【技术实现步骤摘要】
本专利技术涉及计算机信息处理，具体为一种提升笔迹识别效果的多阶段数据处理方法。
技术介绍
1、电子签名作为一种序列数据，其中包含签署者独特的书写风格、速度、压力等个体特征，这些信息对于确保签名的真实性和准确性至关重要。在电子签名的笔迹识别任务中，电子签名数据质量至关重要。但由于采集留样签名的设备不同、签名者的书写习惯变化以及签名时各种真实场景状态的影响，电子签名数据往往存在一系列质量问题，如：
2、非标准化问题：电子签名数据可能因签名时的状态，如签名的位置、倾斜角度、大小或旋转，而导致采集获取不规范的数据形式；
3、噪声问题：电子签名数据可能受到设备本身的噪声干扰，例如硬件故障、不稳定的输入设备或传感器，导致采集获得的序列数据的不稳定性与不准确性；
4、风格变换问题：不同的签名者在不同时间、不同设备上签名时，会存在书写风格的变化，包括速度、压力等方面的差异，这可能使得同一签名者的不同签名数据之间存在较大差异。
5、包括传统的基于特征工程的机器学习方法与基于数据的深度学习方法，采集的电子签名...
【技术保护点】
1.一种用于笔迹识别的多阶段数据处理方法，其特征在于，包括：数据前处理：采集电子签名留样数据，获取电子签名验证数据，对电子签名留样数据、电子签名验证数据进行规范；数据中处理：提取电子签名留样数据对融合特征分别与电子签名验证数据融合，得到留样-验证数据对融合特征；数据后处理：对笔迹识别模型输出的电子签名数据对得分进行修正、验证，并输出判断结果。
2.根据权利要求1所述的方法，其特征在于，所述对数据进行规范包括：对非标准化数据和数据中的噪声，进行包括但不限于：尺度归一化、方向归一化、断点平滑、高斯噪声数据增广、掩码数据增广中的其中一种或几种预处理，以规范签名数...
【技术特征摘要】
1.一种用于笔迹识别的多阶段数据处理方法，其特征在于，包括：数据前处理：采集电子签名留样数据，获取电子签名验证数据，对电子签名留样数据、电子签名验证数据进行规范；数据中处理：提取电子签名留样数据对融合特征分别与电子签名验证数据融合，得到留样-验证数据对融合特征；数据后处理：对笔迹识别模型输出的电子签名数据对得分进行修正、验证，并输出判断结果。
2.根据权利要求1所述的方法，其特征在于，所述对数据进行规范包括：对非标准化数据和数据中的噪声，进行包括但不限于：尺度归一化、方向归一化、断点平滑、高斯噪声数据增广、掩码数据增广中的其中一种或几种预处理，以规范签名数据；所述数据融合包括：基于动态时间规划对数据对特征进行融合，完成签名风格变换，产生更多样的成对特征；所述对电子签名数据对得分进行修正包括：在笔迹验证时根据签名留样质量自适应调整留样-验证签名分数的修正值。
3.根据权利要求2所述的方法，其特征在于，所述归一化包括：根据原始签名数据轨迹点的最小、最大坐标(xmin，ymin)、(xmax，ymax)，调用公式：获得尺度归一化后轨迹点坐标根据原始签名轨迹坐标点角度θ、标准旋转角度θstd，根据公式：r＝θstd-θ计算原始签名轨迹坐标点角度差,根据公式：
4.根据权利要求2所述的方法，其特征在于，所述断点平滑处理包括：根据横坐标、纵坐标的频域表示x(ω),y(ω)、频率ω、滤波器的截止频率ωc、滤波器的阶数n，调用公式：
5.根据权利要求2所述的方法，其特征在于，所述高斯噪声数据增广、掩码数据增广包括：根据原始电子签名数据轨迹点坐标(xi,yi)的噪声振幅a、噪声信号频率fi、噪声信号相位φ，调用公式：
6.根据权利要求2所述的方法，其特征在于，所述自适应调整留样-验证签名分数的修正值进一步包括：计算每个留样的质量分数并根据质量分数给予高质量留样的权重大于低质量留样的权重，根据权重对差异最小的留样-验证签名对与差异最大的留样-验证签名对进行动态修正。
7.根据权利要求1-6其中之一所述的方法，其特征在于，对数据对特征进行融合进一步包括：计算签名书写特征、基于动态时间规划对齐数据对特征、概率融合数据对特征及标签、输入电子笔迹识别模型获得留样-验证签名分数及留样质量分数；自适应调整留样-验证签名分数的修正值包括：计算留样-验证签名分数最大、最小值及平均值，计算质量分数最大、最小值及平均值，质量分数拟合t分布计算留样差异度修正留样-验证签名分数。
8.根据权利要求1-6其中之一所述的方法，其特征在于，所述概率融合成对特征及标签进一步包括：从电子...
【专利技术属性】
技术研发人员：覃勋辉，陈伟聪，刘科，
申请(专利权)人：重庆西部笔迹大数据研究院，
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。