WO2014169835A1 - 一种基于手指信息的在线笔迹认证方法及*** - Google Patents
一种基于手指信息的在线笔迹认证方法及*** Download PDFInfo
- Publication number
- WO2014169835A1 WO2014169835A1 PCT/CN2014/075599 CN2014075599W WO2014169835A1 WO 2014169835 A1 WO2014169835 A1 WO 2014169835A1 CN 2014075599 W CN2014075599 W CN 2014075599W WO 2014169835 A1 WO2014169835 A1 WO 2014169835A1
- Authority
- WO
- WIPO (PCT)
- Prior art keywords
- information
- finger
- handwriting
- user
- handwritten
- Prior art date
Links
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F21/00—Security arrangements for protecting computers, components thereof, programs or data against unauthorised activity
- G06F21/30—Authentication, i.e. establishing the identity or authorisation of security principals
- G06F21/31—User authentication
- G06F21/32—User authentication using biometric data, e.g. fingerprints, iris scans or voiceprints
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V30/00—Character recognition; Recognising digital ink; Document-oriented image-based pattern recognition
- G06V30/10—Character recognition
- G06V30/19—Recognition using electronic means
- G06V30/196—Recognition using electronic means using sequential comparisons of the image signals with a plurality of references
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V30/00—Character recognition; Recognising digital ink; Document-oriented image-based pattern recognition
- G06V30/10—Character recognition
- G06V30/32—Digital ink
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L63/00—Network architectures or network communication protocols for network security
- H04L63/08—Network architectures or network communication protocols for network security for authentication of entities
- H04L63/0861—Network architectures or network communication protocols for network security for authentication of entities using biometrical features, e.g. fingerprint, retina-scan
Definitions
- a display module configured to display information collected by the signal acquisition module.
- the registration phase a plurality of handwritten feature information of the user are extracted, the handwritten handwriting information set is separated from the plurality of handwritten feature information, and the first authenticator is trained, and the finger static information set in which the writing finger is in contact with the writing plane is trained to obtain the second authentication. Device. Finally, store the two authenticator parameters in the database.
- the authentication procedure v B1 is obtained based on R B1 training.
- the registration process of the traditional online handwriting authentication method includes data acquisition, preprocessing, feature extraction, authenticator training, data storage database, and specifically, according to several registered handwritten feature information submitted by the user.
- the sample separates the registered handwritten handwriting sample set, and the computer system preprocesses each sample in the handwritten handwriting sample set to remove noise interference, and obtains a representative writing style and a high discriminative force characteristic by feature extraction and feature selection algorithms.
- step S302 isolated from the test handwriting characteristic information Î ⁇ out the time series of the following two: 1) the finger associated with the handwriting information in time series ⁇ ⁇ 1; 2) finger and the finger static information writing surface of the contact time sequence ⁇ ⁇ 2.
- the separation method is the same as step S203, and details are not described herein again.
- Step S401 Start: Specifically, it indicates that the registration process using the traditional online handwriting authentication method is started to perform a registration operation process on a set of registered handwritings submitted by the user.
- Step S403 Preprocessing: Specifically, due to factors such as the accuracy of the handwriting input device, the writing environment, and the like, noise is generated in the acquired registered handwritten handwriting samples, and the preprocessing step resamples, filters, and normalizes the registered handwriting samples. Remove noise interference to improve authentication accuracy.
- Step S404 Feature extraction: Specifically, the feature extraction algorithm is used to obtain various handwriting features representing the user's writing style, and the feature selection algorithm is used to select features with higher discriminative power from the handwriting features to form corresponding optimal feature subsets. The feature value data corresponding to the optimal feature subset of the plurality of registered handwriting samples of the registered handwriting is obtained according to the optimal feature subset.
- Step S407 End: Specifically, it indicates that the registration process using the traditional online handwriting authentication method completes the registration operation process for the user to submit the registered handwriting.
- Step S505 Outputting the authentication result: Specifically, when the feature extraction of the test handwriting is completed, the handwritten handwriting authenticator corresponding to the user identification number in the database is used to output the authentication result of the test handwriting feature value data.
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Computer Security & Cryptography (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Multimedia (AREA)
- General Engineering & Computer Science (AREA)
- Computer Hardware Design (AREA)
- Software Systems (AREA)
- Health & Medical Sciences (AREA)
- Biomedical Technology (AREA)
- General Health & Medical Sciences (AREA)
- Computing Systems (AREA)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- Collating Specific Patterns (AREA)
Abstract
发明公开了一种基于手指信息的在线笔迹认证方法及***,该方法包括:注册用户的手写特征信息,提取待测试用户的手写特征信息,并进行认证,如与注册手写特征信息相符则通过认证,否则拒绝通过认证,所述手写特征信息为同时获取的包括在一次书写过程中的手写笔迹信息,以及用手指与书写平面相接触的手指静态信息的两类特征信息。本发明对从同时获取的手写特征信息中分离并计算得到手指书写的笔迹信息,以及手指与书写平面相接触的手指静态信息进行多特征融合后进行认证,避免了现有技术采用相互独立的特征采集进行认证带来的安全问题,从而提高了认证***的整体安全性。
Description
一种基于手指信息的在线笔迹认证方法及***
技术领域
本发明涉及一种在线笔迹认证方法, 特别是一种基于手指信息的在线笔迹认证方法 及***。 背景技术
随着电子商务的飞速发展, 网络环境下的用户身份认证问题变得日益突出。 手写笔 迹因其具备的种种特性天然地适合于网络环境下的应用。 但是, 由于真实笔迹之间固有 的差异以及潜在高相似性摹仿笔迹的威胁使得目前在线笔迹认证方式无法完全满足应用 ***的安全需求。 因此, 人们想到将手写笔迹与其它生理特征进行融合, 来提高认证系 统的整体安全性。 在中国专利公开号为 CN1794266A, 名称为 "生物特征融合的身份识 别和认证方法"专利中, 公开了将手写笔迹与人脸、 虹膜等生理特征相融合的方法。
然而, 在网络环境下使用上述的融合方法存在的一个安全漏洞, 即相互独立的特征 采集过程。 攻击者在分别收集到用户的特征后, 将其依次呈现给认证***, 在这种情况 下, 认证***整体安全性为各个子***的最大者。 所谓独立的特征采集过程是指因为生 理特征属于身体的不同部分或行为特征蕰涵在不同的活动中, 一种特征的采集不以其它 特征的采集为前提。 显然, 采集过程相互独立的多特征融合无法真正解决在线认证的安 全问题。 发明内容
本发明的目的在于克服上述现有技术的不足而提出一种基于手指信息的在线笔迹认 证方法, 该方法同时获取包括在一次书写过程中的手写笔迹信息, 以及用手指与书写平 面相接触的手指静态信息的两类特征信息, 通过对所述同时获取的手写笔迹信息, 以及 所述手指与书写平面相接触的手指静态信息的两类特征认证结果的融合, 避免了现有技 术采用相互独立的特征采集进行认证带来的安全问题, 从而提高了认证***的整体安全 性。
实现本发明目的采用的技术方案是:一种基于手指信息的在线笔迹认证方法,包括,
第一步骤: 提取注册用户的手写特征信息, 并进行用户注册;
第二步骤: 提取待测试用户的手写特征信息, 并进行认证, 如果待测试用户的手写 特征信息与所述注册用户手写特征信息相符则通过认证, 否则拒绝通过认证;
所述手写特征信息为同时获取的包括在一次书写过程中的手写笔迹信息, 以及用手 指与书写平面相接触的手指静态信息的两类特征信息;
所述手写笔迹信息包含与书写平面接触的手指接触面重心位置信息、 手指接触面重 心施加于书写平面的正向压力信息;
所述手指静态信息包含与书写平面相接触的手指指纹图像信息。
在上述技术方案中, 所述第一步骤包括:
基于所述手写笔迹信息的数据训练得到第一认证器, 以及基于所述手指与书写平面 相接触的手指静态信息的数据训练得到第二认证器;
为用户分配一个唯一的用户标识号;
将用户的用户标识号与两个认证器的参数对应地存入数据库。
所述手写笔迹信息包括但不局限于与书写平面接触的手指接触面重心位置信息、 手 指接触面重心施加于书写平面的正向压力信息;
所述手指接触面静态信息包括但不局限于与书写平面相接触的手指指纹图像信息。 在上述技术方案中, 所述第二步骤包括:
待测试用户提交其声称的用户标识号和测试手写特征信息;
对所述测试手写特征信息进行特征分离, 将分离后的所述两类特征信息分别输入到 与待测试用户提交的用户标识号对应的两个认证器,通过对两个认证器输出结果的融合, 综合判断是否通过认证。
其中, 在提取注册用户的手写特征信息之前先采集注册用户的整体手指指纹图像信 息, 以所述整体手指指纹图像信息作为模板, 训练得到所述手写特征信息中手指与书写 平面相接触的手指静态信息的认证器, 并将认证器的参数存入相应数据库。
在上述技术方案中, 所述手写特征信息通过以下步骤采集:
获取由用户 N个注册手写特征信息构成的集合 R, 用户提供的第 i个注册手写特征 信息时间序列 Ri = idn, dn ""Aj "'ΆΝ, I, 在每个采样时刻手写设备获取的信息表 示为 £¾= (fij, Pij ), l^i^N, l^j^Ni, Ni表示 的采样点个数, f表示与书写平面相
接触的手指指纹图像, 所述 f 包括接触面所在书写平面的位置及方位信息, p表示手指 施加在书写平面上的压力分布的二维图像信息, 表示注册手写特征信息 在第 j个采 样时刻手写设备获取的与书写平面接触的指纹图像信息, Plj表示第 i个注册手写特征信 息 在第 j个采样时刻手写设备获取的手指接触面施加在书写平面上的压力分布二维图 像信息。
从集合 R中分离与手指相关的手写笔迹信息时间序列集合 RB1以及与书写平面接触 的手指接触面静态信息时间序列集合 RB2;
所述手指相关的手写笔迹信息时间序列集合 Rw ^R^ R^- ¾r - , R }, Rm = {r ,... ..., ^} , =(Xlj, y, ρ ), l i N, l ^j^N,, 其中^为集合 RB1中 第 i个与手指相关的手写笔迹信息时间序列, 为集合 RB1中第 i个手写笔迹信息时间序 列! ^在第 j 个采样时刻获取的手写笔迹信息; 其中(Xij, y¾)=f1( f¾) , pZlj=f2(Plj), 函数 ( Xij, y^^f^f 计算手指接触面的重心位置, 函数 pZij=f2(Pij)计算手指接触面重心点处的正 向压力;
Ν,, 其中 表示集合 RB2中第 i个与书写平面相接触的手指接触面静态信息时间序列, 为集合 RB2中第 i个手指接触面静态信息时间序列 R^2在第 j个采样时刻获取的手指接 触面静态信息。
本发明还提供一种基于手指信息的在线笔迹认证***, 包括:
注册模块, 用于对提取注册用户的手写特征信息, 进行用户注册;
认证模块, 用于对提取待测试用户的手写特征信息, 并进行认证, 如果待测试用户 的手写特征信息与所述注册用户手写特征信息相符则通过认证, 否则拒绝通过认证; 所述手写特征信息为同时获取的包括在一次书写过程中的手写笔迹信息, 以及用手 指与书写平面相接触的手指静态信息的两类特征信息;
所述手写笔迹信息包含与书写平面接触的手指接触面重心位置信息、 手指接触面重 心施加于书写平面的正向压力信息;
所述手指静态信息包含与书写平面相接触的手指指纹图像信息。
进一步地, 所述基于手指信息的在线笔迹认证***还包括:
信号采集模块, 用于同时获取包含在一次书写过程中的手写笔迹信息, 以及用手指 与书写平面相接触的手指静态信息。
更进一步地, 所述基于手指信息的在线笔迹认证***还包括:
显示模块, 用于显示所述信号采集模块采集的信息。
本发明提出同时获取包括在一次书写过程中的手指施加在书写平面上的压力分布信 息, 以及所述手指与书写平面相接触的手指静态信息, 通过对从所述同时获取的信息中 分离得到的手写笔迹信息和手指与书写平面接触的手指静态信息两类特征信息认证结果 的融合, 以提高***的整体安全性。纵然攻击者可模仿出相似度非常高的手写笔迹信息, 但是, 在模仿笔迹的同时, 还要向***呈现手指施加在书写平面上的压力分布信息, 以 及手指与书写平面相接触的手指静态信息, 这却是非常困难的。 这是因为: 一方面, 手 指施加在书写平面上的压力分布信息对攻击者而言是难以获知的; 另一方面, 在手指书 写过程中, 手指静态信息直接反映书写者执笔手的生理信息, 是无法模仿的, 因而使用 本发明方法能够确保***认证的整体安全。 附图说明
图 1为实现本发明基于手指信息的在线笔迹认证方法的计算机***结构示意图; 图 2为注册用户的手写特征信息的流程图;
图 3为笔迹训练得到笔迹认证器的流程图;
图 4为笔迹认证器的认证流程图;
图 5为对待测试用户手写特征信息进行认证的流程图。 具体实施方式
下面结合附图和具体实施例对本发明做进一步的详细说明。
本发明基于手指信息的在线笔迹认证方法包括以下两个阶段:
在注册阶段, 提取用户若干个手写特征信息, 从若干个手写特征信息中分离出手写 笔迹信息集训练得到第一认证器, 以及书写手指与书写平面相接触的手指静态信息集训 练得到第二认证器。 最后, 将两个认证器参数存入数据库。
在认证阶段, 待测试用户提交其声称的用户标识号和测试手写特征信息, 认证***
将从测试手写特征信息中分离出的所述两类特征信息分别输入到与其提交的用户标识号 对应的两个认证器, 最后, 对两个认证器输出的认证结果进行融合, 依据融合结果来综 合判断待测试用户是否通过认证。
所述手写特征信息为同时获取的包括在一次书写过程中的手写笔迹信息, 以及用手 指与书写平面相接触的手指静态信息的两类特征信息;
其中, 所述手指是指用户某一个且仅一个以指面与书写平面接触进行书写活动的手 指, 例如右手食指, 进一步地, 在注册和认证阶段, 要求用户用于书写的手指是一致的。
图 1为实现本发明基于手指信息的在线笔迹认证方法的计算机***结构示意图, 包 括认证*** 1和运行于认证***中的认证方法流程 2。 其中认证*** 1具体包括带手指 信息的笔迹输入模块 11、 信号采集模块 12、 信号处理模块 13、 显示模块 14, 其中: 手指信息的笔迹输入模块 11用于向用户提供书写区域,用户可以用手指在该书写区 域内自由书写; 同时,计算机***通过手指信息的笔迹输入模块 11来接收用户手指的手 写输入信息。
信号采集模块 12与手指信息的笔迹输入模块 11电信号连接, 用于采集用户在手指 信息的笔迹输入模块 11上书写时产生的手写特征信息,该手写特征信息包括手指施加在 书写平面的压力分布信息, 以及手指与书写平面相接触的手指静态信息。
信号处理模块 13与信号采集模块 12电信号连接,用于处理信号采集模块 12采集到 的手写特征信息, 并将处理后的信号传输至显示模块 14。
显示模块 14与信号处理模块 13电信号连接,用于显示信号处理模块 13的输出结果。 其中, 基于手指信息的在线笔迹认证方法流程 2具体包括:
步骤 S100: 注册书写手指指纹。
提取并注册用户的手指纹图像信息, 得到整体手指纹图像信息 M, 将其存入数据库 作为比对的模板。
所述整体指纹图像是指在书写活动中用户手指与书写平面接触的指纹图像应均包含 在整体指图图像中。
所述手指是指用户某一个且仅一个以指面与书写平面接触进行书写活动的手指, 例 如右手食指, 进一步地, 在注册和认证阶段, 要求用户用于书写的手指是一致的。
步骤 S200: 用户注册。 如图 2所示, 该注册过程具体包括:
S201: 开始。
S202:提交注册手写特征信息。用户在带手指信息的笔迹输入模块 11的书写平面上 用手指进行书写,如用右手食指进行书写。信号采集模块 12采集用户手指书写的若干个 包含手指信息的手写特征信息。
本实施例用手指书写过程中, 在每个采样时刻能获取手写特征信息的数据包括但不 局限为 d= (f, p), 其中, f表示与书写平面相接触的手指指纹图像, 所述 f包括接触面 所在书写平面的位置及方位信息, p 表示接触面施加在书写平面上的压力分布的二维图 像信息, 对于接触面某点处的压力用对应像素点的灰度值来表示, 其值越大, 压力越大, 0表示相应书写平面位置上没有接触。
由于实际应用中采集模块获取信息能力的不同, 认证方法可利用的数据集的构成也 不尽相同, 如 d= (f, p) 是手写特征信息的最小集, 此种情况下也能实现安全认证。 本 实施例优选以 d= (f, p) 进行详细说明。
设 Nmm表示用户在注册阶段提交注册手写特征信息个数的最小取值, ?^^^2, Nmm 的具体取值需要综合考虑***的安全性以及用户使用的方便性进行预先设定, 即用户在 实际注册阶段提交手写特征信息个数不应小于预先设定的在注册阶段提交注册手写特征 信息个数的最小取值。 设集合 R={Ri, , ··· ···, RN}表示用户在注册阶段提交的 N 个注册手写特征信息的集合, 其中, N表示用户在注册阶段提交注册手写特征信息的个 数, 要求 N Nmin;
以 ={ Ί, 2,…, ^,…, w,}表示用户在注册阶段提交的第 i个注册手写特征 信息时间序列, 在每个采样时刻手写设备获取的信息表示为 ( , Plj), l^i^N, 1 ^j^Ni, Ni表示 的采样点个数。
S203: 将步骤 S202 中获取的注册手写特征信息进行特征分离, 分离得到手指书写 的手写笔迹信息集 RB1, 以及手指与书写平面相接触的手指静态信息集 RB2。
以符号 Bl, B2分别表示分离后的手写笔迹信息和手指静态信息;
RB1
R^}表示从用户在注册阶段提交的由 N个注册手写特征信 息样本构成的集合 R中分离的与手指相关的手写笔迹信息时间序列集合, 所述手写笔迹 信息包括但不局限于与书写平面接触的手指接触面重心位置信息、 手指接触面重心施加 于书写平面的正向压力信息; 其中 r^}表示从 ER 中分离的第 i
个与手指相关的手写笔迹信息时间序列, Ki N, 具体地, = ( Xij, pZlj) , l^N, l^j^N,, 其中, 为集合 RB1中第 i个手写笔迹信息时间序列 ^在第 j个采样时刻获 取的手写笔迹信息, 其中(Xlj, ylj)=f1( flj) , pZlj=f2( Plj), 函数 (Xlj, Υι = (φ用于计算手指接 触面的重心位置, 函数 pZij=f2(Pij)用于计算手指接触面重心点处的正向压力; ^表示第 i 个注册手写特征信息时间序列 在第 j个采样时刻手写设备获取的与书写平面接触的指 纹图像信息, Ρ 表示第 i个注册手写特征信息时间序列 在第 j个采样时刻手写设备获 取的手指接触面施加在书写平面上的压力分布二维图像信息。
RB2 = {RL2, 2,- 2 - , Rb n 2}表示从集合 R中分离的与书写平面相接触的手指静态 信息时间序列集合,所述静态信息包括但不局限于与书写平面接触的手指指纹图像信息; 其中, ι^2={4, ,- ···. '}表示从 eR中分离的第 i个手指静态信息时间序列, 1 i N。 具体地, 4= (φ, l^i^N, l^j^N,, 4为集合 RB2中第 i个手指接触面静 态信息时间序列 R^2在第 j个采样时刻获取的手指接触面静态信息, 表示第 i个注册手 写特征信息时间序列 在第 j个采样时刻手写设备获取的手指指纹图像。
S204: 基于分离后得到的两类特征信息训练集 RB1和 RB2分别训练得到两类特征信 息的认证器 VB1和 VB2。 具体地:
基于 RB1训练得到认证器 vB1, 传统在线笔迹认证方法的注册流程包括数据获取、 预处理、 特征提取、 认证器训练、 数据存入数据库, 具体地, 根据用户提交的若干个注 册手写特征信息样本分离出注册手写笔迹样本集合, 计算机***对手写笔迹样本集合中 的每个样本进行预处理以去除噪声干扰, 通过特征提取和特征选择算法得到代表用户书 写风格并且具有较高鉴别力特征组成的最优特征子集, 基于注册手写笔迹样本集的最优 特征子集所对应的特征值数据训练认证器, 根据计算机***为用户分配的唯一身份识别 号, 将注册手写笔迹集合的最优特征子集以及训练后得到认证器存入数据库。
基于 RB2训练得到认证器 VB2, 具体地, 对于与书写平面相接触的指纹图像信息特征 集中的时间序列样本 2 e RB2, 首先, 采用图像拼接技术拼接得到整体手指纹图像 采用图像相似性度量方法计算其与手指纹模板图像 M的相似性值 S,,以 S^zmi!^ S,)作 为认证器 VB2的阈值参数。
S205: 两个训练器入库。 具体地, 将每个用户的用户标识号与训练得到的两个认证
器的相关参数对应地存入数据库。
S206: 结束。 具体地, 注册用户的手写特征信息注册完成。
步骤 S300: 待测试用户手写特征信息的录入。
待测试用户提交标识其身份的用户标识号, 然后在带手指信息的笔迹输入模块 11 提供的稳定书写平面上书写并提交包含手指信息的测试手写特征信息 T, 具体步骤同步 骤 S200, 此处不再赘述。
步骤 400: 多种生物特征认证, 如图 3所示, 该认证步骤具体包括:
S301 : 开始。
S302: 从测试手写特征信息 Τ 中分离出以下两个特征时间序列: 1 ) 与手指相关的 手写笔迹信息时间序列 ΤΒ1 ; 2) 手指与书写平面接触的手指静态信息时间序列 ΤΒ2。 分 离方法与步骤 S203相同, 此处不再赘述。
S303 : 将分离出来的两个特征时间序列 ΤΒ1和 ΤΒ2分别输入与用户标识号对应的两 组认证器 VB1, VB2,认证器 VBl对输入 TBi输出归一化的认证结果 Vi, 1 ^¼^2, l ^i^20 手写笔迹信息认证器 VB1输出手写笔迹信息测试样本 TB1的归一化认证结果 Vi。 国 内外学者对在该领域已经开展了多年研究, 传统在线笔迹认证方法的认证流程包括数据 获取、 预处理、 特征提取、 认证结果输出。 具体地, ***对手写笔迹测试样本进行预处 理操作以去除噪声干扰, 然后根据数据库中与用户标识号对应的最优特征子集, 通过特 征提取算法提取测试手写笔迹的最优特征子集所对应的特征值数据, 最后采用数据库中 与用户标识号对应的认证器输出对该测试手写笔迹的认证结果。
手指静态信息认证器 VB2输出手指静态信息测试样本 TB2的归一化认证结果 V2。 具 体地, 对于测试样本 TB2中的手指静态信息时间序列, 采用图像拼接技术拼接得到测试 样本的整体手指指纹图像 Μτ, 然后, 采用图像相似性度量方法计算其与整体手指指纹 图像 M的相似性值 ST,将其与经训练手指指纹图像认证器 VB2得到的阈值参数 Smm比较, 输出归一化的认证结果。 例如, 若 ST Smin, 则 2=1 ; 否则, V2= ST/ Smin。
S304: 对两个认证器的输出结果进行融合, 得到融合值 V。其中, 融合方法有多种, 例如有加权求和, 取最大、 最小值等。
S305: 若 V大于设定的阈值, 则认证通过; 否则, 认证失败。
S306: 结束。
本发明方法中, 认证器的训练采用现有技术实现。 下面以手写笔迹训练得到认证器 进行示例性说明。
训练的流程如图 4所示, 具体为:
步骤 S401、 开始: 具体地, 表示开始执行采用传统在线笔迹认证方法的注册流程对 用户提交的一组注册笔迹进行注册操作流程。
步骤 S402、 数据获取: 具体地, 对用户提交的若干个注册手写特征信息样本集合, 从每个注册手写特征信息样本中分离出注册手写笔迹信息,构成注册手写笔迹样本集合。
步骤 S403、 预处理: 具体地, 由于手写输入设备的精度、 书写环境等因素, 使获取 的注册手写笔迹样本中存在噪声, 预处理步骤对注册笔迹样本进行重采样、 滤波以及归 一化操作, 去除噪声干扰以提高认证准确性。
步骤 S404、 特征提取: 具体地, 通过特征提取算法得到代表用户书写风格的各类笔 迹特征, 采用特征选择算法从这些笔迹特征中选取具有较高鉴别力的特征组成相应的最 优特征子集, 根据最优特征子集得到注册笔迹的若干个注册笔迹样本的最优特征子集对 应的特征值数据。
步骤 S405、 认证器训练: 具体地, 基于从若干个注册笔迹样本中提取到的与最优特 征子集对应的特征值数据集合, 训练得到注册手写笔迹的认证器。
步骤 S406、 数据存入数据库: 具体地, 基于获取到的注册手写笔迹的所有注册手写 笔迹样本进行特征提取和认证器训练后,根据计算机***为用户分配的唯一身份识别号, 将最优特征子集以及训练后得到的注册手写笔迹的认证器一并存入数据库。
步骤 S407、 结束: 具体地, 表示采用传统在线笔迹认证方法的注册流程对用户提交 注册手写笔迹进行注册操作流程完成。
传统在线笔迹认证方法的认证流程如图 5所示, 具体包括:
步骤 S501、 开始: 具体地, 表示开始执行采用传统在线笔迹认证方法的认证流程对 用户提交的一个测试笔迹进行认证操作流程。
步骤 S502、 数据获取: 具体地, 当计算机***获得测试手写特征信息后, 从测试手 写特征信息中分离出测试笔迹信息。
步骤 S503、 预处理: 具体地, 由于手写输入设备的精度、 书写环境等因素使获取的 测试笔迹中存在噪声, 通过预处理步骤对测试笔迹进行重采样、 滤波以及归一化操作,
去除噪声干扰以提高认证准确性。
步骤 S504、 特征提取: 具体地, 当完成对测试笔迹的预处理后, 根据用户标识号从 数据库提取对应注册笔迹的最优特征子集, 通过特征提取算法得到测试笔迹的最优特征 子集所对应的特征值数据。
步骤 S505、 认证结果输出: 具体地, 当完成对测试笔迹的特征提取后, 采用数据库 中与用户标识号对应的手写笔迹认证器输出对测试笔迹特征值数据的认证结果。
步骤 S506、 结束: 具体地, 表示采用传统在线笔迹认证方法的认证流程对用户的一 个测试笔迹进行认证操作流程完成。
本发明基于手指信息的在线笔迹认证方法通过同时采集包含在一次书写过程中的手 写笔迹信息, 以及用手指与书写平面相接触的手指静态信息的两类特征信息, 通过对从 同时获取的手写特征信息中分离并计算得到手指书写的笔迹信息, 以及手指与书写平面 相接触的手指静态信息多种特征认证结果的融合, 将融合结果与预先设定的阈值进行比 较, 如满足阈值要求, 则通过认证; 否则拒绝认证, 要求待测试用户再次书写并提交手 写特征信息重复上述步骤进行认证。
Claims
1. 一种基于手指信息的在线笔迹认证方法, 其特征在于, 包括:
第一步骤: 提取注册用户的手写特征信息, 并进行用户注册;
第二步骤: 提取待测试用户的手写特征信息, 并进行认证, 如果待测试用户的手写 特征信息与所述注册用户手写特征信息相符则通过认证, 否则拒绝通过认证;
所述手写特征信息为同时获取的包括在一次书写过程中的手写笔迹信息, 以及用手 指与书写平面相接触的手指静态信息的两类特征信息;
所述手写笔迹信息包含与书写平面接触的手指接触面重心位置信息、 手指接触面重 心施加于书写平面的正向压力信息;
所述手指静态信息包含与书写平面相接触的手指指纹图像信息。
2. 根据权利要求 1所述基于手指信息的在线笔迹认证方法, 其特征在于, 所述第一 步骤包括:
基于所述手写笔迹信息的数据训练得到第一认证器, 以及基于所述手指与书写平面 相接触的手指静态信息的数据训练得到第二认证器;
为用户分配一个唯一的用户标识号;
将用户的用户标识号与两个认证器的参数对应地存入数据库。
3. 根据权利要求 1所述基于手指信息的在线笔迹认证方法, 其特征在于, 所述第二 步骤包括:
待测试用户提交其声称的用户标识号和测试手写特征信息;
对所述测试手写特征信息进行特征分离, 将分离后的所述两类特征信息分别输入到 与待测试用户提交的用户标识号对应的两个认证器,通过对两个认证器输出结果的融合, 综合判断是否通过认证。
4. 根据权利要求 1所述基于手指信息的在线笔迹认证方法, 其特征在于, 在提取注 册用户的手写特征信息之前先采集注册用户的整体手指指纹图像信息, 以所述整体手指
指纹图像信息作为模板, 训练得到所述手写特征信息中手指与书写平面相接触的手指静 态信息的认证器, 并将认证器的参数存入相应数据库。
5. 根据权利要求 1~4任一项所述基于手指信息的在线笔迹认证方法, 其特征在于, 所述手写特征信息通过以下步骤采集:
获取由用户 N个注册手写特征信息构成的集合 R, 用户提供的第 i个注册手写特征 信息时间序列 Ri = idn, dn ""Aj "·'ΑΝι I, 在每个采样时刻手写设备获取的信息表 示为 ( fij , Pij), l^i^N, l^j^Ni, Ni表示 的采样点个数, f表示与书写平面相 接触的手指指纹图像, 所述 f 包括接触面所在书写平面的位置及方位信息, p表示手指 施加在书写平面上的压力分布的二维图像信息, 表示注册手写特征信息 在第 j个采 样时刻手写设备获取的与书写平面接触的指纹图像信息, Plj表示第 i个注册手写特征信 息 在第 j个采样时刻手写设备获取的手指接触面施加在书写平面上的压力分布二维图 像信息。
6. 根据权利要求 5所述基于手指信息的在线笔迹认证方法, 其特征在于: 从集合 R中分离与手指相关的手写笔迹信息时间序列集合 RB1以及与书写平面接触 的手指接触面静态信息时间序列集合 RB2 ;
所述手指相关的手写笔迹信息时间序列集合 Rw ^R^ m 2 ,- l m - - , R },
Rm = {r ,··· ···, ^} , =(Xij, y, ρ ), l i N, l^j^N,, 其中^为集合 RB1中 第 i个与手指相关的手写笔迹信息时间序列, 为集合 RB1中第 i个手写笔迹信息时间序 列! ^在第 j 个采样时刻获取的手写笔迹信息; 其中(Xij, y¾)=f1(f¾) , pZlj=f2(Plj), 函数
(Xij, y^^f^f 计算手指接触面的重心位置, 函数 pZij=f2(Pij)计算手指接触面重心点处的正 向压力, f,j表示第 i个注册手写特征信息时间序列 在第 j个采样时刻手写设备获取的 手指指纹图像, Ρ 表示第 i个注册手写特征信息时间序列 在第 j个采样时刻手写设备 获取的压力分布二维图像信息;
所述与 书 写 平面接触 的手指接触面静态信息 时 间 序列 集合
Ν,, 其中 R'B2表示集合 RR2中第 i个与书写平面相接触的手指接触面静态信息时间序列,
为集合 RB2中第 i个手指接触面静态信息时间序列 在第 j个采样时刻获取的手指接 触面静态信息。
7. 一种基于手指信息的在线笔迹认证***, 其特征在于, 包括:
注册模块, 用于对提取注册用户的手写特征信息, 进行用户注册;
认证模块, 用于对提取待测试用户的手写特征信息, 并进行认证, 如果待测试用户 的手写特征信息与所述注册用户手写特征信息相符则通过认证, 否则拒绝通过认证; 所述手写特征信息为同时获取的包括在一次书写过程中的手写笔迹信息, 以及用手 指与书写平面相接触的手指静态信息的两类特征信息;
所述手写笔迹信息包含与书写平面接触的手指接触面重心位置信息、 手指接触面重 心施加于书写平面的正向压力信息;
所述手指静态信息包含与书写平面相接触的手指指纹图像信息。
8. 根据权利要求 7所述基于手指信息的在线笔迹认证***, 其特征在于, 还包括: 信号采集模块, 用于同时获取包含在一次书写过程中的手写笔迹信息, 以及用手指 与书写平面相接触的手指静态信息。
9. 根据权利要求 8所述基于手指信息的在线笔迹认证***, 其特征在于, 还包括: 显示模块, 用于显示所述信号采集模块采集的信息。
Applications Claiming Priority (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201310136533.8A CN103258157B (zh) | 2013-04-18 | 2013-04-18 | 一种基于手指信息的在线笔迹认证方法及*** |
CN201310136533.8 | 2013-04-18 |
Publications (1)
Publication Number | Publication Date |
---|---|
WO2014169835A1 true WO2014169835A1 (zh) | 2014-10-23 |
Family
ID=48962068
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
PCT/CN2014/075599 WO2014169835A1 (zh) | 2013-04-18 | 2014-04-17 | 一种基于手指信息的在线笔迹认证方法及*** |
Country Status (2)
Country | Link |
---|---|
CN (1) | CN103258157B (zh) |
WO (1) | WO2014169835A1 (zh) |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2018040009A1 (zh) * | 2016-08-31 | 2018-03-08 | 华为技术有限公司 | 签名认证方法、终端、手写笔及*** |
US10282627B2 (en) | 2015-01-19 | 2019-05-07 | Alibaba Group Holding Limited | Method and apparatus for processing handwriting data |
CN111310545A (zh) * | 2019-12-04 | 2020-06-19 | 武汉工商学院 | 在线笔迹认证中一种笔迹模仿复杂度的度量方法 |
CN113610064A (zh) * | 2021-10-09 | 2021-11-05 | 北京世纪好未来教育科技有限公司 | 笔迹识别方法和装置 |
Families Citing this family (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103258157B (zh) * | 2013-04-18 | 2016-09-07 | 武汉汉德瑞庭科技有限公司 | 一种基于手指信息的在线笔迹认证方法及*** |
CN103440447A (zh) * | 2013-09-04 | 2013-12-11 | 武汉汉德瑞庭科技有限公司 | 具有攻击者身份识别能力的在线笔迹身份认证方法 |
US9235748B2 (en) * | 2013-11-14 | 2016-01-12 | Wacom Co., Ltd. | Dynamic handwriting verification and handwriting-based user authentication |
CN106529255B (zh) * | 2016-11-14 | 2019-07-02 | 北京爱知之星科技股份有限公司 | 基于笔迹指纹的用户身份识别方法和装置 |
CN108470155A (zh) * | 2018-03-06 | 2018-08-31 | 中国船舶重工集团公司第七二四研究所 | 一种雷达辐射源个体识别的大规模流式数据处理方法 |
CN108898089A (zh) * | 2018-06-25 | 2018-11-27 | 联想(北京)有限公司 | 一种特征识别方法和电子设备 |
CN111310543B (zh) * | 2019-12-04 | 2023-05-30 | 湖北工业大学 | 在线笔迹认证中笔画提连笔特征的提取及认证方法 |
CN117111826B (zh) * | 2023-10-23 | 2024-01-02 | 深圳市华南英才科技有限公司 | 一种基于笔迹特征的电容笔屏交互控制方法及*** |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1794266A (zh) * | 2005-12-31 | 2006-06-28 | 清华大学 | 生物特征融合的身份识别和认证方法 |
CN101556636A (zh) * | 2009-03-06 | 2009-10-14 | 上海凌锐信息技术有限公司 | 人体电容和笔迹识别相结合的生物识别装置及其实现方法 |
CN201392537Y (zh) * | 2009-03-06 | 2010-01-27 | 上海凌锐信息技术有限公司 | 一种人体电容和笔迹识别相结合的生物识别装置 |
CN103258157A (zh) * | 2013-04-18 | 2013-08-21 | 武汉汉德瑞庭科技有限公司 | 一种基于手指信息的在线笔迹认证方法及*** |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2010286937A (ja) * | 2009-06-10 | 2010-12-24 | Hitachi Ltd | 生体認証方法、及び、生体認証に用いるクライアント端末、認証サーバ |
-
2013
- 2013-04-18 CN CN201310136533.8A patent/CN103258157B/zh not_active Expired - Fee Related
-
2014
- 2014-04-17 WO PCT/CN2014/075599 patent/WO2014169835A1/zh active Application Filing
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1794266A (zh) * | 2005-12-31 | 2006-06-28 | 清华大学 | 生物特征融合的身份识别和认证方法 |
CN101556636A (zh) * | 2009-03-06 | 2009-10-14 | 上海凌锐信息技术有限公司 | 人体电容和笔迹识别相结合的生物识别装置及其实现方法 |
CN201392537Y (zh) * | 2009-03-06 | 2010-01-27 | 上海凌锐信息技术有限公司 | 一种人体电容和笔迹识别相结合的生物识别装置 |
CN103258157A (zh) * | 2013-04-18 | 2013-08-21 | 武汉汉德瑞庭科技有限公司 | 一种基于手指信息的在线笔迹认证方法及*** |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US10282627B2 (en) | 2015-01-19 | 2019-05-07 | Alibaba Group Holding Limited | Method and apparatus for processing handwriting data |
WO2018040009A1 (zh) * | 2016-08-31 | 2018-03-08 | 华为技术有限公司 | 签名认证方法、终端、手写笔及*** |
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*** |
CN108139856B (zh) * | 2016-08-31 | 2020-07-07 | 华为技术有限公司 | 签名认证方法、终端、手写笔及*** |
CN111310545A (zh) * | 2019-12-04 | 2020-06-19 | 武汉工商学院 | 在线笔迹认证中一种笔迹模仿复杂度的度量方法 |
CN113610064A (zh) * | 2021-10-09 | 2021-11-05 | 北京世纪好未来教育科技有限公司 | 笔迹识别方法和装置 |
Also Published As
Publication number | Publication date |
---|---|
CN103258157B (zh) | 2016-09-07 |
CN103258157A (zh) | 2013-08-21 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
WO2014169835A1 (zh) | 一种基于手指信息的在线笔迹认证方法及*** | |
CN106874347B (zh) | 一种匹配人体特征与mac地址的方法及*** | |
WO2014169837A1 (zh) | 一种基于手掌侧表面信息的在线笔迹认证方法及*** | |
Roth et al. | On continuous user authentication via typing behavior | |
CN109543526B (zh) | 基于深度差异性特征的真假面瘫识别*** | |
US8520906B1 (en) | Method and system for age estimation based on relative ages of pairwise facial images of people | |
CN104834900A (zh) | 一种联合声像信号进行活体检测的方法和*** | |
CN105631272A (zh) | 一种多重保险的身份认证方法 | |
CN108021892A (zh) | 一种基于极短视频的人脸活体检测方法 | |
Haji et al. | Real time face recognition system (RTFRS) | |
Caya et al. | Recognition of tongue print biometrie using binary robust independent elementary features | |
Talab et al. | Local feature methods based facial recognition | |
WO2022268183A1 (zh) | 一种基于视频的随机手势认证方法及*** | |
Lin et al. | High quality facial data synthesis and fusion for 3D low-quality face recognition | |
WO2015032304A1 (zh) | 具有攻击者身份识别能力的在线笔迹身份认证方法 | |
Goud et al. | Smart attendance notification system using SMTP with face recognition | |
WO2015131710A1 (zh) | 人眼定位方法及装置 | |
Huber et al. | Verification of sitter identity across historical portrait paintings by confidence-aware face recognition | |
Rahman et al. | Human face recognition: An eigenfaces approach | |
CN102368291B (zh) | 基于指纹图像隐形意识的个人身份验证*** | |
Kour et al. | Palmprint recognition system | |
Behravan et al. | Introducing a new multimodal database from twins' biometric traits | |
Rahman et al. | On the Feasibility of Handwritten Signature Authentication Using PPG Sensor | |
Owaidah et al. | Gait recognition for Saudi Costume using Kinect skeletal tracking | |
CN102663457A (zh) | 一种基于射频识别与心音技术的身份认证方法及方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
121 | Ep: the epo has been informed by wipo that ep was designated in this application |
Ref document number: 14785677 Country of ref document: EP Kind code of ref document: A1 |
|
NENP | Non-entry into the national phase |
Ref country code: DE |
|
122 | Ep: pct application non-entry in european phase |
Ref document number: 14785677 Country of ref document: EP Kind code of ref document: A1 |