手寫數(shù)字識別的原理及應用

摘要：隨著信息技術(shù)的發(fā)展，信息建設(shè)在我國得到了迅猛的發(fā)展，手寫數(shù)字識別的應用需求越來越廣泛。文章從概念、研究背景、研究意義等方面介紹了手寫數(shù)字識別的原理及實現(xiàn)方法，并介紹了手寫數(shù)字識別的幾個典型應用。

關(guān)鍵詞：人工智能；模式識別；OCR；手寫數(shù)字識別

0引言

手寫數(shù)字識別(Handwritten Numeral Recognition)是光學字符識別技術(shù)(Optical Character Recognition，簡稱OCR)的一個分支，它研究的對象是，如何利用電子計算機自動辨認人手寫在紙張上的阿拉伯數(shù)字。

在整個OCR領(lǐng)域中，最為困難的就是脫機手寫字符的識別，到目前為止，盡管人們在脫機手寫英文、漢字識別的研究中已取得很多可喜成就，但距實用還有一定距離。而在手寫數(shù)字識別這個方向上，經(jīng)過多年研究，研究工作者已經(jīng)開始把它向各種實際應用推廣。

字符識別處理的信息可分為兩大類：一類是文字信息，處理的主要是用各國家、各民族的文字(如：漢字，英文等)書寫或印刷的文本信息，目前在印刷體和聯(lián)機手寫方面技術(shù)已趨向成熟，并推出了很多應用系統(tǒng)；另一類是數(shù)據(jù)信息，主要是由阿拉伯數(shù)字及少量特殊符號組成的各種編號和統(tǒng)計數(shù)據(jù)，如：郵政編碼、統(tǒng)計報表、財務(wù)報表、銀行票據(jù)等等，處理這類信息的核心技術(shù)是手寫數(shù)字識別。這幾年來我國開始大力推廣的“三金”工程在很大程度上要依賴數(shù)據(jù)信息的輸入，如果能通過手寫數(shù)字識別技術(shù)實現(xiàn)信息的自動錄入，無疑會促進這一事業(yè)的發(fā)展。因此，手寫數(shù)字的識別研究有著重大的現(xiàn)實意義。

1手寫數(shù)字識別的理論價值

手寫數(shù)字識別作為模式識別領(lǐng)域的一個重要問題，也有著重要的理論價值：

(1)阿拉伯數(shù)字是惟一的被世界各國通用的符號，對手寫數(shù)字識別的研究基本上與文化背景無關(guān)，這樣就為各國、各地區(qū)的研究工作者提供了一個施展才智的大舞臺。在這一領(lǐng)域大家可以探討，比較各種研究方法。

(2)由于數(shù)字識別的類別數(shù)較少，有助于做深入分析及驗證一些新的理論。最明顯的例子是人工神經(jīng)網(wǎng)絡(luò)(ANN)中相當一部分的ANN模型和算法都以手寫數(shù)字識別作為具體的實驗平臺，驗證理論的有效性，評價各種方法的優(yōu)缺點。

(3)盡管人們對手寫數(shù)字的識別已進行了長時間的研究，也取得了很多成果，但到目前為止機器識別還無法與人的認知能力相比，這仍是一個有難度的開放問題(Open problem)。

(4)手寫數(shù)字的識別方法很容易推廣到其它一些相關(guān)問題，一個最直接的應用是對英文這樣的拼音文字的識別。事實上，很多學者就是把數(shù)字和英文字母的識別放在一塊兒研究的。

數(shù)字的類別只有十種，筆劃又簡單，對其識別似乎不是很困難。但事實上，一些測試結(jié)果表明，數(shù)字的識別率并不如印刷體漢字識別率高，甚至也不如聯(lián)機手寫體漢字識別率高，而僅僅優(yōu)于脫機手寫體漢字識別。這其中主要原因是：第一，數(shù)字字形相差不大，使得準確區(qū)分某些數(shù)字相當困難；第二，數(shù)字雖然只有十種，而且筆劃簡單，但同—數(shù)字寫法千差萬別，全世界各個國家各個地區(qū)的人都用，其書寫上帶有明顯的區(qū)域特性，數(shù)字識別很難完全兼顧世界各種寫法。另外，在實際應用中，對數(shù)字識別技術(shù)中單字識別正確率的要求比文字識別技術(shù)要苛刻得多。這是因為，數(shù)字沒有上下文關(guān)系，每個單字的識別都至關(guān)重要，而且數(shù)字識別經(jīng)常涉及的財會、金融領(lǐng)域，其嚴格性更是不言而喻的。因此，用戶的要求不是單純的高正確率，更重要的是極低的、千分之—甚至萬分之一以下的誤識率。此外，大批量數(shù)據(jù)處理對系統(tǒng)速度又有相當?shù)囊螅S多理論上很完美但速度過低的方法是行不通的。因此，研究高性能的手寫數(shù)字識別算法是一個有相當挑戰(zhàn)性的任務(wù)。

2手寫數(shù)字識別的原理

正如前面提到的，手寫數(shù)字的寫法帶有明顯的地區(qū)性和民族性，因而選擇一個可供系統(tǒng)訓練和測試使用的樣本庫是手寫數(shù)字識別研究的重要基礎(chǔ)之一，對識別系統(tǒng)的性能也有重要的影響。研究者對所需的樣本庫有兩種選擇：一是自己根據(jù)需要建立專門的樣本庫，二是選用其它機構(gòu)做好的現(xiàn)成的樣本庫。前者的優(yōu)點是貼近自己的應用，缺點也是明顯的：要費相當?shù)木η掖硇院茈y保證，與其它人的結(jié)果不好比較。因此，現(xiàn)在的趨勢是使用有權(quán)威性的通用樣本庫。目前，比較有代表性的、樣本數(shù)量較大的手寫數(shù)字樣本庫有：(1)NIST數(shù)據(jù)庫，由美國國家標準與技術(shù)局收集；(2)CEDAR數(shù)據(jù)庫，是由紐約州立大學Buffalo分校計算機科學系建立的郵政編碼樣本庫；(3)ETL數(shù)據(jù)庫，由日本電工技術(shù)研究所收集；(4)ITPT數(shù)據(jù)庫，由日本郵電通信政策研究所收集。

作為一個識別系統(tǒng)，我們最終要用某些參數(shù)來評價其性能的高低，手寫數(shù)字識別也不例外。評價的指標除了借用一般文字識別的指標外，還要根據(jù)數(shù)字識別的特點進行修改和補充。

對一個手寫數(shù)字識別系統(tǒng)，可以用三方面的指標表征系統(tǒng)的性能：

正確識別率：A=正確識別樣本數(shù)，全部樣本數(shù)*100％

替代率(誤識率)：s=誤識樣本數(shù)／全部樣本數(shù)*100％

拒識率：R=拒識樣本數(shù)／全部樣本數(shù)*100％

三者的關(guān)系是：A+S+R=100％

數(shù)字識別的應用中，人們往往很關(guān)心的一個指標是“識別精度”，即：在所有識別的字符中，除去拒識字符，正確識別的比例有多大，我們定義：

識別精度：P=A／(A+S)*100％

—個理想的系統(tǒng)應是R，S盡量小，而P，A盡可能大。而在一個實際系統(tǒng)中，s，R是相互制約的，拒識率R的提高總伴隨著誤識率s的下降，與此同時識別率A和識別精度P的提高。因此，在評價手寫數(shù)字識別系統(tǒng)時，我們必須綜合考慮這幾個指標。另外，由于手寫數(shù)字的書寫風格、工整程度可能有相當大的差別，因此必須弄清評價指標值是在怎樣的樣本集合下獲得的。 手寫數(shù)字識別在學科上屬于模式識別和入工智能的范疇。在過去的四十年中，人們想出了很多辦法獲取手寫字符的關(guān)鍵特征。這些手段分兩大類：全局分析和結(jié)構(gòu)分析。對前者，我們可以使用模板匹配、像素密度、矩、特征點、數(shù)學變換等技術(shù)，并且常常和統(tǒng)計分類方法—起使用。對后者，多半需要從字符的輪廓或骨架上提取字符形狀的基本特征，包括：圈、端點、節(jié)點、弧、突起、凹陷，與這些結(jié)構(gòu)特征配合使用的往往是句法的分類方法。

多年的研究實踐表明，對于完全沒有限制的手寫數(shù)字，幾乎可以肯定，沒有一種簡單的方案能達到很高的識別率和識別精度。因此，最近這方面的努力向著更為成熟、復雜、綜合的方向發(fā)展。研究工作者努力把新的知識運用到預處理、特征提取與分類當中，如：神經(jīng)網(wǎng)絡(luò)、數(shù)學形態(tài)學等。作者認為，神經(jīng)網(wǎng)絡(luò)技術(shù)和多種方法的綜合是值得重視的方向。

3基于手寫數(shù)字識別的典型應用

下面我們將介紹基于手寫數(shù)字識別的應用系統(tǒng)的特殊要求，以及一些以手寫數(shù)字識別技術(shù)為基礎(chǔ)的典型應用。3．1基于手寫數(shù)字識別的應用系統(tǒng)的特殊要求

盡管手寫數(shù)字識別與一般的文本(如：漢字，英文等)識別同屬于光學字符識別(OCR)的大范疇，從應用的角度出發(fā)，手寫數(shù)字識別應用系統(tǒng)有很多特殊的要求。

(1)識別精度要達到很高的水平。

在一般的文本識別中，信息的冗余較大，有充分的上下文信息，因而對識別的精度要求不是十分高，達到98-99％就足夠了。而在數(shù)字識別中，由于沒有上下文關(guān)系，數(shù)據(jù)中的每一位數(shù)字都至關(guān)重要(如財務(wù)報表)。一般來說，這類實用系統(tǒng)的精度至少應在99．9％以上。為此，在目前的技術(shù)水平下，可采取以下措施來滿足高精度的要求：

①要求書寫者用規(guī)定的字型認真填寫，避免使用某些容易造成混淆的變體。

這個限制對用戶可能是很不方便的，因為這意味著書寫速度的降低和書寫習慣的改變，但從整體上，系統(tǒng)的識別水平將有大幅度的提高，能很大程度上提高系統(tǒng)的運行效率。

②提高拒識率。

通過提高拒識率就可以減低誤識率，直到達到指定的精度要求。當然，拒識的增多意味著操作人員介入的增加，這對用戶是極為不利的。

③加入邏輯校驗。

在通信系統(tǒng)中，人們常通過加校驗碼來保證數(shù)據(jù)的高質(zhì)量傳輸，常見的校驗碼有：奇偶校驗，漢明碼等。在基于手寫數(shù)字的應用系統(tǒng)中，我們也可以采用類似的方法。不過，這時校驗方式應盡量簡單，直觀，利于填寫人快速計算。

(2)對處理速度也有很高的要求。

數(shù)字識別面對的是大量的數(shù)據(jù)報表，一般都要求達到每分鐘幾頁到幾十頁的處理能力(包括從掃描到完成識別的全過程)。既要達到前面提到的高識別精度，又要有高速度，無疑增加了系統(tǒng)的設(shè)計難度。不過近年來，硬件水平提高很快，目前市場上已有較低價格，每分鐘可掃描10-20頁的高性能掃描儀；微機的運算速度更是飛快提高，這些都為高的處理速度奠定了堅實的基礎(chǔ)。

(3)要能批量自動作業(yè)。

在一般的文本識別中，都是操作者一頁頁地送入文本，手工幫助機器進行版面分割(機器的自動分割能力往往是十分有限的)后再開始識別，很難保證高質(zhì)量的批量自動識別。而在數(shù)字識別系統(tǒng)中這是—個必須做到且應能做到的基本要求。原因如下：

①如果每頁的處理都要人手工幫助完成，系統(tǒng)的綜合處理速度無法達到要求；

②掃描儀的自動進紙(ADF-Automatic Document Feeding)技術(shù)已十分成熟；

③處理的對象在很多情況下是版面完全相同的大批表格，很容易作到欄目的自動提取。

(4)要有便于批量快速校對修改的手段。

3．2手寫數(shù)字識別在大規(guī)模數(shù)據(jù)統(tǒng)計中的應用

在大規(guī)模的數(shù)據(jù)統(tǒng)計(如：行業(yè)年檢、人口普查等)中，需要輸入大量的數(shù)據(jù)，以前完全要手工輸入，需要耗費大量的人力和物力。近年來在這類工作中采用OCR技術(shù)已成為一種趨勢。

因為在這種應用中，數(shù)據(jù)的錄入是集中組織的，所以往往可以通過專門設(shè)計表格和對書寫施加限制以便于機器的自動識別。目前國內(nèi)的大多數(shù)實用系統(tǒng)都要求用戶按指定規(guī)范在方格內(nèi)填寫。另外，這些系統(tǒng)往往采用合適的用戶界面對識別結(jié)果做全面的檢查，最終保證結(jié)果正確無誤。可以看出，這是一類相對容易的應用，對識別核心算法的要求比較低，是目前國內(nèi)很多單位應用開發(fā)的熱點。

3．3手寫數(shù)字識別在財務(wù)、稅務(wù)、金融領(lǐng)域中的應用

財務(wù)、稅務(wù)、金融是手寫數(shù)字識別大有可為的又一領(lǐng)域。隨著我國經(jīng)濟的迅速發(fā)展，每天等待處理的財務(wù)、稅務(wù)報表、支票、付款單等越來越多。如果能把它們用計算機自動處理，無疑可以節(jié)約大量的時間、金錢和勞力。與上面提到的統(tǒng)計報表處理相比，在這個領(lǐng)域的應用難度更大，原因有：(1)對識別的精度要求更高；(2)處理的表格往往不止一種，一個系統(tǒng)應能智能地同時處理若干種表格；(3)由于處理貫穿于整個日常工作之中，書寫應盡量按一般習慣(如：不對書寫者的寫法做限定，書寫時允許寫連續(xù)的字串，而不是在固定的方格內(nèi)書寫)，這樣對識別及預處理的核心算法要求也提高了。

3．4手寫數(shù)字識別在郵件分揀中的應用

在郵件的自動分揀中，手寫數(shù)字識別(OCR)往往與光學條碼識別(OBR Optical Bar Reading)和人工輔助識別等手段相結(jié)合，來完成郵政編碼的閱讀。目前使用量最大的OVCS分揀機的性能指標為：OCR拒分率30％，OCR分揀差錯率1．1％。

4結(jié)束語

隨著國家信息化進程的加速，手寫數(shù)字識別的應用需求將越來越廣泛，因此應當加強這方面的研究工作。作者認為，應用系統(tǒng)性能的關(guān)鍵與瓶頸仍然在于手寫數(shù)字識別核心算法性能上，最終目標是研究零誤識率和低拒識率的高速識別算法。此外，盡早建立反映中國人書寫習慣的、具有國家標準性質(zhì)的手寫數(shù)字樣本庫也是當務(wù)之急。

(注：本文中所涉及到的圖表、注解、公式等內(nèi)容請以PDF格式閱讀原文。)