[发明专利]一种实现对手写体字符拒识的方法

权利要求书

1.一种实现对手写体字符拒识的方法，其特征在于，包括以下步骤：

a、采集手写笔迹数据，并对所采集的手写笔迹数据进行训练处理，获取训练笔迹数据；

b、建立堆栈式RBN神经网络，并读取步骤a中训练笔迹数据，对DBN模型进行搭建、训练和保存；

c、读取步骤a中的训练笔迹数据和步骤b中的DBN模型，并根据DBN模型计算出训练笔迹数据的重构误差数据；

d、重复多次步骤c，得到重构误差数据集合R，通过计算重构误差数据集合R，获取置信区间，并保存该置信区间数据；

e、输入新的手写笔迹数据，并计算出新的手写笔迹数据的重构误差，通过判断该重构误差是否在步骤d的置信区间内来确定是否拒识该新的手写笔迹数据；

所述步骤c包括以下步骤：

c1、读取经步骤a处理后的训练笔迹数据的向量Vo；

c2、将向量Vo输入到步骤b的DBN模型，并读取模型参数，对向量Vo进行编码，得到编码向量Ve；

c3、对编码向量Ve进行解码重构，得到重构向量Vd；

c4、计算重构误差ReconError＝(1-Vd×Vo÷((|Vd|×|Vo|)))÷2，其中|·|表示向量求模运算；

所述步骤d包括以下步骤：

d1、将训练笔迹数据重复执行多次步骤c，得到重构误差数据集合R；

d2、如果重构误差满足高斯分布，计算出集合R的均值m和方差σ²，当显著水平为b时，置信区间为其中，sqrt()表示求平方根，|R|表示集合大小，表示正态分布的水平b的上侧分位数；

d3、保存相应的置信区间数据。

2.根据权利要求1所述的实现对手写体字符拒识的方法，其特征在于，所述步骤a包括以下步骤：

a1、获取笔迹点坐标序列Tl，并求得Tl的最大纵坐标值h和最大横坐标值w；

a2、根据笔迹点坐标序列Tl的最大纵坐标值h和最大横坐标值w，计算出放缩比例ShrinkageRatio，并根据该放缩比例ShrinkageRatio将笔迹点放缩到横、纵坐标均为参数Len的二维矩阵M中；

a3、当放缩比例ShrinkageRatio大于1时，对放大后笔迹点之间的空隙进行填充，得到多个二维矩阵M的坐标数据；

a4、将二维矩阵M按行依次拼接为一个长度为Len*Len的向量Vo。

3.根据权利要求2所述的实现对手写体字符拒识的方法，其特征在于，所述步骤a1包括以下步骤：

a11、判断手写笔迹数据的呈现形式是图片还是一系列的笔迹坐标点，如果是图片，则进入步骤a12；如果是一系列的笔迹坐标点Tp，则直接进入步骤a15；

a12、判断图片是彩色RRG三通道图像还是单通道灰度图像Io，如果是彩色RRG三通道图像，则将其转换成单通道灰度图像Io，并进入步骤a13；如果是单通道灰度图像Io，则直接进入步骤a13；

a13、根据OTSU算法对单通道灰度图像Io进行阈值分隔，形成二值图像Ir；且当笔迹像素点为白色时，取Ir＝1-Ir；

a14、根据追踪算法在二值图像Ir中追踪达到一定长度的、连续的，且在一定宽度范围内的黑色像素点，并将该黑色像素点的坐标位置记录到坐标点序列Tp中；

a15、求得坐标点序列Tp中坐标的最小纵坐标值和最小横坐标值，并将该坐标点序列Tp中的坐标对应减去该最小纵坐标值和最小横坐标值，得到笔迹点坐标序列Tl；

a16、根据笔迹点坐标序列Tl，求得该笔迹点坐标序列Tl的最大纵坐标值h和最大横坐标值w。