基于优化DTW算法在线签名鉴别研究.docVIP

基于优化DTW算法在线签名鉴别研究 　　摘 要：随着科学技术的发展，为进一步提高签名的方便与安全，科研人员研究出了一种基于生物特征的认证技术，名为在线手写签名鉴别法。该技术具有高防伪性与使用方便的优点，其主要的鉴别原理是首先对签名字迹进行提取，然后分析书写信息的特征，再通过计算判定签名与真实签名是否出自同一人之手。这项技术由于其安全、便捷的优点，成为了时下比较热门的一项研究实验，它的技术成型将会给电子商务、电子政务等领域带来巨大的影响。在签名识别的过程中，提出了一种加权的DTW改进在线签名算法且明显看出，加权DTW发方法比传统的DTW方法更具有高效性。 　　关键词：签名认证 动态时间规整 权值特征 　　中图分类号：TP391 文献标识码：A 文章编号：1674-098X（2015）10（c）-0150-02 　　手写签名认证研究的方向主要是签名的动态特征，如笔记的压力数据处理分析和对其线速度、角速度以及加速度的计算。它的过程是人脑在受到指令之后做出的视觉反馈和力反馈，它与传统的身份识别方式相比，在线手写签名鉴别不会丢失、采样过程简单、且安全性高，其应用技术已经有了一定的研究成果，获得了较为广泛的应用。 　　1 手写签名的鉴别 　　1.1 手写签名鉴别的难点 　　现有的其他生物特征认证鉴别方法多种多样，但签名鉴别较之其他方法效率最高。人们普遍都具有书写文字的技能，因此，它在人们的日常生活中使用起来是很方便的。实际上，人们在不断的成长中，身体各方面的条件都会产生变化，其笔迹也会发生相应的改变，这就给签名验证系统带来了一个难题。面对这种情况，我们就需要为签名鉴别系统提供更多的样本作为参考，这也使得签名的可变化范围变广，使得他人伪造签名的机会加大，这是对签名鉴别系统的一大考验。 　　1.2 手写签名鉴别的过程 　　手写签名鉴别的过程包括签名获取、数据预处理、特征提取、签名匹配四个阶段，最后由签名的比对得出鉴别的结果。 　　每个人在签名时的运笔速度、运笔压力以及书写习惯都是不同的，这就给研究找到了一个切入点，我们称这一点为签名特征研究。通常通过研究压力、峰值、书写时间、平均能量等方面获取签名的特征。由于在识别对象时特征是一项很有代表性的依据，因此我们在特征选取的时候，要以可靠性作为特征的选取方向，尽量选取个数少的、独特的特征作为代表。由于签名的形状与结构是比较容易模仿的，但是伪造者在伪造时无法模仿出真实笔迹的瞬时特征，所以我们在特征选取时会做到这两方面的工作，提高结果的准确性，增加伪造的难度。 　　2 动态时间规整方法 　　2.1 DTW算法原理 　　在DTW算法的原理中，动态时间弯折概念是其主要的核心。其思想为在参考模板和测试模板的签名特征之间找到一条优化路径，为时间校准匹配路径，实现过程具体如下。 　　假设有2个满足时序约束的序列，分别为模板特征序列A与测试模板序列B。 　　A=a1，a2，…，am，…，aM 　　B=b1，b2，…，bn，…，bN 　　两组序列之间相对应的时间变化关系表示为如下函数公式： 　　f=c（1），c（2），…，c（i），…，c（I） （1） 　　其中，c（i）=（m（i），n（i）），c（i）代表在第i次特征匹配时，测试特征序列B中的第n（i）帧与模板特征序列A中第m（i）帧的进行比较。c（i）可视为m-n平面坐标中的一个点，连接点c（i）和点c（i+1）形成一条曲线，这条曲线就是时间弯折曲线，即模板特征序列A与测试模板序列B的匹配路径。 　　再将模板中的第m帧和测试序列中第n帧进行匹配的局部匹配距离作为d（i）的定义，d（i）=（m（i），n（i））。通过计算两个序列中的相对平均匹配距离，将其规整到一个最相似的范围内，然后在范围内对签名的真实性进行判断。 　　2.2 加权DTW方法 　　传统的动态时间规整认为，每一个签名的采样点在签名的轨迹上作用是相同的，因此产生了相同标准的假设，然而我们要知道，实际上采样点的重要性并不一样。所以，在考虑到不同采样点在DTW算法中所占有不一样的重要程度这一点，采用给每个采样点加入权值的方法，达到区分重要采样点和降低次要采样点的效果。在权值的选取上，通过观察速度、加速度、压力三个值的采样点变化，通过分析计算，比较单项特征权值对DTW的改进能力，然后找出最优的权值组合方法。在加权DTW方法的具体计算中，首先定义一个加权函数W（n），令1≤n≤N。分不同的特征权值给出计算公式，以下分别为加速度、压力、压力的平方和以及压力与加速度的权组合的公式。 　　加速度：W（n）=1/（A（n） A（n?1）） 　　压力：W（n）=1/（P（n）?P（n?1）） 　　压力的平方和：W（n）=αP+β