[發明專利]在線筆跡認證中一種筆跡模仿復雜度的度量方法

有效

• 申請號: 201911224765.2
• 申請日: 2019-12-04
• 公開（公告）號: CN111310545B
• 公開（公告）日: 2023-03-31
• 發明（設計）人: 鄒杰;黃皓東;曾蓓蓓
• 申請（專利權）人: 武漢工商學院
• 主分類號: G06V30/32
• 分類號: G06V30/32;G06V30/19
• 代理公司: 武漢開元知識產權代理有限公司 42104
• 代理人: 王和平

1.在線筆跡認證中一種筆跡模仿復雜度的度量方法，其特征在于：包括如下步驟：

A)開始：設W＝{(x₁,y₁,f₁),(x₂,y₂,f₂),...,(x_n,y_n,f_n)}為傳感器采集到的待度量筆跡時間序列，其中x,y表示傳感器采集到的筆尖的二維位置信息，f表示傳感器采集到的筆尖壓力信息，n為筆跡時間序列W的采樣點個數；

B)計算手寫筆跡W的書寫速度信息：設L_W＝{l₁,l₂,...,l_n}表示筆跡W的書寫速度時間序列，表示第k時刻筆尖的速度信息，1＜k≤n，l₁＝0；

C)計算手寫筆跡W的轉動角信息：設A_W＝{a₁,a₂,...,a_n}表示筆跡W的轉動角時間序列，設表示第k時刻筆尖的轉動角信息，其中l_k,l_k+1表示在第k，k+1時刻筆尖的速度，D_k＝dx_k×dx_k+1+dy_k×dy_k+1，dx_k＝x_k-x_k-1，dx_k+1＝x_k+1-x_k，dy_k＝y_k-y_k-1，dy_k+1＝y_k+1-y_k，1＜k＜n，b₁＝0，b_n＝0，最后，確定轉動角的方向，即若采樣點(x_k+1,y_k+1)使得直線方程f(x,y)大于零，則a_k＝b_k；否則，a_k＝-b_k；其中f(x,y)表示由從點(x_k-1,y_k-1)到(x_k,y_k)方向的向量定義的直線方程，-π≤a_k≤π，1≤k≤n；

D)計算與注意力相關的摹仿復雜度指數：以筆跡時間序列W的采樣點個數n作為輸入參數，計算得到與注意力相關的摹仿復雜度指數P1，包括如下步驟：

D1)開始；以筆跡時間序列W的采樣點個數n作為輸入參數；

D2)計算與注意力相關的摹仿復雜度指數：其中x表示筆跡書寫用時，單位為秒；x＝n/F，其中n表示筆跡時間序列W中采樣點個數，F表示采集筆跡W手寫板的采樣頻率；

D3)結束：返回筆跡W與注意力相關的摹仿復雜度指數P1＝C(x)；

E)計算與記憶力相關的摹仿復雜度指數：

以筆跡時間序列W＝{(x₁,y₁,f₁),(x₂,y₂,f₂),...,(x_n,y_n,f_n)}

和轉動角時間序列A_W＝{a₁,a₂,...,a_n}作為輸入參數，計算得到與記憶力相關的摹仿復雜度指數P2，包括如下步驟：

E1)開始：以筆跡時間序列W＝{(x₁,y₁,f₁),(x₂,y₂,f₂),...,(x_n,y_n,f_n)}和轉動角時間序列A_W＝{a₁,a₂,...,a_n}作為輸入參數；

E2)對筆跡W按筆畫進行分割：提取W中的關鍵點K＝{k₀,k₁,k₂,...,k_m-1,k_m}，其中，k_i表示關鍵點在筆跡W中的序號，0≤i≤m，k₀＝1，k_m＝n，k_i＜k_i+1，0≤i＜m，由這些關鍵點將筆跡W分割成m段筆畫；其中第i段筆畫為

E3)初始化循環變量x＝1；

E4)計算第x段筆畫與筆跡W中其它筆畫的交叉點個數：設c_x表示第x段筆畫與筆跡W中其它筆畫的交叉點個數；

E5)計算第x段筆畫中轉動角符號相同的子段數：所述轉動角符號相同的子段表示該子段中所有采樣點的轉動角符號全部為非正，或全部為非負的子段，設d_x表示第x段筆畫中轉動角符號相同的子段數；

E6)計算第x段的筆畫復雜度指數P_x＝1+c_x/2+d_x；

E7)x＝x+1，若x≤m，則跳轉至步驟E4)，讀下一段的筆畫復雜度指數，否則，跳轉至步驟E8)；

E8)計算與記憶力相關的摹仿復雜度指數：對所有段的筆畫復雜度指數求加權平均得到筆跡W的筆畫復雜度指；

E9)結束：返回筆跡W與記憶力相關的摹仿復雜度指數P2；

F)計算與手眼協調力和觀察力相關的摹仿復雜度指數：以筆跡時間序列W＝{(x₁,y₁,f₁),(x₂,y₂,f₂),...,(x_n,y_n,f_n)}和書寫速度時間序列L_W＝{l₁,l₂,...,l_n}作為輸入參數，得到與手眼協調力和觀察力相關的摹仿復雜度指數P3和P4，包括如下步驟：

F1)開始：以筆跡時間序列W＝{(x₁,y₁,f₁),(x₂,y₂,f₂),...,(x_n,y_n,f_n)}和書寫速度時間序列L_W＝{l₁,l₂,...,l_n}作為輸入參數；

F2)對筆跡W按筆畫進行分割：提取W中的關鍵點K＝{k₀,k₁,k₂,...,k_m-1,k_m}，其中，k_i表示關鍵點在筆跡W中的序號，0≤i≤m，k₀＝1，k_m＝n，k_i＜k_i+1，0≤i＜m，由這些關鍵點將筆跡W分割成m段筆畫，其中第i段筆畫為

F3)計算每段筆畫的長度a_x＝atan(dy_x/dx_x)，/得到L＝{L₁,L₂,...,L_m}，A＝{a₁,a₂,...,a_m}，分別計算集合L和A的均值和方差，/

F4)計算書寫速度序列L_W＝{l₁,l₂,...,l_n}的極大極小值：設分別表示書寫速度的極大極小值集合，其中，r_x表示第x個極大值/在書寫速度序列L_W中的下標，1≤x≤u，s_y表示第y個極小值/在書寫速度序列L_W中的下標，1≤y≤v，u,v分別表示極大值和極小值的個數，r_u是第u個極大值/在書寫速度序列L_W中的下標，s_v表示第v個極小值/在書寫速度序列L_W中的下標，分別計算書寫速度極大極小值的均值和方差，/

F5)計算書寫用力序列F_W＝{f₁,f₂,...,f_n}的極大極小值：設分別表示書寫用力的極大極小值集合，其中，t_x表示第x個極大值/在書寫用力序列F_W中的下標，1≤x≤h，o_y表示第y個極小值在書寫速度序列F_W中的下標，1≤y≤z，h,z分別表示極大值和極小值的個數，t_h是第h個極大值/在書寫用力序列F_W中的下標，o_z表示第z個極小值/在書寫用力序列F_W中的下標，分別計算書寫用力極大極小值的均值和方差；

F6)計算筆跡W中所有筆畫之間的交叉點：設C＝{(x_i,y_j)|(x_i,y_j)是第i,j段筆畫的交叉點，1≤i,j≤m}表示筆跡W中所有筆畫之間交叉點的集合，設B＝{(x_i,y_i)|i∈K}表示所有筆畫的起止點集合，設D＝C∪B；

F7)計算所有交叉點位置信息的均值和方差：計算交叉點集合D中所有采樣點在x和y分量上的均值和方差，

F8)計算特征變化復雜度指數：P_1'＝DIV_L/AVG_L；P_2'＝DIV_A/AVG_A，P_7'＝DIV_x/AVG_x，P_8'＝DIV_y/AVG_y；

F9)計算筆跡W的特征變化復雜度指數

F10)對筆跡中的交叉點進行聚類：采用聚類算法，對集合C中所有交叉點按位置關系進行聚類，設E＝{(d₁,r₁),(d₂,r₂),...,(d_k,r_k)}表示聚類算法返回的聚類結果，其中k表示得到的類別數；d_i，r_i表示第i個類別中交叉點的個數和第i個類別的類內距離，1≤i≤k；

F11)計算與觀察力相關的摹仿復雜度指數

F12)結束：返回筆跡W與手眼協調力相關的摹仿復雜度指數P3和與觀察力相關的摹仿復雜度指數P4；

G)計算手寫筆跡W的摹仿復雜度指數P＝P1×P2×P3×P4；

H)結束；返回筆跡W的摹仿復雜度指數P。