CN108052918A - 一种笔迹比对***及方法 - Google Patents
一种笔迹比对***及方法 Download PDFInfo
- Publication number
- CN108052918A CN108052918A CN201711429113.3A CN201711429113A CN108052918A CN 108052918 A CN108052918 A CN 108052918A CN 201711429113 A CN201711429113 A CN 201711429113A CN 108052918 A CN108052918 A CN 108052918A
- Authority
- CN
- China
- Prior art keywords
- handwriting
- comparison
- module
- sample
- intelligent terminal
- 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.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims description 21
- 238000012545 processing Methods 0.000 claims abstract description 20
- 238000004891 communication Methods 0.000 claims abstract description 11
- 238000004422 calculation algorithm Methods 0.000 claims description 17
- 238000010606 normalization Methods 0.000 claims description 12
- 230000006872 improvement Effects 0.000 claims description 8
- 238000012549 training Methods 0.000 claims description 8
- 238000011156 evaluation Methods 0.000 claims description 5
- 238000004364 calculation method Methods 0.000 claims description 4
- 238000001914 filtration Methods 0.000 claims description 3
- 230000009467 reduction Effects 0.000 claims description 3
- 238000012216 screening Methods 0.000 claims description 3
- 238000012163 sequencing technique Methods 0.000 claims description 3
- 238000007619 statistical method Methods 0.000 claims description 3
- 230000007547 defect Effects 0.000 abstract description 3
- 238000000605 extraction Methods 0.000 description 6
- 230000008569 process Effects 0.000 description 4
- 230000006870 function Effects 0.000 description 3
- 238000010586 diagram Methods 0.000 description 2
- 239000011159 matrix material Substances 0.000 description 2
- 230000003044 adaptive effect Effects 0.000 description 1
- 238000012790 confirmation Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 239000006185 dispersion Substances 0.000 description 1
- 230000014509 gene expression Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
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
- G06V40/37—Writer recognition; Reading and verifying signatures based only on signature signals such as velocity or pressure, e.g. dynamic signature recognition
- G06V40/394—Matching; Classification
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/23—Clustering techniques
- G06F18/232—Non-hierarchical techniques
- G06F18/2321—Non-hierarchical techniques using statistics or function optimisation, e.g. modelling of probability density functions
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/40—Extraction of image or video features
- G06V10/44—Local feature extraction by analysis of parts of the pattern, e.g. by detecting edges, contours, loops, corners, strokes or intersections; Connectivity analysis, e.g. of connected components
- G06V10/443—Local feature extraction by analysis of parts of the pattern, e.g. by detecting edges, contours, loops, corners, strokes or intersections; Connectivity analysis, e.g. of connected components by matching or filtering
-
- 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
- G06V40/37—Writer recognition; Reading and verifying signatures based only on signature signals such as velocity or pressure, e.g. dynamic signature recognition
- G06V40/382—Preprocessing; Feature extraction
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Data Mining & Analysis (AREA)
- Multimedia (AREA)
- Human Computer Interaction (AREA)
- Artificial Intelligence (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Bioinformatics & Computational Biology (AREA)
- Life Sciences & Earth Sciences (AREA)
- Evolutionary Biology (AREA)
- Evolutionary Computation (AREA)
- General Engineering & Computer Science (AREA)
- Probability & Statistics with Applications (AREA)
- Collating Specific Patterns (AREA)
Abstract
本发明公开了一种笔迹比对***,包括第一笔迹录入模块、笔迹比对智能终端、通信模块、比对结果显示模块和云端比对模块,所述的第一笔迹录入模块录入待比对的笔迹图片,所述的第一笔迹录入模块与笔迹比对智能终端连接,智能终端经通信模块与云端比对模块连接,所述的云端比对模块与比对结果显示模块连接;云端比对模块由云端服务器、数据库和后台云计算处理中心组成。本发明的优点在于:提供一种基于智能终端的笔迹比对***,只要能够使用智能终端的地方就可以得到笔迹比对结果,应用方便;可以通过智能终端快速得到比对结果,满足实时性要求;采用云端服务器和后台云计算处理中心进行比对处理分析,能克服智能终端在运算、存储上有限的缺陷。
Description
技术领域
本发明涉及笔迹比对领域,特别涉及一种笔迹比对***及方法。
背景技术
笔迹比对在工作、生活中具有非同一般的意义,作为鉴别真伪的有效手段。随着手机的普及,机器视觉的不断发展,手机的功能越来越丰富,手机的识别功能也越来越多,相继出现了二维码扫描、颜色识别等功能。然而在传统笔迹鉴定和识别领域,目前还是专用设备,使用不便,不能够随时随地的使用鉴别笔迹。
发明内容
本发明的目的在于克服现有技术的不足,提供一种笔迹比对***及方法,该***依赖智能手机实现并可以通过云端服务器及后台云计算处理中心进行快速比对,将笔迹比对的结果反馈至手机端,方便笔迹比对的应用。
为了实现上述目的,本发明采用的技术方案为:一种笔迹比对***,包括第一笔迹录入模块、笔迹对比智能终端、通信模块、对比结果显示模块和云端比对模块,所述的第一笔迹录入模块录入待比对的笔迹对比图片,所述的第一笔迹录入模块与笔迹比对智能终端连接,智能终端经通信模块与云端比对模块连接,所述的云端比对模块与比对结果显示模块连接;云端比对模块由云端服务器、数据库和后台云计算处理中心组成。
所述的云端比对模块通过网络连接第二笔迹录入模块。
所述的笔迹比对智能终端为智能手机,该智能终端通过笔迹比对APP对待比对的笔迹进行比对。
所述的第一笔迹录入模块为智能手机的触摸屏或摄像头,所述的比对结果显示模块为智能手机的触摸屏。
所述的云端比对模块包括服务器、数据库和后台云计算处理中心。
笔迹比对***的比对方法,包括:
智能终端处理步骤:
智能终端获取待比对的两张笔迹图片,分别称为标样和比对样;
调整笔迹图片至相同透明度,滤除噪声,剔除图片中的背景;
将笔迹图片转化成灰度图,并利用灰度直方图法进行灰度归一化处理;
设置区域面积,按照原始比例和分辨率,对图片进行几何归一化处理,生成32*32的图片,然后将图片上传至云端比对模块中;
云端比对模块的处理步骤:
对反映笔迹状况的特征进行量化,提取特征;
利用粗糙集改进算法对提取的众多特征进行筛选,得到能反映书写习惯与书写技能的主要特征;
根据云端笔迹数据库的大量数据统计分析,获得每个特征的加权系数;
由自适应比对算法,计算待比对笔迹的综合符合度;
变换标样和比对样笔迹,进行再次判定计算;若两次符合度计算值相差10%以上,重新进行特征量的提取,或提醒更换待比对笔迹图片;
若两次符合度计算值相差小于10%,则进行综合评断,得出比对结论,结果显示在APP界面上。
数据库的建立:
由N个笔迹图片构成训练集,经特征提取、粗糙集改进算法特征选择后,连同笔迹图片一起构建数据库。
粗糙集改进算法对提取的众多特征进行筛选包括:
(1)对每个笔迹图片提取的N个特征Z=[z1,z2,...,zN]进行归一化处理;
其中,zj为实际样本数据,zj′为归一化数据,maxj和minj分别为训练集中所有样本图片对应的第j个特征的最大值和最小值;
(2)构建决策表;以归一化处理后的样本特征作为决策表的条件属性,以训练集中笔迹样本的已知分类作为决策属性,得到属性集C;
(3)属性的离散化;
采用基于聚类学习的离散化方法对决策表属性集C中的每个属性,cj(j=1,2,...,N)执行以下操作,得到C′:
①产生基类;从样本集中任选一个对象selx,计算与其它样本xk的距离D,若D<1/N,则把样本xk加入到selx产生的基类中,直到覆盖全部样本;
②基类合并,任意两个基类间的距离若小于一定值,则基类合并;
③计算离散区间,求出各个基类中样本原属性值的取值区间,并按区间的最小值进行排序,若两个基类区间[a1,b1]、[a2,b2]相交,其中a1≤a2<b1≤b2:当b1-a1≥b2-a2时,把[a2,b2]缩减为[b1,b2],否则把[a1,b1]缩减为[a1,a2];
④对每个基类中的取值区间分别赋以整数值1,2...,实现离散化;
(4)属性的约简;令剩余属性集B=C′,挑选出的属性集合对计算c添加到S中所获得的近似分类质量增益,选择近似分类质量增益最大的属性加入S,同时从B中删除;
经粗糙集改进算法进行特征选择后,待比对笔迹和样本笔迹图片对应M个特征。
自适应比对算法计算综合符合度包括:
(1)调用数据库中笔迹样本的数据;
(2)计算待比对笔迹与样本笔迹第i个特征的符合度fi,并按照符合度从大到小排序;
(3)加权系数的确定:考虑到每个特征对笔迹比对结果的影响程度不同,因此要根据每个特征设置其加权系数。每个特征对笔迹比对结果的影响程度可以反映在该特征与原笔迹信息的相关程度,用其奇异值描述。第i个特征的加权系数σi为N个样本奇异值的统计平均值:
γij为第j个样本第i个奇异值。
(4)将待比对笔迹与样本笔迹匹配,计算综合符合度:
其中,fi为两待比对笔迹的第i个特征的符合度,σi表示第i个特征的加权系数;
(5)进行综合评断,得出比对结果。
本发明的优点在于:提供一种基于智能终端的笔迹比对***,只要能够使用智能终端的地方就可以随时上传、获取笔迹图片及得到笔迹比对结果,应用方便;可以通过智能终端快速得到比对结果,满足实时性要求;采用云端比对模块的服务器及后台云计算处理中心进行比对,能克服智能终端在运算、存储上有限的缺陷。
附图说明
下面对本发明说明书各幅附图表达的内容及图中的标记作简要说明:
图1为本发明笔迹比对***结构框图;
图2为本发明笔迹比对原理图。
具体实施方式
下面对照附图,通过对最优实施例的描述,对本发明的具体实施方式作进一步详细的说明。
一种笔迹比对***,包括第一笔迹录入模块、笔迹比对智能终端、通信模块、比对结果显示模块和云端比对模块,所述的第一笔迹录入模块录入待比对的笔迹图片,所述的第一笔迹录入模块与笔迹比对智能终端连接,智能终端经通信模块与云端比对模块连接,所述的云端比对模块与比对结果显示模块连接;云端比对模块由云端服务器、数据库和后台云计算处理中心组成。数据库可以存储笔迹图片、特征选择后数据或比对结果。笔迹比对智能终端为智能手机,该智能终端通过笔迹比对APP对待比对的笔迹进行比对。
通过第一笔迹录入模块将笔迹信息录入到智能终端中,第一录入模块可以为手机的摄像头、触摸屏或其它与手机进行数据通信的图像采集设备,采集到的笔迹图片送入到手机端,手机端与比对结果显示模块连接,用于显示比对结果,比对结果显示模块可以为手机的触摸显示屏或者外部与手机有线、无线连接的显示设备。手机将需比对的图片送入到云端比对模块,由云端比对模块进行比对,并反馈结果至手机端。云端比对模块包括服务器、数据库和后台云计算处理中心,服务器用于接收信息后送入后台云计算处理中心进行分析处理得到比对结果,再通过服务器、通信模块送入到手机端。
云端服务器通过网络连接第二笔迹录入模块。第二录入模块可以远程录入需要比对的图片。第二笔迹录入模块包括电脑、相机,相机用于采集图片并通过电脑连接后台云计算处理中心。云计算处理中心包括大型的处理器用于处理样本和待比对的笔迹数据。
本发明的工作流程为打开手机APP软件,进行笔迹图片的采集,或直接上传需要比对的笔迹图片,并进行初步处理;将初步处理过的笔迹图片上传到云端,云端执行特征提取、特征选择、智能自适应比对等算法,联合数据库进行分析,然后把比对结果下传到手机端,客户直接看到结果。
智能终端(手机端)处理步骤包括:
1.进行笔迹图片的采集,或上传需要比对的笔迹图片,比对笔迹图片可以是不同格式,图片清晰度要大于300dpi,不限于图片的颜色属性;
2.自动调整笔迹图片至相同的明度,滤除噪声,剔除图片背景,经确认后进入下一步;
3.将笔迹比对图片转化成灰度图,并利用灰度直方图法进行灰度归一化;
4.设置区域面积,按照原始比例和分辨率,对图片进行归一化处理,生成32*32的图片。
云端处理器对笔迹图片的处理过程(特征提取、特征选择、自适应比对等):
1.对反映笔迹状况的特征进行量化,提取特征;
2.利用粗糙集改进算法对提取的众多特征进行筛选,得到能更好地反映书写习惯与书写技能的最重要的一些特征。
3.根据云端数据库中大量样本笔迹的数据统计分析,获得每个特征的加权系数;
4.由自适应比对算法,计算待比对字迹的综合符合度;
5.变换标样和比对样笔迹,进行再次判定计算;若两次符合度计算值相差10%以上,重新进行特征量的提取,或提醒更换比对图片。
6.进行综合评断,得出比对结论。
特征提取方法和过程:
训练集中有N个n×n(n=32)样本笔迹图片,第i个笔迹图片按列相连,构成一个n2维向量xi。则总体散布矩阵∑可表示为:
其中,为训练集的平均图片向量。令X=[x1-μ,x2-μ,...,xN-μ],构造一个N×N矩阵:
R的特征值为λi,相应的正交归一特征向量为vi(i=1,2,...,r),则S=XXT的正交归一特征向量ui为:
每个笔迹图片都可以表示为这些ui的线性组合,为奇异值。将所有笔迹图片都投影到由u1,u2,...,uN张成的空间中,获得N个坐标系数:
ci=UTxi (4)
也称为该图片的代数特征。其中,U=[u1,u2,...,uN]。
利用粗糙集改进算法进行特征选择:
(1)对每个笔迹图片提取的N个特征Z=[z1,z2,...,zN]进行归一化处理。
其中,zj为实际样本数据,zj′为归一化数据,maxj和minj分别为所有样本图片对应的第j个特征的最大值和最小值。
(2)构建决策表。以归一化处理后的样本特征作为决策表的条件属性,以训练集中样本图片的已知分类作为决策属性,得到属性集C;
(3)属性的离散化。采用基于聚类学习的离散化方法对决策表属性集C中的每个属性,cj(j=1,2,...,N)执行以下操作,得到C′:
①产生基类。从样本集中任选一个对象selx,计算与其它样本xk的距离D。若D<1/N,则把样本xk加入到selx产生的基类中,直到覆盖全部样本。
②基类合并。任意两个基类间的距离若小于一定值,则基类合并。
③计算离散区间。求出各个基类中样本原属性值的取值区间,并按区间的最小值进行排序,若两个基类区间[a1,b1]、[a2,b2]相交,其中a1≤a2<b1≤b2:当b1-a1≥b2-a2时,把[a2,b2]缩减为[b1,b2],否则把[a1,b1]缩减为[a1,a2]。
④对每个基类中的取值区间分别赋以整数值1,2...,实现离散化。
(4)属性的约简。令剩余属性集B=C′,挑选出的属性集合对计算c添加到S中所获得的近似分类质量增益。选择近似分类质量增益最大的属性加入S,同时从B中删除。
经粗糙集改进算法进行特征选择后,每个样本对应M(M<N)个特征。由N个笔迹图片样本经特征提取、特征选择后,连同笔迹图片一起构建数据库。
自适应比对算法:
(1)调用数据库中样本笔迹数据;
(2)计算待比对笔迹与样本笔迹第i个特征的符合度fi,并按照符合度从大到小排序;
(3)加权系数的确定:考虑到每个特征对笔迹比对结果的影响程度不同,因此要根据每个特征设置其加权系数。每个特征对笔迹比对结果的影响程度可以反映在该特征与原笔迹信息的相关程度,用其奇异值描述。第i个特征的加权系数σi为N个样本奇异值的统计平均值:
γij为第j个样本第i个奇异值。加权系数不需要人为赋值,具有自适应性。
(4)将待比对笔迹与样本笔迹匹配,计算综合符合度:
其中,fi为两待比对笔迹的第i个特征的符合度,σi表示第i个特征的加权系数。
(5)进行综合评断,得出比对结果。
显然本发明具体实现并不受上述方式的限制,只要采用了本发明的方法构思和技术方案进行的各种非实质性的改进,均在本发明的保护范围之内。
Claims (8)
1.一种笔迹比对***,其特征在于:包括第一笔迹录入模块、笔迹比对智能终端、通信模块、比对结果显示模块和云端比对模块,所述的第一笔迹录入模块录入待比对的笔迹图片,所述的第一笔迹录入模块与笔迹比对智能终端连接,智能终端经通信模块与云端比对模块连接,所述的笔迹比对智能终端与比对结果显示模块连接。
2.如权利要求1所述的一种笔迹比对***,其特征在于:所述的云端比对模块通过网络连接第二笔迹录入模块。
3.如权利要求2所述的一种笔迹比对***,其特征在于:所述的笔迹比对智能终端为智能手机,该智能终端通过笔迹比对APP对待比对的笔迹进行比对。
4.如权利要求3所述的一种笔迹比对***,其特征在于:所述的第一笔迹录入模块为智能手机的触摸屏或摄像头或其它与手机进行数据通信的图像采集设备,所述的比对结果显示模块为智能手机的触摸屏或者外部与手机有线、无线连接的显示设备。
5.如权利要求1所述的一种笔迹比对***,其特征在于:所述的云端比对模块包括服务器、数据库和后台云计算处理中心。
6.如权利要求1-5任一所述的笔迹比对***的比对方法,其特征在于:包括:智能终端处理步骤:
智能终端获取待比对的两张笔迹图片,分别称为标样和比对样;
调整笔迹图片至相同明度,滤除噪声,剔除图片中的背景;
将笔迹图片转化成灰度图,并利用灰度直方图法进行灰度归一化处理;
设置区域面积,按照原始比例和分辨率,对图片进行几何归一化处理,生成32*32的图片,然后将图片上传至云端比对模块中;
云端比对模块处理步骤:
对反映笔迹状况的特征进行量化,提取特征;
利用粗糙集改进算法对提取的众多特征进行筛选,得到能反映书写习惯与书写技能的主要特征;
根据云端笔迹数据库的大量数据统计分析,获得每个特征的加权系数;
由自适应比对算法,计算待比对笔迹的综合符合度;
变换标样和比对样笔迹,进行再次判定计算;若两次符合度计算值相差10%以上,重新进行特征的提取,或提醒更换待比对笔迹图片;
若两次符合度计算值相差小于10%,则进行综合评断,得出比对结论,结果显示在APP界面上。
7.如权利要求6所述的一种笔迹比对***的比对方法,其特征在于:粗糙集改进算法对提取的众多特征进行筛选,包括:
(1)对每个笔迹图片提取的N个特征Z=[z1,z2,...,zN]进行归一化处理;
<mrow>
<msup>
<msub>
<mi>z</mi>
<mi>j</mi>
</msub>
<mo>&prime;</mo>
</msup>
<mo>=</mo>
<mfrac>
<mrow>
<msub>
<mi>z</mi>
<mi>j</mi>
</msub>
<mo>-</mo>
<msub>
<mi>min</mi>
<mi>j</mi>
</msub>
</mrow>
<mrow>
<msub>
<mi>max</mi>
<mi>j</mi>
</msub>
<mo>-</mo>
<msub>
<mi>min</mi>
<mi>j</mi>
</msub>
</mrow>
</mfrac>
<mo>,</mo>
<mi>j</mi>
<mo>=</mo>
<mn>1</mn>
<mo>,</mo>
<mn>2</mn>
<mo>,</mo>
<mo>...</mo>
<mo>,</mo>
<mi>N</mi>
</mrow>
其中,zj为实际样本数据,zj′为归一化数据,maxj和minj分别为训练集中所有样本图片对应的第j个特征的最大值和最小值;
(2)构建决策表;以归一化处理后的样本特征作为决策表的条件属性,以训练集中样本笔迹的已知分类作为决策属性,得到属性集C;
(3)属性的离散化;
采用基于聚类学习的离散化方法对决策表属性集C中的每个属性,cj(j=1,2,...,N)执行以下操作,得到C′:
①产生基类;从样本集中任选一个对象selx,计算与其它样本xk的距离D,若D<1/N,则把样本xk加入到selx产生的基类中,直到覆盖全部样本;
②基类合并,任意两个基类间的距离若小于一定值,则基类合并;
③计算离散区间,求出各个基类中样本原属性值的取值区间,并按区间的最小值进行排序,若两个基类区间[a1,b1]、[a2,b2]相交,其中a1≤a2<b1≤b2:当b1-a1≥b2-a2时,把[a2,b2]缩减为[b1,b2],否则把[a1,b1]缩减为[a1,a2];
④对每个基类中的取值区间分别赋以整数值1,2...,实现离散化;
(4)属性的约简;令剩余属性集B=C′,挑选出的属性集合对计算c添加到S中所获得的近似分类质量增益,选择近似分类质量增益最大的属性加入S,同时从B中删除;
经粗糙集改进算法进行特征选择后,每个待比对笔迹和样本笔迹对应M个特征。
8.如权利要求6所述的一种笔迹比对***的比对方法,其特征在于:
自适应比对算法计算综合符合度包括:
(1)调用数据库中样本笔迹的数据;
(2)计算待比对笔迹与样本笔迹第i个特征的符合度fi,并按照符合度从大到小排序;
(3)加权系数的确定:考虑到每个特征对笔迹比对结果的影响程度不同,因此要根据每个特征设置其加权系数。每个特征对笔迹比对结果的影响程度可以反映在该特征与原笔迹信息的相关程度,用其奇异值描述。第i个特征的加权系数σi为N个样本奇异值的统计平均值:
γij为第j个样本第i个奇异值。
(4)将待比对笔迹与样本笔迹匹配,计算综合符合度:
<mrow>
<mi>J</mi>
<mo>=</mo>
<munderover>
<mo>&Sigma;</mo>
<mrow>
<mi>i</mi>
<mo>=</mo>
<mn>1</mn>
</mrow>
<mi>M</mi>
</munderover>
<msub>
<mi>&sigma;</mi>
<mi>i</mi>
</msub>
<mo>&CenterDot;</mo>
<msub>
<mi>f</mi>
<mi>i</mi>
</msub>
</mrow>
其中,fi为两待比对笔迹的第i个特征的符合度,σi表示加权系数;
(5)进行综合评断,得出比对结果。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201711429113.3A CN108052918A (zh) | 2017-12-26 | 2017-12-26 | 一种笔迹比对***及方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201711429113.3A CN108052918A (zh) | 2017-12-26 | 2017-12-26 | 一种笔迹比对***及方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN108052918A true CN108052918A (zh) | 2018-05-18 |
Family
ID=62131905
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201711429113.3A Pending CN108052918A (zh) | 2017-12-26 | 2017-12-26 | 一种笔迹比对***及方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN108052918A (zh) |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110119376A (zh) * | 2019-04-10 | 2019-08-13 | 北京瀚海云鉴科技有限公司 | 一种中国书画***鉴定样本数据库*** |
CN110245571A (zh) * | 2019-05-20 | 2019-09-17 | 深圳壹账通智能科技有限公司 | 合同签字审核方法、装置、计算机设备和存储介质 |
CN111899137A (zh) * | 2020-07-24 | 2020-11-06 | 华中科技大学 | 一种基于手写时序数据的考试***和方法 |
CN112818730A (zh) * | 2020-03-05 | 2021-05-18 | 刘惠敏 | 云存储型书帖在线鉴定*** |
Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104392229A (zh) * | 2014-10-09 | 2015-03-04 | 南通大学 | 基于笔画片段方向分布特征的笔迹识别方法 |
-
2017
- 2017-12-26 CN CN201711429113.3A patent/CN108052918A/zh active Pending
Patent Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104392229A (zh) * | 2014-10-09 | 2015-03-04 | 南通大学 | 基于笔画片段方向分布特征的笔迹识别方法 |
Non-Patent Citations (4)
Title |
---|
N. SAKR 等: "Feature selection in haptic-based handwritten signatures using rough sets", 《INTERNATIONAL CONFERENCE ON FUZZY SYSTEMS》 * |
刘勇: "Hash快速属性约简算法", 《计算机学报》 * |
赵晓霞: "基于新聚类学习的属性离散化方法", 《现代电子技术》 * |
马娜: "在Windows Phone上实现多用户笔迹鉴别***", 《中国优秀博硕士学位论文全文数据库(硕士)信息科技辑》 * |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110119376A (zh) * | 2019-04-10 | 2019-08-13 | 北京瀚海云鉴科技有限公司 | 一种中国书画***鉴定样本数据库*** |
CN110245571A (zh) * | 2019-05-20 | 2019-09-17 | 深圳壹账通智能科技有限公司 | 合同签字审核方法、装置、计算机设备和存储介质 |
CN112818730A (zh) * | 2020-03-05 | 2021-05-18 | 刘惠敏 | 云存储型书帖在线鉴定*** |
CN111899137A (zh) * | 2020-07-24 | 2020-11-06 | 华中科技大学 | 一种基于手写时序数据的考试***和方法 |
CN111899137B (zh) * | 2020-07-24 | 2024-05-14 | 华中科技大学 | 一种基于手写时序数据的考试***和方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109002766B (zh) | 一种表情识别方法及装置 | |
EP3989104A1 (en) | Facial feature extraction model training method and apparatus, facial feature extraction method and apparatus, device, and storage medium | |
CN108052918A (zh) | 一种笔迹比对***及方法 | |
CN109101934A (zh) | 车型识别方法、装置与计算机可读存储介质 | |
CN108090511B (zh) | 图像分类方法、装置、电子设备及可读存储介质 | |
CN111935479B (zh) | 一种目标图像确定方法、装置、计算机设备及存储介质 | |
CN104063686B (zh) | 作物叶部病害图像交互式诊断***与方法 | |
CN111626371A (zh) | 一种图像分类方法、装置、设备及可读存储介质 | |
CN111222433B (zh) | 自动人脸稽核方法、***、设备及可读存储介质 | |
CN110717058B (zh) | 信息推荐方法及装置、存储介质 | |
JP2021531571A (ja) | 証明書画像抽出方法及び端末機器 | |
CN106651741B (zh) | 一种基于云计算的图形处理*** | |
CN111507957A (zh) | 身份证图片转换方法、装置、计算机设备及存储介质 | |
CN112052730A (zh) | 一种3d动态人像识别监控设备及方法 | |
CN110991434B (zh) | 自助终端证件识别方法及装置 | |
CN110990617B (zh) | 一种图片标记方法、装置、设备及存储介质 | |
CN111862040A (zh) | 人像图片质量评价方法、装置、设备及存储介质 | |
CN113792659B (zh) | 文档识别方法、装置及电子设备 | |
CN112084913B (zh) | 一种端到端的人体检测与属性识别方法 | |
CN117422936B (zh) | 一种遥感图像分类方法及*** | |
CN116665228B (zh) | 图像处理方法及装置 | |
CN108446688B (zh) | 人脸图像性别判断方法、装置、计算机设备及存储介质 | |
CN108491820B (zh) | 图像中肢体表示信息的识别方法、装置及设备、存储介质 | |
CN112287945A (zh) | 碎屏确定方法、装置、计算机设备及计算机可读存储介质 | |
CN115546554A (zh) | 敏感图像的识别方法、装置、设备和计算机可读存储介质 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
RJ01 | Rejection of invention patent application after publication | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20180518 |