基于字形信息和书写力信息的在线签名鉴别

针对目前签名采集设备只能获得书写压力信息或不能同时获得书写力信息与字形信息的不足,采用自行研制的F_Tablet手写平台同时采集签名书写过程中的二维字形信息和三维书写力信息,并提出一种综合利用字形信息与书写力信息进行在线签名鉴别的方法.该方法先对签名进行预处理和笔画分割,并基于签名笔画数目建立多个签名模板,然后采用概率统计和迭代实验确定书写力内部以及书写力与字形之间的权重比和个性化的判别阈值,实现对签名的分类.基于利用F_Tablet手写平台构建的签名样本库的签名鉴别实验结果证明了本文提出的基于字形信息和书写力信息的在线签名鉴别方法的有效性.     

用于在线签名认证的特征提取和个性化特征选择方法

提出一种在线签名认证中的特征提取和特征选择的方法.采用一种F-Tablet手写板采集签名数据.该手写板的特点是不仅可记录签名时的字形信息(x,y)序列,还可记录签名时的五维力信息(F_x,F_y,F_z,M_x,M_y)序列.从每个签名中提取3个等级共188个特征,接着定义特征重要性函数F,然后根据特征的重要性函数F的值对选取的188个特征进行排序,对F设不同的阈值就可完成不同的特征选择.在认证过程中使用SVM算法对选取的特征进行训练,然后用训练所得的模型进行验证.该方法的错误拒绝率为1.2%,错误接受率为3.7%.     

基于动态手写签名的弱水印文档认证

本文首先介绍可以同时采集签名书写过程中三维书写力信息和二维字形信息的F-Tablet手写平台,它克服了目前签名采集设备只能获得书写压力信息或不能同时获得三维书写力信息与二维字形信息的缺点。接着,提出了基于动态手写签名的生物特征弱水印生成与检测方案,在检测文档完整性的同时进行签名验证,提供附加层次的安全性。最后通过实验分析了文档认证性能与水印检测性能。结果表明,即使无法得到水印图像中某个签名,完整性检测失败,签名验证也可以确保额外层次的安全性。     

基于多特征的在线签名认证方法

提出一种多特征的在线签名认证方法.该方法综合利用全局特征、笔段特征和签名的力序列和字形序列.采用一种F_Tablet手写板采集签名数据,该手写板可以记录签名时的字形序列和三维力序列.首先提取签名的全局特征,并定义特征重要性函数对特征进行选择,选取有利于正确区分真伪签名的个性全局特征,用基于概率的方法训练签名.接着将签名分段,提取每一笔段的笔段特征,建立基于笔段特征的隐马尔可夫模型.然后用动态时间规整的方法匹配签名的力信息和字形信息序列.最后综合利用多种特征来验证待测签名.该方法的等错误率为1.5%.     

基于动态时间规划的在线签名认证方法

在线签名认证是基于人体行为特征的身份认证技术。动态时间规整（DTW）算法是签名验证中最为常用的方法,但该算法应用到签名验证中存在一定的局限性。本文针对这些具体问题,提出了新的解决方法。基于F-Tablet手写输入设备,综合利用签名字形信息以及三维书写力信息研究DTW算法在签名认证系统中的应用。提出了合理性的算法模型。通过试验数据表明,取得等错误率达到2.31%的满意结果。     

基于小波变换提取特征点的在线手写签名认证算法

提出了一种基于小波变换的认证算法，首先对F-Tablet手写力平台获取的签名书写过程中的三维力信息和二维坐标信息，使用小波变换的方法来提取这些信息中的关键点，得到五维特征序列，使用聚类方法动态生成多个模板，然后通过多数投票方案融合各个特征序列的决策值得到认证结果。在基于F-Tablet平台构建的签名样本库上对此算法进行了实验，平均等错误率为2.83%。实验结果表明，该算法不仅可以减少签名数据存储量，而且能够缩短认证过程的持续时间，增加认证过程的有效性。     

一个在线手写签名身份认证系统的设计与实现

1.引言由于传统的口令方式的身份认证策略不具有个人的特征,容易被窃取,因而安全性无法保障。所以基于生物认证技术的应用获得广泛推崇。生物认证技术是指基于人的生物学特征进行个人身份认证的研究领域,如视网膜或虹膜认证,指纹认证,人脸认证,语音认证,手写体签名认证等。关于签名认证,根据数据的获取方法,可以分为两类:离线签名认证和在线签名认证。离线签名认证视签名为静态数字图像。在线签名认证使用特殊的硬件设备如数字手写板,记录笔的运动,签名被视为多通道数字信号。Nalwa认为签名的动态信息(速度,加速度等)不如静态信息(字形信息)稳定,认证应该以字形信息为主。Hastie曾使用隐马尔科夫模型(HMM)比较离线签名认证和在线签名认证,发现在线签名认证效果较好。     

基于HMM的在线手写签名认证系统设计与实现

在线手写签名认证是以人的行为特征为基础的身份认证技术.对在线手写签名字型曲线进行分段,分析了一系列特征,并将隐马尔可夫模型(HMM)引入到在线手写签名认证中.找到了真签名中某种比较稳定的特征,提出了一种基于隐马尔可夫模型的在线手写签名认证方法.从实验数据来看,取得了比较满意的认证效果.     

隐马尔可夫模型下视频手写签名认证算法研究

为了提高视频手写签名认证的准确率,确保身份认证的严谨性,需要对隐马尔可夫(Hidden Markov Models,HMM)模型下视频手写签名认证算法进行改进设计;使用当前算法对视频手写签名进行认证时,存在认证判断误差大、效率低的问题;提出基于HMM模型下视频手写签名认证算法;该算法将使用Wacom手写板采集手写签名特征点及压力数据,对采集到的手写签名特征与压力数据进行预处理,消除采集过程中环境和手写板产生的影响,并且规范采集的视频手写签名特征位置、尺寸,提取手写签名特征与压力数据,再以HMM模型对已提取的视频手写签名特征点与压力数据进行认证与计算,确定签名的真实度;实验仿真证明,所提算法提高了视频签名认证的性能。     

在线手写签名认证研究

手写签名认证是人工智能领域的一个重要课题,对它的深入研究具有重要的现实意义。文章采用基于概率统计的方法表示手写签名的速度特征,用vague集相似度表示书写压力特征,并通过细分的拐点表示笔画特征进行签名认证,最后,构造了一个在线手写签名认证系统。实验证明了该方法的有效性。