基于人体运动模块的签名笔迹演示方法、设备及介质技术

本申请提供基于手臂肌肉运动的签名笔迹获取方法，采集获取签名数据并预处理，获得原始签名轨迹及回显签名静态轨迹，估计书写过程中的肌肉模块数及运动参数；重构签名轨迹，回显签名动态轨迹，对手写签名时人体肌肉运动轨迹进行分解，重构肌肉运动轨迹，根据速度函数确定的角度函数分解得到轨迹函数，重构出连续签名轨迹，进行对数速度分解，模拟对数速度曲线，回显静态轨迹及动态重构轨迹，采用箭头模拟签名书写时手部肌肉运动，根据手部肌肉运动和速度曲线进行活跃度排序及颜色匹配，结合回显的静态轨迹和动态轨迹绘制签名轨迹动画。为笔迹鉴定过程还原动态签名过程，为准确高效的签名认证和鉴定提供帮助和支持。签名认证和鉴定提供帮助和支持。签名认证和鉴定提供帮助和支持。

【技术实现步骤摘要】
基于人体运动模块的签名笔迹演示方法、设备及介质


[0001]本申请涉及计算机信息处理
，尤其涉及一种基于人体运动模型的动态签名演示方法。

技术介绍

[0002]密集人体姿态估计是2018年由Facebook和Inria France的研究人员提出的，Parsing
‑
RCNN中提出密集人体姿态估计和人体解析都是属于实例级别的人体分析任务，该任务相比目标检测等问题需要更大，包含更多细节的特征。不同人体部件之间是有联系的，人体分析任务还需要联合不同部件/密集点之间的几何关系和语义关系，在Densepose
‑
RCNN中是没有这样的联系的。为了解决这些问题，Parsing
‑
RCNN提出了对Densepose
‑
RCNN的一些改进，在FPN输出的特征金字塔中，分辨率大的RoI会映射到分辨率较小的特征图上，小的RoI会映射到大的特征图上。实验证明使用PSS对人体部件分析和密集人体姿态估计有很大的提升。
[0003]手写签名的运动过程可以近似理解为人体手臂各部分肌肉共同本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于人体运动模块的签名笔迹演示方法，其特征在于，包括：采集电子签名笔画离散数据进行预处理，获取书写笔画原始轨迹回显书写笔画静态轨迹，调用书写时肌肉运动模型估计书写过程中的肌肉模块数及每个肌肉模块的运动参数；调用肌肉运动模型重构书写签名轨迹，分解书写时人体手臂肌肉运动轨迹，重构肌肉模块运动轨迹，根据肌肉模块运动速度函数确定的角度函数分解得到轨迹函数重构连续书写运动轨迹，进行对数速度分解得到对数速度曲线，模拟对数速度曲线，显示重构书写时肌肉模块运动的静态轨迹及动态轨迹；采用箭头模拟签名书写时手部肌肉模块运动，根据箭头运动和速度曲线对数进行活跃度排序及匹配，结合显示的静态轨迹和动态轨迹动态演示重现书写签名笔画轨迹。2.根据权利要求1所述的方法，其特征在于，所述模拟对数速度曲线、重构书写时肌肉模块运动的静态轨迹及动态轨迹包括：根据提取的运动参数重构轨迹速度曲线，重构的轨迹速度曲线分解为静态轨迹及动态轨迹，对每个肌肉模块的对数速度曲线进行动态回显，将原始签名轨迹回显成静态图像作为背景，根据重构轨迹动态回显动图每一帧的新增点和轨迹；不同肌肉模块对应不同的对数速度曲线，对数速度曲线对应的箭头运动演示书写轨迹；对分解的轨迹速度曲线长度进行排序，长度长的放在前面突出显示，箭头做圆周运动展示合成的重构签名轨迹。3.根据权利要求1所述的方法，其特征在于，所述预处理包括，将获取的电子签名笔画离散的轨迹点用线性插值法，以固定采样率重采样签名轨迹点，并计算等时间采样后的均值将坐标原点调整为右下角书写时的手臂位置，获得书写任意点在原始轨迹的平面坐标x
org
(t)，y
org
(t)，调用公式：(t)，调用公式：计算该点在调整坐标原点后的位置坐标，调用公式：S(t)＝(x(t)，y(t))
T
获得原始签名轨迹S(t)，σ
x
，σ
y
为原始轨迹等时间采样后的标准差；根据原始轨迹中存在的悬浮笔画和断触部分，切分为N段若干笔画，由全部签名笔画段的集合构成整段签名轨迹，根据公式：S(t)＝{S
i
(t)|1≤i≤N}获得整段原始签名轨迹S(t)。其中，S
i
(t)是第i段笔画轨迹。4.根据权利要求1
‑
3其中之一所述的方法，其特征在于，根据签名轨迹点S
i
，通过Sigma Lognormal模型估计组成的肌肉模块数M
i
及每个肌肉模块的运动参数，根据书写第i段笔画时第j块肌肉发出信号的时间开始画圆弧的角度停止画圆弧时的角度圆弧的长度D
ij
，其对数正态分布的标准差σ
ij
和均值μ
ij
，构建书写第i段笔画时第j个肌...

【专利技术属性】
技术研发人员：沈中皓，覃勋辉，申发海，刘科，
申请(专利权)人：重庆傲雄在线信息技术有限公司，
类型：发明
国别省市：