实现在与手写验证服务700A分开 的设备上，如图3所示，或知识库可以实现在与服务700A相同的设备上。）验证部750通过 将从笔事件参数得出的特征与参考样本的特征进行比较，验证手写测试样本的真实性。
[0067] 在图4中示出了示例性动态手写验证处理。图4中所示的验证处理能由手写验证 服务器（例如，图IA中的手写验证服务器700)或一些其他设备执行。图4中的验证处理 能在云计算设备（例如图IA中所示的云计算设备1)或一些其他设备中执行。在所述的实 施例中，验证处理使用手写测试样本中的手写的几何参数来得出能与参考样本中的特征进 行比较的手写特征。
[0068] 在图4所示的例子中，在步骤S101，从可用的笔事件参数，选择手写的几何参数。 在该例子中，手写的几何参数包括X坐标值和y坐标值。从其选择几何参数的可用笔事件 参数除X坐标值和y坐标值外，还可以包括压力值、角度值、时间戳信息等等。可用笔事件 参数可以取决于诸如能用来产生手写的输入设备的性能的因素。
[0069] 因为普通手写的速度改变，以规则时间间隔检测X坐标值和y坐标值导致检测位 置之间的可变间距。再参考图2A所示的示例性签名，以规则间隔（例如，每秒133点、每秒 200点的采样速率，或一些其他采样速率）检测笔事件的坐标位置206B。因此，坐标位置之 间的较大的间距表示笔正较快地移动的签名的位置，并且较窄的间距表示笔在较缓慢地移 动的部分。
[0070] 再参考图4,为了便于比较手写测试样本和参考样本中的特征点，在步骤S103,从 手写的几何参数得出特征点。以该方式得出的特征点按照样本的手写路径，但不需要与笔 事件在同一处。在至少一个实施例中，特征点沿手写路径均匀地分布。然而，也能以其他方 式分布特征点。
[0071] 图5描述沿手写路径的特征点的示例性间距。在图5所示的例子中，均匀地分布 特征点。通常，减小间距倾向于增加特征点数，这会导致增加处理时间。另一方面，增加间 距倾向于减少特征点数，这会导致降低的精度和忽略手写中的重要特征点。在至少一个实 施例中，将Imm的规则间距用作平衡合理处理时间和重要手写特征的准确检测的折衷。
[0072] 所使用的特定间距能取决于实现方式而改变。例如，特征点之间的间距不需要均 匀。根据一个替代方法，能根据对相应的特征点扩展密集填充的笔事件的之间的间距的密 度归一化处理，来定位特征点。在这种方法中，特征点可以或可以不与原始笔事件在同一 处。密度归一化处理还能包括将特征点插入笔事件稀疏的手写路径的部分中。密度归一化 处理能被应用于测试样本和参考样本来解决样本之间的密度差，同时允许特征点之间的间 距的一些变化，这能有助于保存与手写的速度和加速度有关的信息。密度归一化处理能助 于提供由不同采样速率的设备获得的样本之间的特征点的可比集合。
[0073] 再参考图4,特征点的每一个（见步骤S103)与沿手写路径以规则的空间间隔计算 的相应X位置和y位置关联。在至少一个实施例中，如图6所示，计算各个特征点的X位置 和y位置。
[0074] 在图6所示的例子中，将特征点的X位置⑴和y位置⑴分别定义为X坐标值 或y坐标值相对于手写或手写的一部分（例如笔划）的各个维度（例如，宽度（《)或高度 (h))的整体值的比例。
[0075] 在至少一个实施例中，对手写样本的整个长度，包括笔未与平板表面接触的抬笔 区域，定义特征点。在一些情况下，抬笔信息在笔划之间将不可用。例如，这发生在当使用 不支持抬笔数据的捕捉设备时，或当笔保持在离数字化器一定距离，使得不能检测到抬笔 数据时。如果抬笔信息不可用，能在下笔笔事件的限度内，生成特征点。
[0076] 再参考图4,在步骤S105,能从得出的特征点的X位置和y位置，得出方向（D)和 曲率（C)。在该例子中，在步骤S105得出的方向和曲率值不基于来自于原始笔事件的x/y 坐标值。在至少一个实施例中，基于在前特征点和后续特征点的X位置和y位置，得出当前 特征点的方向和曲率，如图7A和7B所示。
[0077] 在图7A所示的例子中，将用于当前特征点802的方向D计算为在前特征点804和 下一特征点806之间的线的角度（相对于水平，以弧度单位）。在图7B所示的例子中，将当 前特征点802的曲率C计算为将当前特征点802连接到在前特征点804的线和将当前特征 点802连接到下一特征点806的线之间的角度（弧度）。
[0078] 再参考图4,在步骤S107,使用特征点的几何特征（例如X位置、y位置、方向、曲 率），执行特征匹配。在该例子中，特征匹配的目的是链接待验证的手写样本（或测试样本） 和参考样本中的相应几何特征，同时提供灵活度来考虑真实手写的固有变化。步骤S107的 特征匹配可以包括多于一次特征匹配，如在下文详细所述。
[0079] 图8是通过特征匹配技术（例如图4中的步骤S107)，在测试样本810和参考样 本820之间建立的映射的示例。在图8所示的例子中，映射包括在测试样本810和参考样 本820中的对应特征点（由圆表示）之间建立的链接（由虚线表示）。链接的每一端部的 手写线的一致性能称为链接的"能量"。在该例子中，根据链接特征点的X位置（X)、y位置 (Y)、方向⑶和曲率（C)之间的差异，测量该能量。
[0080] 在至少一个实施例中，根据下述等式，测量能量：
[0081] ei = kx (Xr-Xt) 2+ky (Yr-Yt) 2+kd (Dr-Dt) 2+kc (Cr-Ct)2
[0082] 其中，ei是将参考样本r与测试样本t连接的第i个链接的能量，Xp Yp比和(； 是用于参考样本的X、y、方向和曲率值；Xt、Yt、Dt和C t是用于测试样本的X、y、方向和曲率 值，并且kx、ky、k d和k。是用于不同能量分量的加权因子。
[0083] 在至少一个实施例中，链接的最佳集合是能实现根据下述等式定义的、系统的最 小总能量（E)的集合：
[0084] E = Σ ei+kunu
[0085] 其中，ei是第i个链接的能量，ku是表示未链接特征的能量的常数，并且n u是未链 接特征（如果有的话）的计数。
[0086] 在至少一个实施例中，使用数值退火来最小化每一链接的端部的特征点之间的 差，由此最小化能量E。特别地，在至少一个实施例中，使用模拟退火的方法来对链接产生伪 随机变化，这可能增加或减小总能量。
[0087] 在现在将参考图9A-9D描述的一个示例性退火过程中，总是接受导致总能量降低 的变化，并且可以取决于诸如可能逐步减小的系统的当前温度的因素，接受导致能量增加 的变化。在此使用的术语"温度"是指系统的数学能量，而不是指任何实际热能。类似地， 相关术语，诸如"冷却"用来指数学能量的降低，而不指实际热能的任何变化。
[0088] "能量"和"温度"是能用于对退火处理建模的相关术语。在至少一个实施例中，退 火处理的目的是找出两个签名的对应特征之间的链接的最佳集合。能通过评估几何特征， 诸如链接特征点的位置、线方向和曲率的相似性，确定可能链接图的任何一个的相对指标。 链接的能量是两个特征点之间的差异的度量。零能量表示具有相同特征的状态，并且当差 变为更大时，能量增加。
[0089] 退火处理尝试通过调整链接集合，最小化系统的总能量。然而，如果永不允许增加 总能量的单个调整，退火处理变为陷入总能量的局部最小化的可能性将增加。为解决这一 情形，能设计退火处理来通过允许导致能量的增加的一些变化，降低变为陷入局部最小化 的处理的可能性，由此允许随后变化可能实现更小总能量的可能性。
[0090] 能使用系统的温度来控制增加总能量的变化的似然性。在至少一个实施例中，将 温度初始地设定在允许更频繁地发生能量增加的相对高值。当退火处理进行时，降低该温 度。当温度下降时，降低增加能量的似然性，直到达到系统的稳定为止。
[0091 ] 现在参考图9A中所示的示例性退火处理，在步骤S201,初始化变量E (能 量）、T(温度）、I_step和I_cycle。在步骤S203,改变联系。在该上下文中，术语"联 系"（"linkage"）用来通指测试样本和参考样本之间的一个或多个链接（link)。因此，在 步骤S203,以一些方式改变测试样本和参考样本之间的链接集合。（参考图9C，在下文中， 详细地描述能改变链接集合的示例性处理）。
[0092] 在步骤S205,将变化联系的总能量（E_new)与该联系的在前状态的总能量（E_ prew)进行比较。如果E_new小于或等于E_prew，在步骤S207保持该联系的变化。如果E_ new大于E_prew，在步骤S217确定是否仍然能接受该联系的变化。
[0093] 在至少一个实施例中，取决于包含变化的大小（dE)和当前温度的比率，可以接受 能量的增加。在图9B所示的例子中，当满足下述条件时，允许能量的增加（正dE): -cfE
[0094] u〈 e 'r
[0095] 其中，U是在1.0的范围中的统一偏差值，dE是由联系的变化导致的总能 量的变化，并且T是系统的当前温度。能使用统一偏差来生成一个或多个伪随机值U。将单 个统一偏差生成器用于测试样本和参考样本之间的全部比较，并且总通过相同的种子初始 化。这确保测试样本和参考样本的比较总是返回相同的结果。
[0096] 现在，将参考图9C，描述改变联系（图9A中的步骤S203)的示例性过程。在步骤 S203-1，在参考