基于视觉的签名信息获取与识别

随着信息技术的发展，基于生物特征的身份认证越来越受到关注，在线签名识别成为研究热点并取得好的效果，但传统的在线签名需要使用专用的电子设备，这为其应用带来了局限性，而基于视觉的签名识别则利用常见的摄像头作为获取设备，其关键在于笔尖信息的获取与最终的识别。因此，基于视觉的签名信息获取与识别的研究对签名识别技术的深化具有理论意义；把签名识别技术直接透明地嵌入存在的事务处理流程，扩大其应用范围，具有重要的现实意义。.本课题采取理论研究和实证研究相结合的方法，贯穿了基于视觉的签名识别的整个处理链，开展笔尖的检测定位，笔尖的跟踪和签名特征表征与识别三个方面的研究。将自顶向下与自底向下结合的注意力机制引入笔尖的检测；并结合视频图像序列的时间和空间相关性，提出新的笔尖跟踪算法；根据签名产生的人类运动学计算模型，改进现有匹配算法进行，提高整个视觉签名系统的鲁棒性和正确性。

基于视觉的签名识别的获取与识别作为生物特征识别的课题之一,它属于签名识别领域，但是由于使用摄像头作为笔迹的获取工具，使其具有传统签名识别所不具有的特点，并且它也融合了传统签名识别的部分优点，具有更好的应用前景。本项目重点研究基于视觉的签名识别中的笔尖获取，笔尖跟踪及签名特征提取与识别三个方面内容。在笔尖获取方面，本项目组首先结合特征及位置的视觉显著性检测获得笔的大致位置及其轮廓，再利用笔尖轮廓的先验知识精确定位笔尖；在笔尖跟踪方面，主要提出基于多模板匹配的粒子跟踪算法，用以解决笔尖跟踪过程中的错跟踪和漏跟踪现象，从而能够获得较准确的笔迹信息；在签名特征提取与识别匹配方面，一方面利用跟踪得到的笔尖位置信息，结合人体快速运动模型，对签名进行笔段分割，提出基于笔段的动态时间规整方法进行签名匹配；一方面对签名笔段的局部结构进行编码描述，并统计签名笔迹中每类局部结构的分布作为特征，用以对签名笔迹的鉴别。. 到目前为止，本项目共发表SCI论文3篇，EI论文2篇，发明专利2项，主持人获得重庆市自然科学二等奖1次（排名第四）。