CN103258157B - 一种基于手指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指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，提取待测试用户的手写特征信息，并进行认证，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获取的包括在一次书写过程中的手写笔迹信息，以及用手指与书写平面相接触的手指静态信息的两类特征信息。本发明对从同时获取的手写特征信息中分离并计算得到手指书写的笔迹信息，以及手指与书写平面相接触的手指静态信息进行多特征融合后进行认证，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，从而提高了认证系统的整体安全性。

Description

一种基于手指信息的在线笔迹认证方法及系统

技术领域

本发明涉及一种在线笔迹认证方法，特别是一种基于手指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活动中，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指信息的在线笔迹认证方法，该方法同时获取包括在一次书写过程中的手写笔迹信息，以及用手指与书写平面相接触的手指静态信息的两类特征信息，通过对所述同时获取的手写笔迹信息，以及所述手指与书写平面相接触的手指静态信息的两类特征认证结果的融合，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，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：一种基于手指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，如果待测试用户的手写特征信息与所述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获取的包括在一次书写过程中的手写笔迹信息，以及用手指与书写平面相接触的手指静态信息的两类特征信息；

所述手写笔迹信息包含与书写平面接触的手指接触面重心位置信息、手指接触面重心施加于书写平面的正向压力信息；

所述手指静态信息包含与书写平面相接触的手指指纹图像信息。

在上述技术方案中，所述第一步骤包括：

基于所述手写笔迹信息的数据训练得到第一认证器，以及基于所述手指与书写平面相接触的手指静态信息的数据训练得到第二认证器；

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两个认证器的参数对应地存入数据库。

所述手写笔迹信息包括但不局限于与书写平面接触的手指接触面重心位置信息、手指接触面重心施加于书写平面的正向压力信息；

所述手指接触面静态信息包括但不局限于与书写平面相接触的手指指纹图像信息。

在上述技术方案中，所述第二步骤包括：

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，将分离后的所述两类特征信息分别输入到与待测试用户提交的用户标识号对应的两个认证器，通过对两个认证器输出结果的融合，综合判断是否通过认证。

其中，在提取注册用户的手写特征信息之前先采集注册用户的整体手指指纹图像信息，以所述整体手指指纹图像信息作为模板，训练得到所述手写特征信息中手指与书写平面相接触的手指静态信息的认证器，并将认证器的参数存入相应数据库。

在上述技术方案中，所述手写特征信息通过以下步骤采集：

获取由用户N个注册手写特征信息构成的集合R，用户提供的第i个手写特征信息序列在每个采样时刻手写设备获取的信息表示为d_ij＝(f_ij，p_ij)，1≤i≤N，1≤j≤N，N_i表示R_i的采样点个数，f表示与书写平面相接触的手指指纹图像，所述f包括接触面所在书写平面的位置及方位信息，p表示手指施加在书写平面上的压力分布的二维图像信息，f_ij表示注册手写特征信息R_i在第j个采样时刻手写设备获取的与书写平面接触的指纹图像信息，p_ij表示第i个注册手写特征信息R_i中在第j个采样时刻手写设备获取的手指接触面施加在书写平面上的压力分布二维图像信息。

从集合R中分离与手指相关的手写笔迹序列集合R_B1以及与书写平面接触的手指接触面静态信息时间序列集合R_B2；

所述手指相关的手写笔迹序列集合 $R_{B1}^i=(r_{B1}^{i1},r_{B1}^{i2},...r_{B1}^{ij}...,r_{B1}^{{\mathrm{iN}}_i}),r_{B1}^{ij}=(x_{ij},y_{ij},{\mathrm{pz}}_{ij}),$ 1≤i≤N，1≤j≤N_i，其中为集合R_B1中第i个与手指相关的手写笔迹信息序列，为集合R_B1中第i个手写笔迹序列中第j个采样时刻获取的手写笔迹信息；其中(x_ij，y_ij)＝f₁(f_ij)，pz_ij＝f₂(p_ij)，函数(x_ij，y_ij)＝f₁(f_ij)计算手指接触面的重心位置，函数pz_ij＝f₂(p_ij)计算手指接触面重心点处的正向压力；

所述与书写平面接触的手指接触面静态信息时间序列集合 $R_{B2}=(R_{B2}^1,R_{B2}^2,...R_{B2}^i...,R_{B2}^N),R_{B2}^i=(r_{B2}^{i1},r_{B2}^{i2},...r_{B2}^{ij}...,r_{B2}^{{\mathrm{iN}}_i}),r_{B2}^{ij}=\left(f_{ij}\right),$ 1≤i≤N，1≤j≤N_i，其中表示集合R_B2中第i个与书写平面相接触的手指接触面静态信息，为集合R_B2中第i个手指接触面静态信息序列中第j个采样时刻获取的手指接触面静态信息。

本发明还提供一种基于手指信息的在线笔迹认证系统，包括：

注册模块，用于对提取注册用户的手写特征信息，进行用户注册；

认证模块，用于对提取待测试用户的手写特征信息，并进行认证，如果待测试用户的手写特征信息与所述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获取的包括在一次书写过程中的手写笔迹信息，以及用手指与书写平面相接触的手指静态信息的两类特征信息；

所述手写笔迹信息包含与书写平面接触的手指接触面重心位置信息、手指接触面重心施加于书写平面的正向压力信息；

所述手指静态信息包含与书写平面相接触的手指指纹图像信息。

进一步地，所述基于手指信息的在线笔迹认证系统还包括：

信号采集模块，用于同时获取包含在一次书写过程中的手写笔迹信息，以及用手指与书写平面相接触的手指静态信息。

更进一步地，所述基于手指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。

本发明提出同时获取包括在一次书写过程中的手指施加在书写平面上的压力分布信息，以及所述手指与书写平面相接触的手指静态信息，通过对从所述同时获取的信息中分离得到的手写笔迹信息和手指与书写平面接触的手指静态信息两类特征信息认证结果的融合，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手写笔迹信息，但是，在模仿笔迹的同时，还要向系统呈现手指施加在书写平面上的压力分布信息，以及手指与书写平面相接触的手指静态信息，这却是非常困难的。这是因为：一方面，手指施加在书写平面上的压力分布信息对攻击者而言是难以获知的；另一方面，在手指书写过程中，手指静态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指信息的在线笔迹认证方法的计算机系统结构示意图；

图2为注册用户的手写特征信息的流程图；

图3为笔迹训练得到笔迹认证器的流程图；

图4为笔迹认证器的认证流程图；

图5为对待测试用户手写特征信息进行认证的流程图。

具体实施方式

下面结合附图和具体实施例对本发明做进一步的详细说明。

本发明基于手指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训练得到第一认证器，以及书写手指与书写平面相接触的手指静态信息集训练得到第二认证器。最后，将两个认证器参数存入数据库。

在认证阶段，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，认证系统将从测试手写特征信息中分离出的所述两类特征信息分别输入到与其提交的用户标识号对应的两个认证器，最后，对两个认证器输出的认证结果进行融合，依据融合结果来综合判断待测试用户是否通过认证。

所述手写特征信息为同时获取的包括在一次书写过程中的手写笔迹信息，以及用手指与书写平面相接触的手指静态信息的两类特征信息；

其中，所述手指是指用户某一个且仅一个以指面与书写平面接触进行书写活动的手指，例如右手食指，进一步地，在注册和认证阶段，要求用户用于书写的手指是一致的。

图1为实现本发明基于手指信息的在线笔迹认证方法的计算机系统结构示意图，包括认证系统1和运行于认证系统中的认证方法流程2。其中认证系统1具体包括带手指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：

手指信息的笔迹输入模块11用于向用户提供书写区域，用户可以用手指在该书写区域内自由书写；同时，计算机系统通过手指信息的笔迹输入模块11来接收用户手指的手写输入信息。

信号采集模块12与手指信息的笔迹输入模块11电信号连接，用于采集用户在手指信息的笔迹输入模块11上书写时产生的手写特征信息，该手写特征信息包括手指施加在书写平面的压力分布信息，以及手指与书写平面相接触的手指静态信息。

信号处理模块13与信号采集模块12电信号连接，用于处理信号采集模块12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14。

显示模块14与信号处理模块13电信号连接，用于显示信号处理模块13的输出结果。

其中，基于手指信息的在线笔迹认证方法流程2具体包括：

步骤S100：注册书写手指指纹。

提取并注册用户的手指纹图像信息，得到整体手指纹图像信息M，将其存入数据库作为比对的模板。

所述整体指纹图像是指在书写活动中用户手指与书写平面接触的指纹图像应均包含在整体指图图像中。

所述手指是指用户某一个且仅一个以指面与书写平面接触进行书写活动的手指，例如右手食指，进一步地，在注册和认证阶段，要求用户用于书写的手指是一致的。

步骤S200：用户注册。如图2所示，该注册过程具体包括：

S201：开始。

S202：提交注册手写特征信息。用户在带手指信息的笔迹输入模块11的书写平面上用手指进行书写，如用右手食指进行书写。信号采集模块12采集用户手指书写的若干个包含手指信息的手写特征信息。

本实施例用手指书写过程中，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＝(f，p)，其中，f表示与书写平面相接触的手指指纹图像，所述f包括接触面所在书写平面的位置及方位信息，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，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。

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＝(f，p)是手写特征信息的最小集，此种情况下也能实现安全认证。本实施例优选以d＝(f，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，N_min≥2，N_min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手写特征信息个数的最小取值。设集合R＝{R₁，R₂，...R₁...，R_N}R＝{R₁，R₂，···R_i···，R_N}表示用户在注册阶段提交的N个注册手写特征信息的集合，其中，N表示用户在注册阶段提交注册手写特征信息的个数，要求N≥N_min；

以表示用户在注册阶段提交的第i个手写特征信息序列，在每个采样时刻手写设备获取的信息表示为d_ij＝(f_ij，p_ij)，1≤i≤N，1≤j≤N_i，N_i表示R_i的采样点个数。

S203：将步骤S202中获取的手写特征信息进行特征分离，分离得到手指书写的手写笔迹信息集R_B1，以及手指与书写平面相接触的手指静态信息集R_B2。

以符号B₁，B₂分别表示分离后的手写笔迹特征和手指静态特征；

表示从用户在注册阶段提交的由N个注册手写特征样本构成的集合R中分离的与手指相关的手写笔迹序列集合，所述手写笔迹信息包括但不局限于与书写平面接触的手指接触面重心位置信息、手指接触面重心施加于书写平面的正向压力信息；其中表示从R₁∈R中分离的第i个与手指相关的手写笔迹序列，1≤i≤N，具体地，1≤i≤N，1≤j≤N_i，其中，为集合R_B1中第i个手写笔迹序列中第j个采样时刻获取的手写笔迹信息，其中(x_ij，y_ij)＝f₁(f_ij)，pz_ij＝f₂(p_ij)，函数(x_ij，y_ij)＝f₁(f_ij)用于计算手指接触面的重心位置，函数pz_ij＝f₂(p_ij)用于计算手指接触面重心点处的正向压力；f_ij表示注册手写特征信息R_i在第j个采样时刻手写设备获取的与书写平面接触的指纹图像信息，P_ij表示第i个注册手写特征信息R_i中在第j个采样时刻手写设备获取的手指接触面施加在书写平面上的压力分布二维图像信息。

表示从集合R中分离的与书写平面相接触的手指静态信息时间序列集合，所述静态信息包括但不局限于与书写平面接触的手指指纹图像信息；其中，表示从R_i∈R中分离的第i个手指静态信息序列，1≤i≤N。具体地，1≤i≤N，1≤j≤N_i，为集合R_B2中第i个手指接触面静态信息序列中第j个采样时刻获取的手指接触面静态信息，f_ij表示第i个注册手写特征信息R_i在第j个采样时刻手写设备获取的手指指纹图像。

S204：将分离后得到的两类特征训练集以R_B1和R_B2分别训练得到两类特征的认证器V_B1和V_B2。具体地：

基于特征集R_B1训练得到认证器V_B1，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，根据用户提交的若干个注册手写特征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，对于与书写平面相接触的指纹图像信息特征集中的时间序列样本首先，采用图像拼接技术拼接得到整体手指纹图像M_i采用图像相似性度量方法计算其与手指纹模板图像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。

S205：两个训练器入库。具体地，将每个用户的用户标识号与训练得到的两个认证器的相关参数对应地存入数据库。

S206：结束。具体地，注册用户的手写特征信息注册完成。

步骤S300：待测试用户手写特征信息的录入。

待测试用户提交标识其身份的用户标识号，然后在带手指信息的笔迹输入模块11提供的稳定书写平面上书写并提交包含手指信息的测试手写特征信息T，具体步骤同步骤S200，此处不再赘述。

步骤400：多种生物特征认证，如图3所示，该认证步骤具体包括：

S301：开始。

S302：从测试手写特征信息T中分离出以下两个特征序列：1)与手指相关的手写笔迹信息序列T_B1；2)手指与书写平面接触的手指静态信息序列T_B2。分离方法与步骤S203相同，此处不再赘述。

S303：将分离出来的两个特征序列T_B1和T_B2分别输入与用户标识号对应的两组认证器V_B1，V_B2，特征认证器V_Bi对输入T_Bi输出归一化的认证结果V_i，1≤V_i≤2，1≤i≤2。

手写笔迹认证器V_B1输出测试手写笔迹测试样本T_B1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用户标识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用户标识号对应的认证器输出对该测试手写笔迹的认证结果。

手指静态信息认证器V_B2输出测试手指静态信息样本T_B2的归一化认证结果V₂。具体地，对于测试样本T_B2中的手指静态信息时间序列，采用图像拼接技术拼接得到测试样本的整体手指指纹图像M_T，然后，采用图像相似性度量方法计算其与整体手指指纹图像M的相似性值S_T，将其与经训练手指指纹图像认证器V_B2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≥S_min，则V₂＝1；否则，V₂＝S_T/S_min。

S304：对两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。

训练的流程如图4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、滤波以及归一化操作，去除噪声干扰以提高认证准确性。

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。

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、滤波以及归一化操作，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，根据用户标识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，采用数据库中与用户标识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。

本发明基于手指信息的在线笔迹认证方法通过同时采集包含在一次书写过程中的手写笔迹信息，以及用手指与书写平面相接触的手指静态信息的两类特征信息，通过对从同时获取的手写特征信息中分离并计算得到手指书写的笔迹信息，以及手指与书写平面相接触的手指静态信息多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，要求待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 (5)

1.一种基于手指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，如果待测试用户的手写特征信息与所述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获取的包括在一次书写过程中的手写笔迹信息，以及用手指与书写平面相接触的手指静态信息的两类特征信息；

所述手写笔迹信息包含与书写平面接触的手指接触面重心位置信息、手指接触面重心施加于书写平面的正向压力信息；

所述手指静态信息包含与书写平面相接触的手指指纹图像信息；

所述手写特征信息通过以下步骤采集：

获取由用户N个注册手写特征信息构成的集合R，用户提供的第i个手写特征信息序列在每个采样时刻手写设备获取的信息表示为d_ij＝(f_ij，p_ij)，1≤i≤N，1≤j≤N_i，N_i表示R_i的采样点个数，f表示与书写平面相接触的手指指纹图像，所述f包括接触面所在书写平面的位置及方位信息，p表示手指施加在书写平面上的压力分布的二维图像信息，f_ij表示注册手写特征信息序列R_i在第j个采样时刻手写设备获取的与书写平面接触的指纹图像信息，p_ij表示第i个注册手写特征信息序列R_i中在第j个采样时刻手写设备获取的手指接触面施加在书写平面上的压力分布二维图像信息。

2.根据权利要求1所述基于手指信息的在线笔迹认证方法，其特征在于，所述第一步骤包括：

基于所述手写笔迹信息的数据训练得到第一认证器，以及基于所述手指与书写平面相接触的手指静态信息的数据训练得到第二认证器；

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两个认证器的参数对应地存入数据库。

3.根据权利要求2所述基于手指信息的在线笔迹认证方法，其特征在于，所述第二步骤包括：

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，将分离后的所述两类特征信息分别输入到与待测试用户提交的用户标识号对应的两个认证器，通过对两个认证器输出结果的融合，综合判断是否通过认证。

4.根据权利要求1所述基于手指信息的在线笔迹认证方法，其特征在于，在提取注册用户的手写特征信息之前先采集注册用户的整体手指指纹图像信息，以所述整体手指指纹图像信息作为模板，训练得到所述手写特征信息中手指与书写平面相接触的手指静态信息的认证器，并将认证器的参数存入相应数据库。

5.根据权利要求1所述基于手指信息的在线笔迹认证方法，其特征在于：

从集合R中分离与手指相关的手写笔迹序列集合R_B1以及与书写平面接触的手指接触面静态信息时间序列集合R_B2；

所述手指相关的手写笔迹序列集合 $R_{B1}^i=(r_{B1}^{i1},r_{B1}^{i2},...r_{B1}^{ij}...,r_{B1}^{{\mathrm{iN}}_i}),r_{B1}^{ij}=(x_{ij},y_{ij},{\mathrm{pz}}_{ij}),$ 1≤i≤N，1≤j≤N_i，其中为集合R_B1中第i个与手指相关的手写笔迹信息序列，为集合R_B1中第i个手写笔迹序列中第j个采样时刻获取的手写笔迹信息；其中(x_ij，y_ij)＝f₁(f_ij)，pz_ij＝f₂(p_ij)，函数(x_ij，y_ij)＝f₁(f_ij)计算手指接触面的重心位置，函数pz_ij＝f₂(p_ij)计算手指接触面重心点处的正向压力，f_ij表示第i个注册手写特征信息R_i在第j个采样时刻手写设备获取的手指指纹图像，p_ij表示第i个注册手写特征信息R_i在第j个采样时刻手写设备获取的压力分布二维图像信息；

所述与书写平面接触的手指接触面静态信息时间序列集合 $R_{B2}=(R_{B2}^1,R_{B2}^2,...R_{B2}^i...,R_{B2}^N),R_{B2}^i=(r_{B2}^{i1},r_{B2}^{i2},...r_{B2}^{ij}...,r_{B2}^{{\mathrm{iN}}_i}),r_{B2}^{ij}=\left(f_{ij}\right),$ 1≤i≤N，1≤j≤N_i，其中表示集合R_B2中第i个与书写平面相接触的手指接触面静态信息序列，为集合R_B2中第i个手指接触面静态信息序列中第j个采样时刻获取的手指接触面静态信息。