基于笔段特征和HMM的在线签名认证方法研究

手写签名过程中的书写力包含丰富个人特征.受输入设备所限,目前的在线手写签名认证系统都没有能够充分利用这一信息.基于此,本文提出一种综合利用签名字形和书写力特征的在线签名认证方法.首先,利用一种新型的F-Tablet手写板用于获取签名的动态笔迹和书写力信息,并根据速度极小值点对签名进行笔画分段.然后从中提取16维的字形和书写力特征矢量序列用于签名隐马尔可夫模型(HMM)的建立和认证.在基于F-Tablet手写板建立的签名数据库上的认证实验结果表明书写力特征比字形特征更难以模仿,两种特征相结合可以有效提高系统的识别性能,提出的认证方法的相等错误率(EER)达到3.9%.     

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.     

多层级重叠条纹特征融合的行人重识别

针对行人重识别(Person-ReID)过程中,基于局部特征的方法在提取行人特征时因信息缺失导致鲁棒性和判别力不足的问题,提出一种多层级重叠条纹特征融合的行人重识别算法.训练阶段,对骨架网络不同阶段的输出特征图进行水平均等分割,再提取重叠条纹特征以弥补丢失的信息;使用三种损失函数对不同的特征向量进行监督训练,以约束类内距离.此外,设计组归一化模块来消除不同损失函数在优化方向上存在的差异,从而提取到更恰当的共享特征.推理阶段,将多个特征向量融合成一个新的特征向量,再进行相似性判断.将该方法在Market-1501、DukeMTMC-reID数据集上进行有效性实验验证并对结果进行分析.所提算法能够提高行人重识别的准确率,模型所提取的特征具有较强的鲁棒性和判别力.     

方向特征和网格特征融合的离线签名鉴别

离线签名鉴别是一种重要的生物特征识别技术,提出了基于方向特征和网格特征融合的方法。网格特征广泛使用在图像的特征提取中,方向特征和网格特征结合不仅可以描述签名图像特殊点的方向和位置,还可以统计方向位置分布信息。两种特征组合会形成高维特征,然后使用主成分分析法进行降维,采用支持向量机作为分类器。该方法在签名数据库上进行评估,其结果表明,该方法能有效的提高离线签名鉴别的正确率。     

融合多种几何特征的三维人脸识别算法

由于对光照、姿态变化的不敏感, 三维人脸识别算法已经受到人们的极大关注, 其中三维人脸特征的表示、获取以及多种表示特征的有效融合仍然是三维人脸识别的核心问题. 本文提出一种三维人脸识别方法, 该方法针对归一化的三维人脸数据, 选取人脸的曲面特征和描述人脸特征相互关系矩阵的主分量特征作为人脸表示特征, 给出了各特征的提取方法及同类特征的相似性度量, 进而提出了一种对各类特征进行加权融合的方法, 即通过分析不同特征的分类识别能力, 根据Fisher的线性判别准则, 以类内和类间特征相似度的均值差与类内和类间的散度平方和之比的大小作为该类特征权重, 在决策层为不同的特征赋予不同的权重. 最后, 基于公开发布的BJUT-3D三维人脸数据库进行了识别性能实验. 实验结果证明, 本文的特征融合方法比一般的加权策略有更好的识别性能．     

基于第二代Bandelet的脱线签名识别

由于脱线签名鉴定丢失了在书写过程中的动态信息,鉴定难度大.本文针对脱线签名识别的特点,提出了基于Ban-delet变换的特征提取方式,将传统的结构特征和统计特征有效地结合起来.通过K-L变换降低特征向量的维数,然后采用支持向量机(SVM)的方法进行训练和识别.对400个手写样本进行了识别,实验证明该方法能有效提高脱线签名的识别率.     

基于全局特征改进的行人重识别

由于行人重识别面临姿态变化、遮挡干扰、光照差异等挑战, 因此提取判别力强的行人特征至关重要. 本文提出一种在全局特征基础上进行改进的行人重识别方法, 首先, 设计多重感受野融合模块充分获取行人上下文信息, 提升全局特征辨别力; 其次, 采用GeM池化获取细粒度特征; 最后, 构建多分支网络, 融合网络不同深度的特征预测行人身份. 本文方法在Market1501和DukeMTMC-ReID两大数据集上的mAP指标分别达到83.8%和74.9%. 实验结果表明, 本文方法有效改进了基于全局特征的模型, 提升了行人重识别的识别准确率.     

RGBD人体行为识别中的自适应特征选择方法

目前在RGBD视频的行为识别中,为了提高识别准确率,许多方法采用多特征融合的方式。通过实验分析发现,行为在特定特征上的分类效果好,但是多特征融合并不能体现个别特征的分类优势,同时融合后的特征维度很高,时空开销大。为了解决这个问题,提出了RGBD人体行为识别中的自适应特征选择方法,通过随机森林和信息熵分析人体关节点判别力,以高判别力的人体关节点的数量作为特征选择的标准。通过该数量阈值的筛选,选择关节点特征或者关节点相对位置作为行为识别特征。实验结果表明,该方法相比于特征融合的算法,行为识别的准确率有了较大提高,超过了大部分算法的识别结果。     

基于神经网络和证据理论的离线签名识别

论文提出了一种有效的基于神经网络和证据理论的离线签名识别方法.利用从签名图象中提取的三种特征分别构造BP神经网络分类器对签名图象进行初步识别,然后将各分类器的输出作为证据,利用证据理论融合来自不同分类器的输出得到最终识别结果.实验表明,该识别方法能有效提高离线签名的识别率.     

基于保局投影的离线签名识别

针对离线签名识别中的特征提取问题,提出了一种基于保局投影的签名识别方法。该方法首先对签名图像进行形状特征、伪动态特征和纹理特征的提取;然后采用保局投影得到更具判别性的特征;最后运用支持向量机进行分类识别。实验表明该方法不但能有效地降低特征空间的维数,而且能使分类准确率得到显著提高。     

基于演化计算的在线手写签名验证

在线手写签名验证是目前生物特征识别领域较为热门的一个方向,论文试图将演化计算的思想,用于在线签名验证。在建立数学模型的基础上,提出了签名验证匹配演化算法,并给出了计算实例。通过对匹配结果的分析,证明了该方法的可行性。     

一种新的在线手写签名认证算法

提出了一种新的在线手写签名认证算法,着重研究签名曲线中的特殊点的匹配情况。该算法将签名曲线中特殊点的位置坐标提取出来,然后提取出特殊点中的关键特征至高点与至低点,并且用离散Fréchet距离作为距离的测度来对至高点与至低点进行研究,提出了一种新的关于曲线相似性的定义,并且在这种定义的基础上建立了一种新的判断签名曲线相似性的数学模型,此模型中隐含了对签名曲线的平移和伸缩变换。由于模型的求解是一种NP困难问题,针对这种情况,提出了一种新的多项式的求解算法,最后通过对实验结果的分析验证了此算法用于签名认证的有效性,且适用于判别离散曲线的相似性。     

基于时序特征融合的动态签名鉴伪算法

针对现有签名鉴伪方法对高水平伪签名鉴伪准确率低的问题,提出一种基于时序特征融合的动态签名鉴伪算法。首先根据签名者落笔与提笔的时间节点建立动态时间轴,在签名过程中提取笔迹的压力和笔速两类时序特征;然后在两类特征对应数据的基础上构建时序特征融合模型,通过一种多维空间模型相似性度量方法计算待测签名和样本签名的相似度,从而实现签名真伪性鉴别。实验结果表明,与现有算法相比,该方法进一步提高了签名鉴伪的准确率和通用性。     

区间模糊相似性度量的离线签名验证

为优化离线手写签名验证,提出了一种基于区间符号表示和模糊相似性度量的高效离线签名验证方法。在特征提取步骤中,从签名图像及其欠采样位图计算一组基于改进局部二值模式（LBP）与灰度共生矩阵（GLCM）相融合的特征。然后获得每个签名类中每个要素的区间值符号数据。为每个人的手写签名类创建由一组间隔值（对应于特征的数量）组成的签名模型。为了验证测试样本,还提出了一种新的模糊相似性度量来计算测试样本签名和相应的区间值符号模型之间的相似度。为了评估所提出的验证方法,使用了不同类型的中文手写签名笔迹图片进行测试与比对,识别率可以达到92.75%。实验结果表明当训练样本的数目是10或更多时,有效提高了识别率,所提出的方法优点在于当向系统添加新类时不需要被重新训练,并在内存使用和计算时间方面与神经网络比较是廉价的。     

在线手写签名验证的演化设计

在线手写签名验证是一种基于生物特征的身份识别技术,论文尝试将演化计算理论用于手写签名验证。首先建立数学模型,并在此基础上提出了签名验证匹配演化算法,特别是签名曲线的动态分段匹配方法。最后给出了计算实例,并对结果进行了分析。实验结果表明了演化算法用于签名验证的有效性。     

基于信息融合的在线手写签名算法研究

为了进一步提高认证效果,在演化计算、神经网络和离散F距手写签名认证算法的基础上,提出了基于信息融合的在线手写签名认证算法。该算法将测试签名和参考签名分别通过三种算法进行认证,得出测试签名为真实签名的置信度,然后对三种认证算法的结果进行加权融合,根据最终的融合结果进行签名真假的判定。实验结果表明,信息融合算法的误拒率和误纳率都有显著的减少。     

Synthetic handwritten CAPTCHAs

CAPTCHAs (completely automated public Turing test to tell computers and humans apart) are in common use today as a method for performing automated human verification online. The most popular type of CAPTCHA is the text recognition variety. However, many of the existing printed text CAPTCHAs have been broken by web-bots and are hence vulnerable to attack. We present an approach to use human-like handwriting for designing CAPTCHAs. A synthetic handwriting generation method is presented, where the generated textlines need to be as close as possible to human handwriting without being writer-specific. Such handwritten CAPTCHAs exploit the differential in handwriting reading proficiency between humans and machines. Test results show that when the generated textlines are further obfuscated with a set of deformations, machine recognition rates decrease considerably, compared to prior work, while human recognition rates remain the same.