用于手写签名识别的演化超网络

摘要：

手写签名作为易被大众所接受的生物特征身份认证方式,已成为模式识别领域一个重要研究热点.针对现有手写签名存在易模仿难鉴定的问题,提出一种结合演化超网络模型的手写签名认证方法.为了平滑噪声,构造出可读性强的笔迹特征集,采用向量化和平滑采集点的方法对手写签名样本进行预处理,从而提取出位置和方向特征属性,采用演化超网络模型对签名进行学习和鉴定.为验证该方法的有效性,对20个签名用户分别采集了40个真实签名和20个伪造签名数据进行实验.实验结果表明,该方法对用户签名的误拒率(false rejection rate,FRR)为4.75％,误纳率(false acceptance rate,FAR)为3.75％,识别率(verification accuracy,VA)为95.75％.同时和其他传统的识别算法相比,具有更高的识别率.

关键词：签名认证、笔迹特征集、向量化、演化超网络

所属期刊栏目：30

分类号：TP391(计算技术、计算机技术)

资助基金：重庆市基础与前沿研究计划项目cstc2014jcyjA40001,cstc2014jcyjA40022;重庆教委科学技术研究项目自然科学类KJ1400436;重庆市研究生科研创新项目 CYS14150 The Fundamental and Frontier Research Project of Chongqingcstc2014jcyjA40001,cstc2014jcyjA40022;The Science Foundation Project of CQ Education CommissionKJ1400436;The Postgraduate Research and Innovation Project of ChongqingCYS14150

在线出版日期：2018-07-11（万方平台首次上网日期，不代表论文的发表时间）

页数：共9页

页码：399-407