數(shù)據(jù)格式說明手冊(cè)-華南理工大學(xué)人機(jī)智能交互室HCII-SCUT

PAGE華南理工大學(xué)電信學(xué)院人機(jī)通信智能接口實(shí)驗(yàn)室簡要SCUT-COUCH數(shù)據(jù)格式說明手冊(cè)HCIILaboratorySCUT華南理工大學(xué)人機(jī)通信智能接口實(shí)驗(yàn)室/PAGE3華南理工大學(xué)電信學(xué)院人機(jī)通信智能接口實(shí)驗(yàn)室1．SCUT-COUCH數(shù)據(jù)庫詳細(xì)說明1.1．SCUT-COUCH數(shù)據(jù)文件命名規(guī)則每套COUCH數(shù)據(jù)由兩個(gè)文件名相同，擴(kuò)展名不同的文件組成。擴(kuò)展名分別idx和dat。其中，dat文件為實(shí)際的數(shù)據(jù)文件，idx文件是dat文件的索引文件。每個(gè)文件名(除去擴(kuò)展名)的命名遵循如下格式“數(shù)據(jù)集名+下劃線+編號(hào)”。其中數(shù)據(jù)集名為“Big5”，“Digit”，“GB1”，“GB2”，“Letter”，“Pinyin”，“Symbol”，“TradGB1”，“WORD17366”，“WORD44208”和“WORD8888”中的一個(gè)；編號(hào)代表該文件在相應(yīng)數(shù)據(jù)集的套數(shù)編號(hào)，由三位阿拉伯?dāng)?shù)字組成。例如“WORD44208_001”代表SCUT-COUCH2009數(shù)據(jù)庫中WORD44208數(shù)據(jù)集中的第1套數(shù)據(jù)，同時(shí)它包括兩個(gè)文件：“WORD442081.2．COUCH數(shù)據(jù)文件格式每套樣本數(shù)據(jù)均由一個(gè)索引文件（擴(kuò)展名為idx，我們稱為IDX文件）和一個(gè)數(shù)據(jù)文件（擴(kuò)展名為dat，我們稱為DAT文件）組成。1.2.1．IDX文件的格式IDX文件格式由表1所示，IDX文件由文件頭和索引單元兩種結(jié)構(gòu)組成。每種結(jié)構(gòu)均為固定大小。表1IDX文件存儲(chǔ)結(jié)構(gòu)文件頭樣本0索引單元樣本1索引單元樣本N索引單元IDX文件頭格式如表2所示。文件頭單元位于文件起始位置，只有一個(gè)long型字段，它的值等于本套數(shù)據(jù)文件存儲(chǔ)的樣本總數(shù)。表2IDX文件頭格式數(shù)據(jù)名數(shù)據(jù)類型數(shù)據(jù)長度(Byte)描述SampleSumlong4本套數(shù)據(jù)文件的樣本總數(shù)IDX文件索引單元格式如表3所示。每個(gè)樣本的索引單元固定大小為13個(gè)字節(jié)，共4個(gè)數(shù)據(jù)字段。其中IDX文件中索引單元的個(gè)數(shù)與相應(yīng)DAT文件中的樣本數(shù)量是相同的。表3IDX文件樣本索引單元格式數(shù)據(jù)名數(shù)據(jù)類型數(shù)據(jù)長度(Byte)描述SampleStateunsignedchar1Hcii-lab保留使用OswIndexint4Hcii-lab保留使用IdxIndexint4樣本在本套數(shù)據(jù)中的編號(hào)，從0開始計(jì)數(shù)DatOffsetlong4樣本數(shù)據(jù)單元在對(duì)應(yīng)DAT文件中的偏移位置1.2.2．DA文件格式DAT文件存儲(chǔ)結(jié)構(gòu)由表4所示，由各個(gè)樣本數(shù)據(jù)單元構(gòu)成，每個(gè)數(shù)據(jù)單元大小不定長，具體結(jié)構(gòu)如表5所示。表4DAT文件存儲(chǔ)結(jié)構(gòu)樣本0數(shù)據(jù)單元樣本1數(shù)據(jù)單元樣本2數(shù)據(jù)單元樣本N數(shù)據(jù)單元表5DAT文件數(shù)據(jù)單元格式數(shù)據(jù)名數(shù)據(jù)類型數(shù)據(jù)長度（Byte）描述WordLengthunsignedchar1樣本內(nèi)碼長度，字節(jié)為單位WordCodeunsignedchar[]WordLength樣本的內(nèi)碼PointNumunsignedshortint2樣本的點(diǎn)的個(gè)數(shù)LineNumunsignedshortint2樣本的筆畫個(gè)數(shù)GetTimePointNumunsignedshortint2捕獲到時(shí)間的點(diǎn)的個(gè)數(shù)GetTimePointIndexunsignedshortint[]GetTimePointNum捕獲到時(shí)間的點(diǎn)的序號(hào)ElapsedTimeDWORD[]GetTimePointNum每點(diǎn)距離上一捕獲時(shí)間的采樣點(diǎn)的時(shí)間距離StrokeData樣本筆畫數(shù)據(jù)，結(jié)構(gòu)如下所示StrokePointNumunsignedshortint2每筆的點(diǎn)數(shù)Point(x,y)unsignedshortint2+2一筆中每個(gè)點(diǎn)的x和y的坐標(biāo)值1.2.3．IDX文件和DAT文件關(guān)系idx文件SampleSumSampleStateOswIndexIdxIndexDatOffsetSampleStateOswIndexIdxIndexDatOffsetdat文件樣本0數(shù)據(jù)單元idx文件SampleSumSampleStateOswIndexIdxIndexDatOffsetSampleStateOswIndexIdxIndexDatOffsetdat文件樣本0數(shù)據(jù)單元樣本1數(shù)據(jù)單元樣本2數(shù)據(jù)單元樣本SampleSum-1數(shù)據(jù)單元樣本0索引樣本1索引圖2idx文件與dat文件關(guān)系圖1.2.4．正確讀取COUCH數(shù)據(jù)讀取IDX文件IDX文件為COUCH數(shù)據(jù)的索引文件，通過讀取IDX文件中的索引單元，可以快速獲取應(yīng)樣本的信息和該樣本的數(shù)據(jù)單元在dat文件中的位置。讀取IDX文件時(shí)，必須先讀取IDX文件頭（格式詳見表2），以獲取本套數(shù)據(jù)的樣本總個(gè)數(shù)。IDX文件中每個(gè)樣本索引單元結(jié)構(gòu)大小固定為13個(gè)字節(jié)（格式詳見表3），因此可以方便快速讀取到目標(biāo)索引結(jié)構(gòu)。讀取DAT文件DAT文件存儲(chǔ)有序的樣本數(shù)據(jù)單元（詳見表5）。讀取目標(biāo)數(shù)據(jù)單元時(shí)，由于某些字段的大小并不固定（WordCode，GetTimePointIndex，ElapsedTime，StrokeData），因此必須根據(jù)表5所示字段的順序，逐個(gè)讀取或者跳過相應(yīng)的字段。DAT文件中，每個(gè)數(shù)據(jù)單元的大小不定，因此獲取目標(biāo)數(shù)據(jù)單元時(shí)，必須先得知該單元在文件中的位置。可以順序讀取DAT文件的每個(gè)數(shù)據(jù)單元直至目標(biāo)數(shù)據(jù)單元，但更為恰當(dāng)?shù)姆椒ㄊ峭ㄟ^讀取IDX文件，獲取目標(biāo)樣本索引單元。索引單元的DatOffset字段的值即為該樣本數(shù)據(jù)單元在DAT文件的中偏移量（該偏移從文件開始位置，以字節(jié)為單位計(jì)數(shù)），成功獲取偏移量后即可定位至DAT文件正確的位置讀取目