[發(fā)明專利]基于筆畫片段方向分布特征的筆跡識(shí)別方法

有效

• 申請(qǐng)?zhí)枺?/td>: 201410528541.1
• 申請(qǐng)日: 2014-10-09
• 公開（公告）號(hào): CN104392229B
• 公開（公告）日: 2018-01-05
• 發(fā)明（設(shè)計(jì)）人: 丁紅;張曉峰;王則林;高瞻
• 申請(qǐng)（專利權(quán)）人: 南通大學(xué)
• 主分類號(hào): G06K9/20
• 分類號(hào): G06K9/20
• 代理公司: 北京馳納智財(cái)知識(shí)產(chǎn)權(quán)代理事務(wù)所(普通合伙)11367
• 代理人: 蔣路帆

技術(shù)領(lǐng)域

本發(fā)明涉及基于行為特征的身份識(shí)別技術(shù)領(lǐng)域，尤其涉及一種基于筆畫片段方向分布特征的離線筆跡識(shí)別方法。

背景技術(shù)

生物特征識(shí)別是利用人的生理特征或行為特征，進(jìn)行個(gè)人身份的鑒定的方法和技術(shù)。每個(gè)個(gè)體都有唯一的可以測(cè)量或可自動(dòng)識(shí)別、驗(yàn)證的生理特性或行為方式，即生物特征。它可劃分為生理特征(如指紋、面像、虹膜、掌紋等)和行為特征(如步態(tài)、聲音、筆跡等)。生物識(shí)別就是依據(jù)每個(gè)個(gè)體之間獨(dú)一無二的生物特征對(duì)其進(jìn)行識(shí)別與身份的認(rèn)證。

筆跡是一個(gè)人獨(dú)特的行為特征，不同人的筆跡存在很大差別。每個(gè)人書寫習(xí)慣不同，在長(zhǎng)時(shí)間的書寫訓(xùn)練過程中，產(chǎn)生了諸如轉(zhuǎn)承啟合等部分的差別，這些差別最終導(dǎo)致了整個(gè)字體較大的差異性。一般情況下，模仿者只能模仿字形，卻無法準(zhǔn)確還原原作者的書寫習(xí)慣，模仿的筆跡與原筆跡在細(xì)節(jié)上會(huì)存在差異。計(jì)算機(jī)筆跡識(shí)別正是利用了筆跡的這種獨(dú)特性和差異性，主要是通過測(cè)量書寫者的字形及筆畫的速度、順序和壓力等特征，進(jìn)行身份鑒別。

隨著生物特征識(shí)別技術(shù)的快速發(fā)展，根據(jù)獲取筆跡途徑的不同，現(xiàn)有筆跡識(shí)別技術(shù)分為在線和離線兩種。在線方式能夠獲得更多關(guān)于書寫順序、速度、壓力等有益于身份識(shí)別的信息，但這些信息需要運(yùn)用特殊的設(shè)備來獲取，因此限制了該類方法的應(yīng)用范圍及發(fā)展前景；離線方式在書寫時(shí)的限制很少，書寫完畢后只需要一個(gè)類似掃描儀的設(shè)備獲取筆跡，將筆跡記錄在靜態(tài)圖像中，然后從圖像中提取特征，進(jìn)行鑒別。與在線筆跡識(shí)別相比，離線筆跡識(shí)別更加方便快捷，應(yīng)用范圍更為廣闊。

近幾年，已經(jīng)提出很多關(guān)于離線筆跡識(shí)別(Off-line handwritten biometric recognition)的方法，即OLHBR方法，但現(xiàn)有技術(shù)中，大部分OLHBR方法的精度較低，還需要進(jìn)一步提升OLHBR方法的準(zhǔn)確性及精度。

發(fā)明內(nèi)容

為克服現(xiàn)有技術(shù)中存在的離線筆跡識(shí)別準(zhǔn)確性及精度較低的問題，本發(fā)明針對(duì)OLHBR方法，提供了一種基于筆畫片段方向分布特征的筆跡識(shí)別方法。

一種基于筆畫片段方向分布特征的筆跡識(shí)別方法，其特征在于，包括以下步驟：

步驟一、獲取筆跡圖像；

步驟二、對(duì)所述筆跡圖像的邊緣進(jìn)行檢測(cè)，提取所述筆跡圖像的筆跡輪廓；

步驟三、將所述筆跡輪廓分解成筆畫片段；

步驟四、分析所述筆畫片段的方向特征；

步驟五、提取所述筆畫片段的方向分布特征；

步驟六、計(jì)算相似度，根據(jù)相似度來進(jìn)行筆跡識(shí)別。

所述步驟一進(jìn)一步包括：掃描筆跡，獲得筆跡圖像。

所述步驟二進(jìn)一步包括：用sobel算子提取背景單一的所述筆跡圖像的所述筆跡輪廓，用canny算子提取背景復(fù)雜的所述筆跡圖像的所述筆跡輪廓。

所述步驟三進(jìn)一步包括：檢測(cè)所述筆跡輪廓上的角點(diǎn)；角點(diǎn)局部最小值檢測(cè)；去除所述筆跡輪廓端部；排除短筆畫片段。

所述檢測(cè)所述筆跡輪廓上的角點(diǎn)的步驟包括：通過角點(diǎn)模板來對(duì)所述筆跡輪廓的端部進(jìn)行檢測(cè)，并對(duì)連接中心邊緣像素的筆畫像素的數(shù)量進(jìn)行統(tǒng)計(jì)，從而確定當(dāng)前像素是否為角點(diǎn)；所述角點(diǎn)局部最小值檢測(cè)的步驟包括：排除所述檢測(cè)所述筆跡輪廓上的角點(diǎn)的步驟中檢測(cè)出來的與筆跡識(shí)別無關(guān)的角點(diǎn)；所述去除所述筆跡輪廓端部的步驟包括：不對(duì)所述筆跡輪廓的端部的筆畫像素進(jìn)行數(shù)量統(tǒng)計(jì)，從而得到筆畫片段；所述排除短筆畫片段的步驟包括：排除對(duì)于筆跡識(shí)別沒有作用的短筆畫片段。

所述步驟五進(jìn)一步包括：在大小為(2r+1)×(2r+1)、中心邊緣像素為當(dāng)前邊緣像素的滑動(dòng)窗口中，只統(tǒng)計(jì)與所述滑動(dòng)窗口中心邊緣像素連接的筆畫片段的數(shù)量，其中r為所述滑動(dòng)窗口中心與所述滑動(dòng)窗口邊界之間的距離。

所述步驟五進(jìn)一步包括：統(tǒng)計(jì)(m，n，d_i)的數(shù)量，即筆畫片段邊緣像素(m，n)具有方向特征d_i的數(shù)量，(m，n)表示筆畫片段邊緣像素在滑動(dòng)窗口的位置，其中1≤m，n≤2r+1，r為所述滑動(dòng)窗口中心與所述滑動(dòng)窗口邊界之間的距離，d_i表示32個(gè)不同筆畫方向分布中的一個(gè)方向。

所述步驟五進(jìn)一步包括：統(tǒng)計(jì)獲得全部(m，n，d_i)的數(shù)量，并計(jì)算所述筆跡圖像的歸一化方向特征，公式如下：其中Σ_(m，n)N(m，n)為所有所述筆畫片段的邊緣像素在所述滑動(dòng)窗口中(m，n)位置的總和，N(m，n，d_i)為在所述滑動(dòng)窗口(m，n)位置具有d_i方向的所述筆畫片段的邊緣像素的數(shù)量。