基于深度神经网络的实时手写识别方法

本发明为一种基于深度神经网络的实时手写识别方法，旨在解决电子白板手写字符识别中存在的准确性不足、实时性欠佳及对复杂书写风格适应性差的问题。该方法首先通过电子白板传感器和红外摄像头采集手写轨迹样本数据，经缺失值处理、异常值处理和格式转换后，对轨迹坐标进行去噪和归一化预处理；其次通过像素移位生成增强样本，提取方向角、速度、笔尖压力归一值等10维特征，利用粒子群优化算法筛选最优特征子集并拼接为时序特征向量；最后采用3层LSTM网络学习特征向量的时序依赖，经全连接层和softmax函数输出62类字符概率，完成分类识别。该方法实现了电子白板手写字符的高效、准确识别，提升了手写交互的实时性与可靠性，具有较强的工程应用价值。