[发明专利]自学型签名笔迹深化识别方法及系统

说明书

本发明公开了一种自学型签名笔迹深化识别方法及系统，方法包括：获取签名图像，对签名笔迹进行细化处理及消除锯齿处理；采用二值化方法获取签名图像的完整像素矩阵，并将一维数组转换为二维数组；去除二维数组的边缘信息，并将二维数组简化为最小矩阵；根据最小矩阵计算签名笔迹的tan比值特征值、四象限加权特征值、像素点比值特征值和投影片段比值特征值；将各特征值与数据库中预存的笔迹三维特征逐一进行相似度比较；将相似度结果超出预设阈值的签名笔迹对应的用户作为当前签名笔迹的识别结果。通过本发明的技术方案，实现了签名笔迹的识别，在保证正确率的同时缩短特征值的提取时间，提高了识别精度准确率，改善了用户操作体验。

技术领域

本发明涉及生物识别技术领域，尤其涉及一种自学型签名笔迹深化识别方法及一种自学型签名笔迹深化识别系统。

背景技术

近年来，随着生物识别技术的迅速发展，计算机笔迹鉴别逐渐成为不可或缺的重要组成部分，就像语音、指纹、虹膜和人脸等生物特征识别技术一样。它是通过比对、分析不同人书写的相同单字(特征字)或整体书写风格来判断书写人身份的一门技术，广泛应用在金融、保险、公安司法部门的刑事调查和法庭审判领域，具有鉴别快、效率高、不受文检人员主观因素的影响等特点。因此为了避免笔迹鉴别专家的主观人为因素的影响，实现笔迹鉴别的自动化和智能化，使笔迹鉴别结果更客观，成为该领域中的重要研究目标。

用户信息安全是当今社会在虚拟世界里最突出的安全问题，常常会在不经意的一瞬间将自己的财产全部被转空或点击一些接收到的链接或者红包后财产和信息的丢失。

电子商务的合约签名确认也成为急需解决的问题，当在虚拟世界进行商务对接涉及到签名时，身份的确认成为一种后续法律有效性的凭证，所以确认身份这块是一块短板。

娱乐中的签名识别是一种很有趣味性的游戏方式，可以增强人与人之间的情谊。通过互相模仿字迹，更加了解对方，了解对方的写字方式与书写状态，体会这种微妙的转换角色的感觉，可以愉悦、放松自己。

现有技术中，签名笔迹识别的主要步骤包括：

1、用户签名：用户签入相同的笔迹n次(不同设计具体次数不定，一般为2到7次)；

2、提取特征：进行对笔迹的轮廓分析与特征提取；

3、进行细化处理：将提取到的图片进行去噪、细化、消除锯齿等一系列处理；

4、进行比对：实际输入的笔迹与提取到的特征进行比对判断。

但在上述现有技术中，提取特征耗时较长，识别精度准确度较低，用户操作体验差。

发明内容

针对上述问题，本发明提供了一种自学型签名笔迹深化识别方法及系统，通过对用户的签名图像的签名笔迹进行预处理和三维特征提取，与数据库中预存的笔迹的特征值进行相似度比对分析，从而将超出阈值范围的笔迹作为对应用户的笔迹，实现签名笔迹的识别，通过本方法提取特征能够在保证正确率的同时缩短特征值的提取时间，提高了识别精度准确率，改善了用户操作体验。

为实现上述目的，本发明提供了一种自学型签名笔迹深化识别方法，包括：获取签名图像，对签名笔迹进行细化处理；对细化处理后的所述签名笔迹进行消除锯齿处理；采用二值化方法获取所述签名图像的完整像素矩阵，并将一维数组转换为二维数组；去除所述二维数组的边缘信息，并将所述二维数组简化为最小矩阵；根据所述最小矩阵计算所述签名笔迹的tan比值特征值、四象限加权特征值、像素点比值特征值和投影片段比值特征值；将计算得到的各特征值与数据库中预存的笔迹三维特征逐一进行相似度比较；将相似度结果超出预设阈值的签名笔迹对应的用户作为当前签名笔迹的识别结果。

在上述技术方案中，优选地，自学型签名笔迹深化识别方法还包括：将相似度超出预设阈值的签名笔迹相应的特征值存储至数据库中，并与当前用户的原有笔迹三维特征数据相融合形成新的笔迹三维特征，将相似度未超出预设阈值的签名笔迹数据删除。