随着网络信息化的飞速发展,网络信息安全问题的日益严重,使得人们对网络信息安全的要求越来越高。基于指纹、虹膜、签名等人体生物特征的生物识别技术,因其很好的唯一性、易携带、不易遗失或遗忘、稳定性高等优点得到广泛应用。签名是一种行为特征,代表了签名者的独特信息,相比其它生物特征具有成本低廉、难遗忘、易获取、防伪性、高可接受性等优点,是身份鉴别中应用最为广泛的生物特征之一。在线手写签名验证即已知一个测试签名样本所对应的人,通过各种技术及理论算法判别该签名样本是真实还是伪造的,从而鉴别签名者身份的真伪。在线手写签名验证的特征选取和正确率一直是在线手写签名验证技术的研究重点。特征参数法和特征函数法需要对大量特征进行计算匹配,训练过程计算复杂,存储量大。根据实验经验发现,速度与压力是可直接采集到的区分性很好的两个特征,伪造者很难同时模仿签名者的字形和长期习惯的签名速度与压力。根据这个特点,本文提出一种基于速度和压力分区的在线手写签名验证算法。在每个签名者注册签名中确定一个基准签名,利用速度和压力这两个高区分性的特征,对基准签名进行分区,针对每个分区建立模板,确定一个最稳定分区,求出该分区的参数并以此确立判别边界。算法减少了签名训练计算量和存储量,并提高了签名的识别效率。本文首先介绍了签名数据采集过程及预处理方法,其中重点介绍了利用主成分分析(PCA)的方法对签名进行旋转。然后详细论述了基于速度与压力分区的签名验证方法,讨论了判别边界中常数c的分布情况以及c值对验证结果的影响,通过讨论确定最优的常数c的值并计算相应的误纳率(FAR)、误拒率(FRR)。本文讨论了用x方向速度代替签名轨迹的速度进行验证和建立双重判别边界进行验证对验证结果的影响,指出本文方法最优。另外还对动态时间规整算法和BP神经网络算法与本文算法进行了对比分析。实验结果表明,针对不同的签名者确定不同的常数c的值,从而平衡误纳率和误拒率,减小平均错误率,可达到95%以上的高认证率。