用于手写签名识别的演化超网络

手写签名作为易被大众所接受的生物特征身份认证方式,已成为模式识别领域一个重要研究热点。针对现有手写签名存在易模仿难鉴定的问题,提出一种结合演化超网络模型的手写签名认证方法。为了平滑噪声,构造出可读性强的笔迹特征集,采用向量化和平滑采集点的方法对手写签名样本进行预处理,从而提取出位置和方向特征属性,采用演化超网络模型对签名进行学习和鉴定。为验证该方法的有效性,对20个签名用户分别采集了40个真实签名和20个伪造签名数据进行实验。实验结果表明,该方法对用户签名的误拒率(false rejection rate,FRR)为4.75%,误纳率(false acceptance rate,FAR)为3.75%,识别率(verification accuracy,VA)为95.75%。同时和其他传统的识别算法相比,具有更高的识别率。