专利摘要

提供了利用压力触控板的文本输入方法、智能电子设备和计算机可读存储介质，方法包括：从压力触控板逐帧采集压力图像信息；根据压力大小、压力区域大小和持续时间，识别出点击；判断是否为多次连续按键；在为多次连续按键的情况下，计算各个单词的概率，并输出概率数值排序在前预定位数的候选词。由于利用了反应压力信息的特征，能够区分手掌和点击压力，因此能够允许用户将手掌放在触摸板上进行输入，对用户非常友好；准确识别用户输入的文本；尤其适合用户单手输入；适合用户多手指进行输入。

权利要求

1.一种利用压力触控板的文本输入方法，

从压力触控板逐帧采集压力图像信息；

根据压力大小、压力区域大小和持续时间，从压力图像信息识别出点击；

判断识别出的多个点击是否为多次连续按键；

在为多次连续按键的情况下，根据各个按键之间的相对位置和各个按键的压力信息，计算各个单词的概率，并输出概率数值排序在前预定位数的候选词，

所述根据各个按键之间的相对位置和各个按键的压力信息，来计算各个单词的概率包括：

计算每个点击位置距离各个字母中心点的概率；

根据点击的压力F信息，计算用户点击键盘不同行的概率；

基于每个点击位置距离各个字母中心点的概率、每个点击位于不同的键盘的行的概率以及各个单词本身的出现概率，计算各个单词的概率。

2.根据权利要求1所述的文本输入方法，所述根据压力大小、压力区域大小和持续时间，从压力图像信息识别出点击包括：

在压力区域大小超过预定压力区域阈值，持续时间超过预定持续时间阈值，以及压力值小于预定压力值阈值的情况下，将触摸识别为手掌接触而不是点击。

3.根据权利要求1所述的文本输入方法，还包括：

将候选词显示在显示屏上；

检测用户在压力触控板上的选择手势，以及响应于所述选择手势而选择相应的候选词。

4.根据权利要求3所述的文本输入方法，还包括：

在显示候选词的时候，响应于检测到用户右滑手势，切换高亮的候选词。

5.根据权利要求4所述的文本输入方法，还包括：

在选中候选词的时候，响应于检测到用户左滑手势，删除前一选中的候选词。

6.根据权利要求1所述的文本输入方法，所述压力信息包括如下特征值：

压力持续时间、点击区域大小、点击中最大的压力值、各帧点击平均值中的最大值、点击的x和y坐标。

7.根据权利要求1所述的文本输入方法，其中所述根据点击的压力F信息，计算用户点击键盘不同行的概率是基于如下公式进行的：

P(Rk|F)∝P(F|Rk)×P(Rk)

假设Rk平均分布，为固定值的情况下，则由上述公式得到

P(Rk|F)∝P(F|Rk)

其中P(Rk|F)表示压力为F的情况下，点击发生在Rk行的概率，P(F|Rk)表示点击发生在的请下，压力为F的概率，P(Rk)表示点击发生在Rk行的概率。

8.根据权利要求1所述的文本输入方法，所述计算各个单词的概率包括：

利用如下公式计算在确定点击位置序列I和点击压力序列F的情况下，输入为单词W的概率P(W|I，F)：

P(I，F|W)×P(W)＝P(I|W)×P(F|W)×P(W)

其中P(I，F|W)表示在单词为W的情况下呈现位置序列I和点击压力序列F的概率，P(W)表示单词W的先验概率，从语言模型数据库中获得，P(I，F)表示位置序列I和点击压力序列F的概率，P(I|W)表示在单词为W的情况下呈现位置序列I的概率，P(F|W)表示在单词为W的情况下呈现点击压力序列F的概率，P(Fi|Wi)表示在第i个字母为Wi的情况下第i个点击压力为Fi的概率，n表示点击序列中点击的数目，也是单词W中字母的数目，也是点击压力序列中压力的数目，Fij表示第i个点击压力的第j个特征，Rk表示Wi对应的行，P(Fij|Rk)表示在Rk行压力特征Fij出现的概率，P(Rk|Fij)表示在压力特征为Fij的情况下，点击i出现在Rk行的概率。

9.根据权利要求1所述的文本输入方法，所述键盘的布局为下面的一种：全键盘、半键盘、数字键盘。

10.根据权利要求1所述的文本输入方法，所述触控板位于智能手机、平板的显示屏幕下。

11.根据权利要求1所述的文本输入方法，所述触控板与输入文本的电子设备之间是分离的。

12.根据权利要求1所述的文本输入方法，所述文本输入方法是单手文本输入。

13.一种智能电子设备，包括：

压力触控板，能够在被触控时候产生反映压力大小的信号；

位于压力控触板之上的显示屏；

处理器；

存储器，其上存储有计算机可执行指令，所述指令当被处理器执行时，执行权利要求1到12任一项所述的文本输入方法。

14.一种计算机可读存储介质，其上存储有计算机可执行指令，所述指令当被处理器执行时，执行权利要求1到12任一项所述的文本输入方法。

说明书

技术领域

本发明总体地触摸屏的文本输入，更具体地涉及使用压力触控板的文本输入方法和智能电子设备。

背景技术

近些年来，越来越多的移动设备出现，但是在触摸屏上的文本输入仍然面临很大的挑战。一是由于尺寸的限制，无法直接移植现有物理键盘的双手打字技术；二是缺少触觉反馈导致用户很难点准一个键；三是很多设备无法区分有意无意点击，因此用户打字时不能把手掌或者手指放上去休息。例如，在常见的平板上，用户双手打字点击不仅不准确，而且还会发生手掌或者手指的误触，这样的打字体验很容易造成疲劳。

之前的触摸屏键盘都是基于电容屏的，每当用户发生一次点击时，系统一般只会汇报一个点击事件，在此基础上再对一系列的交互场景进行优化。

现有的利用压力进行的文本输入技术通常将压力用到了比较固定明确的需求上，例如利用压力大小区分大小写，或者是从多个候选字母中选择某一个字母，比如一个键上有两个字母，利用压力大小区分两个字母。

压力信息利用的范围比较局限，仅仅在特定的情况下有作用，而且都是将压力作为显式控制因素；

(2)这些方案没有将压力运用到语言模型中进行优化

与本发明相关的现有技术二

现有技术二的技术方案

现有的单手输入一般实现在手持移动设备上，最常见的就是手机。用户握着手机的同时使用大拇指选择按键

现有技术二的缺点

(3)这些方案中，用户大部分情况下只使用一个手指，导致打字速度很慢

(4)用户需要手持设备，无法在比较放松的情况下打字

与本发明相关的现有技术三

现有技术三的技术方案

所谓的单手输入，将很多按键重新排列了顺序，挤在很小的空间中，让用户能够一个手操作

现有技术三的缺点

(5)用户需要适应新的键盘布局

发明内容

与之相比，基于压力图像的交互技术则有很多优势：利用压力图像的大小、尺寸、范围可以区分将有意点击和无意点击很好的区分。比如手掌的压力区域比正常的点击大得多，用户手放下休息时比正常打字的压力值要小，用户打不同行的时候由于手指的角度不同压力的特征也有不同等等。另外，在移动设备上，比如平板和其他触屏设备，用户很难有足够空间进行双手打字，而使用单手则占用更少的空间，而且另一只手同时能够进行更多的操作。

单手打字一个需要解决的关键问题时：用户使用单手打字时每个很多字母的区域重叠十分严重，因此很难区分，所以要打准一个词非常困难。

针对现有技术中的上述问题，提出了本发明。

根据本发明的一个方面，提供了一种利用压力触控板的文本输入方法：从压力触控板逐帧采集压力图像信息；根据压力大小、压力区域大小和持续时间，识别出点击；判断是否为多次连续按键；在为多次连续按键的情况下，计算各个单词的概率，并输出概率数值排序在前预定位数的候选词。

可选地，文本输入方法中，根据压力大小、压力区域大小和持续时间，识别出点击包括：在压力区域大小超过预定压力区域阈值，持续时间超过预定持续时间阈值，以及压力值小于预定压力值阈值的情况下，将该触摸识别为手掌接触而不是点击。

可选地，文本输入方法还可以包括：将候选词显示在显示屏上；检测用户在压力触控板上的选择手势，以及响应于所述选择手势而选择相应的候选词。

可选地，文本输入方法还可以包括：在显示候选词的时候，响应于检测到用户右滑手势，切换高亮的候选词。

可选地，文本输入方法还可以包括：在选中候选词的时候，响应于检测到用户左滑手势，删除前一选中的候选词。

可选地，文本输入方法中，在为多次连续按键的情况下，根据各个按键之间的相对位置和各个按键的压力信息，来计算各个单词的概率。

可选地，文本输入方法中，压力信息包括如下特征值：压力持续时间、点击区域大小、点击中最大的压力值、各帧点击平均值中的最大值、点击的x和y坐标。

可选地，文本输入方法中，根据各个按键之间的相对位置和各个按键的压力信息，来计算各个单词的概率可以包括：根据按键的压力信息，预测用户点击了键盘的哪一行。

可选地，文本输入方法中，根据各个按键之间的相对位置和各个按键的压力信息，来计算各个单词的概率可以包括：计算每个点击位置距离各个字母中心点的概率；根据点击的压力信息，计算用户点击了键盘的哪一行；基于每个点击位置距离各个字母中心点的概率、每个点击位于的键盘的行的概率以及各个单词本身的出现概率，计算各个单词的概率。

可选地，所述根据点击的压力F信息，计算用户点击键盘不同行的概率是基于如下公式进行的：

P(Rk|F)∝P(F|Rk)×P(Rk)

假设Rk平均分布，为固定值的情况下，则由上述公式得到

P(Rk|F)∝P(F|Rk)

其中P(Rk|F)表示压力为F的情况下，点击发生在Rk行的概率，P(F|Rk)表示点击发生在的请下，压力为F的概率，P(Rk)表示点击发生在Rk行的概率。

可选地，文本输入方法中，计算各个单词的概率可以包括：利用如下公式计算在确定点击位置序列I和点击压力序列F的情况下，输入为单词W的概率P(W|I，F)：

P(I，F|W)×P(W)＝P(I|W)×P(F|W)×P(W)

其中P(I，F|W)表示在单词为W的情况下呈现位置序列I和点击压力序列F的概率，P(W)表示单词W的先验概率，从语言模型数据库中获得，P(I，F)表示位置序列I和点击压力序列F的概率，P(I|W)表示在单词为W的情况下呈现位置序列I的概率，P(F|W)表示在单词为W的情况下呈现点击压力序列F的概率，P(Fi|Wi)表示在第i个字母为Wi的情况下第i个点击压力为Fi的概率，n表示点击序列中点击的数目，也是单词W中字母的数目，也是点击压力序列中压力的数目，Fij表示第i个点击压力的第j个特征，Rk表示Wi对应的行，P(Fij|Rk)表示在Rk行压力特征Fij出现的概率。

结合公式P(Rk|F)∝P(F|Rk)和公式

可以得到公式

即在计算单词概率时，利用到了基于压力计算的点击不同行的概率。

可选地，文本输入方法中，所述键盘的布局为下面的一种：全键盘、半键盘、数字键盘。

可选地，文本输入方法中，所述触控板位于智能手机、平板的显示屏幕下。

可选地，文本输入方法中，所述触控板与输入文本的电子设备之间是分离的。

可选地，所述文本输入方法是单手文本输入。

根据本发明的另一方面，提供了一种智能电子设备包括：压力触控板，能够在被触控时候产生反映压力大小的信号；位于压力控触板之上的显示屏；处理器；存储器，其上存储有计算机可执行指令，所述指令当被处理器执行时，执行所述文本输入方法。

根据本发明的另一方面，提供了一种计算机可读存储介质，其上存储有计算机可执行指令，所述指令当被处理器执行时，执行所述文本输入方法。

根据本发明实施例的文本输入方法、智能电子设备和计算机可读存储介质，具有至少下述优势：

(1)由于利用了反应压力信息的特征，能够区分手掌和点击压力，因此能够允许用户将手掌放在触摸板上进行输入，对用户非常友好；

(2)准确识别用户输入的文本；

(3)尤其适合用户单手输入；

(4)适合用户多手指进行输入。

附图说明

图1示出了根据本发明一个实施例的文本输入方法100的总体流程图。

图2示出了结合当前生数据和历史帧来判断是否为点击的过程图。

图3示出了Bi-Key键盘的示意图。

图4的(a)示出了General(总体)情况的实际行与预测行的关系，图4的(b)示出了Personalized(个人)情况下实际上与预测行之间的关系。

图5示出了根据本发明实施例的根据各个按键之间的相对位置和各个按键的压力信息，来计算各个单词的概率的示例性方法200的流程图。

图6示出了几种输入方法的实验结果的比较图。

图7示出了用户实验评测的几种输入方法的压力板上用户单手打字的速度方面的效果。

图8示出了用户实验评测的几种方法在压力板上用户单手打字的准确率方面的效果。

图9示出了用户实验评测的几种方法在压力板上用户单手打字的用户反馈的效果。

具体实施方式

下面参考附图详细描述本发明的具体实施例。

在此之前，对本文中的一些术语加以解释。

“压力图像”：在触摸板或触摸屏上，由可感知压力的传感器阵列检测到的，文本输入过程中每一瞬间的压力信号数据。

图1示出了根据本发明一个实施例的文本输入方法100的总体流程图。

在步骤S110中，从压力触控板逐帧采集压力图像信息。

在一个示例中，从压力触控板上得到的130Hz左右的压力图像信息。

在步骤S120中，根据压力大小、压力区域大小和持续时间，识别出点击。

在一个示例中，根据压力大小、压力区域大小和持续时间，识别出点击包括：在压力区域大小超过预定压力区域阈值，持续时间超过预定持续时间阈值，以及压力值小于预定压力值阈值的情况下，将该触摸识别为手掌接触而不是点击。换句话说，如果点击区域较大、持续时间长、平均压力值小，该次点击则被视作为手掌。这是因为，手掌的压力区域比正常的点击大得多，用户手放下休息时比正常打字的压力值要小，而且一般手放下休息时间较长。

由此，根据本发明实施例的文本输入方法，在输入过程中，用户可以一直将手掌放到触摸板上而不用悬空。本发明实施例的智能电子设备的文本输入法能够准确地区分开点击和手掌放置。

压力区域大小为在单帧压力图像信息中，对原始数据进行去噪和过滤之后，检测出的由实际手部区域接触导致压力发生变化的区域的物理尺寸。

图2示出了结合当前生数据和历史帧来判断是否为点击的过程图。

下图展示了我们从原始数据中识别点击的过程。从原始数据中，我们可以识别出压力值大于0的区域(白色的部分)，压力大于0的区域形成了一个团，表明点击的整个区域，当一个点击持续了一定时间之后(即一定帧数)，将会形成点击事件。另外，前面说到，根据特定规律我们会排除手掌的点击(图2中的点击2)，最终留下点击1为合法点击，触发合法点击，程序作出响应。

在步骤S130中，判断是否为多次连续按键。

可以根据历史信息，判断该点击是之前点击的延续还是新的点击。

在一个示例中，利用机器学习算法例如决策树，考虑压力区域大小、压力值、点击之间的持续间隔等特征，用阈值进行判断。

在步骤S140中，在为多次连续按键的情况下，计算各个单词的概率，并输出概率数值排序在前预定位数的候选词。

后文将详细描述如何基于多次连续按键计算各个单词的概率。

在一个示例中，文本输入方法还包括：将候选词显示在显示屏上；检测用户在压力触控板上的选择手势，以及响应于所述选择手势而选择相应的候选词。具体地，在一个示例中，用户可以通过大拇指选择后候选词。

在一个示例中，文本输入方法还可以包括：在显示候选词的时候，响应于检测到用户右滑手势，切换高亮的候选词。

在一个示例中，文本输入方法还可以包括：在选中候选词的时候，响应于检测到用户左滑手势，删除前一选中的候选词。

下面描述如何基于多次连续按键计算各个单词的概率，连续按键的个数也被理解为单词中字母的个数。

在一个实施示例中，可以根据按键的绝对位置，利用贝叶斯概率来计算单词的概率。下面对此进行具体描述。

具体地，识别出用户的点击事件后，将根据点击的重心点计算用户的目标文本。为了形式化解释计算方法，进行如下定义：假设用户输入的信号为I＝IiI2…In，其中n是输入的字符数量。对于词库中的每个单词W，根据贝叶斯算法，下面的公式(1)成立：

其中P(W)表示单词W的先验概率，可以由单词的词频得到。P(W/I)表示表示在呈现位置序列I的情况下单词为W的概率，P(I)表示呈现位置序列I的概率，P(I|W)表示在单词为W的情况下呈现位置序列I的概率。另外，假设没有删除或者插入错误，并且每一次的点击都是相互独立的，则公式(2)成立：

其中P(Ii|Wi)中的Ii指用户的第i次点击，Wi是指单词W中的第i个字符，P(Ii|Wi)可以通过二维高斯分布进行计算。

这样，借助公式(1)和(2)可以基于多次连续按键计算各个单词的概率。

在上面的示例中，使用绝对位置来计算基于连续多次按键的单词的概率。除了使用绝对的位置外，还可以使用相对的高斯模型。

在一个示例中，在相对模型中，除了第一个落点仍然使用绝对位置外，之后每两个落点计算x，y方向的差值，将差值视为二维高斯分布，使用下面的公式(3)计算概率

另外，发明人进行了大量的实验研究，研究一般人的打字习惯，不同人在不同键盘上打字的表现，有关压力特征在预测点击所处行上的表现，最后得出了在计算单词的概率时候，使用每个点击位于的键盘的行的概率的信息。

发明人首先开展了第一个实验研究用户在压力板下单手打字的习惯，用户要进行两种模式(Hover是手完全悬空，Placed是手放下)，每种模式要进行4阶段*15句话的任务。发明人发现，绝大部份用户即使在单手情况下，仍然习惯于使用多个手指进行打字。

表1

表1表示了用户每个手指负责的按键数量的平均值(括号中表示标准差)，Thumb，Index，Middle，Ring，Little分别表示大拇指、食指、中指、无名指、小指。例如，在Index和Hover时，表中数值为24.7(1.9)，说明用户在悬空情况下，食指平均会负责24.7个按键，标准差为1.9。因此，表格数据说明，用户使用食指和中指点击了绝大部份键，无名指占一部分，而大拇指和小指只占非常少的部分。

同时，实验中发明人还分析了压力信息，如下面的表2所示。发明人分析了不同行的分别是点击的持续时间(T，单位为毫秒)、点击区域大小( 单位为平方毫米)、点击中某个像素点最大的压力值信息( 单位为N)，(表中括号的数值表示标准差，Top，Middle，Bottom，Space分别表示键盘的最上面一行(Q，W等按键)，中行(A，S等按键)，下行(Z，X等按键)，空格键)，并进行了检验，结果发现，三个特征在不同行上的差距十分显著。由此，发明人提出可以依据特征来判断点击发生在键盘哪一行。

表2

此外，为了确定键盘的布局的点击模型，发明人进行了一系列的模拟实验。

首先，发明人对比了常见的QWERTY布局和Bi-Key布局(将键两两合并)。图3示出了Bi-Key键盘的示意图。发明人发现，在将所有人的落点合并后，Bi-Key的Top-1准确率的确能够提高10％左右，但是每个人分别考虑，Bi-Key反而不如QWERTY，说明Bi-Key虽然能够解决用户点击不准的问题，但是不足以弥补每个键有两个字母的负面影响。

在一个示例中，在为多次连续按键的情况下，根据各个按键之间的相对位置和各个按键的压力信息，来计算各个单词的概率。

在一个示例中，根据各个按键之间的相对位置和各个按键的压力信息，来计算各个单词的概率包括根据按键的位置和压力信息，预测用户点击了键盘的哪一行。

在一个示例中，计算用户点击键盘的不同行的概率时，结合了压力的信息。为了限定压力的信息，一共使用了6个压力特征，分别是点击的持续时间、点击区域大小、点击中某个像素点最大的压力值、点击平均值中最大值、x和y坐标。这里点击平均值中的最大值指的是：每一次点击涉及到一片区域，然后持续一段时间(有很多帧)，每一帧我们会算一个压力的平均值，平均值的最大值指的是这些帧中的最大值。在一个示例中，这里的x，y指的是：重心的位置，每一帧有一片区域，区域中有很多压力传感器，每个传感器有对应的位置和压力值，x，y是压力值和位置的加权平均，我们最后用的是最后一帧的x，y，但实际上第一帧的重心x，y和最后一帧的变化很小即F＝[F1，F2,...F6]T，将这6个特征用于预测用户点击了4行键盘的哪一行，将空格键视为单独的一行。对于每一行 使用公式(4)计算在点击压力信息为F的情况下，点击发生在第Ri行的概率P(Ri|F)：

其中P(Fj|Ri)使用高斯分布进行计算，而P(Ri)则可以从语言模型中获得。通过模拟发现，使用压力信息预测行无论是在Personalized还是General的情况下，准确率都很高(分别是88.0％和87.1％)。General表示将所有用户的点击中心点移到同一位置合并起来进行模拟实验，Personalized表示将不同用户的点击分开模拟，最后将结果合并。图4的(a)示出了General(总体)情况的实际行与预测行的关系，图4的(b)示出了Personalized(个人)情况下实际上与预测行之间的关系。图4的(a)和(b)两张图的横轴Target Row表示用户实际点击的按键位置，纵轴Predicted Row表示根据本发明实施例算法预测的按键位置，Top，Middle，Bottom，Space分别表示键盘的最上面一行(Q，W等按键)，中行(A，S等按键)，下行(Z，X等按键)，空格键。图4的(a)图和(b)图中的矩阵中的数值表示，用户点击实际为横轴按键时，预测结果为纵轴表示按键的数量，例如图4的(a)中，Target Row为Top时，Predicted Row为Top值为16163，表示用户有16163个按键实际在Top行，算法预测结果也是Top行，而Target Row为Top，Predicted Row为Space，数值为6，说明有6次点击用户实际点的是Top行的按键，但是算法预测是Space行。因此，对角线的数值相对于同一列的值越大，说明分类为该行的结果越准确。例如，图4的(a)图中，当Target Row为Top，预测也为Top，即预测正确率为16163/(16163+1206+7+6)＝92.9％。结果显示，对于空格键的分类十分准确，大部分错误是将某一行和其相邻行混合。

图5示出了根据本发明实施例的根据各个按键之间的相对位置和各个按键的压力信息，来计算各个单词的概率的示例性方法200的流程图。

在步骤S210中，计算每个点击位置距离各个字母中心点的概率；

在步骤S220中，根据点击的位置、压力信息，计算用户点击键盘不同行的概率。

在步骤S230中，基于每个点击位置距离各个字母中心点的概率、计算的每个点击位于的键盘的行以及各个单词本身的出现概率，计算各个单词的概率。

在一个示例中，利用如下公式(5)、(6)、(7)计算在确定点击位置序列I和点击压力序列F的情况下，输入为单词W的概率P(W|I，F)：

P(I，F|W)×P(W)＝P(I|W)×P(F|W)×P(W)(6)

其中P(I，F|W)表示在单词为W的情况下呈现位置序列I和点击压力序列F的概率，P(W)表示单词W的先验概率，从语言模型数据库中获得，P(I，F)表示位置序列I和点击压力序列F的概率，P(I|W)表示在单词为W的情况下呈现位置序列I的概率，P(F|W)表示在单词为W的情况下呈现点击压力序列F的概率，P(Fi|Wi)表示在第i个字母为Wi的情况下第i个点击压力为Fi的概率，n表示点击序列中点击的数目，也是单词W中字母的数目，也是点击压力序列中压力的数目，Fij表示第i个点击压力的第j个特征，Rk表示Wi对应的行，P(Fij|Rk)表示在Rk行压力特征Fij出现的概率。

在一个示例中，所述根据点击的压力F信息，计算用户点击键盘不同行的概率是基于如下公式进行的：

P(Rk|F)∝P(F|Rk)×P(Rk)

假设Rk平均分布，为固定值的情况下，则由上述公式得到

P(Rk|F)∝P(F|Rk)

其中P(Rk|F)表示压力为F的情况下，点击发生在Rk行的概率，P(F|Rk)表示点击发生在的请下，压力为F的概率，P(Rk)表示点击发生在Rk行的概率。

结合公式P(Rk|F)∝P(F|Rk)和公式

可以得到公式

可见在计算单词概率时，利用到了基于压力计算的点击不同行的概率。

在该示例中，一个压力F用6个压力特征Fj来描述：压力持续时间、点击区域大小、点击中最大的压力值、各帧点击平均值中的最大值、点击的x和y坐标，其中j取值为从1到6。

这里点击平均值中的最大值指的是：每一次点击涉及到一片区域，然后持续一段时间(有很多帧)，每一帧我们会算一个压力的平均值，平均值的最大值指的是这些帧中的最大值。在一个示例中，这里的x，y指的是：重心的位置，每一帧有一片区域，区域中有很多压力传感器，每个传感器有对应的位置和压力值，x，y是压力值和位置的加权平均，在一个示例中，我们最后用的是最后一帧的x，y，但实际上一般第一帧的重心x，y和最后一帧的变化很小。

发明人设计并进行了大量实验来验证本发明的输入方法的准确率。

一个实验结果如图6所示，表中列出了在General(总体)和Personalized(个人)两种情况下根据本发明实施例的不同算法Top-1到Top-5的准确率，其中Top-n表示算法得到的前面n个单词包含正确单词，括号中的数值为标准差。BIKEY-ABS表示使用的是BIKEY布局和Absolute(绝对的)算法且不使用压力信息预测行，QWERTY-ABS表示使用QWERTY布局和Absolute算法且不使用压力信息预测行，QWERTY-ABS-F表示使用QWERTY布局和Absolute算法且使用压力信息预测行，QWERTY-REL-F表示使用QWERTY布局和Relative(相对)算法且使用压力信息预测行。BIKEY和QWERTY布局前文已经说明，Absolute和Relative的区别在于，使用贝叶斯算法计算时，Absolute计算时使用的是按键的绝对位置，Relative算法使用的是两次点击x和y位置的差。从图6可以看出，在General情况下，加上压力信息的相对模型效果非常好。

图7示出了用户实验评测压力板上用户单手打字的速度方面的效果，一共有10名用户进行了3种模式，其中，分别是PalmBoard，General和Rectangle。其中，PalmBoard为本发明优选实施例的技术(即每个按键中心点为实验一所有人对应按键的平均值，采用相对位置的贝叶斯算法并且加上压力信息)，Rectangle采用的是标准的QWERTY布局，即按键布局和普通物理键盘相同，尺寸放缩成和PalmBoard的设备一致，采用绝对位置的贝叶斯算法并且不使用压力信息；General方案中，每个按键中心点采用的是实验一中所有人对应按键的平均值和标准差，但是使用的是绝对位置的贝叶斯算法，并且不使用压力信息。每种模式下有5个阶段的打字任务，一共耗时约60分钟。

图7表示在五个阶段和三种技术下的打字速度，横坐标表示阶段，纵坐标表示速度。在刚开始时，用户的平均速度是31WPM(单词每分钟)，到了最后一个阶段，平均速度达到了35WPM。速度最快的3个用户，平均速度能够达到40.2WPM。这样的打字速度甚至接近研究中双手在屏幕上盲打的技术。另外，本发明提出的技术的速度显著高于比另外两种对比方案。

图8示出了用户实验评测的几种方法在压力板上用户单手打字的准确率方面的效果，上图则表示在五个阶段下三种技术的字符级别错误率，横坐标表示阶段，纵坐标表示字符级别错误率。可以看到，本发明实施例的PalmBoard技术在所有阶段的错误率都极低，最大阶段的错误率只有0.87％，平均只有0.6％，比两种对比方案都要好。

此外，图9示出了用户实验评测的几种方法在压力板上用户单手打字的用户反馈的效果，横坐标为感知速度(Perceived Speed)、准确率(Perceived Accuracy)、疲劳程度(Fatigue)和总体分数(Overall Preference)，纵坐标为用户主观打分(SubjectiveRating)。所有方面，我们的方案(PalmBoard)得分都是最优。

需要说明的是，前面示例多以单手文本输入加以说明，不过此仅为优选示例，本发明的输入方法和智能电子设备并不局限于单手文本输入，也可以应用于双手文本输入或者其他方式的触摸式文本输入。

以上已经描述了本发明的各实施例，上述说明是示例性的，并非穷尽性的，并且也不限于所披露的各实施例。在不偏离所说明的各实施例的范围和精神的情况下，对于本技术领域的普通技术人员来说许多修改和变更都是显而易见的。因此，本发明的保护范围应该以权利要求的保护范围为准。

利用压力触控板的文本输入方法和智能电子设备专利购买费用说明

Q：办理专利转让的流程及所需资料

A：专利权人变更需要办理著录项目变更手续，有代理机构的，变更手续应当由代理机构办理。

1：专利变更应当使用专利局统一制作的“著录项目变更申报书”提出。

2：按规定缴纳著录项目变更手续费。

3：同时提交相关证明文件原件。

4：专利权转移的，变更后的专利权人委托新专利代理机构的，应当提交变更后的全体专利申请人签字或者盖章的委托书。

Q:专利著录项目变更费用如何缴交

A：（1）直接到国家知识产权局受理大厅收费窗口缴纳,（2）通过代办处缴纳，（3）通过邮局或者银行汇款,更多缴纳方式

Q：专利转让变更，多久能出结果

A：著录项目变更请求书递交后，一般1-2个月左右就会收到通知，国家知识产权局会下达《转让手续合格通知书》。