论文部分内容阅读
随着科学技术的发展,互联网络给人们的生活带来了巨大的改善,人们在享受这种便捷服务的同时也引发了新一轮个人信息安全的问题,如何保护好个人信息的安全也成为了人们关注的焦点。由于传统的身份认证方式已经不能满足现代社会的需要,使得研究学者们着手基于生物特征身份识别的研究。在线手写签名由于其灵活方便、不易丢失等特点吸引了大部分研究学者。为了提高在线手写签名认证系统的性能,提出了两种不同的签名认证方案:基于离散Frechet距离的多特征组合签名模板和基于稳定分段的DTW签名认证。基于离散Frechet距离的多特征组合模板主要是引入曲线相似性理论,将签名特征数据转化成签名特征曲线,通过签名特征曲线的相似性来判断签名的真伪。首先从签名数据中提取签名特征,根据基本特征计算求出其他类型特征。如根据X、Y方向线速度可以计算出签名的线速度、位移等。其次,根据各个签名特征的特征曲线图,找出各特征曲线的极大值点和极小值点,通过签名样本训练,计算每个签名特征的判别阈值。最后,根据正交实验设计生成签名组合模板,将待测签名与每个对应的组合模板签名进行阈值比较,统计所有签名的误拒率和误识率,求出签名的平均等误率。比较原始模板和组合模板的等误率,最后选出最优组合签名模板,得到多特征组合签名模板。基于稳定分段的DTW签名认证则是通过分析签名数据中笔段的稳定性,提取出稳定的签名笔段,利用DTW求解的认证过程。主要分成以下几个步骤,第一步,根据速度的极大值对样本签名分段处理,得到不同分段数的签名。第二步,对比用户的多个真实签名,选取出共同变化趋势的签名笔迹段进行签名样本训练,计算签名判别阈值。研究表明,这些共同变化趋势的笔迹段是稳定的,利用这些稳定签名笔段能够有效地提高签名系统的运行效率和精确度。第三步,对每一段签名求DTW距离,将分段DTW距离求和,计算出整个签名中稳定分段的DTW距离。最后,通过签名训练得出的阈值判断签名的真伪。本文利用的签名数据库为SVC2004,对数据库中的签名数据集进行分析和预处理。实验表明,基于离散Frechet距离的多特征组合模板的签名认证系统与随机选取的固定签名模板的签名认证系统相比,稳定性更好,认证效率更高。而基于稳定分段的DTW签名认证,去掉签名中不稳定因素,减少了签名数据的计算量,在提高系统认证速度的同时也提高了系统的认证效率。因此,基于离散Frechet距离的多特征组合签名模板认证和基于稳定分段的DTW签名认证都能够达到改善签名认证系统,为签名系统的改进提供新的思路。