导读:本文包含了在线手写签名认证论文开题报告文献综述及选题提纲参考文献，主要关键词:在线签名认证,形状上下文,函数特征,符号表示
在线手写签名认证论文文献综述
贾瑜[1]（2019）在《在线手写签名认证算法研究》一文中研究指出近年来,生物特征识别技术由于其高可靠性和高有效性在用户身份认证领域受到了广泛关注。作为生物行为特征的一种,在线手写签名具有不易遗忘、采集方便且容易被人们接受等特点,在无纸化办公和电子商务等领域具有广阔的应用前景。但是由于手写签名的不稳定性,用户真实签名之间存在较大的类内差异,而真实签名和伪造签名之间的类间差异相对较小,使得在线手写签名认证研究具有一定的挑战性。本文以此为背景对在线手写签名认证算法进行了相关研究。本文的主要工作如下:1.签名预处理算法。针对签名数据中的噪声和每次收集到的签名在角度、尺寸和位置上的差异,首先对签名进行了预处理。预处理算法包括签名去噪和签名归一化两步。2.基于形状特征的签名认证算法。提出利用形状上下文提取签名的整体形状特征,两个签名形状的形状上下文匹配之后,将得到的形状距离用于认证签名真伪。基于形状特征的签名认证算法描述了签名的整体形状特征,从而可以快速地认证随机伪造签名。3.基于函数特征的签名认证算法。提取了 20种函数特征,采用形状上下文-动态时间规划算法对两个签名的任一对函数特征进行了匹配,匹配结果送入基于区间值的符号表示分类器中进行签名认证。基于函数特征的签名认证算法充分利用了在线签名获取的动态信息,从而提高了对熟练伪造签名的认证精度。4.两级在线签名认证算法。由于在实际应用中,随机伪造签名出现的概率远高于熟练伪造签名,为此本文提出了一种两级签名认证算法以实现快速准确的签名认证。待认证签名经过预处理后首先进入基于形状特征的认证子模块,随机伪造签名被快速滤除;通过了第一级的签名将被基于函数特征的认证子模块再次认证。本文在国际上公开的数据库SVC2004 Task2上测试了算法的性能。实验结果表明,两级签名认证算法能快速且准确地对签名进行认证,其等错误率为2.39%,证明了本文算法的有效性。(本文来源于《北京交通大学》期刊2019-05-01）
王星,郑湙彬,朱枫怡,罗超[2]（2018）在《基于非参数回归和卷积神经网络的在线手写签名身份认证模型研究》一文中研究指出在线手写签名身份识别模型受训练签名的变异复杂性、签名数量有限、真伪签名不均、动态特征等实际因素影响,需要对签名轨迹数据曲线拟合与深度学习的图像特征提取的联合建模.文章设计了在叁种签名变异复杂性情形下,比较了不同的非参数回归和卷积神经网络建模的试验效果.实验的主要发现如下:1.单独使用CNN可获得较高的签名鉴别率,其效果好于单独使用非参数回归的效果,代价是需用较为复杂的神经网络结构,训练时间可能过长;2.真伪签名轨迹样本方差和训练样本量不均衡都会不同程度地影响到CNN的学习效果;3.签名的动态特征相较于仅使用静态特征而言有助于提升模型的识别能力;4.当真假签名数量有限,只用样条回归或CNN的独立判定效果都不甚理想,选择合适自由度的样条回归与CNN联合建模在达到可用精度条件下,可有效降低训练时间,降低卷积神经网络的核个数,减小模型复杂性,达到较好的识别性能.(本文来源于《数理统计与管理》期刊2018年04期）
王武[3]（2017）在《在线手写签名认证特征提取算法研究》一文中研究指出随着科学技术的发展,互联网络给人们的生活带来了巨大的改善,人们在享受这种便捷服务的同时也引发了新一轮个人信息安全的问题,如何保护好个人信息的安全也成为了人们关注的焦点。由于传统的身份认证方式已经不能满足现代社会的需要,使得研究学者们着手基于生物特征身份识别的研究。在线手写签名由于其灵活方便、不易丢失等特点吸引了大部分研究学者。为了提高在线手写签名认证系统的性能,提出了两种不同的签名认证方案:基于离散Frechet距离的多特征组合签名模板和基于稳定分段的DTW签名认证。基于离散Frechet距离的多特征组合模板主要是引入曲线相似性理论,将签名特征数据转化成签名特征曲线,通过签名特征曲线的相似性来判断签名的真伪。首先从签名数据中提取签名特征,根据基本特征计算求出其他类型特征。如根据X、Y方向线速度可以计算出签名的线速度、位移等。其次,根据各个签名特征的特征曲线图,找出各特征曲线的极大值点和极小值点,通过签名样本训练,计算每个签名特征的判别阈值。最后,根据正交实验设计生成签名组合模板,将待测签名与每个对应的组合模板签名进行阈值比较,统计所有签名的误拒率和误识率,求出签名的平均等误率。比较原始模板和组合模板的等误率,最后选出最优组合签名模板,得到多特征组合签名模板。基于稳定分段的DTW签名认证则是通过分析签名数据中笔段的稳定性,提取出稳定的签名笔段,利用DTW求解的认证过程。主要分成以下几个步骤,第一步,根据速度的极大值对样本签名分段处理,得到不同分段数的签名。第二步,对比用户的多个真实签名,选取出共同变化趋势的签名笔迹段进行签名样本训练,计算签名判别阈值。研究表明,这些共同变化趋势的笔迹段是稳定的,利用这些稳定签名笔段能够有效地提高签名系统的运行效率和精确度。第叁步,对每一段签名求DTW距离,将分段DTW距离求和,计算出整个签名中稳定分段的DTW距离。最后,通过签名训练得出的阈值判断签名的真伪。本文利用的签名数据库为SVC2004,对数据库中的签名数据集进行分析和预处理。实验表明,基于离散Frechet距离的多特征组合模板的签名认证系统与随机选取的固定签名模板的签名认证系统相比,稳定性更好,认证效率更高。而基于稳定分段的DTW签名认证,去掉签名中不稳定因素,减少了签名数据的计算量,在提高系统认证速度的同时也提高了系统的认证效率。因此,基于离散Frechet距离的多特征组合签名模板认证和基于稳定分段的DTW签名认证都能够达到改善签名认证系统,为签名系统的改进提供新的思路。(本文来源于《沈阳建筑大学》期刊2017-11-01）
李成华,刘磊,龚良慧,郭珩[4]（2016）在《基于DCT和SVDD的在线手写签名认证方法》一文中研究指出为使在线手写签名认证的使用更具实用性,提出了一种基于离散余弦变换(DCT)频域分析和支持向量数据描述(SVDD)的在线手写签名认证方法.依托自制的Android手机软件采集签名数据,采用了基于DCT频域特征分析和奇异值分解(SVD)的特征融合方法提取签名特征,根据SVDD分类器适用于有限样本、一类分类方法建模的优势,建立了基于SVDD的认证模型进行在线签名认证,并采用了网格搜索法对核函数参数进行优化选择.实验结果表明,该方法算法复杂度低,快速有效,提取的签名特征区分明显,使用少量的一类真实签名作为训练样本,取得了较好的认证识别效果.(本文来源于《计算机系统应用》期刊2016年07期）
郭珩[5]（2015）在《一种面向移动设备在线手写签名身份认证技术》一文中研究指出随着移动设备的广泛普及,安全、快捷的移动设备终端用户身份认证显得尤为迫切。本文在分析移动设备上的签名认证需求和当前国内外在线签名认证技术现状的基础上,提出了一种适用于移动设备的使用小样本、一类分类方法、算法复杂度低的认证方法。主要工作如下:依托Android手机内置的软件采集签名数据,摒弃了传统方法中单独使用外置的F_Table手写平台和专用手写笔,该软件设保存、清除功能,可实时采集用户签名样本并保存在Android手机SD卡中,方便了用户在移动设备上采集和使用。根据移动设备身份认证所需算法复杂度应较低的特点,采用基于DCT频域特征分析和奇异值特征融合提取的特征提取方法,利用DCT频域特征分析将特征向量在低频域进行压缩,节省了大量计算时间,并将特征矩阵通过奇异值分解有效地实现了特征降维。针对移动设备上身份认证目标样本数有限的特点,利用SVDD分类器适用有限样本、一类分类方法建模的优势,本文采用SVDD建立分类认证模型,并分别采用了网格搜索、粒子群优化对核参数进行优化。用网格参数搜索等高线图和粒子群适应度曲线等实验结果,显示了搜索到的最佳参数,并代入SVDD分类认证模型,得到了较高的准确率,表明网格搜索法和粒子群优化法具有速度快、学习精度高等优点。最后,本文在PC机上进行了在线手写签名认证的实验和相关的分析数据,为之后在移动设备上运行提供了有效的算法依据。(本文来源于《中南民族大学》期刊2015-05-25）
罗勇军[6]（2014）在《基于优化DTW算法的在线手写签名认证系统研究与设计》一文中研究指出有效地判别个人身份、确保信息安全是当今信息化时代亟待解决的一个重要问题。随着计算机技术与信息处理技术的蓬勃发展,基于生物特征的身份认证技术已成为一种重要的个人身份认证技术。而作为新兴的生物特征认证技术的一个方向,在线手写签名认证可以提供一种安全、可靠、方便的身份认证的新途径,是在人类的生物特征中公认最容易被大多数人所接受的一种身份认证方式。而且,较之其它生物特征身份认证方式,还拥有一些独特的优势：无需复杂的采集设备、模仿伪造困难、能为用户接受和方便使用等,是一种较为理想的身份认证方法。对于计算机网络和信息安全等领域的发展,在线手写签名认证相关技术的研究将起到巨大的作用,具有更重要的理论意义和实用价值。DTW (Dynamic Time Warping,动态时间规整)算法作为一种手写签名认证方法,具有概念简洁、算法鲁棒的优点。它首先将距离测度和时间结合起来,对存在全局或局部压缩、扩展或变形的模板进行匹配,然后在匹配模板与测试模板的签名信号之间寻找到一条优化的时间校准的匹配路径,从而解决动态模板的相似度量和分类问题。本文对在线手写签名认证技术进行了系统的研究。首先,对在线手写签名认证系统的各个环节进行了深入研究,其中包括的环节主要有：签名数据的采集、签名数据的预处理、签名动静态特征的提取、签名的匹配认证；然后对本文选取的DTW认证算法进行了具体的介绍,并指出现存DTW算法的缺陷,从而提出优化的DTW算法；最后通过Matlab平台进行仿真测试,测试结果表明,本文所提出的DTW算法在执行时间上更具备实时性,在准确率上也有一定程度的提高。随着当下人们对生活质量的要求越来越高以及信息技术的快速发展,人机交互变得容易起来。本文以目前流行的Android平台设计一款签名认证系统。首先,简单介绍了Android平台的系统结构、包含四大组件的程序结构、开发环境以及调试工具；然后,重点介绍了认证系统的设计方案；最后进行了系统软件的简单介绍及其测试。根据系统软件的测试结果表明,本设计能够较稳定地运行,能够实时准确地判断出真假签名,达到了本文设计的目的。(本文来源于《广东工业大学》期刊2014-05-01）
罗琼[7]（2014）在《智能手机在线手写签名认证系统设计》一文中研究指出随着移动互联网技术发展，智能手机除通信功能，还承载着网络通信、在线娱乐、在线购物、移动支付等任务。因为智能手机包含有机主个人信息、通讯记录及内容、移动互联过程中的登陆与交易信息等，智能手机遗失、非法访问等会带来个人信息泄露，造成个人隐私泄露和经济利益损失等危害。因此智能手机安全管理成为移动互联网技术的关键问题得到广泛关注。手写签名可反映签名者长期的独特书写行为特征，具有便利、易接受、难伪造、个性独特等特性，从古至今作为一种有效的身份认证手段，广泛应用于法律文书、合同签订、授权管理等身份确认场合。智能手机和平板本身提供触摸采集功能，可完成签名过程手指或笔的运动轨迹采集。依靠手写签名独特特征进行身份认证，用于移动互联网环境的信息安全管理，具有安全等级高和应用广泛特点。在电容触摸屏上采集签名，与传统手写板不同，设备采集方式、采样率、分辨率等差异会对签名认证结果造成较大影响。针对手机签名具有低分辨率、低采样率、及非均匀时间采样等特点，论文完成签名数据的预处理。内容包括：签名规整：通过重心平衡法将手写签名旋转到水平方向，再将签名进行大小和位置归整，使所有签名处于同一范围与位置；重复点删除：在签名抬笔、落笔过程中，存在着2-3点随机重复，须删除重复点；签名插值重采样：手机签名采样率大约45点/秒，与手写板采样率200点/秒相比低太多，并且签名数据采样为非均匀时间采样，通过叁次样条插值重采样拟合原始签名轨迹并使其依照时间序列等间隔分布。考虑智能终端配置差异较大，其运算能力相比PC存在很大不足，签名认证方法需要兼顾有效性和低运算需求。论文分析研究了签名特征参数与签名轨迹曲线相似判决用于签名认证。特征参数法中，提取签名特征，再通过某种规则认证签名。签名轨迹曲线相似法中，本文提出改进重匹配动态时间规整算法，通过极值点将签名曲线分割成多段后对笔段进行匹配。然后在匹配后的笔段内进行重匹配，修正匹配错误的笔段，再以笔段为单位进行动态时间规整。通过对9人采集的386个签名进行算法测试，识别正确率为92.975%。(本文来源于《武汉理工大学》期刊2014-04-01）
刘西洋[8]（2013）在《双尺度小波变换的在线手写签名认证的研究与实现》一文中研究指出随着互联网络的飞速发展,人们的生活和工作都产生了巨大的变化,人们在适应这—过程的同时,也在利用其优势为工作生活带来便捷。电子商务随即出现,但同时令信息安全成为人们日益关注的热点问题。传统的身份认证是基于用户本人所持有的用于鉴别身份的物品的,但是却存在着被盗用或丢失的危险,所以安全性并不高,用户在使用时感到了不安和麻烦。这时基于生物特征的身份认证走入了人们的视线。在线手写签名认证是基于生物特征的身份认证技术的一种比较常用的方法,它有别于其他的身份认证方法,具有实用性强、操作简单的特点,且其唯一性和稳定性也使得这种方法在生物特征的身份认证领域上占有很重要的地位。对于当今全球电子商务的迅猛发展,在线手写签名认证也具有巨大的推动作用,其研究结果也同样有很高的使用价值和实际意义。本文提出了一种双尺度小波变换的在线手写签名认证技术。首先将手写板与计算机连接,对签名样本进行数据获取,并以文本文档的格式存储于计算机中,将采集的数据进行预处理,去掉干扰和噪声,也就是降噪的过程,为以后的特征提取过程减少工作量,其主要工作包括：起抬笔的处理、平滑、归一化等工作。其次利用双尺度小波变换对经过预处理后的数据信息进行特征值的提取,通过对双尺度小波变换的不同尺度不同频域所构造的信号图像进行研究和分析,确定一个有利于识别出真伪签名的尺度和频域,从中选取出有效的特征值重构成新的特征值。最后利用动态时问规整算法对小波变换进行特征提取处理后的信号求出相异度,根据数学统计法设定动态阈值来设计分类器,达到对真伪签名认证的效果。根据大量的实验验证,可以达到4%的误拒率,2%的低错误率。从实验结果上可以看出本文所研究的内容能比较有效的认证出真伪签名。本文引入了可撤销签名的概念于在线手写签名的认证中,主要思想是对签名图像利用某种方法进行变形,使得用户所看到的都是变形后的图像,真正的签名图像是不被外界所接触的,若数据库对外泄露或者有人恶意对数据库的模块进行攻击,系统的可撤销性也会将事后对用户的危害降低到最小,起到了对用户个人信息防伪的作用,保护了用户的个人隐私,同时通过实验证明了可撤销签名的在线手写签名认证能达到8%的误拒率,5%的错误率。虽然错误率相比于未进行可撤销签名的在线手写签名认证的错误率有小范围的提升,但是却能在有效认证签名身份的同时,也加强了信息的安全性。(本文来源于《沈阳建筑大学》期刊2013-11-01）
王容霞[9]（2013）在《基于SVM的在线手写签名认证研究》一文中研究指出随着网络信息化的高速发展,信息安全对于人们来说也日益重要,各种生物识别技术也随之而生。常用的生物特征：DNA、指纹、签名和步态等,因其具有普遍性、难以遗忘和容易携带等特点,常被用于进行身份验证。在线手写签名因其难以遗忘、采集设备简单廉价、易获取等优点成为现在的身份认证中最为广泛接受的一种,并广泛应用于电子商务、银行、出入境管理、金融等各个重要领域,随着签名认证技术的发展,将不断推动信息安全等领域的大力发展。本文采用不同方式进行特征优选,并基于支持向量机(SVM)进行在线手写签名认证研究。相比于其它学习机,SVM模型能够很好地解决小样本分类问题。最初应用于人脸识别系统和语音识别系统,都取得了比较好的成果,而很少有学者将其应用于在线签名认证。通常特征匹配方式包括基于局部特征的函数特征匹配和基于统计特征的参数特征匹配两种,而本文考虑到签名的统计特征提取相对容易,且常用的SVM是用于特征长度固定且相等的分类器,正好可以实现基于SVM的统计特征的在线签名认证。文中首先介绍了基于SVM的在线签名认证方案,简单阐述了签名数据的采集、预处理过程及统计特征的提取,然后通过不同的方法逐级进行特征优选。特征优选主要包括基于PCA法的特征提取和基于多种分类器对比来选择最佳的个性特征。将优选出来的特征分别作为SVM模型的输入矢量,并进行认证实验。训练时,通过不断调整惩罚系数C和径向基核函数参数σ可训练出不同认证率下的模型,结合这两个参数对模型精度的影响,找出最佳认证率下的C和σ的参数组合并得到对应的SVM训练模型。这样,训练好的SVM模型可用于后期签名的测试。实验结果表明,对特征优选后得到的特征采用SVM模型进行认证,可以得到FAR与FRR都低于4%,较未选特征时降低了特征的维数,提高了系统的性能,并提高了签名认证速度,具有较好的应用前景。(本文来源于《武汉理工大学》期刊2013-03-01）
胡永辉[10]（2012）在《基于HMM/WNN混合模型的在线手写签名认证》一文中研究指出在现今网络化与信息化高度发达社会中,信息的安全显得极其重要,个人身份识别技术拥有显着的应用价值。在各种身份识别技术中,手写签名认证技术具有方便性、唯一性与稳定性的特点,所以它的应用越来也广泛。本文主要对手写签名识别进行研究,结合隐马尔科夫模型(hidden Markov model, HMM)和小波神经网络(wavelet neural networks, WNN)的优点提出了一种新的签名识别方法。主要内容有：首先,本文介绍了在线手写签名识别的一般过程。重点研究了签名识别的特征提取部分,提取最优特征来优化签名的特征序列。并通过实验验证最优特征的识别效果(详见第二章)。其次,对HMM算法进行研究,在其基础上构建签名识别系统。实验表明高斯混合密度数和状态数是影响签名识别效果的两个主要因素,通过选择合适的高斯混合密度数、状态数和最优特征能进一步提高了识别效果(详见第叁章)。再次,在基于HMM在线手写签名识别系统的基础上,引入了小波神经网络。把小波神经网络与隐马尔科夫模型结合,形成一个新的签名识别系统,即基于HMM/WNN签名识别系统。隐马尔科夫模型能很好的描述时间序列,小波神经网络有很强的分类能力,二者的优势结合提高了签名识别效果(详见4.2和4.3)。最后,为了验证本文提出的方法的可行性与普遍适用性,本文用两组来自不同数据库的数据对签名识别系统进行验证,通过仿真得出两组签名识别结果的等错率(EER)。结果表明：本文的HMM/WNN签名识别系统优于标准HMM模型的识别系统,取得了很好的识别效果(详见4.4)。(本文来源于《广东工业大学》期刊2012-05-01）
在线手写签名认证论文开题报告
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
在线手写签名身份识别模型受训练签名的变异复杂性、签名数量有限、真伪签名不均、动态特征等实际因素影响,需要对签名轨迹数据曲线拟合与深度学习的图像特征提取的联合建模.文章设计了在叁种签名变异复杂性情形下,比较了不同的非参数回归和卷积神经网络建模的试验效果.实验的主要发现如下:1.单独使用CNN可获得较高的签名鉴别率,其效果好于单独使用非参数回归的效果,代价是需用较为复杂的神经网络结构,训练时间可能过长;2.真伪签名轨迹样本方差和训练样本量不均衡都会不同程度地影响到CNN的学习效果;3.签名的动态特征相较于仅使用静态特征而言有助于提升模型的识别能力;4.当真假签名数量有限,只用样条回归或CNN的独立判定效果都不甚理想,选择合适自由度的样条回归与CNN联合建模在达到可用精度条件下,可有效降低训练时间,降低卷积神经网络的核个数,减小模型复杂性,达到较好的识别性能.
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
在线手写签名认证论文参考文献
[1].贾瑜.在线手写签名认证算法研究[D].北京交通大学.2019
[2].王星,郑湙彬,朱枫怡,罗超.基于非参数回归和卷积神经网络的在线手写签名身份认证模型研究[J].数理统计与管理.2018
[3].王武.在线手写签名认证特征提取算法研究[D].沈阳建筑大学.2017
[4].李成华,刘磊,龚良慧,郭珩.基于DCT和SVDD的在线手写签名认证方法[J].计算机系统应用.2016
[5].郭珩.一种面向移动设备在线手写签名身份认证技术[D].中南民族大学.2015
[6].罗勇军.基于优化DTW算法的在线手写签名认证系统研究与设计[D].广东工业大学.2014
[7].罗琼.智能手机在线手写签名认证系统设计[D].武汉理工大学.2014
[8].刘西洋.双尺度小波变换的在线手写签名认证的研究与实现[D].沈阳建筑大学.2013
[9].王容霞.基于SVM的在线手写签名认证研究[D].武汉理工大学.2013
[10].胡永辉.基于HMM/WNN混合模型的在线手写签名认证[D].广东工业大学.2012