所得平面字符轨迹。
（10）将上一步骤所得字符轨迹在平面中依次描出，输出投影结果。
实施例
以下是一个实施例的详细实施过程：
（1）在空间手写的过程中，由三轴加速度传感器进行采样，在每一个采样时间点上，传感器都记录了一组三维加速度信息，每一组可以写成一个三维列向量                                                
Figure 206526DEST_PATH_IMAGE001
，设有n个采样点，采样间隔为
Figure 553194DEST_PATH_IMAGE002
，则得到3×n的加速度矩阵
Figure 700141DEST_PATH_IMAGE003
（2）分别对x、y、z轴的加速度序列进行一次积分，
Figure 790457DEST_PATH_IMAGE004
，得得到3×n的速度矩阵
Figure 972040DEST_PATH_IMAGE005
，
然后再分别对x、y、z三个方向的速度序列再一次积分，x轴方向积分表达式为
Figure 489609DEST_PATH_IMAGE006
，y、z两轴方向积分类推，得到位移矩阵，可以表示为
Figure 389432DEST_PATH_IMAGE007
，
现需将每个点坐标
Figure 17859DEST_PATH_IMAGE008
转换为按数据变异性依次递减的方向为三轴方向的空间坐标系所表示的坐标
Figure 53948DEST_PATH_IMAGE009
，坐标变换形式为
Figure 742418DEST_PATH_IMAGE010
，其中
Figure 932134DEST_PATH_IMAGE011
为变换矩阵。则问题转化为如何求解变换矩阵
Figure 426570DEST_PATH_IMAGE011
。
（3）在得到空间手写字符采样点集以后，考察协方差矩阵（步骤2）
Figure 645061DEST_PATH_IMAGE012
，
其中
Figure 442116DEST_PATH_IMAGE013
是采样点集的均值，
Figure 113269DEST_PATH_IMAGE014
（4）由式
Figure 21182DEST_PATH_IMAGE015
求它的特征值、特征向量（步骤3），则对应的三个特征向量
Figure 94180DEST_PATH_IMAGE016
构成了新的三维直角坐标系
Figure 62136DEST_PATH_IMAGE017
轴方向，
（5）如果有
Figure 220585DEST_PATH_IMAGE018
，则经过
Figure 932189DEST_PATH_IMAGE019
点的平面
Figure 62956DEST_PATH_IMAGE020
，（
Figure 264130DEST_PATH_IMAGE021
为空间中任意点）所表示的几何意义是，点集P中所有点到该平面的距离的平方和最小，最小特征值
Figure 581979DEST_PATH_IMAGE022
对应的特征向量
Figure 150802DEST_PATH_IMAGE023
就是数据变异性最小的方向；换句话说 ，从垂直于
Figure 136076DEST_PATH_IMAGE023
的角度观察点集P最为“扁平”。因此可以确定
Figure 508151DEST_PATH_IMAGE024
确定的平面就是投影面，
Figure 313296DEST_PATH_IMAGE023
即投影方向也即
Figure 429020DEST_PATH_IMAGE025
轴方向（步骤4）。
（6）确定方向为
Figure 331117DEST_PATH_IMAGE023
后，已经可以投影出字形准确的字符，但是由于手写字形长宽尺寸不确定性大，而
Figure 811777DEST_PATH_IMAGE027
的方向实际是指向投影后的二维字符的最宽方向，所以如果直接把
Figure DEST_PATH_IMAGE028A
轴方向定为
Figure 556747DEST_PATH_IMAGE024
的方向就无法保证字符的方向按阅读习惯正确摆放，这样投影出来的字符往往是经过一定旋转的字符。而在原
Figure 148266DEST_PATH_IMAGE029
坐标系中，字符的方向是正确的，所以应将
Figure 170448DEST_PATH_IMAGE030
方向取为与原
Figure 822010DEST_PATH_IMAGE031
和新
Figure 666993DEST_PATH_IMAGE025
同时垂直的方向，
Figure 62203DEST_PATH_IMAGE032
自然取为与
Figure 938892DEST_PATH_IMAGE033
都垂直的方向，这样投影在
Figure 761354DEST_PATH_IMAGE034
平面上的字符就是正确摆放的（步骤5）。
（7）确定
Figure 90705DEST_PATH_IMAGE017
方向后，由
Figure 289605DEST_PATH_IMAGE035
可求出变换矩阵（步骤6），从而可以进一步对采样点集
Figure 14164DEST_PATH_IMAGE037
进行坐标变换，由
Figure 768493DEST_PATH_IMAGE038
得出采样点集变换后的坐标（步骤7）。在新坐标系中，投影操作已经简化为去掉
Figure 833401DEST_PATH_IMAGE025
轴方向分量，
Figure 356787DEST_PATH_IMAGE034
平面上就已经是正确的字符图形（步骤8）。

Claims (1)

1.一种平面化预处理方法，其特征在于，包括以下步骤：
（1）手握三轴加速度传感器进行书写，采集空间手写动作的三维加速度信息序列；
（2）根据三维加速度信息序列，经过一次积分，得到速度信息，再对速度信息进行一次积分，得到空间手写识别的位移信息序列；
（3）输入的轨迹采样点矩阵是通过三轴加速度传感器采集到的三维加速度信息序列两次积分以后得到的字符轨迹点空间位移信息；一个字符的空间位移信息表示为一个3×n的矩阵，其中n为采样点个数，输出该矩阵的协方差矩阵；
（4）计算输出该协方差矩阵的3个特征值及对应的特征向量；
（5）最小特征值为上一步骤中输出的3个特征值中最小的一个，将其对应的特征向量确定为z’轴方向；
（6）x’轴确定为同时垂直于z轴及z’轴的方向；y’轴确定为同时垂直于x’轴、 z’轴的方向；
（7）坐标变换矩阵指的是从x、y、z三轴确定的三维直角坐标系变换到x’、y’、 z’三轴确定的三维直角坐标系时所用的变换矩阵；通过已知的x、y、z及x’、y’、 z’计算得到；
（8）用步骤（7）计算得到的坐标变换矩阵对输入的轨迹采样点矩阵进行坐标变换，即从x、y、z坐标系变换到x’、y’、z’坐标系；
（9）将步骤（8）变换后所得的矩阵去除z’方向信息，剩下的x’、y’信息即为投影所得平面字符轨迹；
（10）将步骤（9）所得字符轨迹在平面中依次描出，输出投影结果。
CN2011100204791A 2011-01-18 2011-01-18 一种平面化预处理方法 Expired - Fee Related CN102135820B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN2011100204791A CN102135820B (zh) 2011-01-18 2011-01-18 一种平面化预处理方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN2011100204791A CN102135820B (zh) 2011-01-18 2011-01-18 一种平面化预处理方法

Publications (2)

Publication Number Publication Date
CN102135820A CN102135820A (zh) 2011-07-27
CN102135820B true CN102135820B (zh) 2013-03-06

Family

ID=44295623

Family Applications (1)

Application Number Title Priority Date Filing Date
CN2011100204791A Expired - Fee Related CN102135820B (zh) 2011-01-18 2011-01-18 一种平面化预处理方法

Country Status (1)

Country Link
CN (1) CN102135820B (zh)

Families Citing this family (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107609593B (zh) * 2017-09-15 2019-12-10 杭州电子科技大学 一种基于最长轨迹投影的三维空间手写字符降维方法
CN108764036A (zh) * 2018-04-24 2018-11-06 西安电子科技大学 一种手写体藏文字丁识别方法
CN113627176B (zh) * 2021-08-17 2024-04-19 北京计算机技术及应用研究所 一种利用主元分析计算汉语词向量的方法

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN1252584A (zh) * 1998-10-26 2000-05-10 松下电器产业株式会社 在线手写中文字识别装置
CN1664846A (zh) * 2005-04-01 2005-09-07 清华大学 基于统计结构特征的联机手写汉字识别方法

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
TW397951B (en) * 1995-06-05 2000-07-11 Motorola Inc Method and microprocessor for preprocessing handwriting having characters composed of a preponderance of straight line segments

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN1252584A (zh) * 1998-10-26 2000-05-10 松下电器产业株式会社 在线手写中文字识别装置
CN1664846A (zh) * 2005-04-01 2005-09-07 清华大学 基于统计结构特征的联机手写汉字识别方法

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
谭啸峰等.基于主元分析的空间手写平面化预处理技术.《机电工程》.2011,第28卷(第8期),965-969. *
马立权等.手写数字识别中的预处理技术研究.《仪器仪表学报》.2001,第22卷(第3期),263-265. *

Also Published As

Publication number Publication date
CN102135820A (zh) 2011-07-27

Similar Documents

Publication Publication Date Title
De Smedt et al. Skeleton-based dynamic hand gesture recognition
Ren et al. Robust part-based hand gesture recognition using kinect sensor
Li Human–robot interaction based on gesture and movement recognition
CN105159463B (zh) 一种非接触式可穿戴智能戒指系统及其手势识别方法
CN102254154B (zh) 一种基于三维模型重建的人脸身份认证方法
CN108171133B (zh) 一种基于特征协方差矩阵的动态手势识别方法
Vemulapalli et al. R3DG features: Relative 3D geometry-based skeletal representations for human action recognition
CN107908288A (zh) 一种面向人机交互的快速人体动作识别方法
CN102262724B (zh) 目标图像特征点定位方法和目标图像特征点定位系统
Cheng et al. Image-to-class dynamic time warping for 3D hand gesture recognition
CN102968643B (zh) 一种基于李群论的多模态情感识别方法
CN107992792A (zh) 一种基于加速度传感器的空中手写汉字识别系统及方法
CN101159064A (zh) 画像生成系统以及按照图像生成画像的方法
CN107016319B (zh) 一种特征点定位方法和装置
CN106066996A (zh) 人体动作的局部特征表示方法及其在行为识别的应用
Kosmala et al. On-line handwritten formula recognition using hidden Markov models and context dependent graph grammars
CN103324938A (zh) 训练姿态分类器及物体分类器、物体检测的方法及装置
CN111062135B (zh) 一种精确的碰撞检测方法
CN111079547B (zh) 一种基于手机惯性传感器的行人移动方向识别方法
CN110555417A (zh) 一种基于深度学习的视频图像识别系统及方法
CN106446773A (zh) 一种全自动、鲁棒的三维人脸检测方法
CN102135820B (zh) 一种平面化预处理方法
CN107346207B (zh) 一种基于隐马尔科夫模型的动态手势切分识别方法
CN107909003B (zh) 一种针对大词汇量的手势识别方法
CN104680135A (zh) 一种抗表情、姿态和遮挡变化的三维人脸标记点检测方法

Legal Events

Date Code Title Description
C06 Publication
PB01 Publication
C10 Entry into substantive examination
SE01 Entry into force of request for substantive examination
C14 Grant of patent or utility model
GR01 Patent grant
C17 Cessation of patent right
CF01 Termination of patent right due to non-payment of annual fee

Granted publication date: 20130306

Termination date: 20140118