[发明专利]一种基于SVM电子手写签名识别的方法

权利要求书

1.一种基于SVM电子手写签名识别方法，包括对用户的签注册和认证，其特征在于:

签名注册时，用户在注册时多次在签字终端形成签字源文件,源文件中记录书写的签名轨迹的横、纵坐标以及签名时的压力值；

提交签字源文件保存至签名数据库中，并与用户进行绑定；

对签名库中的用户按用户进行标签绑定；对签字源文件统一进行预处理；

对预处理后的数据进行主成分特征值提取；

对选取后的数据进行归一化处理，保存数据归一化模型；

选择SVM的核参数，针对核函数及注册时的主成分数据进行最优核参数计算，计算出最优的惩罚系数及核参数，把待训练的主成分特征值、惩罚系数及核参数带入SVM中进行训练，得到全局用户的SVM训练模型，对模型进行保存；

认证时，对采集的签名数据进行预处理和大小归一化，选取主成分的特征值组成待认证的集合，使用数据归一化的模型进行数据归一化；

选取识别范围的训练模型，把待识别数据及模型带入SVM中进行多分类计算，得到结果值，根据结果判定待识别用户的用户身份。

2.如权利要求1所述的基于SVM电子手写签名识别方法，其特征在于：SVM的核函数为径向基核函数。

3.如权利要求1所述的基于SVM电子手写签名识别方法，其特征在于：对签字源文件统一进行预处理时，包括减少噪声和平化信号的过程。

4.如权利要求1所述的基于SVM电子手写签名识别方法，其特征在于：数据大小归一化的方法为

其中，x′_t为签字源文件中每个轨迹的横坐标点，x′_max为整个轨迹横坐标的最大值，x′_min为整个轨迹横坐标的最小值，M为归一化的标准矩形框的大小，值为1；

y′_t为签字源文件中每个轨迹的纵坐标点，y′_min为整个轨迹横坐标的最大值，y′_min为整个轨迹横坐标的最小值。

5.如权利要求4所述的基于SVM电子手写签名识别方法，其特征在于：进行归一化处理后的数据统一在[0,1]区间内。

6.如权利要求1所述的基于SVM电子手写签名识别方法，其特征在于：在进行主成分特征值提取后，选取的主成分应该累计贡献率85％,主成分包含的信息占原始信息量85％以上。