[发明专利]一种电子手写签字模糊标签化识别系统

说明书

一种电子手写签字模糊标签化识别系统，包括签字终端，服务器，存储设备，通过签字终端对用户提交电子手写签字内容的记录，生成笔迹图形并建立归一化模型。再通过降维处理后，得到训练模型，服务器通过训练模型训练后，使用多分类方法强制分类，进行模糊标签化分类，将经过核函数计算阙值大于0.8的结果作为模糊标签分类数据，输出结果。采用本发明所述的电子手写签字模糊标签化识别系统，使得精确识别所需要的计算量得到显著降低，随着计算量的大幅降低，采购成本与运维难度也随之降低，为笔迹识别技术的发展与应用，奠定了基础。

背景技术

在信息技术中，对于身份的认证方式，是一个不断发展的过程。随着计算机处理器的不断升级换代，其计算量也飞速发展，曾经普遍采用的6位数字密码作为身份验证的措施早已不再安全，但长与复杂的密码组合，让人难以记忆。因此身份认证的方式更倾向于采用人脸识别、指纹识别等生物特征的方向发展。但是，如面部特征与指纹等，均不是人类文明中传统的身份鉴别方式，用户在接受这些新的身份认证方式时，难免会产生抵触与反对。而目前，社会中普遍认可的身份认证方式为手写签字。无论是合同，委托书，协议等重要的有法律效力文件上，个人手写签字均是一种为社会所认可的身份确认方式。并且面部识别，指纹识别等身份验证方式均不能表达出当事人对于上述法律文件是否阅读过，与是否同意上述文件所述内容，只能表明该文件与当事人曾在同一地点出现过。

因此在信息化时代，电子文书逐渐成为主流的法律文书表现形式时，且远程协议的签署在技术上实现成为可能时，一种可鉴别是否为签字人本人的技术尤为重要。如保险业的合同中，如非投保人本人签字，则该合同不具有法律效力。因此鉴定签字人身份的识别技术是采用手写签字方式的电子合同中一项关键技术。

由于神经网络的告诉发展，目前，图像识别技术已经取得了许多技术上的突破，通过大量的样本学习，计算机已可以精确识别图像。在盗版识别领域，均是通过视频帧扫描图像来判断与正版资源的相似度，从而确定未经授权的盗版资源在网上发布。

但是在样本量较大的情况下，进行精确的识别需要相当大的计算量。如果每一个检测样本均在海量的签字特征数据库中所有的进行签字比对，不仅效率低下，而且对计算资源也会产生大量的浪费。

技术领域

本发明涉及一种基于神经网络电子手写签字识别的系统，尤其涉及一种电子手写签字的模糊标签化的识别。

发明内容

本发明的目的是在进行精确用户签字笔迹识别前，为用户提交的签字数据添加模糊标签，供需要精确识别时，不需要面对海量数据库中用户提交的样本进行逐一精确识别比对。

本发明是这样实现的：

一种电子手写签字模糊标签化识别系统，包括签字终端，服务器，存储设备，其特征是：所述签字终端记录用户签字的特征数据，包括坐标、压力值、速度、切线角、曲率、总体加速度以及概率密度；

经过用户多次向签字终端提交数据，所述存储设备将所述数据与用户绑定，传输至所述服务器进行归一化处理并建立归一化模型，并生成相应用户的笔迹图形；

源文件中记录书写的三维信息{x_t,y_t,p_t},其中x_t,y_t分别为签字轨迹的横、纵坐标，p_t为签字时的压力值。

用户提交签字源文件保存至签字数据库中，并与用户进行绑定。

同一用户的签字源文件统一进行预处理，减少噪声和平化信号，去掉无效数据，对x,y分别进行数据进行大小归一化：使签字缩放到统一的矩形框中。其中，x′_t为签字源文件中每个轨迹的坐标点，x′_max为整个轨迹坐标的最大值，x′_min为整个轨迹坐标的最大值的最小值，M为矩形框的大小，在实际中根据签字的情况M约定为用户书写时的最大长宽。

所述服务器对所述笔迹图形进行降维，缩减采样数据。