基于笔划三维深度特征的签名识别

针对熟练伪造签名识别正确率较低的问题,提出了基于笔划三维深度特征的个人签名识别方案。首先采集不同书写者的真实签名及他人的套摹签名,用高精度的体式显微镜分别对签名笔划进行扫描,获取签名笔划的表面三维点云数据。然后通过高斯滤波器滤掉三维点云数据中的噪声,计算签名笔划的平均深度、沿笔划方向深度标准差以及熵等统计特征。之后,对数据集进行数据增强,增加签名数据的数量。最后,将签名数据分为训练集和测试集,在不同训练比例下使用分类器(包括SVM、KNN、ANN)进行分类。实验结果显示,本文算法在本地签名数据集上的最佳识别正确率为98.69%,优于大多数传统算法,满足实际应用的要求。