[发明专利]基于神经网络模型的手写签名的自动校验的方法和装置

权利要求书

1.一种基于神经网络模型的手写签名的自动校验的方法，其特征在于，包括：

接收用户输入的中文签名图像，根据图像预处理模型对所述中文签名图像进行预处理，得到预处理后的中文签名图像；

将预处理后的所述中文签名图像置于预先训练好的卷积神经网络模型中以生成第一特征向量序列；

在预先训练好的双向循环神经网络模型中输入所述第一特征向量序列以生成第二特征向量序列；

按照预设的拼接方式将所述第一特征向量序列和第二特征向量序列进行拼接以生成第三特征向量序列；

根据预先训练好的循环神经网络模型对所述第三特征向量序列进行分类识别，以识别出所述中文签名图像中的姓名；

根据预置的姓名校验模型对所述姓名进行校验以得到所述中文签名图像是否通过的校验结果。

2.根据权利要求1所述的基于神经网络模型的手写签名的自动校验的方法，其特征在于，所述图像预处理模型包括非线性规整化规则和字符的分段插值处理规则，所述根据图像预处理模型对所述中文签名图像进行预处理，得到预处理后的中文签名图像的步骤包括：

根据所述非线性规整化规则将所述中文签名图像进行规整化处理，以放大或缩小所述中文签名图像；

根据所述字符的分段插值处理规则将规整化处理后的中文签名图像进行插值处理以生成预处理后的所述中文签名图像。

3.根据权利要求1所述的基于神经网络模型的手写签名的自动校验的方法，其特征在于，所述将预处理后的所述中文签名图像置于预先训练好的卷积神经网络模型中以生成第一特征向量序列，包括：

将预处理后的所述中文签名图像输入至所述卷积神经网络模型的卷积层进行卷积处理，以得到所述中文签名图像浅层特征相对应的向量矩阵；

将所述中文签名图像浅层特征相对应的向量矩阵输入至所述卷积神经网络模型的池化层进行池化处理，以得到所述中文签名图像深层特征相对应的向量矩阵；

将所述中文签名图像深层特征相对应的向量矩阵输入至所述卷积神经网络模型的输出层进行分类处理，以形成所述第一特征向量序列。

4.根据权利要求1所述的基于神经网络模型的手写签名的自动校验的方法，其特征在于，所述按照预设的拼接方式将所述第一特征向量序列和第二特征向量序列进行拼接以生成第三特征向量序列，包括：

将所述第一特征向量序列和第二特征向量序列进行首尾拼接以得到第三特征向量序列。

5.根据权利要求1所述的基于神经网络模型的手写签名的自动校验的方法，其特征在于，所述根据预先训练好的循环神经网络模型对所述第三特征向量序列进行分类识别，以识别出所述中文签名图像中的姓名的步骤包括：

将所述第三特征向量序列输入至所述循环神经网络模型中，生成循环神经单元的隐藏状态；

通过预置的注意力机制接收所述隐藏状态并搜索与所述隐藏状态相关的特征向量序列以得到下一时刻输入的特征向量序列并将其输入至所述循环神经单元以更新所述隐藏状态；

通过分类器接收所述隐藏状态并对其进行分类识别，以识别出所述中文签名图像中的姓名。

6.根据权利要求1所述的基于神经网络模型的手写签名的自动校验的方法，其特征在于，所述姓名校验模型包括编码转换规则和正则表达式，所述根据预置的姓名校验模型对所述姓名进行校验以得到所述中文签名图像是否通过的校验结果的步骤包括：

根据所述编码转换规则将所述姓名转换为与所述姓名相对应的字符编码；

根据所述正则表达式将所述姓名相对应的字符编码与预先存储的姓名的相对应的字符编码进行校验以得到所述中文签名图像是否通过的校验结果。