[发明专利]一种基于加速度计和陀螺仪的空中手写字符识别方法

说明书

本发明公开了一种基于加速度计和陀螺仪的空中手写字符识别方法，该方法包括：S1、数据预处理步骤，S2、模型参数初始化步骤，S3、CHMM模型训练步骤，S4、空中手写字符识别步骤。本发明提出了一种连续隐马尔科夫‑高斯混合模型来实现空中手写字符建模，采用基于样本平均长度的状态数选取策略与基于K‑均值聚类的模型参数初始化方法，该模型能有效表达传感器信号的时序信息，从而表征空中手写设备的运动过程。此外，还提出基于该建模方法的三维空间空中手写数字与英文字母识别的完整框架，该识别方法具有较好的准确性和实时性。

技术领域

本发明涉及模式识别与人工智能技术领域，具体涉及一种基于加速度计和陀螺仪的三维空间空中手写字符识别方法。

背景技术

基于加速度计和陀螺仪的空中手写识别是近年来计算机领域中新兴起的研究前沿方向之一，利用用户身上可穿戴设备或集成在手机以及手柄等手持设备上的加速度计和陀螺仪采集手写数据，通过分析手写过程产生的加速度和角速度信号来识别用户的书写内容，它属于穿戴式计算(Wearable Computing)和普适计算(Ubiquitous Computing)的重要研究内容之一。

目前，基于加速度计和陀螺仪的空中手写识别主要包括书写内容识别和书写人识别。书写内容识别主要是识别书写的字符、单词、短语、句子等具体的内容；书写人识别则主要是实现书写者的身份区分，可用于手写签名鉴定等领域。基于加速度计和陀螺仪的空中手写字符识别的关键在于模型的选取，所选模型需要具有对时序序列良好的建模能力；另外由于信号波形很不直观，很难单纯通过肉眼观察波形对书写内容加以区分，而且由于不同人书写习惯的差异，同一个字符的信号波形也有较大差异，因此模型需要能够挖掘信号潜在的变化规律而非仅根据数值变化做出判别。

发明内容

本发明的目的是为了解决现有技术中的上述缺陷，提供一种基于加速度计和陀螺仪的三维空间空中手写字符识别方法，能对10个阿拉伯数字(0-9)、26个大写英文字母(A-Z)和26个小写英文字母(a-z)实现建模和识别。

本发明的目的可以通过采取如下技术方案达到：

一种基于加速度计和陀螺仪的空中手写字符识别方法，所述空中手写字符识别方法包括:

S1、数据预处理步骤，对采集的原始信号进行滑动平均滤波，以及对每一维数据分别Z-score标准化；

S2、模型参数初始化步骤，需要预先确定的模型参数包括隐藏状态数N、各隐藏状态对应的高斯概率分布个数M、连续隐马尔科夫模型(Continuous Hidden Markov Model,简称CHMM)的模型参数λ＝[π,A,B,μ,Σ,C]，其中π为初始状态概率分布、A为状态转移概率分布、B为观察值概率分布、μ是高斯概率分布均值、Σ是高斯概率分布协方差、C是高斯概率分布权重，其中，模型参数初始化策略包括基于样本平均长度的CHMM隐藏状态数选取方法和基于K-均值聚类的连续隐马尔科夫模型-高斯混合模型参数初始化策略；

S3、CHMM模型训练步骤，使用前向-后向算法和Baum-Welch算法，对于特定的空中手写字符，给定训练数据，以及已初始化的模型参数N、M与π、A、C、μ和Σ，迭代训练使得模型生成训练样本的概率不断增大直至收敛；

S4、空中手写字符识别步骤，给定已训练的所有空中手写字符CHMM模型，以及测试数据，用维特比算法计算每个测试样本属于每一类字符的概率，最后通过快速排序获得可能性最大的类别，完成识别。

进一步地，所述S2、模型参数初始化步骤具体如下：

S21、从预处理后的数据中随机选取部分作为训练样本，按字符类别分类，计算每类别的样本的平均长度，设置模型的隐藏状态数N；