在线签名认证的数据采集系统设计

在线动态签名认证由于其安全性和方便性,广泛适用于银行金融系统以及个人身份识别等.作为在线签名笔迹的数据采集,对后续认证的准确性显得尤为重要.利用STM32F103C8、触摸屏、触摸屏控制器TSC2046和SD卡,实现了对在线笔迹包括压力在内的3维数据采集以及存储.实验结果表明,设计的在线签名数据采集系统精度高,稳定可靠,抗干扰能力强,具有很好的认证效果.

基于小波变换的在线签名认证系统设计

文章介绍了一种基于小波变换的在线签名静态信息认证系统,利用Freescale芯片K60和电阻触摸屏采集笔迹信息,通过串口发送到电脑上,采用Matlab软件对数据进行滤波平滑和归一化处理,再利用小波变换DB6对笔迹坐标信息进行3层分解,提取分解后的过零点作为特征值,利用DTW算法与真实笔迹特征值进行对比判决真伪,经实验验证该系统较好的实现了笔迹鉴定。

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。

基于混合特征的在线签名认证研究

论述了在获得在线手写签名的曲线的一些局部和全局特征的平均值和方差的无偏估计的基础上,通过概率密度函数进而获取阈值进行匹配的鉴别方法。该方法充分考虑了同一个人的签名曲线的局部和全局信息具有一定的聚类性的特点,具有一定的认证效果。

基于信号序列的在线签名认证方法及应用

为提高在线签名认证系统准确率,提出一种基于信号序列的在线签名认证方法。使用动态时间规整方法计算待测签名在各个信号上与参考签名的平均距离、最小距离、中值距离和模板距离,利用参考签名集求得的基准值进行归一化组成特征向量,使用随机森林模型作为分类器进行训练和认证。在SUSIG数据集上取得了2.26%的等误率,验证了算法的有效性。在安卓系统上实现了基于该算法的屏幕解锁应用,获得了3.7%的误拒率和5.5%的误纳率,验证了该算法在移动设备上的可用性。

基于三层C/S结构的在线签名认证系统的研究

随着计算机和网络的普及,安全问题越来越严重。基于生物特征的身份认证技术的发展提供了一种方便和可靠的解决方案。介绍了在线签名认证技术及其发展趋势,分析了三层客户机/服务器数据库应用程序的体系结构及其优势,并给出了在C++Bu ilder下,利用COM/DCOM组件技术实现基于C/S结构的在线签名认证系统的实现方法。

基于特征选择和幻象残差网络的在线手写签名认证

为了解决当前在线手写签名认证(online signature verification, OSV)模型无法从有限的签名样本中提取稳定的签名特征以及模型参数量大问题,本文提出了基于特征选择和一维幻象残差网络(1D-GRNet)的在线手写签名认证方法。首先,采用随机森林特征选择算法对各个签名的全局特征集进行筛选,获得足够稳定的签名特征,以此来提高签名认证的准确率;然后,采用幻象模块对标准残差结构进行改进,构建一维幻象残差模块,降低整体网络模型的参数量,同时为签名小样本训练提供可能,提高了模型的实用性。最后,本文方法在数据集MYCT-DB1和SVC2004-task2上进行验证。当采用5个真伪签名进行小样本进行训练时,在两个数据集上的等错误率分别为3.21%和4.57%。当采用10个真伪签名进行训练时,在两个数据集上的等错误率分别为1.53%和2.93%。实验结果表明所提方法能够有效提高签名认证精度。

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%.

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(Fx,Fy,Fz,Mx,My)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%.

基于支持向量数据描述的在线签名认证系统

提出一种基于支持向量数据描述方法的在线签名身份认证系统.首先,采用双向后向合并DTW算法确定签名中关键点之间的对应关系,然后采用经典DTW度量签名局部中各种细微的差异.文中提出基于差异值均值方差最小原则的特征选择方法.最后,采用支持向量数据描述方法设计分类器.为得到更好的认证效果,采用多层交叉验证和遗传算法寻找最优的分类器参数.在SVC2004数据库上,系统对熟练伪造签名取得4.25%的平均等错误率.

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%.

基于段匹配差异观察值的HMM在线签名认证方法研究

提出一种用签名的分段差异值作为隐马尔可夫模型(HMM)观测值的在线签名认证应用方法.首先,采用双向后向合并DTW算法确定签名中关键点之间的对应关系.然后,采用经典DTW度量签名中各种细微的差异,用这些DTW差异值作为观测值训练HMM模型.将模型状态的意义定义为相似程度,将状态转移结构设定为全概率转移.在SVC2004签名数据库上,验证了该方法的有效性.

基于多任务学习的注意力机制双向GRU用于在线手写签名认证

深度学习的进步极大地提高了在线签名认证(online signature verification, OSV)系统的性能,但是如何从有限的签名样本中学习具有判别性的签名特征仍然是该领域所面临的挑战。为了缓解这个问题,本研究提出了一种基于多任务学习的注意力机制双向门循环单元(MT-A-BiGRU)模型来实现在线签名的认证。首先,通过基于注意力机制的双向门循环单元(A-BiGRU)模型来实现序列特征的有监督表征学习,并引入深度度量学习任务来充分挖掘序列特征的潜在表示。在此基础上,将稀疏自动编码器压缩后的全局特征与A-BiGRU模型所提取的特征进行融合,以实现特征信息的互补。最后,本文提出一种基于多任务学习的训练方法,进一步提高了OSV系统的准确率。所提出的方法在SVC-2004-task2数据集中达到了2.16%的等错误率和96.88%的准确率,实验结果表明所提出的方法够有效地提高OSV系统的认证精度。

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。

一种基于隐马尔可夫模型的在线手写签名认证算法

给出一种对签名特殊点的提取方法,并以此特殊点作为签名的分割点,获取每段中的重要特征进行分析.在此基础上,提出一种基于隐马尔可夫模型(HMM)的在线手写签名认证算法,并利用第一届国际手写签名认证竞赛(SVC 2004)的测试数据库检验了算法的有效性.

一个在线手写签名身份认证系统的设计与实现

With the development of computer network, Biometrics, as a kind of information security techniques, is thought more and more of. Handwritten signature verification is an effective one. This paper introduces the design and implementation of an on-line handwritten signature verification system which is based on dynamic programming matching algorithm and give a brief evaluation of its performance. The performance of the system is satisfying according to the experiment.

DTW在线手写签名认证系统的研究

随着计算机网络技术和生物识别技术的发展,通过生物特征进行身份认证成为信息时代的需要.由于长久以来作为授权标志,手写签名是最容易被大众接受的身份认证方式之一.本文改进了经典DTW中距离的计算方法,在考虑了时间序列自身形状特征的基础上,解决了在线手写签名中时间序列非线性弯曲的对正问题.经过签名认证实验表明,当ERR为3%时,签名认证的效果最好,进而证明在线手写签名适合作为身份认证手段.

改进VDDTW的在线手写签名认证算法

在线手写签名认证是一种基于生物特征的身份认证技术。将VDDTW算法应用于在线手写签名认证,该算法改进了DTW中局部匹配距离的计算方法,考虑了时间序列局部曲线的变化趋势,使得时间序列的局部点到点的对正更加合理。在采用有训练的伪造样本的情况下,对累积匹配距离进行时间加权,加大了真伪签名的区分度。实验结果表明了VDDTW算法用于在线签名认证的有效性。

基于频域分析的在线手写签名认证算法

目的为提高在线手写签名认证的速度,提出一种基于频域分析的在线手写签名认证算法,用于在线手写签名认证的粗分类.方法首先使用快速傅立叶变换对在线手写签名原始特征向量进行映射,然后抽取低频信息构成新的特征描述,最后使用加权认证算法实现在线手写签名的认证.结果算法提高了在线手写签名认证的速度,且在SVC2004task2数据集上取得的ERR为10%.结论快速傅立叶变换抽取频域特征易于区分伪造签名,且快速有效.依据用户各种特征稳定程度进行加权认证,提高了系统的鲁棒性.

基于采样数据稳定度的在线手写签名认证方法

介绍了一种基于采样数据稳定度的在线手写签名认证方法 .该方法首先根据签名样本数据获得特征序列的采样点稳定度以及特征稳定度 ,然后利用这两种稳定度作为权值 ,采用基于加权动态匹配比较方法得到最终匹配结果 。