[发明专利]一种基于三维动态特征的离线笔迹个体识别系统及方法有效

专利信息
申请号: 201910780141.2 申请日: 2019-08-22
公开(公告)号: CN110490153B 公开(公告)日: 2021-10-19
发明(设计)人: 陈晓红;杨旭;王雅晨;王楠;卢启萌 申请(专利权)人: 司法鉴定科学研究院
主分类号: G06K9/00 分类号: G06K9/00;G06K9/62
代理公司: 上海申新律师事务所 31272 代理人: 俞涤炯
地址: 200063 上*** 国省代码: 上海;31
权利要求书: 查看更多 说明书: 查看更多
摘要:
搜索关键词: 一种 基于 三维 动态 特征 离线 笔迹 个体 识别 系统 方法
【说明书】:

发明提供一种基于三维动态特征的离线笔迹个体识别系统及方法,涉及身份识别技术领域,包括扫描可疑笔迹得到第一白光图像和第一三维图像,扫描样本笔迹得到第二白光图像和第二三维图像;将第一白光图像和第二白光图像预处理得到第一预处理图像和第二预处理图像;将第一预处理图像和第二预处理图像提取第一骨架图像和第二骨架图像;根据第一骨架图像和第二骨架图像得到第一书写轨迹和第二书写轨迹;根据第一书写轨迹和第二书写轨迹提取第一动态特征、第一三维特征和第二动态特征、第二三维特征;处理得到可疑笔迹与样本笔迹之间的相关系数,并根据相关系数处理得到个体识别结果。本发明包含的信息量更大,特征种类更丰富,有效提高识别准确率。

技术领域

本发明涉及基于行为特征的身份识别技术领域,尤其涉及一种基于三维动态特征的离线笔迹个体识别系统及方法。

背景技术

随着科学技术的进步,基于生物特征的身份识别技术也不断发展。每个个体都有唯一的可以测量或可自动识别、验证的生理特征或行为特征,其中生理特征包括眼虹膜、视网膜、指纹及面貌等,行为特征包括步态、声音及笔迹等。离线笔迹个体识别技术是根据人的书写技能习惯特性在纸上书写的自己、符号、绘画中的反映,通过存疑笔迹与样本笔迹的比较、鉴别,从而确定笔迹书写人的一项个体识别技术。笔迹是一个人独特的行为特征,不同人的笔迹存在很大差别,每个人书写习惯不同,一般情况下,笔迹模仿者只能模仿字形,却无法准确还原原作者的书写习惯,模仿的笔迹与原笔迹在细节上会存在差异,因此可以利用该部分的差异性和独特性,通过测量书写者的字形及笔画的速度、顺序和压力等特征进行身份识别。

根据笔迹获取途径的不同,现有笔迹识别技术分为在线笔迹识别和离线笔迹识别两种。其中,在线笔迹识别能够实时获取更多关于书写顺序、速度、压力、角度等有益于身份识别的特征信息,但这些信息需要运用特殊的设备来获取,因此限定了其应用范围及发展前景;而离线笔迹则是以书写运动的轨迹,即二维静态图像的形式展现在人们面前,因此离线笔迹识别需要从中挖掘和提取特征信息。现有的离线笔迹个体识别技术主要是笔迹二维静态特征的提取和分析上,或者单一的三维形貌特征的提取和分析上,但二维静态特征无法有效识别摹仿笔迹,在应用上存在严重的瓶颈问题,而单一的三维形貌特征由于信息量过少,鉴别能力有限。

发明内容

针对现有技术中存在的问题,本发明提供一种基于三维动态特征的离线笔迹个体识别系统,具体包括:

数据采集模块,用于将获取到的可疑笔迹进行扫描得到所述可疑笔迹对应的第一白光图像和第一三维图像,以及将获取到的若干样本笔迹分别进行扫描得到各所述样本笔迹对应的第二白光图像和第二三维图像;

数据预处理模块,连接所述数据采集模块,用于将所述第一白光图像进行图像预处理得到所述可疑笔迹对应的第一预处理图像,以及将各所述第二白光图像分别进行所述图像预处理得到各所述样本笔迹对应的第二预处理图像;

骨架提取模块,连接所述数据预处理模块,用于将所述第一预处理图像进行骨架提取得到所述可疑笔迹对应的第一骨架图像,以及将各所述第二预处理图像分别进行所述骨架提取得到所述样本笔迹对应的第二骨架图像;

所述第一骨架图像和各所述第二骨架图像的线幅均为单个像素;

笔顺识别模块,连接所述骨架提取模块,用于根据所述第一骨架图像进行笔迹追踪得到所述可疑笔迹对应的第一书写轨迹,以及根据各所述第二骨架图像分别进行所述笔迹追踪得到各所述样本笔迹对应的第二书写轨迹;

第一特征提取模块,分别连接数据采集模块和所述笔顺识别模块,用于根据所述第一书写轨迹在对应的所述第一白光图像上进行特征提取,得到所述第一书写轨迹中每个像素点的第一动态特征,以及根据各所述第二书写轨迹分别在对应的各所述第二白光图像上提取得到各所述第二书写轨迹中每个像素点的第二动态特征;

下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。

该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于司法鉴定科学研究院,未经司法鉴定科学研究院许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服

本文链接:http://www.vipzhuanli.com/pat/books/201910780141.2/2.html,转载请声明来源钻瓜专利网。

×

专利文献下载

说明:

1、专利原文基于中国国家知识产权局专利说明书;

2、支持发明专利 、实用新型专利、外观设计专利(升级中);

3、专利数据每周两次同步更新,支持Adobe PDF格式;

4、内容包括专利技术的结构示意图流程工艺图技术构造图

5、已全新升级为极速版,下载速度显著提升!欢迎使用!

请您登陆后,进行下载,点击【登陆】 【注册】

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top