模式识别与人工智能
2025年4月3日 星期四   首 页     期刊简介     编委会     投稿指南     伦理声明     联系我们                                                                English
模式识别与人工智能  2007, Vol. 20 Issue (1): 95-100    DOI:
研究与应用 最新目录| 下期目录| 过刊浏览| 高级检索 |
基于笔段特征和HMM的在线签名认证方法研究*
孟明1,2,吴仲城1,余永1,葛运建1
1.中国科学院合肥智能机械研究所 合肥 230031
2.中国科学技术大学 自动化系 合肥 230027
Online Signature Verification Based on Segment Features and HMM
MENG Ming1,2, WU ZhongCheng1, YU Yong1, GE YunJian1
1.Institute of Intelligent Machines, Chinese Academy of Sciences, Hefei 230031
2.Department of Automation, University of Science and Technology of China, Hefei 230027

全文: PDF (722 KB)   HTML (1 KB) 
输出: BibTeX | EndNote (RIS)      
摘要 手写签名过程中的书写力包含丰富个人特征.受输入设备所限,目前的在线手写签名认证系统都没有能够充分利用这一信息.基于此,本文提出一种综合利用签名字形和书写力特征的在线签名认证方法.首先,利用一种新型的FTablet手写板用于获取签名的动态笔迹和书写力信息,并根据速度极小值点对签名进行笔画分段.然后从中提取16维的字形和书写力特征矢量序列用于签名隐马尔可夫模型(HMM)的建立和认证.在基于FTablet手写板建立的签名数据库上的认证实验结果表明书写力特征比字形特征更难以模仿,两种特征相结合可以有效提高系统的识别性能,提出的认证方法的相等错误率(EER)达到3.9%.
服务
把本文推荐给朋友
加入我的书架
加入引用管理器
E-mail Alert
RSS
作者相关文章
孟明
吴仲城
余永
葛运建
关键词 在线签名认证隐马尔可夫模型(HMM)笔画分段书写力    
Abstract:Writing forces of signature contain a great many individual characteristics, but in current online handwritten signature verification systems this information is often utilized deficiently because of the limitation of the existing input device. In this paper, an online signature verification algorithm using the shape features and the force features is presented. The dynamic trajectory and the writing force of signature are captured by a novel digital tablet, namely FTablet. Each signature is segmented according to its minimum velocity points. Then a 16dimensional vector of shape and force features is extracted for each segment. The resulting sequence is used for training a HMM to achieve signature verification. The experimental results on our database show that the force feature is more difficult to forge than the shape feature and the combination of the two features can effectively improve the performance. The proposed algorithm has achieved equal error rate (EER) of 3.9%.
Key wordsOnline Signature Verification    Hidden Markov Model (HMM)    Stroke Segmentation    Writing Force   
收稿日期: 2005-12-30     
ZTFLH: TP391.4  
基金资助:国家自然科学基金资助项目(No.60475005,No.60575058)
作者简介: 孟明,男,1975年生,博士,主要研究方向为生物特征识别、信息获取与处理等.Email:emnming@yahoo.com.cn.吴仲城,男,1968年生,博士,主要研究方向为人机接触交互、仿生机器人传感网络等.余永,男,1957年生,研究员,博士生导师,主要研究方向为智能机器人传感与控制、人机接触交互等.葛运建,男,1947年生,研究员,博士生导师,主要研究方向为智能机器人传感与控制、信息获取与处理等.
引用本文:   
孟明,吴仲城,余永,葛运建. 基于笔段特征和HMM的在线签名认证方法研究*[J]. 模式识别与人工智能, 2007, 20(1): 95-100. MENG Ming , WU ZhongCheng , YU Yong , GE YunJian. Online Signature Verification Based on Segment Features and HMM. , 2007, 20(1): 95-100.
链接本文:  
http://manu46.magtech.com.cn/Jweb_prai/CN/      或     http://manu46.magtech.com.cn/Jweb_prai/CN/Y2007/V20/I1/95
版权所有 © 《模式识别与人工智能》编辑部
地址:安微省合肥市蜀山湖路350号 电话:0551-65591176 传真:0551-65591176 Email:bjb@iim.ac.cn
本系统由北京玛格泰克科技发展有限公司设计开发 技术支持:support@magtech.com.cn