基于笔段特征和HMM的在线签名认证方法研究

手写签名过程中的书写力包含丰富个人特征.受输入设备所限,目前的在线手写签名认证系统都没有能够充分利用这一信息.基于此,本文提出一种综合利用签名字形和书写力特征的在线签名认证方法.首先,利用一种新型的F-Tablet手写板用于获取签名的动态笔迹和书写力信息,并根据速度极小值点对签名进行笔画分段.然后从中提取16维的字形和书写力特征矢量序列用于签名隐马尔可夫模型(HMM)的建立和认证.在基于F-Tablet手写板建立的签名数据库上的认证实验结果表明书写力特征比字形特征更难以模仿,两种特征相结合可以有效提高系统的识别性能,提出的认证方法的相等错误率(EER)达到3.9%.     

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DCT和SVDD的在线手写签名认证方法

为使在线手写签名认证的使用更具实用性,提出了一种基于离散余弦变换（DCT）频域分析和支持向量数据描述（SVDD）的在线手写签名认证方法.依托自制的Android手机软件采集签名数据,采用了基于DCT频域特征分析和奇异值分解（SVD）的特征融合方法提取签名特征,根据SVDD分类器适用于有限样本、一类分类方法建模的优势,建立了基于SVDD的认证模型进行在线签名认证,并采用了网格搜索法对核函数参数进行优化选择.实验结果表明,该方法算法复杂度低,快速有效,提取的签名特征区分明显,使用少量的一类真实签名作为训练样本,取得了较好的认证识别效果.     

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.     

改进的HMM-SVM混合模型手写汉字签名认证方法

提出一种基于改进的HMM-SVM混合模型手写汉字签名认证方法.利用HMM对两类训练签名数据进行有区分性的特征变换及数据压缩.HMM的多雏概率输出作为SVM模型的输入矢量.SVM的输出通过Sigmoid函数转化为后验概率以进一步提高认证效果.使用SVC2004数据库中的签名数据对该方法进行验证和分析,结果表明,相对于HMM模型和SVM方法以及HMM-SUM混合模型,该方法可以有效降低等错误率EER,获得了比较好的效果.     

用于在线签名认证的特征提取和个性化特征选择方法

提出一种在线签名认证中的特征提取和特征选择的方法.采用一种F-Tablet手写板采集签名数据.该手写板的特点是不仅可记录签名时的字形信息(x,y)序列,还可记录签名时的五维力信息(F_x,F_y,F_z,M_x,M_y)序列.从每个签名中提取3个等级共188个特征,接着定义特征重要性函数F,然后根据特征的重要性函数F的值对选取的188个特征进行排序,对F设不同的阈值就可完成不同的特征选择.在认证过程中使用SVM算法对选取的特征进行训练,然后用训练所得的模型进行验证.该方法的错误拒绝率为1.2%,错误接受率为3.7%.     

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。     

高维统计特征融合的维吾尔文脱机手写签名识别

签名识别作为一种身份认证方法,在现代社会的各行业各领域中普遍使用,并且发挥了重要的作用。主要针对使用单一低维签名特征进行签名识别准确率不够高的问题,提出了一种基于高维统计特征的维吾尔文手写签名识别方法。首先根据特征提取的需求,对每幅签名图像进行平滑处理、二值化、归一化和细化等预处理操作;然后提取每一幅签名的128维局部中心点特征和112维ETDT特征,将得到的两种特征组合形成新的高维特征;最后分别利用距离度量和相似性度量算法进行训练和识别。实验结果显示该算法比以前算法提取的识别结果更好,有效地提高了维吾尔文手写签名的识别率。     

签名动态特征的特殊点抽取方法

本文提出了一种适于在线手写签名身份认证系统的签名笔迹特征点的抽取方法。此方法利用签名运动的动态特征参数在特征点处的变化特性，采用模糊判别算法，达到有效提取签名特征点的目的。实验结果表明，该方法为提高基于签名的身份认证的准确性提供了可靠的途径     

A Hidden Markov Model approach to online handwritten signature verification

A method for the automatic verification of online handwritten signatures using both global and local features is described. The global and local features capture various aspects of signature shape and dynamics of signature production. We demonstrate that adding a local feature based on the signature likelihood obtained from Hidden Markov Models (HMM), to the global features of a signature, significantly improves the performance of verification. The current version of the program has 2.5% equal error rate. At the 1% false rejection (FR) point, the addition of the local information to the algorithm with only global features reduced the false acceptance (FA) rate from 13% to 5%. Received June 27, 1997/ Revised October 31, 1997     

脱机手写体签名识别的小波包隐马尔可夫模型

提出了一种基于小波包隐马尔可夫的脱机手写体签名识别方法。该方法用小波包对归一化的签名图像进行特征提取,用混合高斯模型刻画各频带的小波包的系数分布,并用隐马尔可夫的状态转移模型描述了高斯模型在各频带间的相关性和依赖性。该方法数据预处理简单,特征提取完全可逆,避免了复杂分割,很好地描述了签名图像的小波包分解的统计特性,实验表明具有较好的抗噪性、鲁棒性、适应性和较高的识别率。     

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。     

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。     

视频图像中维吾尔文字的识别研究

提出了从复杂背景视频图像中提取文字并识别的一套算法,利用自适应迭代算法提取视频中维吾尔文字,针对维吾尔文字的一些特点,利用合适的预处理方法保留维吾尔文字中的各种点及特殊笔画,同时有效地消除了复杂背景带来的噪声。考虑维吾尔文字书写的特点,利用滑动窗口法提取文字特征避免了文字分割,将产生的特征向量输入到隐马尔可夫模型（Hidden Morkov Model）中进行训练和识别。     

脱机自由手写英文单词的识别

介绍了一个基于隐马尔科夫模型的、采用模糊分割方式的脱机手写英文单词识别系统。该系统由图像预处理、特征提取、基于HMM的训练和识别四个模块组成。图像预处理中包括二值化、平滑去噪、倾斜校正和参考线提取。然后通过宽度不固定的滑动窗提取特征，前两组特征是整体形状和象素分布特征，另外又引入了Sobel梯度特征。HMM模型采用嵌入式的Baum-Welch算法训练，这种训练方式无需分割单词。最后用Viterbi算法识别。对字典中的每个单词，采用字母模型线性连接成单词模型。