基于局部片段分布特征的笔迹识别方法
【专利摘要】本发明提供了一种基于局部片段分布特征的笔迹识别方法，该方法用于文本无关的笔迹识别技术。本发明首先需要将书写的笔迹用扫描仪扫描成笔迹图像，然后提取图像中的笔迹边缘，利用本发明的局部片段分布特征提取方法提取局部片段的分布特征，最后采用加权曼哈顿距离来测量笔迹图像间的相似性，从而进行身份识别。本发明提取了一种新的基于局部片段分布的特征提取方法，进一步提高了笔迹识别精度。
【专利说明】基于局部片段分布特征的笔迹识别方法
【技术领域】
[0001] 本发明涉及基于行为特征的身份识别【技术领域】，尤其涉及一种基于局部片段分布 特征的文本无关笔迹识别方法。
【背景技术】
[0002] 生物特征识别技术是利用人的生理特征或行为特征，进行个人身份的鉴定。每个 个体都有唯一的可以测量或可自动识别和验证的生理特性或行为方式，即生物特征。它可 划分为生理特征（如指纹、面像、虹膜、掌纹等）和行为特征（如步态、声音、笔迹等）。生物 识别就是依据每个个体之间独一无二的生物特征对其进行识别与身份的认证。
[0003] 笔迹特征属于行为性的生物特征，是一个人独一无二的识别特征，对于每个书写 者而言，其笔迹总体上具有相对稳定性，而笔迹的局部变化则是每个书写者笔迹的固有特 性，而对于不同的书写者而言，其笔迹的差别则比较大。一般模仿的人都只能模仿字形，由 于无法准确还原原作人的书写习惯，模仿的笔迹与原笔迹在细节上会存在差异。计算机笔 迹识别正是利用了笔迹的独特性和差异性，主要是通过测量书写的字形及笔画的速度、顺 序和压力等特征，进行身份鉴别。
[0004] 随着生物特征识别技术的快速发展，根据考察的对象和提取特征的方法不同，现 在的笔迹识别方法主要分为文本相关、文本无关两类，另外还有利用内容信息的半文本无 关方法。文本相关方法需要笔迹中具有相同的固定特征，如签名验证；文本无关方法，适用 于不同内容的任何笔迹文本。这些方法不集中在一个整体特征中，而是集中在写作风格特 征中，如笔迹纹理、方向。所以文本无关的笔迹识别方法在社会生活中具有广泛的应用，如 国家间重要协议的签署，银行、金融部门的签名对照，公安、司法部门的刑事调查和法庭证 据等。
[0005] 但现有技术中，大部分文本无关的笔迹识别方法的精度并不高，还需要进一步提 升文本无关的笔迹识别方法的准确性及精度。
【发明内容】
[0006] 为克服现有技术中存在的文本无关的笔迹识别准确性及精度不高的问题，本发明 针对文本无关方法，提供了一种基于局部片段分布特征的笔迹识别方法。
[0007] -种基于局部片段分布特征的笔迹识别方法，其特征在于，包括以下步骤：
[0008] 步骤一、输入笔迹图像；
[0009] 步骤二、对所述笔迹图像的边缘进行检测，提取所述笔迹图像的笔迹边缘；
[0010] 步骤三、分析提取所述局部片段分布特征；
[0011] 步骤四、计算相似度，根据相似度来进行笔迹识别。
[0012] 所述步骤一进一步包括：将笔迹进行扫描，得到笔迹图像。
[0013] 所述步骤二进一步包括：利用sobel算子提取背景单一的所述笔迹图像的所述笔 迹边缘，利用canny算子提取背景复杂的所述笔迹图像的所述笔迹边缘。
[0014] 所述步骤三进一步包括：局部片段提取；局部片段分布特征提取；循环计数；归一 化。
[0015] 所述局部片段提取的步骤包括：在大小为（2r+l) X (2r+l)、边缘点位于中心的滑 动窗口中，只统计与所述滑动窗口中心的所述边缘点连接的局部片段，其中r为所述滑动 窗口中心与所述滑动窗口边界之间的距离。
[0016] 所述局部片段分布特征提取的步骤包括：统计（Iml，Jm2)的数量，其中I和J是所 述滑动窗口中的相关边缘点对，ml和m2是所述相关边缘点对所在组的编号，当ml < mt时， ml < m2,当ml > mt时，ml = m2,其中mt为参数。
[0017] 所述循环计数的步骤包括：统计所有所述边缘点。
[0018] 所述归一化的步骤包括：通过
【权利要求】
1. 一种基于局部片段分布特征的笔迹识别方法，包括以下步骤： 步骤一、输入笔迹图像； 步骤二、对所述笔迹图像的边缘进行检测，提取所述笔迹图像的笔迹边缘； 步骤三、分析提取所述局部片段分布特征； 步骤四、计算相似度，根据相似度来进行笔迹识别。
2. 根据权利要求1所述的笔迹识别方法，其特征在于：所述步骤一进一步包括：扫描笔 迹，获得笔迹图像。
3. 根据权利要求1所述的笔迹识别方法，其特征在于：所述步骤二进一步包括：利用 sobel算子提取背景单一的所述笔迹图像的所述笔迹边缘，利用canny算子提取背景复杂 的所述笔迹图像的所述笔迹边缘。
4. 根据权利要求1所述的笔迹识别方法，其特征在于：所述步骤三进一步包括：局部片 段提取；局部片段分布特征提取；循环计数；归一化。
5. 根据权利要求4所述的笔迹识别方法，其特征在于：所述局部片段提取的步骤包括： 在大小为（2r+l) X (2r+l)、边缘点位于中心的滑动窗口中，只统计与所述滑动窗口中心的 所述边缘点连接的局部片段，其中r为所述滑动窗口中心与所述滑动窗口边界之间的距 离。
6. 根据权利要求4所述的笔迹识别方法，其特征在于：所述局部片段分布特征提取的 步骤包括：统计（Iml，J m2)的数量，其中I和J是所述滑动窗口中的相关边缘点对，ml和m2 是所述相关边缘点对所在组的编号，当ml < mt时，ml < m2,当ml彡mt时，ml = m2,其中 mt为参数。
7. 根据权利要求4所述的笔迹识别方法，其特征在于：所述循环计数的步骤包括：统计 所有所述边缘点。
8. 根据权利要求4所述的笔迹识别方法，其特征在于：所述归一化的步骤包括：通过 将所述边缘点分布特征进行归一化，其中lm表示所述边缘点的位置，N〇表示所 述边缘点的数量，并计算其概率密度，公式为Ρ(4ι=
其中，N(Iml，Jm2)为 (Iml，Jm2)点对的数量。
9. 根据权利要求1所述的笔迹识别方法，其特征在于：所述步骤四进一步包括：通过加 权曼哈顿距离来计算相似度，公式为1^ =
其中LFDF为局部片段分 布特征，σ i为LFDF特征第i个组成部分标准偏差，LFDFn和LFDF2i分别是各自特征的第i 个分量，D为相似度，根据计算获得的相似度进行笔迹识别。
【文档编号】G06K9/46GK104299000SQ201410529711
【公开日】2015年1月21日 申请日期:2014年10月9日 优先权日:2014年10月9日
【发明者】丁红, 张晓峰, 王则林, 高瞻 申请人:南通大学