[发明专利]基于动态特征分区的在线手写签名验证方法

摘要

本发明公开了一种基于动态特征分区的在线手写签名验证方法。其实现步骤为：(1)预处理用户的手写签名；(2)确定基准签名；(3)选取最稳定特征；(4)对手写签名进行长度规整；(5)获取所有分区的所有手写签名与模板距离的均值、方差；(6)计算所有分区的所有手写签名的判别边界值(7)确定最稳定分区；(8)识别待验证者手写签名的真伪。本发明使用最稳定的特征对手写签名进行长度规整，使得本发明可以得到每个人的最佳验证结果。本发明采用将签名分区的方法，并根据每个人的书写习惯不同，动态选取最稳定的分区进行验证，提高了签名判断的准确率。

主权项

1.一种基于动态特征分区的在线手写签名验证方法，包括以下步骤：(1)预处理用户的手写签名：(1a)在采集设备上在线输入用户的多个手写签名，对用户书写时的运动轨迹进行等时间间隔采样；(1b)提取手写签名中每个点的坐标值和压力值；(1c)计算手写签名中所有点的坐标值的均值；(1d)利用预处理方法，对采集到的手写签名进行预处理；(2)确定基准签名：(2a)将与每个点相邻的前后两个点的坐标差与采集时间间隔的比，作为每个点的速度；将与每个点相邻的前后两个点的速度差与采集时间间隔的比，作为每个点的加速度；将每个点纵坐标方向的速度与横坐标方向的速度的夹角，作为每个点的速度方向角；(2b)从用户的所有手写签名中任选一个手写签名，将所选手写签名中所有点的坐标值、压力值、速度、加速度、速度方向角的最大值、最小值、均值、方差，组成一个特征向量；(2c)判断是否获得用户所有手写签名的特征向量，若是，则执行步骤(2d)，否则，执行步骤(2b)；(2d)从用户的所有手写签名中任选一个手写签名，按照下式，计算所选手写签名的特征向量与用户其它手写签名的特征向量之间欧式距离的平均值：其中，表示用户第i个手写签名的特征向量与其它手写签名的特征向量之间欧式距离的平均值，J表示手写签名的总数，∑表示求和操作，||·||表示求欧式距离操作，f_i表示用户第i个手写签名的特征向量，f_j表示用户第j个手写签名的特征向量；(2e)判断是否获得用户所有手写签名的特征向量与其它手写签名的特征向量之间欧式距离的平均值，若是，得到所有的平均值，从平均值中选择最小的手写签名作为用户的基准签名，执行步骤(3)，否则，执行步骤(2d)；(3)选取最稳定的特征：(3a)从坐标值、压力值、速度、加速度、速度方向角对应的特征中任选一个特征，用所选的特征对用户的所有手写签名进行长度规整，得到所有手写签名的点数与基准签名的点数相等的结果；(3b)从用户的基准签名中任选一个点，从坐标值、压力值、速度、加速度、速度方向角对应的特征中任选一个特征，根据下式，计算所选特征的值：其中，表示模板第m个点第n个特征的值，表示第个手写签名第m个点第n个特征的值；(3c)判断是否获得模板所有点的所有特征值，若是，则执行步骤(3d)，否则，执行步骤(3b)；(3d)从用户的所有手写签名中任选一个手写签名，根据下式，计算所选签名与模板之间的距离：其中，d_a表示用户第a个手写签名与模板之间的距离，K表示第a个手写签名点的总数，P表示坐标值、压力值、速度、加速度、速度方向角对应特征的总数，表示第a个手写签名的第k个点的从坐标值、压力值、速度、加速度、速度方向角对应特征中所选的第p个特征的值，表示模板对应点的对应特征的值；(3e)判断是否获得用户所有手写签名与模板之间的距离，若是，则执行步骤(3f)，否则，执行步骤(3d)；(3f)求所有手写签名与模板之间距离的均值和方差；(3g)根据下式，计算所选特征的稳定性：其中，w_b表示所选特征的稳定性，u表示用户所有手写签名与模板之间距离的均值，σ表示用户所有手写签名与模板之间距离的方差；(3h)判断是否获得用户所有手写签名特征的稳定性，若是，选择稳定性最小的特征作为最稳定的特征，执行步骤(4)，否则，执行步骤(3a)；(4)对手写签名进行长度规整：(4a)从用户的所有手写签名中任选一个手写签名，计算所选手写签名与基准签名任意两点的最稳定特征之间的欧式距离；(4b)从所选手写签名中任选一点，从基准签名中任选一点，按照下式，计算所选手写签名的所选点与基准签名的所选点之间的匹配距离：其中，D(β,γ)表示所选手写签名第β个点与基准签名第γ个点之间的匹配距离，d(β,γ)表示所选手写签名的第β个点与基准签名的第γ个点的最稳定特征之间的欧式距离，D(β‑1,γ)表示所选手写签名第β‑1个点与基准签名第γ个点之间的匹配距离，D(β‑1,γ‑1)表示所选手写签名第β‑1个点与基准签名第γ‑1个点之间的匹配距离，D(β‑1,γ‑2)表示所选手写签名第β‑1个点与基准签名第γ‑2个点之间的匹配距离；(4c)判断是否获得所选手写签名的所有点与基准签名的所有点的匹配距离，若是，执行步骤(4d)，否则，执行步骤(4b)；(4d)利用动态规整算法，确定所选手写签名与基准签名的匹配路径；(4e)判断是否获得用户所有手写签名的匹配路径，若是，则执行步骤(4f)，否则，执行步骤(4a)；(4f)求所有手写签名每个点的横纵坐标值的平均值，将该平均值作为模板对应点的坐标值；(5)获取所有分区的所有手写签名与模板距离的均值、方差：(5a)按照速度方向角、速度、压力三个动态特征对基准签名进行分区，得到基准签名的8个分区；(5b)从基准签名的所有分区中任选一个分区，从用户的所有手写签名中任选一个手写签名，按照下式，计算所选手写签名在所选分区与模板分别在x,y方向的距离：其中，分别表示第t个手写签名在分区s与模板在x,y方向的距离，Q表示分区s的点的总数，x^s,t,q、y^s,t,q分别表示第t个手写签名在分区s的第q个点的横纵坐标值，分别表示模板在分区s的第q个点的横纵坐标值；(5c)判断是否获得所有手写签名在所选分区与模板的距离，若是，则执行步骤(5d)，否则，执行步骤(5b)；(5d)计算所有手写签名在所选分区与模板距离的均值、方差；(5e)判断是否获得所有分区的所有手写签名与模板距离的均值、方差，若是，则执行步骤(6)，否则，执行步骤(5b)；(6)计算所有分区的所有手写签名的判别边界值：(6a)从基准签名的所有分区中任选一个分区，从用户的所有手写签名中任选一个手写签名，按照判别边界公式，计算所选手写签名在所选分区的判别边界；(6b)判断是否获得所有分区的所有手写签名的判别边界，若是，则执行步骤(7)，否则，执行步骤(6a)；(7)确定最稳定分区：(7a)从基准签名的所有分区中任选一个分区，计算所选分区的所有判别边界的均值和方差；(7b)根据下式，计算所选分区的权重：其中，w_r表示所选分区r的权重，u^r表示所选分区r的判别边界的均值，σ^r表示所选分区r的判别边界的方差；(7c)判断是否获得用户所有分区的权重，若是，执行步骤(7d)，否则，执行步骤(7a)；(7d)从所有权重中选择权重最小的分区作为最稳定分区；(8)识别待验证者手写签名的真伪：(8a)从最稳定分区的所有判别边界中选择最大的值，作为最稳定分区的阈值；(8b)采集待验证者的手写签名，利用预处理方法，对待验证者的手写签名进行预处理；(8c)采用步骤(4)的相同方法，对待验证者的手写签名进行长度规整；(8d)采用步骤(5b)的相同方法，计算待验证者的手写签名在最稳定分区与模板的距离；(8e)按照判别边界公式，计算待验证者的手写签名在最稳定分区的判别边界；(8f)将待验证者的手写签名的判别边界小于最稳定分区阈值的手写签名确定为真实手写签名，否则为伪造手写签名。