基于云平台的连续手写识别系统

发布时间：2017-05-15 18:17

  本文关键词：基于云平台的连续手写识别系统，由笔耕文化传播整理发布。

【摘要】：人机交互研究领域已有悠久的研究历史。随着计算机技术的发展,人们追求越来越智能化的交互方式,如图形交互、语音交互、手写交互等。这些交互使得人与机器进行类似于自然语言交流成为了可能。随着触屏移动设备的兴起,受环境影响较小的手写识别交互方式成为最自然的交互方式之一。但目前比较流行的手写输入模式都还建立在字、词书写阶段,用户需要经过构思思维、书写字符、点击候选的重复循环过程。这使得用户无法连续书写,出现思维断裂,书写效率低的问题。随着识别技术的不断发展,精度较高的识别引擎计算复杂度也相对较高,这使得手写识别引擎在移动终端设备的识别准确率受到一定的限制。所以,如何提高识别精度,实现连续书写是目前手写识别领域的一个重要研究方向。针对以上两个问题,结合目前发展日渐成熟的云计算平台,本文设计实现了一个基于云平台的连续手写识别系统。通过将计算较复杂的基于卷积神经网络的识别引擎和后处理模型搭建在云端服务器上,实现分布式并行计算,解决移动平台单机硬件资源不足的问题。为了实现用户在线顺畅书写,本文设计了一种基于云端的连续手写交互模式。在Android移动终端系统中,设计了识别结果的多级呈现和双识别引擎,提高用户的书写速率和识别精度。在云端通过搭建粘性负载均衡节点来保持客户端与云端的数据同步,并且实现并发用户访问处理。本文还搭建了用户手写数据存储系统,将手写数据通过网络文件系统(Network File System,简称NFS)存储到数据库中,并将用户手写习惯写入手写日志,对未来进行用户数据挖掘和设计个性化识别引擎具有重要的作用。最后本文对系统进行测试。让10个真实用户采用三种识别引擎进行书写,对比不同识别引擎的识别准确率。实验结果表明,本文搭建的基于云平台的在线识别引擎具有较高的识别精度,平均首选准确率达到了95.70%,识别延时为0.2s左右,不影响用户顺畅书写。通过电脑开启多线程模拟手机并发访问云端,测试服务器的容载量和吞吐量。由实验结果分析得到,本文云端系统具有较强的处理能力和较大的吞吐量。最后采用Testin云测(专业的手机云测试平台)对系统兼容性进行测试,得到98.26%的通过率,说明了系统具有较好的兼容性。
【关键词】：连续手写识别 云平台 卷积神经网络 负载均衡
【学位授予单位】：哈尔滨工业大学
【学位级别】：硕士
【学位授予年份】：2015
【分类号】：TP391.43;TP393.09
【目录】：

• 摘要4-5
• ABSTRACT5-9
• 第1章 绪论9-16
• 1.1 课题来源9
• 1.2 课题研究的背景及意义9-10
• 1.3 国内外相关技术研究现状分析10-14
• 1.3.1 手写识别技术研究现状10-11
• 1.3.2 手写输入方式发展现状11-12
• 1.3.3 分布式云计算发展现状12-14
• 1.4 本文的主要研究内容14-15
• 1.5 章节内容组织结构15-16
• 第2章 连续手写识别相关技术16-23
• 2.1 引言16
• 2.2 深度学习识别引擎16-19
• 2.2.1 卷积神经网络16-18
• 2.2.2 卷积神经网络在手写上的应用18-19
• 2.3 基于N-GRAM的后处理方法19-22
• 2.3.1 N元文法模型19-21
• 2.3.2 N元文法模型在手写识别中的应用21-22
• 2.4 本章小结22-23
• 第3章 基于云平台的连续手写识别系统设计23-35
• 3.1 引言23
• 3.2 系统整体框架设计23-24
• 3.3 客户端系统设计24-28
• 3.3.1 输入界面设计25-26
• 3.3.2 通信模块设计26-28
• 3.3.3 离线识别引擎28
• 3.4 云端系统设计28-30
• 3.5 系统交互设计30-34
• 3.5.1 在线状态下第一次书写交互30-32
• 3.5.2 在线状态下同一事务中编辑交互32-33
• 3.5.3 在线状态下点击OK提交文本交互33
• 3.5.4 离线状态下书写交互33-34
• 3.6 本章小结34-35
• 第4章 基于云平台的连续手写识别系统的实现35-45
• 4.1 引言35
• 4.2 客户端系统的实现35-37
• 4.2.1 手写序列的多级呈现35-37
• 4.2.2 双识别引擎的实现37
• 4.3 云端服务器系统的实现37-44
• 4.3.1 负载均衡节点的搭建37-40
• 4.3.2 单字识别模块的实现40-41
• 4.3.3 后处理模块的实现41-42
• 4.3.4 手写数据存储的实现42-44
• 4.4 本章小结44-45
• 第5章 系统评测对比实验45-61
• 5.1 实验环境45-46
• 5.2 识别性能对比实验46-51
• 5.2.1 实验数据46-47
• 5.2.2 识别准确率对比评测47-50
• 5.2.3 效率对比评测50-51
• 5.3 负载压力测试实验51-57
• 5.3.1 低负载访问评测52-54
• 5.3.2 高负载访问评测54-55
• 5.3.3 不同负载访问评测55-57
• 5.4 系统兼容性对比实验57-60
• 5.5 本章小结60-61
• 结论61-63
• 参考文献63-67
• 读硕士学位期间发表的论文及其它成果67-69
• 致谢69

【参考文献】

中国期刊全文数据库 前6条

1 赵明;手写印刷体汉字识别方法综述[J];计算机研究与发展;1993年04期

2 张国兵;李淼;;一种基于局部歧义词网格的快速分词算法[J];计算机工程与应用;2008年12期

3 孙志军;薛磊;许阳明;王正;;深度学习研究综述[J];计算机应用研究;2012年08期

4 董人菘;王华;张晓钟;余正涛;张涛;;依存句法语言模型对短语统计机器翻译性能的影响[J];计算机科学;2014年02期

5 罗军舟;金嘉晖;宋爱波;东方;;云计算:体系架构与关键技术[J];通信学报;2011年07期

6 石大明,朱航,唐降龙,舒文豪;利用统计特征和结构特征识别手写汉字的方法[J];黑龙江自动化技术与应用;1996年04期

  本文关键词：基于云平台的连续手写识别系统，由笔耕文化传播整理发布。

，

本文编号：368517