手写轨迹识别方法、手写轨迹识别设备及手写输入设备的制造方法

手写轨迹识别方法、手写轨迹识别设备及手写输入设备的制造方法
【技术领域】
[0001] 本申请总地涉及一种手写轨迹识别方法和手写轨迹识别设备，特别是与手写轨迹 的旋转方向无关的手写轨迹识别方法和手写轨迹识别设备。本申请还涉及包括该手写轨迹 识别设备的手写输入设备。
【背景技术】
[0002] 手写识别器可以用于识别直接写到触摸敏感输入设备（如屏幕）上和/或用于从 书写文件中扫描的字符的手写轨迹。在以非时间顺序并以整字模式来识别字符时，例如识 别OCR扫描的字符时，常称为离线识别。或者，当字符写到例如屏幕上要被以时间顺序识别 时，即随着字符被写入而被识别时，常称为在线识别。在在线识别的情况下，当用户通过用 手指在手持设备的触摸敏感屏幕上书写来把手写字符输入到手持设备的屏幕上时，由于输 入字符的取向可能随设备和用户而变化，所以可能无法如用户期望那样准确地进行识别。
[0003] 因此需要一种有效的手写识别器，以便对输入字符的这种旋转变化获得准确并且 稳健的识别结果。然而难以开发对手写轨迹的旋转变化稳健并且同时尺寸小速度成本低的 有效手写识别器。为了处理手写输入的旋转变化，已提出了两种可能的方法。第一种方法 是通过人为地用可能角度旋转手写样本来获取一组新样本，并且使用通过规范样本训练的 模型来识别该组可能样本。第二种方法是建立针对一组旋转角度的一组相应模型，并然后 用这样的模型来识别未知手写样本。
[0004] 例如，美国专利公开US20110268351(以下简称文献1)提出了一种首先使用粗分 类器来获取手写样本的识别结果候选和旋转角度候选以便对其应用估计的仿射变换，然后 通过细分类器进行识别的方法。图1示出该方法的流程图。其主要步骤如下：
[0005] 1)手写轨迹输入步骤SlOl :从用户接收代表要被识别的字符或单词的手写轨迹； [0006] 2)粗分类器识别步骤S102 :使用"自由旋转"和相对"低成本"的识别引擎（例如基 于简单模板的分类器）作为粗分类器，针对手写轨迹来获取识别结果候选和旋转角度候选；
[0007] 3)细分类器识别步骤S103 :使用"高成本"但"准确"的识别引擎作为细分类器从 候选中获得识别结果。
[0008] 尽管以上方法可以改进旋转情况下的识别准确性，但仍具有以下缺陷。首先，粗分 类器使用整个字符作为输入，这将影响手写识别的基于部分笔划进行预测的优点。其次，弓丨 入粗分类器仍然是高成本的。粗分类器本身是成本和准确度之间的平衡。太简单的分类器 不能获得好的候选滤出，因此将为细分类器带来太多候选并导致细分类器的负担。如果使 用具有可接受候选滤出的粗分类器，则即使粗分类器的成本比细分类器相对而言低，多次 识别也将降低识别速度。
[0009] 由此可见现有技术的方法为了检测旋转变化，存在把输入的手写轨迹作为整体处 理并且必须对整个手写轨迹进行多次识别的问题。
[0010] 迄今为止，使用手写轨迹的一部分来检测旋转变化还不是一种选择，这是因为一 方面检测该部分的结束很难或成本很高，另一方面不能预期针对几笔划的简单识别器能产 生估计旋转变化的高准确度。

【发明内容】

[0011] 本申请的目的之一在于以低成本提高识别器针对手写轨迹的旋转变化的稳健性 和准确度，而无需对整个手写轨迹进行多次识别，从而提高了手写识别的效率。
[0012] 本申请的一方面涉及一种手写轨迹识别方法，包括：第一获取步骤，获取要被输入 的手写轨迹的前几笔的轨迹点；旋转角度确定步骤，基于所述轨迹点使用能够检测所述前 几笔的旋转角度的旋转角度检测模型来确定所述手写轨迹的旋转角度；第二获取步骤，获 取所述手写轨迹的剩余笔划；以及识别步骤，基于所确定的旋转角度来识别所述手写轨迹。
[0013] 本申请的又一方面涉及一种手写轨迹调整方法，包括：第一获取步骤，获取要被输 入的手写轨迹的前几笔的轨迹点；旋转角度确定步骤，基于所述轨迹点使用用于检测前几 笔的旋转角度的旋转角度检测模型来确定所述手写轨迹的旋转角度；第二获取步骤，获取 手写轨迹的剩余笔划；以及调整步骤，基于所确定的旋转角度来调整手写轨迹。
[0014] 本申请的另一方面涉及一种手写轨迹识别设备，包括：第一获取装置，被配置为获 取要被输入的手写轨迹的前几笔的轨迹点；旋转角度确定装置，被配置为基于所述轨迹点 使用能够检测所述前几笔的旋转角度的旋转角度检测模型来确定所述手写轨迹的旋转角 度；第二获取装置，被配置为获取所述手写轨迹的剩余笔划；以及识别装置，被配置为基于 所确定的旋转角度来识别所述手写轨迹。
[0015] 优选地，所述前几笔是能够由字符集的字符共享的一部分笔划或由单词集的单词 共享的一部分笔划。
[0016] 优选地，旋转角度确定装置可以包括：轨迹点获取装置，被配置为获取当前轨迹 点；解码装置，被配置为使用所述旋转角度检测模型对包括到当前轨迹点为止的部分轨迹 进行解码；判断装置，被配置为判断当前轨迹点是否达到所述前几笔的结束轨迹点；以及 确定装置，被配置为在判断结果为肯定的情况下确定与解码结果相对应的旋转角度作为所 述手写轨迹的旋转角度。
[0017] 优选地，解码装置包括用基于隐式马尔可夫模型来训练的旋转角度检测模型对包 括到当前轨迹点为止的部分轨迹进行解码以获得最佳状态转移路径的装置；判断装置包括 判断最佳状态转移路径是否达到结束状态的装置；以及确定装置在判断结果为肯定的情况 下确定与最佳状态转移路径相对应的旋转角度作为所述手写轨迹的旋转角度的装置。
[0018] 优选地，解码装置包括用基于动态时间规划DTW模型来训练的旋转角度检测模型 对包括到当前轨迹点为止的部分轨迹进行解码以获最佳匹配路径的装置；判断装置包括判 断最佳匹配路径是否达到结束节点的装置；以及确定装置包括在判断结果为肯定的情况下 确定与最佳匹配路径相对应的旋转角度作为所述手写轨迹的旋转角度的装置。
[0019] 优选地，旋转角度检测模型能够被集成到用于在线识别整字的整字模型中或用于 在线识别整个单词的整单词模型中。
[0020] 优选地，旋转角度确定装置获取的前几笔的置信度能够被集成到识别剩余笔划的 过程中。
[0021] 优选地，识别装置包括：纠正装置，被配置为基于所确定的旋转角度来纠正手写轨 迹的至少一部分，纠正后识别装置，被配置为识别纠正后的手写轨迹的该至少一部分。
[0022] 优选地，在手写识别器是在线识别器的情况下，要被纠正并识别的该至少一部分 是通过第二获取装置获取的剩余笔划。
[0023] 优选地，在手写识别器是离线识别器的情况下，要被纠正并识别的部分是整个手 写轨迹。
[0024] 优选地，识别装置包括：模型选择装置，被配置为选择与所确定的手写轨迹的旋转 角度相对应的旋转识别模型，选择后识别装置，被配置为用所选的旋转识别模型来识别手 写轨迹的至少一部分。
[0025] 优选地，在手写识别器是离线识别器的情况下，要识别的部分是整个手写轨迹。
[0026] 优选地，在手写识别器是在线识别器的情况下，要识别的部分是通过第二获取装 置获取的剩余笔划或者整个手写轨迹的笔划。
[0027] 本申请的再一方面涉及一种手写输入设备，包括：输入装置，被配置为接收手写轨 迹的输入；以及如前面所述的手写轨迹识别设备。
[0028] 因此，根据本申请的各方面，能够不需要多次对整个手写轨迹进行离线识别，就可 以低成本地在线地检测旋转角度以便对手写轨迹进行更准确和稳健的识别，从而改进了当 前识别器的准确度和稳健性，降低了成本，提高了效率。
[0029] 此外，旋转角度是在输入所有书写笔划之前被检测到的。因此，对于基于部分笔划 的预测的手写识别优点没有影响。结果，自然可以与支持基于部分笔划的预测的识别方法 相结合。
【附图说明】
[0030] 下面结合具体的实施例，并参照附图，对本申请的上述和其它目的和优点做进一 步的描述。在附图中，相同的或对应的技术特征或部件将采用相同或对应的附图标记来表 /Jn 〇
[0031] 图1示出现有技术中的手写轨迹识别方法的流程图；
[0032] 图2示出根据本申请的手写轨迹识别方法的应用环境的示意图；
[0033] 图3描述根据本申请的一个实施例的手写轨迹识别方法的流程图；
[0034] 图4示出根据本申请的旋转角度确定过程的流程图；
[0035] 图5A和5B分别示出根据本申请一个实施例的旋转角度确定模型的拓扑图和旋转 角度确定过程的流程图；图5C和f5D分别示出根据本申请另一个实施例的旋转角度确定模 型的拓扑图和旋转角度确定过程的流程图；
[0036] 图6A示出识别步骤的一个实施例的流程图；图6B示出在手写识别器是在线识别 器的情况下所用的识别模型的拓扑图；图6C示出在手写识别器是在线识别器的情况下识 别步骤的示意图；图6D示出在手写识别器是离线识别器的情况下识别步骤的示意图；
[0037] 图7示出示出识别步骤的另一个实施例的流程图；
[0038] 图8示出根据本申请的一个实施例的手写轨迹识别设备的示例性配置的框图；
[0039] 图9示出根据本申请的一个实施例的手写输入设备的示例性配置的框图；以