基于二阶系统的脱机中文签名鉴定

针对脱机手写签名鉴定的实现,提出了二阶签名鉴定系统,并进行了相关的实验。在第一阶段中使用了基于静态几何特征与伪动态特征进行粗分类识别,在第二阶段中使用了基于Zernike的特征进行精细分类识别,最终识别出待鉴定的手写签名,实验证明采该鉴定方法,可以在提高鉴定率的同时提高鉴定的效率。     

基于模糊模型最优化规则的脱机签名鉴定研究

提出一种基于多模糊规则的脱机签名模糊鉴定系统.该系统提取签名的静态特征和伪动态特征以弥补书写过程中丢失的动态信息,并采用模糊集合表征所提取特征的不确定性,同时利用隶属度函数构建新的权重系数,反映不间模糊规则对鉴定结果的重要程度.另外,为减少整个模糊鉴定系统的复杂性,提出采用K - 交叉验证方法对模糊规则数目的选择进行最优化.实验采用中、英文两种签名数据库分别得到9.52%和12.67%的平均错误率,验证了该系统的有效性.     

基于时序特征融合的动态签名鉴伪算法

针对现有签名鉴伪方法对高水平伪签名鉴伪准确率低的问题,提出一种基于时序特征融合的动态签名鉴伪算法。首先根据签名者落笔与提笔的时间节点建立动态时间轴,在签名过程中提取笔迹的压力和笔速两类时序特征;然后在两类特征对应数据的基础上构建时序特征融合模型,通过一种多维空间模型相似性度量方法计算待测签名和样本签名的相似度,从而实现签名真伪性鉴别。实验结果表明,与现有算法相比,该方法进一步提高了签名鉴伪的准确率和通用性。     

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。     

以笔画为研究对象的笔迹伪动态特征提取方法

针对以往的以文字结体为研究对象的离线笔迹特征提取方法在文本相关度较低时无法获取稳定特征的问题,提出了一种以笔画为研究对象的笔迹伪动态特征提取方法,摆脱了结体依存性的束缚。引入概率统计思想,采用网格窗口提取笔画的运笔走势和宽度变化等伪动态特征。分别采用加权欧式距离、加权卡方距离和加权Manhattan距离计算笔迹相似度。在HIT-MW和HIT-SW库上进行实验,文本相关度较高时首选和前10选鉴别正确率分别为95.9%和99.5%;文本相关度较低时首选和前10选鉴别正确率分别为91.9%和99.0%。实验表明,以笔画为研究对象的笔迹伪动态特征提取方法在低文本相关度下仍能取得较好效果。     

脱机手写签名鉴别研究

本文主要研究了脱机手写签名的特征提取,提出了一种结合静态特征与动态特征的新的鉴别方法。提取静态特征时,利用伪Zemike矩的尺度及位移不变性,在细化的签名图像上计算10阶伪Zemike不变矩来组成特征向量。提取动态特征时,则首先从灰度图像得到签名的全局及局部高密区域,利用高密区域与原签名图像对应部分的面积之比得到全局和局部HDF。另外在全局高密区域的基础上,计算其相对重心,并将其作为男一个特征。结合两类特征形成16维特征向量后,建立一个系统,在系统中采用290个真伪签名进行验证。实验结果表明,系统的FAR和FRR分别可以达到7．25％、9．30％。     

基于LSVM分类鉴定器的脱机签名鉴定研究

针对脱机中文签名鉴定,主要对脱机签名鉴定的特征抽取和比较决策做进一步的研究.在特征提取与选择上,在参考国内外一些成熟方法的基础上做相应的改进和尝试,使用静态形状特征和伪动态特征相结合的方法,提出一种新的高灰度稳定区特征,在特征选择上采用一种把概率距离法中的Bhattacharyya距离和特征本身综合起来考虑的方法;在比较决策上,采用比标准SVM算法速度更快,更易于实现的LSVM算法作为分类鉴定的方法,取得了较好的效果.     

联机中文签名鉴定的一种局部弹性匹配方法

本文提出了一种用于联机中文签名鉴定的局部弹性匹配方法。将签名切分为笔段,以包含特征的笔段为基元。基元抽取之后,首先根据一些比较简单的静态特征,采用动态规划方法寻求待测签名和参考签名基元之间的最优对应关系,根据最优对应关系,再同时考虑签名的静态和动态两类特征,对待测签名和参考签名的基元进行局部弹性匹配。在对680 个测试签名样本的识别实验中,取得了92. 6 %的平均正确识别率,在486/ 25微机上的平均识别时间为0. 9 秒,初步显示了本方法的可行性。     

非线性局部寻优时间弯曲校正及签名特征空间稳定性研究

根据签名动态信息进行签名认证可以提高认证系统的安全性，它是在由签名动态信息的特征值张成的特征空间上的分类问题，然而，签名动态信息时间序列的时间弯曲现象使得特征值分离，不容易在特征空间上确定出真签名的特征值稳定的子空间，在签名样本数量小时尤为如此，因此提出一种非线性局部寻优时间弯曲校正方法，这具有较好的校正效果和较低的计算复要度，利用它对签名样本的动态信息时间序列进行校正，可以提高签名特征向量在特征空间上分布的聚扰性，拉开真，伪签名特征向量在特征空间上的距离，综合利用非线性局部寻优时间弯曲校正方法和线性时间弯曲校正方法对有限数量的标准签名样本进行处理，可在特征空间划分出不同置信度的特征稳定的子空间，以此满足不同安全程度认证的需要。     

金融系统移动在线签名验证

在详细分析了传统密码和生物识别在系统安全中各自优缺点的基础上,提出了以移动端在线签名认证来加强金融系统的安全性,此方法直观使用简便。针对手机触屏输入,不能获得压力值的实际情况,提出了以笔画速度作为签名动态特征的方案,采用动态规划的思想同时采用字形和笔划动态速度序列进行双重匹配识别,能提高识别率,避免签名假冒。此方法在金融系统和电子政务中有着广泛的应用前景。     

在线手写签名认证研究

手写签名认证是人工智能领域的一个重要课题,对它的深入研究具有重要的现实意义。文章采用基于概率统计的方法表示手写签名的速度特征,用vague集相似度表示书写压力特征,并通过细分的拐点表示笔画特征进行签名认证,最后,构造了一个在线手写签名认证系统。实验证明了该方法的有效性。     

联机中文签名鉴定的一种区域相关算法

本文提出了一种用于联机中文签名鉴定的区域相关算法。将签名切分为笔段，以笔段作为签名的特征区域。笔段分割之后，首先根据一些比较简单的表态特征，采用动态规划方法寻求待测签名和参考签名笔段之间的最优对应关系。根据最优对应关系，再同时考虑签名的静态和动态两类特征，采用区域相关算法计算待测签名和参考签名总的匹配距离。在对680个测试签名样本的识别实验中，平均正确识别率为91．0％，初步显示了本方法的可行性。     

基于遗传算法的离线签名鉴定

提出一种基于遗传算法的离线签名鉴定方法。将签名图像分成多个子区域,提取各区域的分形维数矢量来描述笔迹的抖动程度,在此基础上,以形状特征、伪动态特征、分形维数作为签名的特征;运用加权欧式距离法构建分类器,并运用遗传算法对不同人的签名样本进行最优阈值选择。实验结果表明该方法能够取得较高的鉴别率。     

基于笔画角度变换和宽度特征的自然场景文本检测

针对光照不均和背景复杂度所导致的自然场景文本检测中文本的漏检和错检现象,提出一种基于笔画角度变换和宽度特征的自然场景文本检测方法。分析发现与非文本相比,文本具有较稳定的笔画角度变换次数和笔画宽度,针对这两个特性提出笔画外边界优劣角变换次数和增强笔画支持像素面积比两种特征。前者分段统计笔画外轮廓角度变换次数;后者计算笔画宽度稳定区域在笔画总面积的占比,用来分别反映笔画角度和宽度变化稳定特性。为降低文本漏检率,采用多通道最大稳定极值区域（maximally stable extremal regions,MSER）检测,合并所有候选区域,提取候选区域的笔画特征和纹理特征,利用支持向量机完成文本和非文本区域分类。在ICDAR2015数据库上,算法的精确率和召回率分别达到79.3%和72.8%,并在一定程度上解决了光照不均和复杂背景的问题。     

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%.     

基于信息熵的静态手写汉字签名鉴定研究

在模式识别统一信息熵理论的基础上,提出基于信息熵的模式特征选择方法。给出在不同情况下,特征选择条件的具体数学表达式,定义特征性能因子来体现某一个特征对模式类别的表征能力和对不同模式类别的区分能力。将提出的特征选择方法应用于静态手写汉字签名特征描述中,利用描述一个签名时不同特征所表现出来的权重值构成该签名的特征掩膜矩阵。对矩阵中的元素进行处理,获得不同书写者签名之间的整体差异度以及在某一具体特征上所表现出来的差异,从而确立一种静态手写汉字签名特征描述及相似度判定的方法,并通过仿真验证了算法的可行性和有效性。     

基于多特征和证据理论离线签名识别

摘 要 本文提出一种基于多特征和证据理论的离线签名识别方法。首先通过比较各个特征在离线签名识别中的性能,选取比较有效的平均伪动态特征和中等分辨率网格特征作为识别特征。然后构造了两个k近邻（KNN,k Nearest Neighbor）分类器,对签名图象进行初步识别。在初步识别基础上,利用一种改进的证据理论合成公式,将两个KNN分类器的输出结果进行融合得到最终识别结果。实验结果表明新的识别方法是有效性。     

联机自动签名鉴定系统的设计与实现

本文介绍了一个联机自动答名鉴定系统的设计与实现原理。系统采用结构特征和动态特征相结合的双重鉴定方法，结构特征采用签名的笔段序列特征，动态特征采用签名运动的速度序列特征。特征匹配采用动态规划方法，在对５２０个测试答名样本的识别实验中，对真伪两类浼样本的平均正确识别率为９４．６％，初步显示了本系统的可行性。     

层次化分类的离线中文签名真伪鉴别方法

为了改进中文手写签名真伪鉴别系统的性能,提出了一种混合极限学习机和稀疏表示的层次化分类方法。首先,利用极限学习机强大的泛化能力和鲁棒性,对较易识别的伪签名进行分类,如随机伪造的签名;接着,利用稀疏表示分类具有的精准描述性能,设计签名数据字典,对较难识别的伪签名进行分类,如熟练伪造的签名。实验结果表明,层次化分类的签名鉴别方法与前沿的两种方法相比总体准确率最高,达到了95.53%。     

基于新的轮廓特征的离线签名鉴别

离线签名笔画内部点及背景点的局部二值模式（local binary pattern ,LBP）非常相近,且对反映离线签名笔画特征有较大干扰,因此提出了一种轮廓处LBP直方图特征。提取签名轮廓上的LBP特征,同时引入了新的规则去除部分无用模式,可有效地提升LBP的有效性和鲁棒性。另外,针对方向链码特征在应用于签名鉴别时存在局限性的问题,提出了一种轮廓模式共生直方图特征。融合这两种轮廓特征,并使用主成分分析（principal component analysis,PCA）降维。最后,使用支持向量机分别在MCYT和GPDS两种公开离线签名数据库上进行测试,取得的平均错误率分别为13.51%和12.97%。在相同的数据集上与其他方法相比,具有更低的平均错误率。