使用金融交易卡来进行交易支付已经成为了绝大多数人的日常行为。但是金融交易卡的交易安全性并不是十分优秀,即使在较为容易被读取和写入的磁条卡逐渐被芯片卡替代后,各种失卡冒用和伪造现象也是层出不穷。迄今为止,金融交易卡也仅仅是通过单一的用户输入密码来进行验证,但单薄而简陋的六位数字密码并不能很好的保障交易安全。在进行金融交易卡的交易时,无论是否需要进行密码验证,用户均需要通过签字来确认交易,而用户签字这一个人行为里含有极多的用户个人特征。本文将针对用户在刷卡签字过程中记录到的手部签字视频设计算法从而进行身份验证,考虑到签字是已经存在的交易步骤,这并不会额外增加用户负担。本文主要处理内容如下:(1)用户签字视频中签字帧的提取。在一段用户处于自然场景下的签字视频中,同时存在用户处于签字状态的视频帧与非签字状态的视频帧,因此在进行用户身份验证之前,需要去除掉包含无关信息的非签字状态下的视频帧,防止无关信息影响最终的身份验证结果,因此,本文提出了一种基于深度学习中双流卷积神经网络的关键帧提取算法,用以提取出用户处于签字状态的视频帧。(2)签字帧中的手部区域分割。在自然场景下用户处于签字状态的视频帧除了包含用户的人手信息外,还夹杂着许多干扰因素,因此需要将签字帧中的手部区域分割出来,使最终得到的身份验证结果仅仅与用户处于签字状态的手有关。因此本文设计了较为快速的基于深度学习的实例分割网络,将非用户进行签字动作的手部的区域处理掉,保证身份识别的有效性。(3)特征提取和身份识别。在提取到用户处于书写状态的视频帧和相应的手部分割图像后,为了进行有效、准确的身份识别工作,需要对人手部的图像信息和运动信息进行良好的特征提取,本文提出了融合了注意力机制的双流网络,将精细的图像信息和运动信息相结合,实现身份识别。