申權(quán)威 王宇中 尹磊

摘 要：筆跡特征的評定是筆跡分析的基石，評定方法的滯后一直是制約筆跡分析進展的關(guān)鍵因素。漢字相對英文單詞具有更加復雜的結(jié)構(gòu)和筆畫特征，以往研究多采取直接的主觀評定或傳統(tǒng)的手工測量。本研究采用電子書寫屏（ESP1020）進行筆跡采集，對采集的筆跡圖像利用模式識別技術(shù)進行量化處理，并據(jù)此研發(fā)一種新的“筆跡特征分析系統(tǒng)（HCAS）”，該系統(tǒng)可自動提取字面積、書寫平均壓力等36項筆跡特征數(shù)據(jù)。文章作者使用HCAS對33名被試的筆跡樣本做量化評定實驗，發(fā)現(xiàn)：三次評定中，36項筆跡特征的重測信度較高，除正文上邊距外其余各項筆跡特征的重測相關(guān)系數(shù)均達到顯著水平（P<0.05），這表明HCAS比較穩(wěn)定，可作為筆跡分析研究的工具。

關(guān)鍵詞：漢字;筆跡特征;筆跡心理分析方法;評定方法

中圖分類號：B848;D918.92

文獻標識碼：A

收稿日期：2018-10-25

基金項目：湖北醫(yī)藥學院人才啟動金項目資助（2017QDJRW03）;湖北省普通高等學校人文社科重點研究基地開放基金資助（2018ZD003）。

作者簡介：申權(quán)威（1988—），男，河南商丘人，助教，碩士，湖北醫(yī)藥學院心理學教師，研究方向：筆跡心理分析、漢字心理、書法治療;

王宇中（1959—），男，河南新鄉(xiāng)人，教授，碩士，鄭州大學教育學院心理學專業(yè)教授委員會主任，研究方向：筆跡心理分析、婚戀、人崗匹配;

尹 磊（1991—），男，河南信陽人，助教，碩士，信陽學院心理學教師，研究方向：筆跡心理分析。

一、 前言

1.筆跡心理分析的含義

筆跡是腦-神經(jīng)系統(tǒng)-組織器官分工配合、精細合作的結(jié)果，是潛意識在紙面的投射。童輝杰[1]（2001）認為筆跡的形成有賴于個體穩(wěn)固的心理生理品質(zhì)并反映這些品質(zhì)，因此筆跡測量本質(zhì)上是一種投射測驗;鄭日昌[2]（2014）認為筆跡心理分析是通過對筆跡的書寫特征和規(guī)律進行研究，進而分析書寫者的性格、能力、身體素質(zhì)、工作作風以及行為方式等，從而為教育評估、職業(yè)測評、人事管理、刑偵司法等服務。

2.筆跡心理分析方法述評

筆跡分析在我國有著悠久的歷史。漢代揚雄說：“言，心聲也;書，心畫也”。清代劉熙載在《藝概》中將其概括為“字如其人”。古代書評家通過主觀經(jīng)驗對筆跡特征進行直接分析，進而判斷書者的心志品性，這一研究取向一直持續(xù)到今天，但卻不被心理科學認可，原因在于筆跡特征的選取主觀、隨意、不具有重復性。筆跡心理分析研究中，關(guān)鍵技術(shù)是如何量化筆跡特征。趙慶梅[3]分析以往文獻，總結(jié)出常用的方法11種，包括特征法、測量法、比較法、直覺感知法、望氣法、形與態(tài)結(jié)合法、類推法、微觀到宏觀分析法、宏觀到微觀分析法、綜合法和軟件測評法。冮勇[4]認為，筆跡研究的方法可歸納為整體印象分析和微觀特征分析兩種。童輝杰、楊鑫輝等人[5]認為：傳統(tǒng)的整體印象分析屬于主觀臆測，多被筆相學家運用，經(jīng)不起實證檢驗。劉勇華[6]對傳統(tǒng)整體印象分析進行改進，收集文獻中的筆跡特征詞匯，通過多輪篩選確定筆跡特征詞匯30項，并據(jù)此編制“漢字筆跡特征主觀評定量表”作為筆跡特征的評定工具。

近100年主要把筆跡看作幾何圖形進行測量，例如：楊國樞[7]（1964）選取筆跡特征21項，其中用物理工具測量的特征12項;牛樂[8]（2008）用直尺、量角器等工具對行傾斜度、字距等10項筆跡特征進行測量;蘇州大學張卿華、王文英[9]采用漢字筆跡測量法，研究了筆跡的年齡特征以及筆跡特征和神經(jīng)類型的關(guān)系。

20世紀末，人工智能和計算機模式識別技術(shù)以全新視角來處理筆跡。為了更好地將手寫體轉(zhuǎn)譯為印刷體，需要不斷改進手寫體的識別質(zhì)量。Alex Graves等人[10]在筆跡識別系統(tǒng)中加入文本識別線，解決了由于筆跡潦草或者重疊帶來的字跡難以識別的問題。為更好地識別手寫體，Y L Hsu等人[11]提出基于慣性傳感器的數(shù)字筆和與之相關(guān)的動態(tài)時間歸整（DTW）的識別算法。為提高識別的精確性，Nadege Van Drempt[12]選用了一種數(shù)碼筆，可以記錄筆壓、書寫時間等不易捕捉的動態(tài)筆跡特征。在阿拉伯文字的識別上，Tagougui和Kherallah[13]提出一種基于隱馬爾可夫模型（HMM）和多層感知器神經(jīng)網(wǎng)絡模型（MLPNNs）的混合系統(tǒng)，使識別準確率高達96.4%。為提高漢字筆跡識別的準確性和速度，楊子華和吳敏等人[14]將筆跡識別看作紋理識別，開辟了筆跡識別的新途徑。何震宇[15]（2003）使用 “字符分割”“去噪音”等方法嘗試中文筆跡的識別。丁曉青[16]（2012）系統(tǒng)介紹了如何利用計算機處理圖像的強大功能來分析處理筆跡圖像。這些研究的目的是解決計算機手寫輸入法的問題。王高強等人[17]開發(fā)的“漢字筆跡特征量化識別系統(tǒng)（CCQAS4.0）”主要用于筆跡心理分析，但該系統(tǒng)必須用特定型號的A4紙和簽字筆進行書寫，再將筆跡樣本掃描成圖片，利用計算機對筆跡圖片進行量化處理，操作過程煩瑣，很難作為一種應用工具進行推廣。如何將電子書寫屏和計算機量化識別技術(shù)引入筆跡分析，研發(fā)出更便捷有效的筆跡特征量化技術(shù)是目前最急迫的問題。

3.以往研究的局限

綜合以上可以看出，筆跡特征的提取方法是影響筆跡心理分析進展的關(guān)鍵因素。根據(jù)提取方法的不同，可將筆跡心理分析研究分為三個階段。

第一階段屬于經(jīng)驗性分析，即根據(jù)筆跡樣本直接憑主觀經(jīng)驗對書寫人的心理特征進行分析，這種方法不被現(xiàn)代心理科學認可。

第二階段屬于物理測量階段，即使用直尺、量角器等物理工具進行人工測量來獲取筆跡的量化特征，此過程費時費工，無法大規(guī)模測量，且誤差較大，一直未得到推廣。

第三階段為計算機介入階段，即采用標準化的書寫工具采集筆跡樣本，并編制軟件來提取筆跡特征，這一方法雖然比較科學和相對簡便，但操作過程仍需改進。雖然筆跡特征提取已取得較大進展，但在誤差控制、實踐推廣上仍有不少問題亟須完善。

總之，筆跡特征的量化技術(shù)一直未得到有效突破。本研究的創(chuàng)新點在于研發(fā)基于電子書寫屏（ESP1020）的筆跡特征分析系統(tǒng)（HCAS），應用模式識別技術(shù)自動、批量提取和量化筆跡特征。

二、方法與程序

1.筆跡采集工具的選取（ESP1020）

為順應計算機書寫時代的大趨勢，控制無關(guān)變量，本研究采用電子屏代替白紙作為書寫工具，用電子筆代替簽字筆在電子屏上書寫。為了更精確更豐富地記錄筆跡特征，對電子屏幕的壓感級別、精準度、分辨率、像素、點距等均做嚴格要求，綜合考慮最終選擇漢王ESP1020作為本研究的書寫工具（見圖1、圖2）。此款書寫屏所寫即所見，可真實保存書寫者的筆跡特征，并自動記錄筆跡的x/y坐標、壓力、時間參數(shù)，能動態(tài)刻畫筆跡的輕重緩急，不斷積累并形成書寫者的生物特征信息。ESP1020支持二次開發(fā)，為“筆跡特征分析系統(tǒng)（HCAS）”的研發(fā)提供了可能。

2.HCAS的研發(fā)

書寫者在ESP1020上書寫后，在電腦上得到的是筆跡圖像，需二次開發(fā)把筆跡圖像轉(zhuǎn)化為筆跡特征數(shù)據(jù)。因此，課題組與圖形識別工程師合作開發(fā)“筆跡特征分析系統(tǒng)（HCAS）”（此系統(tǒng)獲國家計算機軟件著作權(quán)，登記號：2016SR169958），該系統(tǒng)是基于漢王ESP1020書寫屏進行的深度開發(fā)，可以把筆跡圖像自動轉(zhuǎn)化為筆跡特征數(shù)據(jù)，提高了筆跡特征采集的準確性和效率。書寫完成后，該系統(tǒng)自動提取36項筆跡特征參數(shù)（見下表）。

3.書寫材料的標準化

ESP1020為10.1英寸，經(jīng)反復書寫測試，最佳書寫字數(shù)為20～40字。結(jié)合秦玉紅[18]、冮勇[19]、王高強[20]等人選取的漢字抄寫材料的特點，根據(jù)本研究的需要，制定選取抄寫材料的標準：筆畫多樣、結(jié)構(gòu)豐富、通俗易懂、情感中性。經(jīng)60名被試者的評價選擇，最終確定唐詩《春曉》作為本研究的標準抄寫材料。

4.筆跡特征的篩選

筆跡研究中存在筆跡特征選取依據(jù)不同、操作定義不一的問題。本研究從兩個維度確定筆跡特征的選取標準：一是由計算機編程人員確定量化提取筆跡特征的難易程度，分難、中、易三個水平;一是依據(jù)前人研究中筆跡特征與心理變量的相關(guān)程度，分高、中、低三個水平。權(quán)衡這兩個維度，最終篩選筆跡特征36項，并對每一項筆跡特征下操作定義。如“占用率”的操作定義：坐標 X的最大值減最小值得書寫寬度，坐標 Y的最大值減最小值得書寫高度，寬度乘以高度得書寫區(qū)域的面積，除以整個書寫屏幕的面積即為“占用率”。

5.HCAS穩(wěn)定性實驗

筆跡是腦-神經(jīng)系統(tǒng)-肌肉協(xié)調(diào)運動而形成的痕跡，16 歲后趨于穩(wěn)定。19世紀末，德國心理學教授威廉·普雷耶發(fā)現(xiàn)失去手臂的人用腳趾或嘴寫出的字跡與事故前并無差別，他據(jù)此提出“筆跡乃心跡”的學說;羅瓊和謝朋[21]發(fā)現(xiàn)筆跡特征的穩(wěn)定程度在 52%以上;GBassma和KA Mamun等人[22]使用平板電腦和儀器筆以20 名成年人為被試，對其書寫過程的抓取力進行追蹤研究，發(fā)現(xiàn)雖然書寫的抓取力會隨時間的推移發(fā)生變化，但被試間的動力學差異超過被試內(nèi)的差異。這些研究有力地證明了個體筆跡的穩(wěn)定性、獨特性。既然筆跡特征是穩(wěn)定的，那么HCAS系統(tǒng)是否穩(wěn)定呢？因此有必要對其穩(wěn)定性進行測試。

以某高校本科生、研究生共33名為被試，以唐詩《春曉》為抄寫材料，以ESP1020為筆跡采集工具，用HCAS對筆跡樣本做量化處理。將被試召集到安靜的教室，介紹實驗目的及流程后，進行第一次筆跡采集。間隔一個月進行第二次采集，間隔兩個月進行第三次采集。施測程序如下：第一步：將ESP1020與裝有HCAS的電腦相連。第二步：在電腦屏幕上點擊HCAS的快捷鍵，進入“筆跡特征分析”的登錄界面（如圖3）。 第三步：輸入用戶名和密碼，進入HCAS主界面（第一次登錄，需先注冊，如圖4）。第四步：點擊HCAS主界面左側(cè)功能欄的“被試基本信息”項，被試進行書寫前需填寫基本信息（如圖5）。第五步：被試完成基本信息后，點擊“確定”按鈕，被試信息自動保存。然后點擊HCAS主界面左側(cè)功能欄的“筆跡特征采集”項，書寫屏呈白板狀態(tài)，被試在書寫屏上書寫。書寫屏還可選擇筆跡顏色和筆跡寬度，本研究統(tǒng)一顏色為黑色，筆寬為二級。若在書寫過程中出現(xiàn)錯字、串行等，點擊“重新采集”按鈕。第六步：書寫完成后，點擊“結(jié)束采集”按鈕。返回到HCAS主界面，點擊“保存分析結(jié)果”按鈕，出現(xiàn)“特征分析結(jié)果保存成功”對話框，說明此被試的筆跡特征數(shù)據(jù)已保存在數(shù)據(jù)庫中（如圖6）。

三、結(jié)果

將數(shù)據(jù)導入SPSS 21.0 進行統(tǒng)計分析，分別計算第二次、第三次采集的數(shù)據(jù)與第一次數(shù)據(jù)的相關(guān)。結(jié)果如下表所示。

由下表可知，HCAS提取的筆跡特征一個月的重測信度在0.45到0.90之間，三個月的重測信度在0.26到0.88之間。除正文上邊距外其余各項重測信度均達到顯著水平，這表明HCAS比較穩(wěn)定，可作為筆跡分析研究的工具。從采集的圖像上看，同一被試的三次筆跡樣本在布局、字大小、間距、結(jié)體等方面均相似（具體見圖7、圖8、圖9）。

四、總結(jié)

筆跡是生理和心理機制的綜合反映，是書寫者動作模式和神經(jīng)類型的系統(tǒng)表達。中國自古就有“心手相通”“字如其人”的說法，西方也有“筆跡乃心跡”“投射”等理論，因此筆跡是心理學有待深入開采的珍貴寶藏。然而，囿于方法的限制，這一寶藏一直未得到充分挖掘。本研究采用電子書寫屏采集筆跡樣本，研發(fā)“筆跡特征分析系統(tǒng)（HCAS）” 對筆跡特征進行客觀、精確、自動化測量，提高了效率和準確性，符合計算機書寫時代的發(fā)展趨勢。

參考文獻：

[1]童輝杰.西方筆跡心理學研究的發(fā)展與評價[J].心理學動態(tài)，2001（3）：276-281.

[2]鄭日昌.筆跡心理學[M].北京：北京師范大學出版社，2014.

[3]趙慶梅.筆跡分析與測試——實際應用中的筆跡破譯[M].沈陽：遼寧人民出版社，2001.

[4][19]冮 勇.筆跡與人格的關(guān)系[D].上海：華東師范大學，2008.

[5]童輝杰，楊鑫輝.對非心理學背景的筆跡分析中經(jīng)驗判斷的心理學驗證[J].心理科學，2003（5）：934-935.

[6]劉勇華.漢字筆跡主觀評定量表的編制及筆跡與人格關(guān)系的探討[D].鄭州：鄭州大學，2014.

[7]楊國樞，林碧峰.中文筆跡與人格：一項探索性研究[R].臺灣大學理學院心理學系研究報告，1964：39-62.

[8]牛 樂.筆跡布局特征的客觀分析及其與人格關(guān)系的初探[D].太原：山西醫(yī)科大學，2008.

[9]張卿華，王文英.漢字筆跡與個性測評研究[J].心理科學，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]楊子華，吳 敏，劉 琤.基于灰度共生矩陣的筆跡識別[J].信息安全與通信保密，2006（6）.

[15]何震宇.中文筆跡鑒別軟件研究與開發(fā)[D].武漢：武漢理工大學，2003.

[16]丁曉青，李 昕，等.計算機筆跡鑒別與驗證的理論和方法[M].北京：清華大學出版社，2012.

[17][20]王高強.應用筆跡特征分析軟件對筆跡特征及其與人格關(guān)系的研究[D].鄭州：鄭州大學，2013.

[18]秦玉紅.中文筆跡與人格的相關(guān)研究[D].濟南：山東師范大學，2008.

[21]羅 瓊，謝 朋.筆跡起收筆特征穩(wěn)定與變化的研究[J].廣東公安科技，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.