导读:本文包含了汉字笔迹识别论文开题报告文献综述及选题提纲参考文献，主要关键词:笔迹提取,汉字识别,摄像头,隐马尔科夫模型
汉字笔迹识别论文文献综述
余佳航,李志扬[1]（2018）在《基于摄像头的实时原笔迹提取与汉字识别》一文中研究指出文中设计了一种基于摄像头的实时原笔迹提取与汉字识别系统,根据笔划书写的空域特征和时域特征提出了一种单帧疑似笔迹提取算法和多帧排噪算法,实现了原笔迹的实时显示,汉字的轮廓、笔锋、笔划顺序等个性特征得到了数字化地保存;同时,通过提取的笔划特征和传统的隐马尔科夫模型实现了汉字的实时识别,识别率达到85%左右。该系统可应用于电子签名认证、笔迹身份识别、教学授课等领域。(本文来源于《信息技术》期刊2018年09期）
余佳航[2]（2018）在《基于计算机视觉的原笔迹提取与汉字识别研究》一文中研究指出汉字书写是中华民族自古以来形成、坚持并传承的习惯,利用键盘和鼠标的输入方式解决了计算机的汉字输入难题,但是传统的书写习惯被破坏,不利于汉字文化的传承;而借助写字板、触摸屏等辅助设备的输入方式需要额外的专业设备,且价格昂贵,未能大规模应用。本文旨在研究一种基于计算机视觉和机器学习的原笔迹提取与汉字识别方法;实现一种低成本、回归自然,但又适应现代数字化计算机的文字输入方式。本文的主要创新工作和研究成果总结如下。本文提出了一种原笔迹提取算法。该算法首先利用肤色检测算法获取握笔手指的位置信息,并根据空间位置关系确定笔迹提取的目标区域。接着采取“由粗到精”的策略逐步排除噪声,提取每帧图像中增长的笔划信息,具体步骤依次为:利用边缘检测,对图像进行“预分割”,获取可能存在笔划的区域位置信息,减少运算量;利用本文定义的一种针对笔划特征的特殊特征提取算子,对单帧图像进行疑似笔划像素点提取;利用连续多帧图像排除干扰噪声,选出疑似笔划中的真正增长笔划。最后根据笔划信息进行原笔迹实时显示,以像素点坐标序列的形式对笔迹进行数字化存储。本文以隐马尔可夫模型为基础,提出并实现了一种在线手写汉字识别算法。该算法首先在原笔迹提取得到的笔划像素点坐标序列中,利用拐点检测算法提取笔划的拐点,将笔划分割为笔段;其次,使用SVM方法对笔段进行分类,得到汉字的笔段编码序列;最后,通过隐马尔可夫模型对手写汉字进行模型建立、训练和识别。本文对40个常用汉字进行了训练和识别实验,正确率达到81%以上。本文使用VS2013开发环境,借助MFC平台和OpenCV库函数开发了一套原笔迹提取与汉字识别系统软件。借助上述原笔迹提取算法和手写汉字识别算法,该系统实现了原笔迹实时显示与保存、汉字识别等基本功能,以及原笔迹颜色设置、清屏、全屏教学模式等附加功能,可在课堂教学中进行板书演示。本文实现的基于计算机视觉的原笔迹提取与汉字识别方法,采用普通USB摄像头,书写人在普通白纸上自然书写,维持了传统的书写方式和习惯,保障了流畅的书写感受,可应用于数字化课堂教学、个性化签名、日常笔记等领域。算法也可移植到智能手机,解决其屏幕小、难以大量输入文字的难题,具有广泛的应用价值。(本文来源于《华中师范大学》期刊2018-05-01）
艾小伟,吴小平,王金林,付松[3]（2005）在《从手写汉字识别系统的技术方法中探讨计算机笔迹鉴别的一些途径》一文中研究指出本文介绍了目前国内手写汉字识别研究的现状、存在的困难、识别的过程及其技术路线和方法,探讨了计算机笔迹鉴别智能系统应包含的主要内容及其研发途径。(本文来源于《河北公安警察职业学院学报》期刊2005年03期）
汉字笔迹识别论文开题报告
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
汉字书写是中华民族自古以来形成、坚持并传承的习惯,利用键盘和鼠标的输入方式解决了计算机的汉字输入难题,但是传统的书写习惯被破坏,不利于汉字文化的传承;而借助写字板、触摸屏等辅助设备的输入方式需要额外的专业设备,且价格昂贵,未能大规模应用。本文旨在研究一种基于计算机视觉和机器学习的原笔迹提取与汉字识别方法;实现一种低成本、回归自然,但又适应现代数字化计算机的文字输入方式。本文的主要创新工作和研究成果总结如下。本文提出了一种原笔迹提取算法。该算法首先利用肤色检测算法获取握笔手指的位置信息,并根据空间位置关系确定笔迹提取的目标区域。接着采取“由粗到精”的策略逐步排除噪声,提取每帧图像中增长的笔划信息,具体步骤依次为:利用边缘检测,对图像进行“预分割”,获取可能存在笔划的区域位置信息,减少运算量;利用本文定义的一种针对笔划特征的特殊特征提取算子,对单帧图像进行疑似笔划像素点提取;利用连续多帧图像排除干扰噪声,选出疑似笔划中的真正增长笔划。最后根据笔划信息进行原笔迹实时显示,以像素点坐标序列的形式对笔迹进行数字化存储。本文以隐马尔可夫模型为基础,提出并实现了一种在线手写汉字识别算法。该算法首先在原笔迹提取得到的笔划像素点坐标序列中,利用拐点检测算法提取笔划的拐点,将笔划分割为笔段;其次,使用SVM方法对笔段进行分类,得到汉字的笔段编码序列;最后,通过隐马尔可夫模型对手写汉字进行模型建立、训练和识别。本文对40个常用汉字进行了训练和识别实验,正确率达到81%以上。本文使用VS2013开发环境,借助MFC平台和OpenCV库函数开发了一套原笔迹提取与汉字识别系统软件。借助上述原笔迹提取算法和手写汉字识别算法,该系统实现了原笔迹实时显示与保存、汉字识别等基本功能,以及原笔迹颜色设置、清屏、全屏教学模式等附加功能,可在课堂教学中进行板书演示。本文实现的基于计算机视觉的原笔迹提取与汉字识别方法,采用普通USB摄像头,书写人在普通白纸上自然书写,维持了传统的书写方式和习惯,保障了流畅的书写感受,可应用于数字化课堂教学、个性化签名、日常笔记等领域。算法也可移植到智能手机,解决其屏幕小、难以大量输入文字的难题,具有广泛的应用价值。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
汉字笔迹识别论文参考文献
[1].余佳航,李志扬.基于摄像头的实时原笔迹提取与汉字识别[J].信息技术.2018
[2].余佳航.基于计算机视觉的原笔迹提取与汉字识别研究[D].华中师范大学.2018
[3].艾小伟,吴小平,王金林,付松.从手写汉字识别系统的技术方法中探讨计算机笔迹鉴别的一些途径[J].河北公安警察职业学院学报.2005