FR2684469A1 - Automatic process for recognising handwritten signatures by image analysis and device intended for its implementation - Google Patents
Automatic process for recognising handwritten signatures by image analysis and device intended for its implementation Download PDFInfo
- Publication number
- FR2684469A1 FR2684469A1 FR9114814A FR9114814A FR2684469A1 FR 2684469 A1 FR2684469 A1 FR 2684469A1 FR 9114814 A FR9114814 A FR 9114814A FR 9114814 A FR9114814 A FR 9114814A FR 2684469 A1 FR2684469 A1 FR 2684469A1
- Authority
- FR
- France
- Prior art keywords
- signature
- classifier
- image
- different
- extracted
- 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
Links
Classifications
-
- G—PHYSICS
- G07—CHECKING-DEVICES
- G07C—TIME OR ATTENDANCE REGISTERS; REGISTERING OR INDICATING THE WORKING OF MACHINES; GENERATING RANDOM NUMBERS; VOTING OR LOTTERY APPARATUS; ARRANGEMENTS, SYSTEMS OR APPARATUS FOR CHECKING NOT PROVIDED FOR ELSEWHERE
- G07C9/00—Individual registration on entry or exit
- G07C9/30—Individual registration on entry or exit not involving the use of a pass
- G07C9/32—Individual registration on entry or exit not involving the use of a pass in combination with an identity check
- G07C9/35—Individual registration on entry or exit not involving the use of a pass in combination with an identity check by means of a handwritten signature
-
- 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
Abstract
Description
PROCEDE AUTOMATIQUE DE RECONNAISSANCE DE SIGNATURES
MANUSCRITES PAR ANALYSE D'IMAGE ET DISPOSITIF DESTINE A SA
MISE EN OEUVRE
L'invention se rapporte au domaine du traitement d'images, et plus particulièrement à un procédé et à un dispositif automatique de reconnaissance de signatures manuscrites par analyse d'image.AUTOMATIC PROCESS FOR RECOGNIZING SIGNATURES
MANUSCRIPTS BY IMAGE ANALYSIS AND DEVICE FOR SA
IMPLEMENTATION
The invention relates to the field of image processing, and more particularly to a method and an automatic device for recognizing handwritten signatures by image analysis.
Ce procédé peut être appliqué notamment au contrôle d'accès ou à la vérification de signatures sur des chèques bancaires ou sur des documents officiels, la vérification de signature consistant à décider si la signature présentée provient effectivement du signataire attendu. This method can be applied in particular to the access control or the verification of signatures on bank checks or official documents, the signature verification consisting in deciding whether the signature presented actually comes from the expected signer.
Les systèmes de reconnaissance de signatures manuscrites sont distingués selon que la reconnaissance est effectuée directement lors de l'écriture (en anglais la reconnaissance est dite "on-line") ou que la reconnaissance est effectuée de manière optique par reprise d'image (en anglais la reconnaissance est dite "off-line"). Dans le premier cas, les mouvements du crayon sont connus (I'écriture se fait par exemple sur une tablette graphique), alors que dans le second cas, on ne connaît que l'image de la signature. Les taux de reconnaissance sont donc meilleurs pour les systèmes de reconnaissance "on-line". The handwritten signature recognition systems are distinguished according to whether the recognition is performed directly during the writing (in English the recognition is called "on-line") or that the recognition is performed optically by image recovery (in English recognition is called "off-line"). In the first case, the movements of the pencil are known (the writing is done for example on a graphic tablet), while in the second case, we only know the image of the signature. Recognition rates are therefore better for on-line recognition systems.
En ce qui concerne le procédé de reconnaissance de signatures, selon l'invention, la reconnaissance est effectuée en "offline". With regard to the method of recognizing signatures, according to the invention, the recognition is performed in "offline".
Les méthodes connues pour la reconnaissance "off-line" de signature consistent à calculer une distance entre la signature à vérifier et un modèle de signature. Si la distance est faible, la signature est acceptée, sinon elle est refusée. Ces méthodes nécessitent un réglage manuel de différentes valeurs relatives à des seuils et à des fonctions de coût qui interviennent dans le calcul de la distance. Le modèle de signature utilisé est généralement un modèle structurel et les taux d'erreur, caractérisés par le taux de signatures fausses acceptées et le taux de signatures vraies refusées, sont généralement élevés , c'est-àdire de l'ordre de 5 %. Known methods for off-line signature recognition include calculating a distance between the signature to be verified and a signature pattern. If the distance is small, the signature is accepted, otherwise it is refused. These methods require manual adjustment of different values relating to thresholds and cost functions involved in calculating the distance. The signature model used is generally a structural model and the error rates, characterized by the rate of false signatures accepted and the rate of true signatures refused, are generally high, that is to say of the order of 5%.
L'invention a pour objet un procédé de reconnaissance de signatures manuscrites qui utilise une approche différente, selon laquelle dans une phase d'apprentissage, un classifieur apprend à reconnaître la signature d'un signataire donné parmi un grand nombre d'exemples de signatures appartenant à différents signataires. A l'issue de la phase d'apprentissage, le classifieur est en état de décider à quelle classe appartient une signature n'ayant pas participé à l'apprentissage. The invention relates to a method for recognizing handwritten signatures which uses a different approach, according to which in a learning phase a classifier learns to recognize the signature of a given signer from a large number of examples of signatures belonging to to different signatories. At the end of the learning phase, the classifier is in a position to decide to which class belongs a signature that did not participate in the learning.
Ce procédé a les avantages de présenter un taux d'erreur plus faible par rapport aux méthodes classiques et d'être simple à mettre en oeuvre car il ne nécessite pas de réglage manuel de seuils. This method has the advantages of having a lower error rate compared to conventional methods and to be simple to implement because it does not require manual adjustment of thresholds.
Selon l'invention, le procédé automatique de reconnaissance de signatures manuscrites par analyse d'image, est caractérisé en ce qu'il consiste
- dans une phase préalable, et pour un nombre fixé d'exemples d'images de signatures manuscrites appartenant à différents signataires, à extraire des caractéristiques discriminantes de la signature, ces caractéristiques étant des caractéristiques élémentaires décrivant l'aspect général de la signature, des caractéristiques morphologiques, des caractéristiques statistiques et des paramètres d'histogramme angulaire,
- dans une phase d'apprentissage, pour chaque exemple d'image de signature, à présenter aux entrées d'un classifieur, les caractéristiques discriminantes de la signature extraites dans la phase préalable, pour ajuster par approches successives, les valeurs des paramètres internes d'un classifieur jusqu'à ce que les valeurs de sortie de ce classifieur soient représentatives des différentes classes de signature possibles,
- dans une phase de reconnaissance, les caractéristiques discriminantes d'une signature à reconnaître dans une image nouvelle n'ayant pas participé à l'apprentissage, sont extraites de cette image et présentées aux entrées d'un classifieur, qui par application des valeurs de ses paramètres internes fixés en fin de phase d'apprentissage, donne une configuration de sortie à partir de laquelle est déterminé à quelle classe, parmi les classes apprises, appartient la signature considérée.According to the invention, the automatic method for recognizing handwritten signatures by image analysis, is characterized in that it consists
in a prior phase, and for a fixed number of examples of handwritten signature images belonging to different signers, to extract discriminant characteristics from the signature, these characteristics being elementary characteristics describing the general appearance of the signature, morphological characteristics, statistical characteristics and angular histogram parameters,
in a learning phase, for each signature image example, to be presented to the inputs of a classifier, the discriminant characteristics of the signature extracted in the prior phase, to adjust by successive approaches, the values of the internal parameters of a classifier until the output values of this classifier are representative of the different possible signature classes,
in a recognition phase, the discriminant characteristics of a signature to be recognized in a new image that did not participate in the learning, are extracted from this image and presented to the inputs of a classifier, which by application of the values of its internal parameters set at the end of the learning phase, gives an output configuration from which is determined to which class, among the learned classes, belongs the considered signature.
L'invention concerne également un dispositif de reconnaissance automatique d'une signature manuscrite dans une image pour la mise en oeuvre du procédé, caractérisé en ce qu'il comporte un dispositif de prétraitement connecté en série avec au moins un classifieur, le dispositif de prétraitement, étant destiné à extraire des caractéristiques discriminantes d'une image de signature, le classifieur étant destiné après une phase d'apprentissage, à classifier la signature considérée.The invention also relates to a device for automatic recognition of a handwritten signature in an image for the implementation of the method, characterized in that it comprises a pretreatment device connected in series with at least one classifier, the preprocessing device , being intended to extract discriminant characteristics from a signature image, the classifier being intended after a learning phase, to classify the signature considered.
D'autres particularités et avantages de l'invention apparaîtront clairement dans la suite de la description donnée à titre d'exemple non limitatif et faite en regard des figures annexées qui représentent:
- la figure 1, un exemple de dispositif de mise en oeuvre de l'invention,
- la figure 2, un exemple d'image de signature sur laquelle sont définies la hauteur H et la longueur L de la signature, ainsi que les axes principaux de la signature,
- la figure 3, un exemple de construction de trois points A, B,
C à partir d'un point de la signature, ces trois points A, B, C permettant de déterminer la pente de la signature par rapport au grand axe de la signature,
- la figure 4, un exemple d'image de signature sur laquelle sont définies six primitives morphologiques,
- la figure 5, six exemples de découpage, en régions, d'une image,
- la figure 6, un organigramme de la phase d'apprentissage, selon l'invention,
- la figure 7, un organigramme de la phase de classification, selon i'invention,
Un système de reconnaissance "off-line" de signature permet d'identifier automatiquement un individu d'après l'examen de sa signature. II ne s'agit pas ici de reconnaître la partie sémantique de la signature (reconstituer le nom du signataire en identifiant chaque lettre de la signature) mais de reconnaître dans la signature les caractéristiques propres à un signataire donné. Other features and advantages of the invention will become clear in the following description given by way of non-limiting example and made with reference to the appended figures which represent:
FIG. 1, an exemplary device for implementing the invention,
FIG. 2, an example of a signature image on which the height H and the length L of the signature are defined, as well as the principal axes of the signature,
FIG. 3, an example of construction of three points A, B,
C from a point of the signature, these three points A, B, C making it possible to determine the slope of the signature with respect to the major axis of the signature,
FIG. 4, an example of a signature image on which six morphological primitives are defined,
- Figure 5, six examples of cutting, in regions, an image,
FIG. 6, a flowchart of the learning phase, according to the invention,
FIG. 7, a flowchart of the classification phase, according to the invention,
An off-line signature recognition system automatically identifies an individual based on the examination of his signature. It is not a question here of recognizing the semantic part of the signature (reconstituting the signatory's name by identifying each letter of the signature) but of recognizing in the signature the characteristics proper to a given signatory.
La figure 1 représente un exemple de dispositif de mise en oeuvre de l'invention. FIG. 1 represents an exemplary device for implementing the invention.
Le dispositif comporte un dispositif de prétraitement 10 connecté à au moins un classifieur 11. Le dispositif de prétraitement est destiné à recevoir, en entrée, une image d'une signature et à délivrer, en sortie1 les différentes caractéristiques discriminantes de la signature. Ces caractéristiques sont transmises aux entrées du classifieur qui délivre des valeurs de sortie qui devront correspondre, après une phase d'apprentissage, à la classe de la signature considérée. The device comprises a pretreatment device 10 connected to at least one classifier 11. The pretreatment device is intended to receive, as input, an image of a signature and to output, at the output, the different discriminant characteristics of the signature. These characteristics are transmitted to the inputs of the classifier which delivers output values which must correspond, after a learning phase, to the class of the signature considered.
Le classifieur comporte donc un nombre d'entrées égal au nombre de caractéristiques discriminantes extraites sur l'image de la signature. The classifier thus comprises a number of entries equal to the number of discriminant characteristics extracted on the image of the signature.
Dans le cas où le classifieur est utilisé pour effectuer la vérification de la signature d'un signataire particulier, le signataire étant connu a priori, il comporte deux sorties correspondant à deux classes,
I'une traduisant le fait que la signature provient effectivement du signataire attendu, I'autre traduisant l'évènement inverse. Ce cas correspond typiquement à une application dans laquelle il s'agit d'authentifier une signature sur un chèque dont on connait a priori le propriétaire.In the case where the classifier is used to perform the verification of the signature of a particular signer, the signer being known a priori, it comprises two outputs corresponding to two classes,
One reflecting the fact that the signature actually comes from the expected signer, the other translating the opposite event. This case typically corresponds to an application in which it is a question of authenticating a signature on a check of which the owner is known a priori.
Dans le cas où il faut vérifier les signatures de plusieurs signataires différents, le dispositif complet comporte autant de classifieurs que de signataires, chaque classifieur étant dédié à un signataire particulier. Pour effectuer la reconnaissance d'une signature, le signataire étant connu a priori, il suffit de sélectionner le classifieur dédié à ce signataire et de procéder à la vérification de la signature avec le classifieur ainsi sélectionné. In the case where it is necessary to verify the signatures of several different signatories, the complete device comprises as many classifiers as signatories, each classifier being dedicated to a particular signatory. To perform the recognition of a signature, the signer is known a priori, just select the classifier dedicated to the signer and proceed to the verification of the signature with the classifier thus selected.
Le classifieur peut également être dédié à la reconnaissance d'une signature dont le signataire n'est pas connu a priori mais fait partie d'un ensemble de plusieurs signataires. Dans ce cas, le dispositif de reconnaissance comporte un seul classifieur dont le nombre de sorties est égal au nombre de signataires considérés. The classifier can also be dedicated to the recognition of a signature whose signer is not known a priori but is part of a set of several signatories. In this case, the recognition device comprises a single classifier whose number of outputs is equal to the number of signatories considered.
Le classifieur doit avoir un nombre de degrés de liberté suffisant pour pouvoir, en ajustant puis en fixant ses degrés de liberté pendant une phase d'apprentissage, obtenir en sortie du classifieur la réponse souhaitée pour différentes images de signature dites "apprises". The classifier must have a sufficient number of degrees of freedom to be able, by adjusting and then setting his degrees of freedom during a learning phase, to obtain at the output of the classifier the desired response for different so-called "learned" signature images.
Le classifieur peut ensuite être utilisé pour des images de signature n'appartenant pas à la base d'apprentissage et pour vérifier à quelle classe appartient la signature représentée sur ces images par analogie avec les images apprises.The classifier can then be used for signature images not belonging to the learning base and to verify to which class the signature represented on these images belongs by analogy with the images learned.
Les caractéristiques discriminantes extraites d'une image de signature par le dispositif de prétraitement 10 sont des caractéristiques élémentaires décrivant l'aspect général de la signature, des caractéristiques morphologiques, des caractéristiques statistiques, des paramètres représentant l'histogramme angulaire de la signature. The discriminant characteristics extracted from a signature image by the preprocessing device 10 are elementary characteristics describing the general aspect of the signature, morphological characteristics, statistical characteristics, parameters representing the angular histogram of the signature.
La figure 2 représente un exemple d'image de signature sur laquelle sont définies des caractéristiques élémentaires de la signature. FIG. 2 represents an example of a signature image on which elementary characteristics of the signature are defined.
Ces caractéristiques constituent un jeu de paramètres décrivant l'aspect général de la signature. Ces paramètres sont de quatre types différents
- le rapport hauteur H de la signature sur la longueur L de la signature,
- les axes principaux de la signature,
- la pente de la signature par rapport au grand axe,
- le nombre de zones connexes de la signature.These characteristics constitute a set of parameters describing the general appearance of the signature. These parameters are of four different types
the height ratio H of the signature over the length L of the signature,
- the main axes of the signature,
- the slope of the signature with respect to the major axis,
- the number of related areas of the signature.
Pour déterminer le rapport hauteur sur longueur H/L de la signature1 deux axes X, Y orthogonaux se coupant en un point 0, sont choisis et gradués en nombre de points de l'image ; ces deux axes constituent par exemple les deux bords gauche et inférieur de l'image. To determine the ratio height to length H / L of the signature, two orthogonal X, Y axes intersecting at a point 0 are chosen and graduated in number of points of the image; these two axes are for example the two left and bottom edges of the image.
Les quatre coordonnées Xmin, Xmax, Yminl Ymax, maximales et minimales de la signature sont alors recherchées dans l'image.The four coordinates Xmin, Xmax, Yminl Ymax, maximum and minimum of the signature are then searched in the image.
La coordonnée Ymin est obtenue en scrutant l'image ligne par ligne en commençant par la première ligne située en bas de l'image, puis en comptant pour chaque ligne le nombre de points caractère présent. The Ymin coordinate is obtained by scanning the image line by line starting with the first line at the bottom of the image, then counting for each line the number of points character present.
Ymin est l'indice de la première ligne rencontrée telle que le nombre de points caractère présent soit supérieur à 5.Ymin is the index of the first line encountered such that the number of points character present is greater than 5.
La valeur 5 a été choisie pour s'assurer que les points comptés proviennent effectivement de la signature et non d'objets parasites présents dans l'image. De manière similaire YmaX s'obtient en scrutant l'image ligne par ligne depuis la dernière ligne située en haut de l'image, Xmin s'obtient en scrutant colonne par colonne depuis la première colonne, Xmax en scrutant colonne par colonne depuis la dernière colonne. The value 5 was chosen to ensure that the counted points actually come from the signature and not parasitic objects present in the image. Similarly YmaX is obtained by scanning the image line by line from the last line at the top of the image, Xmin is obtained by looking column by column from the first column, Xmax by looking column by column since last column.
Les quatre coordonnées Xmjn, Xmax, Ymin, Ymax définissent le plus petit rectangle contenant la signature. Les valeurs de la hauteur et de la largeur de la signature sont obtenues par les relations suivantes
H = Ymax - Ymin
L = xmax - Xmin
II ne reste plus qu'à effectuer le rapport H/L pour obtenir l'une des caractéristiques élémentaires de la signature.The four coordinates Xmjn, Xmax, Ymin, Ymax define the smallest rectangle containing the signature. The height and width values of the signature are obtained by the following relationships
H = Ymax - Ymin
L = xmax - Xmin
All that remains is to perform the H / L ratio to obtain one of the elementary characteristics of the signature.
Les caractéristiques élémentaires obtenues à partir des axes principaux, grand axe et petit axe, de la signature sont l'élongation de ces axes, c'est-à-dire la variance du grand axe sur la variance du petit axe, et l'orientation du grand axe. The elementary characteristics obtained from the principal axes, major axis and minor axis, of the signature are the elongation of these axes, that is to say the variance of the major axis on the variance of the minor axis, and the orientation of the main axis.
Pour cela le nombre de points N de la signature est déterminé par comptage, dans l'image, des points caractère présent, et le centre de gravité (gx, gy) de la signature est calculé par les relations suivantes
g, et gy sont les coordonnées du centre de gravité de la signature dans le repère orthonormé O ; X, Y. g, and gy are the coordinates of the center of gravity of the signature in the orthonormal coordinate system O; X, Y.
Sx et Sy représent, respectivement, la somme des abscisses et la somme des ordonnées de tous les points caractère de la signature. Sx and Sy represent, respectively, the sum of the abscissas and the sum of the ordinates of all the character points of the signature.
Une matrice d'auto-corrélation C est alors construite sur l'image de la signature, cette matrice C étant définie de la façon suivante
avec:
Cx = #(x-gx)
Cy = #(y-gy)
Cxy = #(x-gx)(y-gy)
La variance ai du grand axe et la variance #2 du petit axe de la signature sont alors obtenues en calculant les deux valeurs propres de la matrice C d'auto-corrélation.Les expressions de ces deux variances sont les suivantes
Cx = # (x-gx)
Cy = # (y-gy)
Cxy = # (x-gx) (y-gy)
The variance ai of the major axis and the variance # 2 of the minor axis of the signature are then obtained by calculating the two eigenvalues of the autocorrelation matrix C. The expressions of these two variances are as follows:
L'élongation des axes et l'orientation du grand axe constituant le deuxième type de caractéristiques élémentaires extraites de l'image sont alors données par les relations suivantes élongation =
orientation = arctan
orientation = arctan
Le troisième type de caractéristiques élémentaires recherché dans l'image de la signature est la pente de la signature par rapport au grand axe. La pente de la signature décrit l'orientation des lettres par rapport au grand axe. The third type of elementary features sought in the image of the signature is the slope of the signature with respect to the major axis. The slope of the signature describes the orientation of the letters in relation to the major axis.
La pente cherchée peut être soit positive, soit négative, soit indifférente ou perpendiculaire au grand axe. Trois grandeurs sont donc calculées, il s'agit
du nombre de points de la signature symbolique d'une pente positive :
du nombre de points de la signature symbolique d'une pente négative: P,
du nombre de points de la signature symbolique d'une pente indifférente : P.The desired slope may be either positive or negative, indifferent or perpendicular to the major axis. Three quantities are thus calculated, it is
the number of points of the symbolic signature of a positive slope:
the number of points of the symbolic signature of a negative slope: P,
of the number of points of the symbolic signature of an indifferent slope: P.
Pour calculer ces trois grandeurs, chaque point de la signature est considéré un par un. A partir d'un point donné de la signature, trois points A, B, C sont calculés. La figure 3 montre un exemple de construction des trois points A, B, C à partir d'un point de la signature appelé point de référence. To calculate these three quantities, each point of the signature is considered one by one. From a given point of the signature, three points A, B, C are calculated. Figure 3 shows an example of construction of the three points A, B, C from a point of the signature called reference point.
En notant + I'angle d'orientation du grand axe par rapport à l'axe OX des abscisses, les points A, B, C sont obtenus à partir des coordonnées du point de référence par une translation de vecteurs respectifs U-V, U, U+V, les coordonnées respectives du vecteur U et du vecteur V étant:
(X2 sin, - #2 cos #)
(X2 cos , 2 sinq)) . By noting the angle of orientation of the major axis with respect to the axis X of the abscissae, the points A, B, C are obtained from the coordinates of the reference point by a translation of respective vectors UV, U, U + V, the respective coordinates of the vector U and the vector V being:
(X2 sin, - # 2 cos #)
(X2 cos, 2 sinq)).
La pente de la signature au point de référence considéré est alors déterminé de la façon suivante
Si le pixel le plus proche de A est un point de la signature, on incrémente P+,
Si le pixel le plus proche de B est un point de la signature, on incrémente P,
Si le pixel le plus proche de C est un point de la signature, on incrémente P . The slope of the signature at the reference point considered is then determined as follows
If the pixel closest to A is a point of the signature, P + is incremented,
If the pixel closest to B is a point of the signature, P is incremented,
If the pixel closest to C is a point of the signature, P is incremented.
Lorsque tous les points de la signature ont été considérés afin de normaliser les grandeurs trouvées, les deux paramètres P1 et P2 suivants sont retenus pour constituer deux nouvelles caractéristiques élémentaires extraites de l'image.
La dernière caractéristique élémentaire extraite de l'image de la signature concerne le nombre de zones connexes présentes dans la signature. The last basic feature extracted from the signature image is the number of related areas present in the signature.
Une zone connexe est définie au sens de la 4-connectivité, c'est-à-dire comme un ensemble de points de l'image de même luminance, ces points étant tels qu'il existe un chemin permettant de passer, sans sortir de la zone, d'un point quelconque de cette zone à un autre point de cette même zone, en suivant une succession de directions horizontales ou verticales de l'image. A connected zone is defined in the sense of the 4-connectivity, that is to say as a set of points of the image of the same luminance, these points being such that there is a path to pass, without leaving the zone, from any point of this zone to another point of this same zone, following a succession of horizontal or vertical directions of the image.
Un algorithme de recherche des zones connexes est utilisé pour détecter et étiqueter les zones connexes d'une image de la signature. A related area search algorithm is used to detect and label related areas of an image of the signature.
Le nombre de zones connexes ainsi obtenu ne peut généralement pas être utilisé directement car il est très variable suivant l'humeur du signataire. C'est pourquoi le paramètre correspondant qui est utilisé pour la vérification de la signature est le logarithme népérien de cette valeur de façon à éviter des variations trop fortes. Afin d'éliminer les éventuels objets parasites de l'image, seules les zones connexes ayant une surface supérieure à 20 sont conservées. The number of related zones thus obtained can not generally be used directly because it is very variable depending on the mood of the signatory. This is why the corresponding parameter which is used for the verification of the signature is the natural logarithm of this value so as to avoid excessive variations. In order to eliminate any parasitic objects in the image, only the related areas having an area greater than 20 are retained.
Les caractéristiques morphologiques recherchées dans l'image de la signature sont les surfaces relatives de différentes zones délimitées par la signature sur l'image, ces zones étant appelées cavités et trous. The morphological characteristics sought in the image of the signature are the relative surfaces of different zones delimited by the signature on the image, these zones being called cavities and holes.
Cinq types de cavités sont définies et appelées cavités Ouest, Est, Nord,
Sud, Centrale. Les cavités et les trous sont appelés aussi des primitives morphologiques. Au total il y a donc six primitives morphologiques. La figure 4 représente un exemple d'image de signature sur laquelle les six primitives morphologiques sont définies.Five types of cavities are defined and called cavities West, East, North,
South, Central. Cavities and holes are also called morphological primitives. In total there are therefore six morphological primitives. Figure 4 shows an example of a signature image on which the six morphological primitives are defined.
Un trou est une zone fermée délimitée par la signature. Sur la figure 4, un trou est délimité par la lettre B. Les trous peuvent être détectés à l'aide d'un algorithme de recherche des zones connexes. En effet, en recherchant par exemple les zones connexes relatives au fond de l'image, la signature étant placée dans une fenêtre avec laquelle elle n'est pas en contact, une grande zone connexe en contact avec les bords de la fenêtre est obtenue: cette zone connexe correspond au fond externe à la signature. En outre, si la signature comporte un ou plusieurs trous, une ou plusieurs zones connexes non au contact avec les bords de la fenêtre sont obtenues; ces zones correspondent aux trous. A hole is a closed area delimited by the signature. In Figure 4, a hole is delimited by the letter B. The holes can be detected using a search algorithm of the related areas. Indeed, by searching for example the related areas relating to the background of the image, the signature being placed in a window with which it is not in contact, a large connected area in contact with the edges of the window is obtained: this connected zone corresponds to the external background to the signature. In addition, if the signature has one or more holes, one or more non-contact areas with the edges of the window are obtained; these areas correspond to the holes.
Les différentes cavités Ouest sont définies ci-après. Un point appartient à une cavité Ouest si les trois conditions suivantes sont remplies simultanément:
- en se déplaçant, à partir de ce point, en ligne droite dans les directions Est, Sud, ou Nord, on rencontre la signature,
- en se déplaçant, à partir de ce point, en ligne droite dans la direction Ouest, on ne rencontre pas la signature,
- ce point n'appartient pas à la signature.The different western cavities are defined below. A point belongs to a western cavity if the following three conditions are fulfilled simultaneously:
- moving, from this point, in a straight line in the east, south, or north directions, we find the signature,
- moving from this point in a straight line in the west direction, we do not encounter the signature,
- this point does not belong to the signature.
Une définition similaire est effectuée pour les cavités Nord,
Sud et Est, en remplaçant, respectivement, le mot Ouest par le mot
Nord, Sud, ou Est, et en listant dans la première condition d'appartenance, les trois directions restantes.A similar definition is made for northern cavities,
South and East, by replacing, respectively, the word West with the word
North, South, or East, and by listing in the first condition of membership, the three remaining directions.
En ce qui concerne les cavités Centrales, un point appartient à une cavité Centrale si les trois conditions suivantes sont remplies simultanément:
- en se déplaçant, à partir de ce point, en ligne droite dans les directions Ouest, Est, Sud ou Nord, on rencontre la signature,
- ce point n'appartient pas à la signature,
- ce point n'appartient pas à un trou.For Central cavities, a point belongs to a Central cavity if the following three conditions are fulfilled simultaneously:
- moving, from this point, in a straight line in the directions West, East, South or North, we meet the signature,
- this point does not belong to the signature,
- this point does not belong to a hole.
Chacune des six primitives morphologiques peut être représentée, en entrée du classifieur, par la surface relative de la primitive considérée par rapport à la surface totale de toutes les primitives. Each of the six morphological primitives can be represented, at the input of the classifier, by the relative surface of the primitive considered with respect to the total surface of all the primitives.
Les caractéristiques statistiques recherchées dans l'image d'une signature sont des caractéristiques qui traduisent la répartition des points de la signature entre différentes régions de l'image. The statistical characteristics sought in the image of a signature are characteristics that reflect the distribution of the points of the signature between different regions of the image.
Pour cela la signature est encadrée dans une fenêtre minimale. Cette fenêtre minimale est ensuite divisée en régions de six façons différentes ; la figure 5 représente six exemples de découpage, en régions, d'une image. Pour chaque découpage, la répartition des points de la signature entre les régions constituant ce découpage est déterminée. Si nj est le nombre de points de la signature situés dans la région j et n le nombre total de points de la signature dans la fenêtre minimale, la caractéristique statistique Rj considérée pour cette région j est telle que Rj = nj/n. For this the signature is framed in a minimum window. This minimal window is then divided into regions in six different ways; Figure 5 shows six examples of cutting, in regions, an image. For each division, the distribution of the points of the signature between the regions constituting this division is determined. If nj is the number of points of the signature located in the region j and n is the total number of points of the signature in the minimum window, the statistical characteristic Rj considered for this region j is such that Rj = nj / n.
Dans les exemples de découpage de la figure 5, 4 découpages délimitent 3 régions et deux découpages délimitent 4 régions dans l'image; 20 régions sont ainsi obtenues et les 20 caractéristiques statistiques correspondant à ces 20 régions vont être présentées sur 20 entrées du classifieur pour contribuer, avec les autres caractéristiques extraites de l'image de la signature, à la reconnaissance de cette signature. In the cutting examples of FIG. 5, 4 divisions delimit 3 regions and two divisions delimit 4 regions in the image; 20 regions are thus obtained and the statistical characteristics corresponding to these 20 regions will be presented on 20 entries of the classifier to contribute, with the other characteristics extracted from the image of the signature, to the recognition of this signature.
Enfin les dernières caractéristiques extraites de l'image de. la signature concernent l'histogramme angulaire de la signature. Finally the last features extracted from the image of. the signature concern the angular histogram of the signature.
Pour extraire l'histogramme angulaire de la signature, il est nécessaire d'effectuer préalablement deux traitements successifs. Le premier traitement consiste à réduire l'épaisseur du trait de la signature à la dimension d'un point de l'image. Le deuxième traitement consiste à effectuer le suivi de la signature obtenue et d'en extraire des informations concernant:
- le nombre de "webs" de la signature. Un "web" est un ensemble de lignes de la signature, toutes les lignes étant interconnectées,
- le nombre de lignes de chaque "web",
- le nombre de points de chaque ligne,
- la liste des coordonnées des points de la ligne i du web j.To extract the angular histogram of the signature, it is necessary to carry out two successive treatments beforehand. The first treatment is to reduce the thickness of the line of the signature to the dimension of a point of the image. The second treatment consists of tracking the signature obtained and extracting information concerning:
- the number of "webs" of the signature. A "web" is a set of lines of the signature, all the lines being interconnected,
- the number of lines of each "web",
- the number of points in each line,
- the list of coordinates of the points of the line i of the web j.
Pour chaque "web", une approximation polygonale de toutes les lignes de plus de cinq points est effectuée; chaque ligne est ainsi décomposée en une liste de segments. For each "web", a polygonal approximation of all lines of more than five points is made; each line is thus decomposed into a list of segments.
La longueur et l'orientation de chaque segment ainsi obtenu sont déterminées à partir des coordonnées du premier et du dernier point du segment considéré. The length and orientation of each segment thus obtained are determined from the coordinates of the first and the last point of the segment considered.
L'histogramme angulaire de la signature est alors déterminé en calculant neuf paramètres notés P[O, P[20, 40],..., P[160,180],
ces paramètres étant obtenus en sommant les longueurs de tous les segments composant la signature selon leur orientation par rapport à l'axe OX du rectangle contenant la signature, cette somme étant ensuite normalisée par la somme des longueurs de tous les segments.The angular histogram of the signature is then determined by calculating nine parameters denoted P [O, P [20, 40], ..., P [160, 180],
these parameters being obtained by summing the lengths of all the segments composing the signature according to their orientation with respect to the axis OX of the rectangle containing the signature, this sum being then normalized by the sum of the lengths of all the segments.
En notant a, l'angle d'orientation des segments par rapport à l'axe OX, les neufs paramètres concernant l'histogramme angulaire sont les suivants P[O, 20] = somme des longueurs des segments dont I' orientation 0( a < 20
somme des longueurs de tous les segments
et ainsi de suite jusqu'à P[ 160, 180] - somme des longueurs des segments dont I' orientation 160( a (180
somme des longueurs de tous les segments
Ces neufs paramètres extraits de l'image de la signature vont être présentés sur 9 entrées du classifieur pour contribuer, avec les autres caractéristiques extraites de l'image, à la reconnaissance de la signature manuscrite.Noting a, the angle of orientation of the segments with respect to the axis OX, the nine parameters relating to the angular histogram are the following P [O, 20] = sum of the lengths of the segments whose orientation 0 (a <20
sum of lengths of all segments
and so on until P [160, 180] - sum of the lengths of the segments whose orientation 160 (a (180
sum of lengths of all segments
These nine parameters extracted from the image of the signature will be presented on 9 entries of the classifier to contribute, with the other characteristics extracted from the image, to the recognition of the handwritten signature.
Le procédé de reconnaissance d'une signature manuscrite dans une image se déroule de la façon décrite ci-après. Dans une étape préalable, une base de données d'images de signatures manuscrites, appelée fichier d'exemples, est constituée. Ces signatures proviennent de différents signataires, la signature de chaque signataire étant disponible en plusieurs exemplaires ( quelques dizaines de signatures de chaque signataire sont nécessaires). The method of recognizing a handwritten signature in an image proceeds as described below. In a preliminary step, a database of handwritten signature images, called an example file, is constituted. These signatures come from different signatories, the signature of each signatory being available in several copies (a few dozen signatures of each signatory are necessary).
Le fichier des exemples étant constitué, I'apprentissage peut commencer. Une image est extraite aléatoirement de ce fichier. les caractéristiques discriminantes sont alors extraites de l'image et leurs valeurs sont présentées aux entrées du classifieur. Since the sample file is made up, the learning can begin. An image is randomly extracted from this file. the discriminant characteristics are then extracted from the image and their values are presented to the inputs of the classifier.
L'apprentissage est du type dit "supervisé", c'est-à-dire que, pour des exemples d'une classe de signature donnée, I'opérateur apprend au classifieur à reconnaître cette classe de signature en lui indiquant les valeurs que doivent avoir ses sorties pour cette classe de signature. La même classe de signature est présentée plusieurs fois au classifieur jusqu'à ce que le classifieur ne restitue plus aucune sortie fausse. The learning is of the "supervised" type, that is to say that, for examples of a given class of signature, the operator teaches the classifier to recognize this class of signature by indicating to him the values that must be have his outings for this signature class. The same class of signature is presented several times to the classifier until the classifier no longer returns any false output.
Différents types de classifieur peuvent être utilisés parmi lesquels on peut citer les réseaux de neurones multicouches, les classifieurs selon le plus proche voisin, les classifieurs selon les trois plus proches voisins, les classifieurs par nuées dynamiques, les classifieurs par pseudo-inverse. La phase d'apprentissage se déroule de façon différente selon le type de classifieur utilisé. Different types of classifier can be used, among which we can cite multilayer neural networks, classifiers according to the nearest neighbor, classifiers according to the three closest neighbors, classifiers by dynamic clouds, classifiers by pseudo-inverse. The learning phase takes place differently according to the type of classifier used.
Parmi ces différents classifieurs, le réseau de neurones est celui qui expérimentalement donne les meilleurs résultats. II permet d'affecter un coefficient de confiance à chaque décision prise. II est donc possible de rejeter les signatures dont le taux de confiance est inférieur à un seuil fixé par l'utilisateur. II est ainsi possible de réduire le taux d'erreur c'est-à-dire le taux de signatures affectées à tort. Among these different classifiers, the neural network is the one that experimentally gives the best results. It makes it possible to assign a coefficient of confidence to each decision taken. It is therefore possible to reject signatures whose confidence level is below a threshold set by the user. It is thus possible to reduce the error rate that is to say the rate of signatures wrongly assigned.
Dans la suite de la description, nous nous limiterons donc à l'exemple d'un classifieur du type réseau de neurones multicouches. In the remainder of the description, we will therefore limit ourselves to the example of a classifier of the multilayer neural network type.
Dans le cas particulier du réseau de neurones multicouches, la phase d'apprentissage est effectuée de la manière suivante décrite ciaprès en référence à la figure 6. In the particular case of the multilayer neuron network, the learning phase is performed as follows, described below with reference to FIG.
Dans une première étape 60, les valeurs initiales des paramètres internes du réseau de neurones sont fixées aléatoirement. In a first step 60, the initial values of the internal parameters of the neural network are set randomly.
L'apprentissage consiste alors en la modification des paramètres internes du réseau de neurones, cette modification se déroulant de la manière suivante : à un rang d'itération k donné, dans une étape 61, une image de signature est extraite du fichier des exemples et les valeurs des caractéristiques élémentaires, morphologiques, statistiques et d'histogramme angulaire, correspondant à la signature exemple sont appliquées aux entrées du réseau de neurones. Les sorties correspondantes du réseau sont alors calculées, dans une étape 62. Cet exemple étant caractéristique d'une classe de signature donnée devra donner en fin d'apprentissage, en sortie du réseau de neurones, des valeurs de sortie aussi proches que possibles des valeurs fixées, par l'opérateur, pour cette classe de signature.Dans une étape 63 les paramètres internes du réseau de neurones sont ajustés de façon à obtenir des valeurs de sortie se rapprochant des valeurs souhaitées.The learning then consists of modifying the internal parameters of the neural network, this modification taking place as follows: at a given iteration step k, in a step 61, a signature image is extracted from the examples file and the values of the elementary, morphological, statistical and angular histogram characteristics corresponding to the example signature are applied to the inputs of the neural network. The corresponding outputs of the network are then calculated in a step 62. This example being characteristic of a given class of signature must give at the end of learning, at the output of the neural network, output values as close as possible to the values set, by the operator, for this signature class. In a step 63, the internal parameters of the neural network are adjusted so as to obtain output values approaching the desired values.
Les paramètres internes étant modifiés, le rang de l'itération est incrémenté dans l'étape 64, un test est effectué, dans une étape 65, pour voir si tous les exemples ont été présentés au réseau de neurones, sinon un nouvel exemple de signature manuscrite est présenté aux entrées du réseau de neurones et la même opération est effectuée plusieurs fois à partir de tous les exemples disponibles; puis lorsque tous les exemples ont été présentés au moins une fois, un test est effectué dans une étape 66, afin de voir si tous les exemples ont été correctement classifiés sinon, le rang de l'itération est remis à zéro et le processus est recommencé depuis le début jusqu'à ce que les sorties du réseau de neurones soient toujours dans l'état correspondant au type de classe utilisé. The internal parameters being modified, the rank of the iteration is incremented in step 64, a test is performed, in a step 65, to see if all the examples have been presented to the neural network, if not a new example of signature handwritten is presented to the inputs of the neural network and the same operation is performed several times from all available examples; then when all the examples have been presented at least once, a test is performed in a step 66, in order to see if all the examples have been correctly classified otherwise, the rank of the iteration is reset and the process is restarted from the beginning until the outputs of the neural network are always in the state corresponding to the type of class used.
Lorsque la phase d'apprentissage est terminée, le réseau de neurones est capable de reconnaître à quelle classe appartient une signature d'une image non apprise, son état est sauvegardé dans une étape 67, c'est-à-dire que les paramètres internes sont gelés et sauvegardés et le réseau de neurones peut être utilisé à des fins de reconnaissance de signatures manuscrites. When the learning phase is over, the neural network is able to recognize to which class belongs a signature of an unreleased image, its state is saved in a step 67, that is to say that the internal parameters are frozen and saved and the neural network can be used for handwritten signature recognition purposes.
La figure 7 représente un organigramme de la phase de classification de signatures manuscrites. En phase de classification, dans une étape 70 une image nouvelle n'appartenant pas au fichier des exemples ayant participé à l'apprentissage, est analysée. Dans une étape 71, les caractéristiques élémentaires, morphologiques, statistiques et d'histogramme angulaire, d'une signature manuscrite à reconnaître dans l'image nouvelle sont extraites de la signature. Dans une étape 72, les valeurs de ces caractéristiques sont présentées aux entrées du réseau de neurones multicouches, qui par application de ses paramètres internes fixés en fin de phase d'apprentissage, donne une configuration de sortie. Figure 7 shows a flowchart of the phase of classification of handwritten signatures. In the classification phase, in a step 70, a new image that does not belong to the file of the examples that participated in the learning, is analyzed. In a step 71, the elementary, morphological, statistical and angular histogram characteristics of a handwritten signature to be recognized in the new image are extracted from the signature. In a step 72, the values of these characteristics are presented to the inputs of the multilayer neural network, which by application of its internal parameters set at the end of the learning phase, gives an output configuration.
Dans une étape 73, la classe de la signature est déterminée suivant les valeurs obtenues en sortie du réseau de neurones.In a step 73, the class of the signature is determined according to the values obtained at the output of the neural network.
Dans le cas où le classifieur est utilisé pour identifier un signataire parmi un ensemble de plusieurs signataires, le signataire n'étant pas connu a priori, le vecteur d'entrée du classifieur est composé des 41 paramètres extraits de la signature, et le vecteur de sortie est de dimension égale au nombre de signataires possibles. In the case where the classifier is used to identify a signatory among a set of several signatories, the signer is not known a priori, the input vector of the classifier is composed of the 41 parameters extracted from the signature, and the vector of output is equal in size to the number of possible signatories.
En utilisant, comme classifieur, un réseau de neurones multicouches, chaque décision prise peut être affectée d'un coefficient de confiance. II est alors possible de rejeter les signatures dont le taux de confiance est inférieur à un seuil fixé par l'utilisateur et de réduire ainsi le taux d'erreur, c'est-à-dire le taux de signatures affectées à tort. By using a multilayer neuron network as a classifier, each decision taken can be assigned a confidence coefficient. It is then possible to reject the signatures whose confidence level is lower than a threshold set by the user and thus reduce the error rate, that is to say the rate of signatures wrongly assigned.
Dans le cas où le classifieur est utilisé pour vérifier qu'une signature provient d'un signataire attendu, le vecteur d'entrée du classifieur est composé des 41 caractéristiques discriminantes extraites de la signature, et le vecteur de sortie comporte deux classes, la classe 0 est la classe du signataire attendu, la classe 1 est la classe des signatures ne provenant pas du signataire attendu. Pour vérifier des signatures provenant de différents signataires, il faut utiliser autant de classifieurs que de signataires différents. In the case where the classifier is used to verify that a signature comes from an expected signer, the input vector of the classifier is composed of the 41 discriminant characteristics extracted from the signature, and the output vector comprises two classes, the class 0 is the class of the expected signer, class 1 is the class of signatures that do not come from the expected signer. To check signatures from different signatories, use as many classifiers as different signatories.
Claims (9)
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| FR9114814A FR2684469B1 (en) | 1991-11-29 | 1991-11-29 | AUTOMATIC PROCESS FOR RECOGNIZING MANUSCRIBED SIGNATURES BY IMAGE ANALYSIS AND DEVICE FOR ITS IMPLEMENTATION. |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| FR9114814A FR2684469B1 (en) | 1991-11-29 | 1991-11-29 | AUTOMATIC PROCESS FOR RECOGNIZING MANUSCRIBED SIGNATURES BY IMAGE ANALYSIS AND DEVICE FOR ITS IMPLEMENTATION. |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| FR2684469A1 true FR2684469A1 (en) | 1993-06-04 |
| FR2684469B1 FR2684469B1 (en) | 1993-12-31 |
Family
ID=9419509
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| FR9114814A Expired - Fee Related FR2684469B1 (en) | 1991-11-29 | 1991-11-29 | AUTOMATIC PROCESS FOR RECOGNIZING MANUSCRIBED SIGNATURES BY IMAGE ANALYSIS AND DEVICE FOR ITS IMPLEMENTATION. |
Country Status (1)
| Country | Link |
|---|---|
| FR (1) | FR2684469B1 (en) |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2003063093A2 (en) * | 2002-01-19 | 2003-07-31 | Queen Mary And Westfield College | Authentication systems |
| WO2018111080A1 (en) * | 2016-12-16 | 2018-06-21 | Delgado Canez Marco Alberto | Recognising signatures on cheques in order to verify authenticity |
Citations (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| GB2104698A (en) * | 1981-04-27 | 1983-03-09 | Quest Automation | An improved apparatus for signature verification |
-
1991
- 1991-11-29 FR FR9114814A patent/FR2684469B1/en not_active Expired - Fee Related
Patent Citations (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| GB2104698A (en) * | 1981-04-27 | 1983-03-09 | Quest Automation | An improved apparatus for signature verification |
Non-Patent Citations (2)
| Title |
|---|
| COMPUTERS & SECURITY. vol. 4, no. 4, Décembre 1985, AMSTERDAM NL pages 309 - 315; P. DE BRUYNE: 'Signature Verification Using Holistic Measures' * |
| IEEE INTERNATIONAL JOINT CONFERENCE ON NEURAL NETWORKS vol. I, 21 Juin 1990, SAN DIEGO US pages 373 - 378; S.M. LUCAS & R.I. DAMPER: 'Signature verification with a syntactic neural net' * |
Cited By (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2003063093A2 (en) * | 2002-01-19 | 2003-07-31 | Queen Mary And Westfield College | Authentication systems |
| WO2003063093A3 (en) * | 2002-01-19 | 2004-02-26 | Queen Mary & Westfield College | Authentication systems |
| US7869634B2 (en) | 2002-01-19 | 2011-01-11 | Mcowan Peter William | Authentication of signatures using normalization of signature data |
| WO2018111080A1 (en) * | 2016-12-16 | 2018-06-21 | Delgado Canez Marco Alberto | Recognising signatures on cheques in order to verify authenticity |
Also Published As
| Publication number | Publication date |
|---|---|
| FR2684469B1 (en) | 1993-12-31 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN107423690B (en) | Face recognition method and device | |
| Anagnostopoulos et al. | A license plate-recognition algorithm for intelligent transportation system applications | |
| EP3640843B1 (en) | Method for extracting characteristics of a fingerprint represented by an input image | |
| EP2024900B1 (en) | Method for identifying a person and acquisition device | |
| CN109002755B (en) | Age estimation model construction method and estimation method based on face image | |
| FR2924247A1 (en) | METHOD OF IDENTIFYING A PERSON BY ITS IRIS | |
| EP3620970B1 (en) | Method for extracting characteristics of a fingerprint represented by an input image | |
| FR2829264A1 (en) | METHOD OF COMPARING FINGERPRINTS | |
| Nurhadiyatna et al. | Gabor filtering for feature extraction in real time vehicle classification system | |
| EP3901794A1 (en) | Method for authentication and identification of an individual | |
| FR3088467A1 (en) | METHOD FOR CLASSIFYING A REPRESENTATIVE INPUT IMAGE OF A BIOMETRIC TRAIT USING A CONVOLUTIONAL NEURON NETWORK | |
| EP3570213A1 (en) | Character recognition method | |
| FR3107376A1 (en) | Method of authentication or identification of an individual | |
| EP1035493A1 (en) | Pattern recognition method | |
| CN112686248B (en) | Certificate increase and decrease type detection method and device, readable storage medium and terminal | |
| Arısoy | Signature verification using siamese neural network one-shot learning | |
| FR2684469A1 (en) | Automatic process for recognising handwritten signatures by image analysis and device intended for its implementation | |
| EP3929809A1 (en) | Method of detection of at least one visible biometric trait on an input image by means of a convolutional neural network | |
| EP3933626B1 (en) | Assessment of the bias of a biometric identification function | |
| Zhang et al. | Skin-color detection based on adaptive thresholds | |
| Filatov et al. | Application of machine learning methods for traffic signs recognition | |
| EP1522951A1 (en) | Determination of text-discriminating characteristics in digital images | |
| Sharifi | Score-level-based face anti-spoofing system using handcrafted and deep learned characteristics | |
| EP1840799A1 (en) | Method using the multi-resolution of images for optical recognition of postal shipments | |
| Zhang et al. | An adaptive skin color detection algorithm with confusing backgrounds elimination |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| TP | Transmission of property | ||
| ST | Notification of lapse |
Effective date: 20090731 |