[发明专利]一种基于逆灰度方式的双流网络签名鉴定方法及装置

说明书

本发明提供的一种基于逆灰度方式的双流网络签名鉴定方法及装置，通过获取待输入签名图像；对待输入签名图像进行逆灰度预处理，以减少待输入签名图像中的噪声干扰；将待输入签名图像输入训练好的特征提取网络，获得多个特征向量；将多个特征向量依次输入预先训练好的全卷积二分类网络中，获得多个签名鉴定结果；基于多个签名鉴定结果的损失函数，确定所述待测签名图像中的签名是否为真实签名。本发明采用逆灰度数据处理方式，使得特征提取网络更关注笔迹本身的特征而非背景特征，同时使用签名特征的多尺度融合方式，减少了网络参数。采取加权投票产生鉴定结果进而确定总损失函数，使得鉴定结果更加合理准确，提升笔迹鉴定的准确率。

技术领域

本发明属于图像识别处理领域，具体涉及一种基于逆灰度方式的双流网络签名鉴定方法及装置。

背景技术

签名鉴定，是通过手写签名信息来确认书写者身份的一种文件检验技术，与人脸识别、指纹识别和虹膜识别隶属鉴定中的一种方式。签名鉴定系统需要完成输入真实签名与待鉴定签名图像，系统经过笔迹风格，笔画细节等特征分析输入材料书写人的身份信息，从而确定是否存在伪造签名行为。

最近几年，随着深度学习的进一步发展，极大地推动了人工智能的研究与实际应用，为人类带来了极大的便利和促进人类社会发展。签名鉴定作为人工智能的研究热点之一，在这次的技术浪潮中得到进一步地发展，并且部分技术已经应用于我们的实际生活中。在司法鉴定领域，签名信息是一份有效的司法依据。

早期的研究者通过手工提取的特征对笔画走势、墨迹晕散范围、字迹连贯程度等维度提取相关笔迹的高层特征，但是这种基于手工特征的笔迹鉴定算法准确率难以达到实际应用标准。2015年Yang等人首次提出了拆解笔画部首对汉字签名进行特征提取的方式，通过随机的拆除字符中的少量笔画，将属于同一组字迹的图像集合输入到卷积神经网络中进行学习训练，可以抑制人为签名的随机性干扰，待检测签名与图像库比对得到最终的笔迹鉴定结果。Xing等人于2016年提出一种多流网络结构来解决签名鉴定问题，通过切分签名图像，逐个提取字符特征，并通过用fisher vector进行局部编码，整合得到全局编码，以此利用该特征即可得到笔迹鉴定网络的最终结果。

现有技术的上述方法鉴定效果对于数据数量以及质量要求较高，且当笔迹图像的特征较为稀疏时，其鉴定效果实时性较差且鲁棒性不高。

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逆灰度方式的双流网络签名鉴定方法及装置。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，本发明提供的一种基于逆灰度方式的双流网络签名鉴定方法包括：

获取待输入签名图像；

其中，所述待输入签名图像包括原签名图像以及待测签名图像；

对所述待输入签名图像进行逆灰度预处理，以减少所述待输入签名图像中的噪声干扰；

将所述待输入签名图像输入训练好的特征提取网络中的上层子网络，以使所述上层子网络对所述待输入签名图像进行特征提取以及特征的多尺度融合，将逆灰度预处理之后的待输入签名图像输入至训练好的特征提取网络中的下层子网络，以使所述下层子网络对逆灰度预处理之后的待输入签名图像进行特征提取以及特征的多尺度融合，获得多个特征向量；

其中，所述特征提取网络为孪生结构，所述上层子网络与所述下层子网络之间共享权值；

将多个特征向量依次输入预先训练好的全卷积二分类网络中，获得多个签名鉴定结果；

基于多个签名鉴定结果的损失函数，确定所述待测签名图像中的签名是否为真实签名。

优选的，所述对所述待输入签名图像进行逆灰度预处理，以减少所述待输入签名图像中的噪声干扰包括：

对所述待输入签名图像缩放为统一尺寸；