手寫數(shù)字識(shí)別的原理及應(yīng)用

摘要：隨著信息技術(shù)的發(fā)展，信息建設(shè)在我國得到了迅猛的發(fā)展，手寫數(shù)字識(shí)別的應(yīng)用需求越來越廣泛。文章從概念、研究背景、研究意義等方面介紹了手寫數(shù)字識(shí)別的原理及實(shí)現(xiàn)方法，并介紹了手寫數(shù)字識(shí)別的幾個(gè)典型應(yīng)用。

關(guān)鍵詞：人工智能；模式識(shí)別；OCR；手寫數(shù)字識(shí)別

0引言

手寫數(shù)字識(shí)別(Handwritten Numeral Recognition)是光學(xué)字符識(shí)別技術(shù)(Optical Character Recognition，簡稱OCR)的一個(gè)分支，它研究的對象是，如何利用電子計(jì)算機(jī)自動(dòng)辨認(rèn)人手寫在紙張上的阿拉伯?dāng)?shù)字。

在整個(gè)OCR領(lǐng)域中，最為困難的就是脫機(jī)手寫字符的識(shí)別，到目前為止，盡管人們在脫機(jī)手寫英文、漢字識(shí)別的研究中已取得很多可喜成就，但距實(shí)用還有一定距離。而在手寫數(shù)字識(shí)別這個(gè)方向上，經(jīng)過多年研究，研究工作者已經(jīng)開始把它向各種實(shí)際應(yīng)用推廣。

字符識(shí)別處理的信息可分為兩大類：一類是文字信息，處理的主要是用各國家、各民族的文字(如：漢字，英文等)書寫或印刷的文本信息，目前在印刷體和聯(lián)機(jī)手寫方面技術(shù)已趨向成熟，并推出了很多應(yīng)用系統(tǒng)；另一類是數(shù)據(jù)信息，主要是由阿拉伯?dāng)?shù)字及少量特殊符號組成的各種編號和統(tǒng)計(jì)數(shù)據(jù)，如：郵政編碼、統(tǒng)計(jì)報(bào)表、財(cái)務(wù)報(bào)表、銀行票據(jù)等等，處理這類信息的核心技術(shù)是手寫數(shù)字識(shí)別。這幾年來我國開始大力推廣的“三金”工程在很大程度上要依賴數(shù)據(jù)信息的輸入，如果能通過手寫數(shù)字識(shí)別技術(shù)實(shí)現(xiàn)信息的自動(dòng)錄入，無疑會(huì)促進(jìn)這一事業(yè)的發(fā)展。因此，手寫數(shù)字的識(shí)別研究有著重大的現(xiàn)實(shí)意義。

1手寫數(shù)字識(shí)別的理論價(jià)值

手寫數(shù)字識(shí)別作為模式識(shí)別領(lǐng)域的一個(gè)重要問題，也有著重要的理論價(jià)值：

(1)阿拉伯?dāng)?shù)字是惟一的被世界各國通用的符號，對手寫數(shù)字識(shí)別的研究基本上與文化背景無關(guān)，這樣就為各國、各地區(qū)的研究工作者提供了一個(gè)施展才智的大舞臺(tái)。在這一領(lǐng)域大家可以探討，比較各種研究方法。

(2)由于數(shù)字識(shí)別的類別數(shù)較少，有助于做深入分析及驗(yàn)證一些新的理論。最明顯的例子是人工神經(jīng)網(wǎng)絡(luò)(ANN)中相當(dāng)一部分的ANN模型和算法都以手寫數(shù)字識(shí)別作為具體的實(shí)驗(yàn)平臺(tái)，驗(yàn)證理論的有效性，評價(jià)各種方法的優(yōu)缺點(diǎn)。

(3)盡管人們對手寫數(shù)字的識(shí)別已進(jìn)行了長時(shí)間的研究，也取得了很多成果，但到目前為止機(jī)器識(shí)別還無法與人的認(rèn)知能力相比，這仍是一個(gè)有難度的開放問題(Open problem)。

(4)手寫數(shù)字的識(shí)別方法很容易推廣到其它一些相關(guān)問題，一個(gè)最直接的應(yīng)用是對英文這樣的拼音文字的識(shí)別。事實(shí)上，很多學(xué)者就是把數(shù)字和英文字母的識(shí)別放在一塊兒研究的。

數(shù)字的類別只有十種，筆劃又簡單，對其識(shí)別似乎不是很困難。但事實(shí)上，一些測試結(jié)果表明，數(shù)字的識(shí)別率并不如印刷體漢字識(shí)別率高，甚至也不如聯(lián)機(jī)手寫體漢字識(shí)別率高，而僅僅優(yōu)于脫機(jī)手寫體漢字識(shí)別。這其中主要原因是：第一，數(shù)字字形相差不大，使得準(zhǔn)確區(qū)分某些數(shù)字相當(dāng)困難；第二，數(shù)字雖然只有十種，而且筆劃簡單，但同—數(shù)字寫法千差萬別，全世界各個(gè)國家各個(gè)地區(qū)的人都用，其書寫上帶有明顯的區(qū)域特性，數(shù)字識(shí)別很難完全兼顧世界各種寫法。另外，在實(shí)際應(yīng)用中，對數(shù)字識(shí)別技術(shù)中單字識(shí)別正確率的要求比文字識(shí)別技術(shù)要苛刻得多。這是因?yàn)?，?shù)字沒有上下文關(guān)系，每個(gè)單字的識(shí)別都至關(guān)重要，而且數(shù)字識(shí)別經(jīng)常涉及的財(cái)會(huì)、金融領(lǐng)域，其嚴(yán)格性更是不言而喻的。因此，用戶的要求不是單純的高正確率，更重要的是極低的、千分之—甚至萬分之一以下的誤識(shí)率。此外，大批量數(shù)據(jù)處理對系統(tǒng)速度又有相當(dāng)?shù)囊螅S多理論上很完美但速度過低的方法是行不通的。因此，研究高性能的手寫數(shù)字識(shí)別算法是一個(gè)有相當(dāng)挑戰(zhàn)性的任務(wù)。

2手寫數(shù)字識(shí)別的原理

正如前面提到的，手寫數(shù)字的寫法帶有明顯的地區(qū)性和民族性，因而選擇一個(gè)可供系統(tǒng)訓(xùn)練和測試使用的樣本庫是手寫數(shù)字識(shí)別研究的重要基礎(chǔ)之一，對識(shí)別系統(tǒng)的性能也有重要的影響。研究者對所需的樣本庫有兩種選擇：一是自己根據(jù)需要建立專門的樣本庫，二是選用其它機(jī)構(gòu)做好的現(xiàn)成的樣本庫。前者的優(yōu)點(diǎn)是貼近自己的應(yīng)用，缺點(diǎn)也是明顯的：要費(fèi)相當(dāng)?shù)木η掖硇院茈y保證，與其它人的結(jié)果不好比較。因此，現(xiàn)在的趨勢是使用有權(quán)威性的通用樣本庫。目前，比較有代表性的、樣本數(shù)量較大的手寫數(shù)字樣本庫有：(1)NIST數(shù)據(jù)庫，由美國國家標(biāo)準(zhǔn)與技術(shù)局收集；(2)CEDAR數(shù)據(jù)庫，是由紐約州立大學(xué)Buffalo分校計(jì)算機(jī)科學(xué)系建立的郵政編碼樣本庫；(3)ETL數(shù)據(jù)庫，由日本電工技術(shù)研究所收集；(4)ITPT數(shù)據(jù)庫，由日本郵電通信政策研究所收集。

作為一個(gè)識(shí)別系統(tǒng)，我們最終要用某些參數(shù)來評價(jià)其性能的高低，手寫數(shù)字識(shí)別也不例外。評價(jià)的指標(biāo)除了借用一般文字識(shí)別的指標(biāo)外，還要根據(jù)數(shù)字識(shí)別的特點(diǎn)進(jìn)行修改和補(bǔ)充。

對一個(gè)手寫數(shù)字識(shí)別系統(tǒng)，可以用三方面的指標(biāo)表征系統(tǒng)的性能：

正確識(shí)別率：A=正確識(shí)別樣本數(shù)，全部樣本數(shù)*100％

替代率(誤識(shí)率)：s=誤識(shí)樣本數(shù)／全部樣本數(shù)*100％

拒識(shí)率：R=拒識(shí)樣本數(shù)／全部樣本數(shù)*100％

三者的關(guān)系是：A+S+R=100％

數(shù)字識(shí)別的應(yīng)用中，人們往往很關(guān)心的一個(gè)指標(biāo)是“識(shí)別精度”，即：在所有識(shí)別的字符中，除去拒識(shí)字符，正確識(shí)別的比例有多大，我們定義：

識(shí)別精度：P=A／(A+S)*100％

—個(gè)理想的系統(tǒng)應(yīng)是R，S盡量小，而P，A盡可能大。而在一個(gè)實(shí)際系統(tǒng)中，s，R是相互制約的，拒識(shí)率R的提高總伴隨著誤識(shí)率s的下降，與此同時(shí)識(shí)別率A和識(shí)別精度P的提高。因此，在評價(jià)手寫數(shù)字識(shí)別系統(tǒng)時(shí)，我們必須綜合考慮這幾個(gè)指標(biāo)。另外，由于手寫數(shù)字的書寫風(fēng)格、工整程度可能有相當(dāng)大的差別，因此必須弄清評價(jià)指標(biāo)值是在怎樣的樣本集合下獲得的。 手寫數(shù)字識(shí)別在學(xué)科上屬于模式識(shí)別和入工智能的范疇。在過去的四十年中，人們想出了很多辦法獲取手寫字符的關(guān)鍵特征。這些手段分兩大類：全局分析和結(jié)構(gòu)分析。對前者，我們可以使用模板匹配、像素密度、矩、特征點(diǎn)、數(shù)學(xué)變換等技術(shù)，并且常常和統(tǒng)計(jì)分類方法—起使用。對后者，多半需要從字符的輪廓或骨架上提取字符形狀的基本特征，包括：圈、端點(diǎn)、節(jié)點(diǎn)、弧、突起、凹陷，與這些結(jié)構(gòu)特征配合使用的往往是句法的分類方法。

多年的研究實(shí)踐表明，對于完全沒有限制的手寫數(shù)字，幾乎可以肯定，沒有一種簡單的方案能達(dá)到很高的識(shí)別率和識(shí)別精度。因此，最近這方面的努力向著更為成熟、復(fù)雜、綜合的方向發(fā)展。研究工作者努力把新的知識(shí)運(yùn)用到預(yù)處理、特征提取與分類當(dāng)中，如：神經(jīng)網(wǎng)絡(luò)、數(shù)學(xué)形態(tài)學(xué)等。作者認(rèn)為，神經(jīng)網(wǎng)絡(luò)技術(shù)和多種方法的綜合是值得重視的方向。

3基于手寫數(shù)字識(shí)別的典型應(yīng)用

下面我們將介紹基于手寫數(shù)字識(shí)別的應(yīng)用系統(tǒng)的特殊要求，以及一些以手寫數(shù)字識(shí)別技術(shù)為基礎(chǔ)的典型應(yīng)用。3．1基于手寫數(shù)字識(shí)別的應(yīng)用系統(tǒng)的特殊要求

盡管手寫數(shù)字識(shí)別與一般的文本(如：漢字，英文等)識(shí)別同屬于光學(xué)字符識(shí)別(OCR)的大范疇，從應(yīng)用的角度出發(fā)，手寫數(shù)字識(shí)別應(yīng)用系統(tǒng)有很多特殊的要求。

(1)識(shí)別精度要達(dá)到很高的水平。

在一般的文本識(shí)別中，信息的冗余較大，有充分的上下文信息，因而對識(shí)別的精度要求不是十分高，達(dá)到98-99％就足夠了。而在數(shù)字識(shí)別中，由于沒有上下文關(guān)系，數(shù)據(jù)中的每一位數(shù)字都至關(guān)重要(如財(cái)務(wù)報(bào)表)。一般來說，這類實(shí)用系統(tǒng)的精度至少應(yīng)在99．9％以上。為此，在目前的技術(shù)水平下，可采取以下措施來滿足高精度的要求：

①要求書寫者用規(guī)定的字型認(rèn)真填寫，避免使用某些容易造成混淆的變體。

這個(gè)限制對用戶可能是很不方便的，因?yàn)檫@意味著書寫速度的降低和書寫習(xí)慣的改變，但從整體上，系統(tǒng)的識(shí)別水平將有大幅度的提高，能很大程度上提高系統(tǒng)的運(yùn)行效率。

②提高拒識(shí)率。

通過提高拒識(shí)率就可以減低誤識(shí)率，直到達(dá)到指定的精度要求。當(dāng)然，拒識(shí)的增多意味著操作人員介入的增加，這對用戶是極為不利的。

③加入邏輯校驗(yàn)。

在通信系統(tǒng)中，人們常通過加校驗(yàn)碼來保證數(shù)據(jù)的高質(zhì)量傳輸，常見的校驗(yàn)碼有：奇偶校驗(yàn)，漢明碼等。在基于手寫數(shù)字的應(yīng)用系統(tǒng)中，我們也可以采用類似的方法。不過，這時(shí)校驗(yàn)方式應(yīng)盡量簡單，直觀，利于填寫人快速計(jì)算。

(2)對處理速度也有很高的要求。

數(shù)字識(shí)別面對的是大量的數(shù)據(jù)報(bào)表，一般都要求達(dá)到每分鐘幾頁到幾十頁的處理能力(包括從掃描到完成識(shí)別的全過程)。既要達(dá)到前面提到的高識(shí)別精度，又要有高速度，無疑增加了系統(tǒng)的設(shè)計(jì)難度。不過近年來，硬件水平提高很快，目前市場上已有較低價(jià)格，每分鐘可掃描10-20頁的高性能掃描儀；微機(jī)的運(yùn)算速度更是飛快提高，這些都為高的處理速度奠定了堅(jiān)實(shí)的基礎(chǔ)。

(3)要能批量自動(dòng)作業(yè)。

在一般的文本識(shí)別中，都是操作者一頁頁地送入文本，手工幫助機(jī)器進(jìn)行版面分割(機(jī)器的自動(dòng)分割能力往往是十分有限的)后再開始識(shí)別，很難保證高質(zhì)量的批量自動(dòng)識(shí)別。而在數(shù)字識(shí)別系統(tǒng)中這是—個(gè)必須做到且應(yīng)能做到的基本要求。原因如下：

①如果每頁的處理都要人手工幫助完成，系統(tǒng)的綜合處理速度無法達(dá)到要求；

②掃描儀的自動(dòng)進(jìn)紙(ADF-Automatic Document Feeding)技術(shù)已十分成熟；

③處理的對象在很多情況下是版面完全相同的大批表格，很容易作到欄目的自動(dòng)提取。

(4)要有便于批量快速校對修改的手段。

3．2手寫數(shù)字識(shí)別在大規(guī)模數(shù)據(jù)統(tǒng)計(jì)中的應(yīng)用

在大規(guī)模的數(shù)據(jù)統(tǒng)計(jì)(如：行業(yè)年檢、人口普查等)中，需要輸入大量的數(shù)據(jù)，以前完全要手工輸入，需要耗費(fèi)大量的人力和物力。近年來在這類工作中采用OCR技術(shù)已成為一種趨勢。

因?yàn)樵谶@種應(yīng)用中，數(shù)據(jù)的錄入是集中組織的，所以往往可以通過專門設(shè)計(jì)表格和對書寫施加限制以便于機(jī)器的自動(dòng)識(shí)別。目前國內(nèi)的大多數(shù)實(shí)用系統(tǒng)都要求用戶按指定規(guī)范在方格內(nèi)填寫。另外，這些系統(tǒng)往往采用合適的用戶界面對識(shí)別結(jié)果做全面的檢查，最終保證結(jié)果正確無誤?？梢钥闯?，這是一類相對容易的應(yīng)用，對識(shí)別核心算法的要求比較低，是目前國內(nèi)很多單位應(yīng)用開發(fā)的熱點(diǎn)。

3．3手寫數(shù)字識(shí)別在財(cái)務(wù)、稅務(wù)、金融領(lǐng)域中的應(yīng)用

財(cái)務(wù)、稅務(wù)、金融是手寫數(shù)字識(shí)別大有可為的又一領(lǐng)域。隨著我國經(jīng)濟(jì)的迅速發(fā)展，每天等待處理的財(cái)務(wù)、稅務(wù)報(bào)表、支票、付款單等越來越多。如果能把它們用計(jì)算機(jī)自動(dòng)處理，無疑可以節(jié)約大量的時(shí)間、金錢和勞力。與上面提到的統(tǒng)計(jì)報(bào)表處理相比，在這個(gè)領(lǐng)域的應(yīng)用難度更大，原因有：(1)對識(shí)別的精度要求更高；(2)處理的表格往往不止一種，一個(gè)系統(tǒng)應(yīng)能智能地同時(shí)處理若干種表格；(3)由于處理貫穿于整個(gè)日常工作之中，書寫應(yīng)盡量按一般習(xí)慣(如：不對書寫者的寫法做限定，書寫時(shí)允許寫連續(xù)的字串，而不是在固定的方格內(nèi)書寫)，這樣對識(shí)別及預(yù)處理的核心算法要求也提高了。

3．4手寫數(shù)字識(shí)別在郵件分揀中的應(yīng)用

在郵件的自動(dòng)分揀中，手寫數(shù)字識(shí)別(OCR)往往與光學(xué)條碼識(shí)別(OBR Optical Bar Reading)和人工輔助識(shí)別等手段相結(jié)合，來完成郵政編碼的閱讀。目前使用量最大的OVCS分揀機(jī)的性能指標(biāo)為：OCR拒分率30％，OCR分揀差錯(cuò)率1．1％。

4結(jié)束語

隨著國家信息化進(jìn)程的加速，手寫數(shù)字識(shí)別的應(yīng)用需求將越來越廣泛，因此應(yīng)當(dāng)加強(qiáng)這方面的研究工作。作者認(rèn)為，應(yīng)用系統(tǒng)性能的關(guān)鍵與瓶頸仍然在于手寫數(shù)字識(shí)別核心算法性能上，最終目標(biāo)是研究零誤識(shí)率和低拒識(shí)率的高速識(shí)別算法。此外，盡早建立反映中國人書寫習(xí)慣的、具有國家標(biāo)準(zhǔn)性質(zhì)的手寫數(shù)字樣本庫也是當(dāng)務(wù)之急。

(注：本文中所涉及到的圖表、注解、公式等內(nèi)容請以PDF格式閱讀原文。)