[发明专利]笔迹鉴定模型的训练方法及笔迹鉴定方法、设备和介质

权利要求书

1.一种笔迹鉴定模型的训练方法，其特征在于，包括：

分别从签名图像集中选取多个签名图像叠加为合成图像，构成由多个合成图像组成的训练集，其中，所述多个签名图像中的每个签名图像被处理为所述合成图像中互不相同的颜色通道；

将所述训练集中的合成图像作为训练样本，根据预设损失函数训练笔迹鉴定模型；

所述笔迹鉴定模型的训练输出为两个浮点数值，这两个浮点数值a、b分别代表：a、被叠加为所述合成图像的签名图像为同一人书写的签名笔迹的可能性；b、被叠加为所述合成图像的签名图像不为同一人书写的签名笔迹的可能性；当a-b大于预设阈值则确定被叠加为所述合成图像的签名图像为同一人书写，否则，确定被叠加为所述合成图像的签名图像不为同一人书写；或者

所述笔迹鉴定模型的训练输出为三个浮点数值，这三个浮点数值a、b、c分别代表：a、被叠加为所述合成图像的签名图像为同一人书写的签名笔迹、且为相同文字的可能性；b、被叠加为所述合成图像的签名图像不为同一人书写的签名笔迹、但为相同文字的可能性；c、被叠加为所述合成图像的签名图像为不同文字的可能性；当a-b-c大于预设阈值则确定被叠加为所述合成图像的签名图像为同一人书写，否则，确定被叠加为所述合成图像的签名图像不为同一人书写。

2.根据权利要求1所述的方法，其特征在于，

训练模型为双通道卷积神经网络2ChannelCNN；

所述损失函数为：

或者，

式中，ω代表模型中的权重参数，N代表训练样本的总数量，i代表训练样本中的第i个样本，代表第i个样本经过网络模型运算的结果；j代表输出向量的索引，e为自然常数，是网络模型输出的向量的正确分类索引的权重。

3.根据权利要求1所述的方法，其特征在于，被叠加为所述合成图像的所述签名图像被缩放到预设高宽，和/或，经过二值化处理。

4.根据权利要求1所述的方法，其特征在于，所述方法还包括：

将所述签名图像集中的签名图像进行同向翻转，并分别从签名图像同向翻转后的签名图像集中选取多个签名图像叠加为合成图像，构成由多个合成图像组成的另一训练集。

5.一种笔迹鉴定模型的笔迹鉴定方法，其特征在于包括：

将为同一人书写的签名笔迹的签名图像与待鉴定笔迹的签名图像叠加为待鉴定合成图像，其中，每个签名图像被处理为所述待鉴定合成图像中互不相同的颜色通道；

调用所述笔迹鉴定模型处理所述待鉴定合成图像，获得所述笔迹鉴定模型的输出结果，其中，所述笔迹鉴定模型是由权利要求1至4中任一项所述的笔迹鉴定模型的训练方法训练的；

根据所述输出结果，判断所述待鉴定笔迹与被叠加到所述待鉴定合成图像中的其他签名图像的签名笔迹是否为同一人书写的。

6.根据权利要求5所述的方法，其特征在于，将为同一人书写的签名笔迹的签名图像与待鉴定笔迹的签名图像叠加为待鉴定合成图像包括：

将为同一人书写的签名笔迹的一个或多个签名图像，与待鉴定笔迹的一个签名图像叠加为所述待鉴定合成图像。

7.根据权利要求5所述的方法，其特征在于，被叠加为所述待鉴定合成图像的签名图像与被叠加为所述合成图像的签名图像经过相同的缩放和/或二值化处理。

8.一种笔迹鉴定设备，其特征在于，包括：至少一个处理器、至少一个存储器以及存储在所述存储器中的计算机程序指令，当所述计算机程序指令被所述处理器执行时实现如权利要求1-7中任一项所述的方法。

9.一种计算机可读存储介质，其上存储有计算机程序指令，其特征在于，当所述计算机程序指令被处理器执行时实现如权利要求1-7中任一项所述的方法。