[发明专利]一种基于样本合成以及排序学习的联机签名鉴定方法

权利要求书

1.一种基于样本合成以及排序学习的联机签名鉴定方法，其特征在于，包括以下步骤：

S1、采集签名序列并进行预处理；

S2、建立签名序列的Sigma Lognormal拟合模型；

S3、对拟合参数增加扰动采样合成真实签名以及伪造签名；

S4、进行排序学习优化平均精度损失训练神经网络模型参数；

S5、对于待鉴定签名序列，利用步骤S4中训练完成的神经网络模型提取特征并进行归一化，计算特征向量间欧式距离判断真伪。

2.根据权利要求1所述的一种基于样本合成以及排序学习的联机签名鉴定方法，其特征在于，步骤S1中，预处理包括如下步骤：

S1.1、对签名序列进行尺寸归一化，处理过后的签名路径坐标都被归一化到-0.5到0.5之间，且保持原比例，具体如下：

其中，x和y是签名序列在水平和竖直方向上的坐标值，x_min和x_max是水平方向上坐标的最小值和最大值，y_min和y_max是竖直方向上的最小值和最大值，max{，}是取两个数中的最大值的函数；

S1.2、使用截止频率8～12Hz的巴特沃斯低通滤波器对签名序列进行光滑化处理。

3.根据权利要求1所述的一种基于样本合成以及排序学习的联机签名鉴定方法，其特征在于，步骤S2的具体步骤如下：

S2.1、先对原签名序列进行重采样；

S2.2、计算Sigma Lognormal模型参数拟合原签名序列。

4.根据权利要求3所述的一种基于样本合成以及排序学习的联机签名鉴定方法，其特征在于，签名序列的Sigma Lognormal模型具体如下：

公式(3)中，v(t)是一个签名的速度序列，v_i(t)是速度序列中的第i个分解的子速度序列，表明一个速度序列v(t)可以分解为N个子速度序列v_i(t)的叠加和；公式(4)中，|v_i(t)|是速度值序列，表明第i个子速度序列v_i(t)的速度值|v_i(t)|可以用对数高斯分布表达，其中D_i、t₀、μ_i、σ_i分别是第i个子速度的幅值、出现时间、对数时间延迟、对数响应时间，exp()是指数函数；公式(5)是第i个子速度的角度信息函数是两个可学习参数，分别是第i个子速度的起始角度和结束角度，公式(6)和公式(7)中x(t)和y(t)分别是水平和竖直方向上轨迹信息函数的计算，sin()和cos()分别是正弦函数和余弦函数，ε_x(t)和ε_y(t)是两个修正项。

5.根据权利要求4所述的一种基于样本合成以及排序学习的联机签名鉴定方法，其特征在于，步骤S3具体包括以下步骤：

S3.1、确定扰动范围；

S3.2、根据已经确定好的扰动范围，增加扰动采样，对参数扰动过的拟合模型采样生成签名序列，合成真实签名集合G₁以及伪造签名集合G₂。