[论文解读] Online Stroke and Akshara Recognition GUI in Assamese Language Using Hidden Markov Model

S. R. Mahadeva Prasanna, R. Meena Devi+3 more|arXiv (Cornell University)|Jul 9, 2014

Handwritten Text Recognition Techniques参考文献 6被引用 6

一句话总结

本文提出了一种基于隐马尔可夫模型（HMMs）和语言规则的在线阿萨姆语笔画与音节（字符）识别系统。通过建模笔画模式并利用基于规则的约束验证组合，结合GUI和HTK工具包通过动态链接库（DLL）实现，该系统在笔画级别实现了94.14%的准确率，在音节级别实现了84.2%的准确率。

ABSTRACT

The work describes the development of Online Assamese Stroke & Akshara Recognizer based on a set of language rules. In handwriting literature strokes are composed of two coordinate trace in between pen down and pen up labels. The Assamese aksharas are combination of a number of strokes, the maximum number of strokes taken to make a combination being eight. Based on these combinations eight language rule models have been made which are used to test if a set of strokes form a valid akshara. A Hidden Markov Model is used to train 181 different stroke patterns which generates a model used during stroke level testing. Akshara level testing is performed by integrating a GUI (provided by CDAC-Pune) with the Binaries of HTK toolkit classifier, HMM train model and the language rules using a dynamic linked library (dll). We have got a stroke level performance of 94.14% and akshara level performance of 84.2%.

研究动机与目标

• 开发一种支持实时手写输入的阿萨姆语文字在线识别系统。
• 使用隐马尔可夫模型（HMMs）对单个笔画进行建模，以实现精确的模式识别。
• 定义并应用语言规则，以验证笔画组合是否构成有效的音节。
• 将识别引擎与图形用户界面（GUI）集成，以支持交互式使用。
• 通过混合使用HMM与基于规则的方法，在笔画和音节两个层级实现高识别准确率。

提出的方法

• 使用隐马尔可夫模型（HMMs）对181种不同的笔画模式进行训练，用于笔画级别的分类。
• 基于每个音节最多包含八个笔画的规则，定义了八种语言规则模型，用于验证笔画组合。
• 通过动态链接库（DLL）将HTK工具包的HMM分类器与CDAC-Pune开发的GUI进行集成。
• 利用笔触按下和笔触抬起事件来定义在线手写数据中的笔画轨迹。
• 将HMM输出与基于规则的验证相结合，确保仅接受语法上有效的音节。
• 通过聚合已识别的笔画并依据预定义的语言学规则进行验证，完成音节级别的测试。

实验结果

研究问题

• RQ1 基于HMM的建模能否在阿萨姆语文字中实现对在线笔画的高精度识别？
• RQ2 语言规则在验证笔画组合以形成有效音节方面的有效性如何？
• RQ3 结合HMM与基于规则验证的GUI集成系统在在线阿萨姆语手写识别中的性能如何？
• RQ4 HMM与语言约束相结合的混合方法能否在准确率上超越单独使用HMM的效果？
• RQ5 在实时系统中，笔画级别与音节级别识别准确率之间存在何种权衡？

主要发现

• 该系统通过在181种不同笔画模式上训练的HMM，实现了94.14%的笔画级别识别准确率。
• 通过将HMM输出与语言规则验证相结合，该系统在音节级别实现了84.2%的识别准确率。
• 基于规则的约束集成显著提高了音节识别的可靠性，有效过滤了无效的笔画组合。
• 使用基于HTK的HMM分类与GUI结合，实现了实时、交互式的在线手写识别。
• 动态链接库（DLL）接口成功实现了GUI、HMM分类器与语言规则引擎之间的无缝通信。
• 结果表明，将统计建模（HMMs）与语言约束相结合，对于阿萨姆语等低资源文字具有可行性。