用于手写签名识别的演化超网络

• 作者: LEE Chongho 王进 谢水宁 邓欣 陈乔松 颉小凤
• 来源期刊: 重庆邮电大学学报（自然科学版）
• 学科: 工学
• 关键词: 签名认证 笔迹特征集 向量化 演化超网络
• 年，卷（期）: 2018,（3）
• 所属期刊栏目: 计算机与自动化
• 页码范围: 399-407
• 页数: 9页
• 分类号: TP391
• 字数: 6442字
• 语种: 中文
• DOI: 10.3979/j.issn.1673-825X.2017.03.015

摘要

手写签名作为易被大众所接受的生物特征身份认证方式,已成为模式识别领域一个重要研究热点.针对现有手写签名存在易模仿难鉴定的问题,提出一种结合演化超网络模型的手写签名认证方法.为了平滑噪声,构造出可读性强的笔迹特征集,采用向量化和平滑采集点的方法对手写签名样本进行预处理,从而提取出位置和方向特征属性,采用演化超网络模型对签名进行学习和鉴定.为验证该方法的有效性,对20个签名用户分别采集了40个真实签名和20个伪造签名数据进行实验.实验结果表明,该方法对用户签名的误拒率(false rejection rate,FRR)为4.75％,误纳率(false acceptance rate,FAR)为3.75％,识别率(verification accuracy,VA)为95.75％.同时和其他传统的识别算法相比,具有更高的识别率.