本发明专利技术提供了一种基于少量样本的手写签名真伪识别方法和装置，属于人工智能，该方法包括：获取用户预留签名样本；构建并训练三元组网络预训练模型；所述三元组网络预训练模型基于少量样本训练得到；根据用户预留签名样本和三元组网络预训练模型，确定真实签名嵌入向量；采集用户实时签名图片，输入到三元组网络预训练模型，确定实时签名嵌入向量；根据真实签名嵌入向量和实时签名嵌入向量，识别用户实时签名信息的真伪。本发明专利技术能够在训练样本不足的情况下，提取少量样本的特征信息，提高了小样本手写签名真伪识别的准确率。样本手写签名真伪识别的准确率。样本手写签名真伪识别的准确率。
【技术实现步骤摘要】
一种基于少量样本的手写签名真伪识别方法和装置
[0001]本专利技术涉及计算机数据处理
，尤其涉及一种基于少量样本的手写签名真伪识别方法和装置。
技术介绍
[0002]本部分旨在为权利要求书中陈述的本专利技术的实施方式提供背景或上下文。此处的描述不因为包括在本部分中就承认是现有技术。
[0003]目前，商业银行移动终端业务普及，有关协议签署的签名信息在移动终端上进行，而签名真伪识别一直是备受关注的问题，近年来，针对手写签名的验证一般采用深度学习的方法，然而神经网络需要大量的样本集对模型进行训练，最终提高验证签名准确率。而银行所存的签名样本数量不足的问题，导致模型训练不充分，影响签名验证准确率，使移动应用验证手写签名不具有规范性。
[0004]由于手写签名在后台以图片的格式进行存储，签名图片使用神经网络对模型进行训练，典型的神经网络模型依赖于大量的数据训练才能获得可靠的结果。而在银行等特定的场景下，用户的签名数据稀缺，现实场景下不能提供大量的训练数据，缺少训练样本。
[0005]因此，如何提供一种新的方案，其能够解决上述技术问题是本领域亟待解决的技术难题。
技术实现思路
[0006]本专利技术实施例提供一种基于少量样本的手写签名真伪识别方法，能够在训练样本不足的情况下，提取少量样本的特征信息，提高了小样本手写签名真伪识别的准确率，该方法包括：
[0007]获取用户预留签名样本；
[0008]构建并训练三元组网络预训练模型；所述三元组网络预训练模型基于少量样本训练得到；
[0009]根据用户预留签名样本和三元组网络预训练模型，确定真实签名嵌入向量；
[0010]采集用户实时签名图片，输入到三元组网络预训练模型，确定实时签名嵌入向量；
[0011]根据真实签名嵌入向量和实时签名嵌入向量，识别用户实时签名信息的真伪。
[0012]本专利技术实施例还提供一种基于少量样本的手写签名真伪识别装置，包括：
[0013]用户预留签名样本获取模块，用于获取用户预留签名样本；
[0014]三元组网络预训练模型构建模块，用于构建并训练三元组网络预训练模型；所述三元组网络预训练模型基于少量样本训练得到；
[0015]真实签名嵌入向量确定模块，用于根据用户预留签名样本和三元组网络预训练模型，确定真实签名嵌入向量；
[0016]实时签名嵌入向量确定模块，用于采集用户实时签名图片，输入到三元组网络预训练模型，确定实时签名嵌入向量；
[0017]用户实时签名信息真伪识别模块，用于根据真实签名嵌入向量和实时签名嵌入向量，识别用户实时签名信息的真伪。
[0018]本专利技术实施例还提供一种计算机设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现上述一种基于少量样本的手写签名真伪识别方法。
[0019]本专利技术实施例还提供一种计算机可读存储介质，所述计算机可读存储介质存储有执行上述一种基于少量样本的手写签名真伪识别方法的计算机程序。
[0020]本专利技术实施例提供的一种基于少量样本的手写签名真伪识别方法和装置，包括：首先获取用户预留签名样本；然后构建并训练三元组网络预训练模型；所述三元组网络预训练模型基于少量样本训练得到；接着根据用户预留签名样本和三元组网络预训练模型，确定真实签名嵌入向量；下一步采集用户实时签名图片，输入到三元组网络预训练模型，确定实时签名嵌入向量；最后根据真实签名嵌入向量和实时签名嵌入向量，识别用户实时签名信息的真伪。本专利技术基于三元组网络训练模型的小样本学习训练方案，进行移动端用户手写签名的真伪识别，能够在训练样本不足的情况下，提取少量样本的特征信息，提高了小样本手写签名真伪识别的准确率。本专利技术使用在线三元组网络对手写签名进行特征提取，避免限制网络的泛化能力。
附图说明
[0021]为了更清楚地说明本专利技术实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本专利技术的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。在附图中：
[0022]图1为本专利技术实施例一种基于少量样本的手写签名真伪识别方法示意图。
[0023]图2为本专利技术实施例一种基于少量样本的手写签名真伪识别方法的对用户预留签名样本进行预处理的过程示意图。
[0024]图3为本专利技术实施例一种基于少量样本的手写签名真伪识别方法的构建并训练得到三元组网络预训练模型的过程示意图。
[0025]图4为本专利技术实施例一种基于少量样本的手写签名真伪识别方法的三元组网络预训练模型训练过程示意图。
[0026]图5为本专利技术实施例一种基于少量样本的手写签名真伪识别方法的识别用户实时签名信息的真伪过程示意图。
[0027]图6为运行本专利技术实施的一种基于少量样本的手写签名真伪识别方法的计算机装置示意图。
[0028]图7为本专利技术实施例一种基于少量样本的手写签名真伪识别装置示意图。
具体实施方式
[0029]为使本专利技术实施例的目的、技术方案和优点更加清楚明白，下面结合附图对本专利技术实施例做进一步详细说明。在此，本专利技术的示意性实施例及其说明用于解释本专利技术，但并不作为对本专利技术的限定。
[0030]本专利技术属于人工智能。图1为本专利技术实施例一种基于少量样本的手写签名真伪识别方法示意图，如图1所示，本专利技术实施例提供一种基于少量样本的手写签名真伪识别方法，能够在训练样本不足的情况下，提取少量样本的特征信息，提高了小样本手写签名真伪识别的准确率，该方法包括：
[0031]步骤101：获取用户预留签名样本；
[0032]步骤102：构建并训练三元组网络预训练模型；所述三元组网络预训练模型基于少量样本训练得到；
[0033]步骤103：根据用户预留签名样本和三元组网络预训练模型，确定真实签名嵌入向量；
[0034]步骤104：采集用户实时签名图片，输入到三元组网络预训练模型，确定实时签名嵌入向量；
[0035]步骤105：根据真实签名嵌入向量和实时签名嵌入向量，识别用户实时签名信息的真伪。
[0036]本专利技术实施例提供的一种基于少量样本的手写签名真伪识别方法，包括：首先获取用户预留签名样本；然后构建并训练三元组网络预训练模型；所述三元组网络预训练模型基于少量样本训练得到；接着根据用户预留签名样本和三元组网络预训练模型，确定真实签名嵌入向量；下一步采集用户实时签名图片，输入到三元组网络预训练模型，确定实时签名嵌入向量；最后根据真实签名嵌入向量和实时签名嵌入向量，识别用户实时签名信息的真伪。本专利技术基于三元组网络训练模型的小样本学习训练方案，进行移动端用户手写签名的真伪识别，能够在训练样本不足的情况下，提取少量样本的特征信息，提高了小样本手写签名真伪识别的准确率。本专利技术使用在线三元组网络对手写签名进行特征提取，避免限本文档来自技高网...
【技术保护点】
【技术特征摘要】
1.一种基于少量样本的手写签名真伪识别方法，其特征在于，包括：获取用户预留签名样本；构建并训练三元组网络预训练模型；所述三元组网络预训练模型基于少量样本训练得到；根据用户预留签名样本和三元组网络预训练模型，确定真实签名嵌入向量；采集用户实时签名图片，输入到三元组网络预训练模型，确定实时签名嵌入向量；根据真实签名嵌入向量和实时签名嵌入向量，识别用户实时签名信息的真伪。2.如权利要求1所述的方法，其特征在于，还包括：对用户预留签名样本进行预处理。3.如权利要求2所述的方法，其特征在于，所述对用户预留签名样本进行预处理，包括：对用户预留签名样本中因手写动作不连贯而产生的无效零点利用线性内插法进行过滤，去除无效零点；对存在方向偏离的用户预留签名样本进行灰度和归一化处理，以得到格式统一的用户预留签名样本。4.如权利要求1所述的方法，其特征在于，构建并训练得到三元组网络预训练模型，包括：根据机器学习小样本分类算法，利用Semi
‑
Hard
‑
Negative策略生成第一子元组、第二子元组和第三子元组；将用户预留签名样本输入第一子元组；将用户真实签名样本输入第二子元组；将伪造用户签名样本输入第三子元组；对第一子元组、第二子元组和第三子元组进行训练，得到三元组网络预训练模型。5.如权利要求4所述的方法，其特征在于，对第一子元组、第二子元组和第三子元组进行训练，得到三元组网络预训练模型，包括：计算第一子元组与第二子元组的第一距离；计算第一子元组与第三子元组的第二距离；以第一距离小于第二距离为训练目标，对第一子元组、第二子元组和第三子元组进行训练，在第一距离与第二距离的差值达到预设收敛值时，得到三元组网络预训练模型。6.如权利要求1所述的方法，其特征在于，采集用户实时签名图片，输入到三元组网络预训练模型，确定实时签名嵌入向量，包括：采集用户实时签名图片；对用户实时签名图片进行识别处理，确定用户实时签名信息，输入到三元组网络预训练模型，确定实时签名嵌入向量。7.如权利要求1所述的方法，其特征在于，根据真实签名嵌入向量和实时签名嵌入向量，识别用户实时签名信息的真伪，包括：利用CNN分类器将真实签名嵌入向量和实时签名嵌入向量分别进行标记；比对标记后的真实签名嵌入向量与标记后的实时签名嵌入向量在距离上的相似性；当标记后的真实签名嵌入向量与标记后的实时签名嵌入向量在距离上的相似性小于设定阈值时，则判断本次采集用户实时签名为真实签名；当标记后的真实签名嵌入向量与标记后的实时签名嵌入向量在距离上的相似性大于
设定阈值时，则判断本次采集用户实时签名为伪造签名。8.一种基于少量样本的手写签名真伪识别装置，其特征在于，包括：用户预留签名样本获取模块，用于获取用户预留签名样本；三元组网络预训练模型构建模块，用于构建并训练三元组网络预训练...
【专利技术属性】
技术研发人员：赵迪，
申请(专利权)人：中国银行股份有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。