Як зіставити намальований китайський символ з базою даних анімації обведення

У мене є база китайських анімаційних символів обведення символів. Кожен запис - це в основному набір точок, який показує, як і в якому порядку слід малювати персонаж.

Щоб полегшити пошук, я хотів би дозволити користувачеві вручну намалювати персонаж мишею, тоді моє програмне забезпечення запропонувало б кілька можливих відповідностей (як це робиться на iPhone).

Я шукав у Google, але не знайшов нічого релевантного. Мені хотілося б знати, які алгоритми чи дослідницькі роботи мені потрібно переглянути. Я здогадуюсь, це має щось спільне з розпізнаванням форми, за винятком того, що порядок, у якому намальована форма (китайський символ), також є релевантним. Будь-яка пропозиція?

Ви шукали наукові статті, я здивований, що ви нічого не знайшли. Ось що швидкий пошук через Google Scholar з ключовими словами path stroke recognitionі handwriting stroke recognitionзмусив мене:

• Plamondon, R .: Розпізнавання ручного в Інтернеті та в Інтернеті: всеосяжне опитування : Схоже, гарне місце для початку. Пояснення цифрового подання рукописного вводу та методи розпізнавання рукописного вводу (із даними траєкторії та обрису)

  Не стосується конкретно китайських символів, але я думаю, що це може бути застосовно.

• Хідео Огава, Кейдзі Танігучі: Розрідження та сегментація штрихів для розпізнавання рукописних китайських символів : Це виглядає досить старим, але має справу з сегментацією штрихів або цитувати «спосіб розбиття персонажа на набір послідовних часткових штрихів» .

  Це зворотне значення того, що ви хочете (ви сказали, що вже маєте інформацію про інсульти), але, можливо, розуміння подання обведення може допомогти вам стати правильним шляхом.

• Кощинський, М.: Сегментація та розпізнавання символів у рукописних математичних виразах : Знову ж таки, не китайські символи, а математичні (що все-таки більше "екзотично", ніж звичайний текст). Хороший тим, що пропонував техніку, засновану на ймовірності.

• Cheng-Lin Liu, In-Jung Kim, Jin H. Kim: Вилучення штрихів на основі моделі та відповідність для розпізнавання рукописних китайських символів : Я думаю, що назва говорить про це все. Виглядає саме те, що ви хочете, і обіцяє багатообіцяючі результати.

Ще одне, що слід додати: Найновіша посилання у вищезгаданій купі - це це вже 2000 років . Це вказує на те, що те, що ви хочете зробити, - це, мабуть, добре досліджена область із випробуваними найсучаснішими методами. Шукати довідковий матеріал не повинно було важко.

Просто для уточнення я насправді не став читав жодної з цих статей. Я щойно зробив свій звичайний попередній крок дослідження: перейдіть до баз даних статей (google scilar, mendeley, ieeexplore ...), введіть кілька ключових слів. Відкрийте ті з багатообіцяючими заголовками, закрийте один із зовсім нецікавими рефератами. Прочитайте решта тез ретельніше і виберіть ті, які здаються релевантними. Сказавши це, не всі статті, які я запропонував, можуть бути доречними, але, судячи з досвіду, вони, швидше за все, є.

Я сподіваюся, що це допомагає. Крім того, якщо ви тим часом зробили якісь дослідження, будь ласка, відредагуйте його у своєму питанні та поділіться із спільнотою . Це виглядає як цікава тема.

Вам слід використовувати нейронну мережу, саме це використовується для оптичного розпізнавання символів, я впевнений, що ви можете знайти багато ресурсів про це в Google. Щоб врахувати порядок ліній, ви можете використовувати не тільки остаточне зображення, але й проміжні зображення після кожного обведення.