CN116824707A - 一种签名验证方法、装置、设备、存储介质及产品 - Google Patents
一种签名验证方法、装置、设备、存储介质及产品 Download PDFInfo
- Publication number
- CN116824707A CN116824707A CN202310620442.5A CN202310620442A CN116824707A CN 116824707 A CN116824707 A CN 116824707A CN 202310620442 A CN202310620442 A CN 202310620442A CN 116824707 A CN116824707 A CN 116824707A
- Authority
- CN
- China
- Prior art keywords
- signature
- actual
- target object
- feature
- combined
- 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
- 238000012795 verification Methods 0.000 title claims abstract description 112
- 238000000034 method Methods 0.000 title claims abstract description 81
- 238000004590 computer program Methods 0.000 claims description 27
- 239000011159 matrix material Substances 0.000 claims description 26
- 239000013598 vector Substances 0.000 claims description 20
- 238000013507 mapping Methods 0.000 claims description 18
- 238000012545 processing Methods 0.000 claims description 18
- 238000000354 decomposition reaction Methods 0.000 claims description 10
- 238000010606 normalization Methods 0.000 claims description 9
- 230000004044 response Effects 0.000 abstract description 4
- 230000008569 process Effects 0.000 description 25
- 238000013475 authorization Methods 0.000 description 8
- 238000004891 communication Methods 0.000 description 8
- 230000006870 function Effects 0.000 description 8
- 238000010586 diagram Methods 0.000 description 6
- 238000000605 extraction Methods 0.000 description 3
- 230000003287 optical effect Effects 0.000 description 3
- RWSOTUBLDIXVET-UHFFFAOYSA-N Dihydrogen sulfide Chemical compound S RWSOTUBLDIXVET-UHFFFAOYSA-N 0.000 description 2
- 230000009471 action Effects 0.000 description 2
- 230000003993 interaction Effects 0.000 description 2
- 238000003491 array Methods 0.000 description 1
- 238000013473 artificial intelligence Methods 0.000 description 1
- 230000006399 behavior Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000001413 cellular effect Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 239000011521 glass Substances 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 239000013307 optical fiber Substances 0.000 description 1
- 230000008707 rearrangement Effects 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 230000001953 sensory effect Effects 0.000 description 1
- 238000005549 size reduction Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
Landscapes
- Collating Specific Patterns (AREA)
Abstract
本发明公开了一种签名验证方法、装置、设备、存储介质及产品。本发明涉及图像识别技术领域。该方法包括:获取目标对象所对应至少两个目标实际签名图像的实际个体签名特征;采用预设合并策略对实际个体签名特征进行合并,得到目标对象对应的实际合并签名特征;基于实际合并签名特征与目标对象相匹配的基准合并签名特征的比对结果确定签名成功匹配数量;基于签名成功匹配数量和预先配置的签名验证规则确定目标对象的签名验证结果。本发明的技术方案,解决了现有技术中需要人工对多个签名进行逐一比对导致验证成本高、反应速度慢以及出错率高的技术问题,降低了验证成本,以及提高了对比效率和准确率。
Description
技术领域
本发明实施例涉及图像识别技术领域,尤其涉及一种签名验证方法、装置、设备、存储介质及产品。
背景技术
签名作为用户的一种独有的行为特征,是表征个人身份的传统途径之一,尤其是在金融行业应用广泛,作为业务办理和账务类处理的一种公认的身份认证方式。在银行对公领域,为了资金安全性考虑,常常需要同时多人签名授权后才能办理业务的场景。现有的多人手写签名对比方法相对落后,大多需要逐一的采集现场客户签名,调阅该客户预留的签名影像信息,人工对现场签名和预留签名作比对,最终判断所有现场签名是否满足授权规则等过程。环节众多,效率低且易错。需要对比的签名数量越多,工作量和出错率随之增加。
发明内容
本发明实施例提供一种签名验证方法、装置、设备、存储介质及产品,用以解决现有技术中需要人工对多个签名进行逐一比对导致成本高、反应速度慢和出错率高的技术问题。
第一方面,本发明实施例提供了一种签名验证方法,该方法包括:
获取目标对象所对应每个目标实际签名图像的实际个体签名特征;
采用预设合并策略对所述实际个体签名特征进行合并,得到所述目标对象对应的实际合并签名特征;
基于所述实际合并签名特征与所述目标对象相匹配的基准合并签名特征的比对结果确定签名成功匹配数量;
基于所述签名成功匹配数量和预先配置的签名验证规则确定所述目标对象的签名验证结果。
第二方面,本发明实施例还提供了一种一种签名验证装置,该装置包括:
第一获取模块,用于获取目标对象所对应每个目标实际签名图像的实际个体签名特征;
第一合并模块,用于采用预设合并策略对所述实际个体签名特征进行合并,得到所述目标对象对应的实际合并签名特征;
第一确定模块,用于基于所述实际合并签名特征与所述目标对象相匹配的基准合并签名特征的比对结果确定签名成功匹配数量;
第二确定模块,用于基于所述签名成功匹配数量和预先配置的签名验证规则确定所述目标对象的签名验证结果。
第三方面,本发明实施例还提供了一种电子设备,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,所述处理器执行所述程序时实现如本发明实施例中任一所述的签名验证方法。
第四方面,本发明实施例还提供了一种计算机可读存储介质,其上存储有计算机程序,该程序被处理器执行时实现如本发明实施例中任一所述的签名验证方法。
第五方面,本发明实施例还提供了一种计算机程序产品,包括计算机程序,所述计算机程序在被处理器执行时实现如本发明实施例中任一所述的签名验证方法。
本实施例的技术方案,通过将多个目标实际签名图像对应的实际个体签名特征进行合并,重新生成一个合并后的实际合并签名特征,从而使得多个实际签名图像进行一次验证即可完成身份核验,并且将实际合并签名特征与基准合并签名特征进行比对得到签名成功匹配的数量,并在签名成功匹配数量达到签名验证规则确定目标对象签名验证通过,从而解决了现有技术中需要人工对多个签名进行逐一比对导致成本高、反应速度慢以及出错率高的技术问题,降低了验证成本,以及提高了对比效率和准确率。
附图说明
为了更清楚地说明本发明实施例的技术方案,下面将对实施例中所需要使用的附图作简单地介绍,应当理解,以下附图仅示出了本发明的某些实施例,因此不应被看作是对范围的限定,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他相关的附图。
图1是本发明实施例提供的一种签名验证方法的流程图;
图2是本发明实施例提供的另一种签名验证方法的流程图;
图3是本发明实施例提供的另一种签名验证方法的流程图;
图4是本发明实施例提供的一种签名验证的流程示意图;
图5是本发明实施例提供的一种多人签名自动对比的流程图;
图6是本发明实施例提供的一种签名验证装置的结构示意图;
图7是本发明实施例提供的一种签名验证电子设备的结构框图。
具体实施方式
为了使本技术领域的人员更好地理解本发明方案,下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明一部分的实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都应当属于本发明保护的范围。
需要说明的是,本发明的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别类似的对象,而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换,以便这里描述的本发明的实施例能够以除了在这里图示或描述的那些以外的顺序实施。此外,术语“包括”和“具有”以及他们的任何变形,意图在于覆盖不排他的包含,例如,包含了一系列步骤或单元的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或单元,而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。
本申请技术方案中对数据的获取、存储、使用、处理等均符合国家法律法规的相关规定。
在一实施例中,图1是本发明实施例提供的一种签名验证方法的流程图,本实施例可适用于对公业务场景中需要对多个用户的签名进行验证的情况,该方法可以由签名验证装置来执行,该签名验证装置可以采用硬件和/或软件的形式实现,该签名验证装置可配置于电子设备中。如图1所示,该方法包括:
S110、获取目标对象所对应至少两个目标实际签名图像的实际个体签名特征。
需要说明的是,在对公业务场景下,同时需要多个用户签名授权才可以办理该对公业务。在实施例中,目标对象指的是开通对公业务的某一个账户。在该目标对象进行对公业务办理的情况下,需要多个用户进行签名授权,才可以办理该对公业务。其中,目标实际签名图像指的是在现场的对公业务操作过程中采集到的已处理的手写签名图像;实际个体签名特征用于表征目标对象所对应一个用户在实际对公业务场景中所采集到的签名图像对应的签名特征信息。在实施例中,实际个体签名特征包括:实际个体笔迹特征和实际个体力度特征,其中,实际个体笔迹特征用于表征用户手写签名过程中的行动轨迹;实际个体力度特征用于表征用户手写签名过程中的书写力度。
S120、采用预设合并策略对实际个体签名特征进行合并,得到目标对象对应的实际合并签名特征。
其中,实际合并签名特征指的是对多个实际个体签名特征进行合并得到的合并签名特征。在实施例中,实际个体笔迹特征可以采用一个矩阵进行表征;实际个体力度特征可以采用一个向量进行表征。采用预设合并策略对实际个体签名特征进行合并的过程,可以理解为,采用预设合并策略对用于表征实际个体笔迹特征的矩阵进行合并,以及采用预设合并策略对用于表征实际个体力度特征的向量进行合并,并将合并的矩阵用于对应的实际合并笔迹特征,以及采用合并的向量作为对应的实际合并力度特征。
S130、基于实际合并签名特征与目标对象相匹配的基准合并签名特征的比对结果确定签名成功匹配数量。
其中,基准合并签名特征指的是对该目标对象对应的多个基准个体签名特征进行合并得到的签名特征。在实施例中,在获取到目标对象对应的所有授权用户之后,采集每个授权用户的基准签名图像,并获取每个基准签名图像对应的基准个体签名特征,并对所有基准个体签名特征进行合并,得到对应的基准合并签名特征。可以理解为,基准合并签名特征所对应的授权用户数量大于等于实际合并签名特征所对应的授权用户数量。在实际操作过程中,目标对象对应的授权用户可以为10个,但在实际操作过程中,现场采集到的目标实际签名图像的个数可以小于10个,相对应的实际合并签名特征所对应的授权用户小于10个。
其中,签名成功匹配数量指的是实际合并签名特征所对应授权用户与基准合并签名特征所对应授权用户之间相同的数量。在实施例中,可以基于实际合并签名特征与基准合并签名特征之间的相似度确定签名成功匹配数量。
S140、基于签名成功匹配数量和预先配置的签名验证规则确定目标对象的签名验证结果。
其中,签名验证规则用于表征签名成功匹配阈值。可以理解为,在签名成功匹配数量达到签名成功匹配阈值的情况下,则目标对象签名验证通过;反之,在签名成功匹配数量未达到签名成功匹配阈值的情况下,则目标对象签名验证未通过。
本实施例的技术方案,通过将多个目标实际签名图像对应的实际个体签名特征进行合并,重新生成一个合并后的实际合并签名特征,从而使得多个实际签名图像进行一次验证即可完成身份核验,并且将实际合并签名特征与基准合并签名特征进行比对得到签名成功匹配的数量,并在签名成功匹配数量达到签名验证规则确定目标对象签名验证通过,从而解决了现有技术中需要人工对多个签名进行逐一比对导致成本高、反应速度慢以及出错率高的技术问题,降低了验证成本,以及提高了对比效率和准确率。
在一实施例中,图2是本发明实施例提供的另一种签名验证方法的流程图,本实施例是在上述实施例的基础上,对目标实际签名图像的获取过程进行说明。如图2所示,该方法包括:
S210、获取目标对象对应的至少两个原始实际签名图像。
其中,原始实际签名图像指的是在现场的对公业务操作过程中采集到的未处理的手写签名图像。在对公业务的场景下,需要多个用户同时授权,才可以办理该对公业务。可以通过图像采集器对目标对象所对应的每个授权用户的手写签名进行图像采集,作为对应的原始实际签名图像。
S220、对每个原始实际签名图像进行归一化处理,得到对应的目标实际签名图像。
在实际操作过程中,每个授权用户的手写签名所占用尺寸是不同的,为了便于对签名特征的提取,可以对每个原始实际签名图像进行归一化处理,以使每个授权用户的签名图像控制在一定范围内,得到对应的目标实际签名图像。
在一实施例中,S220包括S2201-S2202:
S2201、获取每个原始实际签名图像的图像初始尺寸。
其中,图像初始尺寸指的是每个原始实际签名图像未执行缩小或放大等操作所对应的原始尺寸。在实施例中,可以直接通过现有的API函数或尺寸获取函数直接获取每个原始实际签名图像的图像初始尺寸。
S2202、在图像初始尺寸达到图像尺寸阈值的情况下,对每个原始实际签名图像进行归一化处理,以得到图像目标尺寸的目标实际签名图像。
在实施例中,在图像初始尺寸超过图像尺寸阈值的情况下,该原始实际签名图像的尺寸过大,为了便于后续的签名特征的提取,可以对该原始实际签名图像进行归一化处理,以得到图像目标尺寸的目标实际签名图像。在实际操作过程中,可以直接采用尺寸缩小函数对原始实际签名图像的初始尺寸进行缩小,得到对应的目标实际签名图像。
S230、获取目标对象所对应至少两个目标实际签名图像的实际个体签名特征。
S240、采用预设合并策略对实际个体签名特征进行合并,得到目标对象对应的实际合并签名特征。
S250、基于实际合并签名特征与目标对象相匹配的基准合并签名特征的比对结果确定签名成功匹配数量。
S260、基于签名成功匹配数量和预先配置的签名验证规则确定目标对象的签名验证结果。
本实施例的技术方案,在上述实施例的基础上,通过对原始实际签名图像进行归一化处理,以使得到在图像目标尺寸的范围内的目标实际签名图像,便于后续提取实际签名图像的实际签名特征,提高了特征提取效率。
在一实施例中,图3是本发明实施例提供的另一种签名验证方法的流程图。本实施例是在上述实施例的基础上,对实际个体签名特征的获取过程,实际合并签名特征的合并过程,签名成功匹配数量的确定过程,以及签名验证结果的确定过程进行说明。如图3所示,本实施例包括如下步骤:
S310、获取目标对象所对应至少两个目标实际签名图像的像素坐标信息。
其中,像素坐标信息可以采用目标实际签名图像的RGB值进行表征。在实施例中,直接采用现有技术获取每个目标实际签名图像的RGB值,作为对应的像素坐标信息。
S320、基于像素坐标信息确定用于表征个体笔迹特征的初始矩阵。
在实施例中,基于经验模态分解和奇异值分解,得到每个目标实际签名图像的像素坐标信息所对应的本真模态函数分量,依据该本真模态函数分量创建初始矩阵,并采用该初始矩阵表征给目标实际签名图像对应的个体笔迹特征。
S330、对初始矩阵进行奇异值分解,得到用于表征个体力度特征的能量值特征向量。
在实施例中,对初始矩阵进行奇异值分解,得到对应的能量值特征向量,并采用该能量值特征向量表征个体力度特征。
S340、将每个实际个体笔迹特征对应的初始矩阵进行数据叠加,得到目标对象对应的实际合并笔迹特征。
在实施例中,将用于表征每个实际个体笔迹特征的初始矩阵进行数据叠加,得到一个新的矩阵,并采用该新的矩阵表征目标对象对应的实际合并笔迹特征。
S350、将每个实际个体力度特征对应的能量值特征向量进行数据叠加,得到目标对象对应的实际合并力度特征。
在实施例中,将用于表征每个实际个体力度特征的能量值特征向量进行数据叠加,得到一个新的能量值特征向量,并采用该新的能量值特征向量表征目标对象对应的实际合并力度特征。
S360、采用预设路径匹配算法确定实际合并签名特征与基准合并签名特征之间的最优签名路径。
其中,预设路径匹配算法可以为时间校准路径匹配算法,是一种动态规划的思想,基本原理是将用于表征笔迹特征的初始矩阵或用于表征力度特征的能量值特征向量进行对齐处理,然后将用于表征实际合并笔迹特征和基准合并笔迹特征所对应的两个初始矩阵,或者,用于表征实际合并力度特征和基准合并力度特征所对应的两个能量值特征向量分别扩展到一个长度为N*M的矩阵中,N和M分别表示两个时间序列的长度。它定义了一个二维的动态规划数组D[N][M],其中,D[i][j]表示将第一个时间序列的前i个元素映射到第二个时间序列的前j个元素所需要的最小距离;然后,它在矩阵中搜索一个最佳的路径,使得这个路径上的每个时间点都是唯一的,并且这个路径上的所有时间点都是在原时间序列中的前一个或后一个出现过的。然后,它通过递推计算D[i][j]的值,直到找到最优的路径为止。示例性地,预设路径匹配算法可以为动态时间规整(DTW)算法。
S370、确定最优签名路径与实际合并签名特征以及基准合并签名特征之间的距离,作为对应的实际签名距离和基准签名距离。
在实施例中,通过预设路径匹配算法计算最优签名路径与实际合并签名特征(即现场签名)之间的距离,作为对应的实际签名距离;以及,通过预设路径匹配算法计算最优签名路径与基准合并签名特征(即预留签名)之间的距离,作为对应的基准签名距离。
S380、获取预先配置的相似度映射表。
其中,相似度映射表用于表征相似度与签名成功匹配数量之间的映射关系。在实施例中,在相似度映射表中存储签名成功匹配数量与相似度之间的映射关系,比如,在签名成功匹配数量为4个的情况下,其相似度对应达到30%;又如,在签名成功匹配数量为3个的情况下,其相似度对应达到23%。
S390、基于实际签名距离和基准签名距离确定签名成功匹配数量。
在一实施例中,S390包括:S3901-S3902:
S3901、基于实际签名距离和基准签名距离确定实际合并签名特征和基准合并签名特征之间的实际相似度。
在实施例中,基于实际签名距离与基准签名距离之间的相对距离差确定实际合并签名特征和基准合并签名特征之间的实际相似度。可以理解为,若实际签名距离与基准签名距离之间的相对距离差越大,则实际合并签名特征和基准合并签名特征之间的实际相似度越低;若实际签名距离与基准签名距离之间的相对距离差越小,则实际合并签名特征和基准合并签名特征之间的实际相似度越高。
S3902、基于实际相似度与相似度映射表确定签名成功匹配数量。
在实施例中,在预先配置的相似度映射表中查找与实际相似度最接近,且小于实际相似度的相似度,并基于与实际相似度最接近,且小于实际相似度的相似度对应的匹配数量确定该目标对象的签名成功匹配数量。示例性地,假设实际相似度为a,在相似度映射表中查找到的与a最接近,且小于a的相似度为b,则在相似度映射表中查找b对应的匹配数量为c,则目标对象的签名成功匹配数量为c。
S3100、基于签名验证规则确定目标对象对应的签名成功匹配阈值。
其中,签名成功匹配阈值指的是目标对象是否验证通过的签名成功匹配数量的门限值。在实施例中,签名成功匹配阈值与目标对象的授权级别成正比,即在目标对象的授权级别越高,相对应的,签名成功匹配阈值越大。在实施例中,可以在签名验证规则中获取目标对象的授权级别,并基于授权级别查找对应的签名成功匹配阈值;也可以直接在签名验证规则中获取该目标对象对应的签名成功匹配阈值。
S3110、基于签名成功匹配数量和签名成功匹配阈值之间的比对结果确定目标对象的签名验证结果。
在实施例中,在签名成功匹配数量达到签名成功匹配阈值的情况下,该目标对象的签名验证结果为签名验证通过;在签名成功匹配数量未达到签名成功匹配阈值的情况下,该目标对象的签名验证结果为签名验证未通过。
本实施例的技术方案,在上述实施例的基础上,通过获取每个目标实际签名图像的实际个体笔迹特征和实际个体力度特征,并分别对实际个体笔迹特征和实际个体力度特征进行合并,得到对应的实际合并签名特征;然后采用预设路径匹配算法确定实际合并签名特征与基准合并签名特征之间的最优签名路径;确定最优签名路径与实际合并签名特征以及基准合并签名特征之间的距离,作为对应的实际签名距离和基准签名距离;基于实际签名距离和基准签名距离确定签名成功匹配数量,并在签名成功匹配数量达到签名成功匹配阈值时确定目标对象的签名验证结果为签名验证通过,从而实现了对多个实际个体签名特征进行一次比对即可完成目标对象的身份核验,无需对每个实际个体签名特征进行逐一比对,在降低验证成本和提高对比速度的基础上,还减少了数据的存储量,从而减少了内存的占用。
在一实施例中,签名验证方法,还包括:获取目标对象对应的每个基准个体签名图像的基准个体签名特征;采用预设合并策略将基准个体签名特征进行合并,得到目标对象的基准合并签名特征;基于目标对象的加密级别对基准合并签名特征进行加密;将加密之后的基准合并签名特征存储至目标存储路径中。在实施例中,对基准个体签名特征的合并过程,可以参考实际个体签名特征的合并过程,以得到对应的基准合并签名特征,具体的合并过程在此不再赘述。在实际操作过程中,可以依据该目标对象所对应的对公业务的加密级别对基准合并签名特征进行加密,并将加密之后的每个基准合并签名特征存储至目标存储路径中。
在一实施例中,将加密之后的每个基准合并签名特征存储至目标存储路径中,包括:将目标对象对应的基准合并签名特征,以及预先配置的签名验证规则存储至目标存储路径中的其中一个个体特征文件中,得到与目标对象相匹配的对象签名特征文件。其中,对象签名特征文件用于存储一个目标对象在办理一个对公业务类型时所需要的基准合并签名特征和签名验证规则。在实施例中,一个目标对象可以对应多个对公业务类型,相对应的,一个目标对象可以对应多个对象签名特征文件。通过将一个对公业务类型对应的基准合并签名特征和签名验证规则存储至一个对象签名特征文件,可以避免出现签名验证所依据的签名验证规则和基准合并签名特征出现错误的情况,同时,也提升了签名验证规则和基准合并签名特征的查找效率。
在一实施例中,图4是本发明实施例提供的一种签名验证的流程示意图。本实施例中以目标实际签名图像的数量为n个,即在办理对公业务的现场存在n个授权用户进行手写签名操作,预留m个授权用户的基准个体签名图像。其中,m和n均为大于等于1的整数,并且,m大于n。如图4所示,本实施例中的签名验证过程包括:
S410、采集m个授权用户的基准个体签名图像。
在实施例中,可以通过手写板签名采集或者通过扫描携带手写签名的文件,截取签名区域,得到m个授权用户的基准个体签名图像。
S420、提取每个基准个体签名图像的基准个体签名特征。
在实施例中,针对各个基准个体签名图像的像素坐标信息,基于经验模态分解和奇异值分解,得到本真模态函数分量,创建初始矩阵,并对初始矩阵进行奇异值分解,得到能量值特征向量。
S430、对基准个体签名特征进行合并,得到基准合并签名特征,并对基准合并签名特征进行存储。
在实施例中,将每个基准个体签名特征中的基准个体笔迹特征对应的初始矩阵进行数据叠加,以及将每个基准个体签名特征中的基准个体力度特征对应的能量值特征向量进行数据叠加,得到新的合并后的矩阵和能量值特征向量,作为对应的基准合并签名特征,并将该基准合并签名特征存储至数据库或者文件中。
S440、现场采集n个授权用户的目标实际签名图像。
S450、对目标实际签名图像对应的实际个体签名特征进行合并,得到实际合并签名特征。
S460、获取签名验证规则。
S470、基于签名验证规则、基准合并签名特征和实际合并签名特征确定对应的签名验证结果。
图5是本发明实施例提供的一种多人签名自动对比的流程图。如图5所示,,在现场多人的实际合并签名特征和预留多人的基准合并签名特征之间,找到一条最优的最优签名路径,并计算最优签名路径分别离现场签名(即采用实际合并签名特征所表征的签名)和预留签名(即采用基准合并签名特征所表征的签名)的距离,作为对应的实际签名距离和基准签名距离。根据预先配置的相似度映射表,计算得出签名匹配成功数量;再依据多人的签名验证规则,判定现场的签名匹配成功数量是否达到业务办理要求。
在一实施例中,图6是本发明实施例提供的一种签名验证装置的结构示意图。如图6所示,该装置包括:第一获取模块610、第一合并模块620、第一确定模块630和第二确定模块640。
其中,第一获取模块610,用于获取目标对象所对应至少两个目标实际签名图像的实际个体签名特征;
第一合并模块620,用于采用预设合并策略对实际个体签名特征进行合并,得到目标对象对应的实际合并签名特征;
第一确定模块630,用于基于实际合并签名特征与目标对象相匹配的基准合并签名特征的比对结果确定签名成功匹配数量;
第二确定模块640,用于基于签名成功匹配数量和预先配置的签名验证规则确定目标对象的签名验证结果。
在一实施例中,签名验证装置,还包括:
第二获取模块,用于获取目标对象对应的至少两个原始实际签名图像;
处理模块,用于对每个原始实际签名图像进行归一化处理,得到对应的目标实际签名图像。
在一实施例中,处理模块,包括:
第一获取单元,用于获取每个原始实际签名图像的图像初始尺寸;
处理单元,用于在图像初始尺寸达到图像尺寸阈值的情况下,对每个原始实际签名图像进行归一化处理,以得到图像目标尺寸的目标实际签名图像。
在一实施例中,实际个体签名特征至少包括:实际个体笔迹特征和实际个体力度特征。
在一实施例中,第一获取模块610,包括:
第二获取单元,用于获取目标对象所对应至少两个目标实际签名图像的像素坐标信息;
第一确定单元,用于基于像素坐标信息确定用于表征个体笔迹特征的初始矩阵;
分解单元,用于对初始矩阵进行奇异值分解,得到用于表征个体力度特征的能量值特征向量。
在一实施例中,第一合并模块620,包括:
第一合并单元,用于将每个实际个体笔迹特征对应的初始矩阵进行数据叠加,得到目标对象对应的实际合并笔迹特征;
第二合并单元,用于将每个实际个体力度特征对应的能量值特征向量进行数据叠加,得到目标对象对应的实际合并力度特征。
在一实施例中,第一确定模块630,包括:
第二确定单元,用于采用预设路径匹配算法确定实际合并签名特征与基准合并签名特征之间的最优签名路径;
第三确定单元,用于确定最优签名路径与实际合并签名特征以及基准合并签名特征之间的距离,作为对应的实际签名距离和基准签名距离;
第四确定单元,用于基于实际签名距离和基准签名距离确定签名成功匹配数量。
在一实施例中,签名验证装置,还包括:
第三获取模块,用于获取预先配置的相似度映射表;其中,相似度映射表用于表征相似度与签名成功匹配数量之间的映射关系;
相应的,第四确定单元,包括:
第一确定子单元,用于基于实际签名距离和基准签名距离确定实际合并签名特征和基准合并签名特征之间的实际相似度;
第二确定子单元,用于基于实际相似度与相似度映射表确定签名成功匹配数量。
在一实施例中,第二确定模块640,包括:
第五确定单元,用于基于签名验证规则确定目标对象对应的签名成功匹配阈值;
第六确定单元,用于基于签名成功匹配数量和签名成功匹配阈值之间的比对结果确定目标对象的签名验证结果。
在一实施例中,签名验证装置,还包括:
第四获取模块,用于获取目标对象对应的每个基准个体签名图像的基准个体签名特征;
第二合并模块,用于采用预设合并策略将基准个体签名特征进行合并,得到目标对象的基准合并签名特征;
加密模块,用于基于目标对象的加密级别对基准合并签名特征进行加密;
存储模块,用于将加密之后的基准合并签名特征存储至目标存储路径中。
在一实施例中,存储模块,具体用于将目标对象对应的基准合并签名特征,以及预先配置的签名验证规则存储至目标存储路径中的其中一个个体特征文件中,得到与目标对象相匹配的对象签名特征文件。
本发明实施例所提供的签名验证装置可执行本发明任意实施例所提供的签名验证方法,具备执行方法相应的功能模块和有益效果。
在一实施例中,图7是本发明实施例提供的一种签名验证电子设备的结构框图,如图7所示,示出了可以用来实施本发明的实施例的电子设备10的结构示意图。电子设备旨在表示各种形式的数字计算机,诸如,膝上型计算机、台式计算机、工作台、个人数字助理、服务器、刀片式服务器、大型计算机、和其它适合的计算机。电子设备还可以表示各种形式的移动装置,诸如,个人数字处理、蜂窝电话、智能电话、可穿戴设备(如头盔、眼镜、手表等)和其它类似的计算装置。本文所示的部件、它们的连接和关系、以及它们的功能仅仅作为示例,并且不意在限制本文中描述的和/或者要求的本发明的实现。
如图7所示,电子设备10包括至少一个处理器11,以及与至少一个处理器11通信连接的存储器,如只读存储器(ROM)12、随机访问存储器(RAM)13等,其中,存储器存储有可被至少一个处理器执行的计算机程序,处理器11可以根据存储在只读存储器(ROM)12中的计算机程序或者从存储单元18加载到随机访问存储器(RAM)13中的计算机程序,来执行各种适当的动作和处理。在RAM 13中,还可存储电子设备10操作所需的各种程序和数据。处理器11、ROM 12以及RAM 13通过总线14彼此相连。输入/输出(I/O)接口15也连接至总线14。
电子设备10中的多个部件连接至I/O接口15,包括:输入单元16,例如键盘、鼠标等;输出单元17,例如各种类型的显示器、扬声器等;存储单元18,例如磁盘、光盘等;以及通信单元19,例如网卡、调制解调器、无线通信收发机等。通信单元19允许电子设备10通过诸如因特网的计算机网络和/或各种电信网络与其他设备交换信息/数据。
处理器11可以是各种具有处理和计算能力的通用和/或专用处理组件。处理器11的一些示例包括但不限于中央处理单元(CPU)、图形处理单元(GPU)、各种专用的人工智能(AI)计算芯片、各种运行机器学习模型算法的处理器、数字信号处理器(DSP)、以及任何适当的处理器、控制器、微控制器等。处理器11执行上文所描述的各个方法和处理,例如签名验证方法。
在一些实施例中,签名验证方法可被实现为计算机程序,其被有形地包含于计算机可读存储介质,例如存储单元18。在一些实施例中,计算机程序的部分或者全部可以经由ROM 12和/或通信单元19而被载入和/或安装到电子设备10上。当计算机程序加载到RAM 13并由处理器11执行时,可以执行上文描述的签名验证方法的一个或多个步骤。备选地,在其他实施例中,处理器11可以通过其他任何适当的方式(例如,借助于固件)而被配置为执行签名验证方法。
本文中以上描述的系统和技术的各种实施方式可以在数字电子电路系统、集成电路系统、场可编程门阵列(FPGA)、专用集成电路(ASIC)、专用标准产品(ASSP)、芯片上系统的系统(SOC)、负载可编程逻辑设备(CPLD)、计算机硬件、固件、软件、和/或它们的组合中实现。这些各种实施方式可以包括:实施在一个或者多个计算机程序中,该一个或者多个计算机程序可在包括至少一个可编程处理器的可编程系统上执行和/或解释,该可编程处理器可以是专用或者通用可编程处理器,可以从存储系统、至少一个输入装置、和至少一个输出装置接收数据和指令,并且将数据和指令传输至该存储系统、该至少一个输入装置、和该至少一个输出装置。
用于实施本发明的方法的计算机程序可以采用一个或多个编程语言的任何组合来编写。这些计算机程序可以提供给通用计算机、专用计算机或其他可编程数据处理装置的处理器,使得计算机程序当由处理器执行时使流程图和/或框图中所规定的功能/操作被实施。计算机程序可以完全在机器上执行、部分地在机器上执行,作为独立软件包部分地在机器上执行且部分地在远程机器上执行或完全在远程机器或服务器上执行。
在本发明的上下文中,计算机可读存储介质可以是有形的介质,其可以包含或存储以供指令执行系统、装置或设备使用或与指令执行系统、装置或设备结合地使用的计算机程序。计算机可读存储介质可以包括但不限于电子的、磁性的、光学的、电磁的、红外的、或半导体系统、装置或设备,或者上述内容的任何合适组合。备选地,计算机可读存储介质可以是机器可读信号介质。机器可读存储介质的更具体示例会包括基于一个或多个线的电气连接、便携式计算机盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦除可编程只读存储器(EPROM或快闪存储器)、光纤、便捷式紧凑盘只读存储器(CD-ROM)、光学储存设备、磁储存设备、或上述内容的任何合适组合。
为了提供与用户的交互,可以在电子设备上实施此处描述的系统和技术,该电子设备具有:用于向用户显示信息的显示装置(例如,CRT(阴极射线管)或者LCD(液晶显示器)监视器);以及键盘和指向装置(例如,鼠标或者轨迹球),用户可以通过该键盘和该指向装置来将输入提供给电子设备。其它种类的装置还可以用于提供与用户的交互;例如,提供给用户的反馈可以是任何形式的传感反馈(例如,视觉反馈、听觉反馈、或者触觉反馈);并且可以用任何形式(包括声输入、语音输入或者、触觉输入)来接收来自用户的输入。
可以将此处描述的系统和技术实施在包括后台部件的计算系统(例如,作为数据服务器)、或者包括中间件部件的计算系统(例如,应用服务器)、或者包括前端部件的计算系统(例如,具有图形用户界面或者网络浏览器的用户计算机,用户可以通过该图形用户界面或者该网络浏览器来与此处描述的系统和技术的实施方式交互)、或者包括这种后台部件、中间件部件、或者前端部件的任何组合的计算系统中。可以通过任何形式或者介质的数字数据通信(例如,通信网络)来将系统的部件相互连接。通信网络的示例包括:局域网(LAN)、广域网(WAN)、区块链网络和互联网。
计算系统可以包括客户端和服务器。客户端和服务器一般远离彼此并且通常通过通信网络进行交互。通过在相应的计算机上运行并且彼此具有客户端-服务器关系的计算机程序来产生客户端和服务器的关系。服务器可以是云服务器,又称为云计算服务器或云主机,是云计算服务体系中的一项主机产品,以解决了传统物理主机与VPS服务中,存在的管理难度大,业务扩展性弱的缺陷。
本发明实施例还提供了一种计算机程序产品,包括计算机程序,该计算机程序在被处理器执行时实现如本申请任一实施例所提供的签名验证方法。
计算机程序产品在实现的过程中,可以以一种或多种程序设计语言或其组合来编写用于执行本发明操作的计算机程序代码,程序设计语言包括面向对象的程序设计语言,诸如Java、Smalltalk、C++,还包括常规的过程式程序设计语言,诸如“C”语言或类似的程序设计语言。程序代码可以完全地在用户计算机上执行、部分地在用户计算机上执行、作为一个独立的软件包执行、部分在用户计算机上部分在远程计算机上执行、或者完全在远程计算机或服务器上执行。在涉及远程计算机的情形中,远程计算机可以通过任意种类的网络——包括局域网(LAN)或广域网(WAN)—连接到用户计算机,或者,可以连接到外部计算机(例如利用因特网服务提供商来通过因特网连接)。
注意,上述仅为本发明的较佳实施例及所运用技术原理。本领域技术人员会理解,本发明不限于这里的特定实施例,对本领域技术人员来说能够进行各种明显的变化、重新调整和替代而不会脱离本发明的保护范围。因此,虽然通过以上实施例对本发明进行了较为详细的说明,但是本发明不仅仅限于以上实施例,在不脱离本发明构思的情况下,还可以包括更多其他等效实施例,而本发明的范围由所附的权利要求范围决定。
Claims (15)
1.一种签名验证方法,其特征在于,包括:
获取目标对象所对应至少两个目标实际签名图像的实际个体签名特征;
采用预设合并策略对所述实际个体签名特征进行合并,得到所述目标对象对应的实际合并签名特征;
基于所述实际合并签名特征与所述目标对象相匹配的基准合并签名特征的比对结果确定签名成功匹配数量;
基于所述签名成功匹配数量和预先配置的签名验证规则确定所述目标对象的签名验证结果。
2.根据权利要求1所述的方法,其特征在于,所述方法,还包括:
获取目标对象对应的至少两个原始实际签名图像;
对每个所述原始实际签名图像进行归一化处理,得到对应的目标实际签名图像。
3.根据权利要求2所述的方法,其特征在于,所述对每个所述原始实际签名图像进行归一化处理,得到对应的目标实际签名图像,包括:
获取每个所述原始实际签名图像的图像初始尺寸;
在所述图像初始尺寸达到图像尺寸阈值的情况下,对每个所述原始实际签名图像进行归一化处理,以得到图像目标尺寸的目标实际签名图像。
4.根据权利要求1所述的方法,其特征在于,所述实际个体签名特征至少包括:实际个体笔迹特征和实际个体力度特征。
5.根据权利要求1所述的方法,其特征在于,所述获取目标对象所对应至少两个目标实际签名图像的实际个体签名特征,包括:
获取目标对象所对应至少两个目标实际签名图像的像素坐标信息;
基于所述像素坐标信息确定用于表征个体笔迹特征的初始矩阵;
对所述初始矩阵进行奇异值分解,得到用于表征个体力度特征的能量值特征向量。
6.根据权利要求4所述的方法,其特征在于,所述采用预设合并策略对所述实际个体签名特征进行合并,得到所述目标对象对应的实际合并签名特征,包括:
将每个所述实际个体笔迹特征对应的初始矩阵进行数据叠加,得到所述目标对象对应的实际合并笔迹特征;
将每个所述实际个体力度特征对应的能量值特征向量进行数据叠加,得到所述目标对象对应的实际合并力度特征。
7.根据权利要求1所述的方法,其特征在于,所述基于所述实际合并签名特征与所述目标对象相匹配的基准合并签名特征的比对结果确定签名成功匹配数量,包括:
采用预设路径匹配算法确定所述实际合并签名特征与所述基准合并签名特征之间的最优签名路径;
确定所述最优签名路径与所述实际合并签名特征以及所述基准合并签名特征之间的距离,作为对应的实际签名距离和基准签名距离;
基于所述实际签名距离和所述基准签名距离确定签名成功匹配数量。
8.根据权利要求7所述的方法,其特征在于,还包括:获取预先配置的相似度映射表;其中,所述相似度映射表用于表征所述相似度与签名成功匹配数量之间的映射关系;
相应的,基于所述实际签名距离和所述基准签名距离确定签名成功匹配数量,包括:
基于所述实际签名距离和所述基准签名距离确定所述实际合并签名特征和所述基准合并签名特征之间的实际相似度;
基于所述实际相似度与所述相似度映射表确定签名成功匹配数量。
9.根据权利要求1所述的方法,其特征在于,所述基于所述签名成功匹配数量和预先配置的签名验证规则确定所述目标对象的签名验证结果,包括:
基于所述签名验证规则确定所述目标对象对应的签名成功匹配阈值;
基于所述签名成功匹配数量和所述签名成功匹配阈值之间的比对结果确定所述目标对象的签名验证结果。
10.根据权利要求1所述的方法,其特征在于,所述方法,还包括:
获取目标对象对应的每个基准个体签名图像的基准个体签名特征;
采用预设合并策略将所述基准个体签名特征进行合并,得到所述目标对象的基准合并签名特征;
基于所述目标对象的加密级别对所述基准合并签名特征进行加密;
将加密之后的所述基准合并签名特征存储至目标存储路径中。
11.根据权利要求10所述的方法,其特征在于,所述将加密之后的每个所述基准合并签名特征存储至目标存储路径中,包括:
将目标对象对应的所述基准合并签名特征,以及预先配置的签名验证规则存储至目标存储路径中的其中一个个体特征文件中,得到与所述目标对象相匹配的对象签名特征文件。
12.一种签名验证装置,其特征在于,包括:
第一获取模块,用于获取目标对象所对应至少两个目标实际签名图像的实际个体签名特征;
第一合并模块,用于采用预设合并策略对所述实际个体签名特征进行合并,得到所述目标对象对应的实际合并签名特征;
第一确定模块,用于基于所述实际合并签名特征与所述目标对象相匹配的基准合并签名特征的比对结果确定签名成功匹配数量;
第二确定模块,用于基于所述签名成功匹配数量和预先配置的签名验证规则确定所述目标对象的签名验证结果。
13.一种签名验证电子设备,其特征在于,包括存储器,处理器及存储在存储器上并可在处理器运行的计算机程序,所述处理器执行所述计算机程序时实现如权利要求1-11中任一项所述的签名验证方法。
14.一种计算机可读存储介质,其上存储有计算机程序,其特征在于,该程序被处理器执行时实现如权利要求1-11中任一所述的签名验证方法。
15.一种计算机程序产品,包括计算机程序,其特征在于,所述计算机程序在被处理器执行时实现如权利要求1-11中任一项所述的签名验证方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310620442.5A CN116824707A (zh) | 2023-05-29 | 2023-05-29 | 一种签名验证方法、装置、设备、存储介质及产品 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310620442.5A CN116824707A (zh) | 2023-05-29 | 2023-05-29 | 一种签名验证方法、装置、设备、存储介质及产品 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN116824707A true CN116824707A (zh) | 2023-09-29 |
Family
ID=88119460
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310620442.5A Pending CN116824707A (zh) | 2023-05-29 | 2023-05-29 | 一种签名验证方法、装置、设备、存储介质及产品 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116824707A (zh) |
-
2023
- 2023-05-29 CN CN202310620442.5A patent/CN116824707A/zh active Pending
Similar Documents
Publication | Publication Date | Title |
---|---|---|
WO2021026805A1 (zh) | 对抗样本检测方法、装置、计算设备及计算机存储介质 | |
WO2019179036A1 (zh) | 深度神经网络模型、电子装置、身份验证方法和存储介质 | |
US11003754B2 (en) | Method and apparatus for user authentication based on feature information | |
US20170213074A1 (en) | Decoy-based matching system for facial recognition | |
CN110795714A (zh) | 一种身份验证方法、装置、计算机设备及存储介质 | |
CN114565513A (zh) | 对抗图像的生成方法、装置、电子设备和存储介质 | |
WO2019114246A1 (zh) | 一种身份认证方法、服务器及客户端设备 | |
US20230096921A1 (en) | Image recognition method and apparatus, electronic device and readable storage medium | |
CN113643260A (zh) | 用于检测图像质量的方法、装置、设备、介质和产品 | |
CN113836509B (zh) | 信息采集方法、装置、电子设备和存储介质 | |
WO2020119157A1 (zh) | 验证方法、装置和计算机可读存储介质 | |
CN113033373B (zh) | 用于训练人脸识别模型及识别人脸的方法及相关装置 | |
CN114119990A (zh) | 用于图像特征点匹配的方法、装置及计算机程序产品 | |
CN113312611A (zh) | 密码检测方法、装置、设备和计算机可读存储介质 | |
CN116824707A (zh) | 一种签名验证方法、装置、设备、存储介质及产品 | |
CN116089985A (zh) | 一种分布式日志的加密存储方法、装置、设备及介质 | |
CN113255512B (zh) | 用于活体识别的方法、装置、设备以及存储介质 | |
CN114093006A (zh) | 活体人脸检测模型的训练方法、装置、设备以及存储介质 | |
CN113903071A (zh) | 人脸识别方法、装置、电子设备和存储介质 | |
CN117333921A (zh) | 面部图像检测方法、装置、设备及存储介质 | |
CN114398971B (zh) | 基于dbscan的网络流量分类异常的检测方法 | |
CN113392810A (zh) | 用于活体检测的方法、装置、设备、介质和产品 | |
CN117690193A (zh) | 签名用户认证方法、装置、电子设备及存储介质 | |
CN118504054A (zh) | 数字资产安全存储方法及装置、电子设备、存储介质 | |
CN116245337A (zh) | 物资结算方法、装置、设备及存储介质 |
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 |