基于多特征的在线签名认证方法

提出一种多特征的在线签名认证方法.该方法综合利用全局特征、笔段特征和签名的力序列和字形序列.采用一种F_Tablet手写板采集签名数据,该手写板可以记录签名时的字形序列和三维力序列.首先提取签名的全局特征,并定义特征重要性函数对特征进行选择,选取有利于正确区分真伪签名的个性全局特征,用基于概率的方法训练签名.接着将签名分段,提取每一笔段的笔段特征,建立基于笔段特征的隐马尔可夫模型.然后用动态时间规整的方法匹配签名的力信息和字形信息序列.最后综合利用多种特征来验证待测签名.该方法的等错误率为1.5%.     

在线手写签名验证的演化设计

在线手写签名验证是一种基于生物特征的身份识别技术,论文尝试将演化计算理论用于手写签名验证。首先建立数学模型,并在此基础上提出了签名验证匹配演化算法,特别是签名曲线的动态分段匹配方法。最后给出了计算实例,并对结果进行了分析。实验结果表明了演化算法用于签名验证的有效性。     

一种基于演化计算的在线手写签名验证算法实现

提出了基于演化计算的在线手写签名验证算法。该算法将参考签名分割成曲线段,以一定长度的搜索窗在测试签名曲线上进行动态搜索,实现与参考签名曲线段自适应的动态分割与匹配。在算法中引进了演化计算中的分级和加速技术,使算法的搜索速度和匹配效果有了一定程度的提高。实验结果表明了该算法的有效性。     

基于DTW的注意力机制BLSTM在线手写签名认证

为了提高在线手写签名认证的准确率，设计了一种挖掘签名稳定笔段用于认证的方法.本文提出对签名笔段计算累计差异值矩阵进行匹配；其次采用动态时间规划(DTW)算法计算笔段稳定度；在此基础上，通过以笔段的特征输入双向长短期记忆网络(BLSTM)加注意机制进行处理，从而得到每个用户的稳定签名段集合；最后提取该集合的特征进行分类.该方法在svc2004数据库上进行验证并得到了97.08%的认证率，并在40个用户上取得了1.16%的等误率.该结果表明本文方法能够提高认证精度，并且验证了BLSTM与稳定笔段结合方法的有效性.     

基于动态时间规划的在线签名认证方法

在线签名认证是基于人体行为特征的身份认证技术。动态时间规整（DTW）算法是签名验证中最为常用的方法,但该算法应用到签名验证中存在一定的局限性。本文针对这些具体问题,提出了新的解决方法。基于F-Tablet手写输入设备,综合利用签名字形信息以及三维书写力信息研究DTW算法在签名认证系统中的应用。提出了合理性的算法模型。通过试验数据表明,取得等错误率达到2.31%的满意结果。     

动态规整核支持向量数据描述及在在线签名验证中的应用研究

根据在线签名自动验证的特点和基于支持向量的数据描述方法(SVDD)在小样本一类分类问题上的优越性,提出动态规整核支持向量数据描述(DTAK-SVDD)算法并基于此构建了签名验证系统,对其中的数据压缩方法等实际问题进行了研究.该方案避免了模板的人为选择并可实现判决阈值的自动确定.以签名过程中的力矢量F、力变化率矢量dF和笔尖轨迹矢量S为特征进行了实验验证.结果表明,该方法判别正确率较高,有实际的应用价值.     

基于改进DTW算法的手写签名识别系统设计

在线手写签名验证是一种基于生物特征的身份认证技术。为提高签名验证的效率,该文介绍了一种改进的在线签名识别算法。它优化了传统的动态时间弯折算法结构,提出了对最佳匹配路径的动态规划方法并将其应用于在线签名识别系统中。在模板较多时对匹配距离将适当限制,从而减少了系统运算量,提高了模板匹配速率。随着待识别模板数目的增多,该算法的效率优势更加明显。试验结果表明,该改进算法的运算效率高,误拒率和误纳率较低。     

基于演化计算的在线手写签名验证

在线手写签名验证是目前生物特征识别领域较为热门的一个方向,论文试图将演化计算的思想,用于在线签名验证。在建立数学模型的基础上,提出了签名验证匹配演化算法,并给出了计算实例。通过对匹配结果的分析,证明了该方法的可行性。     

快速椭圆曲线签名验证算法

从签名方程出发,推导出一组椭圆曲线签名验证算法,这些算法在验证步骤中,采用护士Q的形式,只运用了一次标题乘运算,而目前国际上公认的椭圆曲线签名算法为ECDSA算法,也还有一些相关的签名算法,这些算法在验证步骤中都采用kP±lQ的形式,需要计算两次标题乘运算.因为关键运算为标题乘运算,其它运算时间可忽略不计,所以给出算法的验证步骤的运算时间仅为ECDSA算法所需时间的一半,接着还通过实验进行了验证.     

一种基于签名分段和HMM 的离线中文签名验证方法

离线中文签名的自动验证是一个极其复杂的问题，其困难主要在于难以建立能够容忍类内偏移同时对类间区别相对敏感的签名模型. 借鉴离线中文识别系统中笔划提取的成功经验，同时结合签名验证自身的特点提出了一个计算更简单、鲁棒性更高的签名分段方法. 对每个分段提取一个六维的特征矢量，按特征矢量的分量在物理意义上的区别将特征矢量分为两组分别进行矢量量化，以得到观测值序列. 用每个签名个体的12 个真实签名进行训练得到该签名个体的模型. 实验中使用了 4576 个测试签名进行验证，得到了交叉错误率为5.5% 的较好结果.     

基于信息融合的在线手写签名算法研究

为了进一步提高认证效果,在演化计算、神经网络和离散F距手写签名认证算法的基础上,提出了基于信息融合的在线手写签名认证算法。该算法将测试签名和参考签名分别通过三种算法进行认证,得出测试签名为真实签名的置信度,然后对三种认证算法的结果进行加权融合,根据最终的融合结果进行签名真假的判定。实验结果表明,信息融合算法的误拒率和误纳率都有显著的减少。     

一种新的在线手写签名认证算法

提出了一种新的在线手写签名认证算法,着重研究签名曲线中的特殊点的匹配情况。该算法将签名曲线中特殊点的位置坐标提取出来,然后提取出特殊点中的关键特征至高点与至低点,并且用离散Fréchet距离作为距离的测度来对至高点与至低点进行研究,提出了一种新的关于曲线相似性的定义,并且在这种定义的基础上建立了一种新的判断签名曲线相似性的数学模型,此模型中隐含了对签名曲线的平移和伸缩变换。由于模型的求解是一种NP困难问题,针对这种情况,提出了一种新的多项式的求解算法,最后通过对实验结果的分析验证了此算法用于签名认证的有效性,且适用于判别离散曲线的相似性。     

基于书写摩擦力的签名识别方法

由于动态测量坐标系的存在, 使得数字笔在不同的握笔姿态下, 引起书写平面内摩擦力的分解不同. 由此本文提出采用书写摩擦力进行在线签名识别. 该方法将摩擦力的方向在直角坐标系内进行特征量表示, 并与三维书写力的大小相结合, 实现概率值和距离测度信度级的融合. 在进行真假签名的判别中, 加入快速剔除的方法, 进行两级判别, 以提高识别效率. 实验结果表明, 基于签名书写力大小和方向特征的融合识别方法互相补充, 相对于单个方法具有更高的识别率, 系统性能得到显著改善.     

基于采样数据稳定度的在线手写签名认证方法

介绍了一种基于采样数据稳定度的在线手写签名认证方法．该方法首先根据签名样本数据获得特征序列的采样点稳定度以及特征稳定度，然后利用这两种稳定度作为权值，采用基于加权动态匹配比较方法得到最终匹配结果，实验结果证明了本文提出的方法的有效性．