[发明专利]电子签名识别方法、装置、设备及存储介质在审

专利信息
申请号: 202210983964.7 申请日: 2022-08-16
公开(公告)号: CN115410281A 公开(公告)日: 2022-11-29
发明(设计)人: 丁烨;邵明禹;廖清 申请(专利权)人: 东莞理工学院
主分类号: G06V40/30 分类号: G06V40/30;G06V10/82;G06N3/04;G06N3/08
代理公司: 广州三环专利商标代理有限公司 44202 代理人: 严静
地址: 523808 广东省*** 国省代码: 广东;44
权利要求书: 查看更多 说明书: 查看更多
摘要:
搜索关键词: 电子 签名 识别 方法 装置 设备 存储 介质
【权利要求书】:

1.一种电子签名识别方法,其特征在于,包括:

获取电子签名数据和随机变量,所述电子签名数据包括签名图像和运笔数据;

基于所述电子签名数据和所述随机变量,对预设的生成对抗网络进行训练,直至所述生成对抗网络达到预设收敛条件,得到第一签名识别模型;

基于签名用户在每次签名场景中的待识别签名数据,对所述第一签名识别模型进行训练,得到训练完成的第二签名识别模型;

利用所述第二签名识别模型中的目标判别器,对待识别签名图像进行识别,得到所述待识别签名图像对应的识别结果数据。

2.如权利要求1所述的电子签名识别方法,其特征在于,所述基于所述电子签名数据和所述随机变量,对预设的生成对抗网络进行训练,直至所述生成对抗网络达到预设收敛条件,得到第一签名识别模型,包括:

利用所述生成对抗网络中的第一生成器,根据所述随机变量生成对抗样本;

利用所述生成对抗网络中的第一判别器,对所述电子签名数据和所述对抗样本进行判别,输出判别数据;

根据所述判别数据,确定所述生成对抗网络的损失函数;

根据所述损失函数更新所述生成对抗网络的网络参数,直至所述损失函数小于预设值,得到所述第一签名识别模型。

3.如权利要求1所述的电子签名识别方法,其特征在于,所述基于签名用户在每次签名场景中的待识别签名数据,对所述第一签名识别模型进行训练,得到训练完成的第二签名识别模型,包括:

利用所述第一签名识别模型,对所述待识别签名数据进行识别;

若所述待识别签名数据识别通过,则基于所述待识别签名数据,对所述第一签名识别模型进行训练,直至所述第一签名识别模型达到预设收敛条件,得到训练完成的所述第二签名识别模型。

4.如权利要求3所述的电子签名识别方法,其特征在于,所述利用所述第一签名识别模型,对所述待识别签名数据进行识别,包括:

基于所述第一签名识别模型中的第二判别器,对所述待识别签名数据进行真实度预测,输出第一真实度预测阈值;

若所述第一真实度预测阈值大于预设阈值,则判定所述待识别签名数据识别通过。

5.如权利要求1所述的电子签名识别方法,其特征在于,所述利用所述第二签名识别模型中的目标判别器,对待识别签名图像进行识别,得到所述待识别签名图像对应的识别结果数据,包括:

利用所述目标判别器,对所述待识别签名图像进行真实度预测,得到第二真实度预测阈值;

若所述第二真实度预测阈值大于预设阈值,则输出与所述待识别签名图像的匹配度最高的用户身份信息。

6.如权利要求1所述的电子签名识别方法,其特征在于,所述运笔数据包括运笔压力数据、运笔时间数据和运动停顿数据。

7.一种电子签名识别装置,其特征在于,包括:

获取模块,用于获取电子签名数据和随机变量,所述电子签名数据包括签名图像和运笔数据;

第一训练模块,用于基于所述电子签名数据和所述随机变量,对预设的生成对抗网络进行训练,直至所述生成对抗网络达到预设收敛条件,得到第一签名识别模型;

第二训练模块,用于基于签名用户在每次签名场景中的待识别签名数据,对所述第一签名识别模型进行训练,得到训练完成的第二签名识别模型;

识别模块,用于利用所述第二签名识别模型中的目标判别器,对待识别签名图像进行识别,得到所述待识别签名图像对应的识别结果数据。

8.如权利要求7所述的电子签名识别装置,其特征在于,所述第一训练模块,包括:

生成单元,用于利用所述生成对抗网络中的第一生成器,根据所述随机变量生成对抗样本;

判别单元,用于利用所述生成对抗网络中的第一判别器,对所述电子签名数据和所述对抗样本进行判别,输出判别数据;

确定单元,用于根据所述判别数据,确定所述生成对抗网络的损失函数;

更新单元,用于根据所述损失函数更新所述生成对抗网络的网络参数,直至所述损失函数小于预设值,得到所述第一签名识别模型。

下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。

该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于东莞理工学院,未经东莞理工学院许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服

本文链接:http://www.vipzhuanli.com/pat/books/202210983964.7/1.html,转载请声明来源钻瓜专利网。

同类专利
专利分类
×

专利文献下载

说明:

1、专利原文基于中国国家知识产权局专利说明书;

2、支持发明专利 、实用新型专利、外观设计专利(升级中);

3、专利数据每周两次同步更新,支持Adobe PDF格式;

4、内容包括专利技术的结构示意图流程工艺图技术构造图

5、已全新升级为极速版,下载速度显著提升!欢迎使用!

请您登陆后,进行下载,点击【登陆】 【注册】

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top