CN110942042B - 一种三维手写签名认证方法、***、存储介质及设备 - Google Patents

一种三维手写签名认证方法、***、存储介质及设备 Download PDF

Info

Publication number
CN110942042B
CN110942042B CN201911213154.8A CN201911213154A CN110942042B CN 110942042 B CN110942042 B CN 110942042B CN 201911213154 A CN201911213154 A CN 201911213154A CN 110942042 B CN110942042 B CN 110942042B
Authority
CN
China
Prior art keywords
curve
dimensional
transformation
signature
template
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.)
Active
Application number
CN201911213154.8A
Other languages
English (en)
Other versions
CN110942042A (zh
Inventor
胡华成
张鸿亮
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.)
Shenzhen Bangbangbang Technology Co ltd
Original Assignee
Shenzhen Bangbangbang Technology Co ltd
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 Shenzhen Bangbangbang Technology Co ltd filed Critical Shenzhen Bangbangbang Technology Co ltd
Priority to CN201911213154.8A priority Critical patent/CN110942042B/zh
Publication of CN110942042A publication Critical patent/CN110942042A/zh
Application granted granted Critical
Publication of CN110942042B publication Critical patent/CN110942042B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

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
    • G06F18/22—Matching criteria, e.g. proximity measures

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Data Mining & Analysis (AREA)
  • General Physics & Mathematics (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Evolutionary Biology (AREA)
  • Evolutionary Computation (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • General Engineering & Computer Science (AREA)
  • Artificial Intelligence (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Human Computer Interaction (AREA)
  • Multimedia (AREA)
  • Collating Specific Patterns (AREA)

Abstract

本发明涉及一种三维手写签名认证方法、***、存储介质及设备，通过采集鉴定三维签名轨迹实现签名认证，将三维签名轨迹转换成最大投影平面上的二维的待测曲线，通过计算待测曲线和模板曲线匹配后的相似距离判断待测曲线与模板曲线的相似度，从而确认三维签名轨迹是否为模板曲线对应的用户的真实签名。相对于现有技术，本发明具有安全性高、不易伪造的特点。

Description

一种三维手写签名认证方法、***、存储介质及设备
技术领域
本发明涉及身份识别领域，尤其是涉及一种三维手写签名认证方法、***、存储介质及设备。
背景技术
随着信息技术的发展，包括手写签名在内的生物特征身份识别方法得到广泛应用，手写签名由于其高度的唯一性与可靠性成为身份识别一种主要方法。通过计算机把手写签名的特征信息与真实签名样本进行比对，以识别手写签名真伪的技术，其原理是每个人的签名都是独特的并且在一段时期内不随意改变。手写签名具有不遗忘性、自然性、共享性，同时也有着一定的相对不稳定性。手写签名识别***必须具有足够的鲁棒性又兼顾***性能，成熟的签名识别***有着广阔的应用前景，如金融、证券与智慧商务领域、企业资源管理***、办公自动化***与智慧政务领域等。
目前，利用手写板、手机、平板电脑等设备可以方便进行手写笔迹采集，通过笔迹进行身份认证。但是，利用手写板、手机、平板电脑等设备采集的签名是二维签名笔迹，二维签名笔迹(主要是签名图像)容易被收集、模仿，安全性低，容易伪造，造成用户经济、声誉上的损失。
发明内容
本发明的目的在于克服现有技术的缺点与不足，提供一种不易伪造、安全性高的三维手写签名认证方法。
一种三维手写签名认证方法，包括以下步骤：
获取对应三维笛卡尔坐标系数据格式的三维签名轨迹；
将所述三维签名轨迹分别沿XYZ参照系的X轴、Y轴进行旋转变换，在所述三维签名轨迹旋转变换过程中，选取所述三维签名轨迹在XZ、YZ平面的投影为最小时的目标X轴旋转角和目标Y轴旋转角，获取旋转至目标X轴旋转角和目标Y轴旋转角时，所述三维签名轨迹在XY平面的投影曲线为待测曲线；
获取与目标用户信息对应的模板曲线；
将所述模板曲线和待测曲线进行分段，所述模板曲线的每一个分段在待测曲线上有一对应的待比较区间；对于待比较区间内的模板曲线段进行相似变换，得到与该待比较区间对应的待测曲线段重合度最大的变换曲线段，计算该待比较区间内的待测曲线与所述变换曲线段的平均距离作为相似距离；
对所述一个或一个以上的待比较区间对应的相似距离进行加权平均，得到平均相似距离，若所述平均相似距离小于给定阈值，则判定所述三维签名轨迹为与所述目标用户信息匹配的真实签名。
在其中一个实施例中，将所述三维签名轨迹分别沿XYZ参照系的X轴、Y轴进行旋转变换，在所述三维签名轨迹旋转变换过程中，选取所述三维签名轨迹在XZ、YZ平面的投影为最小时的目标X轴旋转角和目标Y轴旋转角，获取旋转至目标X轴旋转角和目标Y轴旋转角时，所述三维签名轨迹在XY平面的投影曲线为待测曲线的步骤包括：
步骤S201：以设定的角度间隔对所述三维签名轨迹进行若干次X轴旋转变换，旋转变换公式为：
Figure BDA0002298715090000021
θ为X轴旋转变换的旋转角，属于[-90，90]的角度范围区间；
步骤S202：计算每一次X轴旋转变换后所述三维签名轨迹上采样点的Z坐标的方差，选取所述方差最小的一次旋转变换对应的角度θ作为目标X轴旋转角；
步骤S203：以设定的角度间隔对所述三维签名轨迹进行若干次Y轴旋转变换，旋转变换公式为：
Figure BDA0002298715090000022
Figure BDA0002298715090000023
为Y轴旋转变换的旋转角，属于[-90，90]的角度范围区间；
步骤S204：计算每一次Y轴旋转变换后所述三维签名轨迹上采样点的Z坐标的方差，选取所述方差最小的一次旋转变换对应的角度
Figure BDA0002298715090000024
作为目标Y轴旋转角；
步骤S205：在θ取值为目标X轴旋转角，
Figure BDA0002298715090000025
取值为目标Y轴旋转角时，通过变换矩阵T＝T1T2得到所述三维签名轨迹在XY平面的投影曲线作为待测曲线。
在其中一个实施例中，所述获取与目标用户信息对应的模板曲线步骤包括：
获取对应三维笛卡尔坐标系数据格式的模板三维签名轨迹；
对所述模板三维签名轨迹执行步骤S201-S205，得到所述模板三维签名轨迹在XY平面的投影曲线作为模板曲线。
在其中一个实施例中，对于待比较区间内的模板曲线段进行相似变换，得到与该待比较区间对应的待测曲线段重合度最大的变换曲线段，计算该待比较区间内的待测曲线与所述变换曲线段的平均距离作为相似距离的步骤包括：
对于一起始位置偏移量为t的待比较区间[C1,C2]，根据变换矩阵T对模板曲线进行相似变换；
所述变换矩阵T为
Figure BDA0002298715090000031
a、d分别为X、Y方向缩放比例；l、m分别为X、Y方向平移距离；
利用智能搜索算法搜索模板曲线上分段区间[R1,R2]与待比较区间[C1,C2]对应的待测曲线段重合度最大的变换曲线段。所述参考比较区间[R1,R2]对应的变换曲线段FA为：
FA＝{(x1,y1),…(x2,y2),…(xM,yM)}
所述待比较区间[C1,C2]对应的待测曲线段FB为：
FB＝{(x′1,y′1),…(x′2,y′2),…(x′N,y′N)}
其中，M、N表示变换曲线段FA及待测曲线段FB的特征点数；
从变换曲线段和待测曲线段中等间隔抽样若干个抽样点，计算各个对应位置的抽样点间的平均距离作为待比较区间t对应的变换曲线段和待测曲线段之间的相似距离：
Figure BDA0002298715090000032
其中||*||为距离范数，[*]表示取整，Q为抽样点数，FAi FBi分别为变换曲线段和待测曲线段抽样点。
在其中一个实施例中，所述利用智能搜索算法搜索得到模板曲线分段区间[R1,R2]与待比较区间[C1,C2]对应的待测曲线段重合度最大的变换曲线段的步骤包括：
S421：随机产生初始种群P(j)；其中，j＝0；
S422：根据个体中X方向缩放比例a、Y方向缩放比例d、X方向平移距离l、Y方向平移距离m、待比较区间的起始位置偏移量t的值，在它的邻域随机产生新个体；
S423：计算所有父代和遗传产生的后代的适应度值，根据适应度值选取S个后代组成新的群体P(j+1)，替换种群P(j)；
S424：当达到最大迭代次数并且循环迭代达到最大世代数时停止，选取与待测曲线段重合度最大的变换曲线段输出；否则，转到步骤S422。
在其中一个实施例中，所述获取与目标用户信息对应的模板曲线的步骤包括：
接收输入的目标用户信息并认证，认证通过后，服务器中获取与目标用户信息对应的模板曲线。
本发明的目的在于克服现有技术的缺点与不足，提供一种不易伪造、安全性高的三维手写签名认证***。
一种三维手写签名认证***，包括：体感设备、数据库服务器和认证服务器；所述体感设备用于采集三维签名轨迹，所述数据库服务器用于存储所述模板曲线，所述认证服务器用于执行如前述任意一项所述的三维手写签名认证方法；
所述体感设备用于通过摄像头捕捉用户手势采集三维签名轨迹；或者，
所述体感设备集成在用户终端上，用于通过检测用户终端的空间运动轨迹采集三维签名轨迹。
在其中一个实施例中，所述三维手写签名认证***还包括：交互显示设备，用于接收输入的目标用户信息和显示三维手写签名认证结果。
本发明的目的在于克服现有技术的缺点与不足，提供一种存储执行上述不易伪造、安全性高的三维手写签名认证方法的计算机程序的计算机可读存储介质。
一种计算机可读存储介质，其上储存有计算机程序，该计算机程序被处理器执行时实现前述任意一项所述的三维手写签名认证方法。
本发明的目的在于克服现有技术的缺点与不足，提供一种存储执行上述不易伪造、安全性高的三维手写签名认证方法的计算机设备。
一种计算机设备，包括存储器、处理器以及存储在所述存储器中并可被所述处理器执行的计算机程序，所述处理器执行所述计算机程序时实现前述任意一项所述的三维手写签名认证方法。
采用了上述三维手写签名认证方法、***、存储介质及设备之后，可通过体感设备检测到用户签名时的三维签名轨迹，该三维签名轨迹与传统技术中的二维笔迹不同，三维签名轨迹是用户在书写过程中由书写习惯决定的书写姿势信息，通过将表达书写姿势信息的三维签名轨迹先旋转变换后得到二维的待测曲线，然后将该待测曲线与目标用户对应的模板曲线进行相似度比较，在相似度较高时判定该三维签名轨迹为该目标用户的真实签名，使得鉴定结果更加准确，从而提高了签名认证的安全性。
为了更好地理解和实施，下面结合附图详细说明本发明。
附图说明
图1是本发明实施例中一种三维手写签名认证方法的流程图；
图2是本发明实施例中用户书写一个简单字符“A”的轨迹示意图；
图3是本发明实施例中三维手写签名认证方法步骤S2的流程图；
图4是本发明实施例中模板曲线段变换并与待测曲线段匹配过程示意图；
图5是本发明实施例中三维手写签名认证方法步骤S4的流程图；
图6是本发明实施例中步骤S4中利用遗传算法进行曲线匹配的流程图；
图7是本发明实施例中三维手写签名认证***的结构示意图；
图8是本发明另一个实施例中三维手写签名认证***的结构示意图；
图9是本发明实施例中利用摄像头采用主动体感式的方法采集用户在空间中通过手势进行的三维手写签名轨迹的结构示意图；
图10是本发明实施例中利用内置传感器的智能笔采用被动体感式的方法采集三维手写签名轨迹的示意图。
具体实施方式
实施例
请参阅图1，本发明提供了一种三维手写签名认证方法，包括以下步骤：
步骤S1：获取对应三维笛卡尔坐标系数据格式的三维签名轨迹。
在本实施例中，通过采集设备采集三维签名轨迹，并将其转换为三维笛卡尔坐标系的数据格式，即XYZ坐标系中由三维向量表示的采样点序列构成轨迹数据。
采集设备可以是主动采集，也可以是被动采集。主动采集是指通过采集设备主动捕捉用户签名时的三维手势轨迹，例如，可通过摄像头拍摄用户签名时的手势动作，从而采集用户签名时的三维签名轨迹。
被动采集是指采集设备由用户手持或其他方式，随着用户签名时手势的运动而运动，根据自身的运动轨迹被动地采集三维签名轨迹。
例如，在一个智能笔的应用场景中，智能笔中可集成采集设备，采集设备通过捕捉用户指尖或笔尖的运动轨迹从而获得一种在虚空中的签名轨迹，用户指尖或笔尖即为该采集设备捕捉的“笔”。
所述采集设备可选用惯性感测、光学感测以及惯性及光学联合感测的设备，其中惯性感测用户需要手绑定一个惯性传感器或者手持一只惯性感测笔，利用传感器实时的变化来获得体感数据；而光学感测是利用光学原理对目标物成像而获得体感数据，光学感测设备可以是固定的体感设备或者是用户手持的光电数码笔，所述签名轨迹为一条空间连续曲线，用户可根据实际需求对体感设备的感测方式进行选择。当“笔”进入感应空间时，开始进行手势数据的采集，设备记录“笔”的运动轨迹，当“笔”离开感应空间时，手势采集数据结束。在一个实施例中，也可采用固定的手势操作确认签名数据的起止，如开始书写时“笔”停顿，书写完毕时“笔”再停顿，或者手抬起时是签名开始，手放下是签名结束等。
优选的，在对三维签名轨迹进行识别之前，可对三维签名轨迹中的数据点进行筛选，计算签名轨迹中每个数据点的运动速度，统计平均速度，剔除运动速度小于平均速度的数据点；剔除签名数据中两个数据点距离超出设定范围或数据点数量低于设定数目且缺乏连续性的数据点等异常位置点；其中，若两个数据点距离超出设定范围则可能表示签名位置发生突变；而数据点数量低于设定数目且缺乏连续性的数据点，可能为用户签名书写完毕后手离开感应空间时意外的再次进入感应空间所捕捉的少量数据点；该数据点的存在影响后续签名认证的准确性。
利用等时间间隔对采样的有序点集进行差值，实现重采样。所述差值方法可采用线性、样条等多种方法。
如图2所示，其为用户执行“笔”进行字符“A”字书写的轨迹示意图，轨迹BC为签名轨迹，轨迹AB为手写笔进入感应空间的运动轨迹，轨迹CD为手写笔离开感应空间的运动轨迹。由于用户在B、C两点有明显停顿，可通过统计计算最小的轨迹运动速度点而获得B、C两个点的关键位置及时刻，保存轨迹BC。在其它实施例中，也可不处理B、C关键点，而将轨迹AD作为整个签名轨迹而保存，后续通过与模板曲线进行比对的方式消去AB、CD部分的影响。
在一个实施例中，在将所述三维签名轨迹和模板签名轨迹分别沿X轴、Y轴进行旋转变换之前，对所述三维签名轨迹和模板签名轨迹进行包括异常点剔除、平滑和滤波的预处理，所述异常点指的是签名轨迹中有明显的停顿或特殊状态，对所述所述三维签名轨迹和模板签名轨迹进行有效签名数据的分割提取，提高后续签名认证的准确性，降低其比对数据量，提高效率。
步骤S2：将所述三维签名轨迹分别沿XYZ参照系的X轴、Y轴进行旋转变换，在所述三维签名轨迹旋转变换过程中，选取所述三维签名轨迹在XZ、YZ平面的投影为最小时的目标X轴旋转角和目标Y轴旋转角，获取旋转至目标X轴旋转角和目标Y轴旋转角时，所述三维签名轨迹在XY平面的投影曲线为待测曲线。
如图3所示，该步骤具体包括：
步骤S201：以设定的角度间隔对所述三维签名轨迹进行若干次X轴旋转变换，旋转变换公式为：
Figure BDA0002298715090000071
θ为X轴旋转变换的旋转角，属于[-90，90]的角度范围区间；
步骤S202：计算每一次X轴旋转变换后所述三维签名轨迹上采样点的Z坐标的方差，选取所述方差最小的一次旋转变换对应的角度θ作为目标X轴旋转角；
步骤S203：以设定的角度间隔对所述三维签名轨迹进行若干次Y轴旋转变换，旋转变换公式为：
Figure BDA0002298715090000081
Figure BDA0002298715090000082
为Y轴旋转变换的旋转角，属于[-90，90]的角度范围区间；
步骤S204：计算每一次Y轴旋转变换后所述三维签名轨迹上采样点的Z坐标的方差，选取所述方差最小的一次旋转变换对应的角度
Figure BDA0002298715090000083
作为目标Y轴旋转角；
步骤S205：在θ取值为目标X轴旋转角，
Figure BDA0002298715090000084
取值为目标Y轴旋转角时，通过变换矩阵T＝T1T2得到所述三维签名轨迹在XY平面的投影曲线作为待测曲线。
在利用变换矩阵T＝T1T2将所述三维签名轨迹和模板签名轨迹转换为XY平面上的二维曲线，得到待测曲线之后，可将签名轨迹数据进行坐标平移、旋转变换，使得签名轨迹在一个近似垂直于Z轴的平面上，轨迹中心为坐标原点，此时X、Y坐标对应在二维平面上签名数据的书写坐标；经过变换矩阵T＝T1T2后，可近似认为签名书写是在与XY平面平行的平面上书写的，此时三维曲线相似可转换为二维曲线得以简化。优选地，可对所述待测曲线坐标值进行规整，令其在在[-1,1]之间，以减少后续曲线匹配过程中的搜索空间，提高搜索速度。
步骤S3：获取与目标用户信息对应的模板曲线。
可预先对用户身份信息进行认证，根据认证结果从服务器中获取用户模板签名轨迹。所述服务器中设有用户签名数据库，该用户签名数据库包含至少一个用户ID和对应的至少一个签名轨迹，用户身份信息认证完成后，根据该用户ID从该用户签名数据库提取一个签名轨迹，该提取过程可随机提取或指定提取。
例如，在一个电子支付的应用场景中，用户先输入账号密码完成账号密码的身份认证，但该认证只能确认账号和密码匹配，但存在用户账号密码泄露给他人，被他人盗刷卡的情况，因此并不能确认提供账号和密码的用户是该账号对应的真实用户。此时，可获取密码认证成功的账号，在数据库中获取预存的模板曲线，该模板曲线可以是账号的真实用户在开户注册时录入的，然后通过将待测曲线与该模板曲线进行比对，若相似度达到阈值，则认定待测曲线对应的三维签名轨迹是符合该账号的真实用户的书写习惯的，从而在账号密码认证的基础上，更进一步地对账号提供者的真实性进行了认证，从而提高了安全性。
需要说明的是，预存的模板曲线可以是二维的映射在XY平面的曲线，也可以是预存的模板三维签名轨迹，然后再同样通过获取对应三维笛卡尔坐标系数据格式的模板三维签名轨迹；对所述模板三维签名轨迹执行步骤S201-S205，得到所述模板三维签名轨迹在XY平面的投影曲线作为模板曲线。而对于模板曲线，也可以对其坐标值进行规整，令其在在[-1,1]之间，以减少后续曲线匹配过程中的搜索空间，提高搜索速度。
步骤S4：将所述模板曲线和待测曲线进行分段，所述模板曲线的每一个分段在待测曲线上有一对应的待比较区间；对于待比较区间内的模板曲线段进行相似变换，得到与该待比较区间对应的待测曲线段重合度最大的变换曲线段，计算该待比较区间内的待测曲线与所述变换曲线段的平均距离作为相似距离。
在本实施例中，对于长度为M的模板曲线，以段长度Mk将模板曲线均匀划分为K段，各段区间为：
Figure BDA0002298715090000091
对于长度为N的待测曲线，将待测曲线划分为K段，各段待比较区间为：
Figure BDA0002298715090000092
在每一个待比较区间内，对模板曲线进行相似变换得到变换曲线段，令该变换曲线段与待测曲线段重合度最大，计算该变换曲线段与待测曲线段之间的平均距离，得到该比较区间内的相似距离。
所述模板曲线变换并与待测曲线段匹配过程如图4所示，其中[R1,R2]为模板曲线的分段区间,[C1,C2]分别为待测曲线的待比较区间。通过计算所有经过相似变换后两条曲线间差异中的最小值，在相似变换空间搜索最佳的相似变换参数使相似距离最小，判断所述模板曲线段变换及与待测曲线段重合度最大，其中，H为模板曲线高度，L为模板曲线宽度，a、d分别为X、Y方向缩放比例，l、m分别为X、Y方向平移。
如图5所示，对于待比较区间内的模板曲线段进行相似变换，得到与该待比较区间对应的待测曲线段重合度最大的变换曲线段，计算该待比较区间内的待测曲线与所述变换曲线段的平均距离作为相似距离的步骤包括：
步骤S41：对于一个起始位置偏移量为t的待比较区间[C1,C2]，根据X方向缩放比例a、Y方向缩放比例d、X方向平移距离l、Y方向平移距离m，变换矩阵T对模板曲线进行相似变换；
所述变换矩阵T为
Figure BDA0002298715090000101
a、d分别为X、Y方向缩放比例；l、m分别为X、Y方向平移距离；
该变换矩阵T根据二维平面基础变换矩阵得到，本实施例中在不考虑Z轴及旋转变化情况下，变换矩阵T是一个只包含拉伸、平移变换的简单变换矩阵：
Figure BDA0002298715090000102
其中a、d分别为X、Y方向缩放比例；b、c分别为X、Y方向错切；a、b、c、d组合成旋转变换；l、m分别为X、Y方向平移；p、q为透视变换，通常不考虑透视变换影响，可认为值为0；s为全比例变换系数。
步骤S42：利用智能搜索算法比如遗传算法搜索得到模板曲线分段区间[R1,R2]与待比较区间[C1,C2]对应的待测曲线段重合度最大的变换曲线段FA，遗传算法以相似距离的倒数作为适应度函数f。同时令参数a、d、l、m、t应满足一定的约束条件，该约束条件及遗传算法的最大世代数根据实际应用进行设定。随机产生S个个体P＝{P1,P2,…,PS}，其中每一个体都对应一参考签名和比较签名段的匹配距离，其倒数就是个体的适应度，适应度越大，表示参与匹配的参考签名与比较签名段的距离越小，即个体越优良。迭代次数可根据初始个体进行设置，例如当初始为20个个体时，设置迭代100次左右收敛。
所述变换曲线段FA为：
FA＝{(x1,y1),…(x2,y2),…(xM,yM)}
所述待测曲线段FB为：
FB＝{(x′1,y′1),…(x′2,y′2),…(x′N,y′N)}
其中，M、N表示变换曲线段及待测曲线段的特征点数；
在一个实施例中，如图6所示，利用智能搜索算法搜索模板曲线上分段区间[R1,R2]与待比较区间[C1,C2]对应的待测曲线段重合度最大的变换曲线段的步骤包括：
S421：随机产生初始种群P(j)；其中，j＝0，对于产生的个体，判断其X方向缩放比例a、Y方向缩放比例d、X方向平移距离l、Y方向平移距离m、待比较区间的起始位置偏移量t是否满足设定的约束条件，若是，则产生下一个个体；否则，重新产生直到满足约束条件；
S422：根据个体中X方向缩放比例a、Y方向缩放比例d、X方向平移距离l、Y方向平移距离m、待比较区间的起始位置偏移量t的值，在它的邻域随机产生新个体；
S423：计算所有父代和遗传产生的后代的适应度值，根据适应度值选取S个后代组成新的群体P(j+1)，替换种群P(j)；
S424：当达到最大迭代次数并且循环迭代达到最大世代数时停止，输出与待测曲线段重合度最大的变换曲线段；否则，转到步骤S422；
步骤S43：从变换曲线段和待测曲线段中等间隔抽样若干个点，计算其平均距离作为变换曲线段和待测曲线段之间的相似距离：
Figure BDA0002298715090000111
其中||*||为距离范数，[*]表示取整，Q为抽样点数，FAi FBi分别为变换曲线段和待测曲线段抽样点。在其它实施例中，也可采用粒子群算法或蚁群算法等其它随机智能搜索算法搜索与待测曲线段重合度最大的变换曲线段。
步骤S5：对所述一个或一个以上的待比较区间对应的相似距离进行加权平均，得到平均相似距离，若所述平均相似距离小于给定阈值，则判定所述三维签名轨迹为与所述目标用户信息匹配的真实签名。
具体地，按照下列方式对所述若干待比较区间内的相似距离进行加权平均，得到待测曲线和模板曲线之间的相似距离：
Figure BDA0002298715090000112
其中，di为各个待比较区间内的相似距离，wi为各个待比较区间的权重值，若各个待比较区间权重相等时，所述待测曲线和模板曲线之间的相似距离即为所有待比较区间的平均相似距离。
给定阈值ε，如果满足d≤ε，则认为两条曲线相似，三维签名轨迹为与目标用户信息匹配的真实签名，否则为伪造签名。阈值ε可以由用户统计数据进行设定。对于多个模板曲线，可以计算待测曲线与各个模板曲线之间的相似距离的平均值作为其参考值。
为解决上述技术问题，如图7所示，本发明还提供了一种三维手写签名认证***，包括：体感设备101、数据库服务器102和认证服务器103。体感设备101用于采集三维签名轨迹，数据库服务器102用于存储模板曲线，所述认证服务器103用于执行前述的三维手写签名认证方法，根据操作者身份ID和注册信息，对提交的签名进行识别认证并将其认证结果返回数据库服务器102进行存档。
体感设备101用于通过摄像头捕捉用户手势采集三维签名轨迹。或者，体感设备101集成在用户终端上，用于通过检测用户终端的空间运动轨迹采集三维签名轨迹。
其中，如图9所示，体感设备101可以是主动体感设备，即主动式手势采集装置，例如摄像头，用户可以在一个虚平面上通过手势比划出三维签名轨迹，而体感设备101则通过摄像头捕捉用户手势采集三维签名轨迹，由于不同的用户通过三维手势书写签名的习惯姿势和方式是不同的，因此，可通过对该三维签名轨迹与模板的比对鉴定来确认手势输入者是否与模板对应的目标用户为同一用户。
而在另一个实施例中，如图10所示，体感设备101可以是被动体感设备，可集成在用户终端上，用于通过检测用户终端的空间运动轨迹采集三维签名轨迹。例如，在图10中，体感设备101可以是集成在智能笔中的摄像头或其他传感器，该摄像头可以拍摄笔尖的书写环境，通过图像识别检测出书写环境的变化进而反向推算出摄像头自身的运动轨迹，即将智能笔在书写过程中的运动轨迹作为三维签名轨迹(与笔尖在纸面上的二维笔迹不是一个概念)输入，而智能笔在书写过程中的运动轨迹表达了用户书写过程中的书写姿势的习惯信息，根据该信息与模板的比对鉴定来确认手势输入者是否与模板对应的目标用户为同一用户，相比于通过纸面上的笔迹鉴定，则结果更加准确，安全性更高。
在本发明一个实施例中，所述三维手写签名认证***还包括：交互显示设备104，用于输入用户身份信息和显示所述三维手写签名认证结果。所述交互显示设备104可以是一台计算机、手持终端或触摸终端等具备显示和交互功能的设备，用于操作者进行交互操作，包括用户注册、登陆、提交身份信息等。
所述三维手写签名认证***的工作过程如下：用户在交互显示设备104输入用户身份信息，认证服务器103对该用户身份信息进行认证，并返回认证结果至交互显示设备104进行显示，用户根据交互显示设备104的显示信息进行签名书写，当操作者手或笔进入体感设备101的感应空间时，体感设备101开始捕获操作者手或笔的运动轨迹，当用户确认个人签名书写完毕后，可利用交互设备104进行签名提交，认证服务器103对提交的签名轨迹进行识别认证，并返回认证结果至交互显示设备104。
本发明还提供了一种计算机可读存储介质，其上储存有执行上述三维手写签名方法的计算机程序，该计算机程序被处理器执行时实现前述任意一项所述的三维手写签名认证方法。
本发明可采用在一个或多个其中包含有程序代码的存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。计算机可读储存介质包括永久性和非永久性、可移动和非可移动媒体，可以由任何方法或技术来实现信息存储。信息可以是计算机可读指令、数据结构、程序的模块或其他数据。计算机的存储介质的例子包括但不限于：相变内存(PRAM)、静态随机存取存储器(SRAM)、动态随机存取存储器(DRAM)、其他类型的随机存取存储器(RAM)、只读存储器(ROM)、电可擦除可编程只读存储器(EEPROM)、快闪记忆体或其他内存技术、只读光盘只读存储器(CD-ROM)、数字多功能光盘(DVD)或其他光学存储、磁盒式磁带，磁带磁磁盘存储或其他磁性存储设备或任何其他非传输介质，可用于存储可以被计算设备访问的信息。
本发明还提供了一种计算机设备，包括存储器、处理器以及存储在所述存储器中并可被所述处理器执行的计算机程序，所述处理器执行所述计算机程序时实现前述任意一项所述的三维手写签名认证方法。
采用了上述三维手写签名认证方法、***、存储介质及设备之后，可通过体感设备检测到用户签名时的三维签名轨迹，该三维签名轨迹与传统技术中的二维笔迹不同，三维签名轨迹是用户在书写过程中由书写习惯决定的书写姿势信息，通过将表达书写姿势信息的三维签名轨迹先旋转变换后得到二维的待测曲线，然后将该待测曲线与目标用户对应的模板曲线进行相似度比较，在相似度较高时判定该三维签名轨迹为该目标用户的真实签名，使得鉴定结果更加准确，从而提高了签名认证的安全性。
本发明并不局限于上述实施方式，如果对本发明的各种改动或变形不脱离本发明的精神和范围，倘若这些改动和变形属于本发明的权利要求和等同技术范围之内，则本发明也意图包含这些改动和变形。

Claims (10)

1.一种三维手写签名认证方法，其特征在于，包括以下步骤：
获取对应三维笛卡尔坐标系数据格式的三维签名轨迹；
将所述三维签名轨迹分别沿XYZ参照系的X轴、Y轴进行旋转变换，在所述三维签名轨迹旋转变换过程中，选取所述三维签名轨迹在XZ、YZ平面的投影为最小时的目标X轴旋转角和目标Y轴旋转角，获取旋转至目标X轴旋转角和目标Y轴旋转角时，所述三维签名轨迹在XY平面的投影曲线为待测曲线；
获取与目标用户信息对应的模板曲线；
将所述模板曲线和待测曲线进行分段，所述模板曲线的每一个分段在待测曲线上有一对应的待比较区间；对于待比较区间内的模板曲线段进行相似变换，得到与该待比较区间对应的待测曲线段重合度最大的变换曲线段，计算该待比较区间内的待测曲线与所述变换曲线段的平均距离作为相似距离；
对所述一个或一个以上的待比较区间对应的相似距离进行加权平均，得到平均相似距离，若所述平均相似距离小于给定阈值，则判定所述三维签名轨迹为与所述目标用户信息匹配的真实签名。
2.根据权利要求1所述的三维手写签名认证方法，其特征在于，将所述三维签名轨迹分别沿XYZ参照系的X轴、Y轴进行旋转变换，在所述三维签名轨迹旋转变换过程中，选取所述三维签名轨迹在XZ、YZ平面的投影为最小时的目标X轴旋转角和目标Y轴旋转角，获取旋转至目标X轴旋转角和目标Y轴旋转角时，所述三维签名轨迹在XY平面的投影曲线为待测曲线的步骤包括：
步骤S201：以设定的角度间隔对所述三维签名轨迹进行若干次X轴旋转变换，旋转变换公式为：
Figure FDA0002298715080000011
z'＝y sinθ+z cosθ
θ为X轴旋转变换的旋转角，属于[-90，90]的角度范围区间；
步骤S202：计算每一次X轴旋转变换后所述三维签名轨迹上采样点的Z坐标的方差，选取所述方差最小的一次旋转变换对应的角度θ作为目标X轴旋转角；
步骤S203：以设定的角度间隔对所述三维签名轨迹进行若干次Y轴旋转变换，旋转变换公式为：
Figure FDA0002298715080000021
Figure FDA0002298715080000022
为Y轴旋转变换的旋转角，属于[-90，90]的角度范围区间；
步骤S204：计算每一次Y轴旋转变换后所述三维签名轨迹上采样点的Z坐标的方差，选取所述方差最小的一次旋转变换对应的角度
Figure FDA0002298715080000023
作为目标Y轴旋转角；
步骤S205：在θ取值为目标X轴旋转角，
Figure FDA0002298715080000024
取值为目标Y轴旋转角时，通过变换矩阵T＝T1T2得到所述三维签名轨迹在XY平面的投影曲线作为待测曲线。
3.根据权利要求2所述的三维手写签名认证方法，其特征在于，所述获取与目标用户信息对应的模板曲线步骤包括：
获取对应三维笛卡尔坐标系数据格式的模板三维签名轨迹；
对所述模板三维签名轨迹执行步骤S201-S205，得到所述模板三维签名轨迹在XY平面的投影曲线作为模板曲线。
4.根据权利要求1所述的三维手写签名认证方法，其特征在于，对于待比较区间内的模板曲线段进行相似变换，得到与该待比较区间对应的待测曲线段重合度最大的变换曲线段，计算该待比较区间内的待测曲线与所述变换曲线段的平均距离作为相似距离的步骤包括：
对于一起始位置偏移量为t的待比较区间[C1,C2]，根据变换矩阵T对模板曲线进行相似变换；
所述变换矩阵T为
Figure FDA0002298715080000025
a、d分别为X、Y方向缩放比例；l、m分别为X、Y方向平移距离；
利用智能搜索算法搜索得到模板曲线分段区间[R1,R2]与待比较区间[C1,C2]对应的待测曲线段重合度最大的变换曲线段FA，所述模板曲线分段对应的变换曲线段FA为：
FA＝{(x1,y1),…(x2,y2),…(xM,yM)}
所述待比较区间[C1,C2]对应的待测曲线段FB为：
FB＝{(x′1,y′1),…(x′2,y′2),…(x′N,y′N)}
其中，M、N表示变换曲线段FA及待测曲线段FB的特征点数；
从变换曲线段和待测曲线段中等间隔抽样若干个抽样点，计算各个对应位置的抽样点间的平均距离作为变换曲线段和待测曲线段之间的相似距离：
Figure FDA0002298715080000031
其中||*||为距离范数，[*]表示取整，Q为抽样点数，FAi FBi分别为变换曲线段和待测曲线段抽样点。
5.根据权利要求4所述的三维手写签名认证方法，其特征在于，所述利用智能搜索算法搜索得到模板曲线分段区间[R1,R2]与待比较区间[C1,C2]对应的待测曲线段重合度最大的变换曲线段的步骤包括：
S421：随机产生初始种群P(j)；其中，j＝0；
S422：根据个体中X方向缩放比例a、Y方向缩放比例d、X方向平移距离l、Y方向平移距离m、待比较区间的起始位置偏移量t的值，在它的邻域随机产生新个体；
S423：计算所有父代和遗传产生的后代的适应度值，根据适应度值选取S个后代组成新的群体P(j+1)，替换种群P(j)；
S424：当达到最大迭代次数并且循环迭代达到最大世代数时停止，选取与待测曲线段重合度最大的变换曲线段输出；否则，转到步骤S422。
6.根据权利要求1所述的三维手写签名认证方法，其特征在于，所述获取与目标用户信息对应的模板曲线的步骤包括：
接收输入的目标用户信息并认证，认证通过后，服务器中获取与目标用户信息对应的模板曲线。
7.一种三维手写签名认证***，其特征在于，包括：体感设备、数据库服务器和认证服务器；所述体感设备用于采集三维签名轨迹，所述数据库服务器用于存储所述模板曲线，所述认证服务器用于执行如权利要求1-6任一项所述的三维手写签名认证方法；
所述体感设备用于通过摄像头捕捉用户手势采集三维签名轨迹；或者，
所述体感设备集成在用户终端上，用于通过检测用户终端的空间运动轨迹采集三维签名轨迹。
8.根据权利要求7所述的三维手写签名认证***，其特征在于，所述三维手写签名认证***还包括：交互显示设备，用于接收输入的目标用户信息和显示三维手写签名认证结果。
9.一种计算机可读存储介质，其上储存有计算机程序，其特征在于，该计算机程序被处理器执行时实现如权利要求1-6任意一项所述的三维手写签名认证方法的步骤。
10.一种计算机设备，其特征在于，包括存储器、处理器以及存储在所述存储器中并可被所述处理器执行的计算机程序，所述处理器执行所述计算机程序时实现如权利要求1-6中任意一项所述的三维手写签名认证方法的步骤。
CN201911213154.8A 2019-12-02 2019-12-02 一种三维手写签名认证方法、***、存储介质及设备 Active CN110942042B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201911213154.8A CN110942042B (zh) 2019-12-02 2019-12-02 一种三维手写签名认证方法、***、存储介质及设备

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201911213154.8A CN110942042B (zh) 2019-12-02 2019-12-02 一种三维手写签名认证方法、***、存储介质及设备

Publications (2)

Publication Number Publication Date
CN110942042A CN110942042A (zh) 2020-03-31
CN110942042B true CN110942042B (zh) 2022-11-08

Family

ID=69908680

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201911213154.8A Active CN110942042B (zh) 2019-12-02 2019-12-02 一种三维手写签名认证方法、***、存储介质及设备

Country Status (1)

Country Link
CN (1) CN110942042B (zh)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
TW202211007A (zh) * 2020-08-31 2022-03-16 翰碩電子股份有限公司 書寫筆、簽名辨識方法及其系統

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2008046781A (ja) * 2006-08-11 2008-02-28 National Institute Of Advanced Industrial & Technology 接触力の時系列データによる手書きサイン個人認証システム
CN105912910A (zh) * 2016-04-21 2016-08-31 武汉理工大学 基于手机传感的在线签名身份认证方法及***
CN107657241A (zh) * 2017-10-09 2018-02-02 河海大学常州校区 一种面向签字笔的签名真伪性鉴别***
CN108139856A (zh) * 2016-08-31 2018-06-08 华为技术有限公司 签名认证方法、终端、手写笔及***
CN108536314A (zh) * 2017-03-06 2018-09-14 华为技术有限公司 用户身份识别方法及装置

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
TWI569176B (zh) * 2015-01-16 2017-02-01 新普科技股份有限公司 手寫軌跡識別方法與系統

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2008046781A (ja) * 2006-08-11 2008-02-28 National Institute Of Advanced Industrial & Technology 接触力の時系列データによる手書きサイン個人認証システム
CN105912910A (zh) * 2016-04-21 2016-08-31 武汉理工大学 基于手机传感的在线签名身份认证方法及***
CN108139856A (zh) * 2016-08-31 2018-06-08 华为技术有限公司 签名认证方法、终端、手写笔及***
CN108536314A (zh) * 2017-03-06 2018-09-14 华为技术有限公司 用户身份识别方法及装置
CN107657241A (zh) * 2017-10-09 2018-02-02 河海大学常州校区 一种面向签字笔的签名真伪性鉴别***

Non-Patent Citations (3)

* Cited by examiner, † Cited by third party
Title
"Online Signature Verification Based on a Single Template via Elastic Curve Matching";Huacheng Hu等;《Sensors》;20191107;第1-23页 *
"基于曲率的在线签名认证研究";谭华;《中国优秀硕士学位论文全文数据库 信息科技辑》;20190215;I136-474 *
基于空间曲线弹性匹配的在线手写签名鉴别;金涌等;《华中理工大学学报》;19990530(第05期);全文 *

Also Published As

Publication number Publication date
CN110942042A (zh) 2020-03-31

Similar Documents

Publication Publication Date Title
Sun et al. Ordinal palmprint represention for personal identification [represention read representation]
CN100452084C (zh) 图像识别装置及其方法
Das et al. Recent advances in biometric technology for mobile devices
Blanco‐Gonzalo et al. Performance evaluation of handwritten signature recognition in mobile environments
CN102629320B (zh) 基于特征层定序测量统计描述的人脸识别方法
CN105426815A (zh) 活体检测方法及装置
CN103595538A (zh) 基于手机加速度传感器的身份认证方法
Islam et al. A review of recent advances in 3D ear-and expression-invariant face biometrics
Nedjah et al. Efficient fingerprint matching on smart cards for high security and privacy in smart systems
Uz et al. Minutiae-based template synthesis and matching for fingerprint authentication
Mohammed et al. State-of-the-art in handwritten signature verification system
Soltanpour et al. Multimodal 2D–3D face recognition using local descriptors: pyramidal shape map and structural context
Sharma et al. A comprehensive study on offline signature verification
CN110942042B (zh) 一种三维手写签名认证方法、***、存储介质及设备
Khursheed et al. AR model based human identification using ear biometrics
Khoh et al. In-air hand gesture signature recognition: An iHGS database acquisition protocol
Lu et al. SCUT-MMSIG: a multimodal online signature database
Paudel et al. Handwritten signature verification for mobile phones
Ganapathi et al. Secure multimodal access with 2D and 3D ears
Oka et al. Scribble-a-secret: Similarity-based password authentication using sketches
Al-Jarrah et al. Finger-drawn signature verification on touch devices using statistical anomaly detectors
KR20060109209A (ko) 지문 인증 처리 방법, 및 지문 획득 장치와 보안 인증모듈을 포함하는 지문 인증 처리 시스템
Liu et al. An iris recognition approach with SIFT descriptors
Mehrdad et al. 3D object retrieval based on histogram of local orientation using one-shot score support vector machine
Elssaedi et al. Comparing the effectiveness of different classifiers of data mining for signature recognition system

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
GR01 Patent grant
GR01 Patent grant