[发明专利]一种在线签名验证方法和系统

说明书

本发明提供一种在线签名验证方法，该方法包括：将对待验证笔迹S_ver和参考笔迹S_ref分别输入网络验证模型，从而鉴别出真实签名还是伪造签名。该网络验证模型的建立包括：获取局部时序特征F_os，以所述局部时序特征F_os作为输入特征分别得到动态特征F_lstm和全局编码特征F_cnn，将所述动态特征F_lstm和全局编码特征F_cnn融合，得到语义特征F_sd；根据局部时序特征F_os，利用全局特征描述算子提取全局统计特征F_g，并同语义特征F_sd连接得到高判别特征F_h。本发明提供的方法性能优良、判别精度高。

技术领域

本发明涉及图像处理技术领域，尤其涉及一种在线签名验证方法和系统。

背景技术

生物识别是利用人体的固有生理特征和行为特征来进行个人身份的鉴定。生理特征有指纹、人脸、和虹膜；行为特征有签名、步态、和声音等。在这些生物识别模式中，在线签名被广泛地应用于银行和移动商务的个人验证中。虽然行为特征在稳定性和唯一性稍稍次于生理特征，但是由于历史遗留问题和大众对签名的认可接受度，签名已经成为我们生活办公不可或缺的一部分，并且得到法律的认可。通常，手写签名验证分为在线签名验证和离线签名验证两种。

在离线签名验证中，我们所得到的信息是签名后的图像数据，从图像数据中，我们只能得到签名的形状信息，同时其也更容易被模仿。在线签名验证除了可以获得签名的形状信息外，还可以获得签名时的压力、方位角、加速度、速度等动态信息。这些信息更难被模仿，因此近年其成为生物智能验证的热点问题。

在线签名是长期的神经系统和书写习惯驱动下的习惯性快速动作，这种习惯性的快速动作使得签名难以模仿，可以用于区分不同的生物个体，但是由于书写水平变化、环境差异、心情不同造成同一人在不同时刻的签名差异巨大。而伪造签名由于刻意的模仿，造成伪造签名和真实签名差异小。因此，在线签名验证仍然是一个有很大挑战的问题。

签名验证按照注册模板的数量可以分为1v1和1vN(N＞1)两种类。1v1是指在测试过程中，一个写者在probe中一个测试签名只与gallery中同一写者一个 genuine签名或者forgedsignature(名词：forgeries)进行验证是否是同一人书写。 1vN(N＞1)是指在测试过程中，一个写者在gallery中有N个真实签名和N个伪造签名，该写者在probe中的一个测试签名分别与这N个真实和伪造签名进行验证，距离最近的签名的真伪作为测试签名的验证结果。已有的研究中N通常取 5或者10。

按照验证模型的训练方式不同，签名验证可以分为写者相关和写者独立两种类别。写者相关是指同一写者的一部分签名用于训练模型，另外一部分签名用于测试，也就是说同一写者的签名会同时出现在训练集和测试集中。反之，写者独立是指同一写者的真实签名或伪造签名不会同时出现在模型的训练集和测试中。写者独立更符合签名的实际使用场景，因为很难在使用前都采集每个写者的签名存入gallery中。

总之，在线签名验证的关键是书写者个体的不易变化的书写行为习惯的量化表示学习，从而提取具有类内距离小，类间距离大的高判别特征。然而，目前利用高判别特征进行在线签名验证的判别准时度不够高。

发明内容

本发明的目的在于解决上述现有技术存在的缺陷，提供一种验证结果精确的在线签名验证方法和系统。

一种在线签名验证方法，包括以下步骤：