一种签名鉴伪方法和系统技术方案

本发明专利技术公开了一种签名鉴伪方法和系统，所述方法包括步骤：采集待测签名图像并检测其角点，为角点分配方向值，并生成特征描述子；通过度量特征描述子之间的距离筛选匹配点，确定匹配点数目；根据匹配点数目、预选取的最优阈值，进行相似度度量，根据相似度度量结果鉴别签名真伪。本发明专利技术可以对静态手写签名进行鉴伪处理并且准确率高、通用性强。

A Method and System of Signature False Detection

【技术实现步骤摘要】
一种签名鉴伪方法和系统
本专利技术涉及一种签名鉴伪方法及系统，属于图像处理

技术介绍
签名笔迹是个人书写行为习惯的体现，具备独特性，属于一种生物特征。同时签名笔迹对比指纹、虹膜等其他生物特征具有采集简单、易于接受、区分性高等特点，被广泛应用于个人身份的证明。由于签名同时具有易于伪造的特点，因此签名鉴伪是当前亟待解决的问题。现有的签名鉴伪技术还存在一定不足，如通用性不强，无法大规模推广，相似性度量方法不足，无法应对小样本集等。
技术实现思路
本专利技术的目的在于克服现有技术中的不足，提供一种签名鉴伪方法及系统，可以对静态手写签名进行鉴伪处理并且准确率高、通用性强。为达到上述目的，本专利技术是采用下述技术方案实现的：第一方面，本专利技术提供了一种签名鉴伪方法，所述方法包括如下步骤：采集待测签名图像并检测其角点，为角点分配方向值，并生成特征描述子；通过度量特征描述子之间的距离筛选匹配点，确定匹配点数目；根据匹配点数目、预选取的最优阈值，进行相似度度量，根据相似度度量结果鉴别签名真伪。结合第一方面，进一步的，所述角点的检测方法包括如下步骤：选取待测签名图像中的某一像素点作为中心像素点，以中心像素点为中心确定离散化区域；根据中心像素点的灰度值及预设的极小阈值，确定非角点灰度值取值区间；将离散化区域中剩余像素点的灰度值与非角点灰度值取值区间进行比较，确定候选角点；若候选角点上剩余像素点的灰度值与中心像素点的差值大于所述极小阈值，则确定所述中心像素点为角点，否则为非角点。结合第一方面，进一步的，为角点分配方向值的方法包括如下步骤：利用角点邻域像素的梯度方向分布特性为每个角点指定方向参数。结合第一方面，进一步的，所述特征描述子的生成方法包括如下步骤：为已分配主方向的角点调整坐标轴，并划分子区域；计算每个子区域在8个方向的梯度直方图，计算每个梯度方向的累加值，形成一个种子点；由角点的种子点及种子点的梯度信息形成的SIFT特征向量，即为特征描述子；其中8个方向指：将0°到360°的梯度方向范围按照每45°划分为一个范围区作为一个方向，共计8个方向。结合第一方面，进一步的，所述匹配点的筛选方法包括如下步点骤：计算特征描述子间的欧式距离，计算最近距离与次近距离之比，若比值小于设定阈值，则判定角点存在匹配角点，否则判定角点不存在匹配角点。结合第一方面，进一步的，所述最优阈值的选取方法包括如下步骤：选取N张真实签名图像，两两真实签名图像之间进行特征提取与匹配，获取N组匹配结果；设N组匹配结果中得到的匹配点数据分别是K1、K2、…、KN，则最优阈值μ与σ2分别为：其中：N≥3。结合第一方面，进一步的，根据相似度度量结果鉴别签名真伪的方法包括如下步骤：将待测签名图像与选取的N张真实签名图像分别进行特征提取与匹配；设N组匹配结果中得到的匹配点数目分别为K1S、K2S、…、KNS，最终选取的匹配点数目KS＝(K1S+K2S+…+KNS)/N，若|KS-μ|≤σ2，则签名鉴伪结果为真，否则为假。结合第一方面，进一步的，所述方法还包括对：待测签名图像进行预处理，包括图像灰度化、二值化、尺寸标准化处理。第二方面，本专利技术提供了一种签名鉴伪系统，包括：特征提取模块：用于检测所采集的待测签名图像的角点，为角点分配方向值，并生成特征描述子；特征匹配模块：用于通过度量特征描述子之间的距离筛选匹配点，确定匹配点数目；相似性度量模块：用于根据匹配点数目、预选取的最优阈值，进行相似度度量；结果输出模块：用于根据相似度度量结果鉴别签名真伪。结合第二方面，进一步的，所述系统还包括：信息存储模块：用于存储包括真实签名图像在内的用户信息；图像预处理模块：用于对输入的图形进行预处理，包括图像灰度化模块、二值化模块和尺寸标准化处理模块。与现有技术相比，本专利技术实施例所提供的签名鉴伪方法及系统所达到的有益效果包括：可以对静态手写签名进行鉴伪处理，具有较高的准确率，且通用性强。附图说明图1是根据本专利技术实施例提供的签名鉴伪系统的结构框图。具体实施方式下面结合附图对本专利技术作进一步描述。以下实施例仅用于更加清楚地说明本专利技术的技术方案，而不能以此来限制本专利技术的保护范围。如图1所示，是本专利技术实施例提供的签名鉴伪系统，包括：特征提取模块：用于检测所采集的待测签名图像的角点，为角点分配方向值，并生成特征描述子；特征匹配模块：用于通过度量特征描述子之间的距离筛选匹配点，确定匹配点数目；相似性度量模块：用于根据匹配点数目、预选取的最优阈值，进行相似度度量；结果输出模块：用于根据相似度度量结果鉴别签名真伪。进一步的，还可以包括：信息存储模块：用于存储用户信息，包括：已注册用户的身份信息、联系方式、身份编号、预留真实签名图像三张以上。用户首次注册时按要求填写身份信息及联系方式，同时需要提供三张以上真实签名，预留真实签名图像用于以后签名鉴伪服务中的对比调用。身份信息包含用户姓名、性别、身份证号。通过身份证号生成独一的身份编号，身份编号用于日后鉴伪操作时调用用户信息及真实签名图像，在保证唯一性的同时保护用户私密信息。信息存储模块同时需完成对签名图像的采集工作，利用高拍仪对放置在目标采集区的签名进行实时拍摄，将拍摄后得到的图像通过USB连接线将其传输至相应的系统模块。图像预处理模块：用于对输入的图形进行预处理，包括图像灰度化模块、二值化模块和尺寸标准化处理模块。本专利技术实施例提供的签名鉴伪方法，能够采用前述的系统实现，包括如下步骤：步骤一：采集待测签名图像并检测其角点，为角点分配方向值，并生成特征描述子；本专利技术实施例采用改进的FAST角点检测算法进行角点检测，具体包括：S101：选取待测签名图像中的某一像素点作为中心像素点，以中心像素点为中心确定离散化区域；S102：根据中心像素点的灰度值及预设的极小阈值，确定非角点灰度值取值区间；S103：将离散化区域中剩余像素点的灰度值与非角点灰度值取值区间进行比较，确定候选角点；S104：若候选角点上剩余像素点的灰度值与中心像素点的差值大于所述极小阈值，则确定所述中心像素点为角点，否则为非角点。下面结合具体参数，对角点检测算法作进一步详细描述：步骤01：假设像素点P为待测签名图像中的某一像素点，考虑像素点P附近的圆形窗口上的16个像素，圆形窗口是以像素P为中心，以3像素为半径的离散化区域，圆的边界上的16个像素1～16依次编号。设像素P的图像灰度值为IP，t为给定的一个极小阈值，根据具体数据集选取最优值。步骤02：计算像素1和像素9的图像灰度值，若两像素点的图像灰度值均在IP-t～IP+t范围内，则像素P为非角点，否则继续执行步骤03。步骤03：计算像素3和像素11的图像灰度值，若两像素点的图像灰度值均在IP-t～IP+t范围内，则像素P为非角点，否则继续执行步骤04。步骤04：计算像素6和像素14的图像灰度值，若两像素点的图像灰度值均在IP-t～IP+t范围内，则像素P为非角点，否则作为候选角点，执行步骤05。步骤05：检测候选角点上剩余的10个像素点，如果圆上有不少于9个连续的像素点的图像灰度值与中心像素点P的差值大于阈值t，则像素点P为角点，否则为非角点。按照步骤01～05将图像中的所有角点检测出来。本专利技术实施例中为角点分配方向值的方法为：利用角点邻域像素本文档来自技高网...

【技术保护点】
1.一种签名鉴伪方法，其特征在于，所述方法包括如下步骤：采集待测签名图像并检测其角点，为角点分配方向值，并生成特征描述子；通过度量特征描述子之间的距离筛选匹配点，确定匹配点数目；根据匹配点数目、预选取的最优阈值，进行相似度度量，根据相似度度量结果鉴别签名真伪。

【技术特征摘要】
1.一种签名鉴伪方法，其特征在于，所述方法包括如下步骤：采集待测签名图像并检测其角点，为角点分配方向值，并生成特征描述子；通过度量特征描述子之间的距离筛选匹配点，确定匹配点数目；根据匹配点数目、预选取的最优阈值，进行相似度度量，根据相似度度量结果鉴别签名真伪。2.根据权利要求1所述的签名鉴伪方法，其特征在于，所述角点的检测方法包括如下步骤：选取待测签名图像中的某一像素点作为中心像素点，以中心像素点为中心确定离散化区域；根据中心像素点的灰度值及预设的极小阈值，确定非角点灰度值取值区间；将离散化区域中剩余像素点的灰度值与非角点灰度值取值区间进行比较，确定候选角点；若候选角点上剩余像素点的灰度值与中心像素点的差值大于所述极小阈值，则确定所述中心像素点为角点，否则为非角点。3.根据权利要求1所述的签名鉴伪方法，其特征在于，为角点分配方向值的方法包括如下步骤：利用角点邻域像素的梯度方向分布特性为每个角点指定方向参数。4.根据权利要求1所述的签名鉴伪方法，其特征在于，所述特征描述子的生成方法包括如下步骤：为已分配主方向的角点调整坐标轴，并划分子区域；计算每个子区域在8个方向的梯度直方图，计算每个梯度方向的累加值，形成一个种子点；由角点的种子点及种子点的梯度信息形成的SIFT特征向量，即为特征描述子；其中8个方向指：将0°到360°的梯度方向范围按照每45°划分为一个范围区作为一个方向，共计8个方向。5.根据权利要求1所述的签名鉴伪方法，其特征在于，所述匹配点的筛选方法包括如下步点骤：计算特征描述子间的欧式距离，计算最近距离与次近距离之比，...

【专利技术属性】
技术研发人员：王纯款，柯静，李庆武，王遥，马云鹏，周亚琴，徐畅，
申请(专利权)人：河海大学常州校区，
类型：发明
国别省市：江苏,32