[发明专利]一种基于双塔网络的深度笔迹鉴定方法及装置

说明书

本发明实施例提供了一种基于双塔网络的深度笔迹鉴定方法及装置，方法通过获取待鉴定的第一笔迹图像以及待鉴定人的第二笔迹图像后，将第一笔迹图像及第二笔迹图像输入训练好的双塔网络模型中，获得双塔网络模型输出的识别结果。在识别过程中，通过数据重构的方式去除第一笔迹图像以及第二笔迹图像中的噪声干扰，增加自身的鲁棒性，由于训练好的双塔网络模型中权重共享，更关注全局笔迹数据的特征，使得相似的数据更加靠近，使得不相似的数据之间差异增大，增加自身的泛化能力，在进行数据重构后，将提取到重构后的数据的第一特征数据以及第二特征数据进行融合，使得相似图像的特征数据值增大，使识别结果更加准确。

技术领域

本发明属于深度神经网络识别领域，具体涉及一种基于双塔网络的深度笔迹鉴定方法及装置。

背景技术

成人文字书写过程经过长期训练，已形成稳定的书写风格。书写出的文字具有的生物行为特征，在司法鉴定、医疗纠纷等领域发挥着越来越重要的作用。在这些领域常常需要对书写的文字进行鉴定，此过程称为笔迹鉴定。

现有技术的笔迹鉴定过程如下：

收集多个人书写的文字，将文字转化为图片，获取多个包含图片数据的样本集，将样本集输入深度学习网络模型，迭代训练该深度学习网络模型，直至达到训练截止条件。使用训练好的深度学习网络模型去识别该待定的文字是否是对应的人书写出的，以此完成笔迹鉴定。

由于待鉴定的文字的背景复杂，假设待鉴定的文字是出现在一份人为书写的借据中的签名，该借据中其他部分的文字会对该签名造成较大影响。如果该签名是高度模仿对应人的签名，对于鉴定的准确度会造成较大影响，在训练神经网络模型时会着重训练相似笔迹之间相似程度，以求达到准确识别的效果，如此导致训练好的神经网络模型泛化能力以及鲁棒性较差，即对于样本集中未包含的笔迹以及笔迹中的干扰会对神经网络模型造成一定的干扰，使得神经网络模型的识别准确度降低。

发明内容

为了解决现有技术中存在的上述问题，本发明提供了一种基于双塔网络的深度笔迹鉴定方法及装置，解决笔迹鉴定准确性不高的问题。本发明要解决的技术问题通过以下技术方案实现：

第一方面，本发明实施例提供的一种基于双塔网络的深度笔迹鉴定方法，包括：

获取待鉴定的第一笔迹图像以及待鉴定人的第二笔迹图像；

将所述第一笔迹图像输入训练好的双塔网络模型的第一输入通道以及将第二笔迹图像输入训练好的双塔网络模型的第二输入通道，获得所述训练好的双塔网络模型输出的识别结果；所述识别结果包括：属于待鉴定人的笔迹的概率；

根据属于待鉴定人的笔迹的概率，确定所述第一笔迹图像中的笔迹是否是所述待鉴定人的笔迹；

其中，训练好的双塔网络模型是通过训练预设的双塔网络模型得到的，所述训练好的双塔网络模型用于将所述第一笔迹图像以及第二笔迹图像进行数据重构，在重构后的第一笔迹图像的数据中提取第一特征数据，以及在所述重构后的第二笔迹图像的数据中提取第二特征数据，将所述第一特征数据以及第二特征数据进行融合，并基于融合后的特征数据，输出识别结果。

可选的，在将所述第一笔迹图像输入训练好的双塔网络模型的第一输入通道以及将第二笔迹图像输入训练好的双塔网络模型的第二输入通道之前，本发明第一方面实施例提供的深度笔迹鉴定方法还包括：

对所述第一笔迹图像以及第二笔迹图像分别进行二值化；

将二值化的所述第一笔迹图像以及二值化的所述第二笔迹图像的进行图像通道转化，以使所述第一笔迹图像的图像通道与所述第一输入通道所需的图像通道相匹配或所述第二笔迹图像的图像通道与所述第二输入通道所需的图像通道相匹配；

其中，所述第一输入通道所需的图像通道与所述第二输入通道所需的图像通道相同。