【技术实现步骤摘要】
基于对抗擦除机制跨模态笔迹比对方法、系统、设备及介质
[0001]本申请涉及电子签名笔迹识别技术,尤其涉及基于深度特征擦除学习跨模态笔迹比对方法。
技术介绍
[0002]跨模态笔迹比对技术是指运用不止一种形式的数据(如纸质笔迹图像,笔迹轨迹序列)进行笔迹比对,利用不同模态内容的相关性进行系统性能优化。目前,该技术仍处于早期研究阶段,仅仅存在少数方法及研究思路用于相关工作。这些方法路线大致可分为两大类:基于多模态联合特征学习、基于跨模态关系建模。基于多模态联合特征学习的方法侧重于加强不同模态特征的有效融合,这类方法通常需要设计复杂的融合网络,尽可能充分提取多模态签名数据中各个模态所蕴涵的丰富特征,并以最优方式将这些特征融合,最后将融合结果送入决策层获得最终比对结果。为了能够对多种模态信息进行特征融合,这类方法大多采用了多编码器的方法,并通过嵌入注意力模块提升识别精度,造成模型复杂度过高,计算量过大,训练时间长等问题。基于跨模态关系建模的方法主要侧重挖掘不同模态数据间的内在关联,这类方法通常使用多个特征编码器将多种模态的笔迹信息映射到同一潜在的公共特征空间,使得到的公共特征向量同时包含跨模态的信息,最后基于这些包含跨模态信息的公共特征向量用于下游的笔迹比对。为了充分捕获不同模态数据间的内在关联,这类方法通常依赖海量的多模态签名数据进行模型预训练,其次,受制于不同模态数据间的关联程度,模型在训练过程中可能出现难以收敛,优化困难等问题。
[0003]签名鉴别技术与其他生物测定技术相比,具有足够的动态信息、难模仿、区分 ...
【技术保护点】
【技术特征摘要】
1.一种基于对抗擦除机制的跨模态笔迹比对方法,其特征在于,进行纸质签名分割获取二值化纸质手写签名图像并预处理,将预处理后的二值化纸质手写签名图像和电子签名图像成对输入特征编码器,特征编码输出的高层语义特征图经过通道池化操作,获取自注意空间特征图,经过通道平均池化得到特征自注意图,基于自注意空间特征图进行阈值选择,确定并获取丢弃掩膜Drop Mask,基于自注意空间特征图进行函数激活,得到显著特征热力图,显著特征热力图与Drop Mask进行空间点乘操作,得到纸质手写签名二值化图像的待擦除区域,将待擦除区域与高层语义特征图进行空间点乘操作,完成特征擦除得到二值化手写签名掩膜图像;以成对的二值化手写签名掩膜图像和电子签名为笔迹特征鉴定器输入,基于二元交叉熵损失确定目标损失,当损失函数收敛,完成模型训练;笔迹特征鉴定器根据特征擦除后的特征图,强制对纸质手写签名与电子签名笔迹特征是否属于同一人书写进行推断。2.如权利要求1所述的跨模态笔迹比对方法,其特征在于,所述获取二值化纸质签名图像包括:获取包含签名的纸质签名数据和二值化签名掩膜数据,设置纸质签名数据为源域A,二值化签名掩膜数据为目标域B;深度卷积神经网络随机读取源域A、目标域B中的非成对数据作为网络输入;训练深度卷积神经网络,直至网络收敛,得到训练好的源域A到目标域B转换模型和目标域B到源域A转换模型,以纸质签名数据作为输入,经过源域A到目标域B转换模型前向传播,对纸质签名进行背景移除再二值化处理,得到二值化纸质手写签名图像。3.如权利要求1所述的跨模态笔迹比对方法,其特征在于,所述预处理包括:移除签名周围噪点及笔画边缘噪声,对二值化纸质手写签名图像进行放缩调整至预定分辨率后,检测其中各个连通分量的轮廓,逐个遍历每个轮廓并计算各个轮廓的区域面积,对小于设定噪点面积阈值的轮廓进行零值填充,完成噪点清除;对二值化手写签名图像I
m
进行膨胀dilate和腐蚀erode操作,得到膨胀后签名掩膜图像dilate(I
m
)和腐蚀后签名掩膜图像erode(I
m
),调用公式:I
d
=dilate(I
m
)
‑
erode(I
m
)得到移除笔画边缘噪声后的手写签名二值化图像Id。4.如权利要求1
‑
3其中之一所述的跨模态笔迹比对方法,其特征在于,所述特征擦除进一步包括:以编码器输出的联合特征F∈R
H*W*C
作为输入,通过通道池化操作,生成特征自注意图M
att
∈R
H*W
;基于特征自注意图进行阈值二值化,将大于阈值的像素设为0,小于阈值的像素设为1,得到丢弃掩膜M
drop
∈R
H*W
;使用激活函数Sigmoid对特征自注意图进行激活,得到显著特征热力图M
imp
∈R
H*W
;将待擦除区域与编码器输出进行空间点乘操作,隐藏编码器输出特征最具有判别力的部分,得到完成特征擦除的手写签名二值化掩膜图像,其中,R表示特征向量空间,H表示特征图的高度,W表示特征图的宽度,C表示特征图的通道个数。5.如权利要求1
‑
3其中之一所述的跨模态笔迹比对方法,其特征在于,所述基于二元交叉熵损失确定目标损失包括:设置二元标签y
i
,计算带标签签名特征属于标签y
i
的概率p(y
i
),以及带标签签名特征不属于标签y
i
的概率p(1
‑
y
i
),根据公式:计算网络分支的损失,由此确定特征擦除分支损失和特征...
【专利技术属性】
技术研发人员:陈双浩,覃勋辉,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:
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。