可左右滑动选省市

一种笔迹轨迹预测方法发明专利

更新时间:2024-07-01
一种笔迹轨迹预测方法发明专利 专利申请类型:发明专利;
地区:广东-深圳;
源自:深圳高价值专利检索信息库;

专利名称:一种笔迹轨迹预测方法

专利类型:发明专利

专利申请号:CN202111236172.5

专利申请(专利权)人:深圳市泓宇星科技有限公司
权利人地址:广东省深圳市龙华区民治街道上芬社区布龙路与人民路交汇处恒江大厦1408

专利发明(设计)人:庄建明,邢淑敏

专利摘要:本发明公开一种笔迹轨迹预测方法,包括如下步骤:S1、触控单元实时采集笔迹数据;S2、定义输入点与输出点的多个相关参数,其包含时间t与坐标x、y;S3、根据历史输入点数据的时间矩阵T,和坐标矩阵X、Y,获取时间t与坐标x、y的函数关系系数矩阵;S4、根据历史输入点数据的规律,预测最后一步时间tn的下一步时间tn+1;S5、根据步骤S2、S3,给出预测坐标(x’,y’)。本发明技术方案能够较为快速、精确的预测出用户书写笔迹轨迹坐标;(2)、对于不同的设备,若只有时间戳特征参数,由其对应的预测坐标方法;若除了时间戳特征,还有压感、倾斜角等其他特征,也设计了其对应的预测坐标的方法。

主权利要求:
1.一种笔迹轨迹预测方法,其特征在于,包括如下步骤:S1、触控单元实时采集笔迹数据;
S2、定义输入点与输出点的多个相关参数,其包含时间t与坐标x、y;
S3、根据历史输入点数据的时间矩阵T,和坐标矩阵X、Y,获取时间t与坐标x、y的函数关系系数矩阵A1、A2;
S4、根据历史输入点数据的规律,预测最后一步时间tn的下一步时间tn+1;
S5、根据步骤S3、S4,给出预测坐标(x’,y’),其中:当不包含压感、倾斜角特征时x’=tn+1A1,y’=tn+1A2;
当包含压感、倾斜角特征时,x’=tn+1(A1+A),y’=tn+1(A2+A),其中A通过以下两种方式之一获取:作为正则项形式获取:
T ‑1 T
A=(XX+λE) XY,
其中,λ由压感和倾斜角特征组成;
作为加权形式获取:
T ‑1 T
A=(XWX) XWY,
其中,W由压感和倾斜角特征组成;
步骤S2具体包括:
进行参数设置,包括多项式阶数k,输入点个数n,预测点个数m,历史输入数据[(x1,y1,t1),(x2,y2,t2),…,(xn,yn,tn)];输出为待预测点坐标(x’,y’);
步骤S3具体实施方式包括:
S31、根据获取的历史输入点数据创建T、X、Y矩阵,其中:S32、获取时间t与坐标x、y的函数关系系数矩阵分别为:T ‑1 T T ‑1 T
A1=(TT) TX,A2=(TT) TY。
2.根据权利要求1所述的笔迹轨迹预测方法,其特征在于,步骤S4具体实施方式为:当触控单元采样时间间隔为固定值Δt,则可根据最后一步时间tn直接求出tn+1=tn+Δt。
3.根据权利要求1所述的笔迹轨迹预测方法,其特征在于,步骤S4具体实施方式为:当历史输入点数据时间间隔不一致,根据n个历史输入点数据的时间戳平均值tave=(t1+t2+...+tn)/n来赋值给tn+1=tave。
4.根据权利要求1所述的笔迹轨迹预测方法,其特征在于,步骤S4具体实施方式为:当历史输入点数据时间间隔不一致,根据多项式最小二乘来进行预测tn+1,设其多项式阶数为l,步骤如下:S41、创建矩阵P、Q,其中:S42、求出时间戳的系数矩阵为:T ‑1 T
W=(PP) PQ;
l
S43、获得tn+1=P′W;其中,P′=[1n+1…(n+1) ]。
5.根据权利要求1所述的笔迹轨迹预测方法,其特征在于,步骤S5中,λ和W由以下方式获取:压感特征对应的压感系数p=(press‑0.1)/(1‑0.1),其中,压感press在0‑1之间,如果p>1,则令p=1,如果p<0.1,则令p=0.1;
倾斜角特征对应的倾斜角系数θ=(α‑0.1)/(90‑0.1),角度α在0‑90度,则如果θ>1,则令θ=1,如果θ<0.1,则令θ=0.1;
以上λ=W=0.5p+0.5θ。 说明书 : 一种笔迹轨迹预测方法技术领域[0001] 本发明涉及笔迹处理技术领域,特别涉及一种笔迹轨迹预测方法。背景技术[0002] 目前带触模功能的手机、平板等设备,用户可以基于触摸功能,使用手写输入法、手写笔记、手绘。因为软件和硬件本身处理时间及信号传输等原因,导致了一些不可避免的延迟,在手写书写一笔的过程中,每一次书写事件处理的延迟就会累积,造成了书写笔迹不能跟着手或手写笔进行移动,造成跟手性差,给客户带不好的体验。[0003] 因此,现有技术存在问题,需要进一步改进。发明内容[0004] 针对现有技术存在的问题,本发明提供笔迹轨迹预测方法。本发明旨在来预测手写书写的轨迹,在每一次处理的时候多画一部分预测轨迹,以弥补硬件及软件处理的不可避免的延迟,提高书写跟手性能。[0005] 为实现上述目的,本发明的技术方案具体如下:[0006] 一种笔迹轨迹预测方法,包括如下步骤:[0007] S1、触控单元实时采集笔迹数据;[0008] S2、定义输入点与输出点的多个相关参数,其包含时间t与坐标x、y;[0009] S3、根据历史输入点数据的时间矩阵T,和坐标矩阵X、Y,获取时间t与坐标x、y的函数关系系数矩阵A1、A2;[0010] S4、根据历史输入点数据的规律,预测最后一步时间tn的下一步时间tn+1;[0011] S5、根据步骤S3、S4,给出预测坐标(x’,y’),其中:[0012] 当不包含压感、倾斜角特征时x’=tn+1A1,y’=tn+1A2;[0013] 当包含压感、倾斜角特征时,x’=tn+1(A1+A),y’=tn+1(A2+A),其中A通过以下两种方式之一获取:[0014] 作为正则项形式获取:[0015] A=(XTX+λE)‑1XTY,[0016] 其中,λ由压感和倾斜角特征组成;[0017] 作为加权形式获取:[0018] A=(XTWX)‑1XTWY,[0019] 其中,W由压感和倾斜角特征组成。[0020] 优选地,步骤S2具体包括:[0021] 进行参数设置,包括多项式阶数k,输入点个数n,预测点个数m,历史输入数据[(x1,y1,t1),(x2,y2,t2),…,(xn,yn,tn)];输出为待预测点坐标(x’,y’)。[0022] 优选地,步骤S3具体实施方式包括:[0023] S31、根据获取的历史输入点数据创建T、X、Y矩阵,其中:[0024][0025] S32、获取时间t与坐标x、y的函数关系系数矩阵分别为:[0026] A1=(TTT)‑1TTX,A2=(TTT)‑1TTY;[0027] 优选地,步骤S4具体实施方式为:[0028] 当触控单元采样时间间隔为固定值Δt,则可根据最后一步时间tn直接求出tn+1=tn+Δt;[0029] 优选地,步骤S4具体实施方式为:[0030] 当历史输入点数据时间间隔不一致,根据n个历史输入点数据的时间戳平均值tave=(t1+t2+...+tn)/n来赋值给tn+1=tave;[0031] 优选地,步骤S4具体实施方式为:[0032] 当历史输入点数据时间间隔不一致,根据多项式最小二乘来进行预测tn+1,设其多项式阶数为l,步骤如下:[0033] S41、创建矩阵P、Q,其中:[0034][0035] S42、求出时间戳的系数矩阵为:[0036] W=(PTP)‑1PTQ;[0037] S43、获得tn+1=P′W;其中,P′=[1n+1…(n+1)l]。[0038] 优选地,步骤S5中,λ和W由以下方式获取:[0039] 压感特征对应的压感系数p=(press‑0.1)/(1‑0.1),[0040] 其中,压感press在0‑1之间,如果p>1,则令p=1,如果p<0.1,则令p=0.1;[0041] 倾斜角特征对应的倾斜角系数θ=(α‑0.1)/(90‑0.1),角度α在0‑90度,则如果θ>1,则令θ=1,如果θ<0.1,则令θ=0.1;[0042] 以上λ=W=0.5p+0.5θ。[0043] 采用本发明的技术方案,与目前技术相比,本发明提供的书写轨迹预测方法具有以下优点:[0044] (1)、能够较为快速、精确的预测出用户书写笔迹轨迹坐标;[0045] (2)、对于不同的设备,若只有时间戳特征参数,由其对应的预测坐标方法;若除了时间戳特征,还有压感、倾斜角等其他特征,也设计了其对应的预测坐标的方法。附图说明[0046] 图1为本发明的流程图;[0047] 图2为本发明具体实施例原理图;[0048] 图3为本发明中输入点(实际点)与预测点效果图。具体实施方式[0049] 以下结合附图和具体实施例,对本发明进一步说明。[0050] 参照图1与图2,本发明具体技术方案为:[0051] S1、触控单元实时采集笔迹数据;[0052] 例如,可以是具备触控屏幕的智能设备,实时获取笔迹与时间的相关数据;[0053] S2、定义输入点与输出点的多个相关参数,其包含时间t与坐标x、y;[0054] 例如,进行参数设置,包括多项式阶数k,输入点个数n,预测点个数m,历史输入数据[(x1,y1,t1),(x2,y2,t2),…,(xn,yn,tn)];输出为待预测点坐标(x’,y’)。[0055] S3、根据历史输入点数据的时间矩阵T,和坐标矩阵X、Y,获取时间t与坐标x、y的函数关系系数矩阵A1、A2;[0056] 首先根据输入的历史报点数据创建T、X和Y矩阵,其中:[0057][0058] (1)若输入中无其他特征数据,则时间t与坐标x、y的函数关系系数矩阵分别为:[0059] A1=(TTT)‑1TTX,A2=(TTT)‑1TTY[0060] (2)若输入中包含压感、倾斜角等其他特征,则可以将其作为正则项或是加权形式,来求解时间t与坐标x、y的函数关系系数矩阵。其中,[0061] 正则最小二乘算法:[0062] A=(XTX+λE)‑1XTY;[0063] 其中,λ由压感或倾斜角特征组成;[0064] 加权最小二乘算法:[0065] A=(XTWX)‑1XTWY;[0066] 其中,W由压感或倾斜角特征组成。[0067] S4、根据历史输入点数据的规律,预测最后一步时间tn的下一步时间tn+1;[0068] 例如,当触控单元采样时间间隔为固定值Δt,则可根据最后一步时间tn直接求出tn+1=tn+Δt;[0069] 当历史输入点数据时间间隔不一致,可以根据n个历史输入点数据的时间戳平均值tave=(t1+t2+...+tn)/n来赋值给tn+1=tave;[0070] 当历史输入点数据时间间隔不一致,也可以根据多项式最小二乘来进行预测tn+1,设其多项式阶数为l,步骤如下:[0071] (1)、创建矩阵P、Q,其中:[0072][0073] (2)、求出时间戳的系数矩阵为:[0074] W=(PTP)‑1PTQ;[0075] (3)、获得tn+1=P′W;其中,P′=[1n+1…(n+1)l]。[0076] S5、根据步骤S3、S4,给出预测坐标(x’,y’),其中:[0077] 当不包含压感、倾斜角特征时x’=tn+1A1,y’=tn+1A2;[0078] 当包含压感、倾斜角特征时,x’=tn+1(A1+A),y’=tn+1(A2+A),其中A通过以下两种方式之一获取:[0079] 作为正则项形式获取:[0080] A=(XTX+λE)‑1XTY,[0081] 其中,λ由压感和倾斜角特征组成;[0082] 作为加权形式获取:[0083] A=(XTWX)‑1XTWY,[0084] 其中,W由压感和倾斜角特征组成。[0085] 进一步地,λ和W由以下方式获取:[0086] 压感特征对应的压感系数p=(press‑0.1)/(1‑0.1),[0087] 其中,压感press在0‑1之间,如果p>1,则令p=1,如果p<0.1,则令p=0.1;也就是,p∈[0.1~1]。[0088] 倾斜角特征对应的倾斜角系数θ=(α‑0.1)/(90‑0.1),角度α在0‑90度,则如果θ>1,则令θ=1,如果θ<0.1,则令θ=0.1,也就是,θ∈[0.1~1]。[0089] 以上λ=W=0.5p+0.5θ。[0090] 采用上述方法,最终的效果图参见图3,可以看出输入点(也可以称为实际点)和预测点具有很好的连贯性,能够通过输入点实现预测点的输出,实现笔迹轨迹预测。[0091] 继续参考图3,tn+1的预测指预测一个点,tn+m指预测一系列m个点。预测一个点是预测的最远的那个点,m个点指真实点和最远的预测点之间拟合插值m个点,因此,预测m个点(即n+1、n+2、...,n+m),可以参考预测n+1的第一个点来进行,最终的效果图参见图3。[0092] 以上所述仅为本发明的优选实施例,并非因此限制本发明的专利范围,凡是在本发明的发明构思下,利用本发明说明书及附图内容所作的等效结构变换,或直接/间接运用在其他相关的技术领域均包括在本发明的保护范围内。

专利地区:广东

专利申请日期:2021-10-22

专利公开日期:2024-06-18

专利公告号:CN113885733B

电话咨询
读内容
搜本页
回顶部