[发明专利]一种基于计算机系统的手写签名稳定性评估方法

说明书

技术领域

本发明涉及在线手写签名身份认证技术领域，特别涉及一种基于计算机系统的手写签名稳定性评估方法。

背景技术

作为生物特征识别技术的重要内容之一，手写签名认证利用个性化的书写特征实现身份的鉴别。根据数据获取方法的不同，签名认证可分为离线签名认证和在线签名认证两类。相比于使用静态图像的离线签名认证，在线签名认证使用手写板等设备采集书写过程中产生的笔迹信息，能获取更丰富的信息，具有更高的准确率，因此，有着广阔的应用前景。

生物特征作为身份认证依据的前提条件是其具备一定的稳定性。但受书写水平的影响，人们书写的签名稳定性不尽相同，例如，经常进行书写活动的文字工作者，其书写技巧较高、书写流利，签名的稳定性较高；但对于还处于练字初期的孩童、或者对于某些身患疾病的老人，其签名的稳定性较差。对于稳定性较差的签名，签名间的差异较大，这会使得基于签名的认证系统产生两种问题：一种是在容忍更大的类内差异的同时，必然会接受更多的伪造签名；另一种是在拒绝更多伪造签名的同时，必然又会拒绝更多的真实签名。

为解决这个问题，Joan等人在文献《On-line signature verification system with failure to enrol management》(Pattern Recognition，2009)中指出在实际应用中，需要系统自动发现并处理用户注册失败的情况，即用户提交的生物特征稳定性不满足身份认证的要求。注册失败在生物特征身份认证领域并不少见，例如，大约有4％的人因为无法提供高质量的个人指纹而无法成功注册到一个指纹认证系统。由于签名自身具有较大的类内变化，因此在签名认证领域注册失败的用户比例可能会更大。

针对注册失败情况的处理，Joan等提出了“智能注册”的思想：在注册阶段进行稳定性检查并自动拒绝低质量的签名样本，同时要求用户提交新的注册样本。这样，虽会对某些用户会造成使用上的不便，却可以从一定程度上保证系统的认证性能。

签名样本的质量由其稳定性决定，Joan等通过样本间的两两匹配结果来评价注册签名稳定性。对每对比较的签名，采集七类时间序列信号，利用离散余弦变换提取参数特征，进行特征选择后，采用二次判别分类器进行匹配。在要求三个注册样本的情况下，如果一个样本与其他两个不匹配，系统将拒绝这个样本的提交，要求用户提交一个新的样本。

在对上述现有技术进行分析后，发明人发现：

Joan等采用的稳定性评估方法基于样本间全局参数特征，全局参数特征是以整个签名信号为特征提取单元得到的统计特征，并不能有效地反映出签名的细节信息。而一种有效的稳定性评估至少应该满足两点：①细致性，即签名特征应对签名细微的差异给出准确的描述，宜采用局部特征；②全面性，即签名特征应对签名的稳定性给出全面的描述，需同时考虑签名静态和动态特征。

发明内容：

本发明所要解决的技术问题即目的是：针对稳定性分析的细致性和全面性要求，提出一种手写签名稳定性评估方法，特别是采用一种签名分段匹配计算和局部匹配段差异值计算的手写签名稳定性评估方法，以解决手写稳定性定量评估的问题

本发明的技术方案是：

一种基于计算机系统的手写签名稳定性评估方法，特别是：通过手写输入设备采集，得到待测签名以及来自同一书写者的签名样本集，待测签名即为需要进行稳定性分析的手写签名，签名样本集即为与待测签名进行稳定性计算的手写签名集，通过签名相似性评估，特别是采用一种签名分段匹配计算和局部匹配段差异值计算来完成签名样本集中的每个签名样本与待测签名的签名相似性评估，然后根据签名相似性评估得到签名样本集中与待测签名相似的签名样本的数量，并将其与预先设定的阈值比较以判断待测签名是否稳定，最终完成待测签名的稳定性评估。方法包括：

获取签名；

签名相似性评估；

稳定性评估；

获取签名，具体包括：

通过手写输入设备采集，得到待测签名以及来自同一书写者的签名样本集，待测签名即为需要进行稳定性分析的手写签名，签名样本集即为与待测签名进行稳定性计算的手写签名集，设S表示用户U的一个待测签名，集合B＝{S₁，S₂，S₃，...，S_N}表示用户U的签名样本集，其中N≥1，即：

获取签名，得到用户U的一个待测签名S和用户U的签名样本集B；

签名相似性评估，具体包括：