隐马尔可夫模型下视频手写签名认证算法研究

为了提高视频手写签名认证的准确率,确保身份认证的严谨性,需要对隐马尔可夫(Hidden Markov Models,HMM)模型下视频手写签名认证算法进行改进设计;使用当前算法对视频手写签名进行认证时,存在认证判断误差大、效率低的问题;提出基于HMM模型下视频手写签名认证算法;该算法将使用Wacom手写板采集手写签名特征点及压力数据,对采集到的手写签名特征与压力数据进行预处理,消除采集过程中环境和手写板产生的影响,并且规范采集的视频手写签名特征位置、尺寸,提取手写签名特征与压力数据,再以HMM模型对已提取的视频手写签名特征点与压力数据进行认证与计算,确定签名的真实度;实验仿真证明,所提算法提高了视频签名认证的性能。     

基于HMM的在线手写签名认证系统设计与实现

在线手写签名认证是以人的行为特征为基础的身份认证技术.对在线手写签名字型曲线进行分段,分析了一系列特征,并将隐马尔可夫模型(HMM)引入到在线手写签名认证中.找到了真签名中某种比较稳定的特征,提出了一种基于隐马尔可夫模型的在线手写签名认证方法.从实验数据来看,取得了比较满意的认证效果.     

基于概率统计的签名认证系统的研究与应用

针对签名在办公自动化系统中的广泛应用,该文首先对各种签名识别技术进行介绍、分析和比较,然后介绍了一个基于生物特征手写签名认证的系统原型,并着重提出了基于概率统计的手写签名识别方法。     

DTW在线手写签名认证系统的研究

随着计算机网络技术和生物识别技术的发展,通过生物特征进行身份认证成为信息时代的需要.由于长久以来作为授权标志,手写签名是最容易被大众接受的身份认证方式之一.本文改进了经典DTW中距离的计算方法,在考虑了时间序列自身形状特征的基础上,解决了在线手写签名中时间序列非线性弯曲的对正问题.经过签名认证实验表明,当ERR为3%时,签名认证的效果最好,进而证明在线手写签名适合作为身份认证手段.     

基于HMM/DTW两级结构的签名认证方法

提出一种基于HMM和DTW在线手写签名认证方法的改进方法。该方法使用签名关键点和关键点的特征值进行签名的状态划分和状态匹配,实现类内签名状态划分的一致性。并利用在线手写签名二维信息的DTW距离作为签名隐马尔科夫模型的状态观测值,构建二级签名隐马尔科夫模型认证框架进行签名认证,得到较好的认证效果。实验结果表明,认证的准确率能达到93%左右。     

基于几何中心静态手写签名的识别算法研究*

研究了静态手写体签名识别和认证的问题。针对静态手写体签名无法提供笔画之间前后时序动态信息和手写笔画的压力信息,提出了一种利用手写签名的几何中心作为特征值的识别和认证算法。首先将静态签名图像依据几何中心不断进行切分,使其成为独立的小块;然后依据各个小块的几何中心的相对位置和距离提取特征值;在此基础上进行签名识别和认证。实验结果显示本方法快速有效,所提取的特征能稳定地描述包含集合形变的手写签名字体。该方法能拓展应用到手写体的识别系统中。     

电子手写签名技术在电子公文系统中的应用

安全是电子政务应用中最重要的需求,身份认证是其安全需求的第一重要环节。电子手写签名认证技术包括签名采集系统和签名认证系统。本文介绍了基于电子手写签名的电子盖章存取认证的特点,并在一个实际的电子公文系统中分析了电子盖章的存取认证过程。     

基于集成神经网络的离线手写签名鉴别方法

离线手写签名鉴别是一种基于生物特征的身份识别技术,利用集成神经网络对手写签名进行自动鉴别。该集成神经网络由特征分配网络、神经网络认证主体和决策融合识别网络三部分构成。通过为每个签名者构造独立的分类器,并分别为每个分类器构造认证、识别训练集,解决了离线签名的认证和识别问题。基于此方法的签名鉴别实验获得了比较满意的结果,可以用来辅助人类专家进行签名鉴别。     

基于混合特征多模板匹配的签名认证系统的设计与实现

针对签名在办公自动化系统中的广泛应用,该文介绍了一个基于混合特征多模板匹配的动态手写签名认证系统的设计与实现。实验对800个亲笔签名和800个伪造签名的认证数据显示,系统的平均错误率ERR为2.13%,具有很好的实用价值。     

简单非线性神经网络分类器及其在签名认证中的应用

该文分析了手写签名样本的特征值在特征空间上的分布。在此基础上,直接从神经元分类功能的物理意义出发,设计了具有非线性边界的,用于手写签名认证的神经网络分类器,妥善地解决了实际应用中,由于真实签名样本数量少和伪签名样本缺乏,不能训练神经网络的问题,取得了较好的认证结果。     

基于小波变换和CPN网络的手写签名鉴别

手写签名鉴别技术作为生物特征安全认证领域的重要技术之一,具有广泛的应用前景。为了提高手写签名鉴别的正确性,提出一种基于三层小波变换和CPN神经网络结合的方法。首先对手写签名样本图像采取滤波去噪、二值化、细化、归一化等预处理措施,然后使用离散DB3小波分解提取高通系数矩阵处理后作为样本特征进行提取,而后采用CPN神经网络分类器对4680个训练样本进行每样本7500次训练,最后使用训练完毕的分类器对待鉴别样本进行分类鉴别。在由36个鉴别实验组组成的实验数据集上,样本识别正确率达到了93.48%。通过多种方法的对比实验,结果表明该方法签名特征提取全面、分类识别效果明显优于线性分类器。     

基于MediaPipe的非触摸式在线签名认证系统

针对手写签名认证的可靠性和设备依赖性问题,设计并实现了一种基于MediaPipe的非触摸式在线签名认证系统.该系统以MediaPipe为基础框架,通过视频获得在线手写签名,并提取签名轨迹点的时序特征作为匹配模板,进而采用加权联合概率策略构建签名认证模型.该模型在边缘端设备的平均认证等误率(EER)为3.04%.采用基于PyQt设计的应用作为可视化UI界面,实现在视频场景中的非触摸式在线签名交互认证.该系统使用实时视频感知交互方式实现在线签名认证,无需其他的外部设备,具有更低的设备依赖性和更高的认证可靠性.     

基于支持向量机的手写签名研究

针对一般手写签名中特征提取方法的不足,将支持向量机的原理引入到手写签名算法里,从而可以很好地应用于高维数据,避免了特征提取中维数灾问题。主要研究如何在标准的窗格中利用扫描的方法提取图像密度特征,从而得到特征向量。通过MATLAB工具,将得到的图像密度特征作为特征向量为SVM的输入进行训练仿真实验。实验表明,该方法能够有效识别手写签名真伪,说明把支持向量机应用到手写签名具有很好的识别能力,并解决了“维数灾”的问题。     

区间模糊相似性度量的离线签名验证

为优化离线手写签名验证,提出了一种基于区间符号表示和模糊相似性度量的高效离线签名验证方法。在特征提取步骤中,从签名图像及其欠采样位图计算一组基于改进局部二值模式（LBP）与灰度共生矩阵（GLCM）相融合的特征。然后获得每个签名类中每个要素的区间值符号数据。为每个人的手写签名类创建由一组间隔值（对应于特征的数量）组成的签名模型。为了验证测试样本,还提出了一种新的模糊相似性度量来计算测试样本签名和相应的区间值符号模型之间的相似度。为了评估所提出的验证方法,使用了不同类型的中文手写签名笔迹图片进行测试与比对,识别率可以达到92.75%。实验结果表明当训练样本的数目是10或更多时,有效提高了识别率,所提出的方法优点在于当向系统添加新类时不需要被重新训练,并在内存使用和计算时间方面与神经网络比较是廉价的。     

动态手写签名验证技术概述

1.引言随着电子商务的发展,对个人身份认证提出了更高的要求。传统的密码认证在安全性上存在着一定的限制,在这种情况下,基于生物识别(Biometrics)的个人身份认证技术越来越受到人们的重视。手写签名验证(Handwritten Signature Verification,HSV)是其中有效的认证技术之一。特别是随着各种手写输入设备和掌上电脑的使用,动态手写签名验证或在线手写签名验证技术正越来越受到人们的重视。签名是一种传统的身份鉴别方法之一,在银行、金融等领     

Using position extrema points to capture shape in on-line handwritten signature verification

There is considerable interest in authentication based on handwritten signature verification (HSV) because of the long-standing tradition of its use in many common authentication tasks. HSV may be considered superior to many other biometric authentication techniques, for example fingerprints or retinal patterns, which are more reliable but also more intrusive. Furthermore, they require special and relatively expensive hardware to capture the image. The present paper is an attempt to develop a reliable HSV technique by capturing the shape of the signature using the position extrema points of a signature. The technique presented essentially captures the directions of pen motion during the writing of the signature and this is represented in a simple way by a string. The technique is evaluated and shown to be promising.     

基于小波变换提取特征点的在线手写签名认证算法

提出了一种基于小波变换的认证算法，首先对F-Tablet手写力平台获取的签名书写过程中的三维力信息和二维坐标信息，使用小波变换的方法来提取这些信息中的关键点，得到五维特征序列，使用聚类方法动态生成多个模板，然后通过多数投票方案融合各个特征序列的决策值得到认证结果。在基于F-Tablet平台构建的签名样本库上对此算法进行了实验，平均等错误率为2.83%。实验结果表明，该算法不仅可以减少签名数据存储量，而且能够缩短认证过程的持续时间，增加认证过程的有效性。