汉字笔迹特征评定方法新探

申权威 王宇中 尹磊

摘 要：笔迹特征的评定是笔迹分析的基石，评定方法的滞后一直是制约笔迹分析进展的关键因素。汉字相对英文单词具有更加复杂的结构和笔画特征，以往研究多采取直接的主观评定或传统的手工测量。本研究采用电子书写屏（ESP1020）进行笔迹采集，对采集的笔迹图像利用模式识别技术进行量化处理，并据此研发一种新的“笔迹特征分析系统（HCAS）”，该系统可自动提取字面积、书写平均压力等36项笔迹特征数据。文章作者使用HCAS对33名被试的笔迹样本做量化评定实验，发现：三次评定中，36项笔迹特征的重测信度较高，除正文上边距外其余各项笔迹特征的重测相关系数均达到显著水平（P<0.05），这表明HCAS比较稳定，可作为笔迹分析研究的工具。

关键词：汉字;笔迹特征;笔迹心理分析方法;评定方法

中图分类号：B848;D918.92

文献标识码：A

收稿日期：2018-10-25

基金项目：湖北医药学院人才启动金项目资助（2017QDJRW03）;湖北省普通高等学校人文社科重点研究基地开放基金资助（2018ZD003）。

作者简介：申权威（1988—），男，河南商丘人，助教，硕士，湖北医药学院心理学教师，研究方向：笔迹心理分析、汉字心理、书法治疗;

王宇中（1959—），男，河南新乡人，教授，硕士，郑州大学教育学院心理学专业教授委员会主任，研究方向：笔迹心理分析、婚恋、人岗匹配;

尹 磊（1991—），男，河南信阳人，助教，硕士，信阳学院心理学教师，研究方向：笔迹心理分析。

一、 前言

1.笔迹心理分析的含义

笔迹是脑-神经系统-组织器官分工配合、精细合作的结果，是潜意识在纸面的投射。童辉杰[1]（2001）认为笔迹的形成有赖于个体稳固的心理生理品质并反映这些品质，因此笔迹测量本质上是一种投射测验;郑日昌[2]（2014）认为笔迹心理分析是通过对笔迹的书写特征和规律进行研究，进而分析书写者的性格、能力、身体素质、工作作风以及行为方式等，从而为教育评估、职业测评、人事管理、刑侦司法等服务。

2.笔迹心理分析方法述评

笔迹分析在我国有着悠久的历史。汉代扬雄说：“言，心声也;书，心画也”。清代刘熙载在《艺概》中将其概括为“字如其人”。古代书评家通过主观经验对笔迹特征进行直接分析，进而判断书者的心志品性，这一研究取向一直持续到今天，但却不被心理科学认可，原因在于笔迹特征的选取主观、随意、不具有重复性。笔迹心理分析研究中，关键技术是如何量化笔迹特征。赵庆梅[3]分析以往文献，总结出常用的方法11种，包括特征法、测量法、比较法、直觉感知法、望气法、形与态结合法、类推法、微观到宏观分析法、宏观到微观分析法、综合法和软件测评法。冮勇[4]认为，笔迹研究的方法可归纳为整体印象分析和微观特征分析两种。童辉杰、杨鑫辉等人[5]认为：传统的整体印象分析属于主观臆测，多被筆相学家运用，经不起实证检验。刘勇华[6]对传统整体印象分析进行改进，收集文献中的笔迹特征词汇，通过多轮筛选确定笔迹特征词汇30项，并据此编制“汉字笔迹特征主观评定量表”作为笔迹特征的评定工具。

近100年主要把笔迹看作几何图形进行测量，例如：杨国枢[7]（1964）选取笔迹特征21项，其中用物理工具测量的特征12项;牛乐[8]（2008）用直尺、量角器等工具对行倾斜度、字距等10项笔迹特征进行测量;苏州大学张卿华、王文英[9]采用汉字笔迹测量法，研究了笔迹的年龄特征以及笔迹特征和神经类型的关系。

20世纪末，人工智能和计算机模式识别技术以全新视角来处理笔迹。为了更好地将手写体转译为印刷体，需要不断改进手写体的识别质量。Alex Graves等人[10]在笔迹识别系统中加入文本识别线，解决了由于笔迹潦草或者重叠带来的字迹难以识别的问题。为更好地识别手写体，Y L Hsu等人[11]提出基于惯性传感器的数字笔和与之相关的动态时间归整（DTW）的识别算法。为提高识别的精确性，Nadege Van Drempt[12]选用了一种数码笔，可以记录笔压、书写时间等不易捕捉的动态笔迹特征。在阿拉伯文字的识别上，Tagougui和Kherallah[13]提出一种基于隐马尔可夫模型（HMM）和多层感知器神经网络模型（MLPNNs）的混合系统，使识别准确率高达96.4%。为提高汉字笔迹识别的准确性和速度，杨子华和吴敏等人[14]将笔迹识别看作纹理识别，开辟了笔迹识别的新途径。何震宇[15]（2003）使用 “字符分割”“去噪音”等方法尝试中文笔迹的识别。丁晓青[16]（2012）系统介绍了如何利用计算机处理图像的强大功能来分析处理笔迹图像。这些研究的目的是解决计算机手写输入法的问题。王高强等人[17]开发的“汉字笔迹特征量化识别系统（CCQAS4.0）”主要用于笔迹心理分析，但该系统必须用特定型号的A4纸和签字笔进行书写，再将笔迹样本扫描成图片，利用计算机对笔迹图片进行量化处理，操作过程烦琐，很难作为一种应用工具进行推广。如何将电子书写屏和计算机量化识别技术引入笔迹分析，研发出更便捷有效的笔迹特征量化技术是目前最急迫的问题。

3.以往研究的局限

综合以上可以看出，笔迹特征的提取方法是影响笔迹心理分析进展的关键因素。根据提取方法的不同，可将笔迹心理分析研究分为三个阶段。

第一阶段属于经验性分析，即根据笔迹样本直接凭主观经验对书写人的心理特征进行分析，这种方法不被现代心理科学认可。

第二阶段属于物理测量阶段，即使用直尺、量角器等物理工具进行人工测量来获取笔迹的量化特征，此过程费时费工，无法大规模测量，且误差较大，一直未得到推广。

第三阶段为计算机介入阶段，即采用标准化的书写工具采集笔迹样本，并编制软件来提取笔迹特征，这一方法虽然比较科学和相对简便，但操作过程仍需改进。虽然笔迹特征提取已取得较大进展，但在误差控制、实践推广上仍有不少问题亟须完善。

总之，笔迹特征的量化技术一直未得到有效突破。本研究的创新点在于研发基于电子书写屏（ESP1020）的笔迹特征分析系统（HCAS），应用模式识别技术自动、批量提取和量化笔迹特征。

二、方法与程序

1.笔迹采集工具的选取（ESP1020）

为顺应计算机书写时代的大趋势，控制无关变量，本研究采用电子屏代替白纸作为书写工具，用电子笔代替签字笔在电子屏上书写。为了更精确更丰富地记录笔迹特征，对电子屏幕的压感级别、精准度、分辨率、像素、点距等均做严格要求，综合考虑最终选择汉王ESP1020作为本研究的书写工具（见图1、图2）。此款书写屏所写即所见，可真实保存书写者的笔迹特征，并自动记录笔迹的x/y坐标、压力、时间参数，能动态刻画笔迹的轻重缓急，不断积累并形成书写者的生物特征信息。ESP1020支持二次开发，为“笔迹特征分析系统（HCAS）”的研发提供了可能。

2.HCAS的研发

书写者在ESP1020上书写后，在电脑上得到的是笔迹图像，需二次开发把笔迹图像转化为笔迹特征数据。因此，课题组与图形识别工程师合作开发“笔迹特征分析系统（HCAS）”（此系统获国家计算机软件著作权，登记号：2016SR169958），该系统是基于汉王ESP1020书写屏进行的深度开发，可以把笔迹图像自动转化为笔迹特征数据，提高了笔迹特征采集的准确性和效率。书写完成后，该系统自动提取36项笔迹特征参数（见下表）。

3.书写材料的标准化

ESP1020为10.1英寸，经反复书写测试，最佳书写字数为20～40字。结合秦玉红[18]、冮勇[19]、王高强[20]等人选取的汉字抄写材料的特点，根据本研究的需要，制定选取抄写材料的标准：笔画多样、结构丰富、通俗易懂、情感中性。经60名被试者的评价选择，最终确定唐诗《春晓》作为本研究的标准抄写材料。

4.笔迹特征的筛选

笔迹研究中存在笔迹特征选取依据不同、操作定义不一的问题。本研究从两个维度确定笔迹特征的选取标准：一是由计算机编程人员确定量化提取笔迹特征的难易程度，分难、中、易三个水平;一是依据前人研究中笔迹特征与心理变量的相关程度，分高、中、低三个水平。权衡这两个维度，最终筛选笔迹特征36项，并对每一项笔迹特征下操作定义。如“占用率”的操作定义：坐标 X的最大值减最小值得书写宽度，坐标 Y的最大值减最小值得书写高度，宽度乘以高度得书写区域的面积，除以整个书写屏幕的面积即为“占用率”。

5.HCAS稳定性实验

笔迹是脑-神经系统-肌肉协调运动而形成的痕迹，16 岁后趋于稳定。19世纪末，德国心理学教授威廉·普雷耶发现失去手臂的人用脚趾或嘴写出的字迹与事故前并无差别，他据此提出“笔迹乃心迹”的学说;罗琼和谢朋[21]发现笔迹特征的稳定程度在 52%以上;GBassma和KA Mamun等人[22]使用平板电脑和仪器笔以20 名成年人为被试，对其书写过程的抓取力进行追踪研究，发现虽然书写的抓取力会随时间的推移发生变化，但被试间的动力学差异超过被试内的差异。这些研究有力地证明了个体笔迹的稳定性、独特性。既然笔迹特征是稳定的，那么HCAS系统是否稳定呢？因此有必要对其稳定性进行测试。

以某高校本科生、研究生共33名为被试，以唐诗《春晓》为抄写材料，以ESP1020为笔迹采集工具，用HCAS对笔迹样本做量化处理。将被试召集到安静的教室，介绍实验目的及流程后，进行第一次笔迹采集。间隔一个月进行第二次采集，间隔两个月进行第三次采集。施测程序如下：第一步：将ESP1020与装有HCAS的电脑相连。第二步：在电脑屏幕上点击HCAS的快捷键，进入“笔迹特征分析”的登录界面（如图3）。 第三步：输入用户名和密码，进入HCAS主界面（第一次登录，需先注册，如图4）。第四步：点击HCAS主界面左侧功能栏的“被试基本信息”项，被试进行书写前需填写基本信息（如图5）。第五步：被试完成基本信息后，点击“确定”按钮，被试信息自动保存。然后点击HCAS主界面左侧功能栏的“笔迹特征采集”项，书写屏呈白板状态，被试在书写屏上书写。书写屏还可选择笔迹颜色和笔迹宽度，本研究统一颜色为黑色，笔宽为二级。若在书写过程中出现错字、串行等，点击“重新采集”按钮。第六步：书写完成后，点击“结束采集”按钮。返回到HCAS主界面，点击“保存分析结果”按钮，出现“特征分析结果保存成功”对话框，说明此被试的笔迹特征数据已保存在数据库中（如图6）。

三、结果

将数据导入SPSS 21.0 进行统计分析，分别计算第二次、第三次采集的数据与第一次数据的相关。结果如下表所示。

由下表可知，HCAS提取的笔迹特征一个月的重测信度在0.45到0.90之间，三个月的重测信度在0.26到0.88之间。除正文上边距外其余各项重测信度均达到显著水平，这表明HCAS比较稳定，可作为笔迹分析研究的工具。从采集的图像上看，同一被试的三次笔迹样本在布局、字大小、间距、结体等方面均相似（具體见图7、图8、图9）。

四、总结

笔迹是生理和心理机制的综合反映，是书写者动作模式和神经类型的系统表达。中国自古就有“心手相通”“字如其人”的说法，西方也有“笔迹乃心迹”“投射”等理论，因此笔迹是心理学有待深入开采的珍贵宝藏。然而，囿于方法的限制，这一宝藏一直未得到充分挖掘。本研究采用电子书写屏采集笔迹样本，研发“笔迹特征分析系统（HCAS）” 对笔迹特征进行客观、精确、自动化测量，提高了效率和准确性，符合计算机书写时代的发展趋势。

参考文献：

[1]童辉杰.西方笔迹心理学研究的发展与评价[J].心理学动态，2001（3）：276-281.

[2]郑日昌.笔迹心理学[M].北京：北京师范大学出版社，2014.

[3]赵庆梅.笔迹分析与测试——实际应用中的笔迹破译[M].沈阳：辽宁人民出版社，2001.

[4][19]冮 勇.笔迹与人格的关系[D].上海：华东师范大学，2008.

[5]童辉杰，杨鑫辉.对非心理学背景的笔迹分析中经验判断的心理学验证[J].心理科学，2003（5）：934-935.

[6]刘勇华.汉字笔迹主观评定量表的编制及笔迹与人格关系的探讨[D].郑州：郑州大学，2014.

[7]杨国枢，林碧峰.中文笔迹与人格：一项探索性研究[R].台湾大学理学院心理学系研究报告，1964：39-62.

[8]牛 乐.笔迹布局特征的客观分析及其与人格关系的初探[D].太原：山西医科大学，2008.

[9]张卿华，王文英.汉字笔迹与个性测评研究[J].心理科学，1998（4）：301-305.

[10]Alex G，Marcus L，Santiago F，et al.A novel connectionist system for unconstrained handwriting recognition[J].IEEE Transactions on Pattern Analysis and Machine Intelligence，2009，31（5）：855-868.

[11]Hsu Y L，Chu C L，Tsai Y J，et al.An Inertial Pen With Dynamic Time Warping Recognizer for Handwriting and Gesture Recognition[J].IEEE Sensors Journal，2015，15（1）：154-163.

[12]Drempt N V，Mccluskey A，Lannin N A.A review of factors that influence adult handwriting performance[J].Australian Occupational Therapy Journal，2011，58（5）：321-328.

[13]Tagougui N，Boubaker H，Kherallah M，et al.A Hybrid NN/HMM Modeling Technique for Online Arabic Handwriting Recognition[J].Eprint Arxiv，2014（4）.

[14]杨子华，吴 敏，刘 琤.基于灰度共生矩阵的笔迹识别[J].信息安全与通信保密，2006（6）.

[15]何震宇.中文笔迹鉴别软件研究与开发[D].武汉：武汉理工大学，2003.

[16]丁晓青，李 昕，等.计算机笔迹鉴别与验证的理论和方法[M].北京：清华大学出版社，2012.

[17][20]王高强.应用笔迹特征分析软件对笔迹特征及其与人格关系的研究[D].郑州：郑州大学，2013.

[18]秦玉红.中文笔迹与人格的相关研究[D].济南：山东师范大学，2008.

[21]羅 琼，谢 朋.笔迹起收笔特征稳定与变化的研究[J].广东公安科技，2003（3）：23-25.

[22]Bassma G，Mamun K A，Tom C.Long term consistency of handwriting grip kinetics in adults.[J].Journal of Biomechanical Engineering，2014，136（4）：221-224.