一种签名指印的识别方法技术

一种签名指印的识别方法，包括以下步骤：1)签名指印与滚动指纹的配准以及弱标签的制作，将滚动指纹向签名指印进行配准，利用传统算法提取滚动指纹的方向场和细节点，作为签名指印的弱标签；2)基于弱标签的签名指印图像增强和细节点提取的多任务全卷积神经网络的训练，以签名指印的弱标签做为训练标签，得到同时生成签名指印增强图和细节点的全卷积神经网络模型；3)基于细节点模板和纹理模板的多分数策略融合，对生成的签名指印增强图和细节点，进行细节点编码和纹理编码，再进行比对，比对后的分数进行策略融合，得到指印的最终比对分数。本发明专利技术不需要专家手工标记指印细节点，节省了大量的时间和人力成本，且有较高的比对准确率。

【技术实现步骤摘要】
一种签名指印的识别方法
本专利技术涉及图像处理、机器学习、深度学习和指印鉴定等领域知识，主要引入了一种签名指印的处理和比对识别的方法。
技术介绍
合同是民事主体之间设立、变更、终止民事法律关系的协议，是私法自治的主要表现。而签定合同的双方需要在合同上留下能证明个人身份的信息，其中最常用的是签名、印章和指印。签名能在一定程度上体现个人身份，但是使用签名来证明合同上的身份依据存在一些弊端。首先，现实生活中存在代签和冒名顶替的现象，这极大地影响了签名的可靠性；其次，名字不一定能唯一地确定一个人的身份，部分人除了身份证上的名字外，还有曾用名、别名、小名等，并且还有可能存在同名同姓的情况。在民事活动中，盖私章的也不计其数，与签名相比，盖章在法律上的风险是很大的。一方面，如果私章没有经过有关部门的备案登记不具有公信力；另一方面，私章是与人分离的，不像签名因个人笔迹有别而“字如其人”，故盖下的私章是否代表本人的意思难以确定，现实生活中也存在伪造印章的案例。按指印能够明确个人身份，因为指纹具有唯一性，且难以伪造，因此，与签名和印章相比更加安全可靠。但是，仅通过指印很难与当事人联系起来，所以在司法实践中，最为慎重的选择就是签名与指印相结合。虽然签名指印是证明身份较为方便可靠的方式，但是，如何判断签名指纹与某人的手指是否匹配，对于普通的指纹识别算法来说，仍是一个难题。这主要是由两个问题造成的。一个是在按指印的过程中，因为手指和纸张的抖动，或者印油太浓太浅，使得按出的指印纹线模糊不清；另一个问题是指印上的签名会被普通算法误认为是指纹的脊线，从而影响识别的准确性。因此，传统的签名指印识别方法，需要借助文件检验设备来增强放大指印纹线，再由专家手工标注细节点，然后利用基于细节点的比对算法和目标手指指纹比对。这个过程不仅依赖昂贵的设备，而且需要花费大量的时间和劳动力来标注细节点，效率很低。因此，急需一款全自动的签名指印识别算法来替代这个过程，从而减少时间、设备和劳动成本。
技术实现思路
为了解决签名指印的模糊和指印上的签名对比对算法的影响问题，本专利技术提出了一种用弱标签来训练卷积神经网络的方法，这种方法不依赖于专用的文件检验设备，并且整个过程是全自动进行的，不需要专家的参与，极大地降低了时间、设备和劳动成本；并且利用卷积神经网络强大的表示能力，该方法有较高的检测性能和比对的准确性。为了解决上述提到的问题本专利技术提供如下的技术方案：一种签名指印的识别方法，该方法包括以下步骤：1)将滚动指纹向签名指印进行配准，利用基于Gabor增强的指纹细节点提取算法提取滚动指纹的方向场和细节点，作为签名指印的弱标签；2)以签名指印的弱标签作为训练标签，得到同时生成签名指印增强图和细节点的全卷积神经网络模型；3)对生成的签名指印增强图和细节点，进行细节点编码和纹理编码，再进行比对，比对后的分数进行策略融合，得到指印的最终比对分数。进一步，所述步骤1)包括如下步骤：1.1)使用扫描仪获取500dpi的合同图像，根据指印的颜色信息，框定出大小为500×300的签名指印区域，同时，使用指纹采集仪来获取与签名指印对应的滚动指纹图像；1.2)利用基于Gabor增强的指纹细节点提取算法，分别提取指印和滚动指纹上的细节点；1.3)使用基于八分圆最近邻特征结构的匹配算法，找到指印和滚动指纹上对应的细节点点对，根据这些点对计算滚动指纹的仿射变换矩阵，然后用仿射变换将滚动指纹图像向签名指印图像进行配准，得到与指印配准后的滚动指纹；1.4)手工制作签名指印和滚动指纹的分割掩码标签，使用全卷积神经网络，训练签名指印和滚动指纹的分割掩码模型；1.5)利用分割掩码模型，对指印和滚动指纹进行分割，计算两者的公共区域掩码，利用公共区域掩码，对签名指印和滚动指纹进行分割，得到具有相同指纹区域的签名指印和滚动指纹；1.6)利用索贝尔算子计算分割后的滚动指纹的梯度，再用二倍角公式和其梯度，计算出滚动指纹的方向场，作为签名指印的方向场弱标签。1.7)利用基于Gabor增强的指纹细节点提取算法，提取分割后的滚动指纹上的细节点，生成细节点位置热力图和细节点方向图，作为签名指印的细节点弱标签。优选的，所述1.6)中，计算公式如下：其中，*表示卷积运算，I表示输入的滚动指纹图像，Sx和Sy表示索贝尔算子：和是用输入图和Sx、Sy做一个卷积运算，计算出来的x方向和y方向的梯度，Jw是一个大小为w×w的全1矩阵，w指的是窗口大小，θ是最后计算出的方向场。再进一步，所述步骤2)包括如下步骤：2.1)签名指印的图像增强部分，过程如下：a.构建签名指印方向场全卷积神经网络，该网络以签名指印图像作为输入，预测签名指印的方向场，训练时，使用滚动指纹的方向场弱标签，作为该网络的训练标签；b.将指印方向场中所有的角度离散化，构建对应角度的Gabor增强核，利用方向场网络预测的签名指印的方向角度，选择对应的Gabor增强核，对签名指印进行增强；2.2)签名指纹增强图像的细节点提取部分，过程如下：a.构建签名指印的细节点特征提取的全卷积神经网络，该网络以签名指印的增强图像作为输入，同时预测细节点的位置热力图以及细节点的方向图，预测细节点的方向图时，结合了增强部分得到的方向场；b.部署时，选出预测的细节点位置热力图中超过阈值的点，作为细节点候选，利用非极大值抑制，删除部分不符合条件的细节点候选，利用筛选出的细节点位置和细节点方向图上对应的方向，生成预测的签名指印细节点。更进一步，所述步骤3)包括如下步骤：3.1)利用2)中指印增强细节点提取网络，得到签名指印的增强图和细节点m1，根据m1生成细节点模板T_m1；3.2)利用基于Gabor增强的指纹细节点提取算法，得到签名指印增强图的细节点m2，根据m2生成细节点模板T_m2；3.3)使用基于训练的小面积指印比对模型，分别用m1和m2，对未分割的签名指印进行纹理编码，纹理模板T_t1和T_t2；3.4)计算T_m1、T_m2、T_t1、T_t2对应的比对分数，决策最终的比对结果。本专利技术中，签名指印弱标签制作流程。该流程利用与签名指印配准后的滚动指纹，来生成签名指印的方向场和细节点弱标签。该过程不需要人工标注，节省了大量的时间和劳动成本，同时解决了细节点提取模型的训练样本不足的问题，可用于生成大批量的指纹细节点标签。基于弱标签的签名指印图像增强和细节点提取的多任务全卷积神经网络。使用滚动指纹生成的弱标签训练，解决了因为签名指印模糊和指纹上的签名，部分细节点难以标注的问题。该网络先利用方向场进行Gabor增强，再对增强后的签名指印提取细节点，这种设计能降低细节点提取模块的训练难度，并且分任务训练能在一定程度上防止模型过拟合。结合指纹细节点特征和纹理特征的比对策略。传统的基于八本文档来自技高网...

【技术保护点】
1.一种签名指印的识别方法，其特征在于，该方法包括以下步骤：/n1)将滚动指纹向签名指印进行配准，利用基于Gabor增强的指纹细节点提取算法提取滚动指纹的方向场和细节点，作为签名指印的弱标签；/n2)以签名指印的弱标签作为训练标签，得到同时生成签名指印增强图和细节点的全卷积神经网络模型；/n3)对生成的签名指印增强图和细节点，进行细节点编码和纹理编码，再进行比对，比对后的分数进行策略融合，得到指印的最终比对分数。/n

【技术特征摘要】
1.一种签名指印的识别方法，其特征在于，该方法包括以下步骤：
1)将滚动指纹向签名指印进行配准，利用基于Gabor增强的指纹细节点提取算法提取滚动指纹的方向场和细节点，作为签名指印的弱标签；
2)以签名指印的弱标签作为训练标签，得到同时生成签名指印增强图和细节点的全卷积神经网络模型；
3)对生成的签名指印增强图和细节点，进行细节点编码和纹理编码，再进行比对，比对后的分数进行策略融合，得到指印的最终比对分数。


2.根据权利要求1所述的一种签名指印的识别方法，其特征在于，所述步骤1)包括如下步骤：
1.1)使用扫描仪获取500dpi的合同图像，根据指印的颜色信息，框定出大小为500×300的签名指印区域，同时，使用指纹采集仪来获取与签名指印对应的滚动指纹图像；
1.2)利用基于Gabor增强的指纹细节点提取算法，分别提取指印和滚动指纹上的细节点；
1.3)使用基于八分圆最近邻特征结构的匹配算法，找到指印和滚动指纹上对应的细节点点对，根据这些点对计算滚动指纹的仿射变换矩阵，然后用仿射变换将滚动指纹图像向签名指印图像进行配准，得到与指印配准后的滚动指纹；
1.4)手工制作签名指印和滚动指纹的分割掩码标签，使用全卷积神经网络，训练签名指印和滚动指纹的分割掩码模型；
1.5)利用分割掩码模型，对指印和滚动指纹进行分割，计算两者的公共区域掩码，利用公共区域掩码，对签名指印和滚动指纹进行分割，得到具有相同指纹区域的签名指印和滚动指纹；
1.6)利用索贝尔算子计算分割后的滚动指纹的梯度，再用二倍角公式和其梯度，计算出滚动指纹的方向场，作为签名指印的方向场弱标签。。
1.7)利用基于Gabor增强的指纹细节点提取算法，提取分割后的滚动指纹上的细节点，生成细节点位置热力图和细节点方向图，作为签名指印的细节点弱标签。


3.根据权利要求1或2所述的一种签名指印的识别方法，其特征在于，所述1.6)中，计算公式如下：












...

【专利技术属性】
技术研发人员：张永良，谢蔚，李志伟，黄聪敏，
申请(专利权)人：杭州景联文科技有限公司，
类型：发明
国别省市：浙江;33