[發明專利]一種基于卷積神經網絡的中文簽名筆跡鑒定方法

在審

• 申請號: 201911239266.0
• 申請日: 2019-12-06
• 公開（公告）號: CN111046774A
• 公開（公告）日: 2020-04-21
• 發明（設計）人: 蔡德福;曹侃;嚴道波;萬磊;周鴻雁;余飛;周鯤鵬;王文娜;肖繁;閆秉科;劉海光;王瑩;萬黎;余笑東;唐澤洋
• 申請（專利權）人: 國網湖北省電力有限公司電力科學研究院;國家電網有限公司
• 主分類號: G06K9/00
• 分類號: G06K9/00;G06K9/46;G06N3/04;G06N3/08;G06T5/00;G06T7/11;G06T7/13;G06T7/136
• 代理公司: 武漢楚天專利事務所 42113
• 代理人: 孔敏

本發明提供一種基于卷積神經網絡的中文簽名筆跡鑒定方法，首先采集本人重復簽名和他人代簽手寫圖片，得到簽名圖像，對簽名圖像兩兩組合形成數據集D和以及與數據集D對應的標簽集T，其次對簽名圖像進行處理，包括改變簽名圖像的大小、灰度化處理、二值化處理和去噪處理后形成數據集D′，將數據集D′劃分為訓練集和測試集，然后構造多層卷積神經網絡，通過構造適合識別簽名筆跡差異的損失函數，利用數據集D′、標簽集T、損失函數對多層卷積神經網絡進行訓練得到多層卷積神經網絡模型，最終利用所述多層卷積神經網絡模型實現對中文簽名筆跡的鑒定。本發明可用來鑒定簽名是否為本人筆跡，方法簡單實用，可為電網行業各種工作票簽名鑒定提供依據。

技術領域

本發明涉及計算機視覺識別領域，具體是一種基于卷積神經網絡的中文簽名筆跡鑒定方法。

背景技術

中文簽名筆跡鑒定是通過簽名筆跡信息對簽名人身份進行鑒別認證的一種文件檢驗技術。中文簽名鑒定的任務是在給定的簽名材料庫中，隨機輸入一個簽名圖片，算法模型能夠識別該筆跡是否為本人簽名。

自1977年Arazi^[1]首次提出筆跡鑒別方法以來，筆跡鑒別便成為了機器視覺與模式識別領域的研究熱點之一，在最近幾十年發展迅速，同時與指紋識別、語音識別、人臉識別等技術共同作為基于生物信息身份識別的研究范疇。1997年，劉成林等人^[2]提出一種基于二值圖像多通道分解的筆跡鑒別方法。該方法基于字符筆畫的方向性，對筆跡方向分解，接著針對每個方向的圖像進行頻帶分解，最后取分解后的采集信號值作為識別筆跡的敏感特征，運用特征匹配的方法進行識別書寫者。2004年，L.Schomaker等人^[3]提出一種基于輪廓連接成分 (COCOCOs)和邊的聯合特征方法，通過將圖像統計方法和手工字母特征提取方法相結合，提高筆跡鑒別率。2007年M.Bulacu等人^[4]運用將局部特征提取與全局特征提取相組合的方法，構建出更有效的敏感特征，提升了模型在筆跡鑒別的準確率。2009年，李昕等人^[5]提出了一種基于網格窗口微結構特征的筆跡鑒別方法，該方法能夠將筆跡中局部細微結構變化趨勢作為敏感特征，結合加權距離度量的方法，進行相似性匹配，可以應用于各種不同文字語言(如漢字、英文、藏文等)的筆跡鑒別。隨著深度學習的進一步發展，極大推動了人工智能的研究與實際應用，為人類帶來了極大的便利和促進人類社會發展。2015年，Fiel等人^[6]首次提出了基于文檔行分割方式與深度多層卷積神經網絡相結合的筆跡鑒別方法。2017年，鄔向前等人^[7]提出一種基于深度多層卷積神經網絡和聯合貝葉斯的方法提取手寫文檔的全局特征，運用全新的數據增強方式對數據擴充，在模型泛化能力上做出較大提升，同時也有效地解決數據不足的問題。筆跡鑒定作為人工智能的研究熱點之一，在這次深度學習浪潮中得到進一步發展，并且部分技術已經應用于實際生活中。雖然當前中文簽名筆跡鑒定方法取得了很大的突破，但是還存在諸多難題仍未解決，使其不能廣泛地應用于人們的實際生活中。

中文簽名鑒別的難點在于：其一，簽名筆跡鑒定圖片差異性較大，如紙張褶皺、反光、抖動拍攝、多簽名距離過近的簽名圖片，書寫人所用筆的不同，書寫人書寫環境變化，有效簽名筆跡材料的不足等；其二，關于中文簽名筆跡鑒定的研究還沒有較長的研究歷程，使得其并不像人臉識別一樣取得很好的成果。

參考文獻

[1]Arazi B.Handwriting Identification by Means of Run-LengthMeasurements[J].IEEE Transactions on Systems,Man and Cybernetics,1977,7(12):878-881.

[2]劉成林,劉迎建,戴汝為.基于多通道分解與匹配的筆跡鑒別研究[J].自動化學報,1997, 23(01):56-63.