基于数位屏设备的速度模仿显示方案设计*

夏文利， 律睿慜， 陈 伟

(江南大学 人工智能与计算机学院，江苏 无锡 214122)

0 引 言

书法的传承一直是中国传统文化教育中不可或缺的课题。而传统字帖中的范字为静态图像，初学者难以揣摩书写范字时的运笔速度、运笔力度等对学习书法至关重要的动态信息。书写速度变化是笔迹变化的最基本因素之一[1]，也是常见的书写指标[2]。基于此，结合如今各式各样的计算机相关技术发展，提出两个问题，1)不同的显示方式是否会对学习者模仿线条运行轨迹存在不同程度的促进作用。2)线条轨迹运动速度的动态显示是否会更优于传统的静态显示方案。

本文以运笔速度为参考量，提出了一个基于数位屏和无线压感笔设备的速度模仿显示的设计方案，将预先设计的线条运动数据以不同的显示方式进行展现,并收集测试数据进行统计分析，来验证不同的显示方式是否会对学习者模仿有不同程度的促进作用。

1 相关研究

近年来,计算机相关技术的发展也推动了书写学的发展。Alamargot D等人将眼动设备与书写板进行结合[3]；有团队组合使用压力感应设备和电子笔进行测量握笔力度和书写位置[4]； Morikawa A等人采用Leapmotion传感器开发一种书法笔法自我训练系统[5]。硬件的发展使书写运动方面的量化研究迅速发展,而书写学常见的动态指标中最重要的就是速度指标。Accardo A P等人通过数字平板电脑执行特定任务测试书写速度[6]。Nishino H等人实现了一个强大的3D画笔模型，用于实时可视化手写过程[7]。但目前书法学习者学习的主要方式还是临帖，而字帖只能展现单一的线条。因此探讨不同的线条显示模式对于学习者模仿学习的效率的影响具有研究意义。

2 框架与显示模式设计

2.1 实验基本思路与研究框架

为了研究不同速度可视化方案对于临摹效果的影响，需要让测试者在不同的速度显示模式下对于多种运动推移过程进行模仿，记录其模仿数据并与参照运动数据进行比较，量化地得出样本与参照数据之间的差异性。基于此思路，本文提出一个书写速度测试系统，其研究框架流程如图1所示。因此,本文实验第一步就是构造参照数据(即运动类型数据)和设计不同的书写速度显示模式。

图1 研究框架

2.2 运动类型数据构造

文献[8]提出了线条节奏控制的5种类型，根据这5种类型可以构造出5个不同的运动类型数据(在后续的图中均以data0，data1…表示)。构造过程为利用贝塞尔曲线构造出位移—速度曲线(curve)。取一个足够小的时间间隔Δt，及起点位置x0，利用曲线curve可以得到x0对应的速度v0，则x1=x0+v0*Δt，通过x1得到v1，依此类推，可以得到该曲线的位移、速度及时间的对应关系数据并保存为本地文件作为不同运动类型参考数据。构造出的5种数据曲线如图2所示。每幅图下方的图片为该运动类型的一种显示方案的展示。

图2 运动类型数据的位移—速度曲线

2.3 显示模式设计

因为实验主要研究不同显示模式对于临摹效果的影响，要尽可能控制其他因素的干扰，所以,在模式设计上均取固定纵坐标的水平运动。本文以文献[8]提出的显示方案为基础，设计了两种静态方案和两种动态方案。

1)显示模式1:如图3(a)所示，对所选数据的复现规则为从这条路径上等距离选取7个点，用相应的符号进行标记速度。模式1对书写速度进行标记使用的符号意义如表1所示。

表1 符号与意义

2)显示模式2:如图3(b)所示,对所选数据的显示方式为单个小球沿相应路径按照记录的速度数据向右运动。

3)显示模式3:如图3(c)所示,根据所选数据，在相应的等时间间隔的位置放置一个半透明的白色小球形成运动路径。

4)显示模式4:如图3(d)所示,根据所选数据，会生成5个运动的小球，每个小球均沿相应路径按照记录的速度数据向右运动，小球为等时间间隔依次生成。

图3 显示模式设计方案

2.4 测试交互

测试者在参考系统界面上方黑色框中的显示后，在界面下方的黑色框中用无线压感笔在液晶数位屏上画线进行书写速度的模仿。手写笔的信号将被实时捕获，转换为数字化信息存储于本地文件。系统以压感笔接触数位屏的时刻为开始记录数据的时刻，以压感笔离开数位屏的时刻为结束记录数据的时刻。用户录入的原始数据包括测试者书写时的时间、笔位置、书写速度及笔压力。数据形式如表2所示。

表2 样本存储数据

3 书写实时信息获取

系统采用数位屏和无线压感笔作为测试工具，基于Wintab系统接口实时捕获手写运动信号。Wintab驱动程序为用户提供了API，文献[9]介绍了如何调用这个API库。整个系统是基于Windows操作系统，以Unity为开发平台进行编程设计的。在Unity中使用WintabAPI规范，可以实时获取到手写笔的输入位置、笔压力、笔倾斜等手写数据进而进行记录和分析。

4 实验设计

实验对象为27名工科研究生，其专业为软件工程，男女比例为13︰14，年龄在23～26岁之间，视力或矫正视力正常，在电脑上进行实验。在正式测试之前，先让志愿者们熟悉测试模型并进行简单训练，训练时间大约为10 min，确保志愿者们对于操作过程有全面了解，避免由操作失误带来的过大误差。然后开始正式的测试，志愿者们被要求按顺序完成4种模式速度模仿测试，每种模式重复测试20次，测试者需要在20 s之内完成当次测试，每次测试的运动类型数据均随机从5种类型中取得。每次测试结束3 s之后会继续进行下一次测试。

实验工具为一台DELL笔记本电脑和Wacom DTZ—1200W液晶数位屏及无线压感笔。

5 结果讨论

5.1 实验数据的处理过程

对于样本数据的分析，旨在得出不同显示模式下，样本数据在不同位置上速度的变化趋势是否与原始运动类型数据具有一致性。若将书写过程看作是一个沿水平走向的时序信号，那么若要度量信号的一致性，则可计算样本信号与原始参考数据的相关性。

因此，对实验数据进行以下操作：首先，对原始运动类型数据进行曲线拟合，为了使所有数据点最大程度位于拟合曲线上，本文使用最小二乘法对数据进行拟合得到拟合函数[10]。之后，对样本数据与拟合函数进行计算皮尔逊相关系数(Pearson correlation coefficient,PCC)，PCC用于衡量不同变量之间关系密切程度[11],该系数可用于判断样本数据运动趋势与原数据运动趋势的相似度。再对所有系数分类进行方差分析(analysis of variance，ANOVA)，ANOVA用于2个及2个以上样本均值差别的显著性检验[12]。取α显著水平为0.05，若计算出的ANOVA表中概率p值小于α，则代表不同显示模式对于样本PCC值具有显著影响。对所有数据进行关于运动类型和显示模式类型的双因素方差分析，可以计算出这两个因素及其交互效应对结果的影响程度。

5.2 不同模式下临摹效果分析

实验总共收集到2 142份有效数据样本,对所有数据按照显示模式分类计算PCC平均数，得到结果如表3所示。从表中PCC平均值可以看出，mode3样本的相关性显著高于其他三种模式，其次为mode1。

表3 计算结果

对所有PCC按运动类型分别绘制箱体图，如图4所示，箱体从下到上5条线分别代表最小值、下四分位数、中位数、上四分位数和最大值。从图中可以看出，在不同运动类型中，静态显示模式的mode1和mode3表现优于动态显示模式的mode2和mode4。

图4 不同运动类型下样本PCC箱体

对所有数据进行关于不同模式的单因素方差分析,得到图5所示箱体图。可以发现，在样本总体分析下，mode3和mode1的表现情况仍然优于mode2和mode4。

图5 所有数据PCC箱体

得到的单因素方差分析表如表4所示。表中p值小于0.05,可以得出不同模式对于样本PCC值具有显著影响。

表4 单因素ANOVA

对不同模式和运动类型进行双因素方差分析，得到的方差分析表如表5所示。表中行、列及交互效应的p值均小于0.05，为具有显著影响水平;且影响程度为：显示模式>交互效应>运动类型。

表5 双因素ANOVA

6 结束语

本文设计了一种研究书写模仿的显示方案的实验系统。实验发现，测试者模拟的数据在不同的显示方案下的表现存在明显差异，动态显示方案并不如设想中的比静态方案表现好，反而静态显示方案比动态显示方案有更好的表现，并且实验中提出的新的静态显示方案表现效果明显优于文献[8]中提出的静态显示方案。通过实验证明了新的显示方案能够显著提升学习者对于线条速度模仿的准确性，因此,视觉显示效果确实对于书法临摹学习有重要作用，可为后续更多显示方案的设计和应用提供理论参考依据。本文仅比较了4种不同的可视化方案的优劣性，还未对影响其临摹效果的感知机制进行深入研究，可以预见，对它的进一步研究有助于寻找更优化的运笔动作可视化方案。