数据格式说明手册-华南理工大学人机智能交互室HCII-SCUT

PAGE华南理工大学电信学院人机通信智能接口实验室简要SCUT-COUCH数据格式说明手册HCIILaboratorySCUT华南理工大学人机通信智能接口实验室/PAGE3华南理工大学电信学院人机通信智能接口实验室1．SCUT-COUCH数据库详细说明1.1．SCUT-COUCH数据文件命名规则每套COUCH数据由两个文件名相同，扩展名不同的文件组成。扩展名分别idx和dat。其中，dat文件为实际的数据文件，idx文件是dat文件的索引文件。每个文件名(除去扩展名)的命名遵循如下格式“数据集名+下划线+编号”。其中数据集名为“Big5”，“Digit”，“GB1”，“GB2”，“Letter”，“Pinyin”，“Symbol”，“TradGB1”，“WORD17366”，“WORD44208”和“WORD8888”中的一个；编号代表该文件在相应数据集的套数编号，由三位阿拉伯数字组成。例如“WORD44208_001”代表SCUT-COUCH2009数据库中WORD44208数据集中的第1套数据，同时它包括两个文件：“WORD442081.2．COUCH数据文件格式每套样本数据均由一个索引文件（扩展名为idx，我们称为IDX文件）和一个数据文件（扩展名为dat，我们称为DAT文件）组成。1.2.1．IDX文件的格式IDX文件格式由表1所示，IDX文件由文件头和索引单元两种结构组成。每种结构均为固定大小。表1IDX文件存储结构文件头样本0索引单元样本1索引单元样本N索引单元IDX文件头格式如表2所示。文件头单元位于文件起始位置，只有一个long型字段，它的值等于本套数据文件存储的样本总数。表2IDX文件头格式数据名数据类型数据长度(Byte)描述SampleSumlong4本套数据文件的样本总数IDX文件索引单元格式如表3所示。每个样本的索引单元固定大小为13个字节，共4个数据字段。其中IDX文件中索引单元的个数与相应DAT文件中的样本数量是相同的。表3IDX文件样本索引单元格式数据名数据类型数据长度(Byte)描述SampleStateunsignedchar1Hcii-lab保留使用OswIndexint4Hcii-lab保留使用IdxIndexint4样本在本套数据中的编号，从0开始计数DatOffsetlong4样本数据单元在对应DAT文件中的偏移位置1.2.2．DA文件格式DAT文件存储结构由表4所示，由各个样本数据单元构成，每个数据单元大小不定长，具体结构如表5所示。表4DAT文件存储结构样本0数据单元样本1数据单元样本2数据单元样本N数据单元表5DAT文件数据单元格式数据名数据类型数据长度（Byte）描述WordLengthunsignedchar1样本内码长度，字节为单位WordCodeunsignedchar[]WordLength样本的内码PointNumunsignedshortint2样本的点的个数LineNumunsignedshortint2样本的笔画个数GetTimePointNumunsignedshortint2捕获到时间的点的个数GetTimePointIndexunsignedshortint[]GetTimePointNum捕获到时间的点的序号ElapsedTimeDWORD[]GetTimePointNum每点距离上一捕获时间的采样点的时间距离StrokeData样本笔画数据，结构如下所示StrokePointNumunsignedshortint2每笔的点数Point(x,y)unsignedshortint2+2一笔中每个点的x和y的坐标值1.2.3．IDX文件和DAT文件关系idx文件SampleSumSampleStateOswIndexIdxIndexDatOffsetSampleStateOswIndexIdxIndexDatOffsetdat文件样本0数据单元idx文件SampleSumSampleStateOswIndexIdxIndexDatOffsetSampleStateOswIndexIdxIndexDatOffsetdat文件样本0数据单元样本1数据单元样本2数据单元样本SampleSum-1数据单元样本0索引样本1索引图2idx文件与dat文件关系图1.2.4．正确读取COUCH数据读取IDX文件IDX文件为COUCH数据的索引文件，通过读取IDX文件中的索引单元，可以快速获取应样本的信息和该样本的数据单元在dat文件中的位置。读取IDX文件时，必须先读取IDX文件头（格式详见表2），以获取本套数据的样本总个数。IDX文件中每个样本索引单元结构大小固定为13个字节（格式详见表3），因此可以方便快速读取到目标索引结构。读取DAT文件DAT文件存储有序的样本数据单元（详见表5）。读取目标数据单元时，由于某些字段的大小并不固定（WordCode，GetTimePointIndex，ElapsedTime，StrokeData），因此必须根据表5所示字段的顺序，逐个读取或者跳过相应的字段。DAT文件中，每个数据单元的大小不定，因此获取目标数据单元时，必须先得知该单元在文件中的位置。可以顺序读取DAT文件的每个数据单元直至目标数据单元，但更为恰当的方法是通过读取IDX文件，获取目标样本索引单元。索引单元的DatOffset字段的值即为该样本数据单元在DAT文件的中偏移量（该偏移从文件开始位置，以字节为单位计数），成功获取偏移量后即可定位至DAT文件正确的位置读取目