基于離線簽名識(shí)別的身份認(rèn)證技術(shù)研究(存儲(chǔ)版)
【正文】 特征提取 ? 一些全局度量 ? 寬、高以及二者的比例 ? 整體傾斜度 ? 各部分的比例 適合于隱馬爾可夫模型應(yīng)用的離線簽名特征提取 4 ? 特征提取 ? 局部度量 人類(lèi)專(zhuān)家通常使用書(shū)寫(xiě)軌跡的局部特性鑒別簽名。 ? 二值圖像的模式譜：假設(shè)有一列遞增的結(jié)構(gòu)元素，用它們對(duì)二值圖像 X連續(xù)做開(kāi)運(yùn)算，直到圖像中的象素被完全刪除，就可以得到圖像的模式譜 (pattern spectrum)： ? 模式譜具有旋轉(zhuǎn)、平移不變性。因此小的訓(xùn)練集就需要小的碼書(shū)。系統(tǒng)評(píng)估使用以下兩個(gè)參數(shù)：誤接受率 FAR和誤拒絕率 FRR。 ? 首先在上面訓(xùn)練所得的模型（決策參數(shù)取 ）下分別測(cè)試模型對(duì) A、 B兩個(gè)新樣本集的誤拒絕率。在介紹使用HMM進(jìn)行簽名鑒別的原理和流程的基礎(chǔ)上，依次介紹了在建立 HMM離線簽名認(rèn)證系統(tǒng)的各階段遇到的問(wèn)題及其解決方案。 謝謝各位老師！ 。 ? 研究背景 ? 隱馬爾可夫模型技術(shù) ? 基于隱馬爾可夫模型的簽名認(rèn)證算法 ? 適合于隱馬爾可夫模型應(yīng)用的離線簽名特征提取 ? 一個(gè)基于二維隱馬爾可夫模型的中文離線簽名認(rèn)證系統(tǒng) ? 結(jié)束語(yǔ) ? 本文工作總結(jié) ? 不足之處 結(jié)束語(yǔ) 1 ? 本文工作總結(jié) ? 首先分析了離線簽名鑒別要解決的問(wèn)題和技術(shù)難點(diǎn)，總結(jié)了已有的離線簽名鑒別技術(shù)，從簽名表示和分類(lèi)判決兩個(gè)方面對(duì)這些技術(shù)進(jìn)行分類(lèi)總結(jié)，分析不同方法的優(yōu)點(diǎn)和缺點(diǎn)，并將我們的工作定位在簡(jiǎn)單偽造簽名的鑒別上。 一個(gè)基于二維隱馬爾可夫模型的中文離線簽名認(rèn)證系統(tǒng) 4 ? 實(shí)驗(yàn)評(píng)估 ? 實(shí)驗(yàn)二： ? 新數(shù)據(jù)集： 每個(gè)簽名者的 20個(gè)真實(shí)樣本。 ? 實(shí)驗(yàn)數(shù)據(jù)集： 10組樣本，每組對(duì)應(yīng)一個(gè)人的簽名，包括 20個(gè)真實(shí)樣本，10個(gè)簡(jiǎn)單偽造樣本。 ? 把從每一列得到的特征向量都組合在一起，成為一個(gè)大的特征向量，把測(cè)試簽名和訓(xùn)練簽名的距離與一個(gè)決策閾值相比較來(lái)確定測(cè)試簽名的真?zhèn)巍? )1,1()1,1( ????? yxPyxP)1,1()1,1( ????? yxPyxP)1,()1,( ??? yxPyxP),1(),1( yxPyxP ???適合于隱馬爾可夫模型應(yīng)用的離線簽名特征提取 6 ? 特征提取 ? 局部紋理特征 ? 假設(shè)一幅二值簽名圖像是某種小的基元構(gòu)成的隨機(jī)過(guò)程，那么，可以利用這一基元的顆粒分析方法對(duì)象素進(jìn)行分類(lèi)。 ? 劃分解析度 不同特征可能需要不同的解析度。 ? 人的字體會(huì)隨時(shí)間改變，因此隨著時(shí)間的推移，模型將逐漸不適應(yīng)字體的變化，識(shí)別率會(huì)越來(lái)越低。 基于 HMM的離線簽名認(rèn)證算法 3 ? HMM建模 * ? 模型選擇 ? Markov鏈的形狀： ? 從左到右 ；無(wú)跨越 、 兩轉(zhuǎn)移 ? 狀態(tài)數(shù) ， n通常在 2到 4之間 ? 觀察符號(hào) ? 多維觀察符號(hào)：多種特征結(jié)合使用時(shí) ， 這些特征之間在意義和度量上不可 。 ? 統(tǒng)一質(zhì)心位置。尋求輸出觀察的最佳“解釋”，它試圖揭示模型的隱藏部分 。 ? 應(yīng)用 HMM技術(shù)進(jìn)行離線簽名鑒別 ? 研究背景 ? 隱馬爾可夫模型技術(shù) ? HMM的結(jié)構(gòu) ? 三大問(wèn)題 ? 解決打分問(wèn)題的前、后向算法 ? 解決訓(xùn)練問(wèn)題的 Baum Welch算法 ? 基于隱馬爾可夫模型的簽名認(rèn)證算法 ? 適合于隱馬爾可夫模型應(yīng)用的離線簽名特征提取 ? 一個(gè)基于二維隱馬爾可夫模型的中文離線簽名認(rèn)證系統(tǒng) ? 總結(jié)和下一步的工作 隱馬爾可夫模型技術(shù) 1 ? HMM的結(jié)構(gòu)： 雙重隨機(jī)過(guò)程。 ? 這種身份鑒別方式如今在社會(huì)生活中仍然扮演著重要的角色，比如在商務(wù)、司法、金融、保險(xiǎn)等眾多領(lǐng)域中都大量使用到離線手寫(xiě)簽名。 研究背景 2 ? 傳統(tǒng)身份認(rèn)證與基于生物特征識(shí)別的身份認(rèn)證 ? 傳統(tǒng)的身份認(rèn)證方式：把身份認(rèn)證問(wèn)題轉(zhuǎn)化為鑒定標(biāo)識(shí)個(gè)人身份的事物來(lái)實(shí)現(xiàn)的?；陔x線簽名識(shí)別的身份認(rèn)證技術(shù)研究 作者姓名：郜艷 導(dǎo)師姓名：董蘭芳 王洵 學(xué)科專(zhuān)業(yè)：計(jì)算機(jī)應(yīng)用技術(shù) 研究方向：圖象處理 內(nèi)容提要 ? 研究背景 ? 隱馬爾可夫模型技術(shù) ? 基于隱馬爾可夫模型的簽名認(rèn)證算法 ? 適合于隱馬爾可夫模型應(yīng)用的離線簽名特征提取 ? 一個(gè)基于二維隱馬爾可夫模型的中文離線簽名認(rèn)證系統(tǒng) ? 總結(jié)和下一步的工作 ? 研究背景 ? 身份認(rèn)證
法律信息相關(guān)推薦
鄂ICP備17016276號(hào)-1