基于HMM的在線手寫簽名認(rèn)證算法研究.pdf

1、刊爹l，e^J■7≮分類號。●■■●■■●__●■___■_■●_■_一UDC密級金亞學(xué)校代碼!Q壘窆2武旌理歹大署學(xué)位論文英文Algorithmofonlinehandwritingsignatureverification題目——————————且盟魚Q旦鯉墮咝研究生姓名韭莉嬗指導(dǎo)教師姓名—j壁羹L職稱—j魁受一學(xué)位—埴I_土L副指導(dǎo)教師姓名單位名稱職稱430070郵編申請學(xué)位級別砸士學(xué)科專業(yè)名稱電路皇系統(tǒng)論文提交日期2Q!Q生!Q

2、且論文答辯日期2QlQ生!!目學(xué)位授予單位武這理王太堂學(xué)位授予日期墊!亟!三雖答辯委員會主席—罩魚塑———』平閱人—j型絲』———一2010年1O月”。髦雹鎣墨；蓼曼●中文摘要隨著信息社會的飛速發(fā)展，人們對信息安全的要求也日益增加，各種生物識別技術(shù)也隨之產(chǎn)生。常采用的生物特征如DNA、虹膜、掌紋、指紋、語音、簽名、步態(tài)等，這些特征都具有普遍性和長期不變的特點(diǎn)。簽名認(rèn)證作為生物識別領(lǐng)域的主流技術(shù)，因其難遺忘、易獲取、應(yīng)用所需設(shè)備價(jià)格低廉及

3、高可接受性等優(yōu)點(diǎn)得到了更加廣泛的應(yīng)用。近年來科技的進(jìn)步推動了簽名認(rèn)證技術(shù)的發(fā)展，而簽名認(rèn)證技術(shù)的發(fā)展必將對電子商務(wù)和信息安全領(lǐng)域產(chǎn)生具大的推動作用。本文提出一種基于隱馬爾可夫模型參數(shù)優(yōu)化的在線手寫簽名認(rèn)證算法。隱馬爾可夫模型能夠很好地描述時(shí)間連續(xù)的動態(tài)過程，最初應(yīng)用于語音識別系統(tǒng)，并取得了良好的成果。鑒于語音特征與簽名特征的相似性，后被學(xué)者用于簽名認(rèn)證，經(jīng)過十多年的發(fā)展，也取得了一定的成績，但普遍存在認(rèn)證率不高，模型訓(xùn)練時(shí)收斂時(shí)間較長等

4、問題，限制了其發(fā)展。隱馬爾可夫模型的參數(shù)眾多，如模型的狀態(tài)數(shù)；狀態(tài)間的轉(zhuǎn)移概率，狀態(tài)內(nèi)的觀察值數(shù)目及狀態(tài)內(nèi)的高斯混合元個數(shù)等，因而設(shè)置較為復(fù)雜。本文通過實(shí)驗(yàn)分析發(fā)現(xiàn)模型的拓?fù)浣Y(jié)構(gòu)類型、狀態(tài)數(shù)選擇及狀態(tài)內(nèi)混合個數(shù)的設(shè)置都對認(rèn)證率有著很大影響，并通過詳細(xì)的比對分析找到此模型應(yīng)用于在線手寫簽名認(rèn)證的最佳參數(shù)設(shè)置。本文首先介紹了簽名數(shù)據(jù)采集過程及預(yù)處理方法，其中重點(diǎn)介紹了簽名曲線特征點(diǎn)的提取。特征點(diǎn)間的橫向、縱向相對速度及角度的相對變化值將作為

5、隱馬爾可夫模型的輸入觀察值用于模型的建立，因此準(zhǔn)確提取特征點(diǎn)是至關(guān)重要的。然后詳細(xì)論述了隱馬爾可夫模型的基本理論及算法實(shí)現(xiàn)，并提出了解決計(jì)算溢出及輸入觀察值較少等問題的辦法，即動態(tài)標(biāo)定和多觀察樣本的參數(shù)重估。本文最后分析了不同隱馬爾可夫模型的參數(shù)設(shè)置下的實(shí)驗(yàn)結(jié)果，計(jì)算出每種設(shè)置下的FAR(誤納率)和FRR(誤拒率)，并通過合理地設(shè)置判定閾值，找到了最優(yōu)參數(shù)值。實(shí)驗(yàn)結(jié)果表明，在這種優(yōu)化的隱馬爾可夫模型參數(shù)設(shè)置下，F(xiàn)AR與FRR都低于5％，