（电路与系统专业论文）基于特殊点分割和动态匹配的在线签名认证方法研究.pdf

中文摘要 随着计算机和网络技术的高速发展，身份认证作为保证系统安全的必要前提 之一，在信息安全中突显重要。手写签名认证作为一种生物行为特征，与其它 生物特征相比具有非侵犯性、易为人接受、易于获取等优点，因而得到广泛关 注。 本文首先介绍了生物识别技术和手写签名认证技术的概况，随后说明了手写 签名的处理流程、数据采集的硬件组成、采集数据的格式、预处理和数据库的 构成。 本文提出了“视觉重要性”的概念，给出了一种新的特殊点分割方法。以预 处理后的签名坐标曲线为分割对象，以视觉贡献度为分割标准，可以寻找特殊 点一一波峰和波谷点。找到的波峰和波谷点可以把一个冗长的签名曲线分割成 若干便于动态匹配的曲线段。实现了对参考模板与测试签名的曲线分割。 本文阐明了预处理后签名曲线所包含的特征信息的种类，提出了一种特征的 筛选方法，给出了几种典型特征的计算方法。 在认真分析了手写在线签名系统原型的基础上，本文提出了两级认证模式。 第一级认证采用了特征参数法。提出了一种基于一维高斯概率分布模型的在 线签名认证算法。本级算法提取了签名曲线中若干个全局特征的方差和平均值 的无偏估计。本级认证主要是为了去掉一些不熟练的随机伪造签名。当提取的 全局特征较多时，可以减小认证系统的整体认证时间。 第二级认证采用了动态分割与动态匹配相结合的认证算法。以前面已经分割 形成的曲线段为动态匹配对象，可以实现参考模板与测试签名之间曲线段的“一 对一”或者“一对多”的动态匹配。分割和匹配采用了“根据特殊点进行动态 分割”、“分割后提取局部特征和动态特征来衡量匹配的程度”、“确定当前的最 佳分割位置”3 个步骤相结合、反复循环的方法。动态匹配采取了初次主体匹配 和第2 次补充匹配相结合的算法。本级主要是为了去掉绝大部分的随机伪造签 名，提高认证的准确率。 关键词：在线签名认证，特殊点分割，特征提取，动态匹配 a b s t r a c t a l o n gw i t ht h eh i g h - s p e e dd e v e l o p m e n to ft h ec o m p u t e ra n dt h en e t w o r k t e c h n o l o g y , a s o l l eo fg u a r a n t e ep r e r e q u i s i t e si ns y s t e m s e c u r i t y , i n d i v i d u a l v e r i f i c a t i o nr e v e a l e di m p o r t a n c ei nt h ea p p l i c a t i o nf i e l d s a so l l ek i n do fb e h a v i o r c h a r a c t e r i s t i c s ，i th a dm e r i t ss u c ha st h en o n - i n f r i n g e m e n t ，e a s yt oa c c e p t , e a s yt og a i n a n ds oo n t h u si to b t a i n e dt h ew i d e s p r e a da t t e n t i o n t h i sp a p e rf i r s ti n t r o d u c e dt h eg e n e r a ls i t u a t i o n so ft h eb i o l o g i c a lr e c o g n i t i o n t e c h n o l o g ya n dt h eh a n d - w r i t t e ns i g n a t u r ev e r i f i c a t i o nt e c h n o l o g y a r e r w a r d st h i s p a p e re x p l a i n e dt h ep r o c e s s i n g f l o w o fh a n d - w r i t t e ns i g n a t u r e ，t h eh a r d w a r e c o m p o s i t i o no fd a t aa c q u i s i t i o n , t h ef o r mo ft h eg a t h e r i n gd a t a , t h ep r e p r o c e s s i n go f d a t aa n ds t r u c t u r eo f d a t a b a s e t h i sp a p e rp r o p o s e dt h ec o n c e p to f v i s u a li m p o r t a n c e ”i ta l s op r o d u c e dan e w s e g m e n t a t i o nm e t h o da b o u ts p e c i a lp o i n t s t a k i n gt h ep r e p r o c e s s e ds i g n a t u r e c o o r d i n a t ec u r v ea st h es e g m e n t e do b j e c t ，a n dc h o o s i n g v i s u a lc o n t r i b u t i o n a st h e s e g m e n t a t i o ns t a n d a r d , t h en e wm e t h o dc o u l ds e e kt h es p e c i a lp o i n t s - - t h ew a v ec r e s t a n dt h ew a v et r o u g h t h ed i s c o v e r e dw a v ec r e s ta n dt r o u g hp o i n t sc o u l dd i v i d eal o n g s i g n a t u r ec u r v ei n t os o m ep a r t st h a tw e r ea d v a n t a g e o u sf o rt h ed y n a m i cm a t c h i n g t h en e wm e t h o dn 塌l i z e dt h es e g m e n t a t i o nf o rt h er e f e r r e dt e m p l a t ea n dt h et e s t e d s i g n a t u r e t h i sp a p e re x p o u n d e dt h et y p e so ft h ef e a t u r e si n f o r m a t i o ni n c l u d i n gi nt h e s e g m e n t e ds i g n a t u r ec u r v e ，a n da l s op r o p o s e daf e a t u r es e l e c t i n gm e t h o d t h i sp a p e r a l s op r o d u c e dc o m p m i n gm e t h o d sa b o u ts e v e r a lt y p i c a lf e a t u r e s o nt h eb a s i so fa n a l y z i n gt h eo n - l i n eh a n d w r i t t e ns i g n a t u r es y s t e mp r o t o t y p e e a r n e s t l y , t h i sp a p e rp r o p o s e dt w ol e v e l s p a t t e r n so f v e r i f i c a t i o n t h ef i r s tl e v e lo f v e r i f i c a t i o nu s e dt h ec h a r a c t e r i s t i cp a r a m e t e rt e c h n i q u e ，a n da l s o p r o p o s e da no n - l i n es i g n a t u r ev e r i f i c a t i o na l g o r i t h mb a s e do nt h eo n ed i m e n s i o n a l g a u s sp r o b a b i l i t yd i s t r i b u t i o nm o d e l t h i sa l g o r i t h ma b s t r a c t e du n b i a s s e de s t i m a t eo f v a r i a n c ea n da v e r a g ev a l u e a b o u ts o m eo v e r a l lf e a t u r e s t h i sl e v e lo f v e r i f i c a t i o nw a s m a i n l yt or e m o v es o m er a n d o mf b r g c ds i g n a t u r e st h a tw r en o ts k i l l f u l w h e nt h e n a b s t r a c t e df e a t u r e sw e r em o r e t h i sl e v e lo fv e r i t i e a t i o nc o u l dr e d u c et h ew h o l et i m e f o rv e r i f i c a t i o i l 1 1 1 es e c o n dl e v e lo fv e r i f i c a t i o nu s e dt h ea l g o r i t h mw h i c hu n i f i e dt h ed y n a m i c s e g r a e n t sw i 血t h ed y n a m i cm a t c h i n g t a k i n gt h ep a r t so fc u r v e st h a th a db e e n s e g m e n t e db e f o r ea st h ed y n a m i cm a t c h i n go b j e c t s ，t h i sl e v e lo fv e r i f i c a t i o nc o u l d r e a l i z et h e o n e - t o - o n e o r o n e - w - m a n y d y n a m i cm a t c h i n gb e t w e e np a r t so ft h e r e f e r r e dt e m p l a t ea n dt h et e s t e ds i g n a t u r s t h es e g m e n t a t i o na n dm a t c h i n gu s e dt h e r e c y c l e dm e t h o dw h i c hi n c l u d i n g3s t e p s t h e3s t e p sw e r e t oc a r r y o nt h ed y n a m i c s e g m e n t a t i o no nt h eb a s i so fs p e c i a lp o i n t s , t ow e i g ht h ed e g r e eo fm a t c h i n gb y a b s t r a c t i n gt h el o c a lf e a t u r e sa n dt h ed y n a m i cf e a t u r e sa f t e rt h es e g m e n t a t i o n a n d t o d e t e r m i n et h ec u r r e n tb e s ts e g m e n t e dp o s i t i o n 1 f 1 坞d y n a m i cm a t c h i n ga d o p t e dt h e a l g o r i t h mw h i c hc o m b i n e dt h ep r i m a r ym a i nm a t c h i n gw i t ht h es e c o n ds u p p l e m e n t m a t c h i n g t 1 l i sl e v e lo fv e r i f i c a t i o nw a sm a i n l yf o re n h a n c i n gt h ea c c u r a c yo ft h e v e r i f i c a t i o na n dr e m o v i n gt h em a j o rp a r t so fs i g n a t u r e st h a tw o r es t o c h a s t i c a l l y f o r g e d k e y w o r d s ：o n - l i n es i g n a t u r ev e r i f i c a t i o n , c r i t i c a lp o i n ts e g m e n t a t i o n , f e a t u r e e x t r a c t i o n , d y n a m i cm a t c h i n g i i i 独创性声明 本人声明，所呈交的论文是本人在导师指导下进行的研究工作及取得的研究成果。 尽我所知，除了文中特别加以标注和致谢的地方外，论文中不包含其他人已经发表或 撰写过的研究成果，也不包含为获得武汉理工大学或其它教育机构的学位或证书而使 用过的材料。与我一同工作的同志对本研究所做的任何贡献均已在论文中作了明确的 说明并表示了谢意。 关于论文使用授权的说明 本人完全了解武汉理工大学有关保留、使用学位论文的规定，即学校有权保留、 送交论文的复印件，允许论文被查阅和借阅；学校可以公布论文的全部或部分内容， 可以采用影印、缩印或其他复制手段保存论文。 ( 保密的论文在解密后应遵守此规定) 签名：丝导师签 武汉理工大学硕士学位论文 第1 章绪论 1 i 生物特征识别技术概况 1 i i 生物特征识别技术 随着计算机及网络技术的高速发展，信息安全在现代社会中显示出了前所未 有的重要性。身份认证作为保证系统安全的必要前提之一，在金融、国家安全、 司法、电子商务、电子政务等应用领域，都突显重要。身份认证一般可分为三 类：基于特定物品；基于特定知识；基于生物特征。前两类传统的身份认证方 法( 如身份证、工作证、智能卡、密码、口令等) 存在着携带不便、容易遗失、由 于使用过多或不当而损坏、不可读和密码易被破解等诸多问题，给生活和工作 带来极大的安全隐患，也给管理者和使用者带来很大不方便。以信用卡为例， 国际信用卡组织v i s a 的一个统计表明，全球每年因伪卡、盗刷卡等造成的信用 卡的消费损失高达1 6 亿美金。因此，目前广泛使用的依靠证件、个人识别号码、 口令等传统方法来确认个人身份的技术面临着严峻的挑战，越来越不适应现代 科技的发展和社会的进步。那么如何才能更加安全、方便地识别每个人的身份 呢? 悄然兴起的生物识别技术也许能解决这个难题。 所谓生物特征识别技术【l i 2 1 1 3 1 就是，通过计算机与各种传感器和生物统计学 原理等高科技手段密切结合，利用人体固有的生理特性和行为特征，来进行个 人身份的鉴定。生理特征与生俱来，多为先天性的；行为特征则是习惯使然， 多为后天性的。人们将生理和行为特征统称为生物特征。常用的生物特征包括 指纹，掌纹，虹膜，视网膜，面孔，面部热像图，手腕脉络，皮肤毛孔，身体 气味，声音，签名，步态，姿势等。 1 i 2 国内外应用现状 基于生物特征识别技术的个人身份识别系统具有更好的安全性、可靠性和有 效性，正越来越受到人们的重视，并开始进入我们社会生活的各个领域在历 经数十年的研究后，一些典型的生物识别方法已经在在人脸、指纹【4 】嘲、虹膜【6 1 r 玎、 手型嘲、声音、签名、步态 9 1 等不同的领域获得了不同程度的成功。 武汉理工大学硕士学位论文 在国外，经过3 0 多年的发展，生物特征认证技术的软硬件相对比较成熟， 已经产生了技术成熟、有实力并有一定规模的厂商。生物识别技术的产品在主 流社会中开始了大规模的实际应用，在很多国家，政府采用法律规定的方式来 保证生物识别技术的应用。如美国在“9 1 1 ”以后，3 个相关的法案( 爱国者法案、 边境签证法案、航空安全法案) 都要求必须采用生物识别技术作为法律实施保证。 总体上来说，国外的生物特征认证技术已经进入了以政府应用为主的阶段，主 要的应用领域包括以下几个方面：机场、旅客控制；政府部门：个人使用( 门禁、 考勤) ；法律执行；消费者管理系统；金融管理服务系统；计算机登录管理；医 疗保健系统等。 而在我国，经过1 0 多年的发展，生物识别核心算法有了比较大的发展，但 是距离国外优秀的算法仍旧有一定差距。因此，很多厂商采用集成国外算法的 方式开发自己的产品。而硬件采集设备与国外的差距更大，国内还没有形成能 提供比较完善，成熟的外围硬件核心产品的设备供应商，国际市场上主要的采 集设备的供应都由国外的几大设备供应商把持。 同时，国内的应用还处于发展初期，实际应用主要集中在比较分散、自发性 的企业级应用上。2 0 0 2 年，在我国约为2 5 亿的市场中( 终端市场总量) ，超过 4 0 的产品都用于低端的考勤、门禁上。在行业应用上，警用系统的市场超过 了4 0 ；其他的应用分布在金融单位、社保系统、政府部门等应用领域。在地 区应用上，总体来说，北京、上海、广东既是经济发达的地区，也是生物识别 技术应用的主体。生物识别技术在这3 个地区的应用量占了中国6 0 以上的市 场容量。 从全球来讲，“9 1 1 ”以后生物识别技术的重要性越发受到全球各国政府重视。 传统的身份鉴别技术在面临反恐任务时所表现出来的缺陷，使得各国政府在研 究与应用上对生物特征识别技术开始了大规模的投资。同时，普通公众对生物 识别技术的了解也随着9 1 1 ”的影响而大幅度提高，这些因素促成了“9 1 1 ” 以后全球生物特征认证市场的快速增长。在最新的市场预测报告中，即使考虑 到全球经济发展的不景气，调低了2 0 0 5 的市场预测值，但到2 0 0 7 年，生物特 征识别技术整体市场容量仍旧被调高到了4 0 亿美元，这充分说明了业界对生物 特征识别技术发展的信心。 2 武汉理工大学硕士学位论文 1 2 手写签名认证技术概况 手写签名认证是众多基于生物特征的身份识别方法中的一种，也是计算机视 觉和模式识别领域中一个非常活跃的研究课题。作为一种身份鉴别的手段，与 其它生物特征相比它具有非侵犯性、易为人接受、易于获取等优点。手写签名 认证可分为离线签名认证【lo 】和在线签名认证两种。前者是通过扫描仪、摄像机 等输入设备，将原始的手写签名输入到计算机里，获取某一种形式的图像信息， 然后进行对图像信息的分析与鉴定；后者是通过手写板实时采集书写人的签名 信息，除了可以采集签名位置、方向等静态信息外，还可以记录书写时的速度、 运笔压力、握笔倾斜度等动态信息。 1 2 1 存在的问题 字如其人，中国人写字讲究书法，人们选择了自己青睐的书法风格后，又融 入自己的书写特点，因而小到一个字的间架结构，大到整篇文章的纵横布局， 每个人都有自己的运笔习惯和格式规划；笔迹已成为人们进行身份鉴别的重要 手段之一。尽管笔迹的识别需要接触性测量，但是仍然在政府、法律和贸易中 被广泛地用来鉴定人的身份。笔迹是一种行为特征，也是一个动态的过程，它 受书写者的身体和情绪的影响很大。有些人的笔迹变化很大，即使连续的笔迹 都有很大的差别。此外，经过专f 3 劫l l 练，模仿出来的笔迹可以达到以假乱真的 地步。尽管笔迹专家可以鉴别出笔迹的真伪，但是用计算机来描述笔迹的特征， 自动地进行笔迹识别还是个非常困难的问题。 1 2 2 研究历程 手写签名验证的研究工作最早可以追溯到1 7 世纪的英格兰。当时，英格兰 的法庭遭遇过不少关于问题签名的案子。因为在那时候，几乎所有的文件都是 手写的，例如支票、票据、遗嘱等这些经济上重要的法律文件。所以当时一个 成功的伪造签名者可以轻易而举的弄到一大笔的钱。这样的情况直到1 8 世纪才 开始出现转机，法庭开始求助于专业的团队来解决一些棘手的争议遗嘱问题， 当时的所谓的专家并没有正规的方法来对待这类问题。而后，一些鉴别专家因 为其严格并且诚实而变得十分闻名，随着时间的流逝和社会所承认的专职学徒 的招生，签名笔迹分析也作为一门新的学科出现了。 武汉理工大学硕士学位论文 2 0 世纪早期，两个笔迹分析的权威人士l a v a y 和o s b o r n 给出了他们的鉴别 方法【1 1 】【1 2 1 ，这是对签名认证问题最早的尝试了。 直到2 0 世纪6 0 年代，随着数字电脑作为一个必要的研究工具出现和医学电 子学的进步，签名的研究已经成为除了复杂人体神经动力学之外的一个重要的 课题。 1 9 6 5 年，m u r r a y e d e n 推出了手写签名的模型，并且在一个单词识别系统种 使用该模型f 1 3 】，尽管e d e n 的模型没有处理签名认证问题，但是他强调的要观察 书写的动态过程已经体现了“在线识别”的本质。 1 9 7 4 年，n e m c e k 和l i n 使用h a d a m a r d 变换来从二进制签名图像中产生特 征向量【1 4 1 。 1 9 7 7 年，c h u a n g 提出了一种把一个签名图像分成高、中、低3 个区域子图 并且对每个子图进行有序的分析来提取每个区域各自的特征和各自的均衡性的 认证方法【j ”。 同年，n a g e l 和r o s e n f e l d 提出了一种首先利用e d e n 的模型来减低签名对时 间比例的依赖，接着把签名从纵向分为高于基线的字母、正常的字母和低于基 线的字母3 部分，取3 部分的平均高度的比值为特征的“离线”签名认证方法。 1 9 8 2 年，s a t o 和k o g u r e 提出了最成功的在线认证方法，同时s a t o 和 k o g u r e 两人还发现了能够减小两个签名位置平均平方差的时间扭曲函数【l 们。 同年，p h e l p s 解释了一种十分简单可行的利用全局特征来辨别签名的“离线” 方法。 1 9 8 3 年，c r a n e 和o s t r e m 解释了一种仅仅只需要一支压力敏感的笔的方法， 该方法提取了基于采样三维压力波阵面的4 4 个不同的特征，接着把特征向量输 入到欧氏距离滤波器种，来得到了判决的门限。 1 9 8 4 年，b r a u l t 和p l a m o n d o n 也论证了一种不需要手写板的方法，他们所用 的笔的两端装备了一对加速计，所用的分类器和笔的加速度模式相关联来得到 时间的函数。 1 9 8 5 年，b r o c l d e h u r s t 使用一系列的局部特征( 如斜率、左手空白距离和“凹 度”) 来配合签名图像的总体长度来认证的方法【”】。 1 9 8 6 年，s a b o u r i n 和p l a m o n d o n 确立了使用s o b e l 算子到灰度等级图像中， 并且s o b e l 算子被作为一个用来设置因倾斜强度而发生的角度行为的特征的方 法【l 引。 4 武汉理工大学硕士学位论文 2 0 世纪8 0 年代早期以后，大量的熟练伪造签名变得比随机伪造签名更普遍， 而且熟练伪造所涉及的金额一般都很大，这样的伪造签名有时候连专家也没有 办法。因此，在8 0 年代早期a m m a r 等入对熟练伪造签名作了大量的研究【1 9 1 2 0 ， 他们计算签名图像中黑度的统计特性来确定笔迹的总的变化，他们提取的主要 特征是黑度高的象素相对于总的签名图像的象素的比率。 a m m a r 的后期研究主要涉及参考模式，或者说签名图像在水平和垂直方向 上的投影。在训练采样过程中的水平和垂直方向上的投影的平均值产生了横向 和纵向的参考模式，通过使用欧氏距离来比较测试签名和参考模板的投影。 进入9 0 年代以后，国内外有很多学者对签名认证这个课题产生了兴趣。 1 9 9 0 年，w i l k i n s o n 和g o o d m a n 提出了一种基于签名图像局部曲率和全局 斜率的倾斜直方图来发现伪造签名的方法1 2 1 1 。 1 9 9 1 年，k r i s h n a n 和j o n e s 根据真实签名和描摹的伪造签名沿着笔迹的墨水 散射程度不同的原理，使用灰度等级图像的边缘梯度来查找描摹的伪造签名吲。 同年，a t & t 的贝尔实验室的t r e v o r 和i b m 技术中心的e y a lk i s h o n 等提出 了一个电脑认证的统计模型吲。 1 9 9 2 年，l e e 和p a n 给出了一种在跟踪签名图像提取动态特征之后，再利用 多级关键点分割来提取局部特征点的方法【2 4 】。 同年，日本中央研究实验室的j u n i e h ih i g a s h i n o 给出了一个基于神经网络的 签名认证系统【捌 1 9 9 3 年，s a b o u r i n 等评估了扩展投影编码的使用对离线签名认证的效果嘲。 1 9 9 5 年，k eh a r t 和i s h w a rk s e t h i 建立了一个通过自动搜索签名数据库来进 行签名认证的系统1 2 7 1 。 1 9 9 7 年，张葵、金先级、裴先登等提出了一种签名动态特征的特殊点抽取方 法【2 8 】。 同年，金涌、柳健提出了基于空间曲线弹性匹配的在线手写签名鉴别的认证 方法1 2 9 1 。 1 9 9 9 年。f 柚g p 0 1 等人使用参考模式和签名的轮廓线来研究熟练签名。 2 0 0 1 年。欧阳星明、陈传波提出了基于采样数据稳定度的在线手写签名认证 方法【3 。 同年，郭宏、金先级则提出了一种基于特殊点提取方法的签名验证算法。 2 0 0 2 年，邱德红、陈果、陈传波等设计了具有非线性边界的、用于手写签名 武汉理工大学硕士学位论文 认证的神经网络分类器。 2 0 0 3 年，许嵴、施泽生、蔡洪滨等提出了一种基于多模板匹配的在线手写签 名认证方法。 同年，陈罡等将物理学中的“数据场思想”【3 2 】引入签名鉴别中。 2 0 0 5 年，左文明研究了脱机手写签名的特征提取之后，提出了一种结合静态 特征与动态特征的新的鉴别方法p 3 1 。 同年，栾方军、马驷良、程开东等提出了基于笔划匹配的在线手写签名身份 认证算法1 3 4 1 。 总体来讲，由于发达国家的信息技术起步早、发展快、网络普及率高，而且 计算机的使用程度和自动化技术已达到较高的水平，因而签名认证和识别技术 在国外得到广泛而深入的研究。目前，国外很多大的公司参加了该项技术的研 究，如i b m 、c y b e r - s i g n 、美国智通、日本富士通等。国内涉及该项技术研究 的有中科院自动化所、吉林大学等一些企事业单位，相比国外企业，我国只有 少数企业拥有自己的核心算法，并且产品价格高，性能不稳定，还有很大的发 展潜力。 1 3 本文的主要工作和组织结构 1 3 。1 主要工作 本文提出了在线手写签名认证的原型系统的一种总体设计方案，并对数据采 集的设备、方式和数据库的构成进行了阐述。也对采集数据的格式和数据读取 作了解释，并研究了签名特征的选择与提取方法。对比了在仅仅考虑横向、纵 向波形特征以及在整体考虑两个方向的波形特征时的第二级认证的试验效果， 说明了整体考虑横、纵向特征具有更好的效果。 本文侧重于签名信号波形的特殊点的选取和签名信号的动态匹配方法的研 究。提出并且完善了根据签名信号波形中点的视觉重要程度来选取特殊点的理 论。该方法充分地考虑了周围各点对中心点的视觉贡献度。分析了如何把动态 分割和动态匹配结合起来实现参考模板和测试签名波形的特殊点分割问题，实 验表明这种动态分割匹配方法具有一定的鲁棒性，具有很好的使用和推广价值。 6 武汉理工大学硕士学位论文 1 3 2 组织结构 全文共七章，结构安排如下： 第一章介绍了生物识别技术和手写签名认证技术的概况，阐明了本文的主要工 作和组织结构。 第二章提出了在线手写签名认证系统的一种总体设计方案，解释了数据采集的 设备、方式和采集数据的格式、读取方法，也分析了数据库的构成。 第三章解释了特殊点的选取方法，并说明了特殊点分布合理化处理的流程 第四章阐述了特征的筛选方法，给出了几个典型特征的计算方法。 第五章解释了一维高斯概率分布模型，详细地阐述了基于概率模型的第一级认 证原理。 第六章说明了动态分割和匹配的原理，介绍了签名动态分割、匹配时获取加权 系数的方法，并进行了第二级认证的相关实验。 第七章归纳了本文所做的工作，并指出了不足之处，提出进一步研究需要解决 的问题和发展方向。 武汉理工大学硕士学位论文 第2 章在线手写签名系统 2 1 手写签名认证的处理方案 手写签名认证系统包括两个大的部分：数据硬件采集部分和算法处理部分。 算法处理部分又主要包括预处理、特殊点的选取、特征提取、动态分割和动态 匹配等：另外，数据库的构成和特征的权系数的获取也是认证技术研究中的一 个重要方面。在对原型算法理论【3 5 】认真分析的基础上，本课题提出了基于高斯 概率分布模型的第一级认证模式和基于特殊点分割和动态匹配的第二级认证模 式。图2 1 是手写签名的处理流程图。 参考模板 注册过程认证过程 测试签名 图2 1 手写签名的处理流程图 8 武汉理工大学硕士学位论文 2 2 数据采集 2 2 1 硬件采集部分 在签名认证的研究中，国内外学者对采样设备的研究相当多 3 6 3 7 1 ，并且对于 不同的研究参数，采样方式也各不相同。本课题数据采集工作所选用的方案是 利用普通手写笔与四线触摸屏接触，通过触摸屏采集签名者书写笔迹的横坐标、 纵坐标、压力和时间信息，同时利用液晶屏将书写的签名实时地显示出来。数 据的采样时间间隔为5 m s ，即采样频率为2 0 0 h z 。采集到的数据信息先还原成书 写者真实的签名数据，然后再将签名数据通过u s b 接口或串口传送到处理终端 p c 机保存，以供后续算法处理。由于采集设备可以装备在任何一种计算机上， 因此可以大大降低成本开销，有利于广泛使用。手写签名认证系统的硬件采集 部分主要由以下四个部分组成： 图2 2 硬件采集部分的构成 ( 1 ) 采集子模块 采集子模块主要由四线电阻式触摸屏和触摸屏控制器a d s 7 8 4 6 组成。 a d s 7 8 4 6 是一种四线式触摸屏的控制器，目前广泛应用于电阻式触摸屏输入系 统中。a d s 7 8 4 6 的主要功能是分时向x 、y 电极施加电压，并把测量电极上的电 压信号转换为相应触摸点的x 、y 坐标。采集子模块主要负责签名的压力、横纵 坐标信息的采集，为后面的识别提供原始的签名数据。 ( 2 ) 显示子模块 9 武汉理工大学硕士学位论文 显示子模块主要由点阵式液晶显示屏和e p s o n 公司出品的液晶控制器 s e d l 3 3 5 组成。s e d l 3 3 5 包括接口部分、管理控制部分和l c d 显示驱动部分。 s e d l 3 3 5 的驱动部分可使各个显示区的显示合成并产生液晶显示模块所需的时 序。s e d l 3 3 5 能在很高的工作频率下迅速地编译m c u 发来的指令代码，将参 数置入相应寄存器内，并触发相应的逻辑功能电路，所以它能够很好的接收控 制系统传来的数据，转化成液晶屏的点阵数据，在液晶屏上显示出来。 ( 3 ) 通信子模块 通信子模块有串口通信和u s b 通信两种通信方式，可供用户选择。串口通 信由m a x 2 3 2 以及单片机的串1 2 1 组成；u s b 通信的核心部分是是由p h i l i p s 公司 的u s b 接口芯片p d i u s b d l 2 。通信子模块主要负责把数据传输给p c 机终端进 行保存和处理。p d i u s b d l 2 是p h i i i p s 公司推出的一种价格便宜、功能完善的并 行接口芯片，它基于u s b i 1 协议，支持多路复用、非多路复用和d m a 并行传 输。 ( 4 ) 控制子模块 控制子模块主要由a t 8 9 系列的单片机a t 8 9 s 5 2 组成。a t 8 9 s 5 2 负责控制 p d i u s b d l 2 接口工作在非多路复用状态，采用中断方式与p d i u s b d l 2 的数据 交换，并且在中断中完成与p c 机的通信和u s b 协议的处理，协议的处理包括 描述符请求、地址设置、端点配置等。 2 2 2 采集数据的格式 为了高速的采集和保存采样数据，本课题组采集部分使用了u s b 接口输送 数据。采集到的数据信息先还原成书写者真实的签名数据，然后再将签名数据 通过u s b 接口或串口传送到处理终端p c 机保存，以供后续算法处理。采集数 据的数据结构如下： u n s i g n e dh a tt o t a l _ s i g n a t u r e _ p o i n t n u m ； s t r u e ts i g n a t u r e u n s i g n e dh a tx ； u n s i g n e dh a ty ； u n s i g n e di n tp ； l o 武汉理工大学硕士学位论文 其中n u m 表示采集数据的总点数，1 1 1 1 1 1 1 - 的范围在0 2 0 0 0 之间；采集的第m 点 ( m 的取值范围为o 2 0 0 0 ) 的横坐标和纵坐标值和压力值表示为p o i n t m l 】x 和 p o i n t m l 】y ，p o i n t m - - 1 】z 。横、纵坐标的值取值范围为0 4 0 9 5 ，压力值的 取值范围卫0 2 5 5 。 采集数据是以a c i i 码保存在文本文件中。后续处理采用了m a t l a b t 3 8 1 的低 级i o 读取命令f o p e n ，来完成把a c i i 码转换为m a t l a b 语言的矩阵的任务。 2 3 预处理及数据库的构成 数据库的数据由原始采集数据经过预处理后的签名坐标曲线( x 分量、y 分 量) 和压力曲线( p 分量) 组成。预处理的目的是，减少或者消除噪声，加强有 用的签名信息，并对输入测量仪器或其他因素所造成的退化现象进行复原，将 采集到的数据变成适宜于特征提取的形式。适当的预处理不仅可达成前述效果， 更可对系统效率有所帮助。然而，不恰当的预处理则可能造成签名信息的失真、 有效信息的丢失等问题，反而影响确认系统的认证能力。对原始采集数据的预 处理包括剔除虚假抬笔、去噪、平滑、去零点、归一化等。 2 3 1 真实签名数据库 真实签名数据库( g e n u i n ed a t ab a s e ) 是由2 5 个人的真实签名所组成。每个人书 写自己的签名在2 0 到1 2 0 次之间，总共构成了1 0 0 0 多份真实的签名。在签名 数据采集前，每一个签名者都要经历一个训练的过程。训练的目的是让他( 她) 们在触摸屏上尽可能真实地、自然地书写他( 她) 们的签名，尽量减少对数字 传感器传送数据时的不良的影响，以降低后续处理的难度。图2 3 是某真实签名 的图像以及签名坐标曲线( x 分量、y 分量) 和压力曲线( p 分量) 。 武汉理工大学硕士学位论文 ( a ) 签名图像( b ) 签名坐标曲线( x 分量) ( c ) 签名坐标曲线( y 分量)( d ) 压力曲线( p 分量) 图2 3 真实签名x i a 0 0 8 0 8 0 4 2 3 2 伪造签名数据库 伪造签名数据库( f o r g e r yd a t ab a s e ) 可分为随机伪造库和熟练伪造库两种。 随机伪造( r a n d o mf o r g e r y ) 是伪造者在既没有空间信息、又没有时间信息的情 况下书写的他人或者自己的签名，对签名验证系统而言这是必须能处理的伪造 类型。即伪造者仅仅只知道如何去拼写被伪造者的名字，而关于真实签名的任 何信息( 比如真实签名的尺寸大小、书写时间的长短等) 在拼写之前都不知道， 只是按照自己的想象、记忆或者直接以自己的书写风格来书写被伪造者的签名。 随机伪造数据库由对2 5 个人的伪造签名构成，其中每个人的随机伪造签名有2 0 0 多个。 熟练伪造( s k i l l e df o r g e r y ) 贝u 是伪造者对用户签名进行多次模仿后写出的笔 迹，它们在外形上与真实签名高度相似。另外由于伪造者经历过一定训练过程， 1 2 武汉理：f ：大学硕士学位论文 故在动态特征方面也会形成较大的干扰。由此，随机伪造是较容易辨别的，而 熟练伪造是较难辨别的。熟练伪造库是由1 0 个截然不同的真实签名的模拟签名 共1 0 0 个组成。图2 - 4 是某熟练伪造签名的图像以及签名坐标曲线( x 分量、y 分量) 和压力曲线( p 分量) 。 ( a ) 签名图像( b ) 签名坐标曲线( x 分量) ( c ) 签名坐标曲线( y 分量)( d ) 压力曲线( p 分量) 图2 4 熟练伪造签名z h e n 9 0 8 1 4 0 5 f 武汉理工大学硕士学位论文 第3 章特殊点的选取 3 1 特殊点的选取 在通信领域，用于身份认证的在线手写签名由于信息量大、不易模仿，具有 很高的安全可靠性。但是手写签名涉及人体的复杂运动、变化非常剧烈。签名 曲线复杂多变，即使是真实签名之间的差异也会非常大，直接将整个签名做匹 配，很难将真实签名之间的差剐与伪签名与真实签名之间的差别有效地区别开 来。因此将整个签名进行分段处理作为一种简化的手段就有其必要性，特殊点 分段就是一种有用的分段处理方法。 特殊点眇】就是在一个人的签名轨迹中，排列顺序、相邻点时间间隔以及邻域 动态特性等方面都具有较强的稳定性的点。由于特殊点所邻接的领域附近蕴涵 着丰富的动态和静态特征，并且一个入的签名可以视为沿着一组特殊点光滑连 接的连续曲线，因此特殊点分段也具有一定的合理性。 研究发现，签名过程中的抬笔、落笔具有较大的随机性，但签名曲线的拐弯 点、折弯点、起点和终点在排列顺序、相邻点时间间隔以及邻域动态特性等方 面都具有较强的稳定性，故可以将曲线的拐弯点、折弯点、起点和终点作为特 殊点。本课题选取的特殊点是在签名的x 轴和y 轴波形上的“视觉重要点” 4 0 1 1 4 l 】 ( 即波峰和波谷点) ，实际上也就是签名的拐弯点、折弯点、起点和终点。 3 1 1 特殊点的三种类型 在签名的x 轴波形或y 轴波形上的可能存在“视觉重要点”的三种类型如图 3 1 所示，在图3 - l 中按从左至右、从上至下的顺序分别称为类型l 、类型2 和 类型3 。 1 4 武汉理工大学硕士学位论文 i i 图3 1 特殊点的三种类型 类型l ：i 点是明显的波峰点，h 点和j 点则是i 点的两翼的延伸。类型2 ：i 点是不特别显著的波峰点，它的视觉重要性已经因为i 。和i ”点的出现而减弱，但 仍然是名副其实的波峰，h 点和j 点还是i 点的两翼的延伸。类型3 ：i 点的视 觉重要性几乎已经完全消失，其波峰的特征已经很不明显，i 和i ”点则取代了i 点成为了新的“视觉重要点”。 3 1 2 选取特殊点的原理 为了方便后面的算法叙述，首先对图3 屯中使用的符号作一下解释和对算法 的假设条件做一些规定： 解释1 ：甩为签名采样的总点数；印表示在时刻 一，( t o t l t 2 厶一1 ) 的采样点；a 露和a + t 一- a + k 及a t + - a 1 分别表示点印到点p ，的向量和点 + i 一一到点p ，+ k 的向量及点p ，i + ，到点p ，一k 的矢量；点砂是p 点和p + 点连 线的中点；头( f ，k ) 是矢量只露和矢量只一i + ，晟一构成的夹角，西( i ，妨是矢量p 厨 和矢量a + 一- a + t 构成的夹角；口。是o l ( i ，后) 和研( f ，七) 所不能超过的最大值，界 于0 到n 2 之间；点印。表示点p t 和点p 两个点。 规定1 ：在采样序列中，如果p 。满足其研( f ，幼和所( f ，七) 满足式( 3 1 ) ，那 么点p 。在点印的领域内。 规定2 ：i m p ( i ，k ) 表示在p 的领域内的两个点p t 对p 的视觉重要性的贡 献；在p 一区域内的两个点p 。t 对p j 的视觉重要性的贡献如式( 3 2 ) 所示。 规定3 ：一般情况下，f 1 ( i ) 表示在p f 的领域内的各点对印的视觉重要性的 武汉理工大学硕士学位论文 贡献的累加值如式( 3 3 ) 所示，其中n ( o 是p 领域内的采样点在p 的左右两边 各自的数目；特殊情况下f z ( i ) 的意义见“规定4 ” ( a ) 状况l( b ) 状况2 图3 2 检索过程中点印的局部波形图 解释2 ：如果出现特殊情况如图3 - i ( b ) ( c ) ，即当一个局部的波峰或波谷 不明显甚至很不明显的情况下，形成了新