基于智能移动终端的动态签名识别

为在移动终端上进行动态签名识别,采用基于极角特征匹配的动态签名识别方法. 该方法利用签名质心和黄金分割质心建立极坐标系,将从移动终端上获得的直角坐标转换为极坐标后提取极角特征的极值点,并以此为依据分隔签名笔段,通过计算样本与模板之间各个笔段的相似度得到签名总体的相似度,从而判断签名样本与模板是否出自同一人之手. 实验结果表明,该方法的平均误拒率为6.93%,误纳率为11.26%,能够有效地应用于移动终端上的动态签名识别.      

基于空间曲线弹性匹配的在线手写签名鉴别

论述了将手写签名笔划轨迹视为空间曲线,并采用点－点加权弹性匹配对其进行鉴别的方法．该方法强调签名在形状和签名压力的动态特征上都具有相似性．算法中权重系数根据签名样本的稳定度来确定,加权的匹配算法考虑了局部相似性不同的特点,有利于认证指标的改善．     

基于空间曲线弹性匹配的在线手写签名鉴别

论述了将手写签名笔名笔划轨迹视为空间曲线，并采用点－点加权弹性匹配对其进行鉴别的方法，该方法强调签名在形状和签名压力的动态特征上都具有相似性，算法中权重系数根据签名样本的稳定度来确定，加权的匹配算法考虑了局部相似性不同的特点，有利于认证指标的改善。     

基于滑动窗口的动态手写签名局部相关性研究

为了解决直接序列匹配中签名序列存在随机波动和时间轴方向非均匀伸缩,导致相关分析给出的匹配度不高的问题,提出了采用滑动窗口对真实签名进行局部相关性分析的方法.将手写签名按压力划分成若干笔段,研究笔段匹配算法;对分段后的数据序列用滑动窗口算法进行局部相关分析.算例显示,对不同的签名个体而言,总有一些笔段的相关性极高,最小相关系数都达到0.8甚至0.9以上,这些笔段,正是签名者的稳定的签名特征,无论是相关分析法还是特征矢量分类法,滑动窗口局部相关分析都是一种有效的算法.     

在线手写签名组合最相似笔段的识别算法

在线手写签名识别是通过人的生物特征进行身份验证的技术.提出一种基于笔画样本库的识别方法,避免了动态特征点提取、时序段匹配等方法由于书写环境和人物即时的生理特性所带来的问题,同时针对每一笔画的稳定性提出了加权距离计算公式.实验证明该方法行之有效,在保证高识别率的同时又降低了误拒率.     

在线手写签名的识别算法

提出一种手写签名的数学模型, 借鉴动态规划的思想进 行时序匹配. 引入加权H¹模的距离计算公式, 用以度量输入签名与样本签名的 差异 , 经实践检验识别算法的有效性.     

基于DTW改进算法的在线签名鉴别方法

 在线手写签名认证是一种基于生物特征的身份认证技术,识别正确率和防伪性能是签名识别的研究重点,识别响应速度也是决定系统实用化的关键。为了提高签名认证效率,提出了一种改进的在线签名鉴别算法。改进了传统的动态时间弯折算法结构,对最佳匹配路径的动态规划方法进行改进并将其应用于在线签名鉴别系统。讨论了实际应用中训练样本不足、字体随时间变化等因素带来的系统识别率下降的解决方法。避免了动态特征点提取、时序段匹配等方法由于书写环境和人物即时的生理特性所带来的问题,同时针对签名的稳定性提出了加权距离计算公式,保证高识别率的同时降低了误拒率。在模板较多时对匹配距离进行限制,节约了系统运算量,提高了模板匹配速率。随着待识别模板数目的增多,该算法效率优势更加明显。     

基于加权动态匹配方法的联机签名鉴别

提出了在微机 Ｗｉｎｄｏｗ ｓ 环境下,联机签名鉴别的一种新方法。该方法的训练部分以普通动态匹配方法确定签名轨迹的点对对应关系,并以此为基础从真实签名样本训练得到标准模板、局部稳定性和判决门限。该方法的鉴别部分采用加权动态匹配,较好地弥补了普通动态匹配在签名鉴别这一特殊应用中的不足。该鉴别算法简单而高效,真实样本和非专业伪造样本的鉴别准确率达到９２％     

一种基于隐马尔可夫模型的在线手写签名认证算法

给出一种对签名特殊点的提取方法, 并以此特殊点作为签名的分割点, 获取每段中的重要特征进行分析. 在此基础上, 提出一种基于隐马尔可夫模型(HMM)的在线手写签名认证算法, 并利用第一届国际手写签名认证竞赛(SVC 2004)的测试数据库检验了算法的有效性.     

基于特征点统计模型的联机签名校验

在联机签名校验中,动态时间规正(DTW)方法是一种常用的校验算法,在非线性时间对齐的基础上给出两个签名间的距离并进行判决,这样做经验的成份较多,缺乏统计基础。该文提出了签名的特征点统计模型,利用DTW算法在序列匹配的基础上从签名中提取到多个特征点,将每个特征点的变化情况描述为多维统计特征的概率分布,在所有特征点具有同样协方差分布的假定下得到具体的概率分布参数。按照此模型推导出了在最小风险准则下对签名进行真伪判决的判决准则。采用此方法对一个公共的签名样本库进行了真伪校验测试,得到了4.41%的等误率。     

用于手写签名识别的演化超网络

手写签名作为易被大众所接受的生物特征身份认证方式,已成为模式识别领域一个重要研究热点.针对现有手写签名存在易模仿难鉴定的问题,提出一种结合演化超网络模型的手写签名认证方法.为了平滑噪声,构造出可读性强的笔迹特征集,采用向量化和平滑采集点的方法对手写签名样本进行预处理,从而提取出位置和方向特征属性,采用演化超网络模型对签名进行学习和鉴定.为验证该方法的有效性,对20个签名用户分别采集了40个真实签名和20个伪造签名数据进行实验.实验结果表明,该方法对用户签名的误拒率(false rejection rate,FRR)为4.75％,误纳率(false acceptance rate,FAR)为3.75％,识别率(verification accuracy,VA)为95.75％.同时和其他传统的识别算法相比,具有更高的识别率.     

手写签名过程中速度特征量的稳定性研究

手写签名鉴别属于人体生物特征鉴别领域的重要技术之一．根据汉字手写签名的特点，编程从手写板获取签名的动态数据，编写了提取手写签名多种速度特征值的程序，在统计的基础上，对手写签名过程中的瞬时速度、X轴向平均速度和Y轴向平均速度、最大速度出现的位置、极大速度首次出现的位置等特征量的稳定性进行了实验研究，得出了一些有用的结论．     

基于多线性映射的无证书代理盲签名方案

代理盲签名方案不能防止密钥生成中心不诚信行为,存在伪造签名的隐患。文章在无证书公钥密码学体系下,通过多密钥中心共同生成用户密钥,运用多线性映射的技术,提出一种基于多线性映射的代理盲签名方案。该方案满足代理盲签名协议的性质,同时可以防止单个密钥生成中心伪造签名。对该方案的正确性、安全性及攻击性进行了分析,结果表明,该方案具备较高的安全性,可以广泛应用于电子现金、电子银行和电子投票系统。     

计算机汉字识别和静态手写汉字签名鉴定技术综述

经过训练、高质量的摹仿手写汉字签名给文件检验工作者提出了挑战,使传统的特征比对方法显得力不从心,据此本文提出采用计算机进行精确、快速的静态手写汉字签名鉴定。对于静态手写汉字签名鉴定,如何选择良好的特征和对选择的特征进行描述,使描述后的特征具有相对的稳定性,特征描述模型很好地反映书写者的生物特征而不是汉字本身的内容,是计算机静态手写汉字签名鉴定问题首先要解决的问题。     

基于ID的门限群签名方案

门限群签名方案在现实中有着广泛的应用,结合基于身份的公钥密码系统提出了一个基于ID的门限群签名方案。该方案实施简单,基于身份公钥系统,任意的验证者只要知道群签名者的身份就可以验证签名的正确性;并且该方案是一个门限签名方案,只有t个以上的人合作才能产生合法签名,减少了权威机构不安全性的威胁。     

一种改进的基于中国剩余定理的群签名方案

在基于中国剩余定理的群签名的基础上,结合两种不同的ElGamal变体签名体制,分别用于加强群成员和群中心之间传递参数的验证和最终签名的生成,构造一种改进的有效的群签名方案.经安全性分析,提出的改进方案具有匿名性、可撤销性、不关联性,防伪造性等安全特性.同时选择的ElGamal变体签名能够减少签名方案的计算代价,提高整个签名方案的安全性和计算效率.     

改进的基于中国剩余定理群签名方案

指出一种群签名方案存在关联性和增删群成员后群公钥改变的不足,对原签名协议进行完善,改进方案由群成员和群中心合作完成群签名代替原方案的只有群成员单独完成群签名,在签名时间开销上有所增加,但保留了原方案的验证签名、增删群成员的高效,实现了不可关联性和增删群成员后群公钥不变,且避免了群中心伪造攻击.