手写签名认证技术研究发展概述

来源:用户上传      作者:

　　摘要：随着科学技术的飞速发展，通过信息技术进行个人身份认证变得日益重要。手写签名是一种稳定且易获取的生物特征，对其进行认证别被广泛应用于金融、司法、行政等多个领域。目前通过获取方式不同，手写签名分为在线签名和离线签名。现对国内外各语种手写签名的认证技术研究现状进行分析，总结现阶段签名认证技术所面临的挑战，并提出关于手写签名认证技术研究的新的发展方向。
　　关键词：模式识别;图像识别;生物特征;在线手写签名;离线手写签名
　　中图分类号：TP391 文献标识码：A
　　文章编号：1009-3044（2020）10-0277-02
　　1概述
　　手写签名是一种生物行为特征，代表着书写者对于某事的确认，承担其相应的法律义务。手写签名根据签名样本的获取方式不同，可分为在线手写签名和离线手写签名两种。在线手写签名在获取签名样本时采用手写板、触摸屏等机器进行签名的采集录人，而离线手写签名的采集是通过在纸张上指定位置书写签名，并通过照相机、扫描仪等设备提取签名为图片。与在线签名不同的是离线签名仅保留签名的静态特征，而丢失签名样本的动态特征，因此在进行身份认证难度高于在线签名的身份认证。本文对在线签名及离线签名的研究发展趋势进行分析。
　　2在线手写签名认证技术研究现状
　　针对在线签名的认证，1997年Gupta Gopal等人通过研究发现，针对较大数量的签名数据库，仅使用静态特征难以达到更好的签名鉴别成功率，且在不久的将来市场上会出现实际可用的在线签名认证系统。现阶段，在线签名认证系统已经走进生活，广泛应用于银行、保险等行业。
　　2009年D.S.Guru和H.N.Prakash提出使用符号表示法，提取签名中的全局特征形成特征的去年描述，通过判断带鉴别签名中的特征是否符合特征区间，从而判定签名真伪，该方法在MCYT数据库中进行实验得到的等错误率为3.8%。2014年，Wang Y H等结合签名的动态特征与静态特征，提取签名的多个时间函数特征并计算其相关矩阵，将其转化为与灰度图像的LBP、SWF两种特征的相关矩阵，从而得到三个不同的特征举证作为特征，每种特征矩阵的EER均在5%左右。Biswajit Kar等人在2018年时提出对于在线签名的笔划点翘曲技术，按笔划进行分段，差值对齐签名序列来进行DTW计算，同时使用MRMR算法进行特征选择，在SVC2004数据集中达到了1%的等误率。2019年，KasparRiesen等人将SED方法用于对签名信号的差别度进行度量，并与床用的DTW算法进行对比实验，结果表明，该算法普遍优于传统的DTW算法。且在未对签名进行特征提取和选择的情况下，在SUSIG数据集上进行实验的EER为2.91%。由此可见，在线手写签名认证技术以趋近成熟，贴近实际生活应用。
　　3离线手写签名认证技术研究现状
　　与在线签名认证不同，离线签名样本中由于丢失了在线签名的动態信息，仅保留了其中的静态特征。因此，使用离线签名进行身份认证要难于在线签名的身份认证。对于离线签名认证，早在1974年Lin和Nemeek已经开始通过提取样本的静态特征进行离线手写签名认证的研究婀。经过多年研究发展，离线签名认证技术的准确率不断上升。
　　曾晓云通过对签名样本进行Daubechies小波变换，从而提取了签名的多尺度高频信息与低频信息，使用加权改进后的Fisher分类器对签名进行分类鉴别，最终得到的AER为3.6%。2016年Yasmine Serdouk等人对签名样本提取渐变的LBP算子和最长运行特征，提出基于人工免疫算法的手写签名鉴别算法，在GPDS和CEDAR数据库中进行实验所得到的AER分别为12.52%和3.54%，该算法能够有效地对签名样本间的特异性进行区分。刘利利创新性地引入图像的形状语义特征，提取了签名样本的形状上下文作为其形状描述子，采用层级分类的方式实现手写签名的鉴别。首先提取样本的方向梯度密度特征，使用加权分类器进行鉴别;其次使用样本的形状上下文作为模板进行模板匹配，进行实验后所得到的等错误率为10.1%。蒋青云提取了签名样本的Gabor滤波特征、灰度分布直方图、CS-LBP等不同的纹理特征，将其融合为高维的特征向量;改进保局投影算法，利用改进后的保局投影算法对高维纹理特征向量进行降维操作，最终使用基于ECOC的SVM进行签名的识别，所得到的签名识别率为94.1%。近期，黄威等人对签名提取轮廓，并提取轮廓图像的LBP直方图，在进行特征降维时使用主成分分析法，使用支持向量机对国际公开的两种签名数据库MCYT和GPDS进行鉴别实验，其平均错误率分别为13.51%和12.97%。Manabu Okawa通过提取签名的KAZE特征，使用Fisher矢量对提取出的特征点进行编码形成特征向量，从而通过SVM算法对MCYT数据库中签名进行鉴别，其EER为5.47%。除此之外，还有相关研究人员提出将改进的视觉词袋特征与边缘方向直方图融合的特征，以及将多尺度块局部二值模式与局部相位量化融合的纹理特征，使用随机森林分类器对维吾尔文签名进行分类鉴别，两种特征所得到的总正确率分别为93.69%和96.06%。可见，通过国内外研究人员的不懈努力，离线签名认证技术有了一定程度的提升，逐渐接近实际应用程度。
　　4挑战与趋势
　　手写签名身份认证技术发展至今，在实际应用中仍然存在较多问题难以解决。在进行在线手写签名时所需使用的手写板的品牌、型号不同，会导致同一算法在不同设备上使用时的身份认证识别率不同;同一书写者使用不同介质进行书写时的样本产生偏差。在进行离线签名时，由于纸张、签名笔、环境等外部因素影响，所书写的签名差异性较大，为签名认证准确性造成误差;同时，在进行签名采集时，通过扫描仪、照相机等将签名转换为计算机可处理的数字图像，在转换过程中容易使样本遭到污损、模糊等情况，加大离线签名认证的难度。由此可见，基于手写签名的认证仍具有挑战性。
　　在未来的研究中，针对书写者选择合适的特征、对手写签名进行伪造、对签名的变异性和稳定性分析、对多文种多来源的签名进行身份认证等都将成为研究重点，从而创建大型公共数据库并共同使用可接受结果比较协议，将使手写签名的研究更加科学化。
转载注明来源:https://www.xzbu.com/8/view-15237946.htm