[發(fā)明專利]離線式維吾爾文手寫簽名識別的一種高效的特征提取方法

在審

• 申請?zhí)枺?/td>: 201410112023.1
• 申請日: 2014-03-24
• 公開（公告）號: CN103927539A
• 公開（公告）日: 2014-07-16
• 發(fā)明（設計）人: 庫爾班·吾布力;阿力木江·艾沙;吐爾根·依布拉音
• 申請（專利權）人: 新疆大學
• 主分類號: G06K9/46
• 分類號: G06K9/46
• 代理公司: 暫無信息
• 代理人: 暫無信息

技術領域

本發(fā)明屬于計算機模式識別領域，可用于維吾爾文手寫簽名識別過程中提取高效率的手寫簽名特征。?

背景技術

手寫簽名是一種使用廣泛的用于鑒定身份的生物特征，是社會生活普遍接受的一種同意或授權的方式。在電子商務銀行業(yè)務、處理單據、簽訂合同等領域有廣泛的應用，并具有相應的法律效力。但由于它的簡單、易模仿性，也成為了偽造的目標，此時手寫簽名鑒定就會發(fā)揮它的作用。如果正確識別率高，將會對社會各行業(yè)包括行政、金融、處理法律糾紛、安全領域等方面能起到關鍵作用，因此在國家的經濟建設中發(fā)揮重要作用。簽名鑒定也是目前計算機模式識別領域的前沿課題。鑒于簽名鑒定具有良好的應用前景和巨大的商業(yè)價值，世界各國許多學者和研究機構都對其表現出了極大興趣。因此對簽名技術的深入研究，對于提高實際應用水平和有關學科的科技進步具有著重要的意義。?

簽名一般可以通過兩種途徑獲得，即：在線方式和離線方式。相應地，簽名鑒別也可分為在線簽名鑒別和離線簽名鑒別兩種。在線簽名鑒別中，簽名被表示成一種或幾種隨時間變化的信號序列，其中包含簽名的動態(tài)信息。而在離線簽名鑒別中，簽名是以所提取的二維圖像特征的形式來描述的，故也稱之為靜態(tài)簽名鑒別。此外，根據身份鑒別系統(tǒng)工作模式的不同，又可將簽名鑒別分為簽名識別(?Signature?Recognition?)和簽名驗證(Signature?Verification?)兩類。離線簽名識別與離線簽名驗證在預處理和特征提取這兩個步驟上基本上相同，它們不同之處主要在判別決策上。在驗證模式下，系統(tǒng)對簽寫人身份的真?zhèn)芜M行認證，是一個二分類問題。識別目的是從參考簽名樣本庫中找出給定簽名對應的簽寫者，是個多分類問題。系統(tǒng)性能的主要指標是正確識別率以及匹配一個特征所需的平均時間。?

由于簽名鑒別具有良好的應用前景和巨大的商業(yè)價值，國外對其的研究已有30多年，并取得了不少的成果，特別是在線簽名的鑒別己相當成熟。由于離線簽名提供的信息較少，難度較大，相對在線簽名來說研究成果比較少，還沒有實用的離線簽名鑒別系統(tǒng)問世。?

多年來，?國內學者的研究主要集中在簽名鑒別（驗證），和計算機筆跡識別別上，?針對離線簽名識別的研究很少。?

對于簽名鑒別的研究，國內學者提出了新的方法，發(fā)表的文獻主要包括：《Pattern?Recognition》的《Application?of?HMMs?for?Signature?Verification》，《Model-based?signature?verification?with?rotation?invariant?features》，《Off-line?Signature?Verification?using?Structural?Feature?Correspondence》。此類技術分別利用隱馬爾可夫模型(Hidden?Markov?Models，HMM)或靜態(tài)結構特征和偽動態(tài)結構特征相結合的方法來進行離線手寫簽名驗證?！禤attern?Recognition?Letters》的《Off-line?Chinese?signature?verification?based?on?support?vector?machines》把筆劃寬度分布、灰度分布等四種特征相結合，再用標準SVM，對離線式漢字簽名鑒別的錯誤率控制5%以內?！禖omputer?Vision?and?Image?Understanding》的《Wavelet-based?Off-line?Handwritten?Signature?Verification》以及《計算機工程》的《樣條小波基的構造及其在漢字簽名鑒別中的應用》中分別把小波的方法使用在線中文簽名鑒別系統(tǒng)中，但是他們的方法不適用于離線系統(tǒng)。《計算機應用》的《基于神經網絡的脫機中文簽名鑒別系統(tǒng)的研究》中使用基于Gabor和Zernike相結合的特征?，用于特征識別的三層前向神經網絡，獲得93.?70%以上的識別率。?

《計算機應用》的《脫機手寫體簽名識別的小波包隱馬爾可夫模型》提出了一種基于小波包隱馬爾可夫的脫機手寫體簽名識別方法，在中文184個測試樣本做實驗，識別率和誤識率分別為92％和6．25％。但是這些技術都是針對簽名鑒別的，并且研究對象為英文簽名或中文簽名。?