【技术实现步骤摘要】
本专利技术属于图像处理、人工智能和签名身份鉴定等，具体涉及一种基于跨层弱监督与学习的多模态离线签名鉴定方法。
技术介绍
1、签名作为个人姓名的独特手写表示或标记，由于其使用简单，长时间以来被广泛的用在银行支票、合同签署、商贸交易等场景下，受法律承认与保护。现有的鉴定方法依赖于笔迹鉴定专家，鉴定过程复杂且耗时较长，同时具有滞后性与被动性，只有受到损失后受害人才会对伪造签名进行认证获取证据，而难以提前认证来规避损失。所以一种基于计算机完成的自动签名鉴定方法具有重要的应用价值，即能对笔迹鉴定专家提供辅助作用，又能对冒充他人身份签名等行为进行主动查验与预防，为人们的日常生活提供更高的安全保障。
2、随着电子化的普及，签名的承载实体不仅局限于纸质文书，还包括了各类电子设备，书写工具包含了传统笔具、电容笔、手指等各类材质，由此产生了不同模态的签名数据。受数位板、平板、智能手机等电子设备的硬度、采样率、灵敏度等因素的影响，同一人的电子签名笔迹与普通签名笔迹在笔画基本形态特征、笔画交叉特征、连笔特征上呈现出了不同的特点。所以我们需要一个能够...
【技术保护点】
1.一种基于跨层弱监督学习的多模态离线签名鉴定方法，其特征在于，所述鉴定方法包括以下步骤：
2.如权利要求1所述的一种基于跨层弱监督学习的多模态离线签名鉴定方法，其特征在于，所述步骤3中，所述跨层特征提取模块是一个基于CNN的孪生网络架构，所述结构包含两个共享参数的分支，每个分支由五个级联的基础卷积层组成；每个基础卷积层包含两个具有Relu激活函数的卷积层与BN层，除最后一个模块外还包含一个最大池化层，最终输出为后三个基础卷积层计算出的签名特征组合；
3.如权利要求1或2所述的一种基于跨层弱监督学习的多模态离线签名鉴定方法，其特征在于，所述步骤...
【技术特征摘要】
1.一种基于跨层弱监督学习的多模态离线签名鉴定方法，其特征在于，所述鉴定方法包括以下步骤：
2.如权利要求1所述的一种基于跨层弱监督学习的多模态离线签名鉴定方法，其特征在于，所述步骤3中，所述跨层特征提取模块是一个基于cnn的孪生网络架构，所述结构包含两个共享参数的分支，每个分支由五个级联的基础卷积层组成；每个基础卷积层包含两个具有relu激活函数的卷积层与bn层，除最后一个模块外还包含一个最大池化层，最终输出为后三个基础卷积层计算出的签名特征组合；
3.如权利要求1或2所述的一种基于跨层弱监督学习的多模态离线签名鉴定方法，其特征在于，所述步骤1中，图像处理的过程如下：
4.如权利要求1或2所述的一种基于跨层弱监督学习的多模态离线签名鉴定方法，其特征在于，所述步骤2中，网络模型处理的最小数据单元为签名样本对，一方作为参考签名，一方作为待鉴定签名；签名样本具有两种模态：使用铅笔、钢笔、签名笔在纸质材料上书写的签名的扫描图像，在此简称为纸质签名图像；使用电容笔、电磁笔、手指在电子屏幕上书写的签名的数字图像，在此简称为电子签名图像，多模态训练数据集合的构建过程为：
5.如权利要求2所述的一种基于跨层弱...
【专利技术属性】
技术研发人员：张永良，王嘉航，周子涵，陈紫鹏，李子文，
申请(专利权)人：浙江工业大学，
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。