如何写一个简单的手写识别算法？

gesture recognizer 是比较好的解法。

洒家也有一个类似的算法，借鉴了原始手写ocr的思路来实现的。其实是写在 $1 gesture recognizer 之前的，但没有 $1 gesture recognizer 归纳得好，作者jacob还是我偶像。

把所有的笔画定义了个8个方向，然后将B的笔画可以分解成一个字符串。然后当人在触摸屏上画出一个符号时，也将它分解成8个方向的字符串，最后比较两个字符串的距离就能判断出和不同符号的近似度。

实现起来也很简单，第一步去噪，因为不同触摸屏的采样频率不同。

第二步把去噪后的数据转换成方向序列，把之前得到的点换成方向序列，并把方向序列归纳到之前定义的8个方向中去。

第三步把连续一致的方向合并。

第四步把小片段的移动略去，最后就能得出其实是画了一个凹的形状。

这个算法的厉害之处是可以实时识别，画到一半也能判断出来。
Realtime Gesture recognition 源代码和demo都在上面了。

＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝
吐槽时间。。。。
刚写完论文累死了，来吐槽。。。。
原来大家都觉得第一名不靠谱，怎么木有人把我顶上去！我眼红着那300多票呢！

我来告诉你为什么第一名不靠谱，

首先ocr拿来做gesture recognition是不对滴！
ocr是一个比gesture recognition更难的问题，因为ocr得到的是一张图片，所有点并没有时间戳，而手势识别时，每一下移动是有时间戳的，所以是知道“怎么画出来”这个额外信息的。

其次ocr不是这么解释的。
ocr问题的重点是怎么选择特征，比如知名的uci 数据集就有以下这些特征量:

     1.	lettr	capital letter	(26 values from A to Z)
     2.	x-box	horizontal position of box	(integer)
     3.	y-box	vertical position of box	(integer)
     4.	width	width of box			(integer)
     5.	high 	height of box			(integer)
     6.	onpix	total # on pixels		(integer)
     7.	x-bar	mean x of on pixels in box	(integer)
     8.	y-bar	mean y of on pixels in box	(integer)
     9.	x2bar	mean x variance			(integer)
    10.	y2bar	mean y variance			(integer)
    11.	xybar	mean x y correlation		(integer)
    12.	x2ybr	mean of x * x * y		(integer)
    13.	xy2br	mean of x * y * y		(integer)
    14.	x-ege	mean edge count left to right	(integer)
    15.	xegvy	correlation of x-ege with y	(integer)
    16.	y-ege	mean edge count bottom to top	(integer)
    17.	yegvx	correlation of y-ege with x	(integer)

我不懂deep learning，别和我讲什么ocropus....

********************************************************************************************

移动设备多用手势进行输入，用户通过手指在屏幕上画出一个特定符号，计算机识别出来后给予响应的反应，要比让用户点击繁琐的按钮为直接和有趣，而如果为每种手势编写一段识别代码的话是件得不偿失的事情。如何设计一种通用的手势识别算法来完成上面的事情呢？

我们可以模仿笔记识别方法，实现一个简单的笔画识别模块，流程如下：

第一步：手势归一化

1. 手指按下时开始记录轨迹点，每划过一个新的点就记录到手势描述数组guesture中，直到手指离开屏幕。

2. 将gesture数组里每个点的x,y坐标最大值与最小值求出中上下左右的边缘，求出该手势路径点的覆盖面积。

3. 手势坐标归一化：以手势中心点为原点，将gesture里顶点归一化到-1<=x<=1, -1<=y<=1空间中。

4. 数组长度归一化：将手势路径按照长度均匀划分成32段，用共32个新顶点替换guestue里的老顶点。

第二步：手势相似度

1. 手势点乘：g1 * g2 = g1.x1*g2.x1 + g1.y1*g2.y1 + … + g1.x32*g2.x32 + g1.y32*g2.y32

2. 手势相似：相似度(g1, g2)=g1*g2/sqrt(g1*g1 + g2*g2)