ارايه روشي براي تشخيص برخط كلمات فارسي دست نويس با استفاده از سيگنال حسگر شتاب سنج

Provide a method to recognize handwritten online Persian words using the Accelerometer sensor signals

يكي از چالشهاي مهم در سيستمهاي كامپيوتري، تعامل كاربر با اين سيستمها است. در اين مقاله با استفاده از سيگنالهاي دريافتي از شتابسنج، روشي جديد براي تشخيص كلمات دستنويس فارسي ارائه شده است. كاربر حروف فارسي را بر روي يك سطح مسطح با استفاده از دستگاهي كه حاوي شتاب سنج است مينويسد، با حركت حسگر شتاب سنج بر روي سطح مسطح، اطلاعات شتاب محاسبه شده و به سيستم ارسال ميشوند. پس از دريافت دادهها عمليات پيشپردازش دادهها انجام ميگيرد. عمليات پيشپردازش شامل قطعه بندي و حذف نويز است. بعد از پيشپردازش، ويژگيهاي آماري و فركانسي سيگنال دريافتي، نظير واريانس، انحراف معيار، ضريب همبستگي، ميانه، ميانگين، تبديل فوريه، انرژي سيگنال (كه از مجذور تبديل فوريه گسسته به دست ميآيد) و تجزيه مقادير تكين استخراج و محاسبه ميشود و در نهايت با استفاده از ماشين بردار پشتيبان، حروف دستنويس فارسي و به تبع آن با ورود نشانه مربع كه مبين انتهاي كلمه است، كلمه موردنظر تشخيص داده ميشود. نتايج شبيهسازي نشان ميدهد كه دقت تشخيص حروف دستنويس فارسي با استفاده از هستهي چندجملهاي و تابع پايه شعاعي در هسته ماشين بردار پشتيبان به ترتيب برابر 41/91% و 34/92% ميباشد.

One of the challenges in computer systems is interacting user with this systems. In this paper proposed a new method for recognition Persian handwritten words using received accelerometer signal. User writes the Persian letters on flat surface, with moving accelerometer sensor on flat surface compute the acceleration information and sent to system. After receiving data perform preprocessing operations. Preprocessing operations consist of segmentation and denoising. After preprocessing operations extract and compute the statistical and frequency features of receiving signal such as variance, standard deviation, correlation coefficient, median, mean, Fourier transform, signal strong (that compute from square discrete Fourier transform) and singular value decomposition. Finally the Persian handwritten letters and square sign that indicate end of word is recognition by support vector machine and therefore characterize the word. The implementation result show that accuracy of detection Persian handwritten letters by polynomial and radial basis kernel in support vector machine respectively are equal to 91.41% and 92.34%.