[發明專利]基于混合特征提取的手寫數字識別方法

有效

• 申請號: 201611078514.4
• 申請日: 2016-11-29
• 公開（公告）號: CN107067046B
• 公開（公告）日: 2020-09-04
• 發明（設計）人: 王蕾
• 申請（專利權）人: 南京工程學院
• 主分類號: G06K9/68
• 分類號: G06K9/68;G06K9/62
• 代理公司: 南京正聯知識產權代理有限公司 32243
• 代理人: 王素琴

本發明提供一種基于混合特征提取的手寫數字識別方法，首先采用溫度陣列手寫數字輸入終端進行手寫數字信息的采集，并通過預處理去掉首尾的無效幀；然后根據溫度變化信息，對手指尖運動軌跡進行跟蹤檢測，在獲得跟蹤軌跡的基礎上，提取手寫數字的動態特征；同時對采集到的一個數字的多幀數據進行平均求和后，提取靜態特征；得到包括靜態特征和動態特征的混合特征向量，歸一化處理后，進行特征選擇，得到反映手寫數字本質特征的特征向量；將這些特征向量用于支持向量機SVM分類器的訓練或分類，實現對手寫數字的識別。本發明不僅能夠有效抑制環境噪聲對識別結果的影響，同時對不同人、不同手寫筆順的手寫數字識別能夠達到較高的正確識別率。

技術領域

本發明涉及一種基于混合特征提取的手寫數字識別方法。

背景技術

隨著智能手機、平板電腦等手持設備的廣泛應用，手寫輸入作為一種更便捷的人機交互方式，越來越得到人們的青睞，聯機手寫識別技術得到了快速發展。而手寫數字缺乏上下文聯系，給識別帶來了更大的困難。

對手寫數字進行識別，首先要對從手寫輸入裝置獲取的手寫數字信息進行預處理，然后再進行特征提取，最后進行特征分類。其中特征提取和分類是最重要的環節，而特征提取的好壞決定了識別正確率的高低。

目前常用的特征提取算法有如下幾種：

統計特征提取和結構特征提取(1.Das N,Reddy J M,Sarkar R,et al.Astatistical-topological feature combination for recognition of handwrittennumerals[J].Applied Soft Computing,2012,12(8):2486-2495.2.Babu U R,Chintha AK,Venkateswarlu Y.Handwritten Digit Recognition Using Structural,StatisticalFeatures and K-nearest Neighbor Classifier[J].International Journal ofInformation Engineering and Electronic Business(IJIEEB),2014,6(1):62.)；統計特征對圖像細節和噪聲不敏感，但是對一些精細結構不能有效提取；結構特征能把握數字固有的筆畫結構，但是對數字結構的變動較為敏感，對于不同的手寫字形不能給出較滿意的分離效果。

靜態特征提取和動態特征提取(3.Hafsa,W.,Kherallah,M.,Ben Jemaa,M.,BenAmara,E N.,2004.A hybrid approach of neural networks/hidden markov model foron-line recognition of the Arabic digits[C]//IEEE Internat.Conf.on SCS’04.Mounastir,Tunisie,pp.137–141.4.Kherallah,M.,Haddad L.,Alimi M.A.,MiticheA.On-line Handwritten Digit Recognition Based on Traj ectory and VelocityModeling[J].Pattern Recognition Letters,2008,29:580-594.)；靜態特征對數字筆劃書寫先后順序不敏感，但容易受到局部噪聲的影響；動態特征對噪聲和數字的細小變形不敏感，但書寫順序的不同會造成誤識別。