[发明专利]一种基于模糊均值哈希学习的签名自动判别方法有效
申请号: | 201810620961.0 | 申请日: | 2018-06-15 |
公开(公告)号: | CN108830217B | 公开(公告)日: | 2021-10-26 |
发明(设计)人: | 王星;闫慧斌;陈吉 | 申请(专利权)人: | 辽宁工程技术大学 |
主分类号: | G06K9/00 | 分类号: | G06K9/00;G06K9/62;G06N3/04 |
代理公司: | 西安铭泽知识产权代理事务所(普通合伙) 61223 | 代理人: | 俞晓明 |
地址: | 123000*** | 国省代码: | 辽宁;21 |
权利要求书: | 查看更多 | 说明书: | 查看更多 |
摘要: | 本发明公开了一种基于模糊均值哈希学习的签名自动判别方法,涉及计算机应用技术领域,包括步骤一、对签字正数据集中的图像进行预处理,学习图像特征,利用卷积神经网络算法对签字正数据集中的图像提取图像特征。本发明的应用装置多样化,即可以通过移动终端直接访问服务端系统,也可以通过电子屏连接服务端系统,适用面广,通过本发明可以自动判别签字是否为本人,提高了身份识别的准确性;本发明自动学习用户签字模型,简化了判别真伪的难度,降低了专家人员的负担,通过实时处理的方式进行哈希学习,大大降低了计算机内存的开销,减轻了服务端的硬件压力。 | ||
搜索关键词: | 一种 基于 模糊 均值 学习 签名 自动 判别 方法 | ||
【主权项】:
1.一种基于模糊均值哈希学习的签名自动判别方法,其特征在于,包括:步骤一、对签字正数据集中的图像进行预处理利用卷积神经网络对签字正数据集中的图像提取图像特征,降低噪声数据对签字正数据集中的图像在哈希学习过程中造成的影响;步骤二、对签字正数据集中的图像特征进行哈希编码采用模糊均值哈希算法,对提取的图像特征数据进行动态哈希学习,模糊均值哈希算法首先采用在线模糊C均值聚类算法对图像特征数据进行聚类,得到动态更新的聚类中心后,再通过偏移超平面进行哈希编码,得到具有区域代表性的正数据集中的图像的哈希码段;步骤三、对签字负数据集中的图像进行预处理利用卷积神经网络对签字负数据集中的图像提取图像特征,降低噪声数据对签字负数据集中的图像在哈希学习过程中造成的影响;步骤四、对签字负数据集中的图像特征进行哈希编码采用模糊均值哈希算法,对提取的图像特征数据进行动态哈希学习,模糊均值哈希算法首先采用在线模糊C均值聚类算法对图像特征数据进行聚类,得到动态更新的聚类中心后,再通过偏移超平面进行哈希编码,得到具有区域代表性的签字负数据集中的图像的哈希码段;步骤五、对签字正负数据集中的图像的哈希码段进行近似度区分比对签字正负数据集中的图像的哈希码段,计算签字正负数据集中的图像间的哈希距离,得到签字正负数据集中的图像的近似度区分系数,用于对签结果字图像区分时使用;步骤六、对签字结果图像进行判别首先利用卷积神经网络对签字结果图像进行预处理,得到签字结果图像特征,然后再对签字结果图像特征进行哈希编码,得到签字结果图像的哈希码段,再将签字结果图像的哈希码段与签字正负数据集中的图像的近似度区分系数进行比较,得到判别结果,同时将判别结果进行反馈,调整签字正负数据集中的图像的近似度区分系数。
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辽宁工程技术大学,未经辽宁工程技术大学许可,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/patent/201810620961.0/,转载请声明来源钻瓜专利网。