[发明专利]在线笔迹认证中一种笔迹布局特征的提取及认证方法

权利要求书

1.在线笔迹认证中一种笔迹布局特征的提取及认证方法，其特征在于：包括如下步骤：

A)手写笔迹笔画布局特征预学习：收集人群关于标准汉字c的大量的手写笔迹样本，基于笔画识别算法识别所有预学习手写笔迹样本中的笔画类型；然后提取每段笔画的布局特征、两两笔画之间的布局特征、两两笔画之间是否相交以及交叉点的布局特征；以所识别的笔画类型为对象，分析各种笔画布局特征在人群中出现的统计特征，对笔画布局的离散型特征，包括笔画类型、两两笔画相交的次数特征，统计这类特征在人群中出现的分布律；对笔画布局的连续型特征，包括交叉点的位置特征、两两笔画间的布局特征，估算这些特征在人群中出现的联合概率密度函数；

所述手写笔迹样本是指通过专用的数据传感设备实时采集书写过程中笔尖运动产生的各种信息所获得的与时间相关的时序信号序列，专感器在每个采样时刻采集的数据包括笔尖的二维位置信息、笔尖施加在书定平面上的压力、笔杆与书写平面的转动角及夹角信息；

所述每段笔画的布局特征是指笔迹中某一段笔画的方位角、包含该笔画的面积最小矩形的长度和宽度、笔画在书写平面中的位置特征，所述两两笔画之间的布局特征是指笔迹中任意两段笔画之间的其中一段笔画的起止点、交叉点相对另一段笔画的长度、夹角、重心距离特征；

所述笔画的布局特征包括笔迹中所包含的所有笔画、笔画的起点和终点的位置、笔画之间的交叉点位置、笔迹中所有单笔画的布局特征、笔迹中所有两两笔画之间的布局特征；

所述汉字c的手写笔迹样本是指书写人手写的可被其他人正确辩识的或只能被少数人辩识的或只能被书写者自己辩识为标准汉字c的非标准手写体笔迹，所谓辩识是指建立手写体笔迹与标准汉字之间的对应关系；

所述识别手写笔迹中的笔画类型是指建立手写笔迹中笔画与标准汉字中笔画的对应关系；

B)笔画布局特征注册：注册用户书写并提交关于标准汉字c的若干注册手写笔迹样本，设若干所述注册手写笔迹样本组成注册手写笔迹样本集合，识别所有注册手写笔迹样本中的笔画类型，按所识别的笔画类型，提取每段笔画的布局特征、两两笔画之间的布局特征、两两笔画之间是否相交以及交叉点的布局特征，统计笔画布局特征中各种离散型特征在所有注册手写笔迹样本集合中出现和未出现的次数，统计笔画布局特征中各种连续型特征在注册手写笔迹样本集合中的最大、最小值；

所述注册手写笔迹样本是指在注册阶段注册用户书写并提交的用户身份已知的手写笔迹，所述用户身份已知是指手写笔迹书写者的身份是已知的；

C)笔画布局特征认证：待认证用户提交一个关于标准汉字c的测试手写笔迹样本，识别测试手写笔迹样本中的笔画类型，按所识别的笔画类型，统计测试手写笔迹样本中出现和未出现的笔画类型，统计两两笔画之间出现和未出现的交叉点，提取所有具有相同笔画类型的各种单笔画布局特征以及两两笔画间的布局特征，找出注册手写笔迹样本中稳定且一致的各种笔画布局特征，依据在手写笔迹笔画布局特征预学习阶段计算得到的汉字c所有各种笔画布局特征在人群中的统计特征，计算观测到测试手写笔迹样本与注册手写笔迹样本中所有稳定且一致的各种笔画布局特征的概率，依据计算得到的所述概率，结合其它笔画特征，包括笔画书写动态特征、笔顺、书写节奏，综合判断测试手写笔迹样本是否为真实笔迹；

所述步骤C)中，笔画布局特征认证包括如下步骤：

C1)认证阶段开始：用户输入关于标准汉字c的测试手写笔迹样本W；

C2)初始化：置标准汉字c的第j段笔画在测试手写笔迹样本W中出现的次数计数变量y_j＝0，1≤j≤O，置标准汉字c的第j段笔画在测试手写笔迹样本W中未出现的次数计数变量置注册手写笔迹样本集合H的笔画相交统计矩阵和未相交统计矩阵Z_O×O＝0_O×O，其中z_ij、分别表示在测试手写笔迹样本W中具有和不具有这种特性的笔迹样本个数，所述特性是指在该笔迹样本中被识别为标准汉字c的第i和第j段的两段笔画之间相交；

C3)识别测试手写笔迹样本W的笔画类型，并更新统计量：对测试手写笔迹样本W按笔画进行分割，得到笔画序列识别笔迹W中每一段笔画的类型，设表示返回的笔画类型识别结果，其中o_k表示测试手写笔迹样本W中的第k段笔画被识别为标准汉字c的第o_k段笔画，1≤o_k≤O，n_w表示W中的笔画数，O表示标准汉字c包含的基本笔画数，若第k段笔画出现在测试手写笔迹样本W中，则计数变量y_k＝y_k+1，否则，变量k从标准汉字c的第1段笔画开始到标准汉字c最后一段笔画结束，一轮循环后，完成测试手写笔迹样本W对统计量y_k和的更新；

C4)测试手写笔迹样本W中两两笔画交叉点计算：以测试手写笔迹样本W的笔画序列笔画类型识别结果人工标注的标准汉字c中应相交笔画矩阵C_O×O作为输入参数，得到测试手写笔迹样本W的两两笔画间交叉点矩阵Q_O×O，和与测试手写笔迹样本W中被识别为第k段笔画相交的交叉点集合X_k，k＝1,2,...,O；若测试手写笔迹样本W中被识别为第k段和第j段笔画不相交，那么交叉点矩阵Q_O×O中元素qt_kj＝0，交叉点集合X_k和X_j中交叉点q_kj＝(null,null)和q_jk＝(null,null)；否则，交叉点矩阵Q_O×O中元素qt_kj＝1，交叉点集合X_k和X_j中交叉点q_kj和q_jk为叉交点二维坐标，1≤j≤O，1≤k≤O；

C5)笔画交叉信息的统计量更新：从步骤C4)返回的两两笔画间交叉点矩阵Q_O×O的第1行第1列元素开始，按从左到右，从上到下的顺序，逐个读取Q_O×O的元素，若q_kj＝(null,null)，表示测试手写笔迹样本W中被识别为第k和第j笔画类型的两段笔画没有相交，那么否则，表示相应的两段笔画有相交，z_kj＝z_kj+1，双重循环结束后，完成测试手写笔迹样本W对统计量矩阵Z_O×O和的更新；

C6)测试手写笔迹样本W中单个笔画的布局特征计算：以测试手写笔迹样本W的笔画序列笔画类型识别结果作为输入参数，得到测试手写笔迹样本W的被识别为第k段笔画类型的笔画布局特征向量F5_k，1≤k≤O；若测试手写笔迹样本W中存在笔画被识别为第k段笔画类型，则F5_k＝(x_g,y_g,a,b,Angle,U_x,U_y,P1_U,Pc_U)；否则，F5_k＝null，1≤k≤O；

C7)测试手写笔迹样本W中两两笔画间的布局特征计算：以测试手写笔迹样本W的笔画序列笔画类型识别结果与测试手写笔迹样本W中被识别为第k段笔画相交的交叉点集合X_k，k＝1,2,...,O，测试手写笔迹样本W中两两笔画间的交叉点矩阵Q_O×O作为输入参数，得到测试手写笔迹样本W的两两笔画间布局特征向量矩阵F6_O×O；若测试手写笔迹样本W中中存在两段笔画被识别为第k段和第j段笔画类型，则f6_kj＝(Dis_TS,Disp_TS,Angle_TS,T_D,R,P1_U,Pc_U,PT_U)；否则，f6_kj＝null，1≤k≤O，1≤j≤O；

C8)计算观察到测试手写笔迹样本W中各笔画的概率P1：若测试手写笔迹样本W中存在笔画被识别为第k段笔画类型且在注册手写笔迹集合中具有这样的样本至少存在2个，所述具有这样的注册笔迹样本是指注册样本中存在笔画被识别为第k段笔画类型，即y_k＝＝1且E_k≥2，那么取预学习阶段获取的该笔画出现的频率作为该笔画的出现概率，即p1_k＝n_k/N，否则，若测试手写笔迹样本W中不存在笔画被识别为第k段笔画类型且在注册手写笔迹集合中具有这样的样本至少存在2个，所述具有这样的注册笔迹样本是指注册样本中不存在笔画被识别为第k段笔画类型，即且那么取预学习阶段获取的该笔画出现的频率作为该笔画的出现概率，即否则，表明第k段笔画类型在注册笔迹样本和注册笔画迹样本中出现方式不一致，置p1_k＝1；k＝1,2,...,O，最后置

C9)计算观察到测试样本笔迹W中交叉点的概率P2：若测试手写笔迹样本W中存在笔画被识别为第k段和第j段笔画类型且所述这两段笔画相交，而且在注册手写笔迹集合中具有这样的样本至少存在2个，所述具有这样的注册笔迹样本是指注册样本中存在笔画被识别为第k段和第j段笔画类型且所述这两段笔画相交，即z_kj＝＝1且v_kj≥2，那么取预学习阶段获取的该笔画出现的频率作为该笔画的出现概率，即p2_kj＝r_kj/n1_kj，否则，若测试手写笔迹样本W中存在笔画被识别为第k段和第j段笔画类型且所述这两段笔画不相交，而且在注册手写笔迹集合中具有这样的样本至少存在2个，所述具有这样的注册笔迹样本是指注册样本中存在笔画被识别为第k段和第j段笔画类型且所述这两段笔画不相交，即且那么取预学习阶段获取的该笔画出现的频率作为该笔画的出现概率，即否则，表明第k段和第j段笔画类型相交在注册笔迹样本和注册笔画迹样本中出现方式不一致，置p2_kj＝1，1≤k≤O，1≤j≤O，最后置

C10)计算观察到测试样本笔迹W中单个笔画布局特征的概率P3：在注册样本集上，若被识别为第k段笔画类型的单笔画布局特征向量MF3_k＝＝null或者第k段笔画类型在测试样本W中未出现，则置p3_k＝1，1≤k≤O，否则，采用下式计算观察到测试手写笔迹中被识别为第k段笔画类型的单笔画布局特征的概率，其中f1_k(·)表示在预训练阶段学习到的关于标准汉字c被识别为第k段笔画的单笔画布局特征概率密度函数，F5_k＝(x_g,y_g,a,b,Angle,U_x,U_y,P1_U,Pc_U)表示在测试手写笔迹样本W中提取到的被识别为第k段笔画类型的单笔画布局特征向量，积分区域D＝(d₁,d₂,...,d_N2)由如下式所定义，其中v_i表示特征向量F5_k中第i个分量取值，和分别表示在注册阶段获取的在注册样本集合中所有被识别为第k段类型笔画的单笔画布局特征向量在第i个分量上的最大最小值，N2表示单笔画布局特征向量中分量的个数，变量k从标准汉字c的第1段笔画开始到标准汉字c最后一段笔画结束，一轮循环后，得到观测到所有笔画类型的概率p3_k，1≤k≤O，最后，置观察到测试样本笔迹W中所有单个笔画布局特征的概率

C11)计算观察到测试样本笔迹W中所有两两笔画间布局特征的概率矩阵PE_O×O：以如下4种数据作为输入参数：1)测试手写笔迹样本W中两两笔画间的布局特征矩阵F6_O×O，2)注册阶段获取的注册笔迹样本子集个数1≤u≤N1，1≤k≤O，1≤j≤O，3)注册阶段获取的注册笔迹样本集关于笔画间布局特征在每个分量上的最大最小值1≤u≤N1，1≤k≤O，1≤j≤O，4)预训练阶段获取的标准汉字c关于两两笔画布局特征概率密度函数1≤u≤N1，1≤k≤O，1≤j≤O，得到观察到测试笔迹中所有两两笔画间布局特征的概率矩阵PE_O×O，其中矩阵中第k行第j列元素pe_jk表示观测到测试笔迹中被识别为第k和第j段类型的两段笔画间布局特征概率，1≤k≤O，1≤k≤O；

C12)计算观察到测试样本笔迹W中两两笔画间布局特征的概率P4：以测试笔迹样本W中的笔画作为结点集V，以概率矩阵PE_O×O中的元素作为连接结点的无向边的权值E，得到一个无向带权图G＝＜V,E＞，从图G出发，构造一个关于图G的最小生成树G'＝＜V,E'＞，根据G'得到测试样本笔迹W中两两笔画间布局特征的概率

C13)计算观察到测试样本笔迹W的布局特征概率P(W)＝P1×P2×P3×P4；

C14)测试笔画与布局特征相关的判别：将布局特征概率P(W)，融合笔画的其它特征，包括笔顺、书写用力、书写节奏，综合判断该测试样本笔迹W是否为真实笔迹；

C15)结束：测试笔迹的认证过程结束；

所述稳定且一致笔画布局特征包括离散型稳定且一致笔画布局特征和连续型稳定且一致笔画布局特征；

所述离散型稳定且一致笔画布局特征是指，在测试手写笔迹样本中提取的离散型笔画布局特征取值与在注册手写笔迹样本集合中提取的稳定的离散型笔画布局特征取值是相同的，所述稳定的离散型笔画布局特征是指具有相同离散型笔画布局特征的特征取值在注册手写笔迹样本集合上出现次数大于一定阈值；

所述连续型稳定且一致笔画布局特征是指，在测试手写笔迹样本中提取的连续型笔画布局特征取值处于在注册手写笔迹样本集合上提取的稳定的连续型笔画布局特征取值的最大最小值之间，所述稳定的连续型笔画布局特征是指在注册手写笔迹样本集合上提取的连续型笔画布局特征取值的最大最小值之间的距离小于一定阈值；

所述测试手写笔迹样本是指在认证阶段待认证用户书写并提交的用户身份未知且有待确认的手写笔迹，所述用户身份未知是指还未确认书写手写笔迹的用户身份与模板笔迹的用户身份是否相一致，有待进一步确认；

所述待认证用户是指真实身份未得到确认的用户。