 

正点原子

文章：172 阅读：716291 评论：376 赞：2275

 好友  私信个人主页

文章 172
原创 0
阅读 716291
评论 376
赞 2275

原创【连载】【ALIENTEK 战舰STM32开发板】STM32开发指南--第五十一章手写识别实验

 2013-4-14 23:00  1346 22 23 分类: MCU/ 嵌入式文集: STM32学习

第五十一章手写识别实验

现在几乎所有带触摸屏的手机都能实现手写识别。本章，我们将利用ALIENTEK提供的手写识别库，在ALIENTEK战舰STM32开发板上实现一个简单的数字字母手写识别。本章分为如下几个部：

51.1 手写识别简介

51.2 硬件设计

51.3 软件设计

51.4 下载验证

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。这里将维度降到64维，然后针对各个样本类别进行平均计算得到该类别的样本模板。

而对于识别过程，首先得到触屏输入的有序轨迹，然后进行一些预处理，预处理主要包括重采样，归一化处理。重采样主要是因为不同的输入设备不同的输入处理方式产生的有序轨迹序列有所不同，为了达到更好的识别结果我们需要对训练样本和识别输入的样本进行重采样处理，这里主要应用隔点重采样的方法对输入的序列进行重采样；而归一化就是因为不同的书写风格采样分辨率的差异会导致字体太小不同，因此需要对输入轨迹进行归一化。这里把样本进行线性缩放的方法归一化为64*64像素。

接下来进行同样的八方向特征提取操作。所谓八方向特征就是首相将经过预处理后的64*64输入进行切分成8*8的小方格，每个方格8*8个像素；然后对每个8*8个小格进行各个方向的点数统计。如某个方格内一共有10个点，其中八个方向的点分别为：1、3、5、2、3、4、3、2那么这个格子得到的八个特征向量为[0.1, 0.3, 0.5，0.2, 0.3， 0.4， 0.3， 0.2]。总共有64个格子于是一个样本最终能得到64*8=512维特征，由于训练过程进行了LDA降维计算，所以识别过程同样需要对应的LDA降维过程得到最终的64维特征。这个计算过程就是在训练模板的过程中可以运算得到一个512*64维的矩阵，那么我们通过矩阵乘运算可以得到64维的最终特征值。

最后将这64维特征分别与模板中的特征进行求距离运算。得到最小的距离为该输入的最佳识别结果输出。

关于手写识别原理，我们就介绍到这里。如果想自己实现手写识别，那得花很多时间学习和研究，但是如果只是应用的话，那么就只需要知道怎么用就OK了，相对来说，简单的多。

ALIENTEK提供了一个数字字母识别库，这样我们不需要关心手写识别是如何实现的，只需要知道这个库怎么用，就能实现手写识别。ALIENTEK提供的手写识别库由4个文件组成：

ATKNCR_M_V2.0.lib、ATKNCR_N_V2.0.lib、atk_ncr.c和atk_ncr.h。

ATKNCR_M_V2.0.lib和ATKNCR_N_V2.0.lib是两个识别用的库文件（两个版本），使用的时候，选择其中之一即可。ATKNCR_M_V2.0.lib用于使用内存管理的情况，用户必须自己实现alientek_ncr_malloc和alientek_ncr_free两个函数。而ATKNCR_N_V2.0.lib用于不使用内存管理的情况，通过全局变量来定义缓存区，缓存区需要提供至少3K左右的RAM。大家根据自己的需要，选择不同的版本即可。ALIENTEK手写识别库资源需求：FLASH:52K左右，RAM：6K左右。

atk_ncr.c代码如下：

#include "atk_ncr.h"

#include "malloc.h"

//内存设置函数

void alientek_ncr_memset(char *p,char c,unsigned long len)

{

mymemset((u8*)p,(u8)c,(u32)len);

}

//内存申请函数

void *alientek_ncr_malloc(unsigned int size)

{

return mymalloc(SRAMIN,size);

}

//内存清空函数

void alientek_ncr_free(void *ptr)

{

myfree(SRAMIN,ptr);

}

这里，主要实现了alientek_ncr_malloc、alientek_ncr_free和alientek_ncr_memset等三个函数。

atk_ncr.h则是识别库文件同外部函数的接口函数声明

#ifndef __ATK_NCR_H

#define __ATK_NCR_H

//当使用ATKNCR_M_Vx.x.lib的时候,不需要理会ATK_NCR_TRACEBUF1_SIZE和

//ATK_NCR_TRACEBUF2_SIZE

//当使用ATKNCR_N_Vx.x.lib的时候,如果出现识别死机,请适当增加

//ATK_NCR_TRACEBUF1_SIZE和ATK_NCR_TRACEBUF2_SIZE的值

#define ATK_NCR_TRACEBUF1_SIZE 500*4

//定义第一个tracebuf大小(单位为字节),如果出现死机,请把该数组适当改大

#define ATK_NCR_TRACEBUF2_SIZE 250*4

//定义第二个tracebuf大小(单位为字节),如果出现死机,请把该数组适当改大

//输入轨迹坐标类型

__packed typedef struct _atk_ncr_point

{

short x; //x轴坐标

short y; //y轴坐标

}atk_ncr_point;

//外部调用函数

//初始化识别器

//返回值:0,初始化成功

// 1,初始化失败

unsigned char alientek_ncr_init(void);

void alientek_ncr_stop(void); //停止识别器

//识别器识别

//track:输入点阵集合

//potnum:输入点阵的点数,就是track的大小

//charnum:期望输出的结果数,就是你希望输出多少个匹配结果

//mode:识别模式

//1,仅识别数字

//2,进识别大写字母

//3,仅识别小写字母

//4,混合识别(全部识别)

//result:结果缓存区(至少为:charnum+1个字节)

void alientek_ncr(atk_ncr_point * track,int potnum,int charnum,unsigned char mode,char*result);

void alientek_ncr_memset(char *p,char c,unsigned long len); //内存设置函数

//动态申请内存,当使用ATKNCR_M_Vx.x.lib时,必须实现.

void *alientek_ncr_malloc(unsigned int size);

//动态释放内存,当使用ATKNCR_M_Vx.x.lib时,必须实现.

void alientek_ncr_free(void *ptr);

#endif

此段代码中，我们定义了一些外部接口函数以及一个轨迹结构体等。

alientek_ncr_init，该函数用与初始化识别器，该函数在.lib文件实现，在识别开始之前，我们应该调用该函数。

alientek_ncr_stop，该函数用于停止识别器，在识别完成之后（不需要再识别），我们调用该函数，如果一直处于识别状态，则没必要调用。该函数也是在.lib文件实现。

alientek_ncr，该函数就是识别函数了。它有5个参数，第一个参数track，为输入轨迹点的坐标集（最好200以内）；第二个参数potnum，为坐标集点坐标的个数；第三个参数charnum，为期望输出的结果数，即希望输出多少个匹配结果，识别器按匹配程度排序输出（最佳匹配排第一）；第四个参数mode，该函数用于设置模式，识别器总共支持4中模式：

1，仅识别数字

2，进识别大写字母

3，仅识别小写字母

4，混合识别(全部识别)

最后一个参数是result，用来输出结果，注意这个结果是ASCII码格式的。

alientek_ncr_memset、alientek_ncr_free和alientek_ncr_free这3个函数在atk_ncr.c里面实现，这里就不多说了。

最后，我们看看通过ALIENTEK提供的手写数字字母识别库实现数字字母识别的步骤：

1） 调用alientek_ncr_init函数,初始化识别程序

该函数用来初始化识别器，在手写识别进行之前，必须调用该函数。

2） 获取输入的点阵数据

此步，我们通过触摸屏获取输入轨迹点阵坐标，然后存放到一个缓存区里面，注意至少要输入2个不同坐标的点阵数据，才能正常识别。注意输入点数不要太多，太多的话，需要更多的内存，我们推荐的输入点数范围：100~200点。

3） 调用alientek_ncr函数,得到识别结果.

通过调用alientek_ncr函数，我们可以得到输入点阵的识别结果，结果将保存在result参数里面，采用ASCII码格式存储

4） 调用alientek_ncr_stop函数,终止识别.

如果不需要继续识别，则调用alientek_ncr_stop函数，终止识别器。如果还需要继续识别，重复步骤2和步骤3即可。

以上4个步骤，就是使用ALIENTEK手写识别库的方法，十分简单。

51.2 硬件设计

本章实验功能简介：开机的时候先初始化手写识别器，然后检测字库，之后进入等待输入状态。此时，我们在手写区写数字/字符，在每次写入结束后，自动进入识别状态，进行识别，然后将识别结果输出在LCD模块上面（同时打印到串口）。通过按KEY0可以进行模式切换（4种模式都可以测试），通过按KEY2，可以进入触摸屏校准（如果发现触摸屏不准，请执行此操作）。DS0用于指示程序运行状态。

本实验用到的资源如下：

1）指示灯DS0

2） KEY0和KEY2两个按键

3）串口

4） TFTLCD模块（含触摸屏）

5） SPI FLASH

这些用到的硬件，我们在之前都已经介绍过，这里就不再介绍了。

51.3 软件设计

打开上一章的工程，首先在HARDWARE文件夹所在的文件夹下新建一个ATKNCR的文件夹。将ALIETENK提供的手写识别库文件（ATKNCR_M_V2.0.lib、ATKNCR_N_V2.0.lib、atk_ncr.c和atk_ncr.h这四个个文件，在光盘à 4，程序源码à ATKNCR(数字字母手写识别库) 文件夹里面）拷贝到该文件夹下，然后在工程里面新建一个ATKNCR的组，将atk_ncr.c和ATKNCR_M_V2.0.lib加入到该组下面（这里我们使用内存管理版本的识别库）。最后，将ATKNCR文件夹加入头文件包含路径。

关于ATKNCR_M_V2.0.lib和atk_ncr.c前面已有介绍，我们这里就不再多说，我们在test.c里面修改main函数如下：

//最大记录的轨迹点数

atk_ncr_point READ_BUF[200];

int main(void)

{

u8 i=0;

u8 tcnt=0;

u8 res[10];

u8 key;

u16 pcnt=0;

u8 mode=4; //默认是混合模式

Stm32_Clock_Init(9); //系统时钟设置

delay_init(72); //延时初始化

uart_init(72,9600); //串口1初始化

LCD_Init(); //初始化液晶

LED_Init(); //LED初始化

KEY_Init(); //按键初始化

TP_Init(); //触摸屏初始化

usmart_dev.init(72); //usmart初始化

mem_init(SRAMIN); //初始化内部内存池

alientek_ncr_init(); //初始化手写识别

POINT_COLOR=RED;

while(font_init()) //检查字库

{

LCD_ShowString(60,50,200,16,16,"Font Error!"); delay_ms(200);

LCD_Fill(60,50,240,66,WHITE);//清除显示

}

RESTART:

Show_Str(60,10,200,16,"战舰 STM32开发板",16,0);

Show_Str(60,30,200,16,"手写识别实验",16,0);

Show_Str(60,50,200,16,"正点原子@ALIENTEK",16,0);

Show_Str(60,70,200,16,"KEY0:MODE KEY2:Adjust",16,0);

Show_Str(60,90,200,16,"识别结果:",16,0);

LCD_DrawRectangle(19,114,220,315);

POINT_COLOR=BLUE;

Show_Str(96,207,200,16,"手写区",16,0);

tcnt=100;

//省略部分代码

}

该函数同触摸屏实验的main函数有点类似，不过加入了一些处理，以实现51.1.2节提到的功能。其中，READ_BUF用来存储输入轨迹点阵，大小为200，即最大输入不能超过200点，注意：这里我们采集的都是不用的点阵（即相邻的坐标不相等）。这样可以大大减少重复点阵的大小，而重复点阵对识别是没有帮助的。

至此，本实验的软件设计部分结束。