基于在线-离线模型的手写质量分析
人机交互
2020-10-15 v1 计算机视觉与模式识别
摘要
本工作是创新电子学习项目的一部分，该项目旨在开发一种先进的数字教育工具，为三至八岁学龄儿童的手写学习过程提供反馈。本文描述了一种用于儿童手写质量分析的新方法。它自动检测错误，为儿童书写提供实时在线反馈，并帮助教师理解并评估儿童的书写技能。所提方法评判五个主要标准：形状、方向、笔画顺序、相对于参考线的位置以及笔迹运动学。它基于三种提取模型的组合分析手写质量并自动给出反馈：使用相似性检测（SD）与相异距离（DD）度量的Beta-Elliptic模型（BEM）、傅里叶描述子模型（FDM），以及带支持向量机（SVM）比较引擎的感知卷积神经网络（CNN）。我们工作的独创性部分在于系统架构，其掌握了所考察手写体的互补动态、几何与视觉表征，以及适应多种书写风格与多类脚本语言（如阿拉伯文、拉丁文、数字和符号绘制）的高效选定特征。该应用提供两个交互界面，分别面向学习者、教育者、专家或教师，并允许他们根据自身学科特点轻松调整。我们的框架评估由突尼斯小学收集的含400名儿童的数据库增强。实验结果表明，我们所提框架通过使用触觉数字设备在整个手写学习过程中提供积极反馈，对教师和儿童均有助益，且具有效率与鲁棒性。
引用
@article{arxiv.2010.06693,
title = {Handwriting Quality Analysis using Online-Offline Models},
author = {Yahia Hamdi and Hanen Akouaydi and Houcine Boubaker and Adel M. Alimi},
journal= {arXiv preprint arXiv:2010.06693},
year = {2020}
}