[发明专利]一种基于对偶学习的生成式对抗网络SIGAN的签名笔迹鉴定方法

权利要求书

1.一种基于对偶学习的生成式对抗网络SIGAN的签名笔迹鉴定方法，其特征在于，包括以下步骤：

S1：预先收集本人真实签名笔迹图片，并对收集到的本人真实签名笔迹图片进行预处理，对预处理后的签名笔迹图片进行数据增强，得到手写签名笔迹图片；根据收集到的本人真实签名笔迹图片，生成宋体签名图片，并与手写签名笔迹图片拼接，得到拼接签名图片；

S2：以所述拼接签名图片作为对抗网络中的训练样本；所述生成式对抗网络SIGAN包含两个结构一致的签名笔迹生成器G_A、G_B、两个结构一致的签名笔迹判别器D_A、D_B；

S3：根据最小化损失函数L(u,v)训练生成式对抗网络SIGAN模型，并基于最小化重构误差准则对所述生成式对抗网络SIGAN模型进行优化；

所述步骤S3中的最小化损失函数L(u,v)为：

L(u,v)＝αL_pixel(u,v)+βL_adv(u,v)

其中α和β为归一化加权系数，v是手写签名笔迹图片，u是标准宋体签名图片；

所述生成式对抗网络SIGAN模型的损失函数由像素损失和对抗损失两个部分组成；

像素损失为：

其中G_A()是生成的手写签名图片，G_B()是生成的宋体签名图片，θ是生成器网络的参数；

对抗损失：

其中D_A()是生成的手写签名与真实的手写签名的相似度，D_B()是生成的宋体签名与真实的宋体签名的相似度；

训练结束后，判别器的损失函数值已经稳定，将此时D_A的损失值L_Aadv作为鉴定阈值；测试时将此阈值与待测签名笔迹图片通过网络得到的损失值loss比较大小，若lossL_Aadv，则鉴定笔迹为真，否则鉴定笔迹为假；

S4：调用上述优化后的模型，对待鉴定签名笔迹进行鉴定。

2.根据权利要求1所述的一种基于对偶学习的生成式对抗网络SIGAN的签名笔迹鉴定方法，其特征在于，所述步骤S4中还包括对待鉴定签名笔迹进行预处理的步骤。

3.根据权利要求1或2所述的一种基于对偶学习的生成式对抗网络SIGAN的签名笔迹鉴定方法，其特征在于，所述对收集到的本人真实签名笔迹图片进行预处理的过程包括：

a、将所述本人真实签名笔迹图片转换成二值图片；

b、去掉所述二值图片边界多余的空白部分；

c、将去边后的二值图片补成正方形图片，再将分辨率调整为固定分辨率。

4.根据权利要求1所述的一种基于对偶学习的生成式对抗网络SIGAN的签名笔迹鉴定方法，其特征在于，所述数据增强过程包括：以上下对称的方式，分别将已有的签名笔迹图片剪切成小于固定分辨率的图片，再将剪切后的图片分辨率重新调整到固定分辨率256×256。

5.根据权利要求1所述的一种基于对偶学习的生成式对抗网络SIGAN的签名笔迹鉴定方法，其特征在于，所述生成器G_A将X域图片转换成Y域图片、所述生成器G_B将Y域图片转换成X域图片，其中所述X域图片为手写签名笔迹图片，所述Y域图片为根据手写签名笔迹生成的标准宋体汉字图片。

6.根据权利要求1所述的一种基于对偶学习的生成式对抗网络SIGAN的签名笔迹鉴定方法，其特征在于，所述图片拼接包括：

将预处理后的签名笔迹图片与对应的标准宋体汉字图片横向拼接，得到拼接签名图片。

7.根据权利要求1所述的一种基于对偶学习的生成式对抗网络SIGAN的签名笔迹鉴定方法，其特征在于，所述优化训练模型的过程包括：

S301：生成器G_A将标准宋体汉字图片翻译为手写签名图片，与其对应的判别器D_A用来判别手写签名图片是真实图片还是G_A翻译来的图片；

S302：生成器G_B将手写体签名图片翻译为标准宋体汉字图片，与其对应的判别器D_B用来判别标准宋体汉字图片是真实图片还是G_B翻译来的图片；

S303：把通过生成器G_A翻译的结果送给生成器G_B，得到的结果即为对标准宋体汉字图片的一次重构；把通过生成器G_B翻译的结果送给生成器G_A，得到的结果即为对手写签名图片的一次重构；

S304：生成式对抗网络SIGAN通过不断迭代最小化重构误差，得到优化后的模型。