专利名称：手写体个人特征识别方法及系统的制作方法
技术领域：
本发明涉及一种手写体个人特征识别方法及系统，属于计算机应用领域。
在已有技术中，有采用具有笔迹识别功能的LCD液晶显示屏，有采用能感应笔尖轨迹的特殊材料或采用内部具有专门感应装置的笔等等，其造价昂贵，不宜推广。中国专利CN87202995中公开了一种手写汉字识别、输入仪，它是由书写板、压力传感器组、信号处理部分、识别部分和输入部分组成。该仪器仅具有识别汉字的功能，不能用于识别签名等个人身份特征。
为克服上述不足，本发明的目的在于提供一种识别严谨、使用方便的手写体个人特征识别方法及系统，为达到上述目的，本发明的基本工作原理是采集使用者对某一图形字符的手写特征并对其按一定的方法建立模型参数库，利用该参数库，对任一图形字符按一定方法进行匹配以确定该图形字符是否由同一人书写，本发明采用了如下的识别方法一种手写体个人特征识别方法，包括下列步骤(1)手写体特征采集通过至少三个以上且不在一条直线上的压力传感器采集使用者对某一图形或字符的手写特征信号；(2)将采集到的手写体特征信号进行放大及模数转换；(3)根据位置/时间函数及压力/时间函数关系，计算转换后的手写体特征数字信号，分别得到书写力度、书写笔迹、书写速度、书写顺序等手写体个人特征参数；(4)对上述手写体个人特征参数进行分析整理；(5)建立手写特征模型参数库；(6)设立手写体特征专家知识库，建立手写体特征判别准则；(7)判别根据手写特征模型参数库，判断在后输入的图形字符是否由同一人书写；(8)判别结果输出。
根据上述识别方法，本发明设计了如下的识别系统手写体个人特征识别系统是由手写体特征采集器、信号处理模块、计算模块、手写体特征分析模块、判别模块、识别结果输出模块、只读存储器、可擦存储器及数据交换接口等部分组成。
现结合附图对本发明做进一步的解释附
图1为本发明方法步骤框图，附图2为手写体特征采集器结构示意图，附图3为手写体特征位置/时间函数关系示意图，附图4为对通过手写体特征采集器采集的数据进行位置/时间函数计算后获得的签名笔迹特征，附图5为对上述签名数据进行压力/时间函数计算获得该签名的压力特征参数曲线，附图6为本发明方法的最佳实施例，附图7为本发明系统实施例。
如图1所示，一种手写体个人特征识别方法，包括下列步骤(1)手写体特征采集通过至少三个以上且不在一条直线上的压力传感器采集使用者对某一图形或字符的手写特征信号，由MCU或CPU控制压力传感器，以不低于每秒200次的速率进行数据采集；设采样频率为f，在时刻Ti，采到的压力数据可表示为{F1i，F2i，...Fni}，其中F1------在Ti时刻1号压力传感器采集的压力信号F2------在Ti时刻2号压力传感器采集的压力信号Fn------在Ti时刻n号压力传感器采集的压力信号；(2)将采集到的手写体特征信号进行放大及模数转换；(3)根据位置/时间函数及压力/时间函数关系，计算转换后的手写体特征数字信号，分别得到书写力度、书写笔迹、书写速度、书写顺序四组参数；(4)对上述四组手写体特征参数进行分析整理；(5)建立手写特征模型参数库；(6)设立手写体特征专家知识库，建立手写体特征判别准则；(7)判别根据手写特征模型参数库，判断在后输入的图形字符是否由同一人书写；(8)识别结果输出。
如图2所示，为手写体特征采集器结构示意图，以手写体特征采集器使用3个压力传感器为例。附图3为手写体特征位置/时间函数关系示意图，仍以使用3个压力传感器为例假设以F9表示压力传感器9采集的压力，F10表示压力传感器10采集的压力，F11表示压力传感器11采集的压力，L表示三个压力采集点之间的距离，P表示落笔点(笔迹中的某一点)，P9表示落笔点距压力采集点9的距离，P10表示落笔点距压力采集点10的距离，由于系统具有较高的采样速率，在获得某组数据的某一时刻Ti，可视为相对静态，只要有落笔点(存在笔迹)，则F9，F10，F11，L为已知条件，根据力学平衡原理，可得F9×L+F10×L＝(F9+F10+F11)×P9F9×L+F11×L＝(F9+F10+F11)×P10即P9＝(F10+F11)/(F9+F10+F11)×LP10＝(F9+F11)/(F9+F10+F11)×L由此，可确定落笔点的准确位置。对每组数据都进行上述处理后，则书写笔迹由有限个落笔点组成，且每个落笔点可表示为{Xi，Yi，Fi，Ti}，其中Xi为相对横坐标值，Yi为相对纵坐标值，Fi为书写力度值，Ti为相对时间参数。由于系统具有较高的采样速率，可以采集到足够多的落笔点数量，这些数量的落笔点完全可以表示出书写笔迹。如附图4所示，为对通过手写体特征采集器采集的数据进行位置/时间函数计算后获得的签名笔迹特征。
如图5所示，对上述签名数据进行压力/时间函数计算获得该签名的压力特征参数曲线。通过对采集到的多组数据进行整理，可得到本次手写体的压力/时间曲线，在手写体特征识别系统中，选定一个时间段(或选定某段笔迹)，通过分析其相对应的书写笔迹(或相对应的完成时间)，经算法处理可得出书写顺序特征。连续选取一定数量的落笔点，通过分析其相对应的笔迹曲线长度和完成时间并经算法处理，可得出书写速度特征。
如图6所示为本发明方法的最佳实施例，步骤1手写体特征采集(1)通过至少三个以上且不在一条直线上的压力传感器采集使用者对某一图形或字符的手写特征信号；步骤2将采集到的手写体特征信号分别进行放大及模数转换(2)；步骤3根据位置/时间函数及压力/时间函数关系，计算转换后的手写体特征数字信号(3)，分别得到书写力度、书写笔迹、书写速度、书写顺序四组参数；步骤4对计算后得到的手写体特征参数预处理(14)，其中包括去零误差处理若系统的任一部分存在零误差，需要进行相应的处理以消除零误差的影响。
去噪处理压力为随时间变化的函数，该函数在任一时刻的频率必定在可确定的范围之内。过大或过小的频率都可以认为是噪音，通过一高通滤波和一低通滤波函数将其滤去。
归一化处理压力信号的幅度可能过大或过小，需要将其变换到统一的范围内方便处理。
步骤5对上述手写体特征参数进行分析(4)；首先对笔迹特征和力度特征进行分析，对已有的大量数据进行分析的结果表明，出自不同人的手写体其笔迹特征和力度特征有较大的区别。若样本笔迹特征或力度特征与验证模型不符合，则可进行否定判决并输出识别结果，这样可提高系统的识别速度。若样本的笔迹特征和力度特征均符合验证模型，为提高识别精度，则进行速度特征和笔顺特征分析。手写体特征参数分析选用的参数有能量，平均能量，幅值以及随机模型的概率函数。
步骤6训练/建模(13)为了获得某一验证模型，书写人可重复多次进行书写训练，采用隐马尔可夫模型和神经网络方法建模，笔迹特征、力度特征、速度特征和笔顺特征分别建模(聚类)。
步骤7手写特征模型参数库(5)，将已获得的参数模型按一定的检索规律建立手写体特征参数库；步骤8手写体特征测度估计(12)，用隐马尔可夫模型建立的模型库，采用相应的隐马尔可夫模型统计方法进行分析，以求得匹配概率。用神经网络的方法建立的模型库，采用相应的方法求得匹配估计。
步骤9设立手写体特征专家知识库(6)，根据实验，建立关于模型匹配的判别准则，并不断验证、改进判别准则。将每个符合验证模型的样本，按加权平均原则加入模型库，使识别系统对渐变的书写习惯具有自适应能力。
步骤10判别(7)根据系统中的每一判别准则，做出相应的估计。综合所有的估计可得出输入特征是否与模型匹配的判断。
步骤11判别结果输出(8)，判别结果的输出方式可以是一组特定格式的数据，或是直接用LED指示灯表示。
附图7为本发明系统实施例，根据上述识别方法，本发明系统是由手写体特征采集器(1)、信号处理模块(2)、计算模块(3)、手写体特征分析模块(23)、判别模块(24)、识别结果输出模块(7)、只读存储器(17)及可擦存储器(18)等部分组成。其中，手写体特征采集器(1)，可由书写板(15)、至少三个以上的压力传感器(16)组成；信号处理模块(2)可由信号放大器(如OP707放大电路)及模数转换器构成(如AD9432，AD7715)；计算模块(3)、手写体特征分析模块(23)、判别模块(24)、判别结果输出模块(8)、只读存储器(17)及可擦存储器(18)可由微处理器(如80c196，PMS430E337A，VR4148等)、固化识别程序的EPROM芯片或其它可以存储识别程序的外接存储器构成；判别结果输出模块(8)还应包括判别指示灯(20)和数据交换接口(21)。
采用本发明进行手写体个人特征识别，其过程是将纸固定在写字板上，在书写区域内用笔进行书写，当书写完成时，采集过程也同时完成。其工作原理是首先，当用笔在书写区域内的纸上进行书写时，对于笔迹中的任何一点，三个(或以上)不在一条直线上的压力传感器均能同时采集到压力值，将三个(或以上)压力传感器采集到的压力值相加，就可得到该点的书写力度特征值；其次，根据力学平衡原理，在三个(或以上)不在一条直线上的压力传感器同时采集到压力值和各压力传感器与写字板的接触点(压力采集点)相互间的距离为确定值时，可算出落笔点与各压力传感器与写字板的接触点(压力采集点)之间的距离，因而可得到落笔点的在书写区域内的具体位置即书写笔迹特征值；再次，加入时间参数，可得出本次书写样本的书写速度特征值和书写顺序特征值；最后，将所有的特征值送至手写体特征识别系统，可得到判决结果。
本发明的优点是书写工具为普通的笔和纸，不改变书写习惯；主要书写特征被采集，且被采集的各种书写特征具有严格的相关性；根据对所有存在严格相关性的书写特征进行分析而产生的识别结果，具有较好的完整性和较高的准确性，几乎不可能被仿冒，因为即使书写者本人也无法表述清楚其所有的书写特征；判定某次书写特征与给定样本是否相符的依据，是计算其所有特征值与给定样本特征值的误差是否在允许范围内，由于不存在两个完全相同的书写特征(所有特征值误差为0)，因此可防止数字化书写特征被完全拷贝后非正常使用；提供书写特征不需要记忆。本发明可用于各种需要进行身份识别的领域，如电子商务，信用卡管理，门禁系统等等。
权利要求
1.一种手写体个人特征识别方法，其特征在于(1)手写体特征采集通过至少三个以上且不在一条直线上的压力传感器采集使用者对某一图形或字符的手写特征信号；(2)将采集到的手写体特征信号进行放大及模数转换；(3)根据位置/时间函数及压力/时间函数关系，计算转换后的手写体特征数字信号，分别得到书写力度、书写笔迹、书写速度、书写顺序等手写体个人特征参数；(4)对上述手写体特征参数进行分析整理；(5)建立手写特征模型参数库；(6)设立手写体特征专家知识库，建立手写体特征判别准则；(7)判别根据手写特征模型参数库及手写体特征专家知识库，判断在后输入的图形字符是否由同一人书写；(8)识别结果输出。
2.根据权利要求1、(1)所述的一种手写体个人特征识别方法，其特征是采集使用者对某一图形或字符的手写特征数值，是以不低于每秒200次的速率，采集在某一时间段、某一区域范围内使用者手写时的压力数值，设采集频率为f，在时刻Ti，采集到的压力数据可以表示为{F1i，F2i，...Fni}，其中F1i为在Ti时刻1号压力采集点采集到的压力数值，F2i为在Ti时刻2号压力采集点采集到的压力数值，Fni为在Ti时刻n号压力采集点采集到的压力数值。
3.据权利要求1、(3)所述的一种手写体个人特征识别方法，其特征是对采集到的手写特征数字信号分别进行位置/时间函数和压力/时间函数的计算，得出至少包括手写笔迹特征数值和手写力度特征数值在内的两种以上手写体个人特征参数模型。
4.据权利要求1、(3)所述的一种手写体个人特征识别方法，其特征是对采集到的手写特征数字信号分别进行位置/时间函数和压力/时间函数的计算，还可得出手写顺序特征和手写速度特征数值参数模型。
5.权利要求1所述的一种手写体个人特征识别方法，其特征是在对上述手写体特征参数进行分析(4)之前，还可先进行对计算后得到的手写体特征参数预处理(1 4)，其中包括去零误差处理，去噪处理和归一化处理。
6.权利要求1所述的一种手写体个人特征识别方法，其特征是对上述手写体特征参数进行分析(4)，分析选用的参数可以是能量，平均能量，幅值以及随机模型的概率函数。
7.据权利要求1所述的一种手写体个人特征识别方法，其特征是在对手写体特征参数进行分析(4)后，还可进行训练/建模(13)，可采用隐马尔可夫模型和神经网络方法按照笔迹特征、力度特征、速度特征和笔顺特征分别建模(聚类)。
8.据权利要求1所述的一种手写体个人特征识别方法，其特征是建立手写特征模型参数库(5)，将已获得的参数模型按一定的检索规律建立手写体特征参数库。
9.据权利要求1所述的一种手写体个人特征识别方法，其特征是设立手写体特征专家知识库(6)，是根据实验，建立关于模型匹配的判别准则，并不断验证、改进判别准则，将每个符合验证模型的样本，按加权平均原则加入模型库，使识别系统对渐变的书写习惯具有自适应能力。
10.据权利要求1所述的一种手写体个人特征识别方法，其特征是在对手写体特征参数进行分析(4)后，还可进行手写体特征测度估计(12)，用隐马尔可夫模型建立的模型库，采用相应的隐马尔可夫模型统计方法进行分析，以求得匹配概率。用神经网络的方法建立的模型库，采用相应的方法求得匹配估计。
11.据权利要求1所述的一种手写体个人特征识别方法，其特征是判别(7)是根据系统中的每一判别准则，做出相应的估计。综合所有的估计可得出输入特征是否与模型匹配的判断。
12.据权利要求1所述的一种手写体个人特征识别方法，其特征是判别结果输出(8)的输出方式可以是一组特定格式的数据，或是直接用LED指示灯表示。
13.根据权利要求1所述方法而设计的一种手写体特征识别系统，是由手写体特征采集器(1)、信号处理模块(2)、判别模块(24)、判别结果输出模块(8)、只读存储器(17)及可擦写存储器(18)等部分组成。其特征是，在信号处理模块与判别模块之间，还连接有计算模块(3)、手写体特征分析模块(23)。
14.根据权利要求1 3所述的一种手写体特征识别系统，其特征是计算模块(3)、手写体特征分析模块(23)、判别模块(24)、判别结果输出模块(8)、只读存储器(17)及可擦写存储器(18)可由微处理器、固化识别程序的EPROM芯片或其它可以存储识别程序的外接存储器构成。
15.根据权利要求13所述的一种手写体特征识别系统，其特征是判别结果输出模块(8)还应包括判别指示灯(20)和数据交换接口(21)。
全文摘要
本发明通过采集使用者对某一图形字符的手写特征并对其按一定的方法建立模型参数库。利用该参数库,对任一图形字符按一定方法进行匹配以确定该图形字符是否由同一人书写。本发明系统是由手写体特征采集器、信号处理模块、计算模块、手写体特征分析模块、判别模块、识别结果输出模块、只读存储器、可擦写存储器及数据交换接口等部分组成。本发明书写工具为普通的笔和纸,不改变书写习惯;主要书写特征被采集,且被采集的各种书写特征具有严格的相关性、较好的完整性和较高的准确性,几乎不可能被仿冒。本发明可用于各种需要进行身份识别的领域,如:电子商务,信用卡管理,门禁系统等等。
文档编号G06K9/00GK1373432SQ01109309
公开日2002年10月9日 申请日期2001年2月28日 优先权日2001年2月28日
发明者曾立彬, 陈新 申请人:曾立彬, 陈新