基于探測網格的離線簽名認證方法

摘? 要：本文提出了一種基于探測網格的離線簽名分析和驗證方案，該方案的核心是通過網格模板對簽名的精細幾何結構進行有效編碼，并在子集內進行適當劃分。特征表示在使用5*5像素窗口二進制掩碼上形成的柵格形狀探測結構來檢測，然后采用PCA方法進行簽名圖像特征提取、鑒定，實驗結果表明本文提出的方法是非常有效的。

關鍵詞：簽名;探測網格;PCA

中圖分類號：TP391.41? ? ? 文獻標識碼：A 文章編號：2096-4706（2019）23-0090-03

Off-line Signature Verification Method Based on Probe Grid

ZENG Xiaoyun

（Yangzhou Polytechnic College，Yangzhou? 225009，China）

Abstract：In this paper，an off-line signature analysis and verification scheme based on detection grid is proposed. The core of this scheme is to effectively encode the careful geometric structure of the signature through the grid template and divide it properly within the subset. The feature representation is detected by using the raster shape detection structure formed on the binary mask of 5*5 pixel window，and then the signature image feature is extracted and identified by PCA method. The experimental results show that the method proposed in this paper is very effective.

Keywords：signature;probe grid;PCA

1? 簡介

一直以來，人的生理特征（如臉、指紋、掌紋幾何學）和行為特征（如聲音、筆跡、關鍵筆畫）被廣泛用于生物特征識別技術中。筆跡被認為是識別身份的最廣泛的私有屬性之一。相關的寫作習慣是在兒童時期養成的，它們主要受視覺知覺、協調、靈巧、成長、寫作系統、社會關系、寫作頻率、教育和民俗等幾個參數的影響。

手寫體簽名是人類最常見的確認他們的身份的社會和法律認可的方式之一。根據簽名的獲取方法，自動簽名驗證系統（ASVS）大致分為在線簽名或動態簽名和離線簽名或靜態簽名兩大類。面向離線的系統通常在完成簽名過程后較長時間才能獲得簽名，因此在注冊過程中沒有動態信息，簽名通常用灰度圖像表示。簽名認證的弱點是它們往往容易被偽造者復制，用以偽造身份。這種模仿行為的程度取決于對任何已知的先驗信息，從隨機偽造（仿真人對簽名的形狀幾乎一無所知）到簡單和模擬的偽造（在這種偽造中，人只有很少或豐富的資源，以便對真正的簽名樣本進行模擬），因此模擬的偽造簽名相對來說比較難鑒別。

2? 本系統方法介紹

2.1? 獲取簽名圖像

每人提供了24份真實簽名樣本和24份模擬偽造簽名樣本，并以300dpi進行了數字化。模擬簽名數據庫是隨機、簡單和熟練的偽造簽名的混合。此外，簽名被限制在一個50毫米乘50毫米的方框內。

2.2? 預處理

在特征提取之前，通過基本的預處理過程可以獲得簽名的二進制形式。本文首先采用Otsu法進行閾值處理[1]，再用等距采樣柵格法進行無限細化，形成一個像素寬的跟蹤和裁剪分割[2]，此過程將會減少使用不同的書寫工具所帶來的不必要的影響。在本實驗中我們盡量從簽名圖像的最小骨架（如圖1所示）中收集盡可能多的穩定信息。而不需要進行額外的預處理步驟，例如大小調整、斑點消除、歪斜校正等。因為來自不同數據集的簽名可能有不同的寫入和獲取條件。

為了增強驗證結果的有效性，我們對簽名數據庫圖像進行了細化算法的預處理，該算法對原始簽名圖像進行了五倍的修剪。

通過使用等規模采樣柵格的方法從整個特征圖像或其局部圖像中進行特征比較。在這項工作中，等規模分割過程產生了由五個部分（2*2個局部+1個整體）的混合，其中將進行全局和局部特征提取。

2.3? 探測網格

假設最初的集合G={BGi}（i=0，1，…，7）是由三個像素混合而成，分成八個二進制3*3掩碼，如圖2所示。這些掩碼也可以被視為HLAC網格掩碼的0、1和2階的子集，其約束條件是起始像素和最終像素的Chebychev距離為2[3]。

同時也考慮四重旋轉組元素C4={， s=0，…，3}，其中每個元素代表逆時針旋轉。如圖3所示。

G與C4集的組合為主特征集（PFS）提供了32（4*8）個二元網格掩碼。它們可以用一個5*5網格窗口，并由關系PFS==，i∈{0：7}，s∈{0：3}來進行描述，其中符號“? ”用于表示函數組合。此外，主要特征集的一些元素如圖3所示。

3? 主成分分析法（PCA）用于簽名認證

主成分分析法是一種降維的統計方法[4]，它借助一個正交變換，將其分量相關的原隨機向量轉化成其分量不相關的新隨機向量，這在代數上表現為將原隨機向量的協方差陣變換成對角形陣，在幾何上表現為將原坐標系變換成新的正交坐標系，使之指向樣本點散布最開的p個正交方向，然后對多維變量系統進行降維處理，使之能以一個較高的精度轉換成低維變量系統，再通過構造適當的價值函數，進一步把低維系統轉化成一維系統。

假設簽名圖像的個數為M，將每張圖像按列串相接的方式排成長度為N的向量：T1，T2…，TN。其均值向量為：

（1）

則每幅圖像相對于均值圖像的差為：φi-φ（i=1，2，…，M）。假設矩陣A=[φ1，φ2…，φm]，那么散步矩陣∑可以表示為：

（2）

求出∑的特征值λk和特征矢量μk，這里μk是基于探測網格求出的特征向量，用特征向量構成的圖像代表了這張簽名圖像。由于∑是N×N大小的矩陣，而且N的值較大，一般遠大于訓練樣本的個數M，為了減少計算量，我們先計算大小為M×M的矩陣ATA的特征向量Vk，再求∑的特征向量μk，依據代數理論有：

（3）

對于這些相互正交的特征向量，根據其對應的特征值的大小，按照從大到小的順序進行排列，取前面J（J

i=1，2，…，M;k=1，2，…，J? ? ? ? ? ? ?; ? ? ? ? ? ? ? ? ? ? ? ? ? ?（4）

這里“〈·〉”表示內積。對于任一個待鑒定的簽名圖像，用同樣的方法求出其投影系數oi=（ω1，ω2，…，ωj），那么滿足下列條件的第j個訓練圖像即為鑒定結果。

（5）

4? 實驗結果與分析

在本系統中每個人有24個真實簽名和24個模擬簽名用來訓練和測試。在測試中得出三種結果：錯誤拒絕率（FRR），錯誤接受率（FAR），平均錯誤率（ARR）。

另外把該方法的試驗結果和采用SVM和加權Fisher線性分類器[5，6]的結果對比在表1中列出。

表1? 采用不同試驗方法的結果

從表1結果可以看到，本文所提出方法的可行性與現有的方案相比，可以應用于大多數需要離線簽名身份驗證的應用程序。

5? 結? 論

簽名認證為生物識別行為安全系統提供了一個簡單、安全、易讓人接受的方法，本文通過應用探測網格和PCA方法取得了比較理想的效果。

參考文獻：

[1] Ostu N. A threshold selection method from gray-histogram [J].IEEE Transactions on Systems，Man，and Cybernetics，2007，9（1）：62-66.

[2] PIRLO G. Cosine similarity for analysis and verification of static signatures [J].Biometrics，IET，2013，2（4）：151-158.

[3] KUMAR R，SHARMA;JD，CHANDA B. Writer-independent off-line signature verification using surroundedness feature [J].Pattern Recognition Letters，2012，33：301

[4] GONZALEZ R. C.，WOOD R. E.，EDDINS S. L.數字圖像處理（第二版） [M].阮秋琦，譯.北京：電子工業出版社，2003.

[5] 曾曉云.基于SVM的離線簽名認證 [J].蘭州工業高等專科學校學報，2009（4）：8-12.

[6] 曾曉云.基于多尺度小波變換和加權Fisher線性分類器的離線簽名認證 [J].漯河職業技術學院學報，2015，14（5）：17-19.

作者簡介：曾曉云（1981-），女，漢族，湖北鐘祥人，講師，碩士，研究方向：圖像處理與模式識別。