Handwriting Recognition: Soft Computing and Probabilistic Approaches

در چند دهه اخیر، تحقیقات در زمینه تشخیص دست خط پیشرفت چشمگیری داشته است. تحقیق و توسعه در زمینه تشخیص کلمات دست‌نویس تا حد زیادی با انگیزه بسیاری از حوزه‌های کاربردی مانند آدرس پستی خودکار و خواندن کد، جمع‌آوری داده‌ها در بانک‌ها، تبدیل متن به صدا، امنیت، و غیره انجام می‌شود. و دستگاه های ورودی دست خط به طور پیوسته در حال سقوط هستند، ما شاهد افزایش تقاضا برای سیستم های تشخیص دست خط و بسته های نرم افزاری قدیمی بوده ایم. برخی از سیستم های تشخیص دست خط تجاری در حال حاضر در بازار موجود است. سیستم های تجاری فعلی عملکرد چشمگیری در تشخیص کاراکترهای چاپ شده با ماشین و متون منظم دارند. به عنوان مثال، High-Tech Solutions در اسرائیل چندین محصول را برای شناسایی شناسه کانتینر، تشخیص پلاک خودرو و شناسایی برچسب بسته توسعه داده است. زیراکس در ایالات متحده TextBridge را برای تبدیل اسناد نسخه برداری شده به فایل های اسناد الکترونیکی توسعه داده است. علیرغم پیشرفت چشمگیر، هنوز شکاف عملکردی قابل توجهی بین انسان و ماشین در تشخیص کاراکترها و کلمات دست نویس بدون محدودیت خارج از خط وجود دارد. مشکلاتی که در تشخیص دست‌خط‌های بدون محدودیت پیش می‌آیند، عمدتاً ناشی از تنوع زیاد در سبک‌های نوشتاری و همپوشانی و به هم پیوستگی شخصیت‌های همسایه است. علاوه بر این، بسیاری از برنامه ها به دقت و قابلیت اطمینان بسیار بالایی نیاز دارند. برای مثال، در بخش بانکداری، اگرچه دستگاه‌های باجه خودکار (ATM) و سیستم‌های بانکی شبکه‌ای در حال حاضر به طور گسترده در دسترس هستند، بسیاری از تراکنش‌ها همچنان به شکل چک انجام می‌شوند.

Over the last few decades, research on handwriting recognition has made impressive progress. The research and development on handwritten word recognition are to a large degree motivated by many application areas, such as automated postal address and code reading, data acquisition in banks, text-voice conversion, security, etc. As the prices of scanners, com­ puters and handwriting-input devices are falling steadily, we have seen an increased demand for handwriting recognition systems and software pack­ ages. Some commercial handwriting recognition systems are now available in the market. Current commercial systems have an impressive performance in recognizing machine-printed characters and neatly written texts. For in­ stance, High-Tech Solutions in Israel has developed several products for container ID recognition, car license plate recognition and package label recognition. Xerox in the U. S. has developed TextBridge for converting hardcopy documents into electronic document files. In spite of the impressive progress, there is still a significant perfor­ mance gap between the human and the machine in recognizing off-line unconstrained handwritten characters and words. The difficulties encoun­ tered in recognizing unconstrained handwritings are mainly caused by huge variations in writing styles and the overlapping and the interconnection of neighboring characters. Furthermore, many applications demand very high recognition accuracy and reliability. For example, in the banking sector, although automated teller machines (ATMs) and networked banking sys­ tems are now widely available, many transactions are still carried out in the form of cheques.