[发明专利]用于提取特征以及用于识别轨迹的方法和设备

说明书

技术领域

本发明涉及用于提取用来识别轨迹的一个或更多个特征的方法和设备，并且涉及用于识别轨迹的方法和设备。

背景技术

近年来，轨迹识别被广泛地用作手写字符识别和姿态（gesture）识别。为了提高轨迹识别的识别性能并且消除轨迹（尤其是具有类似轨迹形状的那些轨迹）之间的混淆，提出了许多考虑领域信息的轨迹识别方法。

美国专利公开US6453054B1已经提出了一种用于手写字符识别的方法，其包括：产生手写字符（例如数字“2”）的图像；将手写字符的该图像分割成水平交迭（horizontally-overlapping）的帧（像如图1所示的帧1、帧2），并且然后根据估计的虚拟书写线（像图1中示出的上部线（upper line）OL、下部线（lower line）UL和中心线（centre line）ML）将每个帧进一步再分割成多个垂直重叠（verically-superposed）的区域（像如图1所示的BO、BM、BMO、BMU和BU）；并且从对于每个帧的这些区域中提取总共16个维度的特征向量。提前估计书写线，并且这些书写线对于手写字符的所有交迭的帧不改变。

除了上述专利文献之外，一些会议论文也已经提出了使用邻域特征的一些手写字符识别方法。例如，S.Jaeger等人的论文“NPEN++:AN ON-LINE HANDWRITING RECOGNITION SYSTEM，International Unipen Foundation,pp.249-260,2000”已经提到了在nPen++手写字符识别系统中的一些公知的邻域特征，诸如如图2所示的方位（aspect）、卷曲度（curliness）和线性（lineness）。在图2中用实心点标记的点是作为邻域的中心的当前手写采样点，并且由用空心点标记的3个先前采样点和3个随后采样点与当前采样点结合来定义邻域。邻域特征（诸如，方位、卷曲度和线性）被如下地定义：

方位A(t)=2×Δy(t)Δx(t)+Δy(t)-1,]]>

卷曲度C(t)=Lmax(Δx,Δy)-2,]]>和

线性L(t)=1N*Σidi2.]]>

美国专利申请公开US2011/0222726A1已经公开了一种用于通过计算每个帧中的手掌区域的重心来识别姿态的方法。在该方法中，对于多个帧中的重心的重心位置坐标的变化被用来辨别模式。这里，邻域被定义为包括所有重心的区域。