CN104392229A - 基于笔画片段方向分布特征的笔迹识别方法 - Google Patents

基于笔画片段方向分布特征的笔迹识别方法 Download PDF

Info

Publication number
CN104392229A
CN104392229A CN201410528541.1A CN201410528541A CN104392229A CN 104392229 A CN104392229 A CN 104392229A CN 201410528541 A CN201410528541 A CN 201410528541A CN 104392229 A CN104392229 A CN 104392229A
Authority
CN
China
Prior art keywords
handwriting
person
stroke
profile
fragment
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Granted
Application number
CN201410528541.1A
Other languages
English (en)
Other versions
CN104392229B (zh
Inventor
丁红
张晓峰
王则林
高瞻
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Nantong University Technology Transfer Center Co ltd
Original Assignee
Nantong University
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Nantong University filed Critical Nantong University
Priority to CN201410528541.1A priority Critical patent/CN104392229B/zh
Publication of CN104392229A publication Critical patent/CN104392229A/zh
Application granted granted Critical
Publication of CN104392229B publication Critical patent/CN104392229B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
    • G06V40/30—Writer recognition; Reading and verifying signatures
    • G06V40/33—Writer recognition; Reading and verifying signatures based only on signature image, e.g. static signature recognition

Landscapes

  • Engineering & Computer Science (AREA)
  • Human Computer Interaction (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Multimedia (AREA)
  • Theoretical Computer Science (AREA)
  • Collating Specific Patterns (AREA)

Abstract

本发明提供了一种基于笔画片段方向分布特征的笔迹识别方法，该方法用于离线笔迹识别技术。首先需要将书写的笔迹用扫描仪扫描成笔迹图像，接着提取图像中的笔迹轮廓，并将轮廓分解成笔画片段，然后利用本发明的笔画方向分布特征提取方法提取笔画片段的方向分布特征，最后采用加权曼哈顿距离来测量笔迹图像间的相似性，从而进行身份识别。本发明提取了一种新的基于笔画片段方向分布的特征提取方法，进一步提高了笔迹识别精度。

Description

基于笔画片段方向分布特征的笔迹识别方法
技术领域
本发明涉及基于行为特征的身份识别技术领域，尤其涉及一种基于笔画片段方向分布特征的离线笔迹识别方法。
背景技术
生物特征识别是利用人的生理特征或行为特征，进行个人身份的鉴定的方法和技术。每个个体都有唯一的可以测量或可自动识别、验证的生理特性或行为方式，即生物特征。它可划分为生理特征(如指纹、面像、虹膜、掌纹等)和行为特征(如步态、声音、笔迹等)。生物识别就是依据每个个体之间独一无二的生物特征对其进行识别与身份的认证。
笔迹是一个人独特的行为特征，不同人的笔迹存在很大差别。每个人书写习惯不同，在长时间的书写训练过程中，产生了诸如转承启合等部分的差别，这些差别最终导致了整个字体较大的差异性。一般情况下，模仿者只能模仿字形，却无法准确还原原作者的书写习惯，模仿的笔迹与原笔迹在细节上会存在差异。计算机笔迹识别正是利用了笔迹的这种独特性和差异性，主要是通过测量书写者的字形及笔画的速度、顺序和压力等特征，进行身份鉴别。
随着生物特征识别技术的快速发展，根据获取笔迹途径的不同，现有笔迹识别技术分为在线和离线两种。在线方式能够获得更多关于书写顺序、速度、压力等有益于身份识别的信息，但这些信息需要运用特殊的设备来获取，因此限制了该类方法的应用范围及发展前景；离线方式在书写时的限制很少，书写完毕后只需要一个类似扫描仪的设备获取笔迹，将笔迹记录在静态图像中，然后从图像中提取特征，进行鉴别。与在线笔迹识别相比，离线笔迹识别更加方便快捷，应用范围更为广阔。
近几年，已经提出很多关于离线笔迹识别(Off-line handwritten biometricrecognition)的方法，即OLHBR方法，但现有技术中，大部分OLHBR方法的精度较低，还需要进一步提升OLHBR方法的准确性及精度。
发明内容
为克服现有技术中存在的离线笔迹识别准确性及精度较低的问题，本发明针对OLHBR方法，提供了一种基于笔画片段方向分布特征的笔迹识别方法。
一种基于笔画片段方向分布特征的笔迹识别方法，其特征在于，包括以下步骤：
步骤一、获取笔迹图像；
步骤二、对所述笔迹图像的边缘进行检测，提取所述笔迹图像的笔迹轮廓；
步骤三、将所述笔迹轮廓分解成笔画片段；
步骤四、分析所述笔画片段的方向特征；
步骤五、提取所述笔画片段的方向分布特征；
步骤六、计算相似度，根据相似度来进行笔迹识别。
所述步骤一进一步包括：扫描笔迹，获得笔迹图像。
所述步骤二进一步包括：用sobel算子提取背景单一的所述笔迹图像的所述笔迹轮廓，用canny算子提取背景复杂的所述笔迹图像的所述笔迹轮廓。
所述步骤三进一步包括：检测所述笔迹轮廓上的角点；角点局部最小值检测；去除所述笔迹轮廓端部；排除短笔画片段。
所述检测所述笔迹轮廓上的角点的步骤包括：通过角点模板来对所述笔迹轮廓的端部进行检测，并对连接中心边缘像素的笔画像素的数量进行统计，从而确定当前像素是否为角点；所述角点局部最小值检测的步骤包括：排除所述检测所述笔迹轮廓上的角点的步骤中检测出来的与笔迹识别无关的角点；所述去除所述笔迹轮廓端部的步骤包括：不对所述笔迹轮廓的端部的笔画像素进行数量统计，从而得到笔画片段；所述排除短笔画片段的步骤包括：排除对于笔迹识别没有作用的短笔画片段。
所述步骤五进一步包括：在大小为(2r+1)×(2r+1)、中心边缘像素为当前边缘像素的滑动窗口中，只统计与所述滑动窗口中心边缘像素连接的笔画片段的数量，其中r为所述滑动窗口中心与所述滑动窗口边界之间的距离。
所述步骤五进一步包括：统计(m，n，di)的数量，即笔画片段边缘像素(m，n)具有方向特征di的数量，(m，n)表示笔画片段边缘像素在滑动窗口的位置，其中1≤m，n≤2r+1，r为所述滑动窗口中心与所述滑动窗口边界之间的距离，di表示32个不同笔画方向分布中的一个方向。
所述步骤五进一步包括：统计获得全部(m，n，di)的数量，并计算所述笔迹图像的归一化方向特征，公式如下：其中Σ(m，n)N(m，n)为所有所述笔画片段的边缘像素在所述滑动窗口中(m，n)位置的总和，N(m，n，di)为在所述滑动窗口(m，n)位置具有di方向的所述笔画片段的边缘像素的数量。
所述步骤六进一步包括：通过加权曼哈顿距离来计算相似度，公式为其中SDDF为笔画片段方向分布特征，σi为SDDF第i个分量的标准偏差，SDDF1i和SDDF2i分别是当前比较相似度的SDDF的第i个分量，D为相似度，根据计算获得的相似度进行笔迹识别。
与现有技术相比，本发明的有益效果是：本发明提供一种基于笔画片段方向分布特征的笔迹识别方法，对笔迹轮廓进行进一步分解，提取局部特征，提出来一种新的基于笔画片段方向分布的特征提取方法，提高了离线笔迹识别的准确度及精度。
附图说明
图1是本发明的笔迹识别方法流程简图；
图2是笔迹轮廓提取及分解过程示意图；
图3是笔画边缘像素在5×5滑动窗口中的32个方向示意图；
图4是笔画片段提取过程示意图。
具体实施方式
以下结合附图和实施例，对本发明进行进一步详细说明。应当理解，此处所描述的具体实施例仅用以解释本发明，并不用于限定本发明。
本发明提供了一种基于笔画片段方向分布特征的笔迹识别方法，该方法用于离线笔迹识别技术。本发明首先需要将书写的笔迹用扫描仪扫描成笔迹图像，接着提取图像中笔迹轮廓，并将轮廓分解成笔画片段，然后利用本发明的笔画片段方向分布特征提取方法提取笔画片段的方向分布特征，最后采用加权曼哈顿距离来测量笔迹图像间的相似性，进行身份识别。
文字笔画中具有字的局部特征，笔画边缘片段中的方向分布是笔迹识别中最有效的鉴别特征之一，同时分析笔画边缘特征还可以减少笔画粗度对笔迹识别的影响，本发明正是基于此特征提出了如图1所示的笔迹识别方法，该方法能够更有效地进行笔迹识别，具体步骤如下所述。
1、获取笔迹图像
将笔迹用扫描仪扫描到电脑中，得到笔迹图像。
2、边缘检测
分析笔迹轮廓特征是目前笔迹鉴别的主要方法，提取笔迹轮廓，是本方法一个重要预处理步骤。通常采用sobel算子提取背景单一图像的笔迹轮廓，对于背景复杂的笔迹图像，则可以采用canny算子提取笔迹轮廓。如图2所示，本步骤对图2(a)中的笔迹进行边缘检测后，提取到如图2(b)所示的笔迹轮廓。
3、笔迹轮廓分解
笔迹轮廓包含很多结构特征，其中笔画的开始和结尾两个端点容易受笔画粗细不同的影响，故本发明对笔迹轮廓进行进一步分解，将笔迹轮廓分解成笔画片段，减少轮廓中受笔迹粗细影响的结构特征。
3.1检测笔迹轮廓上的角点
大多数笔画的端部结构为角点，因此检测笔迹轮廓的角点是为了获取笔画的端部位置。在这一步骤中，运用一个角点模板(可以是一个圆形模板)检测笔迹轮廓上的角点，这个角点模板的半径是笔画粗度的两到三倍。然后对连接中心边缘像素的笔画像素的数量进行统计，如果该数量超过一个阈值，即认为当前像素为角点。
3.2角点局部最小值检测
在上一步骤中，有可能检测到过多的角点，其中大部分不仅多余，而且影响下一步操作。所以进行局部最小值检测，排除大部分检测到的角点。
3.3除去笔迹轮廓端部
接近笔迹端部的轮廓收到诸多因素的影响，如笔画粗度，所以不能用于下面步骤中的笔画片段方向分布特征的提取，因此，排除直接连接在上一步获得的局部最小值角点位置领域中的轮廓像素，得到如图2(c)所示的笔画片段。
3.4排除短笔画片段
排除笔迹识别没有作用的短笔画片段，消除干扰。
4、分析笔画片段方向特征
笔画片段的方向是笔迹识别的重要特征，本发明的实施例在一个5×5的窗口中分析笔画片段的方向特征，即笔画片段方向分布特征(Stroke DirectionDistribution Features)，简称为SDDF特征，如图3所示，包括32个不同方向特征，其中，每个窗口中的中心黑点代表当前边缘像素，其他黑点代表与当前边缘像素相连接的其他边缘像素，一个边缘像素可能具有多个方向特征。
5、特征提取
基于上一步骤的特征，本发明提供了一种笔画片段方向分布特征提取方法，该方法包括以下步骤：
5.1笔画片段提取
图3是本发明的一个笔画局部片段提取的示例，如图4(c)中所示的正方形，是一个大小为(2r+1)×(2r+1)的滑动窗口，其中心为当前边缘像素，标记为“X”，此时滑动窗口中有两个笔画片段，但是只有与中心边缘像素“X”连接的笔画片段才会被统计，如图4(c)所示，此滑动窗口中的笔画片段被用于下一步。
5.2统计边缘像素数量
统计(m，n，di)的数量，即笔画片段边缘像素(m，n)具有方向特征di的数量。(m，n)表示笔画片段边缘像素在滑动窗口的位置，其中1≤m，n≤2r+1，di表示32个不同笔画片段方向特征中的一个。
5.3循环计数
重复步骤5.1和步骤5.2，统计获得所有(m，n，di)的数量。
5.4归一化
不同的笔迹图像，边缘像素数量不同，因此需要归一化操作。得到笔迹图像的(m，n，di)数量后，进一步通过来计算笔迹图像的归一化方向特征，其中N(m，n，di)即为在滑动窗口(m，n)位置具有di方向的笔画片段边缘像素的数量。
6、计算相似度
本发明中通过加权曼哈顿距离来计算相似度，公式如下其中σi为大量SDDF第i个分量的标准偏差，SDDF1i和SDDF2i分别是当前比较相似度的SDDF的第i个分量，D为相似度，计算相似度时，加权曼哈顿距离越小，两个SDDFs之间越相似，及两幅笔迹图像之间相似度越高。
本发明提供的基于笔画片段方向分布特征的笔迹识别方法，采用离线方式处理笔迹图像，分解笔迹轮廓获得笔画片段，并从中提取局部特征，提出一种新的基于笔画片段方向分布的特征提取方法，提高了离线笔迹识别的准确度及精度。
上述说明示出并描述了本发明的优选实施例，如前所述，应当理解本发明并非局限于本文所披露的形式，不应看作是对其他实施例的排除，而可用于各种其他组合、修改和环境，并能够在本文所述发明构想范围内，通过上述教导或相关领域的技术或知识进行改动。而本领域人员所进行的改动和变化不脱离本发明的精神和范围，则都应在本发明所附权利要求的保护范围内。

Claims (9)

1.一种基于笔画片段方向分布特征的笔迹识别方法，其特征在于，包括以下步骤：
步骤一、获取笔迹图像；
步骤二、对所述笔迹图像的边缘进行检测，提取所述笔迹图像的笔迹轮廓；
步骤三、将所述笔迹轮廓分解成笔画片段；
步骤四、分析所述笔画片段的方向特征；
步骤五、提取所述笔画片段的方向分布特征；
步骤六、计算相似度，根据相似度来进行笔迹识别。
2.根据权利要求1所述的笔迹识别方法，其特征在于：所述步骤一进一步包括：扫描笔迹，获得笔迹图像。
3.根据权利要求1所述的笔迹识别方法，其特征在于：所述步骤二进一步包括：用sobel算子提取背景单一的所述笔迹图像的所述笔迹轮廓，用canny算子提取背景复杂的所述笔迹图像的所述笔迹轮廓。
4.根据权利要求1所述的笔迹识别方法，其特征在于：所述步骤三进一步包括：检测所述笔迹轮廓上的角点；角点局部最小值检测；去除所述笔迹轮廓端部；排除短笔画片段。
5.根据权利要求4所述的笔迹识别方法，其特征在于：所述检测所述笔迹轮廓上的角点的步骤包括：通过角点模板来对所述笔迹轮廓的端部进行检测，并对连接中心边缘像素的笔画像素的数量进行统计，从而确定当前像素是否为角点；所述角点局部最小值检测的步骤包括：排除所述检测所述笔迹轮廓上的角点的步骤中检测出来的与笔迹识别无关的角点；所述去除所述笔迹轮廓端部的步骤包括：不对所述笔迹轮廓的端部的笔画像素进行数量统计，从而得到笔画片段；所述排除短笔画片段的步骤包括：排除对于笔迹识别没有作用的短笔画片段。
6.根据权利要求1所述的笔迹识别方法，其特征在于：所述步骤五进一步包括：在大小为(2r+1)×(2r+1)、中心边缘像素为当前边缘像素的滑动窗口中，只统计与所述滑动窗口中心边缘像素连接的笔画片段的数量，其中r为所述滑动窗口中心与所述滑动窗口边界之间的距离。
7.根据权利要求6所述的笔迹识别方法，其特征在于：所述步骤五进一步包括：统计(m，n，di)的数量，即笔画片段边缘像素数量(m，n)具有方向特征di的数量，(m，n)表示笔画片段边缘像素在滑动窗口的位置，其中1≤m，n≤2r+1，r为所述滑动窗口中心与所述滑动窗口边界之间的距离，di表示32个不同笔画方向分布中的一个方向。
8.根据权利要求7所述的笔迹识别方法，其特征在于：所述步骤五进一步包括：统计获得全部(m，n，di)的数量，并计算所述笔迹图像的归一化方向特征，公式如下：其中Σ(m，n)N(m，n)为所有所述笔画片段的边缘像素在所述滑动窗口中(m，n)位置的总和，N(m，n，di)为在所述滑动窗口(m，n)位置具有di方向的所述笔画片段的边缘像素的数量。
9.根据权利要求1所述的笔迹识别方法，其特征在于：所述步骤六进一步包括：通过加权曼哈顿距离来计算相似度，公式为其中SDDF为笔画片段方向分布特征，σi为SDDF第i个分量的标准偏差，SDDF1i和SDDF2i分别是当前比较相似度的SDDF的第i个分量，D为相似度，根据计算获得的相似度进行笔迹识别。
CN201410528541.1A 2014-10-09 2014-10-09 基于笔画片段方向分布特征的笔迹识别方法 Active CN104392229B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201410528541.1A CN104392229B (zh) 2014-10-09 2014-10-09 基于笔画片段方向分布特征的笔迹识别方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201410528541.1A CN104392229B (zh) 2014-10-09 2014-10-09 基于笔画片段方向分布特征的笔迹识别方法

Publications (2)

Publication Number Publication Date
CN104392229A true CN104392229A (zh) 2015-03-04
CN104392229B CN104392229B (zh) 2018-01-05

Family

ID=52610130

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201410528541.1A Active CN104392229B (zh) 2014-10-09 2014-10-09 基于笔画片段方向分布特征的笔迹识别方法

Country Status (1)

Country Link
CN (1) CN104392229B (zh)

Cited By (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104992143A (zh) * 2015-06-04 2015-10-21 北京大学 一种面向矢量字形的汉字笔画自动提取方法
CN106778151A (zh) * 2016-11-14 2017-05-31 北京爱知之星科技股份有限公司 基于笔迹的用户身份识别方法和装置
CN107103289A (zh) * 2017-04-06 2017-08-29 武汉理工大学 利用笔迹轮廓特征来进行笔迹鉴别的方法及***
CN107563449A (zh) * 2017-09-12 2018-01-09 西北工业大学 基于区域公共边界的在线多笔画轴测草图聚类方法
CN108052918A (zh) * 2017-12-26 2018-05-18 安徽工程大学 一种笔迹比对***及方法
CN110647866A (zh) * 2019-10-08 2020-01-03 杭州当虹科技股份有限公司 一种检测文字笔画的方法
CN111241808A (zh) * 2020-01-07 2020-06-05 北大方正集团有限公司 字符笔画拆分方法和装置
CN111931672A (zh) * 2020-08-17 2020-11-13 珠海大横琴科技发展有限公司 字迹识别方法、装置、计算机设备及存储介质
WO2021031446A1 (zh) * 2019-08-22 2021-02-25 司法鉴定科学研究院 一种基于二维动态特征的离线笔迹个体识别***及方法

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101452532A (zh) * 2008-12-18 2009-06-10 清华大学 一种文本无关笔迹鉴别的方法和装置
CN103279770A (zh) * 2013-06-06 2013-09-04 哈尔滨工业大学 基于笔画片段和轮廓特征的笔迹识别方法

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101452532A (zh) * 2008-12-18 2009-06-10 清华大学 一种文本无关笔迹鉴别的方法和装置
CN103279770A (zh) * 2013-06-06 2013-09-04 哈尔滨工业大学 基于笔画片段和轮廓特征的笔迹识别方法

Non-Patent Citations (5)

* Cited by examiner, † Cited by third party
Title
DING HONG等: "Local fragment distribution features for text-independent writer identification", 《BIOTECHNOLOGY AN INDIAN JOURNAL》 *
HONG DING等: "Writer Identification Based on Local Contour Distribution Feature", 《INTERNATIONAL JOURNAL OF SIGNAL PROCESSING,IMAGE PROCESSING AND PATTERN RECOGNITION》 *
丁红等: "基于局部轮廓方向特征的笔迹鉴别", 《电视技术》 *
李晓通: "离线笔迹鉴别的特征提取技术研究离线笔迹鉴别的特征提取技术研究", 《中国优秀硕士学位论文全文数据库 信息科技辑》 *
程立等: "基于轮廓的汉字笔画分离算法", 《计算机科学》 *

Cited By (15)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104992143A (zh) * 2015-06-04 2015-10-21 北京大学 一种面向矢量字形的汉字笔画自动提取方法
CN104992143B (zh) * 2015-06-04 2018-10-26 北京大学 一种面向矢量字形的汉字笔画自动提取方法
CN106778151A (zh) * 2016-11-14 2017-05-31 北京爱知之星科技股份有限公司 基于笔迹的用户身份识别方法和装置
CN106778151B (zh) * 2016-11-14 2021-06-29 北京爱知之星科技股份有限公司 基于笔迹的用户身份识别方法和装置
CN107103289B (zh) * 2017-04-06 2020-06-19 武汉理工大学 利用笔迹轮廓特征来进行笔迹鉴别的方法及***
CN107103289A (zh) * 2017-04-06 2017-08-29 武汉理工大学 利用笔迹轮廓特征来进行笔迹鉴别的方法及***
CN107563449A (zh) * 2017-09-12 2018-01-09 西北工业大学 基于区域公共边界的在线多笔画轴测草图聚类方法
CN107563449B (zh) * 2017-09-12 2020-04-03 西北工业大学 基于区域公共边界的在线多笔画轴测草图聚类方法
CN108052918A (zh) * 2017-12-26 2018-05-18 安徽工程大学 一种笔迹比对***及方法
WO2021031446A1 (zh) * 2019-08-22 2021-02-25 司法鉴定科学研究院 一种基于二维动态特征的离线笔迹个体识别***及方法
CN110647866A (zh) * 2019-10-08 2020-01-03 杭州当虹科技股份有限公司 一种检测文字笔画的方法
CN110647866B (zh) * 2019-10-08 2022-03-25 杭州当虹科技股份有限公司 一种检测文字笔画的方法
CN111241808A (zh) * 2020-01-07 2020-06-05 北大方正集团有限公司 字符笔画拆分方法和装置
CN111241808B (zh) * 2020-01-07 2021-12-03 北大方正集团有限公司 字符笔画拆分方法和装置
CN111931672A (zh) * 2020-08-17 2020-11-13 珠海大横琴科技发展有限公司 字迹识别方法、装置、计算机设备及存储介质

Also Published As

Publication number Publication date
CN104392229B (zh) 2018-01-05

Similar Documents

Publication Publication Date Title
CN104392229A (zh) 基于笔画片段方向分布特征的笔迹识别方法
CN101246544B (zh) 一种基于边界点搜索和最小核值相似区边缘检测的虹膜定位方法
Dibeklioglu et al. 3D facial landmarking under expression, pose, and occlusion variations
CN106845384B (zh) 一种基于递归模型的手势识别方法
CN103927532B (zh) 基于笔画特征的笔迹配准方法
Peralta et al. Minutiae filtering to improve both efficacy and efficiency of fingerprint matching algorithms
CN105938549B (zh) 掌纹识别中的掌纹roi分割方法
CN103279770B (zh) 基于笔画片段和轮廓特征的笔迹识别方法
CN103778409A (zh) 基于人脸特征数据挖掘的人脸识别方法与装置
CN110458145B (zh) 一种基于二维动态特征的离线笔迹个体识别***及方法
CN105279492A (zh) 虹膜识别的方法和装置
CN103500323B (zh) 基于自适应灰度图像滤波的模板匹配方法
CN103425985B (zh) 一种人脸抬头纹检测方法
Nag et al. New cold feature based handwriting analysis for enthnicity/nationality identification
CN110188671B (zh) 一种利用机器学习算法分析笔迹特征的方法
Zhao et al. Fingerprint pre-processing and feature engineering to enhance agricultural products categorization
CN104299000A (zh) 基于局部片段分布特征的笔迹识别方法
Kumar et al. Genuine and forged offline signature verification using back propagation neural networks
CN108921006B (zh) 手写签名图像真伪鉴别模型建立方法及真伪鉴别方法
CN104408721A (zh) 基于背景密度估计的***图像提取方法
CN106485202A (zh) 非约束人脸识别***及方法
CN106980845B (zh) 基于结构化建模的人脸关键点定位方法
CN105069742A (zh) 一种基于书写特征编辑的软笔汉字变换方法
CN104504385B (zh) 手写粘连数字串的识别方法
Rajithkumar et al. Template matching method for recognition of stone inscripted Kannada characters of different time frames based on correlation analysis

Legal Events

Date Code Title Description
C06 Publication
PB01 Publication
C10 Entry into substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant
TR01 Transfer of patent right

Effective date of registration: 20201029

Address after: 226019 No.205, building 6, Nantong University, No.9, Siyuan Road, Nantong City, Jiangsu Province

Patentee after: Center for technology transfer, Nantong University

Address before: 226019 Jiangsu Province, Nantong City Chongchuan District sik Road No. 9

Patentee before: NANTONG University

TR01 Transfer of patent right
EE01 Entry into force of recordation of patent licensing contract
EE01 Entry into force of recordation of patent licensing contract

Application publication date: 20150304

Assignee: Jiangsu Aosen Intelligent Technology Co.,Ltd.

Assignor: Center for technology transfer, Nantong University

Contract record no.: X2022320000382

Denomination of invention: Handwriting recognition method based on the direction distribution feature of stroke segments

Granted publication date: 20180105

License type: Common License

Record date: 20230104

CP03 Change of name, title or address
CP03 Change of name, title or address

Address after: 226001 No.9, Siyuan Road, Chongchuan District, Nantong City, Jiangsu Province

Patentee after: Nantong University Technology Transfer Center Co.,Ltd.

Address before: 226019 No.205, building 6, Nantong University, No.9, Siyuan Road, Nantong City, Jiangsu Province

Patentee before: Center for technology transfer, Nantong University

EE01 Entry into force of recordation of patent licensing contract
EE01 Entry into force of recordation of patent licensing contract

Application publication date: 20150304

Assignee: Nantong Zhijia Intelligent Equipment Co.,Ltd.

Assignor: Nantong University Technology Transfer Center Co.,Ltd.

Contract record no.: X2023980053325

Denomination of invention: A handwriting recognition method based on the directional distribution characteristics of stroke segments

Granted publication date: 20180105

License type: Common License

Record date: 20231221