CN103106413A - 一种签名二维码表示与认证的方法 - Google Patents

Abstract

本发明提供一种签名二维码表示与认证的方法。它属于图像处理的技术领域，涉及签名认证算法和二维条码编码与识别算法。本发明主要包括：首先通过扫描仪获取与预处理签名图像；然后对签名图像的矩特征进行特征提取，将签名特征隐藏到二维条码中；最后将隐藏有生物特征信息的二维条码打印于各类证件上，提供识别。本方法可以将签名这种行为特征与物联网技术相结合，提供一种新型的身份认证与防伪方法，有助于信息的流通和管理。

Description

一种签名二维码表示与认证的方法

技术领域

本发明涉及签名认证算法和二维条码编码与识别算法，特别是涉及一种新型的基于签名特征的身份表示与认证的方法，属于图像处理领域。

背景技术

当今，物联网快速发展，二维码作为物联网发展的重要组成成分，越来越受到重视，被广泛的应用在物流、证件等各个领域。签名，在中国有着非常悠久的历史，从很早以前被用来作为辨识不同人的方法，相对于指纹、虹膜等生物特征，签名对于使用者有着良好的心理基础，很容易被使用者接受。然而直接将签名信息暴露在外，不具有隐藏性和保密性，对于使用者来说并不十分安全，本发明提出将签名信息隐藏于二维条码中，结合了两者的优势与特点，是一种有效的身份表达方式。

目前，已有基于生物特征的二维码式身份认证系统或方法的报道，但都是基于指纹信息的二维条码认证或是人脸信息二维条码认证，基于签名信息的二维码码认证尚未出现。

发明内容

本发明的目的在于提供一种新型的签名特征隐藏与认证的方法。该方法可以隐藏签名生物特征信息到二维条码中，从而有助于身份的认证和防伪。

本发明的技术方案是：一种签名二维码表示与认证的方法，其包括：

S1）获取签名图像并进行预处理；

S2）提取预处理后签名图像的几何形状特征；

S3）将几何形状特征进行特征训练得到阈值信息；

S4）将几何形状特征和阈值信息，进行编码生成二维条码；

S5）在进行认证时，采集现场签名与二维条码进行比对，给出匹配分数，得到是否匹配的判别结果。

所述的方法，步骤S1具体包括：

S11）利用摄像设备，采集签名图像；

S12）对签名图像进行灰度化、去噪和二值化处理；

S13）将二值化处理后的图像在水平方向和垂直方向上投影，找到各签名在图像中的位置，对签名进行分割。

所述的方法，步骤S13具体包括：

S131）将二值化处理后的图像向垂直方向进行投影，得到垂直一维数组，记录该数组数据从0值跳变为非0值以及从非0值跳变至0值的垂直跳变点，根据该垂直跳变点分割签名图像在垂直方向上的位置，将图像分割为子图像G_i，其中i=1、2…M,M为垂直方向分割数；

S132）对各子图像G_i进行水平方向上投影，得到水平一维数组，记录该数组数据从0值跳变为非0值以及从非0值跳变至0值的水平跳变点，根据该水平跳变点分割各子图像G_i在水平方向上的位置，从而得到签名图像I_j，其中j=1、2…M*N,N为水平方向分割数。

所述的方法，步骤S2的几何形状特征包括图像的长宽比、字体的倾斜度、拉长度、伸展度、水平偏移量、垂直偏移量、水平伸展平衡度和垂直伸展平衡度。

所述的方法，步骤S3具体包括：

S31）对几何形状特征的矩特征向量计算类内方差；

S32）将该方差取平方根得到标准差，将该标准差作为签名人的阈值。

所述的方法，步骤S4具体包括：将几何形状特征和阈值信息作为签名特征信息，加入数字签名后再加密、编码，得到签名特征信息的二维码。

所述的方法，步骤S5具体包括：

S51）按照步骤S1、S2的方法得到现场签名的几何形状特征；

S52）将步骤S4的二维条码解码后获得签名图像的几何形状特征和阈值信息；

S53）计算现场签名与签名图像的几何形状特征之间的马氏距离，如果马氏距离大于阈值信息，则现场签名与签名图像不匹配，否则判定为匹配。

本发明的优点：本方法可以将签名这种行为特征与物联网技术相结合，提供一种新型的身份认证与防伪方法，有助于信息的流通和管理。

附图说明

图1为获取签名特征二维码的过程。

图2现场签名的认证的具体流程框图。

图3为本发明中签名预处理的示意图。

图4为本发明中获取的原始签名图像。

图5为本发明中采用预处理后得到的签名图像。

具体实施方式

本发明是一种基于签名的二维码信息隐藏与认证方法，本发明首先在通过扫描仪获取签名图像，对图像进行预处理，对签名进行几何矩特征提取，然后进行训练，并将训练得到的阈值和几何特征向量进行数字签名和加密，根据快速响应码国家标准，编码到快速响应码中，实现签名信息的隐藏，再将隐藏有生物特征信息的二维条码打印于各类证件上，提供识别。再将二维码进行识别、解码、解密，和现场签名比对，进行认证。

本发明有以下三个技术关键点：

1）利用大律法（OTSU）对签名图像进行二值化，利用水平和垂直方向投影对原图进行分割，完成签名图像的预处理；

2）采用计算签名的矩特征的方法，提取获得签名图像的八个特征信息，包括长宽比、字体的倾斜度、拉长度、伸展度、水平偏移量、垂直偏移量、水平伸展平衡度、垂直伸展平衡度，全面刻画了签名的特征，采用训练的方法，得到阈值，采用该阈值进行后续认证的判定，使签名识别结果更可靠，能够有效地提高识别率；

3）对二维码解码的数据进行解密以及数字签名的验证的工作，和现场获得的签名图像进行特征匹配，获得认证结论。

本发明的基于签名的二维码式身份表示与认证方法，包括：首先获取签名的图像并进行预处理；然后提取签名的几何形状特征，即矩特征衍化而来的8种形状特征向量，并将这些特征进行特征训练；最后将得到的特征数据以及阈值信息，进行编码生成二维条码；在进行认证时，采集现场签名与二维条码进行比对，得出匹配分数，给出是否匹配的判别结果。

所述的方法，对扫描仪获取的签名进行图像特征隐藏的方法，具体包括以下步骤：

1）利用摄像设备，采集签名图像。

2)对签名图像进行灰度化，去噪，二值化，再将图像在水平方向和垂直方向上投影，找到各签名在图像中的位置，对签名进行分割；

3）对于签名图像计算以下八个形状特征，包括图像的长宽比、字体的倾斜度、拉长度、伸展度、水平偏移量、垂直偏移量、水平伸展平衡度、垂直伸展平衡度；

4）对于提取得到的签名图像特征进行训练，将得到的阈值以及签名特征向量，进行保存。

5）将保存的信息以字节编码方式编码到二维条码中，实现图像特征的隐藏。

所述的方法，对签名图像进行特征提取方法为：计算图像的矩特征，由图像的中心距特征推导衍化出归一化形状特征。

所述的方法，对签名图像进行特征训练方法为：

1）对于采集的8幅签名图像计算矩特征向量；

2）将这些矩特征向量计算类内方差；

3）将该方差取平方根得到标准差，将该值作为签名人的阈值。

所述的方法，对签名图像进行预处理方法为：对图像进行灰度化，采用中值滤波去噪，采用OTSU算法二值化，再将图像向垂直方向投影，在垂直方向上分割不同的签名，再分别在区域内在水平方向投影，达到分割单个签名的目的。

所述的方法，将加密后签名特征信息编码到二维码中，制作二维码身份标识的步骤包括：

1）将签名特征信息加入数字签名、加密、编码，得到隐藏信息的二维码；

2）将生成的二维码与个人身份信息一同，制作二维码身份标识（如工作卡、身份卡等）；

3）将二维码身份标识卡分发给卡片持有人。

所述的方法，解码二维码图像，得到其中隐藏的信息，和现场获得的签名进行特征匹配，特征匹配的步骤包括：

1）将现场获得的签名进行图像预处理、特征提取，提取签名的几何形状特征；

2）将从二维码中获得的信息，解密还原数据，得到签名特征数据、签名阈值数据和数字签名数据部分；

3）对还原的内容进行数字签名的认证，核对信息是否被修改；

4）匹配签名特征，得到签名匹配分数，如果大于阈值，则判定为符合，否则为不符合。

具体实施时，基于签名的二维条码标识生成与认证方法，包括：首先扫描签名图像，采用全局阈值的方法对图像进行二值化处理，并进行归一化；然后将图像在水平和垂直方向进行投影，实现签名的分割；接着，对于签名图像提取矩特征信息，对特征进行训练，得到阈值信息；然后将签名的几何特征信息和阈值，进行数字签名，将数字签名添加其后，再进行非对称密钥加密，采用私钥对其加密，最后将加密后的信息编码到二维条码中，实现信息的隐藏。在对签名二维码进行认证时，首先获取现场签名，采用同样方法进行预处理与特征提取；其次获取二维码中包含的信息，通过非对称密钥的公钥进行解密，分割信息部分和数字签名部分，对信息的完整性进行认证，判定信息是否遭到篡改，如果核对正确，进入下一步，否则认定二维码标识不合法；最后提取得到二维码中的特征，与现场签名的特征计算马氏距离，判定距离是否大于阈值，如果大于阈值，则判定认证不成功，否则认证成功。

所述的方法，对签名图像进行采集的方法包括：将纸张均匀的分为M行N列，在各部分进行签名，以提供足够的签名图像用于特征提取，采集时采用扫描仪或者照相机获取图像。

所述的方法，对签名图像进行二值化和分割的方法具体包括以下步骤：

1）对扫描仪得到的图像F₀进行灰度化得到图像F₁,对图像F₁采用十字形滤波模板进行中值滤波，得到F₂；

2）对于图像F₂采用OTSU方法进行二值化处理，将图像转化成为二值图像F₃；

3）将二值图像F₃进行像素值取反，得到图像F₄，对图像进行形态学闭操作，得到图像F₅。

3）将二值化图像F₅向垂直方向进行投影，得到一维数组，记录数据从0值跳变为非0值以及从非0值跳变至0值的跳变点，根据该跳变点分割签名图像在垂直方向上的位置，将图像F₅分割为图像G_i(i＝1~M)；

4）对图像G_i进行水平方向上投影，得到一维数组，记录数据从0值跳变为非0值以及从非0值跳变至0值的跳变点，从而得到签名图像I_i(i＝1~MN);

5）从分割与预处理得到的结果中选择8张较好的签名图像的扫描图I₁到I₈用作后续处理。

所述的方法，对签名图像进行特征提取和训练的方法具体包括以下步骤：

1)利用签名图像图像I₁到I₈，对每一幅图像计算其二阶和三阶中心距；

2)由签名图像的二阶中心距和三阶中心距计算图像的8个几何特征：长宽比m₀、字体的倾斜度m₁、拉长度m₂、伸展度m₃、水平偏移量m₄、垂直偏移量m₅、水平伸展平衡度m₆、垂直伸展平衡度m₇。

3）同一人有8张签名图像，对这每一张签名图像I_i(i＝1~8)分别得到的这8个特征组成的向量

对其进行训练，计算类内标准差σ，将类内标准差作为阈值。最后得到的8个特征向量

和一个阈值σ，记为M₁。

所述的方法，对签名特征进行数字签名和不对称加密的方法具体包括如下步骤：

1）对签名得到的特征数据M₁，采用安全散列算法SHA计算消息摘要，得到信息的数字签名S₁，添加在原有数据尾部，得到数据M₂；

2）对数据M₂加密，采用不对称加密算法产生的私钥Y₁进行加密，得到加密后的密文数据M₃。

所述的方法，对从二维码提取的数据进行解密和初步认证的方法包括如下步骤：

1）对提取的数据N₁采用不对称加密算法产生的公钥Y₂进行解密，得到解密后的明文数据N₂,；

2）对明文数据进行分割，分割得到原始签名数据O和数字签名部分S₂，利用安全散列算法对原始数据O计算消息摘要，得到S₃，判断得到的消息摘要S₃和S₂是否一致，如果一致则完成该项认证，否则提示该二维码的信息不合法；

所述的方法，对签名图像和二维码进行认证的方法包括如下步骤：

1）对现场获得的签名采用前述特征提取的方法，进行特征提取，获得特征向量

2）对从二维码中提取的原始数据O，分割出特征向量

和阈值数据σ；

3）计算特征向量

和的马氏距离，得到距离μ，如果μ>σ，则判定认证不成功，不是同一人的签名，否则判定是同一人的签名。

下面结合附图和具体实施例对本发明作进一步详细说明。如图1、图2所示：一种基于签名的二维码信息隐藏与认证方法有信息隐藏和认证两个部分：

一、签名二维码的信息隐藏部分

步骤一、分割单个签名图像：

用扫描仪器读取原始签名图像，如图4所示，扫描仪器将图像信息发送给计算机，计算机对图像进行灰度化、中值滤波，采用大律法将签名二值化，之后对图像的像素值取反。然后如图3所示，先将图像向垂直方向投影，累计像素值之和，得到投影数组y，获取从上到下由零值跳变到非零值的坐标点y_0i(i＝0~M)，和由非零值跳变到零值的坐标点y_1i(i＝0~M)。把图像按照坐标点的位置分割为y_0i~y_1i的区域，一共M个区域，如图3所示。

再对这M个区域的图像在水平方向进行投影，累计像素值之和，得到投影数组x，获取从左到右由零值跳变到非零值的坐标点y_0i(i＝0~M)，和由非零值跳变到零值的坐标点y_li(i＝0~M)。把图像按照坐标点的位置分割为y_0i~y_1i的区域，一共M个区域，如图3所示。

步骤二、对签名图像进行特征提取

对分割后得到的单个签名图像，如图5所示，在计算签名图像的8项几何特征前，先计算图像的矩特征。设定单个签名图像f(x,y)的大小是X×Y,其中x为横坐标（分割数为M)，X为横坐标宽度，y为纵坐标（分割数为N)，Y为纵坐标高度；那么图像的p+q阶矩特征u_pq计算公式如下：

$u_{\mathrm{pq}}=\underset{x=0}{\overset{M-1}{\mathrm{\Σ}}}\underset{y=0}{\overset{N-1}{\mathrm{\Σ}}}{(x-\stackrel{\‾}{x})}^p{(y-\stackrel{\‾}{y})}^{q}f(x,y)$

$\stackrel{\‾}{x}=\frac{\underset{x=0}{\overset{M-1}{\mathrm{\Σ}}}\underset{y=0}{\overset{N-1}{\mathrm{\Σ}}}\mathrm{xf}(x,y)}{\underset{x=0}{\overset{M-1}{\mathrm{\Σ}}}\underset{y=0}{\overset{N-1}{\mathrm{\Σ}}}f(x,y)}$

$\stackrel{\‾}{y}=\frac{\underset{x=0}{\overset{M-1}{\mathrm{\Σ}}}\underset{y=0}{\overset{N-1}{\mathrm{\Σ}}}\mathrm{yf}(x,y)}{\underset{x=0}{\overset{M-1}{\mathrm{\Σ}}}\underset{y=0}{\overset{N-1}{\mathrm{\Σ}}}f(x,y)}$

其中，u₂₀和u₀₂分别表示签名图像在水平方向上和垂直方向上的伸展度，u₁₁表示签名图像的倾斜度，为正表示向左上倾斜，为负表示向右上倾斜，u₃₀和u₀₃分别表示签名图像在水平方向和垂直方向上的重心偏移度，为正表示图像重心偏左偏上，为负表示图像重心偏右偏下，u₂₁和u₁₂分别表示签名图像在水平方向和垂直方向伸展的均衡程度，为正表示图像下边、右边伸展较大，为负表示图像上边、左边伸展较大。

因为三阶矩和二阶矩不同，其取值可正

可负

在此定义

$u_{\mathrm{pq}}=u_{\mathrm{pq}}^{+}-u_{\mathrm{pq}}^{-}$

接着，计算签名图像的八项几何特征，由二阶和三阶矩推导得到以下特征：

特征一、长宽比特征

签名的长度和宽度的比例，用m₀记录：

$m_0=(\frac{u_{20}-u_{02}}{u_{20}+u_{02}}+1)/2$

特征二、字体倾斜度特征

签名的字体倾斜程度，用m₁记录：

$\begin{array}{c}{m}_1=\frac{\mathrm{\θ}}{\mathrm{\π}/2}\\ \mathrm{\θ}={\tan }^{-1}\frac{u_{02}-u_{20}+\sqrt{{(u_{02}-u_{20})}^2+{4u}_{11}^2}}{2u_{11}}\end{array}$

特征三、拉长度特征

签名的拉长度特征，用m₂记录：

$m_2=\frac{{\mathrm{\λ}}_1-{\mathrm{\λ}}_2}{{\mathrm{\λ}}_1+{\mathrm{\λ}}_2}$

${\mathrm{\λ}}_1=\frac{u_{02}+u_{20}+\sqrt{{(u_{02}-u_{20})}^2+4u_{11}^2}}{2}$

${\mathrm{\λ}}_2=\frac{u_{02}+u_{20}-\sqrt{{(u_{02}-u_{20})}^2+4u_{11}^2}}{2}$

特征四、伸展度特征

签名的伸展度特征，用m₃记录，其中size表示字符点阵的大小：

$m_3=\frac{\sqrt{(u_{02}+u_{20})/m_{00}}}{\mathrm{size}}$

$\mathrm{size}=\sqrt{(x_{\max }-x_{\min })(y_{\max }-y_{\min })}$

$m_{00}=\underset{x=0}{\overset{M-1}{\mathrm{\Σ}}}\underset{y=0}{\overset{N-1}{\mathrm{\Σ}}}f(x,y)$

X_max为横坐标最大值，X_min为横坐标最小值，y_max为纵坐标最大值，y_min为纵坐标最小值。特征五、水平偏移量

签名在水平方向上重心偏移的程度，用m₄记录：

$m_4=(\frac{u_{30}^{+}-u_{30}^{-}}{u_{30}^{+}+u_{30}^{-}}+1)/2$

特征六、垂直偏移量

签名在垂直方向上重心偏移的程度，用m₅记录：

$m_5=(\frac{u_{03}^{+}-u_{03}^{-}}{u_{03}^{+}+u_{03}^{-}}+1)/2$

特征七、水平伸展平衡度

签名在水平方向上伸展的均衡程度，用m₆记录：

$m_6=(\frac{u_{21}^{+}-u_{21}^{-}}{u_{21}^{+}+u_{21}^{-}}+1)/2$

特征八、垂直伸展平衡度

签名在垂直方向上伸展的均衡程度，用m₇记录：

$m_7=(\frac{u_{12}^{+}-u_{12}^{-}}{u_{12}^{+}+u_{12}^{-}}+1)/2$

将这些特征提取后形成特征向量，对于8幅签名图像进行上述特征提取后得到8个特征向量

步骤三、对特征进行训练

对步骤二获得大特征向量

采用SVM进行特征训练，获得类内标准差σ，将其作为阈值。

步骤四、对签名特征及阈值进行数字签名、加密编码

将上述步骤得到的特征向量

以及标准差σ按照顺序排列得到数据M₁，采用安全散列算法SHA对该数据计算消息摘要，将计算得到的消息摘要数据S₁添加在M₁后，得到数据M₂。

采用不对称加密算法生成一对不对称密钥，将私钥Y₁用于加密数据M₂，从而获得密文数据M₃。接着对密文数据按照八位字节格式，根据国标GB/T 18284-2000[S]进行二维码编码，生成隐藏有签名特征的二维码。

二、签名二维码的认证部分

步骤一、初步认证签名二维码的完整性

从二维码中解码得到密文数据N₁，使用公钥Y₂对数据进行解密，得明文数据N₂。接着对明文数据N₂进行数据的分割，分离出原始签名特征数据O和数字签名数据S₂。再采用安全算列算法对原始数据O计算消息摘要，得到摘要数据S₃，对比数据S₃和S₂，如果S₃和S₂完全一致，则数字签名的认证成功，信息没有中途被篡改，提供的二维码是合法的，否则，认证不成功，所提供的二维码非法，不再进行下一步认证。

将获取的合法的原始签名特征数据O分割为特征向量和阈值σ。

步骤二、获取现场签名

采用签名二维码的信息隐藏部分步骤一和步骤二的方法，对现场签名进行采集，获得现场签名的特征向量

步骤三、特征比对

采用马氏距离分类器来进行原始签名几何特征

和验证签名特征的识别，把两者的特征向量相比较：

$d(\mathrm{vec}1,\mathrm{vec}2)=\sqrt{\underset{i,j}{\mathrm{\Σ}}\{\mathrm{mat}(i,j)*(\mathrm{vec}1\left(i\right)-\mathrm{vec}2\left(i\right))*(\mathrm{vec}1\left(j\right)-\mathrm{vec}2\left(j\right))\}}$

其中vec1和vec2是待识别的几何特征向量

和

mat(i,j)是协方差矩阵的逆矩阵，i、j为相应向量的元素序数，d(vec1,vec2)表示两个向量之间的马氏距离。

计算得到距离为μ，如果μ大于阈值σ，则判定认证不成功，不是同一人的签名，否则判定是同一人的签名，认证成功。

本签名二维码表示与认证方法是一种融合离线签名识别和二维码的技术，本发明通过提取签名的几何特征、训练，并加入数字签名与加密，编码到二维码中，实现信息的隐藏，是一种防伪新方法。将二维码打印在证件、卡片上，方便携带和管理，本发明利用了二维码的这一特点，达到签名二维码的目的。

Claims (7)

1.一种签名二维码表示与认证的方法，其特征在于包括：

S1）获取签名图像并进行预处理；

S2）提取预处理后签名图像的几何形状特征；

S3）将几何形状特征进行特征训练得到阈值信息；

S4）将几何形状特征和阈值信息，进行编码生成二维条码；

S5）在进行认证时，采集现场签名与二维条码进行比对，给出是否匹配的判别结果。

2.根据权利要求1所述的方法，其特征在于，步骤S1具体包括：

S11）利用摄像设备，采集签名图像；

S12）对签名图像进行灰度化、去噪和二值化处理；

S13）将二值化处理后的图像在水平方向和垂直方向上投影，找到各签名在图像中的位置，对签名进行分割。

3.根据权利要求2所述的方法，其特征在于，步骤S13具体包括：

S131）将二值化处理后的图像向垂直方向进行投影，得到垂直一维数组，记录该数组数据从0值跳变为非0值以及从非0值跳变至0值的垂直跳变点，根据该垂直跳变点分割签名图像在垂直方向上的位置，将图像分割为子图像G_i，其中i＝1、2…M，M为垂直方向分割数；

S132）对各子图像G_i进行水平方向上投影，得到水平一维数组，记录该数组数据从0值跳变为非0值以及从非0值跳变至0值的水平跳变点，根据该水平跳变点分割各子图像G_i在水平方向上的位置，从而得到签名图像I_j，其中j=1、2…M*N,N为水平方向分割数。

4.根据权利要求1所述的方法，其特征在于：步骤S2的几何形状特征包括签名图像的长宽比、字体的倾斜度、拉长度、伸展度、水平偏移量、垂直偏移量、水平伸展平衡度和垂直伸展平衡度。

5.根据权利要求1所述的方法，其特征在于，步骤S3具体包括：

S31）对几何形状特征的各矩特征向量计算类内方差；

S32）将该方差取平方根得到标准差，将该标准差作为阈值信息。

6.根据权利要求1所述的方法，其特征在于，步骤S4具体包括：将几何形状特征和阈值信息作为签名特征信息，加入数字签名后再加密、编码，得到签名特征信息的二维条码。

7.根据权利要求1所述的方法，其特征在于，步骤S5具体包括：

S51）按照步骤S1、S2的方法得到现场签名的几何形状特征；

S52）将步骤S4得到的二维条码解码后获得签名图像的几何形状特征和阈值信息；

S53）计算现场签名与签名图像的几何形状特征之间的马氏距离，如果马氏距离大于阈值信息，则现场签名与签名图像不匹配，否则判定为匹配。

Images