基于ARM的文本獨(dú)立筆跡鑒別系統(tǒng)設(shè)計(jì)

張乃千，楊 海，樊振方

（1．國(guó)防科學(xué)技術(shù)大學(xué) 光電科學(xué)與工程學(xué)院，湖南 長(zhǎng)沙 410073；2.國(guó)防科學(xué)技術(shù)大學(xué) 計(jì)算機(jī)學(xué)院，湖南 長(zhǎng)沙 410073）

筆跡，是具有個(gè)人特征的書寫文字符號(hào)的形象系統(tǒng)，與個(gè)人書寫習(xí)慣有密切聯(lián)系。利用計(jì)算機(jī)進(jìn)行個(gè)人筆跡鑒別，是模式識(shí)別的分支問(wèn)題，是通過(guò)分析比較不同人筆跡的書寫風(fēng)格來(lái)判斷書寫者身份的一種技術(shù)方法[1]。文本獨(dú)立（Textindependent）是指進(jìn)行鑒別時(shí)，對(duì)書寫者書寫的內(nèi)容沒(méi)有特殊要求，具有樣本依存性小、信息采集方便等特點(diǎn)，具有廣泛的應(yīng)用前景。通過(guò)對(duì)筆跡分析做出身份判斷，在計(jì)算機(jī)登錄、電子商務(wù)、金融安全、文物監(jiān)測(cè)、信息安全等方面具有重要應(yīng)用。國(guó)內(nèi)外對(duì)基于PC平臺(tái)的筆跡鑒別系統(tǒng)算法進(jìn)行了細(xì)致研究，師寶山[2]等人解決了紙質(zhì)筆跡信息的預(yù)處理問(wèn)題，張德賢[3]等人提出了筆跡信息的特征提取算法，劉海[4]等人提出了基于輪廓方向特征提取的筆跡鑒別方法，劉愛(ài)真[5]提出了利用希爾伯特-黃變換（HHT）方法對(duì)脫機(jī)手寫體漢字特征進(jìn)行提取，楊彩霞[6]提出了基于Gabor變換和最鄰近分類器的筆跡鑒別方法，劉宏[7]等人提出了基于紋理分析優(yōu)化Gabor變換和支持向量機(jī)（Support Vector Machines，SVM）的筆跡鑒別方法。這些方法的鑒別性較好，可實(shí)現(xiàn)性強(qiáng)，但都局限在PC系統(tǒng)層面，筆跡的采集方式復(fù)雜，不能實(shí)現(xiàn)實(shí)時(shí)的筆跡鑒別系統(tǒng)。本文提出了一種基于嵌入式系統(tǒng)的實(shí)時(shí)筆跡鑒別系統(tǒng)，該系統(tǒng)主要針對(duì)離線的文本獨(dú)立筆跡進(jìn)行嵌入式鑒別研究，使用ARM終端實(shí)時(shí)采集筆跡信息，使用Gabor濾波器提取筆跡樣本的紋理特征，使用支持向量機(jī)（SVM）訓(xùn)練和識(shí)別筆跡信息的特征。

1 筆跡鑒別系統(tǒng)總體設(shè)計(jì)

基于ARM的文本獨(dú)立筆跡鑒別系統(tǒng)主要由3個(gè)模塊部分組成，包括筆跡采集端、數(shù)據(jù)傳輸部分、上位機(jī)處理部分。系統(tǒng)的總體設(shè)計(jì)原理如圖1所示。

圖1 系統(tǒng)設(shè)計(jì)原理圖Fig.1 Design schematics of system

進(jìn)行筆跡鑒別時(shí)，需要提前將書寫人筆跡數(shù)據(jù)存入系統(tǒng)數(shù)據(jù)庫(kù)中，以便于后期比對(duì)分析。待檢測(cè)人需通過(guò)筆跡采集端的手寫式觸摸屏實(shí)時(shí)輸入手寫筆跡信息。筆跡采集端進(jìn)行簡(jiǎn)單處理后通過(guò)數(shù)據(jù)傳輸部分傳送給上位機(jī)，上位機(jī)接收數(shù)據(jù)后采取筆跡鑒別算法對(duì)實(shí)時(shí)采集的筆跡信息進(jìn)行預(yù)處理和歸一化操作。處理后的筆跡數(shù)據(jù)通過(guò)Gabor濾波器和支持向量機(jī)方法[7]與數(shù)據(jù)庫(kù)數(shù)據(jù)進(jìn)行比對(duì)，從而實(shí)時(shí)顯示書寫者的身份信息。

2 基于ARM的筆跡采集端技術(shù)及設(shè)計(jì)

文本獨(dú)立的筆跡鑒別系統(tǒng)的筆跡采集端主要負(fù)責(zé)筆跡信息的實(shí)時(shí)采集及發(fā)送功能，主要由ARM核心處理器、觸摸屏模塊、書寫信息顯示模塊和數(shù)據(jù)發(fā)送端口組成。

2.1 筆跡采集模塊

觸摸屏部分是筆跡采集的關(guān)鍵核心，主要由電阻式觸摸屏和觸摸屏控制器組成，負(fù)責(zé)筆跡信息的實(shí)時(shí)采集。采集的數(shù)據(jù)信息將被實(shí)時(shí)保存成圖片格式并簡(jiǎn)單處理后發(fā)送。電阻式觸摸屏的基層是玻璃，玻璃上面涂覆有兩層透明氧化金屬（ITO氧化銦）導(dǎo)電層，兩導(dǎo)電層之間有細(xì)小的透明隔離點(diǎn)，這些隔離點(diǎn)起到了將兩導(dǎo)電層隔離和絕緣的作用。當(dāng)書寫者的筆尖或手指按下觸摸屏?xí)r，兩個(gè)導(dǎo)電層就會(huì)相互接觸而形成回路，通過(guò)測(cè)量接觸點(diǎn)的電壓值等特定數(shù)據(jù)就可得到屏幕上的坐標(biāo)位置。采用電阻式觸摸屏具有價(jià)格低廉、型號(hào)齊全、耐筆尖或手指磨損、感應(yīng)度高、精確性好等特點(diǎn)。

除了通過(guò)觸摸屏實(shí)時(shí)顯示書寫者的筆跡數(shù)據(jù)外，為了更便于書寫者觀察書寫，設(shè)計(jì)了專門書寫信息顯示模塊顯示筆跡信息。該模塊采用TFT液晶屏和液晶屏控制器組成。液晶顯示屏收到來(lái)自核心處理器的筆跡數(shù)據(jù)信息后，實(shí)時(shí)地將手寫筆跡顯示在屏幕上方，使得書寫者的筆跡輸入更加直觀。由于電阻式觸摸屏采集到的筆跡信息是當(dāng)前觸摸點(diǎn)電壓值經(jīng)過(guò)模數(shù)轉(zhuǎn)換后X坐標(biāo)和Y坐標(biāo)的數(shù)字值，對(duì)TFT液晶屏沒(méi)有使用價(jià)值，因而需要通過(guò)坐標(biāo)轉(zhuǎn)換將觸摸屏坐標(biāo)映射到TFT屏幕上。具體轉(zhuǎn)換過(guò)程可以由核心處理器及驅(qū)動(dòng)程序完成。

筆跡采集端的核心處理器選擇三星公司ARM9內(nèi)核的S3C2440A處理器，它負(fù)責(zé)整個(gè)筆跡采集端的運(yùn)行控制，包括負(fù)責(zé)完成觸摸屏模塊的顯示和手寫數(shù)據(jù)的采集、書寫信息顯示模塊的數(shù)據(jù)輸出、數(shù)據(jù)通信模塊的管理控制，還負(fù)責(zé)包括坐標(biāo)映射和簡(jiǎn)單筆跡數(shù)據(jù)處理等功能。

2.2 數(shù)據(jù)通信模塊

數(shù)據(jù)通信模塊主要負(fù)責(zé)筆跡采集端采集的筆跡信息實(shí)時(shí)傳送到上位機(jī)端的功能。實(shí)現(xiàn)上位機(jī)與筆跡采集端的通信，主要包括有線和無(wú)線兩種方式。

有線通訊方式即通過(guò)實(shí)體數(shù)據(jù)線路進(jìn)行連接，包括串口線、USB通信線等方式。其中，USB通信模塊是S3C2440A核心處理器的集成部分。S3C2440A核心內(nèi)部包括USB控制器和外圍電路，可以直接實(shí)現(xiàn)通過(guò)USB端口數(shù)據(jù)線將大量書寫數(shù)據(jù)實(shí)時(shí)準(zhǔn)確傳送給上位機(jī)端的功能，具有簡(jiǎn)單實(shí)用的特點(diǎn)。

為增加系統(tǒng)的可用性，實(shí)現(xiàn)相對(duì)較遠(yuǎn)距離（10 m）的自由終端式筆跡采集模塊，可以采用基于無(wú)線通訊方式進(jìn)行數(shù)據(jù)傳輸。目前較常用的無(wú)線通訊方式包括藍(lán)牙、Wi-Fi、基于nRF24L01工業(yè)模塊等方式。其中，nRF24L01是一款使用2.4 GHz ISM開放頻段、采用FSK調(diào)制、基于內(nèi)部自有協(xié)議的無(wú)線通信模塊，本身?yè)碛?26頻道，可以實(shí)現(xiàn)點(diǎn)對(duì)點(diǎn)或1對(duì)多點(diǎn)的無(wú)線通信功能，通信速度可以達(dá)到2 Mbps。采用基于nRF24L01的工業(yè)化通信模塊可以實(shí)現(xiàn)較小體積較遠(yuǎn)距離的數(shù)據(jù)傳輸，且開發(fā)方便，可以極大提高筆跡鑒別系統(tǒng)的實(shí)用性。

3 上位機(jī)文本獨(dú)立筆跡鑒別模塊的設(shè)計(jì)

文本的筆跡信息包括在線和離線兩類。離線信息是指寫在紙上的字符，具有采集方便、信息量小的特點(diǎn)。筆跡鑒別方法主要包括文本依存和文本獨(dú)立兩種，其中文本依存要求必須使用相同的文字進(jìn)行比對(duì)，而文本獨(dú)立是依據(jù)大量筆跡特征提取，與書寫內(nèi)容無(wú)關(guān)，應(yīng)用更廣。本文針對(duì)離線的文本獨(dú)立筆跡信息進(jìn)行研究，利用多通道Gabor濾波器，作為圖像紋理特征提取分析方法，它被廣泛應(yīng)用于紋理分析、筆跡鑒別等領(lǐng)域。為了解決訓(xùn)練樣本不足的問(wèn)題[7]，可以采用支持向量機(jī)（SVM）的方法對(duì)筆跡特征進(jìn)行訓(xùn)練和識(shí)別。上位機(jī)端的算法流程設(shè)計(jì)如圖2所示。

圖2 算法流程圖Fig.2 Algorithm flowchart

3.1 筆跡圖像預(yù)處理

筆跡圖像的預(yù)處理主要包括濾波、二值化、歸一化等。首先將圖像進(jìn)行顏色聚類和二值化，以消除背景色的干擾，根據(jù)分布特征除去背景和網(wǎng)格線，并將圖像二值化。然后需要進(jìn)行濾波以消除噪點(diǎn)的干擾，常用的圖像濾波方法有：中值濾波、鄰域均值濾波和低通濾波。由于筆跡采集終端采集的圖片質(zhì)量較高，噪聲多為小噪聲的孤立點(diǎn)，因此可以采用鹽和胡椒濾波法去噪[8]。然后將圖像分別沿水平和豎直方向進(jìn)行投影，以壓縮空行和字符間的空白。為便于數(shù)據(jù)處理，需要按統(tǒng)一的行高對(duì)每行字符進(jìn)行歸一化處理，即調(diào)整不同字符的大小相同。歸一化處理時(shí)可以根據(jù)筆跡圖像的水平直方圖做行的分割，圖像的水平直方圖就是圖像在水平方向上的投影，即每一行像素值直接相加。實(shí)驗(yàn)中我們采集了20人的筆跡信息，每人兩份，每份的漢字?jǐn)?shù)量、內(nèi)容、紙張、書寫用筆均沒(méi)有特殊限制。與此同時(shí)，實(shí)驗(yàn)還采用了哈爾濱工業(yè)大學(xué)多人手寫庫(kù)（HIT-MW）中的筆跡圖像作為樣本，共使用40份，由20個(gè)人書寫，每人兩份。對(duì)于采集的手寫筆跡信息，我們將每個(gè)人的筆跡信息一分為二，一份用于訓(xùn)練，另一份用于測(cè)試，以保證兩組數(shù)據(jù)完全不同。實(shí)驗(yàn)采集筆跡圖像預(yù)處理效果如圖3所示。

3.2 利用Gabor濾波器進(jìn)行特征提取

筆跡信息進(jìn)行預(yù)處理后需要分析筆跡圖像的紋理特征，由于每個(gè)人的書寫風(fēng)格不同，書寫的筆跡信息具有較強(qiáng)的方向性和頻譜特征，需要采用時(shí)間頻域分析。系統(tǒng)上位機(jī)部分采用二維Gabor濾波器進(jìn)行特征提取，Gabor變換是1946年D.Gabor為解決傅立葉變換對(duì)分析非平穩(wěn)信號(hào)有很大局限性而提出來(lái)的。二維Gabor函數(shù)具有方向選擇性和帶通性，能同時(shí)在時(shí)域和頻域中兼顧對(duì)信號(hào)分析的需求，可以比較精確地提取圖像的局部問(wèn)題特征，相當(dāng)于一種帶通濾波器。紋理圖像可類比為有周期性規(guī)律的信號(hào)，其能量集中在一定頻率范圍內(nèi)。如果紋理圖像的能量與Gabor濾波器的通頻帶吻合，那么這部分的信號(hào)就得到放大。在紋理分析中常用的Gabor變換公式：

圖3 筆跡預(yù)處理效果圖Fig.3 Renderings of handwriting pretreatment

其中 u，v 分別為在 x，y 軸方向上的空間頻率；g（x，y）為Gauss函數(shù)。設(shè)置Gabor濾波器的3個(gè)參數(shù)為：徑向中心頻率f，方向θ和空間常數(shù)σ。選擇不同的參數(shù)會(huì)構(gòu)成不同的通道，它們組成了一組非正交基。實(shí)驗(yàn)中取σ=2π/f，相位角θ取0，π/4，π/2，3π/4，用這組基展開信號(hào)可以得到筆跡圖像在不同的頻率和相位下的頻域信息。

3.3 聚類SVM分類器進(jìn)行鑒別

SVM是一種旨在通過(guò)有限的樣本學(xué)習(xí)，得到最好的推廣效果的統(tǒng)計(jì)分類方法，它可以根據(jù)有限的筆跡樣本信息在模型的復(fù)雜性和機(jī)器學(xué)習(xí)能力之間尋求最優(yōu)方法。筆跡鑒別是一種多類問(wèn)題，可以通過(guò)構(gòu)造決策函數(shù)，實(shí)現(xiàn)多類問(wèn)題轉(zhuǎn)化為兩類問(wèn)題。SVM可以根據(jù)兩類樣本數(shù)據(jù)尋求問(wèn)題解決的最優(yōu)分類面，可以使分類間隔達(dá)到最大，準(zhǔn)確度達(dá)到最高。系統(tǒng)中我們采用第k個(gè)分類器由包括第k類樣本和不屬于第k類的所有樣本兩部分組成，將n類問(wèn)題轉(zhuǎn)化為n個(gè)兩類問(wèn)題的方法，構(gòu)造解決多類筆跡問(wèn)題的分類器算法：

其中，x是輸入的筆跡信息，fk（x）是第k類分類函數(shù)。通過(guò)對(duì)fk（x）的大小進(jìn)行排序，就可以得到最可能為書寫人的候選人信息。

4 結(jié)束語(yǔ)

基于ARM嵌入式系統(tǒng)的文本獨(dú)立筆跡鑒別系統(tǒng)實(shí)現(xiàn)了實(shí)時(shí)采集書寫筆跡信息，對(duì)采集筆跡進(jìn)行數(shù)字化處理后傳遞給上位機(jī)功能。通過(guò)對(duì)筆跡信息的預(yù)處理和基于多維度Gabor變換的特征分析，最后使用多類SVM分類其進(jìn)行筆跡鑒別，具有速度快、準(zhǔn)確率高等特點(diǎn)，具有一定的應(yīng)用前景。

[1]盧玉書.基于離線文本獨(dú)立的筆跡鑒別系統(tǒng)設(shè)計(jì)[J].武警學(xué)院學(xué)報(bào)，2009（2）:87-91.LU Yu-shu.Handwriting identification system design based on off-line text-independent[J].Journal of Chinese People’s Armed Police Force Academy，2009（2）:87-91.

[2]師寶山，張貴州.筆跡鑒別預(yù)處理算法的設(shè)計(jì)與實(shí)現(xiàn)[J].電子器件，2008（4）:1357-1360.SHI Bao-shan，ZHANG Gui-zhou.Design and realization of pre-processing algorithms in computer handwriting identification[J].Chinese Journal of Electron Devices，2008（4）:1357-1360.

[3]張德賢，郭小波，劉永平.筆跡鑒別預(yù)處理與特征抽取技術(shù)研究[J].微計(jì)算機(jī)信息，2006（25）:310-312.ZHANG De-xian，GUO Xiao-bo，LIU Yong-ping.The preprocessing and feature extraction research on computer handwriting identification [J].Microcomputer Information，2006（25）:310-312.

[4]劉海，呂岳.基于輪廓方向特征的脫機(jī)手寫中文筆跡鑒別[J]. 電視技術(shù)，2011（21）:131-134，144.LIU Hai，LU Yue.Text-independent writer identification of offline Chinese handwriting using contour-directional feature[J].Video Engineering，2011（21）:131-134，144.

[5]劉愛(ài)真.基于HHT的脫機(jī)手寫體漢字特征提取[J].計(jì)算機(jī)應(yīng)用，2009（S2）:289-290，293.LIU Ai-zhen.Feature extraction of off-line handwritten Chinese characters based on Hilbert-Huang transform[J].Journal of Computer Applications，2009（S2）:289-290，293.

[6]楊彩霞.基于Gabor變換與最近鄰分類器的字符識(shí)別方法[J].西安文理學(xué)院學(xué)報(bào)：自然科學(xué)版，2010（4）:83-85.YANG Cai-xia.On the character identification based on Gabor alternation and adjacent classifier[J].Journal of Xi’an University of Arts and Science：Natural Science Edition，2010（4）:83-85.

[7]劉宏，李錦濤，崔國(guó)勤，等.基于SVM和紋理的筆跡鑒別方法[J].計(jì)算機(jī)輔助設(shè)計(jì)與圖形學(xué)學(xué)報(bào)，2003（12）:1479-1484.LIU Hong，LI Jin-tao，CUI Guo-qin，et al.Writer identification using support vector machines and texture feature[J].Jouranl of Computer-ided Design and Computer Graphics，2003（12）:1479-1484.

[8]沈聰.基于改進(jìn)的多通道Gabor小波變換的筆跡鑒別[D].北京：北京工業(yè)大學(xué)，2002.