[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

说明书

本发明公开了基于神经网络模型的手写签名的自动校验的方法和装置。该方法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，并置于卷积神经网络模型中以生成第一特征向量序列，然后输入至双向循环神经网络模型中以生成第二特征向量序列，通过对第一特征向量序列和第二特征向量序列通过预设的拼接方式进行拼接以生成第三特征向量序列后，置于循环神经网络模型中进行分类识别以生成姓名并置于姓名校验模型对其进行校验。本发明基于OCR识别技术，解决了现有技术中的中文手写签名中存在无法对用户手写签名进行验证的问题，提高了中文手写签名的自动校验的效率。

技术领域

本发明涉及计算机技术领域，尤其涉及一种基于神经网络模型的手写签名的自动校验的方法和装置。

背景技术

目前，实现电子签名的方法有多种技术手段，其中手写签名的模式识别属于电子签名中以生物特征统计学为基础的识别标识。现有技术中电子签署环节的签名方案主要有勾选签名和写字板手写签名两种方式。其中，勾选签名无法验证是否是用户本人签名；写字板手写签名在当前的技术只是让用户手写签名，但是对于用户手写签名的内容没有做验证，同时现有的业务场景验证方式中没有验证用户手写签名里面的签名文字是否是本人姓名这一场景。

发明内容

本发明实施例提供了一种基于神经网络模型的手写签名的自动校验的方法和装置，旨在解决现有技术中的中文手写签名中存在无法对用户手写签名进行验证的问题。

第一方面，本发明实施例提供了一种基于神经网络模型的手写签名的自动校验的方法，其包括：

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。

第二方面，本发明实施例提供了一种基于神经网络模型的手写签名的自动校验的装置，其包括：

图像预处理单元，用于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；

第一特征向量序列生成单元，用于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；

第二特征向量序列生成单元，用于在预先训练好的双向循环神经网络模型中输入所述特征向量序列并将其输出以生成第二特征向量序列；

第三特征向量序列生成单元，用于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将对应位置的特征向量进行拼接以生成第三特征向量序列；

分类识别单元，用于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；

校验单元，用于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。

第三方面，本发明实施例又提供了一种计算机设备，包括存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序时实现如上述第一方面所述的基于神经网络模型的手写签名的自动校验的方法。