CN108921077A - 一种签名笔迹检验可视化方法 - Google Patents
一种签名笔迹检验可视化方法 Download PDFInfo
- Publication number
- CN108921077A CN108921077A CN201810678479.2A CN201810678479A CN108921077A CN 108921077 A CN108921077 A CN 108921077A CN 201810678479 A CN201810678479 A CN 201810678479A CN 108921077 A CN108921077 A CN 108921077A
- Authority
- CN
- China
- Prior art keywords
- handwriting
- point
- sample
- image
- point set
- 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.)
- Pending
Links
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
- G06V40/30—Writer recognition; Reading and verifying signatures
- G06V40/33—Writer recognition; Reading and verifying signatures based only on signature image, e.g. static signature recognition
Landscapes
- Engineering & Computer Science (AREA)
- Human Computer Interaction (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Multimedia (AREA)
- Theoretical Computer Science (AREA)
- Collating Specific Patterns (AREA)
Abstract
本发明公开了一种签名笔迹检验可视化的方法，其中，包括：对输入图像进行预处理，将输入的笔迹图像转换成二值图像；将裁剪后的检材笔迹图像和样本笔迹图像进行归一化处理；对经过预处理的检材和样本笔迹签名图像进行字符切分及数值化；用户在签名笔迹二维点集上标注特征点；计算检材笔迹点集与样本笔迹点集的匹配度，包括：用户指定检材笔迹点集以及样本笔迹的点集中的特征点为对应位置的点；两个点集之间存在一个旋转平移变换，使得对应特征点能匹配起来，通过最小二乘算法求解得到变换关系；计算两个点集之间的欧式距离，得到笔迹点集之间可量化的匹配度。
Description
技术领域
本发明涉及笔记检验技术，特别涉及一种签名笔迹检验可视化方 法。
背景技术
笔迹检验是根据人的手写笔迹，分析字符笔划、结构与篇章布局， 判断书写人身份的一门科学和技术。笔记检验分为笔迹鉴定和笔迹鉴 别两种，笔迹鉴定是直接比较两份手写笔迹文件，确定两份文件书写 者是否相同；笔迹鉴别是从多份参考文本中找出与检验文本特征最接 近的样本。
可视化是利用计算机图形学和图像处理技术，将数据转化成图形 或图像在屏幕上显示出来，并进行交互处理的理论、方法和技术。
实际司法鉴定中的笔迹鉴定主要以笔迹鉴定专家判定结果为准， 笔迹检验过程中专家借助一些笔迹检验的辅助工具，观察或者统计笔 迹结构特征，制作笔迹特征比对表，给出笔迹检验结果。在出庭示证 阶段预先专门制作多媒体演示文档，说明笔迹检验的结果。
笔迹检验通过提取检材笔迹与样本笔迹的特征，制作笔记特征比 对表，比较检材笔迹与样本笔迹的特征来判断书写人身份。笔迹检验 选择的特征一般是起笔、停顿、字符布局特征、形状特征等容易因书 写习惯不同而体现出差异性的特征。基于这些统计特征或结构特征， 作为笔迹检验的依据。最终检验结果通过标注的相同特征点或主要差 异点，说明笔迹检验过程，得出笔迹检验结果，笔迹检验的特征没有 直观的可视化方法展示量化的差异。
论文“伪造签名笔迹检验的研究”2007年政法学刊24卷第3期， 通过纸张种类异常、文字布局异常、手写工具异常等特征，主要依靠 观察和经验进行判断，缺少客观的可量化的特征。
发明专利“一种基于可视化的手写笔迹鉴定方法”，申请号 200810121675.6，公开号CN101393606A，提出了一种笔迹鉴定可视 化的方法，通过间隔时间采集手写笔的笔尖移动速度大小、方向，和 笔尖对手写板压力，可视化用户写字过程中笔尖移动速度大小的变化、方向的变化和笔尖对手写板压力的变化。计算笔尖移动速度大小、 方向和笔尖对手写板压力的分布信息，然后比较可视化结果的相似度 来鉴定笔迹。这种方法要求书写过程已知，并且需要有适当的配套硬 件采集书写过程，比如书写板，这在司法鉴定中不可取，因为司法鉴 定的笔迹书写过程几乎是未知的。
发明内容
本发明的目的是提供一种签名笔迹检验可视化的方法，用于解决 上述现有技术的问题。
本发明一种签名笔迹检验可视化的方法，其中，包括：对输入图 像进行预处理，将输入的笔迹图像转换成二值图像；将裁剪后的检材 笔迹图像和样本笔迹图像进行归一化处理；对经过预处理的检材和样 本笔迹签名图像进行字符切分及数值化；用户在签名笔迹二维点集上 标注特征点；计算检材笔迹点集与样本笔迹点集的匹配度，包括：用 户指定检材笔迹点集以及样本笔迹的点集中的特征点为对应位置的 点；两个点集之间存在一个旋转平移变换，使得对应特征点能匹配起 来，通过最小二乘算法求解得到变换关系；计算两个点集之间的欧式 距离，得到笔迹点集之间可量化的匹配度。
根据本发明的签名笔迹检验可视化的方法的一实施例，其中，预 处理包括：对输入的图像进行二值化，将输入的笔迹图像转换成二值 图像；用图像去噪算法对图像进行去噪处理。
根据本发明的签名笔迹检验可视化的方法的一实施例，其中，预 处理进一步包括，通过检测签名笔迹上下左右四个边缘，裁剪与签名 笔迹无关的留白区域。
根据本发明的签名笔迹检验可视化的方法的一实施例，其中，对 经过预处理的检材和样本笔迹签名图像进行字符切分及数值化，包 括：对经过预处理的检材和样本笔迹签名图像进行垂直投影，按列统 计垂直方向上像素个数。
根据本发明的签名笔迹检验可视化的方法的一实施例，其中，以 图像左上角为坐标原点，水平向右为x轴正方向，垂直向下为y轴正方 向，每个像素分度值为1，将检材和样本签名笔迹图像像素用坐标表 示，检材和样本的像素坐标组成的集合分别为检材和样本的点集表 示，将检材图像和样本图像由像素表示转化为离散的坐标数值表示， 以实现图像的数值化。
根据本发明的签名笔迹检验可视化的方法的一实施例，其中，将 裁剪后的检材笔迹图像以及样本笔迹图像均为长×宽为640×320像素 的图像。
根据本发明的签名笔迹检验可视化的方法的一实施例，其中，特 征点选取字符笔划明显对应位置的点。
根据本发明的签名笔迹检验可视化的方法的一实施例，其中，特 征点至少包括：拐点位置以及起点位置。
根据本发明的签名笔迹检验可视化的方法的一实施例，其中，两 个点集之间存在一个旋转平移变换，使得对应特征点能匹配起来，通 过最小二乘算法求解得到变换关系，包括：检材笔迹点集记为P，样 本笔迹点集记为Q，在点集Q中找出距离检材笔迹第i个像素点 pi(pi∈P)最近的点qi(qi∈Q)；点和点的距离远近通 过计算两点之间的欧式距离得到，距离公式表示为 点集P和Q之间存在一个空间变换f(R，T)，使得点集P和Q的平均距离最近，其中R是二维的旋转变换，T是 一个二维的平移量，标注的对应特征点是两个点集中已知确定对应关 系的点，P和Q点集中剩余未标注的点是两个点集中未知对应关系的 点，通过求解时的f(R，T)，输出空间变换 f(R，T)；对点集Q施加空间变换f(R，T)，得到点集Q′。
根据本发明的签名笔迹检验可视化的方法的一实施例，其中，计 算两个点集之间的欧式距离，得到笔迹点集之间可量化的匹配度包 括：空间变换f(R，T)是二维旋转平移刚体变换，点集Q′与点集Q构成的 笔迹形状完全一样，点集Q′与点集Q是空间位置的变化，计算点集Q′与 点集P的欧式距离，得到笔迹点集之间可量化的匹配度。
本发明的签名笔迹检验可视化的方法，辅助笔迹检验，使得笔迹 检验结果有量化的依据，而非依靠专家主观评判。另外可视化检材笔 迹与样本笔迹的匹配结果，使得结果显而易见，避免苍白的语言描述。 提高司法人员工作效率，优化笔迹检验结果显示效果。
附图说明
图1所示为本发明一种笔迹检验可视化的方法的流程图；
图2所示为检材笔迹图像投影像素分布直方的示例图；
图3所示为检材笔迹图像投影像素分布二维图像数值化后的示例 图；
图4所示为选取关键特征点作为对应点的示意图；
图5所示为可视化检材笔迹与样本笔迹的匹配程度示意图。
具体实施方式
为使本发明的目的、内容、和优点更加清楚，下面结合附图和实 施例，对本发明的具体实施方式作进一步详细描述。
图1所示为本发明一种笔迹检验可视化的方法的流程图，如图1 所示，本发明提出了一种笔迹检验可视化的方法，首先对输入图像进 行二值化、去噪、归一化预处理，然后进行字符切分，笔迹像素表示 转化为二维点集表示。在二维点集上标注关键的对应特征点，特征点 选取字符笔划明显对应位置的点，比如拐点位置，起点位置等，明显 对应位置的点选取为关键的对应特征点。然后算法自动计算检材笔迹 点集与样本笔迹点集的匹配度，输出笔迹匹配程度。具体过程如下：
步骤一：对输入数据进行预处理，包括：
对输入的图像进行二值化，将输入的笔迹图像转换成二值图像；
用图像去噪算法对图像进行去噪处理；
通过检测签名笔迹上下左右四个边缘，裁剪与签名笔迹无关的留 白区域，这部分区域对笔迹检验来说是无效的，并且会影响接下来的 图像归一化；
将裁剪后的检材笔迹图像、样本笔迹图像进行归一化处理，使得 检材和样本笔迹图像尺寸大小统一，例如为长×宽为640×320像素；
图2所示为检材笔迹图像投影像素分布直方的示例，图3所示为检 材笔迹图像投影像素分布二维图像数值化后的示例，如图2所示，步 骤二：进行字符切分及数值化，包括：
对经过预处理的检材和样本笔迹签名图像进行垂直投影，按列统 计垂直方向上像素个数；
以图像左上角为坐标原点，水平向右为x轴正方向，垂直向下为y 轴正方向，每个像素分度值为1，将检材和样本签名笔迹图像像素用 坐标表示，检材和样本的像素坐标组成的集合分别为检材和样本的点 集表示，将检材图像和样本图像由像素表示转化为离散的坐标数值表 示，实现图像的数值化。
图4所示为选取关键特征点作为对应点的示意图，如图4所示，步 骤三：用户标注特征点，包括：用户在签名笔迹二维点集上标注特征 点，特征点选取字符笔划明显对应位置的点，比如拐点位置，起点位 置等。
步骤四：计算检材笔迹点集与样本笔迹点集的匹配度，包括：
用户指定检材笔迹点集以及样本笔迹的点集中的特征点为对应 位置的点。
两个点集之间存在一个旋转平移变换，使得对应特征点能匹配起 来，变换关系可通过最小二乘算法求解得到。原理与迭代最近点 (Iterative Closest Points，ICP)算法相同，假定给出已知两个数据点 集P,Q，给出两个点集的空间变换f使P,Q能进行空间匹配，因为两个点 集之间只要有若干个点的对应关系，就可以通过最小二乘计算得到空 间变换f。
点集Q经过空间变换f与点集P匹配，计算两个点集之间的欧式距 离，即可得到笔迹点集之间可量化的匹配度；
本实施例的步骤四具体检验方法包括：
检材笔迹点集记为P，样本笔迹点集记为Q，在点集Q中找出距离 检材笔迹第i个像素点pi(pi∈P)最近的点qi(qi∈Q)；
点和点的距离远近通过计算两点之间的欧式距 离得到，距离公式表示为
点集P和Q之间存在一个空间变换f(R，T)，使得点集P和Q的平均距 离最近，其中R是二维的旋转变换，T是一个二维的平移量。步骤三中 标注的对应特征点是两个点集中已知确定对应关系的点，P和Q点集中 剩余未标注的点是两个点集中未知对应关系的点，通过求解 时的f(R，T)，输出空间变换f(R，T)；
对点集Q施加空间变换g(R，T)，得到点集Q‘；
由于空间变换f(R，T)是二维旋转平移刚体变换，所以点集Q‘与点集 Q构成的笔迹形状完全一样，点集Q‘与点集Q只是空间位置的变化。计 算点集Q‘与点集P的欧式距离，即可得到笔迹点集之间可量化的匹配 度。
步骤五：可视化笔迹匹配程度
图5所示为可视化检材笔迹与样本笔迹的匹配程度示意图，如图5 所示，根据步骤四的计算结果，可视化两个笔迹点集的匹配程度。
使用计算机辅助进行笔迹检验，将签名笔迹图像数值化，利用图 形学中的迭代最近点(Iterative Closest Points，ICP)算法，求解两个 点集之间的空间变换关系，对其中一个点集施加变换关系，对准两个 点集，计算两个点集之间的欧式距离。用欧式距离作为两个笔迹匹配 程度的量化标准，输出检材笔迹与样本笔迹的匹配度，并可视化表示。
本发明计算机辅助笔迹检验，使得笔迹检验结果有量化的依据， 而非依靠专家主观评判。另外可视化检材笔迹与样本笔迹的匹配结 果，使得结果显而易见，避免苍白的语言描述。提高司法人员工作效 率，优化笔迹检验结果显示效果。
以上所述仅是本发明的优选实施方式，应当指出，对于本技术领 域的普通技术人员来说，在不脱离本发明技术原理的前提下，还可以 做出若干改进和变形，这些改进和变形也应视为本发明的保护范围。
Claims (10)
1.一种签名笔迹检验可视化的方法，其特征在于，包括：对输入图像进行预处理，将输入的笔迹图像转换成二值图像；
将裁剪后的检材笔迹图像和样本笔迹图像进行归一化处理；
对经过预处理的检材和样本笔迹签名图像进行字符切分及数值化；
用户在签名笔迹二维点集上标注特征点；
计算检材笔迹点集与样本笔迹点集的匹配度，包括：
用户指定检材笔迹点集以及样本笔迹的点集中的特征点为对应位置的点；
两个点集之间存在一个旋转平移变换，使得对应特征点能匹配起来，通过最小二乘算法求解得到变换关系；
计算两个点集之间的欧式距离，得到笔迹点集之间可量化的匹配度。
2.如权利要求1所述的签名笔迹检验可视化的方法，其特征在于，预处理包括：对输入的图像进行二值化，将输入的笔迹图像转换成二值图像；用图像去噪算法对图像进行去噪处理。
3.如权利要求1所述的签名笔迹检验可视化的方法，其特征在于，预处理进一步包括，通过检测签名笔迹上下左右四个边缘，裁剪与签名笔迹无关的留白区域。
4.如权利要求1所述的签名笔迹检验可视化的方法，其特征在于，对经过预处理的检材和样本笔迹签名图像进行字符切分及数值化，包括：对经过预处理的检材和样本笔迹签名图像进行垂直投影，按列统计垂直方向上像素个数。
5.如权利要求4所述的签名笔迹检验可视化的方法，其特征在于，以图像左上角为坐标原点，水平向右为x轴正方向，垂直向下为y轴正方向，每个像素分度值为1，将检材和样本签名笔迹图像像素用坐标表示，检材和样本的像素坐标组成的集合分别为检材和样本的点集表示，将检材图像和样本图像由像素表示转化为离散的坐标数值表示，以实现图像的数值化。
6.如权利要求1所述的签名笔迹检验可视化的方法，其特征在于，将裁剪后的检材笔迹图像以及样本笔迹图像均为长×宽为640×320像素的图像。
7.如权利要求1所述的签名笔迹检验可视化的方法，其特征在于，特征点选取字符笔划明显对应位置的点。
8.如权利要求1所述的签名笔迹检验可视化的方法，其特征在于，特征点至少包括：拐点位置以及起点位置。
9.如权利要求1所述的签名笔迹检验可视化的方法，其特征在于，两个点集之间存在一个旋转平移变换，使得对应特征点能匹配起来，通过最小二乘算法求解得到变换关系，包括：
检材笔迹点集记为P，样本笔迹点集记为Q，在点集Q中找出距离检材笔迹第i个像素点pi(pi∈P)最近的点qi(qi∈Q)；
点和点的距离远近通过计算两点之间的欧式距离得到，距离公式表示为
点集P和Q之间存在一个空间变换f(R，T)，使得点集P和Q的平均距离最近，其中R是二维的旋转变换，T是一个二维的平移量，标注的对应特征点是两个点集中已知确定对应关系的点，P和Q点集中剩余未标注的点是两个点集中未知对应关系的点，通过求解时的f(R，T)，输出空间变换f(R，T)；
对点集Q施加空间变换f(R，T)，得到点集Q′。
10.如权利要求9所述的签名笔迹检验可视化的方法，其特征在于，计算两个点集之间的欧式距离，得到笔迹点集之间可量化的匹配度包括：空间变换f(R，T)是二维旋转平移刚体变换，点集Q′与点集Q构成的笔迹形状完全一样，点集Q′与点集Q是空间位置的变化，计算点集Q′与点集P的欧式距离，得到笔迹点集之间可量化的匹配度。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201810678479.2A CN108921077A (zh) | 2018-06-27 | 2018-06-27 | 一种签名笔迹检验可视化方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201810678479.2A CN108921077A (zh) | 2018-06-27 | 2018-06-27 | 一种签名笔迹检验可视化方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN108921077A true CN108921077A (zh) | 2018-11-30 |
Family
ID=64422641
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201810678479.2A Pending CN108921077A (zh) | 2018-06-27 | 2018-06-27 | 一种签名笔迹检验可视化方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN108921077A (zh) |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN117058688A (zh) * | 2023-08-14 | 2023-11-14 | 北京东舟技术股份有限公司 | 一种书写轨迹相似度评估方法及处理设备 |
| CN117728960A (zh) * | 2024-02-07 | 2024-03-19 | 中国标准化研究院 | 一种基于电子签名的标准数据数字化转换验证方法和系统 |
Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2698338B2 (ja) * | 1996-05-31 | 1998-01-19 | 三洋電機株式会社 | 手書き文字認識の特徴点検出方法 |
| CN1482571A (zh) * | 2003-04-11 | 2004-03-17 | 清华大学 | 基于单个字符的统计笔迹鉴别和验证方法 |
| CN104182732A (zh) * | 2014-08-12 | 2014-12-03 | 南京师范大学 | 基于特征矩阵进行相似度匹配的手写汉字笔画确认方法 |
-
2018
- 2018-06-27 CN CN201810678479.2A patent/CN108921077A/zh active Pending
Patent Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2698338B2 (ja) * | 1996-05-31 | 1998-01-19 | 三洋電機株式会社 | 手書き文字認識の特徴点検出方法 |
| CN1482571A (zh) * | 2003-04-11 | 2004-03-17 | 清华大学 | 基于单个字符的统计笔迹鉴别和验证方法 |
| CN104182732A (zh) * | 2014-08-12 | 2014-12-03 | 南京师范大学 | 基于特征矩阵进行相似度匹配的手写汉字笔画确认方法 |
Cited By (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN117058688A (zh) * | 2023-08-14 | 2023-11-14 | 北京东舟技术股份有限公司 | 一种书写轨迹相似度评估方法及处理设备 |
| CN117058688B (zh) * | 2023-08-14 | 2024-04-05 | 北京东舟技术股份有限公司 | 一种书写轨迹相似度评估方法及处理设备 |
| CN117728960A (zh) * | 2024-02-07 | 2024-03-19 | 中国标准化研究院 | 一种基于电子签名的标准数据数字化转换验证方法和系统 |
| CN117728960B (zh) * | 2024-02-07 | 2024-05-07 | 中国标准化研究院 | 一种基于电子签名的标准数据数字化转换验证方法和系统 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Berger et al. | Style and abstraction in portrait sketching | |
| Sun et al. | Scale and object aware image retargeting for thumbnail browsing | |
| JP5717691B2 (ja) | 手書き文字検索装置、方法及びプログラム | |
| CN109472234B (zh) | 一种手写输入智能识别的方法 | |
| Belan et al. | Segmentation-free approaches of computer vision for automatic calibration of digital and analog instruments | |
| CN104392229B (zh) | 基于笔画片段方向分布特征的笔迹识别方法 | |
| CN102542264A (zh) | 基于数字手写设备的汉字书写正误自动评测方法和装置 | |
| US20120295231A1 (en) | Realtime user guidance for freehand drawing | |
| Pintus et al. | ATHENA: Automatic text height extraction for the analysis of text lines in old handwritten manuscripts | |
| CN106503626A (zh) | 基于深度图像与手指轮廓匹配的并指手势识别方法 | |
| Kalka et al. | On relative distortion in fingerprint comparison | |
| CN106919884A (zh) | 面部表情识别方法及装置 | |
| JP2013246732A (ja) | 手書き文書検索装置、方法及びプログラム | |
| CN108921077A (zh) | 一种签名笔迹检验可视化方法 | |
| Hirata et al. | Matching based ground-truth annotation for online handwritten mathematical expressions | |
| Zimmer et al. | The challenge of comparing digitally captured signatures registered with different software and hardware | |
| Žunić et al. | Measuring linearity of open planar curve segments | |
| CN210038810U (zh) | 智能评测设备及系统 | |
| Firdaus et al. | Arabic letter segmentation using modified connected component labeling | |
| CN111259726B (zh) | 在线笔迹认证中一种笔画动态特征的提取及认证方法 | |
| Hu et al. | Determining points on handwritten mathematical symbols | |
| CN110097561B (zh) | 一种基于空间约束条件的快速纸张检测及分割方法 | |
| Zaghloul et al. | Recognition of Hindi (Arabic) handwritten numerals | |
| Lee et al. | Signing in the air by pinching multi-fingers for advanced authentication on embedded system | |
| Ding et al. | Writer identification based on local contour distribution feature |
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 | ||
| RJ01 | Rejection of invention patent application after publication | ||
| RJ01 | Rejection of invention patent application after publication |
Application publication date: 20181130 |