1.2SCUT-COUCH数据库简介-华南理工大学人机智能交互实验室(HCII.docVIP

SCUT-COUCH Textline_NU 联机手写数据库使用手册 Version 1.1 HCII Laboratory SCUT 华南理工大学 人机通信智能接口实验室 / 1．简介 近年来，对联机手写汉字识别（OHCCR）的研究近年来受到越来越多的学者、科研机构和公司的关注，而手写体识别也逐渐成为许多便携式设备如个人数码助理（PDA）、掌上电脑（Pocket PC）、智能手机(Smart Phone)等解决识别用户输入的关键技术。SCUT-COUCH Textline_NU（“SCUT” 是华南理工大学“South China University of Technology”的缩写，“COUCH”是“Comprehensive Online Unconstrained Chinese Handwriting”的缩写, “NU”是法国南特大学“Nantes University”的缩写，这样命名是因为一部分（17%）数据库是从法国南特大学采集的）是为了促进联机手写汉字文本行识别、联机手写汉字文本行切分等研究及其应用，由华南理工大学人机通信智能接口实验室（HCII-LAB）制作的一款无约束联机中文手写文本行数据库，它为联机手写识别等研究领域提供了基础的数据。1990年开始，手写体数据库的建立进入繁荣时期：1992,Concordia University发布的脱机手写数据库CENPARMI[1]，从真实信封中扫描得到美国的邮政编码。1994年发布的CEDER[2]与CENPARMI类似，但内容和数量上都有所扩展，包含了5000个城市名、5000个州名、10000个邮政编码以及50000个文字数字字符。与CEDER同年公开的另一款手写数据库CAMBRIDGE[3]，是第一款包含大词汇量的篇幅级别的英文手写数据库。先后发布于1998年和2002年两个版本的IAM[4]，延续了CAMBRIDGE的主要思想，从文集中挑选出一整页面的文字，通过大量不同书写人员进行手抄采集。 在一批英文手写体数据库涌现的同时，其他语言的手写体数据库也不断的被公开，以韩文为采集样本的脱机手写数据库PE92[5]和 KU-1[6]；以法语作为采集单元的IRONOFF[7]包括单独的字符、数字以及词组样本，它是一款包括联机样本和脱机样本的手写数据库；另外还有希腊语的数据库GRUHD[8,9], 印度语的数据库ISI[10]，日语的数据库ETL-8[11]ETL-9[12]、Kuchibue和Nakayosi[13]。 关于中文手写体数据库，到目前为止，也已经有数款特色数据库相继发表：IAAS-4M[14,15]、ITRI[16,17]、AMITY[18]、HCL2000[19]、HK2002[20]以及 HIT-MW[21]。他们对于中文汉字识别领域的快速发展都起到不可低估的作用。 从上述关于手写体数据库的发展简述中，我们可以观察出手写体数据库的发展大致遵循如下规律： 采集的范围从小类别数发展到了多类别数。 采集的规模从单字符向篇幅级别发展。 采集的方式从采集脱机图像发展到采集联机数据。 基于以上原因我们在SCUT-COUCH的基础上规划并采集了一款全新的联机文本行数据库：SCUT-COUCH Textline_NU（South China University of Technology-Comprehensive Online Unconstrained Chinese Handwriting Text lines Dataset）。 1.2 SCUT-COUCH数据库简介 SCUT-COUCH Textline_NU作为SCUT-COUCH的最新子集，这里对SCUT-COUCH做简要介绍。当前版本SCUT-COUCH数据库包括个子集的完整数据，它们分别是：、阿拉伯数字、国标GB2312-80）一级汉字、国标二级汉字、英文字母、、常用符号、国标一级汉字对应的繁体字、、。SCUT-COUCHPDA、触屏液晶显示器或数字记录笔上独立完成采集Digit 10 195 1,950 GB1 3755 188 705,940 GB2 3008 195 586,560 Letter 52 195 10,140 Pinyin 2010 130 261,300 Symbol 122 130 15,860 TradGB1 1384 130 179,920 WORD2006 （见素材） 30 173,690 WORD2009 5000 47 235,000 WORD8888 8888 130 1,155,440 Textlines_NU 2632 1 156，168 1.3 版权 华南理工大学电子与信息学院人机通信与智能接口已