基于加速度傳感器的中文簽名身份認(rèn)證

劉 威,汪 陽,鄭建彬,詹恩奇

1.武漢理工大學(xué) 信息工程學(xué)院,武漢 430070; 2.光纖傳感技術(shù)與信息處理教育部重點實驗室(武漢理工大學(xué)),武漢 430070)(*通信作者電子郵箱1530379001@qq.com)

基于加速度傳感器的中文簽名身份認(rèn)證

劉 威1,2*,汪 陽1,2,鄭建彬1,2,詹恩奇1,2

1.武漢理工大學(xué) 信息工程學(xué)院,武漢 430070; 2.光纖傳感技術(shù)與信息處理教育部重點實驗室(武漢理工大學(xué)),武漢 430070)(*通信作者電子郵箱1530379001@qq.com)

采集用戶在簽名過程中的三軸加速度信息,可用來實現(xiàn)身份認(rèn)證。中文簽名結(jié)構(gòu)較為復(fù)雜,在空中書寫的過程難以被模仿,但同時也會使同一用戶不同次簽名間的差異增大,提高認(rèn)證難度。傳統(tǒng)的二維簽名或三維手勢認(rèn)證方法并不能解決這一問題。為了提高中文空中簽名身份認(rèn)證效果,改進了全局序列對齊(GSA)算法,對匹配后的序列進行插值操作。不同于傳統(tǒng)GSA算法通過最終匹配分?jǐn)?shù)反映序列間相似度,引入兩種距離指標(biāo)(歐氏距離和絕對值距離)計算序列間的差異。實驗結(jié)果表明,基于距離指標(biāo)的兩種GSA算法均能提高認(rèn)證精度,與傳統(tǒng)算法相比,二者的系統(tǒng)等誤率(EER)分別降低了37.6%和52.6%。

生物特征;空中簽名;身份認(rèn)證;序列對齊;加速度傳感器

0 引言

基于人體生物特征的身份認(rèn)證技術(shù)正在成為信息安全領(lǐng)域研究的熱點。生物特征可以劃分為生理生物特征和行為生物特征兩大類[1-2]。基于生理特征的身份認(rèn)證技術(shù)主要利用指紋[3]、人臉[4]、虹膜[5]等生理特征實現(xiàn)身份認(rèn)證。這些生理特征因其普適性和唯一性得到了普遍應(yīng)用。基于生物行為特征的身份認(rèn)證方法,如聲音識別[6]、步態(tài)行走識別[7]等在近年也受到了廣泛關(guān)注,手寫簽名[8-9]更是長期以來最為人們所接受的行為特征。但具體到應(yīng)用中,以上生物特征認(rèn)證方法仍然存在技術(shù)成本高、認(rèn)證效率低、易仿造等問題。本文提出了一種基于加速度傳感器的中文空中簽名認(rèn)證方法。利用帶有三軸加速度計的電路板,采集用戶在空中書寫簽名時的加速度信息。通過待測簽名與模板簽名的匹配比對,判斷用戶身份真?zhèn)巍?/p>

模式匹配中對序列間差異的度量主要有兩種方案:一種是在動態(tài)規(guī)劃過程中尋找兩個序列的最大相似性,表現(xiàn)為在匹配過程中構(gòu)建分?jǐn)?shù)矩陣,尋找最大匹配分?jǐn)?shù)。如最大共同子序列(Longest Common Subsequence, LCS)算法[10]、全局序列對齊(Global Sequence Alignment, GSA)算法[11]。另外一種如動態(tài)時間規(guī)整(Dynamic Time Warping, DTW)算法[12],通過計算匹配后序列間的累計距離,衡量序列之間最小差異。這些方法在基于生物特征的認(rèn)證技術(shù)中都有廣泛應(yīng)用:文獻[13]利用Lumia1520手機上自帶的加速度傳感器采集動態(tài)手勢數(shù)據(jù),在LCS算法基礎(chǔ)上,提出了一種限制匹配窗口的近似判等最長共同子序列算法,實現(xiàn)了身份認(rèn)證。文獻[14]結(jié)合DTW算法與改進的LCS算法,設(shè)計了一個基于動態(tài)手勢的身份認(rèn)證系統(tǒng),在智能手機上實現(xiàn),并提高了認(rèn)證精度。文獻[15]將用戶使用加速度傳感器簽名的過程錄像,通過模仿錄像中的動作偽造簽名；這種偽造方式增加了認(rèn)證難度,他們改進DTW算法,綜合利用三維手勢動作的三軸加速度信息,取得較好的認(rèn)證效果。文獻[16]限制用戶使用特定手勢,使加速度數(shù)據(jù)變化主要集中在Y軸,并且在預(yù)處理中去除重力加速度干擾,之后運用動態(tài)規(guī)劃思想,計算加速度序列間的差異。

目前,基于加速度傳感器的身份認(rèn)證研究多集中在采集手勢運動或書寫特定數(shù)字過程中的三軸加速度信息,運用算法比對分析,認(rèn)證用戶身份。針對中文空中簽名身份認(rèn)證的研究較少。而簽名是人們?nèi)粘Ｉ钪薪?jīng)常使用的行為特征,即使是手持電路板在空中書寫簽名,用戶仍然能夠保持自己簽名時的習(xí)慣。相對于手勢動作,中文簽名過程更為復(fù)雜,也更難以被模仿。因此,基于加速度傳感器的中文空中簽名身份認(rèn)證研究是可行的。但中文簽名本身結(jié)構(gòu)的復(fù)雜性,也使得同一用戶不同次空中簽名間的差異增大,導(dǎo)致當(dāng)前的認(rèn)證算法不能較好地區(qū)分真?zhèn)魏灻１疚脑趥鹘y(tǒng)GSA算法的基礎(chǔ)上,在匹配后的兩簽名序列間插入合適的值,找到序列間最佳對齊方式,減小真實簽名間的差異。插值后的兩序列長度相等,序列中的點一一對應(yīng)。采用絕對值距離衡量簽名數(shù)據(jù)間的差異,設(shè)定合適的閾值,提高身份認(rèn)證精度。

1 認(rèn)證系統(tǒng)流程

基于加速度傳感器的中文空中簽名認(rèn)證流程主要包含五部分:簽名數(shù)據(jù)采集、預(yù)處理、特征提取、匹配和決策認(rèn)證,如圖1所示。

圖1 認(rèn)證系統(tǒng)框圖

簽名數(shù)據(jù)采集是通過自制電路板的相關(guān)模塊采集用戶簽名時的三軸加速度信息。三軸加速度傳感器采用STMicroelectronics公司生產(chǎn)的超小型高性能的LSM303DLHC模塊。實驗時,設(shè)定加速度計的采集頻率為100 Hz。

數(shù)據(jù)的預(yù)處理是對傳感器采集的原始加速度數(shù)據(jù)進行平滑濾波,去除可能存在的人為抖動噪聲和設(shè)備本身帶來的工頻噪聲,將信號進行規(guī)整,盡可能地凸顯真實簽名和偽造簽名之間的差異性,得到一個差異性明顯且有效的簽名信號。本文提取簽名中的每一個采樣點數(shù)據(jù),分析匹配。

匹配算法采用基于絕對值距離的GSA算法。模板數(shù)據(jù)庫中包含模板樣本和模板匹配結(jié)果。進入系統(tǒng)時,每個用戶首先需手持加速度數(shù)據(jù)采集裝置,在空中連續(xù)書寫自己的中文簽名3次,完成模板樣本采集。對3組簽名數(shù)據(jù)兩兩相互匹配,得到3個匹配結(jié)果,取其均值,作為模板匹配結(jié)果。模板匹配結(jié)果用Ym指代,代表一個用戶三次簽名的相似性。

待測簽名需與模板數(shù)據(jù)庫中的三組模板樣本分別匹配,同樣得到3個匹配結(jié)果,取其均值,作為測試結(jié)果,并用Yt指代。測試結(jié)果與模板匹配結(jié)果的比值q可用來反映待測簽名與真實簽名模板之間的相似程度:

q=Yt/Ym

(1)

q將與最終的系統(tǒng)閾值Q比較,判斷待測簽名真?zhèn)?實現(xiàn)用戶身份認(rèn)證。

2 基于絕對值距離的全局對齊算法

2.1GSA算法基本原理

動態(tài)規(guī)劃,是對一個多階段的過程進行子階段化并逐一求解找到最優(yōu)解的一種數(shù)學(xué)方法[17]。全局序列對齊(GSA)算法也是基于動態(tài)規(guī)劃思想,構(gòu)建分?jǐn)?shù)矩陣,在統(tǒng)一規(guī)則下尋找最佳匹配路徑以確定序列間的對齊方式。在實現(xiàn)的過程中引入獎懲模式,即不匹配時執(zhí)行懲罰判分,匹配時執(zhí)行獎勵判分。本文在構(gòu)建分?jǐn)?shù)矩陣的過程中,針對兩種狀況實行都加分的策略,但賦予了不同權(quán)重。具體實現(xiàn)過程如下:

假設(shè)一個標(biāo)準(zhǔn)參考信號序列R,長度為M,Rm為其第m幀。另有一待測信號序列T,長度為N,Tn為其第n幀,如式(1)所示:

(2)

定義一個分?jǐn)?shù)矩陣S,其大小為N×M。分?jǐn)?shù)矩陣的填充是一個動態(tài)規(guī)整過程,通過以下遞推關(guān)系計算得到:

Si, j=max{Si, j-1+h,Si-1, j-1+ξ,Si-1, j+h}

(3)

其中:h是常量。ξ是一個復(fù)雜的決策函數(shù),遵從高斯分布,表示兩序列對應(yīng)點之間的相似度:

(4)

其中：σ是常量；(i,j)時刻μ、x的值取決于上一時刻兩序列的值,即μ=Ti-1,x=Ri-1。參數(shù)h和參數(shù)σ的取值由后續(xù)的實驗確定。本文最終設(shè)定的參數(shù)為h=0.25,σ=0.6；并且,分?jǐn)?shù)矩陣構(gòu)建的初始條件為:S1,1=0,Si,1=i×h,S1, j=j×h。

在分?jǐn)?shù)矩陣內(nèi)部,由式(3)的遞推關(guān)系,可以得到一條從S1,1到SN,M的最佳匹配路徑。以采集到的同一人的前后兩次簽名為例,圖2的曲線表示兩簽名x軸加速度數(shù)據(jù)經(jīng)GSA算法匹配后得到的匹配路徑。

圖2 x軸加速度數(shù)據(jù)匹配路徑

路徑的終點SN,M的匹配分?jǐn)?shù)指代兩序列間的最大相似度。該分?jǐn)?shù)值越大,說明序列間的相似性越大。在本文的認(rèn)證系統(tǒng)中,每位用戶的三組模板簽名之間若利用GSA算法兩兩相互匹配,將得到三組匹配分?jǐn)?shù)。取三者均值作為該用戶的訓(xùn)練結(jié)果,記作S(m)。每一個待測簽名在認(rèn)證過程中均需與三組模板簽名分別匹配,得到三組匹配分?jǐn)?shù)。取其均值,作為測試結(jié)果,并記作S(t)。測試結(jié)果與訓(xùn)練結(jié)果的比值可以反映待測簽名與模板簽名間的相似度。將該比值與系統(tǒng)閾值S(k)比較,若滿足S(t)/S(m) ≥S(k),則判定測試簽名與模板簽名成功匹配,測試簽名為真實簽名；否則,匹配失敗,測試簽名被認(rèn)證為偽造簽名。

2.2 改進絕對值距離GSA算法

通過傳統(tǒng)的GSA算法,可以確定簽名加速度序列間的最大相似度。若要進一步量化序列間的差異值,則要利用相關(guān)距離指標(biāo)計算得到。具體操作中,需首先回溯出構(gòu)建分?jǐn)?shù)矩陣過程中的最佳匹配路徑。

在分?jǐn)?shù)矩陣中,通往Si, j的前一個點只能在Si, j-1、Si-1, j-1、Si-1, j中產(chǎn)生,如圖3所示。

圖3 GSA算法分?jǐn)?shù)矩陣

式(3)中,當(dāng)Si, j的取值為Si, j-1+h時,分?jǐn)?shù)矩陣中將產(chǎn)生垂直方向的移動,此時,Rj-1和Rj均與Ti匹配。水平方向上的移動則意味著Ti-1和Ti均與Rj匹配。傾斜前進時,序列間的點是一一對應(yīng)的。將三個方向的移動分別編號,垂直方向移動記為“1”,傾斜方向移動記為“2”,水平方向移動記為“3”。在填充分?jǐn)?shù)矩陣過程中,可以通過記錄對應(yīng)編號反映匹配路徑的對應(yīng)軌跡。分?jǐn)?shù)矩陣構(gòu)建完成后,根據(jù)記錄的方向編號可以回溯出一條從SN,M到S1,1的匹配路徑。水平方向和豎直方向的移動會使序列間產(chǎn)生“一對多”或者“多對一”的匹配結(jié)果,增大序列間的差異。在匹配后的序列間插入適當(dāng)零值點,使匹配后序列實現(xiàn)點與點之間的一一對應(yīng)。插值規(guī)則如下:

1)從路徑的終點SN,M開始回溯,保留Tn與Rm;

2)當(dāng)路徑回溯到某點Si, j時，有可能發(fā)生圖3所示的三個方向的移動。發(fā)生垂直移動時,則在T序列內(nèi)點Ti和點Ti+1間插入一個零值點;

3)發(fā)生傾斜方向移動時,僅保留原序列內(nèi)的點,不需插值;

4)發(fā)生水平移動時,在R序列內(nèi)點Rj和點Rj+1之間插入一個零值點。

通過上述步驟完成插值操作后,得到兩個新的序列R′和T′,二者間的點一一對應(yīng),且長度均為L′,并滿足如下條件:

max(M,N)≤L′≤M+N

(5)

在新的序列中,用合適的值替換插入的零值點可以進一步減小序列間的差異,得到最佳對齊序列，這一替代過程稱為零值補償。零值點由兩點的平均值進行修正,這兩點分別為:此零值點相鄰的前一個點和該零值點之后最近的一個非零值點。零值補償?shù)谋磉_式如式(6):

(6)

零值補償后產(chǎn)生的新序列記為R"和T",其長度仍均為L′。兩序列間的點仍滿足一一對應(yīng),且所有插入的零值點均已得到幅值補償。對于新的序列,可以引入距離指標(biāo)來量化兩者之間的差異。本文選擇的距離指標(biāo)是兩序列的整體絕對值距離,用δ(T",R")表示，δ(T",R")值越小,代表序列間的差異值越小,序列越相似。

(7)

應(yīng)用到認(rèn)證系統(tǒng)中,當(dāng)采用改進絕對值GSA算法進行匹配時,匹配結(jié)果用距離值表示,代表兩個序列間的最小差異。此時系統(tǒng)的訓(xùn)練結(jié)果和某個測試簽名的測試結(jié)果分別用D(m)和D(t)表示,系統(tǒng)的設(shè)定閾值為D(k)。與傳統(tǒng)GSA不同,當(dāng)滿足D(t)/D(m)≤D(k)時,測試簽名與模板簽名匹配成功并被認(rèn)證為真實簽名。

3 實驗與分析

3.1 實驗數(shù)據(jù)庫

通過上述簽名采集系統(tǒng),采集40名用戶的簽名三軸加速度數(shù)據(jù),構(gòu)成實驗數(shù)據(jù)庫。每名實驗者手持嵌入有加速度計的電路板,并保持加速度計的Z軸垂直指向自己,在空中書寫自己中文簽名共20次,作為真實簽名樣本。每組另需采集20個偽造簽名,從其他用戶中任選三人偽造完成。本文的偽造方式為熟練偽造:采集用戶真實簽名時,用戶需在紙上手寫自己真實簽名作為之后偽造的依據(jù)。其他用戶將根據(jù)二維手寫簽名記錄模仿偽造空中手寫簽名。

實驗數(shù)據(jù)庫中共包含1 600個簽名,其中800個真實簽名,800個偽造簽名。具體地,在本文實驗樣本數(shù)據(jù)庫中,每個實驗者的樣本被細(xì)分為模板樣本(3個)、真實測試樣本(17個)、偽造測試樣本(20個)。

3.2 實驗結(jié)果

3.2.1 傳統(tǒng)GSA算法實驗

傳統(tǒng)GSA算法通過序列間的匹配分?jǐn)?shù)評價序列間的相似度。為了能更準(zhǔn)確地表現(xiàn)序列間的相似度,本文將分?jǐn)?shù)矩陣得到的最終匹配分?jǐn)?shù)除以序列的最終長度L′。數(shù)據(jù)庫中的每位用戶均包含37組測試樣本,其中17個真實簽名,20個偽造簽名。本實驗中,利用GSA算法將所有測試樣本分別與模板簽名匹配,記錄不同系統(tǒng)閾值下出現(xiàn)的所有錯誤匹配樣本。最終統(tǒng)計40位用戶共1 480組測試樣本的匹配結(jié)果,并計算不同閾值下系統(tǒng)的誤拒率(FalseRejectionRate,FRR)、誤納率(FalseAcceptanceRate,FAR)。其中：誤拒率為被認(rèn)證系統(tǒng)拒絕的真實簽名數(shù)與真實簽名總數(shù)的比值；誤納率表示被系統(tǒng)接受的偽造簽名數(shù)占偽造簽名總數(shù)的比例。統(tǒng)計結(jié)果如圖4所示。

隨著閾值的增大,認(rèn)證系統(tǒng)的誤拒率隨之增大,誤納率則逐漸減小。圖4中兩條曲線相交時得到系統(tǒng)的等錯誤率(EqualErrorRate,EER)為10.65%。實際應(yīng)用中,誤納率是影響系統(tǒng)安全性的最主要因素。實驗應(yīng)在保持誤拒率在合理范圍內(nèi)的同時,盡量降低系統(tǒng)誤納率。當(dāng)設(shè)定系統(tǒng)閾值為0.92時,GSA算法取得最佳認(rèn)證效果。此時,680個真實簽名樣本中被系統(tǒng)錯誤拒絕的個數(shù)為79個;800個偽造簽名樣本中,有73個被錯誤接受。對應(yīng)FRR為11.6%，F(xiàn)AR為9.13%。

3.2.2 基于距離指標(biāo)的GSA算法實驗

本次實驗是在GSA算法匹配后并完成插值以及零值補償操作的基礎(chǔ)上,分別運用歐氏距離和絕對值距離,量化序列間的差異,記錄并對比兩種方法的最終認(rèn)證效果。

兩種方法對應(yīng)的檢測錯誤權(quán)衡圖(DetectionErrorTradeoff,DET)曲線如圖5所示。

圖5 兩種改進GSA算法DET曲線圖

直線y=x與各曲線的交點即是該曲線對應(yīng)算法的EER值。從圖5可以看出,基于絕對值距離的GSA算法的EER值明顯較小,為5.05%。相同F(xiàn)AR條件下,其FRR值也小于基于歐氏距離的GSA算法的對應(yīng)值。系統(tǒng)閾值的選取過程同傳統(tǒng)GSA算法一樣,盡量降低誤納率以提高系統(tǒng)安全性。兩種算法在各自閾值下最佳認(rèn)證效果如表1所示。

表1 基于距離指標(biāo)的兩種GSA算法認(rèn)證效果

將表1的統(tǒng)計數(shù)據(jù)和圖4的認(rèn)證結(jié)果對比可知，相對于通過匹配分?jǐn)?shù)判定序列相似度的傳統(tǒng)GSA算法,改進后的基于距離指標(biāo)的兩種GSA算法認(rèn)證效果有明顯提升。說明對傳統(tǒng)GSA算法匹配后的序列進行插值和零值補償操作,可以減小真實空中簽名數(shù)據(jù)間的差異,更好地區(qū)分真實和偽造樣本。而采用不同的距離指標(biāo)來量化序列間的差異度,最終認(rèn)證效果也不同。選擇絕對值距離時,認(rèn)證效果最好,FRR為5.29%,FAR為4.50%。

4 結(jié)語

本文針對用戶的身份認(rèn)證問題,提出了一種基于加速度傳感器的空中中文簽名身份認(rèn)證方法。通過采集和比對用戶在空中書寫中文簽名過程中三軸加速度數(shù)據(jù),來確認(rèn)用戶身份。根據(jù)中文空中簽名認(rèn)證的實際需求,提出了一種基于絕對值距離的GSA算法。該方法在包含有采集自40位用戶,共1 600組簽名的數(shù)據(jù)集上測試。實驗結(jié)果表明本文方法在系統(tǒng)誤拒率、誤納率上都有改進,提高了系統(tǒng)認(rèn)證精度。

本文的閾值確定過程較為簡單，下一步將繼續(xù)對閾值的選擇方法進行研究。此外，在后續(xù)的采集過程中，將用戶在空中書寫真實簽名的過程錄像并作為模仿者偽造簽名時的參考，可以增大認(rèn)證難度，從而更好地測試認(rèn)證系統(tǒng)的性能。

)

[1]PHILLIPSPJ,MARTINA,WILSONCL,etal.Anintroductionevaluatingbiometricsystems[J].Computer, 2000, 33(2): 56-63.

[2]YAMPOLSKIYRV,GOVINDARAJUV.Behaviouralbiometrics:asurveyandclassification[J].InternationalJournalofBiometrics, 2008, 1(1): 81-113.

[3] 郝玉潔, 馮銀付, 賴攀.基于指紋識別的VPN身份認(rèn)證研究[J]. 計算機應(yīng)用, 2009, 29(2):350-352.(HAOYJ,FENGYF,LAIP.VPNidentitycertificationtechnologybasedonfingerprintidentification[J].JournalofComputerApplications, 2009, 29(2): 350-352.)

[4] 張燕昆, 杜平, 劉重慶.基于主元分析與支持向量機的人臉識別方法[J]. 上海交通大學(xué)學(xué)報, 2002, 36(6):884-886.(ZHANGYK,DUP,LIUCQ.Afacerecognitionmethodbasedonprincipalcomponentanalysisandsupportvectormachine[J].JournalofShanghaiJiaoTongUniversity, 2002, 36(6): 884-886.)

[5]CHOD,PARKKR,RHEEDW,etal.Pupilandirislocalizationforirisrecognitioninmobilephones[C]//ProceedingsoftheSeventhACISInternationalConferenceonSoftwareEngineering,ArtificialIntelligence,Networking,andParallel/DistributedComputing.Piscataway,NJ:IEEE, 2006: 197-201.

[6] 郭武.復(fù)雜信道下的說話人識別[D]. 合肥:中國科學(xué)技術(shù)大學(xué), 2007.(GUOW.Sessionvariabilitytext-independentspeak-recognition[D].Hefei:UniversityofScienceandTechnologyofChina, 2007.)

[7] 高海燕.人體步態(tài)識別研究[D]. 北京:北京交通大學(xué), 2010.(GAOHY.Researchonhumangaitrecognition[D].Beijing:BeijingJiaotongUniversity, 2010.)

[8]FENGH,WAHCC.Onlinesignatureverificationusinganewextremepointswarpingtechnique[J].PatternRecognitionLetters, 2003, 24(16): 2943-2951.

[9]KOSTORZI,DOROZR.On-linesignaturerecognitionbasedonreducedsetofpoints[M]//BURDUKR,KURZYNSKIM,WOZNIAKM.ComputerRecognitionSystems4.Berlin:Springer, 2011: 3-11.

[10]BERGROTHL,HAKONENH,RAITAT.Asurveyoflongestcommonsubsequencealgorithms[C]//SPIRE2000:ProceedingsoftheSeventhInternationalSymposiumonStringProcessingInformationRetrieval.Washington,DC:IEEEComputerSociety, 2000: 39-48.

[11] HUANG X. On global sequence alignment [J]. Computer Applications in the Biosciences: Bioinformatics, 1994, 10(3): 227-235.

[12] 李正欣, 張鳳鳴, 李克武.基于DTW的多元時間序列模式匹配方法[J]. 模式識別與人工智能, 2011, 24(3):425-430.(LI Z X, ZHANG F M, LI K W. DTW based pattern matching method for multivariate time series [J]. Pattern Recognition and Artificial Intelligence, 2011, 24(3): 425-430.)

[13] 高煥之, 郭云楠, 劉晴, 等.基于加速度傳感器的WLALCS身份認(rèn)證及實現(xiàn)[J]. 湖南大學(xué)學(xué)報(自然科學(xué)版), 2014, 41(8):111-116.(GAO H Z, GUO Y N, LIU Q, et al. Accelerometer based authentication method in WLALCS [J]. Journal of Hunan University (Natural Sciences), 2014, 41(8): 111-116.)

[14] 周治平, 苗敏敏.結(jié)合DTW與改進STLCS的動態(tài)手勢認(rèn)證研究[J]. 電子測量與儀器學(xué)報, 2015, 29(7):1064-1073.(ZHOU Z P, MIAO M M. Research of dynamic gesture authentication based on DTW and improved STLCS [J]. Journal of Electronic Measurement and Instrumentation, 2015, 29(7): 1064-1073.)

[15] CASANOVA J G, AVILA C S, DE SANTOS SIERRA A, et al. A real-time in-air signature biometric technique using a mobile device embedding an accelerometer[M]// Networked Digital Technologies. Berlin: Springer, 2010: 497-503.

[16] OKUMURA F, KUBOTA A, HATORI Y, et al. A study on biometric authentication based on arm sweep action with acceleration sensor[M]// ISPACS 2006: Proceedings of the International Symposium on Intelligent Signal Processing and Communications. Piscataway, NJ: IEEE, 2006: 219-222.

[17] 李端, 錢富才, 李立, 等.動態(tài)規(guī)劃問題研究[J]. 系統(tǒng)工程理論與實踐, 2007, 27(8):56-64.(LI D, QIAN F C, LI L, et al. Research on dynamic programming [J]. Systems Engineering — Theory & Practice, 2007, 27(8): 56-64.)

This work is partially supported by the National Natural Science Foundation of China (61303028).

LIU Wei, born in 1993, M. S. candidate. His research interests include pattern recognition, image processing.

WANG Yang, born in 1977, Ph. D., associate professor. His research interests include robot control, embedded system.

ZHENG Jianbin, born in 1966, Ph. D., professor. His research interests include pattern recognition, embedded system.

ZHAN Enqi, born in 1972, Ph. D., associate professor. His research interests include signal processing, pattern recognition.

Chinese signature authentication based on accelerometer

LIU Wei1,2*, WANG Yang1,2, ZHENG Jianbin1,2, ZHAN Enqi1,2

(1. College of Information Engineering, Wuhan University of Technology, Wuhan Hubei 430070, China;2. Key Laboratory of Fiber Optic Sensing Technology and Information Processing of Ministry of Education(Wuhan University of Technology), Wuhan Hubei 430070, China)

Acceleration data in 3 axes during a signature process can be collected to authenticate users. Because of complex structures of Chinese signature, the process of signing in the air is hard to be forged, but it also increases differences between signatures performed by the same user which brings more difficulties in authentication. Classical verification methods applied to 2-D signature or hand gesture cannot solve this problem. In order to improve the performance of in-air Chinese signature verification, the classical Global Sequence Alignment (GSA) algorithm was improved, and the interpolation was applied to matching sequences. Different from classical GSA algorithm which uses matching score to measure similarity between sequences, two distance indexes, Euclidean distance and absolute value distance, were introduced to calculate the differences between sequences after interpolation. Experimental results show that both of the two improved GSA algorithms can improve the accuracy of authentication, the Equal Error Rate (EER) of them are decreased by 37.6% and 52.6% respectively compared with the classical method.

biometric; in-air signature; identity verification; sequence alignment; accelerometer

2016- 08- 15;

2016- 12- 26。 基金項目:國家自然科學(xué)基金資助項目(61303028)。

劉威(1993—),男,安徽阜陽人,碩士研究生,主要研究方向:模式識別、圖像處理; 汪陽(1977—),男,湖北武漢人,副教授,博士,主要研究方向:機器人控制、嵌入式系統(tǒng); 鄭建彬(1966—),男,湖北黃岡人,教授,博士,主要研究方向:模式識別、嵌入式系統(tǒng); 詹恩奇(1972—),男,河南新野人,副教授,博士,主要研究方向:信號處理、模式識別。

1001- 9081(2017)04- 1004- 04

10.11772/j.issn.1001- 9081.2017.04.1004

TP391

A