文件名称：手写识别简介-gb∕t 28035-2011 软件系统验收规范
文件大小：27.79MB
文件格式：PDF
更新时间：2024-07-29 20:17:05
STM32 正点原子 库开发
51.1 手写识别简介 手写识别，是指对在手写设备上书写时产生的有序轨迹信息进行识别的过程，是人际交互 最自然、最方便的手段之一。随着智能手机和平板电脑等移动设备的普及，手写识别的应用也 被越来越多的设备采用。 手写识别能够使用户按照最自然、最方便的输入方式进行文字输入，易学易用，可取代键 盘或者鼠标。用于手写输入的设备有许多种，比如电磁感应手写板、压感式手写板、触摸屏、 触控板、超声波笔等。ALIENTEK 战舰 STM32 开发板自带了 2.8 寸触摸屏，可以用来作为手写 识别的输入设备。接下来，我们将给大家简单介绍下手写识别的实现过程。 手写识别与其他识别系统如语音识别图像识别一样分为两个过程：训练学习过程；识别过 程。如图 51.1.1 所示： 图 51.1.1 字母数字识别系统示意图。 上图中虚线部分为训练学习过程，该过程首先需要使用设备采集大量数据样本，样本类别 数目为 0~9，a~z，A~Z 总共 62 类，每个类别 5~10 个样本不等（样本越多识别率就越高）。对 这些样本进行传统的把方向特征提取，提取后特征维数为 512 维，这对 STM32 来讲计算量， 合模板库的存储量来说都难以接受，所以需要运行一些方法进行降维，这里采用 LDA 线性判 决分析的方法进行降维，所谓线性判决分析，即是假设所有样本服从高斯分布（正态分布）对 样本进行低维投影，以达到各个样本间的距离最大化。关于 LDA 的更多知识可以阅读 （http://wenku.baidu.com/view/f05c731452d380eb62946d39.html）等参考文档。这里将维度降到 特征提取 识别结果：3 字母数字模板库 最小距离分 类器 LDA 降维 。。。 样本 n 特征提取 LDA 降维矩阵计算 平均值特征样本 预处理