CN103235957B - 一种基于手掌侧表面信息的在线笔迹认证方法及系统 - Google Patents

Abstract

本发明公开了一种基于手掌侧表面信息的在线笔迹认证方法及系统，该方法包括，注册用户的手写特征信息，对测试用户提交的测试特征信息进行认证，如与注册用户手写特征信息相符则通过认证，否则拒绝通过认证；所述手写特征信息为同时采集的包含在一次书写过程中的手写笔迹信息，以及该书写过程中执笔手与书写平面接触的手掌侧表面的动态信息和静态信息。相对于现有技术采集相互独立的特征以完成认证，本发明同时获取书写过程中的手写特征信息，通过对所述手写笔迹和手掌侧表面动、静态信息进行多特征融合，避免了现有技术采用相互独立的特征采集进行认证带来的安全问题，提高了认证系统的整体安全性。<!--1-->

Description

一种基于手掌侧表面信息的在线笔迹认证方法及系统

技术领域

本发明涉及在线笔迹认证，特别是一种基于手掌侧表面信息的在线笔迹认证方法及系统。

背景技术

随着电子商务的飞速发展，网络环境下的用户身份认证问题变得日益突出。手写笔迹因其具备的种种特性天然地适合于网络环境下的应用。但是，由于真实笔迹之间固有的差异以及潜在高相似性摹仿笔迹的威胁使得目前在线笔迹认证方式无法完全满足应用系统的安全需求。因此，人们想到将手写笔迹与其它生理特征进行融合，来提高系认证统的整体安全性。在中国专利公开号为CN1794266A，名称为“生物特征融合的身份识别和认证方法”专利中，公开了将手写笔迹与人脸、虹膜等生理特征相融合的方法。

然而，在网络环境下使用上述的融合方法存在的一个安全漏洞，即相互独立的特征采集过程。攻击者在分别收集到用户的特征后，将其依次呈现给认证系统，在这种情况下，认证系统整体安全性为各个子系统的最大者。所谓独立的特征采集过程是指因为生理特征属于身体的不同部分或行为特征蕰涵在不同的过程中，一种特征的采集不以其它特征的采集为前提。显然，采集过程相互独立的多特征融合无法真正解决在线认证的安全问题。

发明内容

本发明的目的在于克服上述现有技术的不足而提出一种基于手掌侧表面信息的在线笔迹认证方法，该方法同时采集手写过程产生的手写笔迹信息以及持笔手与书写平面相接触产生的手掌侧表面动态信息、静态信息，通过对所述同时采集的手写笔迹、手掌侧表面动态信息和/或静态信息等三种特征认证结果的融合，避免现有技术采用相互独立的特征采集进行认证带来的安全问题，从而提高了认证系统的整体安全性。

实现本发明目的采用的技术方案是：一种基于手掌侧表面信息的在线笔迹认证方法，包括：

第一步骤：提取注册用户的手写特征信息，并进行用户注册；

第二步骤：提取待测试用户的手写特征信息，并进行认证，如与注册用户手写特征信息相符则通过认证，否则拒绝通过认证；

所述手写特征信息为同时采集的包含在一次书写过程中的手写笔迹信息，以及该书写过程中执笔手与书写平面接触的手掌侧表面的动态信息或静态信息；或者是同时采集的包含在一次书写过程中的手写笔迹信息，以及该书写过程中执笔手与书写平面接触的手掌侧表面的动态信息和静态信息。

所述手写笔迹信息包括笔尖位置信息、笔尖施加于书写平面的三维压力信息、笔杆相对于书写平面的夹角和倾角信息；

所述静态信息包括执笔手与书写平面接触的手掌侧表面纹路图像信息；

所述动态信息包括手掌侧表面施加在书写平面的压力分布信息、手掌侧表面与书写平面接触的轮廓图像信息、手掌侧表面与书写平面接触的面积信息、笔尖到侧手掌接触面重心的距离、笔尖与侧手掌接触面的方位角。

在上述技术方案中，所述第一步骤的具体过程包括：

将所述手写特征信息中的笔迹信息、动态信息以及静态信息分别训练得到三个认证器；

为用户分配一个唯一的用户标识号；

将用户的用户标识号与三个认证器的参数对应地存入数据库。

在上述技术方案中，所述第二步骤的具体过程包括：

待测试用户提交其声称的用户标识号和测试手写特征信息；

对所述测试手写特征信息进行特征分离，将分离后的三种特征信息分别输入到与测试用户声称的用户标识号对应的三个认证器，通过对三个认证器输出的结果融合，综合判断是否通过认证。

进一步地，将与书写平面接触的手掌侧表面静态信息训练得到认证器，具体步骤如下：

在自然状态下，书写人将持笔手以正常的握笔状态放置在具有同时获取笔尖运动信息以及手掌侧掌面动、静态信息设备提供的稳定书写平面上，然后通过前仰和后倾的方式，使手掌侧表面尽可能多地与书写平面相接触，在持笔手前仰和后倾的过程中，采集设备获取到等时采样的手掌侧表面与书写平面相接触的多帧局部侧掌纹图像信息，最后将所述多帧局部侧掌纹图像采用图像拼接技术拼接出整体手掌侧表面纹路图像，对所述整体手掌侧表面纹路图像滤波后存入数据库用于静态信息认证器的训练；

其中，前仰和后倾的角度以下情况为界：既正常书写时与书写平面相接触的局部手掌侧表面应被包含在所述整体手掌侧表面纹路图像中；

以所述整体手掌侧表面纹路图像作为模板，训练得到所述手写特征信息中与书写平面接触的手掌侧表面静态信息的认证器。

训练得到所述手写特征信息中与书写平面接触的手掌侧表面静态信息的认证器。

在上述技术方案中，同时采集的所述手写特征信息包括但不局限于：

用户提供N个手写笔迹序列形成的集合R=｛R₁，R₂，...R_i...，R_N｝，其中第i个手写笔迹序列R_i=｛d_i1，d_i2，...d_ij...，d_iNi｝，第j个采样时刻获取的信息为d_ij=（x_ij，y_ij，px_ij，py_ij，pz_ij，a_ij，z_ij，P_ij，p_ij），1≤i≤N，1≤j≤N_i，N_i表示R_i的采样点个数；式中，x，y表示笔尖在书写平面上的绝对位置信息；px，py，pz表示笔尖施加在书写平面上的三维压力；a表示笔杆相对于书写平面的夹角；z表示笔杆相对于书写平面的转动角；P表示与书写平面相接触的手掌侧掌面的二维掌纹图像；p表示接触面施加在书写平面上的压力分布的二维图像信息，所述p包括接触面所在书写平面的位置及方位信息。

其中，从集合R中分离出手写笔迹信息时间序列集合R_B1、与书写平面接触的手掌侧表面静态信息时间序列集合R_B2、以及手掌侧表面动态信息时间序列集合R_B3。

所述 $R_{B1}=(R_{B1}^1,R_{B1}^2,...R_{B1}^i...,R_{B1}^N),$ $R_{B1}^i=(r_{B1}^{i1},r_{B1}^{i2},...r_{B1}^{\mathrm{ij}}...,r_{B1}^{{\mathrm{iN}}_i}),$

1≤i≤N，1≤j≤N_i，其中为集合R_B1中第i个手写笔迹序列，为集合R_B1中第i个手写笔迹序列中第j个采样时刻采集的手写笔迹信息，所述手写笔迹信息包括笔尖位置信息、笔尖施加于书写平面的三维压力信息、笔杆相对于书写平面的夹角和倾角信息；

所述 $R_{B2}=(R_{B2}^1,R_{B2}^2,...R_{B2}^i...,R_{B2}^N),$ $R_{B2}^i=(r_{B2}^{i1},r_{B2}^{i2},...r_{B2}^{\mathrm{ij}}...,r_{B2}^{{\mathrm{iN}}_i}),$ 1≤i≤N，1≤j≤N_i，其中为集合R_B2中第i个与书写平面接触的手掌侧表面静态信息时间序列，所述静态信息包括手掌侧表面纹路图像信息；

所述 $R_{B3}=(R_{B3}^1,R_{B3}^2,...R_{B3}^i...,R_{B3}^N),$ $R_{B3}^i=(r_{B3}^{i1},r_{B3}^{i2},...r_{B3}^{\mathrm{ij}}...,r_{B3}^{{\mathrm{iN}}_i}),$ 1≤i≤N，1≤j≤N_i，其中为集合中第i个与书写平面接触的手掌侧表面动态信息时间序列；其中S_ij=f₁（p_ij），A_ij=f₂（S_ij），w_ij=f₃（S_ij，x_ij，y_ij），v_ij=f₄（S_ij，x_ij，y_ij），所述S_ij=f_i(p_ij)表示通过对压力分布图进行二值化得到接触面的形状及轮廓图像S_ij；A_ij=f₂(S_ij)表示依接触面形状图像计算接触面的面积；w_ij=f₃(S_ij,x_ij,y_ij)表示计算笔尖到接触面重心的距离；v_ij=f₄(S_ij,x_ij,y_ij)表示计算笔尖与接触面的方位角。

此外，本发明还提供一种基于手掌侧表面信息的在线笔迹认证系统，它包括：

注册模块，用于对注册用户手写特征信息和整体手掌侧表面纹路图像的注册；

认证模块，用于对待测试用户提交的手写特征信息进行认证，如与注册手写特征信息相符则通过认证，否则拒绝通过认证；

所述手写特征信息为同时采集的包含在一次书写过程中的手写笔迹信息，以及该书写过程中执笔手与书写平面接触的手掌侧表面的动态信息或静态信息；或者是同时采集的包含在一次书写过程中的手写笔迹信息，以及该书写过程中执笔手与书写平面接触的手掌侧表面的动态信息和静态信息。

进一步地，所述基于手掌侧表面信息的在线笔迹认证系统还包括：

信号采集模块，用于同时采集包含在一次书写过程中的书写笔迹信息，以及该书写过程中执笔手与书写平面接触的手掌侧表面动态信息、静态信息。

更进一步地，所述基于手掌侧表面信息的在线笔迹认证系统还包括：

显示模块，用于显示所述信号采集模块采集的信息。

本发明提出同时采集书写笔迹和书写该笔迹过程中与书写平面接触的手掌侧表面动态和/或静态信息，通过对上述三种特征认证结果的融合，以提高系统的整体安全性。纵然攻击者可模仿出相似度非常高的伪造笔迹，但是，在模仿笔迹的同时，还要向系统呈现持笔手与书写平面接触的静态信息，例如书写过程中随着持笔手运动而产生的与书写平面接触的侧手掌表面纹路图像；以及动态信息，例如书写过程中随着持笔手的运动侧手掌接触面施加在书写平面上的压力分布、侧手掌接触面的轮廓形状、笔尖到接触面的距离和方位等，却是非常困难的。这是因为：一方面，除了笔迹信息，其它信息对攻击者均是难以获知的，另一方面，侧手掌接触面纹路信息以及轮廓形状、笔尖到接触面的距离信息直接反映书写者执笔手的生理信息，是无法模仿的，因而使用本发明方法能够确保系统认证的整体安全。

附图说明

图1为实现本发明基于手掌侧表面信息的在线笔迹认证方法的计算机系统结构框图；

图2为用户注册的流程图；

图3为测试用户手写特征信息进行认证的流程图；

图4为采用传统方法得到笔迹认证器的训练流程图；

图5为采用传统方法对测试笔迹进行认证的流程图。

具体实施方式

下面结合附图和具体实施例对本发明作进一步的详细说明。

本发明基于手掌侧表面信息的在线笔迹认证方法包括以下两个阶段：

在注册阶段，提取用户的整体侧手掌表面纹路图像信息和若干个手写特征信息，从若干个手写特征信息中分离出手写笔迹信息集、与书写平面接触的手掌侧表面静态信息集和与书写平面接触的手掌侧表面动态信息集，基于所述三种特征信息集合分别训练得到三个认证器，其中，以用户提交的整体侧手掌表面纹路图像信息作为模板训练得到手掌侧表面静态信息的认证器，最后，将所述训练得到的三个认证器参数以及整体侧手掌表面纹路图像信息存入数据库。

在认证阶段，测试用户提交测试手写特征信息，认证系统将从测试手写特征信息中分离出的所述三种特征信息分别输入到对应的三个认证器，最后，对三个认证器输出的三个认证结果进行融合，依据融合结果来综合判断测试用户是否通过认证。

所述手写特征信息为同时采集的包含在一次书写过程中的手写笔迹信息，以及该书写过程中执笔手与书写平面接触的手掌侧表面的动态信息和静态信息。

所述整体侧手掌表面纹路图像信息是指：在自然状态下书写人将持笔手以正常的握笔状态放置在具有同时获取笔尖运动信息以及手掌侧掌面动、静态信息设备提供的稳定书写平面上，然后通过前仰和后倾的方式，使手掌侧表面尽可能多地与书写平面相接触，在持笔手前仰和后倾的过程中，采集设备获取到等时采样的手掌侧表面与书写平面相接触的多帧局部侧掌纹图像信息，最后将所述多帧局部侧掌纹图像采用图像拼接技术拼接出整体手掌侧表面纹路图像，其中，前仰和后倾的角度以下情况为界：既正常书写时与书写平面相接触的局部手掌侧表面应被包含在所述整体手掌侧表面纹路图像中。

图1为实现上述基于手掌侧表面信息的在线笔迹认证方法的计算机系统结构示意图，包括手写输入设备1和认证方法流程2。其中手写输入设备1具体包括带侧掌纹信息的笔迹输入模块11、信号采集模块12、信号处理模块13、显示模块14，其中：

带侧掌纹信息的笔迹输入模块11：用于向用户提供稳定的书写区域，用户可以在该书写区域内自由书写；同时，计算机系统通过带侧掌纹信息的笔迹输入模块同时采集包含在一次书写过程中的手写笔迹信息，以及该书写过程中执笔手与书写平面接触的手掌侧表面的动态信息和静态信息。

信号采集模块12：用于同时采集用户在带侧掌纹信息的笔迹输入模块上书写时产生的笔尖运动信息、和该书写过程中执笔手与书写平面接触的手掌侧表面的动态信息；或者包括同时采集的笔尖运动信息、和该书写过程中执笔手与书写平面接触的手掌侧表面的静态信息；或者同时采集的手写笔迹信息，以及该书写过程中执笔手与书写平面接触的手掌侧表面的动态信息和静态信息。

信号处理模块13：用于处理信号采集模块采集到的手写特征信息，并将处理后的信号传输至显示模块。

显示模块14：当信号处理模块完成对同时采集到的手写特征信息处理后，会将处理的结果输出到显示模块，显示模块根据处理的结果，同时驱动相应的显示元件来完成对处理结果的显示功能。

其中，基于手掌侧表面信息的在线笔迹认证方法流程2具体包括：

步骤S100：用户侧掌纹注册。该注册过程具体包括以下步骤：

用户将持笔手以正常的握笔状态放置在所述具有同时获取笔尖运动信息以及侧掌纹动、静态信息输入设备提供的稳定书写平面上。持笔手通过前仰和后倾的方式，使手掌侧表面尽可能多地与书写平面相接触。在持笔手前仰和后倾的过程中，采集设备获取到等时采样的手掌侧表面与书写设备提供的书写平面相接触的侧掌纹图像信息。对于等时采样获取的多帧局部手掌侧表面的纹路图像信息，认证系统采用图像拼接技术拼接出整体手掌侧表面纹路图像，以符号M表示。其中，前仰和后倾的角度以以下情况为界：既正常书写时与书写平面相接触的局部手掌侧表面应被包含在整体手掌侧表面纹路图像中。认证系统对整体手掌侧表面纹路图像M做滤波处理后，将其存入数据库作为比对的模板。

本发明中，手掌侧表面为手写时，书写手与书写平面的接触部分。

步骤S200：用户注册。如图1所示，该注册过程具体包括以下步骤：

S201：开始。

S202：提交注册笔迹特征信息集。具体地，注册用户在带侧掌纹信息的笔迹输入模块11提供的稳定书写区域上书写，信号采集模块12采集用户书写的若干个包含侧掌纹信息的手写特征信息，得到手写特征信息集。

本实施例中，在每个采样时刻能获取手写特征信息的数据包括但不局限为d=(x，y，px，py，pz，a，z，P，p)，其中，(x,y)表示书写平面上的绝对位置信息，(px,py,pz)表示笔尖施加在书写平面上的三维力，a表示笔杆相对于书写平面的夹角，z表示笔杆相对于书写平面的转动角，P表示与书写平面相接触的手掌侧掌面的二维掌纹图像，p表示接触面施加在书写平面上压力分布的二维图像信息，对于接触面某点处的压力用对应像素点的灰度值来表示，其值越大，压力越大，0表示相应书写平面位置上没有接触，同时，P包含了接触面所在书写平面的位置及方位信息。

由于实际应用中采集模块获取信息能力的不同，认证方法可利用的数据集的构成也不尽相同，如d=(x，y，P，p)是手写特征信息为笔迹信息、动态信息和静态信息的最小集，此种情况下也能实现安全认证。本实施例优选以d=(x，y，px，py，pz，a，z，P，p)进行详细说明。

设N_min表示用户在注册阶段提交注册手写特征信息个数的最小取值，Nmin≥2，Nmin的具体取值需要综合考虑系统的安全性以及用户使用的方便性进行预先设定，即用户在实际注册阶段提交手写特征信息个数不应小于预先设定的在注册阶段提交注册笔迹个数的最小取值。设集合R={R₁，R₂，...R_i...，R_N}表示用户在注册阶段提交的N个注册笔迹的集合，其中，N表示用户在注册阶段提交注册笔迹的个数，要求N≥N_min；

S203：从提交的手写特征信息集中分离出三种特征信息，包括：手写笔迹信息、与书写平面相接触的手掌侧表面静态信息和动态信息。

以B₁，B₂，B₃分别表示手写笔迹特征、与书写平面接触的手掌侧表面静态特征、与书写平面接触的手掌侧表面动态特征。

设表示用户在注册阶段提交的第i个手写笔迹序列，在第j个采样时刻手写输入设备获取的信息表示为d_ij=(x_ij，y_ij，px_ij，py_ij，pz_ij，a_ij，z_ij，P_ij，p_ij)，1≤i≤N，1≤j≤N_i，N_i表示R_i的采样点个数。

表示从用户在注册阶段提交的N个注册笔迹集合R中分离的手写笔迹特征时间序列集合，所述手写笔迹信息包括但不局限于笔尖位置信息、笔尖施加于书写平面的三维压力信息、笔杆相对于书写平面的夹角和倾角信息；其中表示从R_i∈R中分离的第i个与笔尖相关的手写笔迹序列，1≤i≤N，具体地，1≤j≤N_i，N_i表示R_i的采样点个数，为集合R_B1中第i个手写笔迹序列中第j个采样时候获取的手写笔迹信息。x_ij，y_ij，px_ij，py_ij，pz_ij，a_ij，z_ij表示注册笔迹R_i在第j个采样时刻手写设备获取的相关信息，其中，(xij，yij)表示笔尖在书写平面上的绝对位置信息，(pxij，pyij，pzij)表示笔尖施加在书写平面上的三维力，a_ij表示笔杆相对于书写平面的夹角，z_ij表示笔杆相对于书写平面的转动角。

表示从集合R中分离的与书写平面相接触的手掌侧表面静态特征信息时间序列集合，所述静态信息包括但不局限于手掌侧表面纹路图像信息；其中表示从R_i∈R中分离的第i个与书写平面接触的手掌侧掌面纹路图像时间序列，1≤i≤N，具体地， 1≤j≤N_i，其中p_ij表示注册笔迹R_i在第j个采样时刻手写设备获取的书写平面相接触的手掌侧掌面的二维掌纹图像。

表示从集合R中分离以及计算得到的与书写平面接触的手掌侧表面动态信息时间序列，所述动态信息包括但不局限于手掌侧表面施加在书写平面的压力分布信息、手掌侧表面与书写平面接触的轮廓图像信息、手掌侧表面与书写平面接触的面积信息、笔尖到接触面重心的距离、笔尖与接触面的方位关系；其中表示从R_i∈R中分离以及计算得到的与书写平面接触的手掌侧表面动态信息时间序列，1≤i≤N，具体地， 1≤j≤N_i，其中S_ij=f₁（P_ij），A_ij=f₂（S_ij），w_ij=f₃（S_ij，x_ij，y_ij），v_ij=f₄（S_ij，x_ij，y_ij），P_ij表示注册笔迹R_i在第j个采样时刻手写设备获取的手掌接触面施加在书写平面上的压力分布二维图像信息，x_ij，y_ij表示手写笔迹序列中第j个采样点的笔尖位置信息。

函数S_ij=f₁(P_ij)计算接触面形状图像，对压力分布的灰度图进行二值化，1表示有接触；0表示没接触，简单地滤波去除噪点，得到接触面的形状及轮廓图像S_ij。

函数A_ij=f₂(S_ij)依接触面形状图像计算接触面的面积。

函数w_ij=f₃(S_ij，x_ij，y_ij)计算笔尖到接触面重心的距离。

函数v_ij=f₄(S_ij，x_ij，y_ij)计算笔尖与接触面的位置关系，设A表示从笔尖到接触面重心的向量，以向量A与书写平面X轴的夹角来表示笔尖与接触面的方位关系，-π<v_ij<π。

S204：利用分离后得到的三类特征训练集R_B1、R_B2和R_B3分别训练得到三类特征的认证器V_B1、V_B2和V_B3，即基于手写笔迹信息的认证器训练、基于与书写平面相接触的手掌侧表面静态信息的认证器训练、和基于与书写平面相接触的手掌侧表面动态信息的认证器训练。具体地：

基于特征集R_B1训练得到认证器V_B1，国内外学者对在线手写笔迹的训练认证已经开展了多年研究，传统在线笔迹认证方法的注册流程包括数据获取、预处理、特征提取、认证器训练、数据存入数据库，具体地，通过用户提交的若干个注册手写信息样本分离出注册手写笔迹样本集合，计算机系统对手写笔迹样本集合中的每个样本进行预处理以去除噪声干扰，通过特征提取和特征选择算法得到代表用户书写风格并且具有较高鉴别力特征组成的最优特征子集，基于注册手写笔迹样本集的最优特征子集所对应的特征值数据训练认证器，根据计算机系统为用户分配的唯一身份识别号，将注册手写笔迹集合的最优特征子集以及训练后得到认证器存入数据库。

基于特征集R_B2训练得到认证器V_B2，具体地，对于接触面的手掌侧表面纹路特征集中的时间序列样本图，首先，采用图像拼接技术拼接得到整体手掌接触侧表面掌纹像M_i，然后，采用图像相似性度量方法计算其与整体手掌侧表面纹路图像M的相似性值S_i，以S_min=min_1≤i≤N(S_i)作为认证器V_B2的阈值参数。

基于特征集R_B3训练得到认证器V_B3，由于特征集中的训练样本均是采样的时间序列，本质上同在线笔迹认证是同质的问题，因此可采用在线笔迹认证器的学习方法来训练，具体步骤同手写笔迹认证器的训练，此处不再赘述。需要指出的是，对于压力分布的灰度图像的相似性度量和对于接触面轮廓形状的相似性度量，在图像检索领域已做过广泛研究，由于不是本专利的发明点，此在均不做论述。

步骤S205：三个训练器入库。具体地，首先，为每个用户分配一个唯一的用户标识号，然后，将每个用户的用户标识号与训练得到的三个认证器的相关参数对应地存入数据库。

步骤S206：结束。具体地，注册用户的手写笔迹特征注册完成。

步骤S300：包含侧掌纹信息的笔迹录入。具体地，首先，测试用户向系统提交其声称的用户身份识别号，然后，通过带侧掌纹信息的笔迹输入设备，测试用户提交测试手写特征信息T。

步骤S400：多生物特征的认证。如图3所示，该认证过程具体包括以下步骤：

S301：开始。

S302：特征分离：认证系统从测试手写特征信息T中分离出手写笔迹信息测试时间序列、与书写平面接触的手掌侧表面静态信息测试时间序列、与书写平面接触的手掌侧表面动态信息测试时间序列。分离方法与步骤S203相同，此处不再赘述。

S303：将步骤S502分离出的三个测试特征时间序列分别输入三组对应的特征认证器，认证器对输入输出归一化的认证结果v_i,0≤v_i≤1，0≤i≤3。具体地，

手写笔迹认证器输出手写笔迹测试样本的归一化认证结果v₁。国内外学者对在该领域已经开展了多年研究，传统在线笔迹认证方法的认证流程包括数据获取、预处理、特征提取、认证结果输出。具体地，系统对手写笔迹测试样本进行预处理操作以去除噪声干扰，然后根据数据库中与声称身份识别号对应的最优特征子集，通过特征提取算法提取测试手写笔迹的最优特征子集所对应的特征值数据，最后采用数据库中与声称身份识别号对应的认证器输出对该测试手写笔迹的认证结果。

手掌侧表面纹路图像认证器输出手掌侧表面纹路图像测试样本的归一化认证结果v₂。具体地，对于测试样本中的手掌侧表面纹路图像时间序列，采用图像拼接技术拼接得到测试样本的整体手掌接触侧表面纹路图像M_T，然后，采用图像相似性度量方法计算其与整体侧表面纹路图像M的相似性值S_T，将其与经训练手掌侧表面纹路图像认证器得到的阈值参数S_min比较，输出归一化的认证结果。例如，若S_T大于等于S_min，则v₂=1；否则，v₂=S_T/S_min。

手掌侧表面动态特征认证器输出手掌侧表面动态特征测试样本的归一化认证结果v₃。由于测试样本是采样的时间序列，本质上同在线笔迹认证是同质的问题，因此可采用与手写笔迹认证相同的方法，此处不再赘述。需要指出的是，对于压力分布的灰度图像的相似性度量和对于接触面轮廓形状的相似性度量，在图像检索领域已做过广泛研究，由于不是本专利的发明点，在此均不做论述。

S304：对三个特征认证器的输出结果进行融合，得到融合值V。其中，融合方法有多种，例如有加权求和，取最大、最小值等。

S305：若V大于设定的阈值，则认证通过；否则，认证失败。

S306：结束。

本发明方法中，认证器的训练采用现有技术实现。下面以手写笔迹训练得到认证器进行示例性说明。

传统在线笔迹认证方法的注册流程如图3所示，具体为：

步骤S401、开始：具体地，表示开始执行采用传统在线笔迹认证方法的注册流程对用户提交的一组注册笔迹进行注册操作流程。

步骤S402、数据获取：具体地，对用户提交的若干个注册手写特征信息样本集合，从每个注册手写特征信息样本中分离出注册手写笔迹信息，构成注册手写笔迹样本集合。

步骤S403、预处理：具体地，由于手写输入设备的精度、书写环境等因素，使获取的注册手写笔迹样本中存在噪声，预处理步骤对注册笔迹样本进行重采样、滤波，去除噪声干扰以提高认证准确性。与传统手写笔迹认证步骤不同的是，不对测试笔迹做归一化处理。

步骤S404、特征提取：具体地，通过特征提取算法得到代表用户书写风格的各类笔迹特征，采用特征选择算法从这些笔迹特征中选取具有较高鉴别力的特征组成相应的最优特征子集，根据最优特征子集得到注册笔迹的若干个注册笔迹样本的最优特征子集对应的特征值数据。

步骤S405、认证器训练：具体地，基于从若干个注册笔迹样本中提取到的与最优特征子集对应的特征值数据集合，训练得到注册手写笔迹的认证器。

步骤S406、数据存入数据库：具体地，基于获取到的注册手写笔迹的所有注册手写笔迹样本进行特征提取和认证器训练后，根据计算机系统为用户分配的唯一身份识别号，将最优特征子集以及训练后得到的注册手写笔迹的认证器一并存入数据库。

步骤S407、结束：具体地，表示采用传统在线笔迹认证方法的注册流程对用户提交注册手写笔迹进行注册操作流程完成。

使用认证器进行认证也是现有技术，下面以使用上述注册手写笔迹的认证器进行认证作为示例性的说明。

传统在线笔迹认证方法的认证流程如图5所示，具体包括：

步骤S501、开始：具体地，表示开始执行采用传统在线笔迹认证方法的认证流程对用户提交的一个测试笔迹进行认证操作流程。

步骤S502、数据获取：具体地，当计算机系统获得测试手写特征信息后，从测试手写特征信息中分离出测试笔迹信息。

步骤S503、预处理：具体地，由于手写输入设备的精度、书写环境等因素使获取的测试笔迹中存在噪声，通过预处理步骤对测试笔迹进行重采样、滤波，去除噪声干扰以提高认证准确性。

步骤S504、特征提取：具体地，当完成对测试笔迹的预处理后，根据声称身份识别号从数据库提取对应注册笔迹的最优特征子集，通过特征提取算法得到测试笔迹的最优特征子集所对应的特征值数据。

步骤S505、认证结果输出：具体地，当完成对测试笔迹的特征提取后，采用数据库中声称身份识别号对应的手写笔迹认证器输出对测试笔迹特征值数据的认证结果。

步骤S506、结束：具体地，表示采用传统在线笔迹认证方法的认证流程对用户的一个测试笔迹进行认证操作流程完成。

本发明基于手掌侧表面信息的在线笔迹认证方法通过同时采集手写过程产生的手写笔迹信息以及持笔手与书写平面相接触产生的手掌侧表面动态信息、静态信息，通过对所述同时采集的手写笔迹、手掌侧表面动态信息和静态信息三种特征认证结果的融合，将融合结果与预先设定的阈值进行比较，如满足阈值要求，则通过认证；否则拒绝认证，要求测试用户再次书写并提交手写特征信息重复上述步骤进行认证。

Claims (6)

1.一种基于手掌侧表面信息的在线笔迹认证方法，其特征在于，包括：

第一步骤：提取注册用户的手写特征信息，并进行用户注册；

第二步骤：提取待测试用户的手写特征信息，并进行认证，如与注册用户手写特征信息相符则通过认证，否则拒绝通过认证；

所述手写特征信息为同时采集的包含在一次书写过程中的手写笔迹信息，以及该书写过程中执笔手与书写平面接触的手掌侧表面的动态信息或静态信息；或者是同时采集的包含在一次书写过程中的手写笔迹信息，以及该书写过程中执笔手与书写平面接触的手掌侧表面的动态信息和静态信息；

所述手写笔迹信息包括笔尖位置信息、笔尖施加于书写平面的三维压力信息、笔杆相对于书写平面的夹角和倾角信息；

所述静态信息包括执笔手与书写平面接触的手掌侧表面纹路图像信息；

所述动态信息包括手掌侧表面施加在书写平面的压力分布信息、手掌侧表面与书写平面接触的轮廓图像信息、手掌侧表面与书写平面接触的面积信息、笔尖到侧手掌接触面重心的距离、笔尖与侧手掌接触面的方位角。

2.根据权利要求1所述基于手掌侧表面信息的在线笔迹认证方法，其特征在于，所述第一步骤的具体过程包括：

将所述手写特征信息中的笔迹信息、动态信息以及静态信息分别训练得到三个认证器；

为用户分配一个唯一的用户标识号；

将用户的用户标识号与三个认证器的参数对应地存入数据库。

3.根据权利要求1所述基于手掌侧表面信息的在线笔迹认证方法，其特征在于，所述第二步骤的具体过程包括：

待测试用户提交其声称的用户标识号和测试手写特征信息；

对所述测试手写特征信息进行特征分离，将分离后的三种特征信息分别输入到与测试用户声称的用户标识号对应的三个认证器，通过对三个认证器输出的结果融合，综合判断是否通过认证。

4.根据权利要求2所述基于手掌侧表面信息的在线笔迹认证方法，其特征在于，将与书写平面接触的手掌侧表面静态信息训练得到认证器，具体步骤如下：

在自然状态下，书写人将持笔手以正常的握笔状态放置在具有同时获取笔尖运动信息以及手掌侧掌面动、静态信息设备提供的稳定书写平面上，然后通过前仰和后倾的方式，使手掌侧表面尽可能多地与书写平面相接触，在持笔手前仰和后倾的过程中，采集设备获取到等时采样的手掌侧表面与书写平面相接触的多帧局部侧掌纹图像信息，最后将所述多帧局部侧掌纹图像采用图像拼接技术拼接出整体手掌侧表面纹路图像，对所述整体手掌侧表面纹路图像滤波后存入数据库用于静态信息认证器的训练；

其中，前仰和后倾的角度以下情况为界：既正常书写时与书写平面相接触的局部手掌侧表面应被包含在所述整体手掌侧表面纹路图像中；

以所述整体手掌侧表面纹路图像作为模板，训练得到所述手写特征信息中与书写平面接触的手掌侧表面静态信息的认证器。

5.根据权利要求1～4任一项所述基于手掌侧表面信息的在线笔迹认证方法，其特征在于，同时采集的所述手写特征信息包括：

用户提供N个手写笔迹序列形成的集合R＝{R₁，R₂，···R_i···，R_N}，其中第i个手写笔迹序列R_i＝{d_i1，d_i2，···d_ij··，d_iNi}，第j个采样时刻获取的信息为d_ij＝(x_ij，y_ij，px_ij，py_ij，pz_ij，a_ij，z_ij，P_ij，p_ij)，1≤i≤N，1≤j≤N_i，N_i表示R_i的采样点个数；式中，x，y表示笔尖在书写平面上的绝对位置信息；px，py，pz表示笔尖施加在书写平面上的三维压力；a表示笔杆相对于书写平面的夹角；z表示笔杆相对于书写平面的转动角；P表示与书写平面相接触的手掌侧掌面的二维掌纹图像；p表示接触面施加在书写平面上的压力分布的二维图像信息，所述p包括接触面所在书写平面的位置及方位信息。

6.根据权利要求5所述基于手掌侧表面信息的在线笔迹认证方法，其特征在于：

从集合R中分离出手写笔迹信息时间序列集合R_B1、与书写平面接触的手掌侧表面静态信息时间序列集合R_B2、以及手掌侧表面动态信息时间序列集合R_B3；

所述 $R_{B1}=(R_{B1}^1,R_{B1}^2,...R_{B1}^i...,R_{B1}^N),$ $R_{B1}^i=(r_{B1}^{i1},r_{B1}^{i2},...r_{B1}^{ij}...,r_{B1}^{{\mathrm{iN}}_i}),$

$r_{B1}^{ij}=(x_{ij},y_{ij},{\mathrm{px}}_{ij},{\mathrm{py}}_{ij},{\mathrm{pz}}_{ij},a_{ij},z_{ij}),$ 1≤i≤N，1≤j≤N_i，其中为集合R_B1中第i个手写笔迹序列，为集合R_B1中第i个手写笔迹序列中第j个采样时刻采集的手写笔迹信息，所述手写笔迹信息包括笔尖位置信息、笔尖施加于书写平面的三维压力信息、笔杆相对于书写平面的夹角和倾角信息；

所述 $R_{B2}=(R_{B2}^1,R_{B2}^2,...R_{B2}^i...,R_{B2}^N),$ $R_{B2}^i=(r_{B2}^{i1},r_{B2}^{i2},...r_{B2}^{ij}...,r_{B2}^{{\mathrm{iN}}_i}),$ $r_{B2}^{ij}=\left(P_{ij}\right),$ 1≤i≤N，1≤j≤N_i，其中为集合R_B2中第i个与书写平面接触的手掌侧表面静态信息时间序列，所述静态信息包括手掌侧表面纹路图像信息；

所述 $R_{B3}=(R_{B3}^1,R_{B3}^2,...R_{B3}^i...,R_{B3}^N),$ $R_{B3}^i=(r_{B3}^{i1},r_{B3}^{i2},...r_{B3}^{ij}...,r_{B3}^{{\mathrm{iN}}_i}),$ 1≤i≤N，1≤j≤N_i，其中为集合R_B3中第i个与书写平面接触的手掌侧表面动态信息时间序列；其中S_ij＝f₁(p_ij)，A_ij＝f₂(S_ij)，w_ij＝f₃(S_ij，x_ij，y_ij)，v_ij＝f₄(S_ij，x_ij，y_ij)，所述S_ij＝f₁(p_ij)表示通过对压力分布图进行二值化得到接触面的形状及轮廓图像S_ij；A_ij＝f₂(S_ij)表示依接触面形状图像计算接触面的面积；w_ij＝f₃(S_ij，x_ij，y_ij)表示计算笔尖到接触面重心的距离；v_ij＝f₄(S_ij，x_ij，y_ij)表示计算笔尖与接触面的方位角。