16、在线手写识别中上下文信息的整合与多模型拟合尺度估计

在线手写识别中上下文信息的整合与多模型拟合尺度估计

一、在线手写识别现状与挑战

手写是人类交流和交换信息的自然方式，在线手写识别在计算设备的用户界面中有着广泛应用。然而，目前手写识别仍是一个活跃的研究领域，面临着诸多挑战：
1. 识别率低 ：总体识别率不高，仅在高度受限的模式类别上有合理的识别率，但这些模式并不能代表真实的手写数据。
2. 数据集不足 ：特别是对于波斯语和阿拉伯语等脚本，缺乏足够的数据集。
3. 识别时间长 ：通常需要几秒钟的识别时间。

手写模式识别的困难主要源于变化性和变异性。变化性指每个人独特的书写方式，变异性则涉及特定个人在不同时间、条件和情绪下书写样本的变化。在在线系统中，笔画数量和顺序的变化会引入更多的书写变化。

二、传统手写识别系统结构

一个典型的在线识别系统由三个主要部分组成：
1. 预处理 ：为减少数字化设备引入的噪声而进行。
2. 模式表示 ：包括设计和提取具有代表性的特征。特征可大致分为高级（全局）特征和低级（局部）特征。
- 高级特征 ：利用整个轨迹点序列提取与模式拓扑相关的属性，如上升笔画、下降笔画、尖点、环、质心、起点或终点以及边界框信息等。但由于自然连笔书写中形状变化大，尤其是不同书写者之间，高级特征提取结果往往误差较大。
- 低级特征 ：在模式的局部区域计算，如笔的方向特征、笔的坐