[发明专利]基于混合特征提取的手写数字识别方法

说明书

本发明提供一种基于混合特征提取的手写数字识别方法，首先采用温度阵列手写数字输入终端进行手写数字信息的采集，并通过预处理去掉首尾的无效帧；然后根据温度变化信息，对手指尖运动轨迹进行跟踪检测，在获得跟踪轨迹的基础上，提取手写数字的动态特征；同时对采集到的一个数字的多帧数据进行平均求和后，提取静态特征；得到包括静态特征和动态特征的混合特征向量，归一化处理后，进行特征选择，得到反映手写数字本质特征的特征向量；将这些特征向量用于支持向量机SVM分类器的训练或分类，实现对手写数字的识别。本发明不仅能够有效抑制环境噪声对识别结果的影响，同时对不同人、不同手写笔顺的手写数字识别能够达到较高的正确识别率。

技术领域

本发明涉及一种基于混合特征提取的手写数字识别方法。

背景技术

随着智能手机、平板电脑等手持设备的广泛应用，手写输入作为一种更便捷的人机交互方式，越来越得到人们的青睐，联机手写识别技术得到了快速发展。而手写数字缺乏上下文联系，给识别带来了更大的困难。

对手写数字进行识别，首先要对从手写输入装置获取的手写数字信息进行预处理，然后再进行特征提取，最后进行特征分类。其中特征提取和分类是最重要的环节，而特征提取的好坏决定了识别正确率的高低。

目前常用的特征提取算法有如下几种：

统计特征提取和结构特征提取(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.)；统计特征对图像细节和噪声不敏感，但是对一些精细结构不能有效提取；结构特征能把握数字固有的笔画结构，但是对数字结构的变动较为敏感，对于不同的手写字形不能给出较满意的分离效果。

静态特征提取和动态特征提取(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.)；静态特征对数字笔划书写先后顺序不敏感，但容易受到局部噪声的影响；动态特征对噪声和数字的细小变形不敏感，但书写顺序的不同会造成误识别。