УДК 004.932.2

О ДИНАМИЧЕСКИХ МЕТОДАХ ВЕРИФИКАЦИИ РУКОПИСНЫХ ПОДПИСЕЙ

Анисимова Эллина Сергеевна
Елабужский институт (филиал) ФГАОУ ВПО "Казанский (Приволжский) федеральный университет"
ассистент кафедры информатики и дискретной математики

Аннотация
Рукописная подпись, введенная с помощью графического планшета или другого устройства, содержит в себе информацию об изменении динамических характеристик подписи во время процесса записи. Благодаря наличию динамической информации динамические методы верификации более надежны по сравнению со статическими. В данной статье приведены примеры некоторых методов динамической верификации подписи.

Ключевые слова: верификация, динамические характеристики, рукописная подпись


ABOUT DYNAMIC HANDRITTEN SIGNATURE VERIFICATION METHODS

Anisimova Ellina Sergeevna
Elabuga Institute (branch) of Kazan (Volga Region) Federal University
Assistant of the Department of Informatics and Discrete Mathematics

Abstract
Handwritten signature, entered using a graphic tablet or other device that contains information about the change in the dynamic characteristics of the signature during the recording process. Due to the dynamic information dynamic verification methods are more reliable in comparison with static. This article provides examples of some of the dynamic signature verification methods.

Библиографическая ссылка на статью:
Анисимова Э.С. О динамических методах верификации рукописных подписей // Современная техника и технологии. 2016. № 3 [Электронный ресурс]. URL: http://technology.snauka.ru/2016/03/9716 (дата обращения: 26.05.2017).

1.1. Динамический метод верификации подписей на основе соединения признаков с мерами подобия

В работе [1] авторы предлагают метод верификации подписи на основе динамических признаков, причем пространство признаков соединено с множеством мер подобия. Признаки и связанные с ними коэффициенты подобия создают новые составные признаки подписи. Составные признаки далее сжимаются с помощью процедуры сжатия Хотеллинга. В других подходах обычно используется или только одна мера подобия, ли специальный вид разбиения, или методы нечеткой логики. Эти методы сильно зависят от начальных параметров и признаки в них, как правило, выбираются вручную. В предлагаемом методе отличительные признаки и меры подобия определяются автоматически, они помогают отделить данную подпись от остальных подписей базы данных.

Пусть подлинные подписи автора Q формируют первый класс подписей p1, поддельные подписи формируют второй класс подписей p2.

SW – подписи пользователя W, которые должны быть верифицированы. Пусть этот пользователь заявляет себя как автор Q, этот факт должен быть проверен.

Матрица Х строится на основе класса p1. Эта матрица содержит значения коэффициентов подобия, вычисленных между парой подписей класса p1. Матрица В включает подобия между всеми подписями автора Q, эти подобия должны быть вычислены на основе выбранных признаков и выбранных коэффициентов подобия.

На этапе верификации должны быть установлены наиболее отличительные признаки и меры подобия автора Q. Это означает, что известна матрица В.

На следующем этапе вычисляется множество D евклидовых расстояний между вектором  и всеми последовательными векторами.

В этом множестве выбирается к наименьших расстояний. Верифицируемая подпись  определяется как подпись класса  p1 или p2 с помощью метода к ближайших соседей.

Точность предложенного метода достаточно высока, она была оценена на наборах данных SVC2004 и MCYT. Предложенный метод верификации является весьма ценным и превосходит традиционные биометрические методы, где обрабатываются только исходные данные. 

1.2. Распознавание онлайн подписей с помощью комбинации реальных динамических данных и синтетических сгенерированных статических данных

В работе [4] предлагается новый подход к распознаванию рукописных подписей, основанный на объединении оффлайн и онлайн подписей. Этот метод состоит в создании из онлайн подписи динамически улучшенных синтетических оффлайн образцов, используемых далее в процессе распознавания. В предложенной работе онлайн подпись описывается тремя временными последовательностями – координатами х и у и давлением р во время процесса написания.

На входе принимается онлайн подпись (определяется последовательностями х, у и р) и на выходе система возвращает синтетическую оффлайн подпись, определяемую двумя изображениями: Iулучшенное, включающее распределение уровня серого, толщину штрихов, информацию о скорости, давлении оригинальной онлайн подписи, и Iподнятия пера, которое генерируется из информации о траектории подписи, захваченной в моменты времени, когда перо не касается дисплея.

Первоначально требуется предварительная обработка реальных онлайн данных подписи. Она включает масшабирование и интерполяцию.

Для того, чтобы получить простое штриховое изображение, масштабированные и интерполированные координатные последовательности при р>0 отображаются на белом фоне черным цветом, в результате получается черно-белое изображение.

Улучшенное изображение подписи получается сверткой каждого пикселя простого штрихового изображения с определенным ядром. Эти ядра моделируют пятно от конца пера в каждом пикселе на основе разных двумерных гаусcовых функций, включающих информацию о давлении и скорости из онлайн подписи.  После этого применяется виртуальный профиль чернил для создания финального улучшенного изображения. Оно основано на перекрывании каждого полседовательного пятна так, чтобы они соответствовали действию шариковой ручки. Далее гистограмма виртуальной траектории корректируется реальной гистограммой пера.

Поднятия пера не отображаются в изображении статической подписи. Однако эти траектории представляют отличительные признаки, которые могут быть использованы в ситуации умелой подделки, так как подделыватель стремится смоделировать именно «чернильное» изображение, не включающее невидимую траекторию поднятия пера. Использование этой информации в оффлайн верификации может улучшить точность статической синтетической подписи по сравнению с ее реальной версией. Траектория поднятия пера генерирует новое изображение Iподнятия пера.

Таким образом, каждая синтетическая подпись определяется двумя разными изображениями: Iулучшенное (которое включает информацию о давлении и скорости из реальной динамической подписи) и Iподнятия пера (получена из траектории подписи во время поднятия пера).

Результаты эксперимента показывают, что поведение синтетических образцов очень схоже с поведением реальных оффлайн образцов. Хотя онлайн подпись имеет высокий потенциал в задаче распознавания, она включает не всю информацию, присутствующую в характеристике подписи. Поэтому оффлайн данные могут быть весьма ценным качеством, способным повысить эффективность системы распознавания. Более того, генерация синтетических статических подписей может стать реальной альтернативой между статическим и динамическим подходом к проблеме распознавания подписей и будет способствовать повышению уровня развития технологии распознавания рукописных подписей.


Библиографический список
  1. Doroz R., Porwik P., Orczyk T. Dynamic signature verification method based on association of features with similarity measures / Neurocomputing. – 2016. No.171. – pp. 921–931.
  2. Eskander G. S., Sabourin R., Granger E. Hybrid writer-independent–writer-dependent offline signature verification system / Selected papers from International Conference on Frontiers in Handwriting Recognition / doi: 10.1049/iet-bmt.2013.0024 IET Biom. – 2013. -Vol. 2, Iss. 4. – pp. 169–181.
  3. Galbally J, Martinez-Diaz M, Fierrez J Aging in Biometrics: An Experimental Analysis on On-Line Signature. PLoS ONE – 2013. – 8(7): e69897. doi:10.1371/journal.pone.0069897.
  4. Galbally J., Diaz-Cabrera M., Miguel A. Ferrer, Gomez-Barrero M., Morales A., Fierrez J. On-line signature recognition through the combination of real dynamic data and synthetically generated static data / Pattern Recognition. – 2015. – No. 48. – pp. 2921–2934.
  5. Guerbai Y., Chibani Y., Hadjadji B. The effective use of the one-class SVM classifier for handwritten signature verification based on writer-independent parameters / Pattern Recognition. – 2015. – No. 48. – pp. 103–113.
  6. Serdouk Y., Nemmour H., Chibani Y. New off-line Handwritten Signature Verification method based on Artificial Immune Recognition System / Expert Systems With Applications. – 2016. – No. 51. – pp. 186–194.


Все статьи автора «Анисимова Эллина Сергеевна»


© Если вы обнаружили нарушение авторских или смежных прав, пожалуйста, незамедлительно сообщите нам об этом по электронной почте или через форму обратной связи.

Связь с автором (комментарии/рецензии к статье)

Оставить комментарий

Вы должны авторизоваться, чтобы оставить комментарий.

Если Вы еще не зарегистрированы на сайте, то Вам необходимо зарегистрироваться: