基于云計算平臺的手寫識別系統(tǒng)

何 聰，金連文，周貴斌

（華南理工大學電子與信息學院 廣州 510640）

基于云計算平臺的手寫識別系統(tǒng)

何 聰，金連文，周貴斌

（華南理工大學電子與信息學院 廣州 510640）

本文利用Enomaly虛擬云架構技術設計了一個云手寫識別系統(tǒng)，除了提供高準確率的識別功能外，同時使得傾斜書寫識別、用戶自適應識別等需要高計算及存儲資源的功能實現成為可能。實驗結果表明，傳統(tǒng)C/S模式的傳統(tǒng)服務器在用戶并發(fā)數為300時處理能力已經達到極限，而采用基于云計算架構的手寫識別系統(tǒng)能輕松處理1 000個并發(fā)用戶的服務請求，在處理300個并發(fā)用戶時，接入率為100%，遠高于傳統(tǒng)服務器模式的接入率（82.7%），平均識別處理時間僅為16 ms，大大低于傳統(tǒng)服務器模式的處理時間（340 ms）。

云計算；手寫識別；手寫輸入法；Android

1 引言

隨著科技的飛速發(fā)展，智能手機、PDA和平板電腦等移動終端的應用已經越來越廣泛。隨著觸摸屏的廣泛使用，加之手寫識別技術的高速發(fā)展，移動終端的輸入形式不再局限于鍵盤形式，手寫輸入也逐漸流行起來。近年來，許多學者在手寫文字識別領域付出了重大的努力并獲得了很多優(yōu)秀成果[1～5]。當前移動終端受硬件性能限制，一些高準確率的手寫識別算法對計算量和存儲量的要求過高[5]，在實際應用中遇到了瓶頸。通常，為了能夠在移動終端上應用手寫識別技術，無論是使用較為簡單的識別分類器，還是對復雜程度較高的分類器進行壓縮以降低對硬件要求，都意味著要以犧牲準確率為代價。

最近，云計算的提出，使得超級計算能力通過互聯網自由流通成為了可能，并為各種應用開創(chuàng)了一種嶄新的應用模式，逐漸發(fā)展成為一種網絡應用趨勢。超級計算機應用因需要非常昂貴的硬件投入而面臨極高的推廣門檻，云計算則通過互聯網將普通的個人計算機和標準服務器結合成計算機機群，宣告了低成本提供超級計算服務的可能。用戶在任何時間、任何地點，用任何可以連接至互聯網的終端設備訪問“云”即可獲得所需的服務。

借助于云計算技術，本文提出了一種移動終端進行手寫識別的全新應用模式。通過云平臺，建立一個基于網絡的云手寫識別系統(tǒng)，并通過無線網絡為移動終端提供高準確率識別、傾斜書寫識別和用戶自適應等手寫識別服務?；诰W絡的服務，其主要的優(yōu)點有：識別準確率不再受到硬件性能的約束而可以達到比較高的水平；傾斜書寫識別和用戶自適應等個性化功能的推廣應用變得可行；免去了用戶設備不停升級的代價和麻煩。區(qū)別于普通C/S模式的系統(tǒng)，我們之所以利用云計算技術，一方面是通過云計算技術能夠將已有的個人計算機和普通服務器結合起來，能夠以較低的成本獲得等同于超級計算機的計算能力，而不需要一次性進行昂貴的硬件投入；另一方面是借助虛擬化、負載均衡等技術，云服務器能夠根據用戶的接入需求動態(tài)地分配計算資源，“云”的規(guī)模也可以動態(tài)伸縮以滿足用戶規(guī)模增長的需要。本手寫識別系統(tǒng)的云服務器基于 Enomaly[6]虛擬云架構（community edition），客戶端基于Google Android平臺[7]?？蛻舳嗽谑謱戄斎胪瓿珊?，將手寫筆跡通過無線網絡發(fā)送到云服務器，所有的識別處理工作都在云服務器上完成，識別結果再通過網絡返回給客戶端。通過不斷提高云服務器的處理能力，進而減少了移動終端的處理負擔，最終使用戶終端簡化成為一個單純的輸入輸出設備，并能按需享受“云”的超級計算處理能力。

2 系統(tǒng)框架

本文提出的云手寫識別系統(tǒng)的框架如圖1所示。客戶端安裝在基于Google Android平臺的移動終端上 （同樣客戶端也可擴展到Windows Mobile、MAC OS x等其他平臺上），主要分為候選字視圖（用來顯示識別結果）、手寫區(qū)和功能鍵盤三部分。用戶在手寫區(qū)書寫后，書寫筆跡通過2.5G、3G、Wi-Fi等無線網絡傳輸到云計算服務器端進行識別處理。

服務器端是基于Enomaly[6]虛擬云架構的，通過云計算技術將多臺普通的個人計算機和標準服務器 （統(tǒng)稱計算節(jié)點）以及存儲設備利用網絡結合起來組成超級計算機集群。每個客戶端的接入及識別操作透過網絡分配到不同的計算節(jié)點進行處理，結果通過網絡回傳給客戶端。云服務器提供了強勁的識別處理能力，進而減少了客戶端的處理負擔，使得用戶終端簡化為一個單純的輸入輸出設備，卻依然能獲得較高準確率的識別和其他個性化的識別服務。借助3G、Wi-Fi等高速無線網絡，移動終端和云服務器之間數據傳輸所需的時間非常小，用戶難以感覺到明顯的延時。

3 系統(tǒng)設計

本系統(tǒng)主要涉及Google Android平臺的客戶端、云計算服務器和手寫文字識別三個方面。

3.1 基于Enomaly平臺的云服務器

云計算是以虛擬化技術為基礎，以網絡為載體提供基礎架構、平臺、軟件等服務為形式，整合大規(guī)?？蓴U展的計算、存儲、數據、應用等分布式計算資源進行協(xié)同工作的超級計算模式[8]。云計算是并行計算(parallel computing)、分布式計算(distributed computing)和網格計算(grid computing)的發(fā)展，或者說是這些計算機科學概念的商業(yè)實現。云計算是虛擬化 (virtualization)、效用計算 (utility computing)、IaaS(基礎設施即服務)、PaaS(平臺即服務)、SaaS(軟件即 服務)等概念混合演進并躍升的結果[8～10]。云計算旨在通過網絡把多個成本相對較低的計算實體整合成一個具有強大計算能力的完美系統(tǒng)，并借助SaaS、PaaS、IaaS、MSP等先進的商業(yè)模式把這強大的計算能力分布到終端用戶手中。云計算是一種共享基礎架構的方法，可以將巨大的系統(tǒng)池連接在一起以提供各種服務。本文采用了一種簡化的云計算架構，其系統(tǒng)結構示意如圖2所示。

為了獲得強大的并發(fā)計算能力和存儲能力，本系統(tǒng)使用Enomaly平臺[6]搭建了手寫識別的服務器。云平臺將多臺虛擬機和物理機（統(tǒng)稱計算節(jié)點）以及存儲器連接在一起，能夠有效地支持平行擴展。系統(tǒng)透過網絡，采用請求分派機制（如圖3所示）將龐大的用戶接入自動分配到各個計算節(jié)點進行處理。系統(tǒng)根據負載和計算節(jié)點性能等情況來決定用戶的分配策略，這有利于合理地分配計算資源，能夠在大量用戶并發(fā)訪問時依然保證快速的處理能力和良好的服務。計算節(jié)點依據自身情況將請求轉交給本機線程池中合適的線程處理。線程池中的每個線程獨立處理一個連接，完成相關的識別工作并將結果返回給對應的客戶端。線程池技術的使用，避免了直接從操作系統(tǒng)申請內存所造成的內存碎片現象，確保了服務長期運行的穩(wěn)定性。

3.2 基于Google Android平臺的客戶端

由Google公司牽頭，多家手機設備制造商、軟件公司、半導體廠商等組成的開放手機聯盟于2007年11月12日對外發(fā)布新一代開源的智能手機操作系統(tǒng)——Android[11,12]。系統(tǒng)自發(fā)布以來，由于其開放性以及所提供的強大SDK開發(fā)包和大量的API（應用程序接口），Android系統(tǒng)受到了廣大開發(fā)者的熱捧。

根據Android系統(tǒng)提供的輸入法框架（IMF），本文的輸入法繼承 “android.app.Service”API的輸入法后臺服務，主要分為輸入視圖（包括手寫區(qū)和鍵盤）和候選字視圖兩部分。其他應用程序需要進行輸入時，系統(tǒng)會自動激活輸入法。為了實現自定義的輸入視圖，必須重新實現IMF提供的“onCreateInputView()”方法并實現新的輸入視圖。在輸入視圖中，通過重寫“onTouchEvent”方法，實現手寫筆跡的捕捉和顯示。同樣，為實現自定義的候選字視圖，需重寫“onCreateCandidatesView()”方法并實現新的視圖。

3.3 手寫文字識別

手寫文字識別主要包括預處理、特征提取和分類三個步驟，其流程如圖4所示。本系統(tǒng)采用具有良好性能的8方向特征[2]作為識別特征，獲得8方向特征后，先進行降維，然后使用兩個LDA（線性鑒別分析）粗分類器對其進行粗分類，最后再用MQDF（改進二次判決函數）分類器進行精確分類[3,5]。本文使用的MQDF分類器克服了負特征向量的偏差影響，從而提高了分類性能，其具體形式為：

利用上述方法訓練所得的MQDF分類器需要的存儲量較大（對于國標GB2312-80字庫，通常需要140 MB以上的存儲空間），因而不能直接適用于移動終端，而在云服務器上實現卻非常容易。

本文還在云平臺服務器端實現了一個需要較大計算及存儲資源的旋轉無關聯機手寫識別算法[12]。

4 系統(tǒng)實現及性能分析

本節(jié)將通過圖示說明本系統(tǒng)的實現效果，并通過一系列的實驗和測試說明系統(tǒng)的性能。

4.1 系統(tǒng)界面圖示

客戶端的手寫輸入視圖分為普通模式和全屏模式兩種（如圖5所示），它們除了在外觀上和書寫區(qū)域范圍不同外，其內部實現機制和識別流程是相同的。服務器運行在云平臺上，它可以監(jiān)測具體的某個連接的具體信息，其界面如圖6所示。

4.2 實驗及結果分析

本文從手寫識別分類器的性能、多用戶同時接入時的整體性能兩部分進行實驗來評價系統(tǒng)的性能。

4.2.1 手寫識別分類器性能分析

為了測試系統(tǒng)服務器端所用的手寫識別分類器的性能，我們采用60套國家863聯機手寫漢字樣本評測數據庫作為樣本進行測試，每套測試樣本均包括3 755類GB1漢字和3 008類GB2漢字。實驗結果見表1。

表1 手寫識別性能表

從表1可以看出，本系統(tǒng)使用的MQDF分類器，能夠獲得較高的識別準確率。工整手寫漢字的識別準確率在98%以上，連筆手寫漢字的識別準確率也達到96.5%。但是，所需的MQDF分類器的存儲量超過140 MB，難以適用于移動終端，因而利用云計算平臺提供服務的應用模式具有一定的實用價值。

4.2.2 云服務器性能分析

為了測試多用戶并發(fā)訪問時服務器的整體性能，本文設計了一系列的測試實驗。實驗模擬多個用戶同時訪問服務器，然后記錄相關參數。表2記錄了多個用戶并發(fā)訪問云服務器時的性能參數，并與普通服務器的性能進行了比較。

從表 2可以看出，云服務器 100、300、500和 1 000個用戶并發(fā)訪問時的實際接入數均和設定數量相等，也就是說用戶的接入率為100%。每個接入識別的平均處理時間分別為 0.014 s、0.016 s、0.019 s和 0.025 s，而 90%的用戶所需的處理時間分別為 0.023 s、0.023 s、0.032 s和 0.043 s，即大部分的用戶所需的處理時間都處于較低的水平，從而說明云服務器能夠較好地處理多用戶并發(fā)訪問，通過負載均衡和請求分配機制，能有效地提高每個用戶所獲得的計算能力。另外，云服務器的平均吞吐量隨著用戶數量的增多而逐漸增加，這也反映了云服務器可以適應不同規(guī)模的用戶。從圖7可以看出，不同數量規(guī)模的用戶并發(fā)訪問云服務器時，各時刻的平均處理時間組成的曲線較為平滑，說明了云服務器具有較好的穩(wěn)定性，這也確保了移動終端通過網絡接入獲取所需服務的可靠性。

對于普通服務器，當并發(fā)用戶數量為100時，每個接入識別的平均處理時間為0.041 s，約為云服務器的3倍，90%用戶的處理時間為0.123 s，超過云服務器的5倍。當并發(fā)用戶數為300時，超出了服務器的上限，實際接入的用戶數量為248個，接入成功率只有82.7%。從圖8可以看出，當并發(fā)數為300時，平均處理時間急劇上升，系統(tǒng)顯得不穩(wěn)定，不能同時處理所有用戶，進而導致部分用戶接入失敗，直到用戶數量下降到248個時，系統(tǒng)才重新返回較為穩(wěn)定的狀態(tài)。這種情況下，平均處理時間為0.34 s，比云服務器高出20多倍，90%用戶的處理時間為云服務器的27倍多，達到0.635 s?？梢姡胀ǚ掌鞑⒉荒芎芎玫靥幚泶罅坑脩舨l(fā)訪問的情況。

表2 多個用戶并發(fā)訪問時的相關參數比較

通過上述分析可知，使用云計算技術搭建服務器，通過負載均衡、請求分配等技術，能夠獲得遠遠優(yōu)于普通服務器的性能。云服務器的超級計算能力，為處理大量用戶并發(fā)獲取服務提供了良好的保障性和穩(wěn)定性，從而大大提高了用戶體驗性。在實際應用中，只有當用戶規(guī)模達到十萬或百萬以上時，才有可能出現過千的并發(fā)訪問數，因而，目前我們的云服務器有足夠的處理能力。另外，當用戶規(guī)模快速增大時，在云平臺中動態(tài)增加計算機集群中的設備以提高處理能力變得十分簡單，卻不會影響已有的服務。

5 結束語

本文提出的新型云手寫識別系統(tǒng)，基于Enomaly云計算平臺搭建的高性能手寫識別云服務器通過請求分配機制，將大量并發(fā)訪問用戶的識別處理工作分配到系統(tǒng)中不同的計算節(jié)點去完成，再由計算節(jié)點將識別結果回傳給客戶端，從而為客戶端提供了高準確率、快速、個性化的手寫識別服務?？蛻舳嘶贕oogle Android平臺，界面美觀友好，同時也提供本地識別功能和詞組聯想功能等，使得用戶能夠方便、高效地進行手寫輸入。

實驗結果表明了本文提出的云手寫識別應用模式的可實施性和可部署性，開創(chuàng)了一種新型的服務應用模式，能夠將手寫輸入從傳統(tǒng)模式推向以網絡為載體、以服務為核心的新模式。

1 Liu C L,Jaeger S,Nakagawa M.Online recognition of Chinese characters:the state-of-the-art.IEEE Transactions on Pattern Analysis and Machine Intelligence,2004,26(2):198～213

2 Bai Z L,Huo Q.A study on the use of 8-directional features for online handwritten Chinese character recognition.ICDAR2005,2005

3 Kimura F,Takashina K,Tsuruoka S,et al.Modified quadratic discriminant functions and the application to Chinese character recognition.IEEE Transactions on Pattern Analysia and Machine Intelligence,1987,9(1):149～153

4 Liu H,Ding X.Handwritten character recognition using gradient feature and quadratic classifier with multiple discrimination schemes.In:Proceedings of the 8th ICDAR,2005

5 Long T,Jin L.Building compact MQDF classifier for large charactersetrecognition by subspace distribution sharing.Pattern Recognition,2008,41(9):909～913

6 Enomaly:elastic/cloud computing platform,http://www.enomaly.com

7 Developer resources for Google Android,http://developer.android.com

8 Weiss A.Computing in the clouds.ACM Networker,2007,11(4):16～25

9 Lius M,et al.A break in the clouds:towards a cloud definition.ACM SIGCOMM Computer Communication Review,2009,39(1):50～55

10 Armbrust M,FOX A,Griffith R,et al.Above the clouds:a berkeley view ofcloud computing.Berkeley,CA,USA:Distributed Systems Lab,University of California,2009

11 Open Handset Alliance,http://www.openhandsetalliance.com/

12 Huang Shengming,Jin Lianwen,Jin Lv.A novel approach for orientation free chinese character recognition.In:ICDAR2009,Spain,2009

Handwriting Recognition System Based on Cloud Computing Platform

He Cong,Jin Lianwen,Zhou Guibin
(School of Electronic and Information Engineering,South China University of Technology,Guangzhou 510640,China)

We design and implement a cloud handwriting recognition system based on enomaly virtualization cloud technology.In addition to providing efficient,high accurate recognition services,our system can support orientation free and user adaptive service,which need high computing and storage resources.Our experiment show that,using traditional C/S model,the server would reached its capacity limit when 300 concurrent users are requesting service.While using cloud-based architecture,our handwriting recognition system can easily handle 1000 concurrent users’request.In dealing with 300 concurrent users,the access rate was 100%,much higher than the traditional C/S model of the access rate(82.7%),the average recognition processing time is only 16 ms,significantly lower than the traditional C/S model of the processing time(340 ms).

cloud computing,handwriting recognition,input method,Android

2010－07－15）