[发明专利]在线笔迹认证中一种笔迹模仿复杂度的度量方法

权利要求书

1.在线笔迹认证中一种笔迹模仿复杂度的度量方法，其特征在于：包括如下步骤：

A)开始：设W＝{(x₁,y₁,f₁),(x₂,y₂,f₂),...,(x_n,y_n,f_n)}为传感器采集到的待度量笔迹时间序列，其中x,y表示传感器采集到的笔尖的二维位置信息，f表示传感器采集到的笔尖压力信息，n为笔迹时间序列W的采样点个数；

B)计算手写笔迹W的书写速度信息：设L_W＝{l₁,l₂,...,l_n}表示笔迹W的书写速度时间序列，表示第k时刻笔尖的速度信息，1＜k≤n，l₁＝0；

C)计算手写笔迹W的转动角信息：设A_W＝{a₁,a₂,...,a_n}表示笔迹W的转动角时间序列，设表示第k时刻笔尖的转动角信息，其中l_k,l_k+1表示在第k，k+1时刻笔尖的速度，D_k＝dx_k×dx_k+1+dy_k×dy_k+1，dx_k＝x_k-x_k-1，dx_k+1＝x_k+1-x_k，dy_k＝y_k-y_k-1，dy_k+1＝y_k+1-y_k，1＜k＜n，b₁＝0，b_n＝0，最后，确定转动角的方向，即若采样点(x_k+1,y_k+1)使得直线方程f(x,y)大于零，则a_k＝b_k；否则，a_k＝-b_k；其中f(x,y)表示由从点(x_k-1,y_k-1)到(x_k,y_k)方向的向量定义的直线方程，-π≤a_k≤π，1≤k≤n；

D)计算与注意力相关的摹仿复杂度指数：以笔迹时间序列W的采样点个数n作为输入参数，计算得到与注意力相关的摹仿复杂度指数P1，包括如下步骤：

D1)开始；以笔迹时间序列W的采样点个数n作为输入参数；

D2)计算与注意力相关的摹仿复杂度指数：其中x表示笔迹书写用时，单位为秒；x＝n/F，其中n表示笔迹时间序列W中采样点个数，F表示采集笔迹W手写板的采样频率；

D3)结束：返回笔迹W与注意力相关的摹仿复杂度指数P1＝C(x)；

E)计算与记忆力相关的摹仿复杂度指数：

以笔迹时间序列W＝{(x₁,y₁,f₁),(x₂,y₂,f₂),...,(x_n,y_n,f_n)}

和转动角时间序列A_W＝{a₁,a₂,...,a_n}作为输入参数，计算得到与记忆力相关的摹仿复杂度指数P2，包括如下步骤：

E1)开始：以笔迹时间序列W＝{(x₁,y₁,f₁),(x₂,y₂,f₂),...,(x_n,y_n,f_n)}和转动角时间序列A_W＝{a₁,a₂,...,a_n}作为输入参数；

E2)对笔迹W按笔画进行分割：提取W中的关键点K＝{k₀,k₁,k₂,...,k_m-1,k_m}，其中，k_i表示关键点在笔迹W中的序号，0≤i≤m，k₀＝1，k_m＝n，k_i＜k_i+1，0≤i＜m，由这些关键点将笔迹W分割成m段笔画；其中第i段笔画为

E3)初始化循环变量x＝1；

E4)计算第x段笔画与笔迹W中其它笔画的交叉点个数：设c_x表示第x段笔画与笔迹W中其它笔画的交叉点个数；

E5)计算第x段笔画中转动角符号相同的子段数：所述转动角符号相同的子段表示该子段中所有采样点的转动角符号全部为非正，或全部为非负的子段，设d_x表示第x段笔画中转动角符号相同的子段数；

E6)计算第x段的笔画复杂度指数P_x＝1+c_x/2+d_x；

E7)x＝x+1，若x≤m，则跳转至步骤E4)，读下一段的笔画复杂度指数，否则，跳转至步骤E8)；

E8)计算与记忆力相关的摹仿复杂度指数：对所有段的笔画复杂度指数求加权平均得到笔迹W的笔画复杂度指；

E9)结束：返回笔迹W与记忆力相关的摹仿复杂度指数P2；

F)计算与手眼协调力和观察力相关的摹仿复杂度指数：以笔迹时间序列W＝{(x₁,y₁,f₁),(x₂,y₂,f₂),...,(x_n,y_n,f_n)}和书写速度时间序列L_W＝{l₁,l₂,...,l_n}作为输入参数，得到与手眼协调力和观察力相关的摹仿复杂度指数P3和P4，包括如下步骤：

F1)开始：以笔迹时间序列W＝{(x₁,y₁,f₁),(x₂,y₂,f₂),...,(x_n,y_n,f_n)}和书写速度时间序列L_W＝{l₁,l₂,...,l_n}作为输入参数；

F2)对笔迹W按笔画进行分割：提取W中的关键点K＝{k₀,k₁,k₂,...,k_m-1,k_m}，其中，k_i表示关键点在笔迹W中的序号，0≤i≤m，k₀＝1，k_m＝n，k_i＜k_i+1，0≤i＜m，由这些关键点将笔迹W分割成m段笔画，其中第i段笔画为

F3)计算每段笔画的长度a_x＝atan(dy_x/dx_x)，/得到L＝{L₁,L₂,...,L_m}，A＝{a₁,a₂,...,a_m}，分别计算集合L和A的均值和方差，/

F4)计算书写速度序列L_W＝{l₁,l₂,...,l_n}的极大极小值：设分别表示书写速度的极大极小值集合，其中，r_x表示第x个极大值/在书写速度序列L_W中的下标，1≤x≤u，s_y表示第y个极小值/在书写速度序列L_W中的下标，1≤y≤v，u,v分别表示极大值和极小值的个数，r_u是第u个极大值/在书写速度序列L_W中的下标，s_v表示第v个极小值/在书写速度序列L_W中的下标，分别计算书写速度极大极小值的均值和方差，/

F5)计算书写用力序列F_W＝{f₁,f₂,...,f_n}的极大极小值：设分别表示书写用力的极大极小值集合，其中，t_x表示第x个极大值/在书写用力序列F_W中的下标，1≤x≤h，o_y表示第y个极小值在书写速度序列F_W中的下标，1≤y≤z，h,z分别表示极大值和极小值的个数，t_h是第h个极大值/在书写用力序列F_W中的下标，o_z表示第z个极小值/在书写用力序列F_W中的下标，分别计算书写用力极大极小值的均值和方差；

F6)计算笔迹W中所有笔画之间的交叉点：设C＝{(x_i,y_j)|(x_i,y_j)是第i,j段笔画的交叉点，1≤i,j≤m}表示笔迹W中所有笔画之间交叉点的集合，设B＝{(x_i,y_i)|i∈K}表示所有笔画的起止点集合，设D＝C∪B；

F7)计算所有交叉点位置信息的均值和方差：计算交叉点集合D中所有采样点在x和y分量上的均值和方差，

F8)计算特征变化复杂度指数：P_1'＝DIV_L/AVG_L；P_2'＝DIV_A/AVG_A，P_7'＝DIV_x/AVG_x，P_8'＝DIV_y/AVG_y；

F9)计算笔迹W的特征变化复杂度指数

F10)对笔迹中的交叉点进行聚类：采用聚类算法，对集合C中所有交叉点按位置关系进行聚类，设E＝{(d₁,r₁),(d₂,r₂),...,(d_k,r_k)}表示聚类算法返回的聚类结果，其中k表示得到的类别数；d_i，r_i表示第i个类别中交叉点的个数和第i个类别的类内距离，1≤i≤k；

F11)计算与观察力相关的摹仿复杂度指数

F12)结束：返回笔迹W与手眼协调力相关的摹仿复杂度指数P3和与观察力相关的摹仿复杂度指数P4；

G)计算手写笔迹W的摹仿复杂度指数P＝P1×P2×P3×P4；

H)结束；返回笔迹W的摹仿复杂度指数P。