基于數位屏設備的速度模仿顯示方案設計*

夏文利， 律睿慜， 陳 偉

(江南大學 人工智能與計算機學院，江蘇 無錫 214122)

0 引 言

書法的傳承一直是中國傳統文化教育中不可或缺的課題。而傳統字帖中的范字為靜態圖像，初學者難以揣摩書寫范字時的運筆速度、運筆力度等對學習書法至關重要的動態信息。書寫速度變化是筆跡變化的最基本因素之一[1]，也是常見的書寫指標[2]。基于此，結合如今各式各樣的計算機相關技術發展，提出兩個問題，1)不同的顯示方式是否會對學習者模仿線條運行軌跡存在不同程度的促進作用。2)線條軌跡運動速度的動態顯示是否會更優于傳統的靜態顯示方案。

本文以運筆速度為參考量，提出了一個基于數位屏和無線壓感筆設備的速度模仿顯示的設計方案，將預先設計的線條運動數據以不同的顯示方式進行展現,并收集測試數據進行統計分析，來驗證不同的顯示方式是否會對學習者模仿有不同程度的促進作用。

1 相關研究

近年來,計算機相關技術的發展也推動了書寫學的發展。Alamargot D等人將眼動設備與書寫板進行結合[3]；有團隊組合使用壓力感應設備和電子筆進行測量握筆力度和書寫位置[4]； Morikawa A等人采用Leapmotion傳感器開發一種書法筆法自我訓練系統[5]。硬件的發展使書寫運動方面的量化研究迅速發展,而書寫學常見的動態指標中最重要的就是速度指標。Accardo A P等人通過數字平板電腦執行特定任務測試書寫速度[6]。Nishino H等人實現了一個強大的3D畫筆模型，用于實時可視化手寫過程[7]。但目前書法學習者學習的主要方式還是臨帖，而字帖只能展現單一的線條。因此探討不同的線條顯示模式對于學習者模仿學習的效率的影響具有研究意義。

2 框架與顯示模式設計

2.1 實驗基本思路與研究框架

為了研究不同速度可視化方案對于臨摹效果的影響，需要讓測試者在不同的速度顯示模式下對于多種運動推移過程進行模仿，記錄其模仿數據并與參照運動數據進行比較，量化地得出樣本與參照數據之間的差異性。基于此思路，本文提出一個書寫速度測試系統，其研究框架流程如圖1所示。因此,本文實驗第一步就是構造參照數據(即運動類型數據)和設計不同的書寫速度顯示模式。

圖1 研究框架

2.2 運動類型數據構造

文獻[8]提出了線條節奏控制的5種類型，根據這5種類型可以構造出5個不同的運動類型數據(在后續的圖中均以data0，data1…表示)。構造過程為利用貝塞爾曲線構造出位移—速度曲線(curve)。取一個足夠小的時間間隔Δt，及起點位置x0，利用曲線curve可以得到x0對應的速度v0，則x1=x0+v0*Δt，通過x1得到v1，依此類推，可以得到該曲線的位移、速度及時間的對應關系數據并保存為本地文件作為不同運動類型參考數據。構造出的5種數據曲線如圖2所示。每幅圖下方的圖片為該運動類型的一種顯示方案的展示。

圖2 運動類型數據的位移—速度曲線

2.3 顯示模式設計

因為實驗主要研究不同顯示模式對于臨摹效果的影響，要盡可能控制其他因素的干擾，所以,在模式設計上均取固定縱坐標的水平運動。本文以文獻[8]提出的顯示方案為基礎，設計了兩種靜態方案和兩種動態方案。

1)顯示模式1:如圖3(a)所示，對所選數據的復現規則為從這條路徑上等距離選取7個點，用相應的符號進行標記速度。模式1對書寫速度進行標記使用的符號意義如表1所示。

表1 符號與意義

2)顯示模式2:如圖3(b)所示,對所選數據的顯示方式為單個小球沿相應路徑按照記錄的速度數據向右運動。

3)顯示模式3:如圖3(c)所示,根據所選數據，在相應的等時間間隔的位置放置一個半透明的白色小球形成運動路徑。

4)顯示模式4:如圖3(d)所示,根據所選數據，會生成5個運動的小球，每個小球均沿相應路徑按照記錄的速度數據向右運動，小球為等時間間隔依次生成。

圖3 顯示模式設計方案

2.4 測試交互

測試者在參考系統界面上方黑色框中的顯示后，在界面下方的黑色框中用無線壓感筆在液晶數位屏上畫線進行書寫速度的模仿。手寫筆的信號將被實時捕獲，轉換為數字化信息存儲于本地文件。系統以壓感筆接觸數位屏的時刻為開始記錄數據的時刻，以壓感筆離開數位屏的時刻為結束記錄數據的時刻。用戶錄入的原始數據包括測試者書寫時的時間、筆位置、書寫速度及筆壓力。數據形式如表2所示。

表2 樣本存儲數據

3 書寫實時信息獲取

系統采用數位屏和無線壓感筆作為測試工具，基于Wintab系統接口實時捕獲手寫運動信號。Wintab驅動程序為用戶提供了API，文獻[9]介紹了如何調用這個API庫。整個系統是基于Windows操作系統，以Unity為開發平臺進行編程設計的。在Unity中使用WintabAPI規范，可以實時獲取到手寫筆的輸入位置、筆壓力、筆傾斜等手寫數據進而進行記錄和分析。

4 實驗設計

實驗對象為27名工科研究生，其專業為軟件工程，男女比例為13︰14，年齡在23～26歲之間，視力或矯正視力正常，在電腦上進行實驗。在正式測試之前，先讓志愿者們熟悉測試模型并進行簡單訓練，訓練時間大約為10 min，確保志愿者們對于操作過程有全面了解，避免由操作失誤帶來的過大誤差。然后開始正式的測試，志愿者們被要求按順序完成4種模式速度模仿測試，每種模式重復測試20次，測試者需要在20 s之內完成當次測試，每次測試的運動類型數據均隨機從5種類型中取得。每次測試結束3 s之后會繼續進行下一次測試。

實驗工具為一臺DELL筆記本電腦和Wacom DTZ—1200W液晶數位屏及無線壓感筆。

5 結果討論

5.1 實驗數據的處理過程

對于樣本數據的分析，旨在得出不同顯示模式下，樣本數據在不同位置上速度的變化趨勢是否與原始運動類型數據具有一致性。若將書寫過程看作是一個沿水平走向的時序信號，那么若要度量信號的一致性，則可計算樣本信號與原始參考數據的相關性。

因此，對實驗數據進行以下操作：首先，對原始運動類型數據進行曲線擬合，為了使所有數據點最大程度位于擬合曲線上，本文使用最小二乘法對數據進行擬合得到擬合函數[10]。之后，對樣本數據與擬合函數進行計算皮爾遜相關系數(Pearson correlation coefficient,PCC)，PCC用于衡量不同變量之間關系密切程度[11],該系數可用于判斷樣本數據運動趨勢與原數據運動趨勢的相似度。再對所有系數分類進行方差分析(analysis of variance，ANOVA)，ANOVA用于2個及2個以上樣本均值差別的顯著性檢驗[12]。取α顯著水平為0.05，若計算出的ANOVA表中概率p值小于α，則代表不同顯示模式對于樣本PCC值具有顯著影響。對所有數據進行關于運動類型和顯示模式類型的雙因素方差分析，可以計算出這兩個因素及其交互效應對結果的影響程度。

5.2 不同模式下臨摹效果分析

實驗總共收集到2 142份有效數據樣本,對所有數據按照顯示模式分類計算PCC平均數，得到結果如表3所示。從表中PCC平均值可以看出，mode3樣本的相關性顯著高于其他三種模式，其次為mode1。

表3 計算結果

對所有PCC按運動類型分別繪制箱體圖，如圖4所示，箱體從下到上5條線分別代表最小值、下四分位數、中位數、上四分位數和最大值。從圖中可以看出，在不同運動類型中，靜態顯示模式的mode1和mode3表現優于動態顯示模式的mode2和mode4。

圖4 不同運動類型下樣本PCC箱體

對所有數據進行關于不同模式的單因素方差分析,得到圖5所示箱體圖。可以發現，在樣本總體分析下，mode3和mode1的表現情況仍然優于mode2和mode4。

圖5 所有數據PCC箱體

得到的單因素方差分析表如表4所示。表中p值小于0.05,可以得出不同模式對于樣本PCC值具有顯著影響。

表4 單因素ANOVA

對不同模式和運動類型進行雙因素方差分析，得到的方差分析表如表5所示。表中行、列及交互效應的p值均小于0.05，為具有顯著影響水平;且影響程度為：顯示模式>交互效應>運動類型。

表5 雙因素ANOVA

6 結束語

本文設計了一種研究書寫模仿的顯示方案的實驗系統。實驗發現，測試者模擬的數據在不同的顯示方案下的表現存在明顯差異，動態顯示方案并不如設想中的比靜態方案表現好，反而靜態顯示方案比動態顯示方案有更好的表現，并且實驗中提出的新的靜態顯示方案表現效果明顯優于文獻[8]中提出的靜態顯示方案。通過實驗證明了新的顯示方案能夠顯著提升學習者對于線條速度模仿的準確性，因此,視覺顯示效果確實對于書法臨摹學習有重要作用，可為后續更多顯示方案的設計和應用提供理論參考依據。本文僅比較了4種不同的可視化方案的優劣性，還未對影響其臨摹效果的感知機制進行深入研究，可以預見，對它的進一步研究有助于尋找更優化的運筆動作可視化方案。