[发明专利]电子签名识别方法、装置、设备及存储介质在审
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 | ||
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。
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。