[发明专利]基于局部片段分布特征的笔迹识别方法

说明书

技术领域

本发明涉及基于行为特征的身份识别技术领域，尤其涉及一种基于局部片段分布特征的文本无关笔迹识别方法。

背景技术

生物特征识别技术是利用人的生理特征或行为特征，进行个人身份的鉴定。每个个体都有唯一的可以测量或可自动识别和验证的生理特性或行为方式，即生物特征。它可划分为生理特征(如指纹、面像、虹膜、掌纹等)和行为特征(如步态、声音、笔迹等)。生物识别就是依据每个个体之间独一无二的生物特征对其进行识别与身份的认证。

笔迹特征属于行为性的生物特征，是一个人独一无二的识别特征，对于每个书写者而言，其笔迹总体上具有相对稳定性，而笔迹的局部变化则是每个书写者笔迹的固有特性，而对于不同的书写者而言，其笔迹的差别则比较大。一般模仿的人都只能模仿字形，由于无法准确还原原作人的书写习惯，模仿的笔迹与原笔迹在细节上会存在差异。计算机笔迹识别正是利用了笔迹的独特性和差异性，主要是通过测量书写的字形及笔画的速度、顺序和压力等特征，进行身份鉴别。

随着生物特征识别技术的快速发展，根据考察的对象和提取特征的方法不同，现在的笔迹识别方法主要分为文本相关、文本无关两类，另外还有利用内容信息的半文本无关方法。文本相关方法需要笔迹中具有相同的固定特征，如签名验证；文本无关方法，适用于不同内容的任何笔迹文本。这些方法不集中在一个整体特征中，而是集中在写作风格特征中，如笔迹纹理、方向。所以文本无关的笔迹识别方法在社会生活中具有广泛的应用，如国家间重要协议的签署，银行、金融部门的签名对照，公安、司法部门的刑事调查和法庭证据等。

但现有技术中，大部分文本无关的笔迹识别方法的精度并不高，还需要进一步提升文本无关的笔迹识别方法的准确性及精度。

发明内容

为克服现有技术中存在的文本无关的笔迹识别准确性及精度不高的问题，本发明针对文本无关方法，提供了一种基于局部片段分布特征的笔迹识别方法。

一种基于局部片段分布特征的笔迹识别方法，其特征在于，包括以下步骤：

步骤一、输入笔迹图像；

步骤二、对所述笔迹图像的边缘进行检测，提取所述笔迹图像的笔迹边缘；

步骤三、分析提取所述局部片段分布特征；

步骤四、计算相似度，根据相似度来进行笔迹识别。

所述步骤一进一步包括：将笔迹进行扫描，得到笔迹图像。

所述步骤二进一步包括：利用sobel算子提取背景单一的所述笔迹图像的所述笔迹边缘，利用canny算子提取背景复杂的所述笔迹图像的所述笔迹边缘。

所述步骤三进一步包括：局部片段提取；局部片段分布特征提取；循环计数；归一化。

所述局部片段提取的步骤包括：在大小为(2r+1)×(2r+1)、边缘点位于中心的滑动窗口中，只统计与所述滑动窗口中心的所述边缘点连接的局部片段，其中r为所述滑动窗口中心与所述滑动窗口边界之间的距离。

所述局部片段分布特征提取的步骤包括：统计(I_m1，J_m2)的数量，其中I和J是所述滑动窗口中的相关边缘点对，m1和m2是所述相关边缘点对所在组的编号，当m1＜m_t时，m1≤m2，当m1≥m_t时，m1＝m2，其中m_t为参数。

所述循环计数的步骤包括：统计所有所述边缘点。

所述归一化的步骤包括：通过将所述边缘点分布特征进行归一化，其中I_m表示所述边缘点的位置，N()表示所述边缘点的数量，并计算其概率密度，公式为其中，N(I_m1，J_m2)为(I_m1，J_m2)点对的数量。

所述步骤四进一步包括：通过加权曼哈顿距离来计算相似度，公式为其中LFDF为局部片段分布特征，σ_i为LFDFs第i个组成部分标准偏差，LFDF_1i和LFDF_2i分别是两个LFDF的第i个组别，D为相似度，LFDFs表示不同组别边缘点对的局部片段分布特征，计算相似度，根据计算获得的相似度进行笔迹识别。

与现有技术相比，本发明的有益效果是：本发明提供一种基于局部片段分布特征的笔迹识别方法，提取笔迹图像中笔迹的边缘，提取局部片段分布特征，在此基础上提出来一种新的基于局部片段分布特征的提取方法，提高了离线笔迹识别的准确度及精度。

附图说明

图1是本发明的笔迹识别方法流程简图；