中文签名真伪识别的拓扑方法

本文讨论以提取签名字符的块、孔、段、端点、三叉点、四叉点、五叉点等静态拓扑特征作为签名真伪识别依据的静态识别方法。对8组共计350个签名进行识别实验,实验结果表明识别率在94％以上。当静态识别与动态识别相结合时,识别率为98％。本文还提出了“彻底细化”和提取叉点的两个新算法,效果很好。

层次化分类的离线中文签名真伪鉴别方法

为了改进中文手写签名真伪鉴别系统的性能,提出了一种混合极限学习机和稀疏表示的层次化分类方法。首先,利用极限学习机强大的泛化能力和鲁棒性,对较易识别的伪签名进行分类,如随机伪造的签名;接着,利用稀疏表示分类具有的精准描述性能,设计签名数据字典,对较难识别的伪签名进行分类,如熟练伪造的签名。实验结果表明,层次化分类的签名鉴别方法与前沿的两种方法相比总体准确率最高,达到了95.53%。

基于改进算法的卷积神经网络的单人离线手写签名真伪鉴定

为了解决深度学习签名鉴定中输入的数据集较少、同时鉴定准确率要求高的问题,提出了单人离线手写签名识别方法,将预处理后的图形输入优化Triplet loss算法后的卷积神经网络并更新参数,最后通过待预测真伪图形与训练中心点的欧氏距离大小来进行鉴定签名的真伪,实现了在少量数据集的情况下获得了95%以上的准确率的目标。

一种波形匹配新算法:V-P-V算法─—用于中文签名真伪识别

提出了一种度量波形相似度的新算法，并用于中文签名真伪识别．该算法将波形切割成一串相关联的峰一谷一峰（Ｖ－Ｐ－Ｖ）子元，通过插入、删除和替代三种操作的代价来计算两串的距离，由此得到两波形的相似度．算法的时间复杂性为Ｏ（ｎ×ｍ），ｎ与ｍ分别为两波形串的子元数目．文中给出的Ｖ－Ｐ－Ｖ算法已用于中文签名真伪识别系统，并获得了满意的结果．

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。

浅谈签名笔迹鉴定

司法鉴定实践中遇到的签名笔迹鉴定的案件数量呈上升趋势,从其字数少容易伪造和变造的特点出发,概括性的对签名笔迹鉴定中所采用的方法进行了归纳总结,并提出了自己多年实践中总结出的宝贵经验-逆向检验法,供大家分享,并着重从局部与整体的关系来说明逆向检验的可行性及理论依据。以共同提高签名笔记鉴定的水平。