CN116612538A - 电子合同内容的在线确认方法 - Google Patents

Abstract

本发明涉及数据识别技术领域，具体涉及一种电子合同内容的在线确认方法，该方法通过提取手写字体中数据点的灰度值变化特征的分布情况得到整体特征直方图，通过提取手写字体中所有数据点对应的预设邻域范围数据点的数量分布特征得到局部特征矩阵，根据实时手写字体和预设标准手写字体之间整体特征直方图的相关性和局部特征矩阵之间的相关性得到电子签名识别结果，根据电子签名识别结果、人脸识别结果和指纹识别结果完成用户身份确认，根据电子合同内容确认模块完成电子合同内容的在线确认。本发明通过提取电子签名字体的整体特征和局部特征识别电子签名笔迹数据方法提高电子签名数据的识别精度和识别效果。

Description

电子合同内容的在线确认方法

技术领域

本发明涉及电子合同在线确认技术领域，具体涉及一种电子合同内容的在线确认方法。

背景技术

由于电子合同便捷、不易丢失、智能化等特性，商业交流之间的合同签订由纸质合同逐渐向电子合同的方向发展，但是由于网络平台的虚拟特性，在合同确认过程中，无法判断签署双方是否为真实的签署对象，因此为了确保合同签署的真实性和有效性，现有技术通常结合短信验证、人脸识别、指纹识别和签名识别等确认过程确保合同签署的真实性和有效性。

现有的签名识别技术通过提取签名字体的纹理特征和整体形态特征进行分析，由于字体样本的特殊性，即不同字体之间的整体特征可能存在一定的相似性，因此现有技术对整体特征相似的字体的识别效果较差。

发明内容

为了解决现有技术对签名的识别效果较差，且计算量较大技术问题，本发明的目的在于提供一种电子合同内容的在线确认方法，所采用的技术方案具体如下：

本发明提出了一种电子合同内容的在线确认方法，所述方法包括：

获得待确认过程中的电子合同内待确认项对应的实时电子签名和身份信息；

获取待确认用户的所述实时电子签名中每个字体的实时手写字体图像，将所述手写字体图像中的像素点记为数据点，根据所述手写字体图像中所述数据点的灰度值变化特征的分布情况得到整体特征直方图；

根据所述手写字体图像中所有数据点对应的预设邻域范围内数据点的数量分布特征构建局部特征矩阵；

根据所述实时手写字体图像与所述预设标准手写字体图像之间的整体特征直方图相关性和局部特征矩阵相关性，得到电子签名的签名相关性，根据所述签名相关性得到电子签名识别结果；

获取待确认用户的身份信息识别结果，根据所述电子签名识别结果和身份信息识别结果进行待确认用户身份确认，执行所述待确认项的确认流程。

进一步地，所述整体特征直方图的获取方法包括：

获取目标数据点在所述手写字体图像上的灰度值，将所述灰度值作为数据值构建对应的海森矩阵，计算所述目标数据点对应所述海森矩阵的特征值，将最大的特征值对应的特征向量的方向作为所述目标数据点的变化方向，改变目标数据点得到所有数据点的变化方向；

将所述变化方向进行量化处理得到变化方向角度，根据所述变化方向角度的分布特征构建整体特征直方图。

进一步地，所述根据所述变化方向角度的分布状况构建整体特征直方图包括：

在所述手写字体图像中统计所有数据点的变化方向角度，将变化方向角度按照量程划分为至少两个角度范围大小相同的角度划分区间，统计每个角度划分区域内数据点的数量，以角度划分区域的序号为横坐标，以角度划分区域内数据点的数量为纵坐标建立整体特征直方图。

进一步地，所述局部特征矩阵的获取方法包括：

以所述手写字体图像中每个数据点为圆心，获取预设数量和预设半径长度的同心圆，将每个同心圆等分为预设等分数量的特征提取区域，统计每个数据点对应的每个特征提取区域中数据点的数量，以所述特征提取区域中数据点的数量为元素构建局部特征矩阵。

进一步地，所述电子签名的签名相关性的获取方法包括：

获得目标字体的目标实时手写字体图像和目标预设标准手写字体图像，计算所述目标实时手写字体图像和所述目标预设标准手写字体图像之间整体特征直方图的相关性，计算所述目标实时手写字体图像和所述目标预设标准手写字体图像之间局部特征矩阵的相关性，改变目标字体得到电子签名中所有字体的所述整体特征直方图的相关性和所述局部特征矩阵的相关性；

计算电子签名中所有字体对应的整体特征直方图的相关性累加值与局部特征矩阵的相关性累加值的乘积，获得电子签名的签名相关性。

进一步地，所述整体特征直方图的相关性计算方法包括：

计算所述目标预设标准手写字体图像对应的每个角度划分区域内数据点数量的均值并记为标准区域数量均值，计算所述目标实时手写字体图像对应的每个角度划分区域内数据点数量的均值并记为实时手写区域数量均值，将所述目标实时手写字体图像对应的每个角度划分区域内数据点的数量值与所述实时手写区域数量均值的差值的记为实时区域差值，将所述目标预设标准手写字体图像对应的每个角度划分区域内数据点的数量值与所述标准区域数量均值的差值记为标准区域差值，计算目标字体对应的每个角度划分区域对应的实时区域差和标准区域差值之间的第一余弦相似度，将所述第一余弦相似度记为目标字体对应的整体特征直方图的相关性。

进一步地，所述局部特征矩阵的相关性的计算方法包括：

将所述目标实时手写字体图像的局部特征矩阵展开为一维向量得到目标实时手写向量，将所述目标预设标准手写字体图像的局部特征矩阵展开为一维向量得到目标标准手写向量，计算所述目标手写向量和目标标准手写向量之间的第二余弦相似度，将所述第二余弦相似度记为目标字体对应的局部特征矩阵的相关性。

进一步地，所述电子签名笔迹识别结果的获取方法包括：

获取待确认用户的实时电子签名与待确认用户电子签名历史数据库中每个历史数据之间签名相关性，将归一化后的所有签名相关性的最大值作为实时电子签名的参考值；

当所述参考值均值大于预设通过阈值时，认为电子签名笔迹识别通过；当所述参考值均值小于等于预设通过阈值时，认为电子签名笔迹识别不通过。

本发明具有如下有益效果：

考虑到不同字体之间的整体特征可能存在一定的相似性，本发明实施例根据所述实时手写字体图像与所述预设标准手写字体图像之间的整体特征直方图相关性和局部特征矩阵相关性，得到电子签名的签名相关性，根据所述签名相关性得到电子签名笔迹识别结果，通过提取电子签名字体的整体特征和局部特征识别电子签名笔迹，在提取电子签名中字体整体轮廓特征的基础上提取了电子签名的局部特征，进一步地提高了电子签名的确认精度和电子签名识别效果。考虑到通过计算每个像素点对应灰度共生矩阵的参数的方法表征字体的整体特征的方法计算量大，本发明根据所述手写字体图像中所述数据点的灰度值变化特征的分布情况得到整体特征直方图，通过整体特征直方图表征字体图像的整体特征更加直观清晰，且计算量小。综上所述，本发明通过提取电子签名字体的整体特征和局部特征识别电子签名笔迹的方法提高了电子签名识别精度和识别效果。

附图说明

为了更清楚地说明本发明实施例或现有技术中的技术方案和优点，下面将对实施例或现有技术描述中所需要使用的附图作简单的介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其它附图。

图1为本发明一个实施例所提供的一种电子合同内容的在线确认方法流程图。

具体实施方式

为了更进一步阐述本发明为达成预定发明目的所采取的技术手段及功效，以下结合附图及较佳实施例，对依据本发明提出的一种电子合同内容的在线确认方法，其具体实施方式、结构、特征及其功效，详细说明如下。在下述说明中，不同的“一个实施例”或“另一个实施例”指的不一定是同一实施例。此外，一或多个实施例中的特定特征、结构或特点可由任何合适形式组合。

除非另有定义，本文所使用的所有的技术和科学术语与属于本发明的技术领域的技术人员通常理解的含义相同。

下面结合附图具体的说明本发明所提供的一种电子合同内容的在线确认方法的具体方案。

请参阅图1，其示出了本发明一个实施例提供的一种电子合同内容的在线确认方法流程图，该方法包括：

步骤S1：获得待确认过程中的电子合同内待确认项对应的实时电子签名和身份信息。

本发明旨在提出一种电子合同内容确认过程中对电子签名真实性的确认方法，通过判断电子签名的真实性确认电子签名是否为签署人本人书写来保证合同签署的有效性，因此首先需要获取待确认的电子合同。由于电子合同为网络产物，而网络具有一定的不确定性，直接通过发送电子合同确认电子合同内容的方法可能出现电子合同内容被篡改等风险。因此本发明实施例通过电子合同确认平台完成电子合同内容的在线确认。需要说明的是，本发明实施例的电子合同确认平台为双方交易时签署合同的平台，实施者可根据具体实施情况选择构建电子合同确认平台或使用现有的电子合同交易平台。

电子合同确认平台为合同签署双方签署合同的介质，所以在确认电子合同确认平台之后，需要合同签署双方对电子合同内容的待确认项进行确认。因此本发明实施例首先获取待确认的电子合同，进一步在电子合同确认平台对电子合同的待确认项进行确认。考虑到合同内容的保密性，在对电子合同的待确认项进行确认之前，需要对待确认用户的身份进行确认。即通过待确认用户身份确认过程之后再进行电子合同内容确认项确认过程。所以本发明实施例所提出的电子合同确认平台对应的确认电子合同的过程，至少应该包括待确认用户身份确认过程和电子合同内容待确认项确认过程。需要说明的是，实施者所选择的电子合同确认平台在确认电子合同内容的流程上，应至少包括待确认用户身份确认过程与电子合同内容待确认项确认过程。

对于待确认用户身份确认过程，首先需要考虑到现有的智能化身份确认技术或方法主要包括人脸识别、指纹识别和虹膜识别。但是考虑到虹膜识别成本高且在网络系统上进行实施较为麻烦，所以本发明一个实施例舍弃现有的虹膜识别技术。又因为电子签名是电子合同确认的重要环节，所以为了提高电子合同的最终确认精度，避免造假现象，本发明实施例在人脸识别和指纹识别的基础上设置电子签名数据确认过程，提高电子合同签署人身份确认的准确度，并保证电子合同的保密性。因此本发明实施例首先需要获得待确认过程中的电子合同内待确认项对应的实时电子签名和身份信息，身份信息记为待确认用户的人脸信息和指纹信息。需要说明的是，本发明实施例的重点研究对象为电子签名笔迹识别，实施者可在电子签名笔迹识别的基础上根据实施情况调整现有的身份确认技术，进一步识别不同的身份信息确认用户身份，在此不做进一步限定和赘述。

步骤S2：获取待确认用户的实时电子签名中每个字体的实时手写字体图像，将手写字体图像中的像素点记为数据点，根据手写字体图像中数据点的灰度值变化特征的分布情况得到整体特征直方图。

本发明实施例通过电子签名对电子合同签署人的身份进行确认。获取待确认用户的电子签名信息，考虑到现有的身份识别技术识别身份的原理是将待确认用户的实时数据与数据库中待确认用户的数据进行比对来进一步识别待确认用户身份，因此，本发明根据现有身份识别技术的原理，在合同签署之前获取待确认用户足够多且高质量的签名样本，预先储存待确认用户的电子签名笔迹，构建电子签名历史数据库，并将电子签名历史数据库中的数据作为标准数据与实时签名数据进行比对。本发明实施例首先获取待确认用户的实时电子签名中每个字体的实时手写字体图像，获取待确认用户电子签名历史数据库中每个字体的至少两个预设标准手写字体图像。即本发明实施例通过待确认用户实时手写字体图像与待确认用户电子签名历史数据库中的预设标准手写字体图像进行比对，进一步根据比对结果完成电子签名用户识别。需要说明的是，本发明实施例中的所有手写字体图像均为在电子签名图像中每个字体对应的最小外接矩形对应的图像。

本发明实施例对每个手写字体图像进行分析，虽然图像数据能够通过人眼直接观察到，但是通过人眼观察用户实时签名是否匹配的方法成本高且准确性不足。由于本发明实施例在电子合同确认平台上进行，即本发明实施例需要通过计算机等智能化识别完成电子签名用户识别。因为图像是高维数据，如果通过计算机等智能化设备对实时手写字体图像和预设标准手写字体图像进行比对，则需要将图像数据转化为能够被计算机等智能化设备识别或处理的特征信息，即需要对图像进行特征提取完成对图像的降维。

因此本发明实施例对每个手写字体图像进行特征提取，考虑到电子签名图像相比于其他图像具有像素信息少且结构特征不明显的特点，本发明实施例通过提取电子签名图像中字体的整体特征和局部特征，并将整体特征和局部特征结合来共同表征电子签名图像的特征信息，从而能够进一步提高对电子签名的识别准确度。

本发明实施例首先需要提取每个手写字体图像的整体特征信息。考虑到手写字体图像主要组成部分为签名字体和签名背景，所以在手写字体图像中像素信息少。又考虑到电子签名各个像素点之间的灰度值的变化并不会因为像素信息少而受到影响，因此可根据图像中像素点的灰度值变化特征来进一步提取手写字体图像的整体特征。此外，由于手写字体图像中字体与背景边缘的灰度值变化仅能反映字体的边缘，而字体的边缘在电子签名识别整体上意义不大，所以本发明仅对字体对应的像素点进行分析来进一步提取手写字体图像的整体特征。

本发明实施例将手写字体图像中的像素点记为数据点，根据手写字体图像中数据点的灰度值变化特征的分布情况得到整体特征直方图，进一步通过整体特征直方图表征手写字体图像所提取的整体特征。

优选地，整体特征直方图的获取方法具体为：

获取目标数据点在手写字体图像上的灰度值，将灰度值作为数据值构建对应的海森矩阵。在二维图像中，每个像素点对应的海森矩阵为二维正定矩阵，即存在两个特征值和两个特征向量。对应的两个特征值能够表示图像在两个特征向量所指方向上图像变化的各向异性，即灰度值变化程度。并且利用海森矩阵表征每个像素点的灰度值变化程度的方法计算量小。需要说明的是，构建海森矩阵为本领域技术人员所熟知的现有技术，在此不做进一步限定和赘述。

计算目标数据点对应海森矩阵的特征值，将最大的特征值对应的特征向量的方向作为目标数据点的变化方向，改变目标数据点得到所有数据点的变化方向。特征值越大对应的数据点的灰度值在该特征值对应的特征方向上的变化程度越大，因此将最大特征值对应的特征向量的方向作为目标数据点的变化方向，能够使得对各个数据点灰度值变化特征的表征更加准确。

将变化方向进行量化处理得到变化方向角度，根据变化方向角度的分布特征构建整体特征直方图。由于不同用户对应的手写力度和手写风格不同，使得每个字体的像素点对应的变化方向角度也各不相同，而变化方向角度由于其能够反映字体对应的每个像素点的细节纹理特征，进一步通过变化角度建立整体特征直方图能够在兼顾字体细节纹理特征的基础上考虑到手写字体图像整体的分布特征，使得所提取出的手写字体图像的整体特征对电子签名图像的表征更加准确。

优选地，根据变化方向角度的分布特征构建整体特征直方图具体包括：

在手写字体图像中统计所有数据点的变化方向角度，将变化方向角度按照量程划分为至少两个角度范围大小相同的角度划分区间。设置角度范围大小相同的角度划分区间，能够更直观的观察到不同类型角度范围内变化方向角度对应像素点的分布情况，并且保证对不同字体的角度划分具有同一性，使得所提取出的整体特征直方图对电子签名图像整体特征的表征更加准确。进一步统计每个角度划分区域内数据点的数量，以角度划分区域的序号为横坐标，以角度划分区域内数据点的数量为纵坐标建立整体特征直方图。

由于整体特征直方图能够表征手写字体图像中所有数据点的角度分布特征，所以进一步使得相似字体对应的整体特征直方图之间差异更加明显，即该整体特征直方图能够放大相似字体之间的差异，使得对电子签名图像中字体的识别更加准确。

步骤S3：根据手写字体图像中所有数据点对应的预设邻域范围内数据点的数量分布特征构建局部特征矩阵。

进一步地，为了提高电子签名的确认精度，保证对电子签名数据特征提取的准确度，本发明实施例在提取电子签名数据整体特征的基础上提取局部特征。考虑到不同风格的电子签名在对同一个字的书写细节上，数据点数量分布特征差异较大，而对于同一用户手写的同一个电子签名的不同样本上，由于不同样本之间具有相似性，对应的数据点的数量分布特征差异较小。因此本发明实施例根据手写字体图像中所有数据点对应的预设邻域范围内数据点的数量分布特征构建局部特征矩阵。通过局部特征矩阵表征电子签名数据的局部特征。

优选地，局部特征矩阵的获取方法具体为：

考虑到局部特征矩阵表征的对象为电子签名数据的局部特征，直接对手写字体图像进行划分来确定每个数据点数量的方法效果较差，且对应的方法对电子签名数据的特征提取准确度较低。

因此本发明实施例对手写字体图像中每个数据点进行分析，以手写字体图像中每个数据点为圆心，获取预设数量和预设半径长度的同心圆，将每个同心圆等分为预设等分数量的特征提取区域。通过圆来获取特征提取区域能够使得特征提取区域划分的方式足够多，且能够保证同一半径长度内特征提取区域的大小相同，进一步使得局部特征矩阵中每个数据所表征的局部特征更加明显。在本发明实施例中，预设数量设置为5，预设半径长度对应设置为2，4，6，8，10，预设等分数量设置为8，即对每个同心圆以45度等分角度进行八等分，对应的每个数据点可得到40个特征提取区域。

统计每个数据点对应的每个特征提取区域中数据点的数量，以特征提取区域中数据点的数量为元素构建局部特征矩阵。在局部特征矩阵中，L_a,b表示第a个数据点在其对应特征提取区域b中的数据点数量，L表示特征提取区域中数据点数量，即在局部特征矩阵中每一行表示一个数据点对应的所有特征提取区域的数据点数量分布，每一列表示不同数据点相对位置的特征区域对应的数据点数量分布。局部特征矩阵在直观上表现为：

其中，L_j为字体j的手写字体图像对应的局部特征矩阵，n为手写字体图像j中数据点的数量，m为每个数据点对应的特征提取区域数量，在本发明实施例中，每个数据点对应的特征提取区域数量m为40。

该局部特征矩阵能够手写字体图像中每个数据点的预设邻域范围内数据点的分布特征，进一步使得相似字体对应的整体特征直方图之间均存在明显差异，即该局部特征矩阵放大相似字体之间的差异，提高了对电子签名图像中字体的识别的准确度。

步骤S4：根据实时手写字体图像与预设标准手写字体图像之间的整体特征直方图相关性和局部特征矩阵相关性，得到电子签名的签名相关性，根据签名相关性得到电子签名识别结果。

至此，得到表征手写字体图像整体特征的整体特征直方图和表征手写字体图像局部特征的局部特征矩阵，通过整体特征直方图和局部特征矩阵表征手写字体图像的特征，能够使得相似字体之间的相似性被消除，即降低由于相似字体的相似性对电子签名识别造成的影响，提高手写字体图像中字体的识别效果。进一步本发明实施例根据手写字体图像的整体特征和局部特征结合后的手写字体特征，计算待确认用户的实时手写字体图像和待确认用户电子签名历史数据库中对应字体的预设标准手写字体图像之间的相关性，进一步根据电子签名中每个字体的相关性完成电子签名识别。因此本发明实施例根据实时手写字体图像与预设标准手写字体图像之间的整体特征直方图相关性和局部特征矩阵相关性，得到电子签名的签名相关性。

优选地，实时手写字体图像与预设标准手写字体图像之间的整体特征直方图的相关性获取方法具体为：

根据手写字体图像的整体特征直方图的获取方法，获得目标实时手写字体图像和目标预设标准手写字体图像的整体特征直方图，计算目标预设标准手写字体图像对应的每个角度划分区域内数据点数量的均值并记为标准区域数量均值，计算目标实时手写字体图像对应的每个角度划分区域内数据点数量的均值并记为实时手写区域数量均值，将目标实时手写字体图像对应的每个角度划分区域内数据点的数量值与实时手写区域数量均值的差值的记为实时区域差值，将目标预设标准手写字体图像对应的每个角度划分区域内数据点的数量值与标准区域数量均值的差值记为标准区域差值，计算目标字体对应的每个角度划分区域对应的实时区域差和标准区域差值之间的第一余弦相似度，将第一余弦相似度记为目标字体对应的整体特征直方图的相关性。

实时手写字体图像与预设标准手写字体图像之间的整体特征直方图的相关性获取方法在公式上表现为：

其中，表示电子签名图像中字体j对应的实时手写字体图像与第v个预设标准手写字体图像对应的整体特征直方图之间的相关性，A_j(i)表示实时手写字体图像的整体特征直方图的第i个角度划分区域对应的数据点的数量值，/>表示实时手写字体图像的整体特征直方图中所有角度划分区域对应的数据点的数量值均值，/>表示第v个预设标准手写字体图像的整体特征直方图的第i个角度划分区域对应的数据点的数量值，/>表示第v个预设标准手写字体图像的整体特征直方图中所有角度划分区域对应的数据点的数量值均值。

整体特征直方图的相关性的获取公式将不同手写字体图像的整体特征直方图所对应的每个角度划分区域内数据点数量值的标准差之间的余弦相似度，作为不同手写字体图像之间的整体特征直方图的相关性。由于整体特征直方图作为一个抽象的概念，通过欧氏距离计算相似性的方法会由于度量不统一造成误差，因此采用对方向敏感的余弦相似度计算整体特征直方图之间的相似性更加合适。对应字体相同但特征不同的手写字体图像之间，对应的数据点灰度变化区域会由于数据点的数量和手写时下笔的力度不同，使得整体特征直方图中角度划分的分布特征不同，即对应灰度值变化特征的分布情况不同，因此本发明通过每个角度划分区域内数据点数量值的标准差作为余弦相似度计算的对象，能够表征同一字体对应的不同手写字体图像之间灰度值变化特征的分布情况差异，进一步地根据分布情况差异判断不同手写字体图像之间整体特征的相关性，对应的当实时手写字体图像与预设标准手写字体图像之间的灰度值变化特征的分布情况差异越小，对应的第一余弦相似度越小，即实时手写字体图像与预设标准手写字体图像之间整体特征直方图的相关性越大。

优选地，实时手写字体图像与预设标准手写字体图像之间的局部特征矩阵的相关性获取方法具体为：

根据手写字体图像的局部特征矩阵的获取方法，获得目标实时手写字体图像和目标预设标准手写字体图像的局部特征矩阵，将目标实时手写字体图像的局部特征矩阵展开为一维向量得到目标实时手写向量，将目标预设标准手写字体图像的局部特征矩阵展开为一维向量得到目标标准手写向量，计算目标手写向量和目标标准手写向量之间的第二余弦相似度，将第二余弦相似度记为目标字体对应的局部特征矩阵的相关性。需要说明的是，将矩阵展开为一维向量和计算向量之间余弦相似度的计算方法为本领域技术人员所熟知的现有技术，在此均不做进一步限定和赘述。

实时手写字体图像与预设标准手写字体图像之间的局部特征矩阵的相关性获取方法在公式上表现为：

其中，表示电子签名图像中字体j对应的实时手写字体图像与第v个预设标准手写字体图像对应的局部特征矩阵之间的相关性，L′_j表示实时手写字体图像对应的局部特征矩阵，/>表示第v个预设标准手写字体图像对应的局部特征矩阵，Sim()表示将两个局部特征矩阵均展开为一维向量后的两个向量之间的余弦相似度计算函数。需要说明的是，局部特征矩阵与整体特征直方图相似，也为一个抽象的概念，通过欧氏距离计算相似性的方法会由于度量不统一造成误差，因此采用对方向敏感的余弦相似度计算整体特征直方图之间的相似性更加合适，局部特征矩阵对应的余弦相似度所表征的意义与整体特征直方图对应的余弦相似度相同，均是表征实时手写字体图像与预设标准手写字体图像之间的相关性，在此不对通过计算余弦相似度获得局部特征矩阵的相关性的意义做进一步赘述。

进一步地，根据实时手写字体图像与预设标准手写字体图像之间，所获得的整体特征直方图的相关性和局部特征矩阵的相关性得到电子签名的签名相关性。

优选地，电子签名的签名相关性获取方法包括：

获得目标字体的目标实时手写字体图像和目标预设标准手写字体图像，计算目标实时手写字体图像和目标预设标准手写字体图像之间整体特征直方图的相关性，计算目标实时手写字体图像和目标预设标准手写字体图像之间局部特征矩阵的相关性，改变目标字体得到电子签名中所有字体的整体特征直方图的相关性和局部特征矩阵的相关性；计算电子签名中所有字体对应的整体特征直方图的相关性累加值与局部特征矩阵的相关性累加值的乘积，获得电子签名的签名相关性。即在获得实时手写字体图像和预设标准手写字体图像之间，整体特征直方图的相关性和局部特征矩阵的相关性的基础上，统计电子签名中所有字体的整体特征直方图的相关性和局部特征矩阵的相关性，并通过乘积的方式将整体特征和局部特征相结合得到电子签名的签名相关性。

电子签名的签名相关性获取方法在公式上表现为：

其中，表示电子签名图像的签名相关性，/>表示电子签名图像中字体j对应的实时手写字体图像与第v个预设标准手写字体图像对应的整体特征直方图之间的相关性，/>表示电子签名图像中字体j对应的实时手写字体图像与第v个预设标准手写字体图像对应的局部特征矩阵之间的相关性，J表示电子签名图像中字体的数量。通过乘法将整体特征直方图的相关性累加值和局部特征矩阵的相关性累加值结合在一起得到电子签名的签名相关性，使得对不同电子签名之间的相似度表征更加直观。

进一步地，根据签名相关性得到电子签名识别结果。优选地，获取待确认用户的实时电子签名与待确认用户电子签名历史数据库中每个历史数据之间签名相关性，将归一化后的所有签名相关性的最大值作为实时电子签名的参考值；当参考值均值大于预设通过阈值时，认为电子签名笔迹识别通过，并进行下一步识别过程；当参考值均值小于等于预设通过阈值时，认为电子签名笔迹识别不通过，需要对待确认用户进行沟通确认。在本发明实施例中，预设通过阈值设置为0.75。

步骤S5：获取待确认用户的身份信息识别结果，根据电子签名识别结果和身份信息识别结果进行待确认用户身份确认，并执行待确认项的确认流程。

当电子签名识别通过后，获取待确认用户的身份信息识别结果，根据电子签名识别结果、和身份信息识别结果进行待确认用户身份确认。

至此，电子合同确认平台的待确认用户身份确认过程结束。

当待确认用户身份确认通过后，执行待确认项的确认流程，即开始执行电子合同内容待确认项确认过程。首先进入合同内容阅读解读程序，在合同内容阅读解读程序过程中系统将记录时间，当系统所记录时间大于预设合同内容阅读解读时间阈值后，自动发出合同内容确认触发指令，以便进入合同内容确认过程。需要说明的是，预设合同内容阅读解读时间阈值的具体设置需要根据实施者的具体实施环境决定，在此不做进一步限定。

本发明提供的电子合同内容待确认项确认过程包括：

(1)手动勾选或点选相应的确认文字以完成确认；

具体的，通过待确认用户使用勾选或点选相应的确认信息，例如“已阅读所有合同条款”、“已知晓所有合同条款”等一些待确认信息；

(2)通过录音发出确认指令以完成确认；

具体的，通过录音发出确认指令以完成确认，包括：在电子合同确认时使用朗诵预设录音对文本进行确认，并进行录音保存。在本发明的一个实施例中，朗诵确认文本例如为“我已确认所有合同条款”、“我已知晓所有合同条款”、“我已同意所有合同条款”等并进行录音保存；

(3)通过抄写相应文字以完成确认；

具体的，通过抄写相应文字以完成确认，包括：将确认项以预设文字进行抄写确认文本并保存，例如：“本人已阅读所有合同条款”、“本人已知晓所有合同项等”；

(4)通过盖章以完成确认；

具体的，通过盖章以完成确认，包括：在电子合同确认时，采用确认盖章方法进行确认，对确认盖章的保存采用以下一种或多种方法，但不限于以下方法：

1)在电子合同中确认盖章：在电子合同确认时，对电子合同确认盖章，并将盖章与电子合同共同保存；

2)独立盖章：通常可以使用在合同确认时使用在例如电子白板等介质中确认盖章，并独立保存；

3)确认模板上盖章：在确认模板上对电子合同确认信息进行盖章确认，并将确认盖章保存在确认模板中。

需要说明的是，通常待确认合同由确认时间、确认合同标题、确认合同编号、确认关键字、确认人、起草单位、起草时间、证件号等来自于实际合同的常用项组成。

(5)通过电子签名以完成确认；

电子签名过程为身份确认时的电子签名确认过程相同，以保证电子签名确认的精度。

需要说明的是，实施者可根据本发明提供的五种电子合同的确认方法采用一种或多种，采用一种或多种上述(1)至(5)的确认动作及结果将发生在下列三种中某一种或多种，但不限于以下：

(1)均被记录在电子合同中进行确认并将结果存储到合同文件中；

(2)独立进行确认，并将确认结果存入平台、系统中；

(3)在独立的确认模板中进行确认，并存储到该确认模板中。

至此，完成对电子合同内容的在线确认。

综上所述，本发明通过提取手写字体中数据点的灰度值变化特征的分布情况得到整体特征直方图，通过提取手写字体中所有数据点对应的预设邻域范围数据点的数量分布特征得到局部特征矩阵，根据实时手写字体和预设标准手写字体之间整体特征直方图的相关性和局部特征矩阵之间的相关性得到电子签名识别结果，根据电子签名识别结果、人脸识别结果和指纹识别结果完成用户身份确认，根据电子合同内容确认模块完成电子合同内容的在线确认。本发明通过提取电子签名字体的整体特征和局部特征识别电子签名笔迹数据方法提高电子签名数据的识别精度和识别效果。

需要说明的是：上述本发明实施例先后顺序仅仅为了描述，不代表实施例的优劣。在附图中描绘的过程不一定要求示出的特定顺序或者连续顺序才能实现期望的结果。在某些实施方式中，多任务处理和并行处理也是可以的或者可能是有利的。

本说明书中的各个实施例均采用递进的方式描述，各个实施例之间相同相似的部分互相参见即可，每个实施例重点说明的都是与其他实施例的不同之处。

Claims (8)

1.电子合同内容的在线确认方法，其特征在于，所述方法包括：

获得待确认过程中的电子合同内待确认项对应的实时电子签名和身份信息；

获取待确认用户的所述实时电子签名中每个字体的实时手写字体图像，将所述手写字体图像中的像素点记为数据点，根据所述手写字体图像中所述数据点的灰度值变化特征的分布情况得到整体特征直方图；

根据所述手写字体图像中所有数据点对应的预设邻域范围内数据点的数量分布特征构建局部特征矩阵；

根据所述实时手写字体图像与所述预设标准手写字体图像之间的整体特征直方图相关性和局部特征矩阵相关性，得到电子签名的签名相关性，根据所述签名相关性得到电子签名识别结果；

获取待确认用户的身份信息识别结果，根据所述电子签名识别结果和身份信息识别结果进行待确认用户身份确认，执行所述待确认项的确认流程。

2.根据权利要求1所述的电子合同内容的在线确认方法，其特征在于，所述整体特征直方图的获取方法包括：

获取目标数据点在所述手写字体图像上的灰度值，将所述灰度值作为数据值构建对应的海森矩阵，计算所述目标数据点对应所述海森矩阵的特征值，将最大的特征值对应的特征向量的方向作为所述目标数据点的变化方向，改变目标数据点得到所有数据点的变化方向；

将所述变化方向进行量化处理得到变化方向角度，根据所述变化方向角度的分布特征构建整体特征直方图。

3.根据权利要求2所述的电子合同内容的在线确认方法，其特征在于，所述根据所述变化方向角度的分布状况构建整体特征直方图包括：

在所述手写字体图像中统计所有数据点的变化方向角度，将变化方向角度按照量程划分为至少两个角度范围大小相同的角度划分区间，统计每个角度划分区域内数据点的数量，以角度划分区域的序号为横坐标，以角度划分区域内数据点的数量为纵坐标建立整体特征直方图。

4.根据权利要求1所述的电子合同内容的在线确认方法，其特征在于，所述局部特征矩阵的获取方法包括：

以所述手写字体图像中每个数据点为圆心，获取预设数量和预设半径长度的同心圆，将每个同心圆等分为预设等分数量的特征提取区域，统计每个数据点对应的每个特征提取区域中数据点的数量，以所述特征提取区域中数据点的数量为元素构建局部特征矩阵。

5.根据权利要求1所述的电子合同内容的在线确认方法，其特征在于，所述电子签名的签名相关性的获取方法包括：

获得目标字体的目标实时手写字体图像和目标预设标准手写字体图像，计算所述目标实时手写字体图像和所述目标预设标准手写字体图像之间整体特征直方图的相关性，计算所述目标实时手写字体图像和所述目标预设标准手写字体图像之间局部特征矩阵的相关性，改变目标字体得到电子签名中所有字体的所述整体特征直方图的相关性和所述局部特征矩阵的相关性；

计算电子签名中所有字体对应的整体特征直方图的相关性累加值与局部特征矩阵的相关性累加值的乘积，获得电子签名的签名相关性。

6.根据权利要求3或5所述的电子合同内容的在线确认方法，其特征在于，所述整体特征直方图的相关性计算方法包括：

计算所述目标预设标准手写字体图像对应的每个角度划分区域内数据点数量的均值并记为标准区域数量均值，计算所述目标实时手写字体图像对应的每个角度划分区域内数据点数量的均值并记为实时手写区域数量均值，将所述目标实时手写字体图像对应的每个角度划分区域内数据点的数量值与所述实时手写区域数量均值的差值的记为实时区域差值，将所述目标预设标准手写字体图像对应的每个角度划分区域内数据点的数量值与所述标准区域数量均值的差值记为标准区域差值，计算目标字体对应的每个角度划分区域对应的实时区域差和标准区域差值之间的第一余弦相似度，将所述第一余弦相似度记为目标字体对应的整体特征直方图的相关性。

7.根据权利要求5所述的电子合同内容的在线确认方法，其特征在于，所述局部特征矩阵的相关性的计算方法包括：

将所述目标实时手写字体图像的局部特征矩阵展开为一维向量得到目标实时手写向量，将所述目标预设标准手写字体图像的局部特征矩阵展开为一维向量得到目标标准手写向量，计算所述目标手写向量和目标标准手写向量之间的第二余弦相似度，将所述第二余弦相似度记为目标字体对应的局部特征矩阵的相关性。

8.根据权利要求1所述的电子合同内容的在线确认方法，其特征在于，所述电子签名笔迹识别结果的获取方法包括：

获得待确认过程中的电子合同内签名历史数据库中每个历史数据之间签名相关性，将归一化后的所有签名相关性的最大值作为实时电子签名的参考值；

当所述参考值均值大于预设通过阈值时，认为电子签名笔迹识别通过；当所述参考值均值小于等于预设通过阈值时，认为电子签名笔迹识别不通过。