基于力信息的在線簽名認(rèn)證研究.pdf

1、隨著計(jì)算機(jī)和網(wǎng)絡(luò)技術(shù)的發(fā)展，生物特征識(shí)別成為一種日益重要的個(gè)人身份鑒別技術(shù)。手寫(xiě)簽名認(rèn)證是生物特征識(shí)別的重要研究領(lǐng)域之一，由于手寫(xiě)簽名己經(jīng)長(zhǎng)期在人們?nèi)粘Ｉ钪杏脕?lái)鑒別身份，與其它生物特征相比，它更易于為人們所接受。在線簽名認(rèn)證由于采集了書(shū)寫(xiě)過(guò)程的動(dòng)念信息、，更能夠有效地反映個(gè)人特性，是手寫(xiě)簽名認(rèn)證主要的研究方向，吸引了眾多的科研人員投入到這一領(lǐng)域的研究，并取得了豐碩的成果。但目前它在認(rèn)證精度和可靠性上還不能滿足一些實(shí)際應(yīng)用要求，需要進(jìn)一

2、步提高和完善。一個(gè)重要問(wèn)題就是現(xiàn)有手寫(xiě)板采集的書(shū)寫(xiě)力信息不完整。為此，本文在國(guó)家自然科學(xué)基金項(xiàng)目“基于力的手寫(xiě)信息獲取與解釋”的資助下，對(duì)基于力信息的手寫(xiě)簽名信息獲取和在線簽名認(rèn)證方法進(jìn)行了深入系統(tǒng)的研究。全文的主要研究工作概括如下： 在詳細(xì)分析了當(dāng)前在線手寫(xiě)信息獲取設(shè)備的工作原理和不足的基礎(chǔ)上，設(shè)計(jì)研制了種基于多維力傳感器的手寫(xiě)板，它能夠同時(shí)獲取簽名筆跡和三維書(shū)寫(xiě)力信息。研究了手寫(xiě)板的位置坐標(biāo)測(cè)量精度的評(píng)價(jià)問(wèn)題，提出了一種使用

3、BP神經(jīng)網(wǎng)絡(luò)估計(jì)和修正系統(tǒng)誤差的方法。 針對(duì)獲取的簽名字形和書(shū)寫(xiě)力信息，本文研究了基于局部特征和基于全局特征的兩種簽名認(rèn)證方法。首先，結(jié)合手寫(xiě)簽名的運(yùn)動(dòng)模型與中文簽名特點(diǎn)，利用速度極小值點(diǎn)將簽名分割為基本筆段，從中提取了字形和書(shū)寫(xiě)力兩種局部特征，構(gòu)成簽名特征向量序列。建立了筆段特征隱馬爾可夫模型(HMM)來(lái)描述手寫(xiě)簽名的動(dòng)態(tài)過(guò)程，并在此基礎(chǔ)上，提出了基于HMM的在線手寫(xiě)簽名認(rèn)證方法?？紤]這種認(rèn)證方法特點(diǎn)，提出了一種基于遺傳算法的

4、筆段特征選擇方法，利用HMM將簽名分割為子簽名塊，并以子簽名塊的可分性判據(jù)來(lái)構(gòu)造適應(yīng)度函數(shù)，有效地減少了計(jì)算時(shí)間。研究了在特征選擇中是否使用偽造簽名樣本、選擇系統(tǒng)通用特征子集和個(gè)人特征子集等不同選擇方式對(duì)認(rèn)證性能的影響。 其次，將書(shū)寫(xiě)力信息結(jié)合簽名字形轉(zhuǎn)換為書(shū)寫(xiě)力圖像，提取圖像矩特征作為簽名全局特征。提出了一種采用支持向量數(shù)據(jù)描述(SVDD)作為分類(lèi)器的簽名認(rèn)證方法，并利用遺傳算法實(shí)現(xiàn)對(duì)特征選擇和SVDD參數(shù)的聯(lián)合優(yōu)化。