CN107358148A - 一种基于手写识别的防作弊网络调研的方法及装置 - Google Patents

一种基于手写识别的防作弊网络调研的方法及装置 Download PDF

Info

Publication number
CN107358148A
CN107358148A CN201710374683.0A CN201710374683A CN107358148A CN 107358148 A CN107358148 A CN 107358148A CN 201710374683 A CN201710374683 A CN 201710374683A CN 107358148 A CN107358148 A CN 107358148A
Authority
CN
China
Prior art keywords
information
hand
written
character
checking
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Granted
Application number
CN201710374683.0A
Other languages
English (en)
Other versions
CN107358148B (zh
Inventor
邓立邦
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Guangdong Phase Intelligent Technology Co Ltd
Original Assignee
Guangdong Phase Intelligent Technology Co Ltd
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Guangdong Phase Intelligent Technology Co Ltd filed Critical Guangdong Phase Intelligent Technology Co Ltd
Priority to CN201710374683.0A priority Critical patent/CN107358148B/zh
Publication of CN107358148A publication Critical patent/CN107358148A/zh
Application granted granted Critical
Publication of CN107358148B publication Critical patent/CN107358148B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V30/00—Character recognition; Recognising digital ink; Document-oriented image-based pattern recognition
    • G06V30/10—Character recognition
    • G06V30/32—Digital ink
    • G06V30/333—Preprocessing; Feature extraction
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V30/00—Character recognition; Recognising digital ink; Document-oriented image-based pattern recognition
    • G06V30/10—Character recognition
    • G06V30/14—Image acquisition
    • G06V30/148—Segmentation of character regions
    • G06V30/153—Segmentation of character regions using recognition of characters or words
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V30/00—Character recognition; Recognising digital ink; Document-oriented image-based pattern recognition
    • G06V30/10—Character recognition
    • G06V30/32—Digital ink
    • G06V30/36—Matching; Classification
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L63/00—Network architectures or network communication protocols for network security
    • H04L63/08—Network architectures or network communication protocols for network security for authentication of entities
    • H04L63/0815—Network architectures or network communication protocols for network security for authentication of entities providing single-sign-on or federations
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V30/00—Character recognition; Recognising digital ink; Document-oriented image-based pattern recognition
    • G06V30/10—Character recognition

Landscapes

  • Engineering & Computer Science (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Multimedia (AREA)
  • Theoretical Computer Science (AREA)
  • Computer Hardware Design (AREA)
  • Computer Security & Cryptography (AREA)
  • Computing Systems (AREA)
  • General Engineering & Computer Science (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Signal Processing (AREA)
  • Character Discrimination (AREA)
  • Collating Specific Patterns (AREA)

Abstract

本发明公开了一种基于手写识别的防作弊网络调研的方法及装置，该方法包括以下步骤：问卷获取步骤：获取网络问卷内容，所述网络问卷内容包括调研问题和用户验证问题；用户验证步骤：在用户作答调研问题的过程中，随机插入用户验证问题；手写信息获取步骤：获取手写区域内的手写字符，并生成图片作为手写验证信息；信息比对步骤：将手写验证信息与参考验证信息进行比对，如果比对识别失败，则验证失败。本发明在网络问卷调研系统中引入手写字符识别技术，在注册、登录、答题环节随机加入与手写字符识别技术结合的问题，通过让参与调研的用户使用手写输入完成答案提交的用户验证环节，提高问卷样本数据的有效性和真实性。

Description

一种基于手写识别的防作弊网络调研的方法及装置
技术领域
本发明涉及一种图像识别技术，尤其涉及一种基于手写识别的防作弊网络调研的方法及装置。
背景技术
目前，网络调研已经成为市场调研获取数据的主要途径之一。如何在调研过程中鉴别用户的真实有效性，是判断网络调查获取的问卷数据样本是否有效的首要问题。现有网络问卷调研系统主要在用户注册环节进行有效性鉴别判断，如下发验证码让用户提交验证，基于判断问题回答的有效性从多角度向用户提问等方面。由于目前计算机模拟人类进行验证码识别并提交在技术上已十分成熟，且目前问卷被机器代替人类作答的情况也时有发生，大大降低了网络问卷调研样本数据的真实有效性。
发明内容
为了克服现有技术的不足，本发明的目的之一在于一种基于手写识别的防作弊网络调研的方法，其能检验用户的真实性。
本发明的目的之二在于一种电子设备。
本发明的目的之三在于一种计算机可读存储介质。
本发明的目的之一采用如下技术方案实现：
一种基于手写识别的防作弊网络调研的方法，包括以下步骤：
问卷获取步骤：获取网络问卷内容，所述网络问卷内容包括调研问题和用户验证问题；
用户验证步骤：在用户作答调研问题的过程中，随机插入用户验证问题；
手写信息获取步骤：获取手写区域内的手写字符，并生成图片作为手写验证信息；
信息比对步骤：将手写验证信息与参考验证信息进行比对，如果比对识别失败，则验证失败。
进一步地，在信息比对步骤比对成功之后执行相似度判断步骤：判断手写验证信息与已提交的手写验证信息的相似度是否大于预设值，如果是，则验证失败，如果否，则验证成功。
进一步地，在手写信息步骤之后还包括预处理步骤：对手写验证信息进行预处理。
进一步地，所述预处理步骤具体包括以下子步骤：
二值化处理步骤：对手写验证信息进行二值化处理；
字符分割步骤：通过种子填充算法对手写验证信息进行字符分割，得到字符信息；
归一化步骤：通过质心对齐和线性插值放大对字符信息进行归一化处理。
进一步地，所述字符分割步骤之后包括以下步骤：
字符判断步骤：判断字符信息的字符特征是否处于预设范围内，如果是，则执行归一化步骤，如果否，则执行粘连判断步骤；
粘连判断步骤：通过预识别判断该字符信息是否为粘连字符，如果是，则通过垂直投影图中找谷点的方法对其进行分割，如果否，则执行归一化步骤。
进一步地，所述信息比对步骤具体包括以下子步骤：所述参考验证信息包括参考验证答案和模板特征向量；
一致性判断步骤：判断手写验证信息的手写字符与参考验证答案是否一致，如果是，则执行特征提取步骤，如果否，则验证失败；
特征提取步骤：对手写验证信息进行特征提取，得到相应的特征向量；
特征比对步骤：判断手写验证信息的特征向量与模板库内的特征向量是否一致，如果否，则验证失败。
进一步地，所述特征提取步骤具体包括以下子步骤：
图像分割步骤：对字符信息进行图像分割，将其分割为预设数量的方格区域；
密度计算步骤：计算每个方格中的区域密度，该区域密度＝每个方格内的点数与字符信息总点数之比。
本发明的目的之二采用如下技术方案实现：
一种电子设备，包括：一个或多个处理器；
存储器；以及一个或者多个程序，其中所述一个或多个程序被存储在所述存储器中，并且被配置成由一个或多个处理器执行，所述程序包括用于执行以下方法的步骤：
问卷获取步骤：获取网络问卷内容，所述网络问卷内容包括调研问题和用户验证问题；
用户验证步骤：在用户作答调研问题的过程中，随机插入用户验证问题；
手写信息获取步骤：获取手写区域内的手写字符，并生成图片作为手写验证信息；
信息比对步骤：将手写验证信息与参考验证信息进行比对，如果比对识别失败，则验证失败。
进一步地，所述信息比对步骤具体包括以下子步骤：所述参考验证信息包括参考验证答案和模板特征向量；
一致性判断步骤：通过字体识别算法判断手写验证信息的手写字符与参考验证答案是否一致，如果是，则执行特征提取步骤，如果否，则验证失败；
特征提取步骤：对手写验证信息进行特征提取，得到相应的特征向量；
特征比对步骤：判断手写验证信息的特征向量与模板库内的特征向量是否一致，如果否，则验证失败。
本发明的目的之三采用如下技术方案实现：
一种计算机可读存储介质，其存储用于实现手写识别的防作弊网络调研的计算机程序，其中，所述计算机程序使得计算机执行上所描述的方法。
相比现有技术，本发明的有益效果在于：
本发明在网络问卷调研系统中引入手写字符识别技术，在注册、登录、答题环节随机加入与手写字符识别技术结合的问题，通过让参与调研的用户使用手写输入完成答案提交的用户验证环节，提高问卷样本数据的有效性和真实性，避免利用机器欺骗性答题的大量无效问卷出现。
附图说明
图1为本发明基于手写识别的防作弊网络调研的方法的流程图；
图2为本发明基于手写识别的防作弊网络调研的装置的结构图。
具体实施方式
下面，结合附图以及具体实施方式，对本发明做进一步描述，需要说明的是，在不相冲突的前提下，以下描述的各实施例之间或各技术特征之间可以任意组合形成新的实施例。
本发明主要包括：用户管理模块、问卷模块和用户验证模块；用户通过智能设备连接网络，访问网络问卷，进行相关操作，如注册、登录、手写录入，问卷设置、答题等。用户管理模块、问卷模块、用户验证模块部署在信息处理服务器。
用户管理模块：获取、管理用户数据及权限分配。包括注册、登录、用户权限管理3部分：
注册：通过注册流程，引导用户提交基本身份资料信息、设置密码，并调用用户验证模块让用户按提示内容在手写区域手写指定内容提交进行用户真实性验证。通过验证则完成注册。
登录：通过登录流程，验证用户的身份信息，匹配用户基本资料数据，必要时进行用户验证，用户登录成功后将用户信息发送到用户权限管理模块，以便判断用户权限；
用户权限管理：存储、管理用户的基本资料信息、问卷设置管理权限或问卷答题权限，在进行高级权限操作时，根据情况调用用户验证模块进行用户验证，如删除问卷内容或提取账户余额。通过对用户注册时提交的资料信息和选择的账户类型信息，配置用户对应的问卷设置或答题权限，并在用户登录后进行权限判断和分配。
问卷模块：包括问卷设置、网络问卷、问卷数据分析三部分；
问卷设置：问卷管理用户通过问卷设置模块配置问卷内容、调研题型、匹配答题的用户类型、答题奖励，设置完成发布问卷。
网络问卷：用户通过网络问卷查看问题内容，并对应操作进行答题，提交信息。网络问卷包括问卷管理用户设置的调研问题和随机插入的用户验证问题。随机插入用户验证问题可以有效提高问卷数据的真实性。主要是在用户答题过程中，随机抽取一条识别验证模块配置好的手写录入问题，通过手写模块获取用户根据提示完成的手写字符内容，比对识别模型进行用户验证。
问卷数据：问卷数据分析模块获取用户提交的答题信息后，对答题信息进行分析处理，并将问卷数据结果展示给问卷管理用户查看。
用户验证模块：将手写模块获取的用户手写内容信息比对识别模型进行验证，判断内容的正确性与唯一性。包括：手写模块、识别模型、用户校验三部分。
手写模块：用于获取用户在使用问卷系统过程中的手写字符信息并生成图片。用户按系统提示在手写模块的指定区域进行手写操作录入内容，手写模块将手写内容对应生成图片发送到用户校验模块。
识别模型：通过对大量手写图片学习样本进行预处理，特征提取，识别训练，从而建立识别模型。识别模型用于判断验证信息是否手写，以及验证信息的正确性。
特征提取：从经过预处理的字符图片中，提取出一定维数的特征向量，从而提高字符匹配和识别的存储量和运算速度。字符有很多特征，选用合适的特征才能达到正确识别的目的。本发明采用了字符的区域密度的特征，即将字符分为5*5的25个方格区域，计算每个方格中的点数与字符总点数之比，以得到 25维特征向量。该特征反映了字符笔画的空间分布情况，并且对字符笔画的粗细不敏感。
识别训练：从训练集验证码中提取出标准模板，即标准特征库的过程。每个手写字符都有几百个标准模板。通过预处理和特征提取后，将训练集手写图片的特征向量存入文件中。训练时需要指明各手写图片的正确值。为了不出现错误的标准模板，对于分割时发现有字符粘连的训练集手写图片不加入模板库。
用户校验：随机调取预设的提示问题，通过注册、登录、网络问卷模块在浏览端展示给用户，要求用户按提示在手写模块手写提交指定内容或用手写方式进行答案提交。
如图1所示，本发明提供了一种基于手写识别的防作弊网络调研的方法，包括以下步骤：
S1：获取网络问卷内容，所述网络问卷内容包括调研问题和用户验证问题；
S2：在用户作答调研问题的过程中，随机插入用户验证问题；
S3：获取手写区域内的手写字符，并生成图片作为手写验证信息；在步骤 S3之后还包括步骤S31：对手写验证信息进行预处理；预处理的好坏极大地影响到服务器对图片的处理识别性能，其中去除干扰和字符分割尤为重要；预处理包括很多步骤，本发明使用了解码、二值化、去除噪声和干扰、字符分割、归一化几个主要步骤，还可以增加平滑处理等步骤，也可以组合或单独使用其中几个或一个步骤；步骤S31具体包括以下子步骤：
S311：对手写验证信息进行二值化处理；将图片的灰度值，以某一阈值为限，转换为0或255，即是黑和白，以便于进行处理，二值化阈值根据具体图片分析所得，选择合理的阈值可消除很多背景、噪声，同时不损伤字符笔画；去除干扰点，二值化后大部分噪声都已经去除，但是还有很多干扰点，通过去除干扰点和噪声可以去除高度为1和2像素的干扰点，除去这些干扰点便于后续的处理更好的进行；
S312：通过种子填充算法对手写验证信息进行字符分割，得到字符信息；步骤S312之后包括以下步骤：
步骤S3120：判断字符信息的字符特征是否处于预设范围内，如果是，则执行步骤S313，如果否，则执行步骤S3121；其中字符特征主要为字符的点数和宽高比特征等；
步骤S3121：通过预识别判断该字符信息是否为粘连字符，如果是，则通过垂直投影图中找谷点的方法对其进行分割，如果否，则执行步骤S313。本步骤即是将手写图片信息分割成单个的字符，本发明先利用种子填充算法得到几个连通线，这样未粘连的字符即可分割，对于粘连字符，还需要进一步分割，粘连字符的判别主要依据字符的点数和宽高比特征，当大于某一阈值的时候初步判断为字符咋练，该阈值根据图片特征统计分析所得，对于初步判断为粘连的字符，为了防止判断错误，还用预识别的方法进行进一步判断，对于粘连字符的分割，本发明采用的是在垂直投影中找谷点的方法；
S313：通过质心对齐和线性插值放大对字符信息进行归一化处理；为了解决图片字符存在位置偏移、大小不一、旋转不定的问题，通过质心对齐和线性插值放大对字符信息进行归一化处理使得字符变为统一的规则，以便于进行匹配。
S4：将手写验证信息与参考验证信息进行比对，如果比对识别失败，则验证失败；步骤S4具体包括以下子步骤：所述参考验证信息包括参考验证答案和模板特征向量；
S41：判断手写验证信息的手写字符与参考验证答案是否一致，如果是，则执行步骤S42，如果否，则验证失败；字体识别算法为现有的常规技术手段，可以明确的识别出手写字符与参考字符是否一致，如果不一致，则验证失败；所述参考验证答案即为事先在系统内设置的相应问题的答案，在进行具体的识别判断的时候，是将手写字符与参考验证答案内的各个字符进行比对，以判断其是否一致；
S42：对手写验证信息进行特征提取，得到相应的特征向量；所述步骤S42 具体包括以下子步骤：
S421：对字符信息进行图像分割，将其分割为预设数量的方格区域；
S422：计算每个方格中的区域密度，该区域密度＝每个方格内的点数与字符信息总点数之比；从经过预处理的字符图片中，提取处一定维数的特征向量，从而提高字符匹配和识别的存储量和运算速度，字符有很多特征，选用合适的特征才能达到正确识别的目的，本发明采用字符的区域密度的特征，即将字符分成5*5的25个方格区域，计算每个方格中的点数与字符总点数之比，以得到 25维特征向量，该特征反映了字符笔画的空间分布情况，并且对字符笔画的粗细不敏感；由于反应的是空间字符笔画的分布，故而再进行训练以及识别的时候并不是对字与字之间的识别判断，而是通过不断的分析该字的笔画特征，然后对其进行分析，从而为是否是人机提供相应的判断条件；
在特征提取环节，本发明采用了提取字符的区域密度的特征，也可以通过提取其他特征来替代，如平滑特征等；还可以在手写字符过程加入其他特征判断进行是否手写的识别，如在指定区域中增加获取手写笔顺的特征、压感的特征等来进行辅助判断。
S43：判断手写验证信息的特征向量与模板库内的特征向量是否一致，如果否，则验证失败。手写字体的识别，采用使用softmax回归模型进行识别，softmax 模型可以用来给不同的对象分配概率，softmax回归主要分为两步：
第一步，为了得到一张给定图片属于某个特定文字类的证据，我们对图片像素值进行加权求和，如果这个像素具有很强的证据说明这张图片不属于该类，那么相应的权值为负数，相反如果这个像素拥有有利的证据支持这张图片属于这个类，那么权值为正数，此外我们还加入一个额外的偏置量，以排出输入带来的一些无关干扰量，因此可得：
其中Wi,j代表权重，xj代表特征向量，在本发明中也即是区域密度，bi代表第i类的偏置量，j代表给定图片x的像素索引用于像素求和，然后用softmax 函数将这些证据转换为概率y：y＝softmax(evidence)；其中的Wi,j和偏置量 bi是通过训练的时候得到的数值，在进行识别的时候，计算机只用识别xj这个量即可得到相应的evidencei，从而得到相应的概率y；
这里的softmax是一个激励函数，把我们定义的线性函数的输出转换成我们想要的格式，也就是关于文字类的概率分布，因此，第二步，给定一张图片，它对于每一个训练标准模板的吻合度可以被softmax函数转换成一个概率值， softmax函数可以定义为softmax(x)＝normalize(exp(x))；
展开等式右边的子式，得到
待识别字符属于哪个标准模板的概率最大，就表示和那个模板最匹配，即判别为哪个字符。如果是，则执行S5，如果否，则验证失败；
S5：判断手写验证信息与已提交的手写验证信息的相似度是否大于预设值，如果是，则验证失败，如果否，则验证成功。该预设值为100％；已提交的手写验证信息是在本次手写验证信息之前提交至电脑端的验证信息；与已提交的手写验证信息比较相似度是否为100％的判断原理为：因为人类手写输入每次都不同，所有提交的手写验证信息不会100％相似。
本发明的步骤可以只判断手写字符与参考验证信息的一致性，省略与已有手写图片比较相似度是否100％步骤，该步骤用于判断手写图片的唯一性，从而防止同一手写图片被计算机反复提交用于替代人类手写图片来验证参考信息一致性。
本发明的具体的工作原理：
用户在访问网络问卷调研系统时，点击注册，提交身份资料信息、账号类型(普通答题用户、问卷管理用户)相关信息，开始建立用户账号；
用户验证模块随机生成一个基于手写录入答案的验证问题，通过手写模块获取用户按提示录入的手写内容图片；
提取手写内容图片的特征向量与识别模型的特征向量集做比对，判断是否为手写内容，以及内容的正确性，验证通过，将手写内容图片特征存储。
将用户提交的注册相关身份信息存储到用户管理模块建立用户账号，完成用户注册。
注册后，用户在需要使用问卷调研系统时，开始登录流程。正常账号登录时，只需要验证用户账号密码即可完成登录。如遇到账号曾出现异常情况时(如多次输入错误的密码后成功通过密码验证)，则进入用户验证流程。
提示用户通过手写模块的指定手写区域按指令完成内容的手写录入，或以手写方式提交用户验证问题答案。用户验证模块获取用户的手写内容图片后，进行预处理、特征提取，比对识别模型验证该内容是否为手写内容，以及内容的正确性；以上验证通过后，将用户的手写内容图片与系统中预存的手写图片进行相似度比较，如没有相似度为100％的图片，则用户验证通过，用户登录成功，进入问卷调研系统可进行相关操作。
用户进入问卷系统，进行答题时，问卷中会随机插入按提示使用手写内容回答题型，以提高问卷样本的真实性。具体为，在完成普通问题的回答后，进入按提示进行手写内容提交的用户验证题型。系统通过手写模块获取用户按提示手写提交的内容图片，提取特征向量，判断该图片内容是否为手写，以及内容的正确性，通过后，与系统中预存的手写图片进行相似度100％的比较，如没有100％相似度的图片则验证通过，完成该题作答，进入下一答题环节。如发现有相似度为100％的图片，判断为非真实用户，并返回重新进行用户验证，或多次验证失败则结束该用户参与的此次问卷调查。
问卷数据分析模块获取用户提交的完整答题信息后，对答题信息进行分析处理，并将问卷数据结果展示给问卷管理用户查看。除了上述检测用户真实性之外，还可以将获取到的用户验证的手写图片，获取后，可将提取的特征向量对应该用户建立用户手写特征库，之后每次可以根据用户的手写特征判断用户的一致性。
本发明公开了一种电子设备，包括一个或多个处理器、存储器以及一个或者多个程序，其中所述一个或多个程序被存储在所述存储器中，并且被配置成由一个或多个处理器执行，所述程序包括用于执行上述方法，或者本发明的方法存储在可读的存储介质上，并且该方法程序可以被处理器执行。
如图2所示，本发明还提供了一种基于手写识别的防作弊网络调研的装置，包括以下模块：
问卷获取模块：用于获取网络问卷内容，所述网络问卷内容包括调研问题和用户验证问题；
用户验证模块：用于在用户作答调研问题的过程中，随机插入用户验证问题；
手写信息获取模块：用于获取手写区域内的手写字符，并生成图片作为手写验证信息；
信息比对模块：用于将手写验证信息与参考验证信息进行比对，如果比对识别失败，则验证失败。
上述实施方式仅为本发明的优选实施方式，不能以此来限定本发明保护的范围，本领域的技术人员在本发明的基础上所做的任何非实质性的变化及替换均属于本发明所要求保护的范围。

Claims (10)

1.一种基于手写识别的防作弊网络调研的方法，其特征在于，包括以下步骤：
问卷获取步骤：获取网络问卷内容，所述网络问卷内容包括调研问题和用户验证问题；
用户验证步骤：在用户作答调研问题的过程中，随机插入用户验证问题；
手写信息获取步骤：获取手写区域内的手写字符，并生成图片作为手写验证信息；
信息比对步骤：将手写验证信息与参考验证信息进行比对，如果比对识别失败，则验证失败。
2.如权利要求1所述的基于手写识别的防作弊网络调研的方法，其特征在于，在信息比对步骤比对成功之后执行相似度判断步骤：判断手写验证信息与已提交的手写验证信息的相似度是否大于预设值，如果是，则验证失败，如果否，则验证成功。
3.如权利要求1所述的基于手写识别的防作弊网络调研的方法，其特征在于，在手写信息步骤之后还包括预处理步骤：对手写验证信息进行预处理。
4.如权利要求3所述的基于手写识别的防作弊网络调研的方法，其特征在于，所述预处理步骤具体包括以下子步骤：
二值化处理步骤：对手写验证信息进行二值化处理；
字符分割步骤：通过种子填充算法对手写验证信息进行字符分割，得到字符信息；
归一化步骤：通过质心对齐和线性插值放大对字符信息进行归一化处理。
5.如权利要求4所述的基于手写识别的防作弊网络调研的方法，其特征在于，所述字符分割步骤之后包括以下步骤：
字符判断步骤：判断字符信息的字符特征是否处于预设范围内，如果是，则执行归一化步骤，如果否，则执行粘连判断步骤；
粘连判断步骤：通过预识别判断该字符信息是否为粘连字符，如果是，则通过垂直投影图中找谷点的方法对其进行分割，如果否，则执行归一化步骤。
6.如权利要求1所述的基于手写识别的防作弊网络调研的方法，其特征在于，所述信息比对步骤具体包括以下子步骤：所述参考验证信息包括参考验证答案和模板特征向量；
一致性判断步骤：判断手写验证信息的手写字符与参考验证答案是否一致，如果是，则执行特征提取步骤，如果否，则验证失败；
特征提取步骤：对手写验证信息进行特征提取，得到相应的特征向量；
特征比对步骤：判断手写验证信息的特征向量与模板库内的特征向量是否一致，如果否，则验证失败。
7.如权利要求6所述的基于手写识别的防作弊网络调研的方法，其特征在于，所述特征提取步骤具体包括以下子步骤：
图像分割步骤：对字符信息进行图像分割，将其分割为预设数量的方格区域；
密度计算步骤：计算每个方格中的区域密度，该区域密度＝每个方格内的点数与字符信息总点数之比。
8.一种电子设备，其特征在于，包括：一个或多个处理器；
存储器；以及一个或者多个程序，其中所述一个或多个程序被存储在所述存储器中，并且被配置成由一个或多个处理器执行，所述程序包括用于执行以下方法的步骤：
问卷获取步骤：获取网络问卷内容，所述网络问卷内容包括调研问题和用户验证问题；
用户验证步骤：在用户作答调研问题的过程中，随机插入用户验证问题；
手写信息获取步骤：获取手写区域内的手写字符，并生成图片作为手写验证信息；
信息比对步骤：将手写验证信息与参考验证信息进行比对，如果比对识别失败，则验证失败。
9.如权利要求8所述的电子设备，其特征在于，所述信息比对步骤具体包括以下子步骤：所述参考验证信息包括参考验证答案和模板特征向量；
一致性判断步骤：通过字体识别算法判断手写验证信息的手写字符与参考验证答案是否一致，如果是，则执行特征提取步骤，如果否，则验证失败；
特征提取步骤：对手写验证信息进行特征提取，得到相应的特征向量；
特征比对步骤：判断手写验证信息的特征向量与模板库内的特征向量是否一致，如果否，则验证失败。
10.一种计算机可读存储介质，其特征在于，其存储用于实现手写识别的防作弊网络调研的计算机程序，其中，所述计算机程序使得计算机执行如权利要求1-7中任意一项所述的方法。
CN201710374683.0A 2017-05-24 2017-05-24 一种基于手写识别的防作弊网络调研的方法及装置 Active CN107358148B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201710374683.0A CN107358148B (zh) 2017-05-24 2017-05-24 一种基于手写识别的防作弊网络调研的方法及装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201710374683.0A CN107358148B (zh) 2017-05-24 2017-05-24 一种基于手写识别的防作弊网络调研的方法及装置

Publications (2)

Publication Number Publication Date
CN107358148A true CN107358148A (zh) 2017-11-17
CN107358148B CN107358148B (zh) 2022-04-29

Family

ID=60270799

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201710374683.0A Active CN107358148B (zh) 2017-05-24 2017-05-24 一种基于手写识别的防作弊网络调研的方法及装置

Country Status (1)

Country Link
CN (1) CN107358148B (zh)

Cited By (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110659500A (zh) * 2019-08-13 2020-01-07 平安国际智慧城市科技股份有限公司 服务器安全检测方法、装置、计算机设备和存储介质
CN110728573A (zh) * 2019-10-22 2020-01-24 中国银行股份有限公司 业务执行的信息提示方法及装置
CN110874579A (zh) * 2019-11-18 2020-03-10 中国银行股份有限公司 基于手写体验证的业务执行方法及装置
CN112464867A (zh) * 2020-12-10 2021-03-09 清研灵智信息咨询(北京)有限公司 基于手写签名、语音识别、智能数据质控的调研防作弊方法
CN117115195A (zh) * 2023-10-24 2023-11-24 成都信息工程大学 基于区块链的防篡改识别方法及系统

Citations (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20090089374A1 (en) * 1999-06-30 2009-04-02 Silverbrook Research Pty Ltd. Method of enabling conferencing using printed forms
CN101789114A (zh) * 2010-03-02 2010-07-28 河海大学常州校区 网络问卷调查中的数据源防伪方法
US20100278430A1 (en) * 2001-10-15 2010-11-04 Silverbrook Research Pty Ltd Identifying a string formed from a number of hand-written characters
CN102789606A (zh) * 2012-07-20 2012-11-21 珠海市载舟软件技术有限公司 基于智能移动通讯设备的问卷调查系统及其方法
CN103678976A (zh) * 2012-09-18 2014-03-26 阿里巴巴集团控股有限公司 一种通过手写输入设备认证身份的方法和手写输入设备
CN104239770A (zh) * 2014-09-23 2014-12-24 陈包容 一种移动终端待机状态下进入应用程序的方法和系统
CN104281831A (zh) * 2013-07-02 2015-01-14 阿里巴巴集团控股有限公司 一种笔迹验证的方法和装置
CN104517094A (zh) * 2013-09-30 2015-04-15 阿里巴巴集团控股有限公司 一种身份验证方法和身份验证装置
CN105556566A (zh) * 2013-10-25 2016-05-04 株式会社和冠 动态手写验证、基于手写的用户认证、手写数据生成和手写数据保存
CN105631272A (zh) * 2016-02-02 2016-06-01 云南大学 一种多重保险的身份认证方法

Patent Citations (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20090089374A1 (en) * 1999-06-30 2009-04-02 Silverbrook Research Pty Ltd. Method of enabling conferencing using printed forms
US20100278430A1 (en) * 2001-10-15 2010-11-04 Silverbrook Research Pty Ltd Identifying a string formed from a number of hand-written characters
CN101789114A (zh) * 2010-03-02 2010-07-28 河海大学常州校区 网络问卷调查中的数据源防伪方法
CN102789606A (zh) * 2012-07-20 2012-11-21 珠海市载舟软件技术有限公司 基于智能移动通讯设备的问卷调查系统及其方法
CN103678976A (zh) * 2012-09-18 2014-03-26 阿里巴巴集团控股有限公司 一种通过手写输入设备认证身份的方法和手写输入设备
CN104281831A (zh) * 2013-07-02 2015-01-14 阿里巴巴集团控股有限公司 一种笔迹验证的方法和装置
CN104517094A (zh) * 2013-09-30 2015-04-15 阿里巴巴集团控股有限公司 一种身份验证方法和身份验证装置
CN105556566A (zh) * 2013-10-25 2016-05-04 株式会社和冠 动态手写验证、基于手写的用户认证、手写数据生成和手写数据保存
CN104239770A (zh) * 2014-09-23 2014-12-24 陈包容 一种移动终端待机状态下进入应用程序的方法和系统
CN105631272A (zh) * 2016-02-02 2016-06-01 云南大学 一种多重保险的身份认证方法

Non-Patent Citations (3)

* Cited by examiner, † Cited by third party
Title
GRAFX: "验证码识别与反识别技术", 《HTTPS://BLOG.CSDN.NET/GRAFX/ARTICLE/DETAILS/18142589》 *
JUN-WEN JI 等: "Similarity Computation Based on Feature Extraction for Off-line Chinese Signature Verification", 《2009 SIXTH INTERNATIONAL CONFERENCE ON FUZZY SYSTEMS AND KNOWLEDGE DISCOVERY》 *
搬砖小工053: "tensorflow实现softmax回归（softmax regression）", 《HTTPS://BLOG.CSDN.NET/SA14023053/ARTICLE/DETAILS/51884894》 *

Cited By (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110659500A (zh) * 2019-08-13 2020-01-07 平安国际智慧城市科技股份有限公司 服务器安全检测方法、装置、计算机设备和存储介质
CN110728573A (zh) * 2019-10-22 2020-01-24 中国银行股份有限公司 业务执行的信息提示方法及装置
CN110874579A (zh) * 2019-11-18 2020-03-10 中国银行股份有限公司 基于手写体验证的业务执行方法及装置
CN112464867A (zh) * 2020-12-10 2021-03-09 清研灵智信息咨询(北京)有限公司 基于手写签名、语音识别、智能数据质控的调研防作弊方法
CN117115195A (zh) * 2023-10-24 2023-11-24 成都信息工程大学 基于区块链的防篡改识别方法及系统

Also Published As

Publication number Publication date
CN107358148B (zh) 2022-04-29

Similar Documents

Publication Publication Date Title
CN107358148A (zh) 一种基于手写识别的防作弊网络调研的方法及装置
US20210049505A1 (en) Adversarial example detection method and apparatus, computing device, and non-volatile computer-readable storage medium
CN106951832A (zh) 一种基于手写字符识别的验证方法及装置
EP3518487B1 (en) Identity recognition method and device
WO2017071126A1 (zh) 触屏用户按键行为模式构建与分析系统及其身份识别方法
CN107220590A (zh) 一种基于活体检测的防作弊网络调研方法、装置及系统
CN108256591A (zh) 用于输出信息的方法和装置
CN110503099B (zh) 基于深度学习的信息识别方法及相关设备
US9202035B1 (en) User authentication based on biometric handwriting aspects of a handwritten code
CN107368724A (zh) 基于声纹识别的防作弊网络调研方法、电子设备及存储介质
Rahman et al. Making impostor pass rates meaningless: A case of snoop-forge-replay attack on continuous cyber-behavioral verification with keystrokes
Das et al. Multi‐script versus single‐script scenarios in automatic off‐line signature verification
US20180033020A1 (en) System and apparatus for detecting forgery features on identification documents
Galbally et al. Accuracy evaluation of handwritten signature verification: Rethinking the random-skilled forgeries dichotomy
Wang et al. Towards DTW-based unlock scheme using handwritten graphics on smartphones
CN115688107B (zh) 一种涉诈app检测系统和方法
CN110288483A (zh) 账号开通方法、装置、设备及计算机可读存储介质
CN108764033A (zh) 身份验证方法和装置、电子设备、计算机程序和存储介质
CN111260512B (zh) 一种后台课程自主分配方法及装置
CN210199760U (zh) 一种惠民服务查询打印装置
CN110751140A (zh) 字符批量识别方法、装置和计算机设备
CN112464720B (zh) 文档图像处理、模型训练方法、装置和计算机设备
US11755757B1 (en) Methods and systems for determining the authenticity of an identity document
CN113343124B (zh) 生成对抗网络的训练方法、检测方法及装置
Marutotamtama et al. Face Recognition and Face Spoofing Detector for Attendance System

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant