1. Введение
Среди различных биометрических характеристик, предложенных и исследованных в литературе, распознавание рукописных подписей в связи с социальным и законным признанием является одной из наиболее привлекательных характеристик.
Подписи могут быть характеризованы с помощью набора признаков. Выбор признаков является достаточно важным критерием, так как неправильный выбор признаков может ухудшить точность биометрической системы.
Биометрические параметры подписи могут быть классифицированы на две категории: статические (оффлайн) и динамические (онлайн). Оффлайн подпись содержит информацию только о форме подписи. Она может быть использована для простой верификации подписей в документах [5]. Онлайн подпись содержит также информацию об изменении динамических признаков (скорость, ускорение или давление) во время процесса записи. В этом случае форма подписи представляется с помощью горизонтальных и вертикальных траекторий движения пера.
Динамические характеристики регистрируются специальными устройствами – графическими планшетами. Благодаря использованию динамических признаков верификация подписи является более надежной, чем верификация с использованием традиционной оффлайн подписи. Динамические характеристики невидимы и делают подпись более уникальной и лучше характеризуют пользователя. Верификация личности на основе биометрических атрибутов очень интересна, например, если эффективность верификации на основе динамической подписи достаточно высока, то подпись может заменить многие широко используемые методы авторизации, например, пароль, PIN-код и т.д.
С практической точки зрения биометрическая система – это система распознавания шаблонов, которая распознает пользователя на основе анатомических (например, отпечатки пальцев) или поведенческих (например, подпись) характеристик. Биометрический шаблон должен храниться в базе данных. Позже, шаблон используется для сравнения, что необходимо для распознавания личности. Биометрическая система может работать в режиме верификации или идентификации. Верификация включает подтверждение или отказ заявленной личности пользователя. Могут быть выделены следующие основные группы методов верификации подписи:
- Методы на основе локальных и глобальных признаков. Глобальные признаки извлекаются из всей подписи, а локальные – из ограниченной области подписи. В этих методах анализируются вертикальные и горизонтальные проекции вместе с высотой и шириной подписи. Эти подходы называются параметрическими.
- Функциональные методы. В этом подходе динамические признаки подписи регистрируются как временные последовательности, содержащие информацию об изменениях во времени признаков подписи. Этот набор включает динамические признаки, описывающие форму подписи (координаты х и у), локальное давление, скорости и ускорения. Это так называемые поведенческие методы анализа подписи.
- Областные методы. Подпись каждого человека разбивается на области. Для каждой области подготавливается кодовая книга. Признаки подписи вместе с соответствующей кодовой книгой способны улучшить результаты классификации.
- Комбинированные (гибридные) методы. Этот подход основан на комбинировании разных методов из числа вышеприведенных.
Тем не менее, практическое развертывание технологии распознавания подписи является более медленным по сравнению с другими хорошо известными технологиями такими, как отпечатки пальцев и сетчатка глаза. Слабая эффективность технологии распознавания рукописной подписи в основном объясняется следующими аспектами, характерными для биометрического класса биометрических данных:
1) Внутриклассовая изменчивость (разница среди образцов одного и того же пользователя) обычно выше, чем в иных биометрических технологиях;
2) Низкая степень постоянства подписи со временем, вследствие чего уменьшается точность системы распознавания;
3) Возможность изучить подпись способствует возникновению двух разных сценариев подделок:
- Случайная подделка – случай, когда атакующий старается получить доступ к системе верификации с использованием собственной биометрической характеристики, заявляя личность другого пользователя. Это наиболее общий случай для определения эффективности системы. В нем, как правило, происходит настройка системы распознавания для достижения требуемой эффективности, т.е. порог для принятия решения определяется при рассмотрении случайных подделок.
- Умелая подделка – этот случай является уникальным именно для поведенческого класса биометрии. В этом случае атакующий имеет некоторые сведения о подписи определенного автора и пытается получить доступ к системе, имитируя подпись. Обычно такие умелые подделки могут объясняться внутриклассовой изменчивостью подписи автора, что ухудшает эффективность распознавания. Этот случай особенно важен при обнаружении подделок подписи в чеках или официальных документах.
Указанные выше поведенческие аспекты превращают распознавание рукописной подписи в весьма проблемную область исследований.
Библиографический список
- S. Mori, C.Y. Suen and K. Kamamoto, “Historical review of OCR research and development,” Proc. of IEEE, vol. 80, pp. 1029-1058, July 1992.
- N. Arica and F. Yarman-Vural, “An Overview of Character Recognition Focused on Off-line Handwriting”, IEEE Transactions on Systems, Man, and Cybernetics, Part C: Applications and Reviews, Vol.31 (2), pp. 216 – 233. 2001.
- V.K. Govindan and A.P. Shivaprasad, “Character Recognition – A review,” Pattern Recognition, Vol. 23, no. 7, pp. 671- 683, 1990.
- R. Plamondon and S. N. Srihari, “On-line and offline handwritten character recognition: A comprehensive survey,” IEEE. Transactions on Pattern Analysis and Machine Intelligence, Vol. 22, no. 1, pp. 63-84, 2000.
- Vipin, Rajeshwar D., Rajni, “Character Recognition using Neural Network”, International Journal of Advanced Trends in Computer Science and Engineering, Vol. 2, No.3, 2013.