一种基于DTW的动态笔迹识别算法

随着移动互联网技术的快速发展,智能手机、平板电脑等移动设备也得到了广泛使用。移动设备在网上购物、在线支付、转账等方面具有方便、快捷的特性,网上电子商务交易量越来越大,导致移动平台上电子商务信息的安全隐患越发突出,信息安全技术在移动平台上的应用越来越重要。基于生物特征的身份鉴别由于克服了传统身份鉴别方式的很多缺陷而得到了广泛的应用。手写笔迹是生物特征识别的重要领域之一,因具有采集设备简单、易采集、安全等优点,被广大用户所接受。针对在移动平台上识别手写笔迹的问题,提出一种基于DTW的动态笔迹识别算法。算法结合了FastDTW算法中限定路径弯折斜率,保证了识别效率;并通过放松时间弯曲时对起始端点的对齐,提高了识别的准确率。实验结果表明,算法的错误拒绝率（FRR）和错误接纳率（FAR）分别为4.5%和1.5%,识别效率和识别准确率较于经典DTW算法和FastDTW算法有所提高。     

基于步态的身份识别技术

随着信息社会对安全的要求不断提高，利用生物特征进行快速准确的身份识别成了当今的主流。与传统的身份鉴定手段相比，生物特征识别具有无可比拟的优势，特别是步态识别技术，由于其对系统分辨率要求低、远距离识别、非侵犯性和难以隐藏等特点而倍受计算机视觉研究者的关注。对步态识别所涉及的运动检测与跟踪、特征提取、特征处理以及模式识别分别进行了详细论述。     

基于步态的身份识别技术

随着信息社会对安全的要求不断提高,利用生物特征进行快速准确的身份识别成了当今的主流。与传统的身份鉴定手段相比,生物特征识别具有无可比拟的优势,特别是步态识别技术,由于其对系统分辨率要求低、远距离识别、非侵犯性和难以隐藏等特点而倍受计算机视觉研究者的关注。对步态识别所涉及的运动检测与跟踪、特征提取、特征处理以及模式识别分别进行了详细论述。     

Relief算法在笔迹识别中的应用

Relief及其扩展算法是基于最大化假设间隔的特征选择算法,能够快速进行高维度的特征选择。该文围绕汉字笔迹识别,探讨了多类别、样本数量偏差情况对算法过程的影响。文中提出了一种有效应对数量偏差的算法过程,并成功运用于约简高维的笔迹特征。实验表明,改进后的算法不仅节约了处理时间,也进一步改进了特征选择的有效性。     

浅谈计算机用户身份识别技术

人体生物特征具备了稳定性、惟一性的重要特性,比如指纹、虹膜、DNA等,因此计算机用户通过这些特征识别身份,可以极大地提高信息的安全程度。生物识别技术的核心是将实时观察到的生物特征跟存储于电脑、已登记的特征进行可靠性匹配,进而达到对比验证身份的目的,这种技术具备了可靠安全、方便快捷的优点。在本文中,笔者主要论述了生物识别技术的基础,生物识别身份的重要途径和方式吗,以及在计算机信息安防中的运用,并针对性地对多种身份识别技术进行了比较。     

基于步态识别的远距离身份认证

通过人走路的姿势实现对个人身份的远距离识别和认证是当前生物特征识别研究领域的一个研究热点。算法利用步态轮廓图像边界到重心的距离矢量对步态轮廓图像进行人体运动的静态形状描述,采用连续隐马尔可夫模型对人体运动时从一个动作到另一个动作的过渡进行动态描述。算法在CMU数据库上面进行实验取得了较高的正确识别率。     

基于特征融合的维吾尔文笔迹鉴别

针对采用纹理方法鉴别维吾尔文不稳定的问题,提出一种与文本无关、特征融合的笔迹鉴别方法,融合的特征包括网格窗口微结构特征和笔迹曲向特征。所提方法从笔迹原始图像提取笔画边缘,对笔迹的边缘图像建立大量局部窗口模型,通过扫描边缘图像获取融合特征结构的概率密度分布,使用多种距离公式计算概率密度向量间的距离。在实验笔迹容量大小为80的笔迹库上进行实验得到的鉴别率为89.2%。所提方法能很好地刻画笔迹的局部书写变化趋势和笔画的曲向,采用概率密度分布来统计笔迹的网格窗口微结构特征和曲向特征,鉴别效果达到了预期值。     

基于笔迹的身份鉴别

提出了一种鉴别笔迹的新方法.现有的笔迹识别方法大多需要进行分割或关联部分的分析,都是与内容相关的方法.在新方法里,把手写笔迹作为一种纹理来看待,将笔迹鉴别的问题转化为纹理识别来处理,这是一种与内容无关的方法.使用多通道二维Gabor滤波器来提取这些纹理的特征,并使用加权欧氏距离分类器来完成匹配工作.在实验中,使用了17个人的不同笔迹,取得了很好的结果.     

基于独立分量分析的笔迹识别

笔迹识别作为一种身份识别技术,具有自然,非入侵等优点,因此成为模式识别和机器学习领域的一个研究热点。本文提出了一种与文本无关的笔迹识别方法,该方法利用独立分量分析(Independent Component Analysis , ICA)来提取笔迹的纹理特征,并利用竞争学习方法确定笔迹的特征编码。实验结果证明利用该方法进行笔迹识别具有很好的效果。     

手指静脉身份识别技术最新进展

基于手指静脉的身份识别是一种新兴的生物身份识别技术,由于手指静脉身份识别具有强防伪、低成本、易获取等优良特性,在许多领域得到广泛应用,成为一种最重要的生物识别技术之一.对手指静脉身份识别技术的现状和发展进行了总结和评述.首先,回顾了手指静脉身份识别的起源和发展过程,然后,总结了该技术的通用实现流程,对实现手指静脉的几大关键技术(如样本获取、图像增强、特征提取和匹配方法等)的最新研究成果进行了全面介绍.进一步,对现有典型方法的性能进行了系统评估.最后,总结了现有手指静脉识别技术的应用现状,展望了其发展前景,并指明了下一步的研究方向.     

基于人脸识别技术的考生身份验证系统的设计与实现

现行的考生身份验证方法存在着错判、漏判和其他人为因素等问题,严重影响了考试的公正性。人脸识别技术可有效验证考生身份的真实性,从源头上避免替考代考现象的发生。鉴于此,本文利用C＋＋语言设计并开发了在PC机上实现的基于人脸识别技术的考生身份验证系统,并用具体实例进行了验证。     

基于连笔消除的空间手写字符识别方法

信息的连续采集会造成部分字符存在连笔,进而影响字符识别率.为此,提出一种基于连笔消除的空间手写字符识别方法.将空间手写字符平面化,提取字符拐点和笔画方向特征.为避免笔画的误消除,利用支持向量机把未知字符分为带连笔字符和非连笔字符,通过连笔的书写特征消除连笔,将空间字符轨迹转化为平面字符轨迹,直接用平面字符分类器进行字符识别.实验结果表明,该方法连笔消除效果显著,利用现有字符库即可获得较高的字符识别率.     

基于微结构特征的维吾尔文笔迹鉴别

对离线的文本无关的笔迹鉴别进行研究,结合维吾尔文文字连写多、字形复杂等特点,采用基于概率分布函数的微结构特征笔迹鉴别,提出一种维吾尔文的笔迹鉴别方法。该方法对笔迹中局部细微结构的书写变化趋势进行描述,运用欧氏距离和Manhattan距离度量方法进行笔迹特征匹配。对120份维吾尔族学生的笔迹样本进行测试,结果表明,该方法能有效提高维吾尔文笔迹鉴别的正确率。     

基于字素分割的蒙古文手写识别研究

隐马尔科夫模型(HMM)对序列数据有很强的建模能力,在语音和手写识别中都得到了广泛的应用。利用HMM研究蒙古文手写识别,首先需要解决的问题是手写文字的序列化。从蒙古文的构词和书写特点看,蒙古文由多个字素从上到下串联构成。选择字素集合和词的字素分割是手写识别的基础,也是影响识别效果的关键因素。该文根据蒙古文音节和编码知识确定了蒙古文字母集合,共包括1 171个字母。通过相关性处理、HMM排序筛选等手段得到长字素集合,共包括378个字素。对长字素经过人工分解,获得了50个短字素。最后利用两层映射给出了词转字素序列的算法。为了验证长短字素在手写识别中的效果,我们在HTK(hidden Markov model toolkit)环境下利用小规模字库实现了手写识别系统,实验结果表明短字素比长字素有更好的性能。文中给出的字素集合和词转字素序列的算法为后续基于HMM的蒙古文手写识别研究奠定了基础。     

基于TBL的手写字体分段技术

TBL是一种被广泛应用于自然语言处理的基于转换的机器学习算法,将这种算法扩展到OCR领域,用来进行字符分割的计算.字符分割是字符识别的一个步骤,它的准确度在一定程度上关系到最终识别结果.为了比较试验的结果,收集了很多的手写字体,通过规则的提取和应用,在探测分段边界过程中也能达到令人满意的结果.     

基于手写体的身份识别

以前许多文章曾介绍过一些基于手写体的书写人身份识别技术，其中多数都假设所写的文本是固定的。本文中，我们试图通过一种自动的不依赖文本的书写人识别听新颖算法，来消除这种假设，假定不同的人手写体存在明显的区别，我们采用一种综合方法，它基于纹理分析，每个人的手写体都被看成一种不同的纹理。原则上，我们可以采用任意一种标准的纹理识别算法（例如：多通道伽柏滤波器方法）。在对40名书写人的1000份测试文档的分类中，测试结果非常令人满意，识别率最高达到了96%。     

基于动态分类的隐喻识别方法

隐喻计算是自然语言处理领域中的重要问题.尝试以差异性计算为基础,结合语言、心理和认知的角度对英语隐喻识别进行深入分析和探索.对人类而言,隐喻识别是一个动态分类的过程,动态分类是从多个角度来度量事物之间的差异性.研究了如何模仿人类来获取概念的特征、选择分类角度、在特定分类角度下计算差异性,并进行了英语名词性隐喻识别的实验.该方法对隐喻/常规表达识别的准确率达到85.4%,实验结果表明,该方法是有效的.     

基于支持向量机的手写体相似字识别

本文提出对手写相似汉字进行识别的支持向量机方法。该方法与人工神经网络一样适用于小规模分类,但由于支持向量机依据结构风险最小化原则,因此泛化能力更强。并且,由于支持向量机算法是一个凸二次优化问题,能够保证找到的极值解就是全局最优解。本文用支持向量机算法对三组手写相似汉字进行了识别,取得了较好的结果。     

基于笔画特征的在线笔迹匹配算法

针对现有在线笔迹匹配算法鲁棒性不强的问题,本文提出将合并规则和跳跃规则引入到动态规划的迭代过程,以跳跃规则应对书写中的多、漏笔现象,以合并规则应对因多种书写不一致造成的分割点多提取、漏提取现象.在累计差异矩阵计算中,提出以笔画特征,特别是笔画形状信息来度量笔画间的差异.在SVC2004和SUSIG签名数据库上与现有主要在线笔迹匹配算法进行比较.实验结果表明,本文方法能较好应对多种局部书写和分割的不一致,从而获得更准确、鲁棒的笔画对应关系.     

结合单字特征的笔迹鉴别算法研究

基于高等教育自学考试背景,对笔迹鉴别算法进行研究。首先利用多通道的Gabor变换对笔迹纹理图进行特征提取,并通过欧式距离分类器进行分类,在训练样本库中找到与待测样本最相似的5幅笔迹。在此基础上,利用9/7提升小波算法提取出图像高频部分细节特征,对笔迹中的特征单字进行特征提取,综合分析,给出最终鉴别结果。实验结果证明,本算法具有良好的鉴别率。