基于计算机视觉的手写字符输入

摘  要： 提出了一种非接触式的手写字符输入方法。利用摄像机捕捉发光笔在一固定的单色背景平面上“书写”的运动轨迹，根据发光笔光斑坐标的位置恢复出“书写”字符的图像，最后识别输出。实验结果表明，该方法简单实用，对大写英文字母和数字的识别率均达到98%以上。
关键词： 非接触； 手写字符输入； 拓扑结构； 矩不变量
       手写字符输入方法已广泛应用于移动电话、掌上电脑等移动设备，其目的在于增强用户体验、提高输入效率和减小设备体积。但该方法需要在显示屏上覆盖一个电容式或电阻式触摸屏才能进行接触式输入，这无疑增加了设备成本。目前，移动设备普遍都配有摄像头，如果用户使用发光笔在空中不接触屏幕手写字符，运用计算机视觉的理论和方法实现输入，则可以降低设备成本、延长设备使用寿命。近几年已经有相关方面的研究，参考文献[1]提出了一种虚拟手写字符的方法，通过检测指尖的运动轨迹来恢复字符图像，但该方法对手指书写的抬笔、落笔检测比较困难，使得手指阴影影响较大，恢复出来的字符图像凌乱，正确识别率低。
     本文采用普通教学用的激光笔通过单色屏幕以正常速度写字，同时摄像头记录光斑的移动过程，利用一系列的光斑恢复出一幅完整的字符图像，最后对该字符进行识别。该方法简便快捷、识别率高，且无机械磨损，系统整体流程框图如图1所示。其中，光斑是波长约为650 nm的红色光斑，视频图像的采集速度为25 s/s，每帧图像为320×240的RGB图像。
   
   １光斑检测与轨迹恢复
     实际应用的移动设备和移动投影设备的背景不是白色或黑色，因此通常本文仅讨论白色和黑色背景下的光斑检测及轨迹恢复，不需要建立复杂的背景模型。
１.1光斑检测
     光点或光斑检测近几年已有不同的方法出现，参考文献[2]结合激光点的颜色特征、运动信息和形状特征来定位激光点的位置。参考文献[3]利用拟合算法精确定位光斑位置，但该方法还需要降维处理，算法复杂度较高。本文采用根据激光笔发出的红色或是绿色来提取RGB图像的特定分量方法，将其转化成灰度图像，然后利用灰度重心法找出光斑的中心位置，最后以光斑的中心位置为基础恢复出光斑。
     本文使用红色激光笔，激光投射在屏幕上后形成一个非常亮的红色光斑。因此，提取图像的R分量，将RGB图像转化成灰度图像。实验发现，在白色背景和黑色背景中不同光照条件下,光斑的灰度值分布在255附近。文中只对灰度级大于180的像素作了灰度分布描述，其结果如图2、图3所示。