JP4578529B2 - 手書き署名の取得、分析および認証のためのシステムと方法 - Google Patents

Description

【技術分野】
【０００１】
個人の身元を証明することは、いくつかの活動においては、その人の署名を認証することでもある。署名確認は人々の活動の多くの分野において、例えば、金融上の各種権利を取得したり、情報にアクセスしたり、特別な管理体制領域に物理的にアクセスしたり、公共あるいは個人的な場面で賛同の意思を表明する際に、短時間で処理すべき共通の問題である。
【０００２】
本発明は手書き署名の取得、分析および認証のためのコンピュータを使用したシステムおよび方法に関するもので、個人認証手順におけるバイオメトリックリンクとして適用されることを意図したものである。
【０００３】
このシステム（ハードウェア／ソフトウェアの組み合わせおよび識別方法）は、使用手順に関する不便が最小に抑えられておりかつ比較的低コストであることから、署名認証手順において大規模に使用することができる。従って本発明は複数の公共および個人的領域における情報技術分野での適用開発領域をつくり出すものである。
本システム適用領域には次の分野が含まれる：
− 財産や金融取引など。機能：検査システムへのリンク。
− 仮想または物理アクセス制御システムの分野におけるセキュリティ。機能：セキュリティシステムへのリンク。
− 企業や組織の管理。機能：多数の従業員や分散スタッフを抱える企業のために、文書管理／ワークフロー管理タイプのソフトウェアにおける署名の認証。電子文書の保護。
【０００４】
本発明をこれら活動領域に適用することで、以下の効果が得られる：上記分野に対するユーザの信頼度が増し、なりすましによる損害を最小限に抑え、従来の手順で必要な署名チェックの時間を短縮し、ねつ造した身分を使った詐欺を防止する。
【０００５】
本発明の説明において、以下の概念を使用する。
対象の個人：データベースにサンプル署名を登録するためのシステムを使用して、オリジナル署名を認証する個人またはねつ造した署名を認証しようと試みる個人。
【０００６】
署名：自由意志でかつ本人の反射運動特性によって意識的に開始した行為であって、筆記具を手で使って所定のスペースに平面的でグラフィックな表記をする行為。対象の個人は空間的時間的観点からほぼこの行為を再現できなければならない。署名の目的は、サンプル署名とオリジナル署名を比較して、その署名が本物かどうかを第三者に判断させることによって当人を識別する。
【０００７】
（署名の）（生体）運動パターン：署名する際に生体力学的に組み合わされた手書き筆記具が動く様。これらの動きは、公的あるいは私的な通常の文書フォーマットで通常の筆記用紙上に筆記具の実質的先端の動きによってグラフィックな署名の形態に部分的に置き換えられる。（生体）運動パターンは電子的に取得し記憶してもよい。（生体）運動署名パターンの概念は署名概念と一致する。
【０００８】
サンプル署名（ここでは短くサンプルという）：署名データベースに保存され、新しい署名（オリジナル署名）を行う個人を証明（認証）するために使用される署名。
【０００９】
オリジナル署名（ここでは短くオリジナルという）：本システムによって証明（認証）を受けるために個人が提供した署名であって、同一人物、すなわち対象の個人、によって以前に提供され署名データベースに保存されている他の署名（サンプル署名）と比較されるもの。
【００１０】
ねつ造署名（ここでは短くねつ造という）：個人Ｙを名乗りかつＹの名で署名した個人Ｘによって提供された署名、あるいは強制的にＸの名で署名させられた個人Ｘによって提供された署名。
【００１１】
認証：現行データベースの生体運動パターンに適用される方法の集合であって、オリジナル署名を行った個人Ｘが確かに、当人Ｘに属するものとして登録された（署名データベースの）サンプルセットを署名した個人Ｘであるかどうかを判断する。
【００１２】
現行データベース：最初のデータベースに対象の個人のサンプルと認証されたオリジナルの生体運動パターンを加えたもの。
【００１３】
現行比較データベース：多数の対象の個人のサンプルからなる署名の集合であって、現行データベースの（無作為に抽出した）サンプルを表し、入力した署名によって指定される個人の複数の署名を加えたもの。
【００１４】
初期データベース：確立されたパラメータでシステムが機能するために必要な最小限のデータベースであって、指定された文字文化（アルファベット）（例えば、ラテン文字、キリル文字、ヘブライ文字、中国文字等）に属するサンプル署名の生体運動パターンを含む。初期データベースはまた複数の文字文化が混合したものに属するサンプル署名の生体運動パターンも含むことができる。
【００１５】
レベル：認証システム内の物理的および機能的階層構造であって、特定の複数の機能サブシステムおよびそれらサブシステム内の方法構造を含む。
【００１６】
ペン：レベル１サブシステムのアンサンブルであって、筆記具および生体運動パターンを捕捉するために必要な高感度運動コンピュータを使用した要素から構成される。
【００１７】
ＭＥＭＳ（マイクロエレクトロメカニカルシステム）：ナノテクノロジーによって実現されたマイクロエレクトロメカニカルシステム。
【００１８】
コンタクト情報：署名に組み込まれた生体情報で、署名の境界を定めるのに必要なもの。これはシナプス運動筋肉反射メカニズムによるもので、対象の個人が紙との間でペンを介して相互作用することによって生じるマイクロ振動の変調を表す。ＭＥＭＳセンサはそれが現れている方向にそれを捕捉する。生体情報は、自発的または半反射運動的手書き動作に特有な他の生体運動情報が本質的に加えられている。
【００１９】
コンテクスト情報：ペンが紙の近くにどのように位置しているかを示す情報。これは紙に対してペンがしきい値距離にあることを検知するもので、対象個人の他の動作から署名の境界を定めるのに必要なキーの一つである。
【００２０】
署名を認証する必要がある場合、専門家が従来の手順を実行する。手書き署名の真贋に関する分析と判断は、筆跡技法の目的の一つである。署名が本物であることを証明するために、専門家は複雑な動きを行う署名をグラフィック的にかつ静的に紙に投影する。分析に続いて、署名した対象個人に特有な動的な動きが推定される。それらは特徴的な速度、加速度、圧力、書記順序や形などとして現れる。
【００２１】
従来方法で手書き署名を認証する場合、次のような欠点がある。特に、
− 署名を調べる人の、特に瞬間的な分析能力によって統計的にある程度の誤差が生じる。
− 専門家としての利害や個人的好みなどの外的要因に影響される可能性がある。
− 測定、分析、比較および判定に比較的長い時間がかかる。
− 自由意志の表明を独断的に真実として推定する。
− 情報は紙の上のプランレベルからのみ抽出され、対象個人の動作のグラフィックな効果のみを一方的に反映する。
− 物理学単位の速度、加速度、圧力および特定の不変なグラフィック形状は、視覚による観察や推論によって間接的に推定される。これは高いレベルの近似法の手順である。
− 習得された反射ジェスチャー、特定の手の形状およびシナプスタイプの神経筋肉相互作用によって、筆記具に伝えられる複雑な運動動作に対応する空間情報は無視される。
− 筆跡技法の分野から得られる必要な経験と知識は多大な努力により習得されるもので、長い期間の後に洗練される。
− 署名認証のための伝統的な筆跡技法のコストは自動検査よりも数倍高く、実際上詐欺が表面化して追跡された後に初めて筆跡技法が用いられる。
【００２２】
生体運動パターンに基づく自動認証の分野における研究と調査は最近研究されるようになったバイオメトリックのもう一つの領域である。この領域の努力は情報社会に必要な認証技術を開発することに注がれている。手書き署名はアルファベットを使う人々を識別し認証するためのほぼ世界的な方法として使用されている。従って署名の生体運動パターンに基づく認証方法は自然で、普通でしかも押しつけがましくない。
【００２３】
生体運動パターンに基づく認証手順の研究で専門誌に公表されているものはほとんどない。このテーマに関しては主にいくつかの特許がある。今までは、ＭＥＭＳナノテクノロジーによって実現された加速センサに基づきしかも本発明の原理と方法を用いた技術を、署名認証に商業的に適用したという情報は全くなかった。問題の取り組みは研究室内でのみ行われてきたし、今まではこのテーマに関しては世界的にもほとんど研究はなされてこなかった。
【００２４】
手書き署名の静的および動的特徴を分析する認証システムに関して特許が与えられている。動的特性を解析するシステムは静的特性のみを解析する以前のものよりも性能がよい。
【００２５】
現在、手書き署名解析認証分野において、本発明がここで提案したものとは異なる方法と技術を使った手法が商業的に実用化されている。すなわち、次のものを用いている：グラフィックステーブル、グラフィックスキャンと証明、ＣＣＤセンサによるグラフィック画像の動的捕捉、および静止マーカーに基づく「インテリジェントペーパ」上への書き込み、などである。これらの方法は人間グラフィック技術の場合に述べたいくつかの欠点を持っている。すなわち：
− 解析される情報はペーパ平面レベルからのみ抽出され、対象個人の動作のグラフィック効果のみを一方的に反映する。
− パラメータ：速度、加速度、圧力は、高度な近似法に似た手順によって間接的に推定される。
− 習得された反射ジェスチャー、特定の手の形状およびシナプスタイプの神経筋肉相互作用によって、筆記具に伝えられる複雑な運動動作に対応する空間情報は無視される。
【００２６】
これらの欠点に加えて、上記の方法は専用の隣接装置を導入している：すなわちグラフィックステーブル、インテリジェントペーパ、スキャナを使用するのでコストを上昇させ複雑さが増す。
【００２７】
手書き署名の生体運動パターンに基づくバイオメトリック認証の分野において、解析パラメータの性質や取得と処理方法が本発明と少しでも関連するシステムと方法を記述した特許は少ない。比較のためおよび本発明のクレーム定義のために、関係があると思われる特許のうち２つを引用する：米国特許Ｎｏ．４，１２８，８２９−（Ｈｅｒｂｓｔその他）と米国特許Ｎｏ．６，２３６，７４０−（Ｌｅｅその他）
【００２８】
米国特許Ｎｏ．４，１２８，８２９−（Ｈｅｒｂｓｔその他）において、ペンと軸方向圧力センサに互いに直角に配置した２つの加速度センサによって情報が作られる。情報はペンの外部モジュールにおいて８ビットの解像度でデジタル化される。署名間の比較は情報を分割しかつ最大相関関係を求めることによって行う。最終判断は、しきい値タイプに関するもので、許容または拒絶は任意に選んだしきい値（０．８）に対する相関関係の値の位置に依存する。入力署名と目的の対象個人のサンプル署名との比較を行った後に判定をおこなう。
【００２９】
この特許には以下の欠点が残っている：
− 複数の加速センサは単一平面レベルにあるので、筆記具に伝えられる複雑な空間運動動作に対応する情報は無視される。
− シナプスタイプ神経筋肉相互作用に対応する情報は失われる。なぜならＨｅｒｂｓｔは神経筋肉フィードバックは遅い「筋肉−脳−筋肉」サイクルによって独占的に行われると主張しており、手の生体機能レベルにおいて局部シナプス反射の影響を無視している。他方で、そのシステム取得および後処理パラメータによってシナプス反射の特定の情報を取得することができない。
− 軸方向圧力センサを使用することで失われたシナプスタイプ神経筋肉相互作用に対応する情報を部分的かつ間接的に再取得できるが、同時にそれによって不利な点も発生する。例えば対象個人が紙と接触する瞬間の検出が安定しないことである。圧力は、書くときに対象個人がどのような体勢であるか、紙のタイプ等によって変わる。
− しきい値判定法は署名の自然な変動に対して融通が利かないしさらに、対象個人が変わると一般的に有効なしきい値を算出することは不可能である。
【００３０】
米国特許Ｎｏ．６，２３６，７４０−（Ｌｅｅその他）において、解析された入力情報は次の２つの動作を行っている間に作成される：対象個人が署名と定められた整数の集合を入力すること。サンプルの場合０から９の整数を、また認証しようとする署名の場合現在の日付を表す数字を入力する。ペンに配置した２つの圧力センサは解析する情報を捉え、書記圧力のピークに比例する電気信号が機械要素によって取得される。センサが発生した２つの信号は２つのペン方向、軸方向と横方向、における圧力変動を表す。ペンの外部モジュールにおいて情報がデジタル化される。情報解析は２つの圧力の瞬間的な比によって定義されるパラメータに対して行われる。この比は相対勾配角度と呼ばれ署名を区別するために重要と考えられる。判定と解析方法は、定められた整数を含む入力署名と対象個人のいくつかのサンプルとの比較の結果をしきい値適用可能タイプによって評価する。解析方法は情報分割とそれらの総合評価を組み合わせたものである。
【００３１】
この特許には以下の欠点が残っている。
− ペンの動きを感知するセンサがないため、筆記具に伝えられる平面および空間運動動作に対応する情報が無視される。紙の上でのペンの動きを表す情報が間接的かつ大幅に圧力情報に置き換えられる。このためある機能性が維持されている。
− センサに対し直接の機能を有する機械的要素が解決策の信頼性を実質的に低減している。
− 解析された情報を含む電気信号をペン外部でデジタル化することは外部の変動によってそれらが影響を受ける可能性を意味する。
− 圧力センサを使用することでシナプスタイプ神経筋肉局部相互作用に対応する情報を近似的、部分的および間接的に区別するけれども、同時にそれによって欠点ももたらされる。例えば書いているときの姿勢、紙のタイプ等によって、紙に接触した瞬間の検出が安定しなかったり圧力が変動することである。
− 解析と判定方法は、入力署名と対象個人のサンプル署名との間のみで比較した結果を評価することによって行う。
ブリティッシュテレコムラボラトリのベン・ミルナーは従来のタブレットを使った手書き署名識別に変わる方法を提案した。彼の研究では、ペンの動きは通常のペンの頂部側に取り付けた一対の加速度計によって求め、時間により変化する波形（ｘとｙ）一対のみを生成する。マイクロスイッチはペンが上がっているか下がっているかを大まかに検出する。使われた方法は言語分野において成功したアルゴリズムを修正したもの、すなわちバンドパスフィルタリングと隠れマルコフ法である。初期の実験ではこの方法はある程度の可能性を有しており、ある単純なテストにおいて単一の単語識別が９６％以上を達成するという実績を示している。加速度グループ配置については、著者は「これは明らかに最適とは言えない。なぜならペンの頂部の動きは必ずしもペン先の動きに精密に対応してはいないからである。しかし現在のところこれより良い方法は見つからない」と述べている。
米国特許出願Ｎｏ．２００２／０１４８６５５ Ａ１（Ｙｏｎｇ−Ｃｈｕｌ Ｃｈｏその他）において、電子ペン入力装置と特定座標決定法が開示されている。電子ペン入力装置は、５つの光スポットを使った検出装置を有する。これは筆記面に対してペン中心線が成す角度と、筆記面上のペンの高さを検出するものであり、ペンの動きを検出するための３軸加速度グループを含む。この方法は、傾き角計算のために３次元光ディテクターによって座標検出をおこなうもので、３軸上の運動を検出する単一加速度グループおよび後処理装置に特定情報を計算し送り出す計算通信手段と組み合わせられている。
−角座標を得るために「ノイズ」をローパスフィルタリングすることによって得られたデータは、手書きペン／紙システムに特有なシナプスタイプ神経筋肉ループフィードバック相互作用による高周波マイクロ振動の情報を欠いている。ただ１つの加速度グループが使われているだけなので、手書きタイプの情報に特有な空間運動加速度は満足のいくものではない。手書き署名の認証の問題は考慮されておらず、しかも比較方法や認証方法も記述されていない。
ＥＵ特許ＥＰ Ｎｏ．１１３０５３７ Ａ２（キヨノサトシ、仙台市、宮城県）においては、筆記動作中にペンの傾きを増幅する「振動メカニズム」によって振動を人工的に発生させる。傾きの検出によって特定の手書き情報がペンの内部で光センサで、あるいはその特許の第二の例によればキャパシティブセンサで、作られる。
− 解析される情報は筆記面レベルでの相互作用から抽出され、この情報は分割シンボルを書く（描く）ための必要なペンの傾き動作によって人工的に作られた振動の変化を通じて、一方的にグラフィックな筆記動作を表す。
− 開示された比較方法は分割された文字の手書き（手による描き）識別には適しているが、対象個人の手書き署名認証システムには向いていない。
米国特許Ｎｏ．４，７３６，４４５（Ｓｔｅｖｅｎ Ｃ，Ｇｕｎｄｅｒｓｅｎ，Ｃａｒｍｅｌ）には改良された方法が示されている。この方法は入力署名を基準（サンプル）署名と比較するもので、前もって選択した類似しきい値を類似の尺度として使用し、またペンには一つの検出グループを設けている：すなわち２つのピエゾトランスデューサｘ，ｙが設けられ、これらがペンの軸圧力およびペンの加速度の変化率に応じて電気信号を発生する。信号のサンプリング率は８０Ｈｚで、信号の長さは１０００取得ポイントに限定される。
− 適用された解析および判定方法は、荒くサンプルされた（８０Ｈｚ）たった２つの信号の集合において目標の対象個人の入力署名をサンプル署名とのみ比較した結果を評価するものである。
【００３２】
上記の発明の解析、比較および評価は、入力署名と対象個人のサンプル署名との間のみで行う。したがって他の個人のサンプルとそれぞれ比較、区別することによって他のカテゴリとの関連を見いだそうとする手法が無視されている。
【００３３】
本発明は上記の欠点を新しい概念の情報取得装置によって取り除くものである。すなわちコンピュータを使用した認証システムに情報取得装置を構成するサブシステムを機能的に組み込むことによって、署名の過程において発生する複雑な情報の性質、表示および検出を行う。
【００３４】
コンピュータ使用の認証システムにおいて特定のプログラムによって実現されたアルゴリズムと手順は、処理された入力情報と関連づけられており、本科学分野の未だ利用されていない原理を適用し、さらに既に適用されている原理を使った方法を大幅に改善する。
【００３５】
空間生体運動解析の商業適用が依然なされていない主な障害としては、必要な技術が最近まで不足していたこと、すなわち使用中に手によって筆記具に伝えられる複雑な加速度を満足に捉えられるだけ十分に小型化した高性能のＭＥＭＳ加速センサ（ｈｔｔｐ：／／ｗｗｗ．ｍｅｍｓｎｅｔ．ｏｒｇ）がなかったことである。加速時計タイプのセンサによる情報取得のコストの点からみると、２００２年までは、品質の良い情報を得るために必要な複数の取得チャネルの一つのコストは商業効率の限度を大きく超えるものであった。商業効率の観点から述べると、ＭＥＭＳ加速度センサによって情報取得装置／システムが競争できる価格で提供できるようになる。２００１年の末に、ＭＩＴのナノテクノロジーリサーチセンターとアナログデバイスはすぐれた品質−価格性能を有するＭＥＭＳ加速度センサを実現し生産を開始した。したがって、この研究が開始され、その結果が本発明の目的である、この新しいタイプのセンサを利用することである。（使用されたセンサの観点から）同じ技術を使ったもう一つの研究プロジェクトＸＷＰＥＮがマイクロソフトハードウェアリサーチ研究所で行われ、別の応用（手書き入力と識別のための端末）を研究した。その技術要素に関しては公表されなかったが、この研究は２００４年末までに適用可能な結果を出すことを目指している。
【００３６】
ＭＥＭＳナノテクノロジーセンサの感度はｍｇクラスでμｇ／√Ｈｚ（ｇ＝重力加速度）ノイズファクタークラスである。高い感度と周波数特性のおかげで、これらセンサは新しい情報捕捉装置／システムの構築において、手書き署名生体運動パターンの最も軽い情報コンポーネントのための条件を満たしている。さらにまた、本発明においてはＭＥＭＳセンサモジュールが使用されており、おのおのが構造上互いに直角に配置された２つの加速度センサを組み込んでいる。
【発明の開示】
【発明が解決しようとする課題】
【００３７】
本発明のシステムにおいて、筆記具に伝えられる手書き署名の複合的動きはその署名の運動パターンを定義し、しかも暗示的に、書いた本人を示す。運動パターンは署名した人に特有な情報構造を含む。これら情報構造がそれらを形成する物理的パラメータのために非常に複雑であること、それらの力学さらには状況が変動することによって、メトリック定義パターンを求める可能性が実質的に排除される。紙に押し付けられたグラフィック形状と軌跡は紙の平面におけるこれら複合的動きの不完全で推測による投影と考えてもよい。この投影は意図した行為、すなわち署名、を実行するのに必要な反射視覚フィードバックとして働く。
【００３８】
書き込み用紙は特にセルロースマイクロファイバで作られる。ファイバがランダムに配置されることで顕微鏡レベルではで凹凸が生じる。マクロレベルでは、紙面でのざらつきは一定であり、この性質はこの分野の標準によれば紙を作る過程で付与される。筆記動作において、紙と筆記具の使用可能な先端との間での相互作用によって、機械的マイクロ振動によって機械的擬似共鳴現象が起きるようである。その周波数は書く速度に依存している。この現象がより調波共鳴の傾向を強く示すようになればなるほど、書く動作は容易になる。例えば、この現象は書記動作中に特定の音を放射したときに気づくことがある。「柔らかい」と「ひっかく」の両極端の間で書くことができるが、これは機械的擬似共鳴が発生しているかどうかを示すものである。
【００３９】
筆記中、手のバイオメカニカル形状と組み合わせた、特定のグラフィックシンボルのメンタルモデルは瞬間的可変速度を与える。この速度変化は前に生じた擬似共鳴を鎮める効果がある。こういう背景において、シナプス神経筋肉反射（”Ｂａｓａｌ Ｇａｎｇｌｉａ＆Ｍｏｔｏｒ Ｃｏｎｔｒｏｌ ｆｏｒ ＪＡ２０８４”，Ｍａｌｃｏｍ Ｌｉｄｉｅｒｔｈ，Ｎｏｖ ２００４，Ｕｎｉｖｅｒｓｉｔｙ ｏｆ Ｌｏｎｄｏｎ−Ａｃａｄｅｍｉｃ Ｄｅｐａｒｔｍｅｎｔ ｏｆ Ａｎａｔｏｍｙ ａｎｄ Ｈｕｍａｎ Ｓｃｉｅｎｃｅｓ ＪＡ ２０８４ Ｆｕｎｄａｍｅｎｔａｌｓ ｏｆ Ｎｅｕｒｏｓｃｉｅｎｃｅ）はバイオメカニカルマイクロ動作を発生させることによって、擬似共鳴状態に再び入るという意味で、効果がある。この順応メカニズムはいかなる瞬間速度変化においても無意識におこる。シナプス神経筋肉サイクルはわずか数ミリ秒しか継続しない順応マイクロ動作を発生させる。この調節ループは瞬間的な擬似的安定を得るためには各々が２０−６０ｍｓのいくつかのサイクルが必要である。バイオメカニックスに対応する現象はフォースフィードバックと呼ばれる（ｈｔｔｐ：／／ｗｗｗ．ｈｉｔｌ．ｗａｓｈｉｎｇｔｏｎ．ｅｄｕ／ｓｃｉｖｗ／ｓｃｉｖｗ−ｆｔｐ／ｃｉｔａｔｉｏｎｓ／ＦｏｒｃｅＦｅｅｄｂａｃｋ−３．９５）。
【００４０】
シナプス反射によって生じるバイオメカニカルマイクロ動作はペン本体の先端に伝えられて、書記動作を容易にするのに必要な擬似共鳴マイクロ振動を再び得る。マイクロ振動は、特別に作られてこのペン動作のために配置されたペン要素によって伝達され、各ＭＥＭＳモジュールに互いに直角に配置された２つの加速度センサによって捕捉される。バイオメカニカルマイクロ動作はマイクロ振動フィルタリング方法によって、書記動作に特有な他の運動によって明らかにされる。後で説明するアルゴリズム的手法によってマイクロ動作の変動を評価することで、すべての対象個人の署名について特定の「パターン」を生成する本質的不変量カテゴリが明らかになる。不変量はシナプス反射の神経筋肉バイオ電気信号に対する「パターン」表現である。圧力は前記現象のために導きだされたもので、圧力センサに特有なヒステリシスを介してその現象とともに組み込まれる。従って本発明では原則として使用されない。
【００４１】
マイクロ振動は前記の役割を有するだけでなく、それ自体を検出する必要がある。アルゴリズム的手法において後で説明するように、署名の過程において署名の開始時点と終了時点および休止時点を特定するために、マイクロ振動を検出する。誤った開始時点の検出をさけるために、コンテクスト情報解析に必要な手順とメカニズムを導入する。光タイプの情報に基づき、ペンが書記位置にあるかどうかを検出することができ、これによって署名する前に偶然ペンを動かしたことによる振動を誤って検知することがさけられる。
【００４２】
空間バイオ運動パターンは加速度の大きさを取得することによって物理的にサンプルする。すなわち加速度の大きさのサンプリングは、筆記具の主軸のいくつかの点において同時にサンプルし、それによってバランス空間求心コンポーネントの捕捉を容易にし、さらに筆記動作に必要なバランス動作の仮想およびダイナミック中心と比較することによって行う。情報デジタル化は、筆記動作（２−１０Ｈｚ）に必要な「習得した反射」動作に対応する周波数と、局部神経筋肉サイクルに特有の周波数、すなわちシナプス反射（１０−５０Ｈｚ）、を捕捉するのに十分高いサンプル速度によって可能となる。振動に対応するコンポーネントのフィルタリングによって、シナプスサイクルに特有な形状がデジタル化信号に保持される。デジタル化したバイオ運動パターンは、習得した筆記動作や反射に特有な不変量、手の生理機能に特有な不変量、シナプス反射、および同様に重要な、署名をした本人の性格に特有な不変量の組み合わせを含む。
【００４３】
これらの不変量のバイオメトリック特性は証明された事実である。なぜらな紙レベルでのそれらの投影は筆跡学での入門情報であるからである。空間バイオ運動パターンの取得および解析さらにはバイオ運動情報の組み合わせで決まる不変量は、署名認証の遥かに広範囲な解析を可能にする情報集合を生成する。従来の場合は、単一の情報カテゴリのみ、つまり従来では紙レベルからの痕跡のみ、が解析の対象となっていた。さらに後で説明する方法によって得られる不変量シリーズの潜在的または細分化した集合および最初のまたは導きだした信号の集合が初期署名情報構造の合成暗号解読を成す。暗号解読の精度は、情報取得サブシステムの感度と署名運動パターン純化プロセスを構成する信号解析の深さに依存する。システムの最終解は比較法の精度に反映され、署名安定性に依存する。
【００４４】
他の認証方法やシステムと比較して、このシステムの長所は次の通り：
【００４５】
−個人と解析される情報との間に緊密な相関関係がある（ダイナミック署名特徴はある個人に特有であり、それらは簡単にねつ造することはできない）。これらの特徴は、署名によってあるものに同意を与える個人の自由意志の表明と関連づけられる。人間が速いダイナミックな加速度を知覚する特化した感覚器官を生まれながら持っているのではないという事実をみれば、ねつ造するために意識的に分析や再現を試みてもそれはグラフィックな面のみに関わっているため、難しいことが分かる。
【００４６】
− 心理学の研究によると、対象個人によって直ちに知覚できる動作、例えば署名など、を行うと第三者と比べてのその人の個人性の自然な自動投影メカニズムを引き起こすことが分かっている。したがって、正当な身元を有しまじめに認証する意志を持つ対象個人は本システムを押しつけがましいとは思わないであろう。
【００４７】
− 手書き署名認証方法（グラフィックの観点に基づき、筆記圧力プロファイルを推定し、あるいはグラフィックシンボルの厚さ変化から加速度を推定する方法）は既に使用されており、これは他の認証方法（虹彩スキャン、指紋、ＤＮＡテスト）よりも押しつけがましさの点からより優しいと考えられる（ｈｔｔｐ：／／ｗｗｗ．ｂｉｏｍｅｔｒｉｃｇｒｏｕｐ．ｃｏｍ）
【００４８】
− バイオ運動情報が普通のペンと同じ形状や大きさを持つペンに対して考えられた装置によって取得される。バイオ運動情報は運動知覚構造とともに、データデジタル化のためおよびアルゴリズム処理を許容する各種物理レベルへの伝達のために、マイクロコントローラブロックを含む。
【００４９】
− 本システムは特別に作られたサポート装置（グラフィックタブレット）またはナビゲータマーカー付きインテリジェントペーパ（例えばＡｎｏｔｏ Ｐｅｎ）上に署名する必要はない。署名は自然に普通の任意の文書タイプ上に書くことができる。
【００５０】
− 本システムへの情報の入力はナノテクノロジーを利用した知覚システム、すなわちＭＥＭＳ加速度計、を使って行う。その利点は信頼性、高い精度、低コストおよび小さなサイズである。
【００５１】
− 署名開始と完了検出方法は、コンテクスト情報とともに分析されるコンタクトマイクロ振動に対応する情報を利用する。
【００５２】
− 認証を行う本システムは、初期データベースを動作させて実行すべき方法を実行し、他のすべてのカテゴリに対して区別や関連づけを調べることによってカテゴリの関連性を確立させる。この方法において、カテゴリは仮想対象個人のサンプルによって構成され、目標のつづり文化を代表するものである。
【００５３】
− 情報を処理し、分析し、比較する方法（アルゴリズム）には２つある：ＳＲＡ１とＳＲＡ２で、アルゴリズムとデータ前処理によって互いに独立している。これら２つの独立した方法の処理結果は最終判断法に対する入力となり、また現行署名データベース改善および更新に対してはフィードバックとなる。この情報は、空間運動情報、シナプス反射によって生成されたバイオメカニカルマイクロ動作を記述するコンタクト情報、および署名の境界を定める情報をを作成、前処理することによって得られるデータ構造を表す。
【００５４】
− 本システムの信頼度を調節しシステム応答時間を低減させる方法であって、品質制御領域の統計誤差制御のための数学的手法をシフトさせて実行することによって行う。
【００５５】
− システムの応答は現行比較データベース内に存在知るすべての署名サンプルに対し、使用された分析と比較方法によって、本質的に関連する。したがって、他のすべてのカテゴリに対して区別や関連づけを調べることによりカテゴリの関連性を確立させる手法は、入力署名を現行データベースの他のすべての対象個人のサンプルと比較し、システムが使用されている母集団の文化的つづりの特異性に対するシステムの依存度を低減させる。また、この方法によって、グローバルまたは順応可能なしきい値認証評価に基づく判定の欠点、すなわち他のドメイン関連の発明に特有な欠点、が取り除かれる。
【実施例】
【００５６】
本システムは５つの情報処理サブシステムからなり、これらサブシステムは３つの物理レベルに階層化されて、手書き署名のバイオ運動パターンをデジタル化し、取得し、処理し、分析し、認証するように作られている。図１において、以下に説明するサブシステムの機能的関係を示す。
【００５７】
レベル１：サブシステム１−Ｓ１に対応する。これは２つの実体からなる：筆記具と運動解析コンピュータをベースとした集合体。
【００５８】
サブシステム１−Ｓ１機能：
１．筆記具は普通のペンの機能を持つ。またプライマリ情報（署名の運動パターンやコンテクスト情報）を運動解析コンピュータをベースとした集合体に送る機能も持つ．
２．ペン内部に設けられた運動解析コンピュータは以下の機能を有する：情報取得、運動パターンおよびコンテクスト情報を電子フォーマットへデジタル変換、それを特定フォーマットに符号化し第２レベル−Ｎ２に送ること。
【００５９】
レベル２：「クライアントアプリケーション」がパーソナルコンピュータ内のサブシステム２−Ｓ２とサブシステム３−Ｓ３に組み込まれている。その性質上、コンピュータはハードウェアリソースをシーケンシャルまたは並列にレベル２内の方法やアルゴリズムに割り当てる。それによってサブシステム２とサブシステム３を形成する。サブシステム２とサブシステム３は次の機能を有する：
【００６０】
サブシステム２−Ｓ２機能：
１．ペンから送信されたデータを取得し、チャネルごとに運動パターンとコンテクスト情報を復号化する。
２．署名開始と停止時点を決定する。
【００６１】
サブシステム３−Ｓ３機能：
１．作業計画を選択する：管理、テスト、認証
２．選択した作業計画に特有な、ユーザとのインターフェイス
３．署名比較結果およびレベル３から送信された他の情報のローカルな管理
４．署名運動パターンのグラフィックモニタリング
５．一時的に記憶された情報のレベル３へのネットワークを介しての送信
【００６２】
レベル３はすべてのレベル２サブシステムに接続されているマルチプロセスコンピュータ（サーバ）ネットワークによって物理的に実現されている。その性質上、マルチプロセスコンピュータはハードウェアリソースをシーケンシャルにまたは並列にレベル３の方法やアルゴリズムに割り当てる。このようにしてサブシステム４−Ｓ４およびサブシステム５−Ｓ５を構成する。サブシステム４−Ｓ４およびサブシステム５−Ｓ５は次の機能を有する：
【００６３】
サブシステム４−Ｓ４機能：
１．グローバリーにデータベースを作成管理する：対象個人、実際の個人、および特に比較アルゴリズムにしたがって処理された署名（サンプル、受け入れられたオリジナル、拒絶されたオリジナル）をテストし、比較結果とユーティリティフォルダとでベクトルを構成する。
２．保存された履歴においてサンプルの更新を開始および管理する。確認されたオリジナルと以前のサンプルをそれらの分散に基づいて評価することによっておこなう。この更新機能が必要な理由は、署名のダイナミックな特徴は生物物理的また心理的要素によって影響を受けるかも知れないし、時間の経過にも影響されるからである．
【００６４】
サブシステム５−Ｓ５機能：
１．フィルタリング、不変量抽出、計量、圧縮、その他の機能によってレベル２から取った運動情報を処理する。
２．専用の比較アルゴリズムを備え効果的に実行する。得られたベクトルをレベル２から受け取った命令にしたがって評価する。
３．比較アルゴリズムの間で投票を行い、結果をサブシステム４に送って登録し、レベル２に送って表示させる．
【００６５】
サブシステム／レベル間の機能的および物理的相互接続は、コンピュータを使用したシステムに特有の、既知の変換、転送およびダイナミック物理的リソース割当手法によって実現している。これらの方法を実現するために使われるオペレーティングシステム、言語プラットフォームおよび認証システムを構成するコンピュータに常駐するＢＩＯＳ（Ｂａｓｉｃ Ｉｎｐｕｔ Ｏｕｔｐｕｔ Ｓｙｓｔｅｍｓ）が、上記相互接続を実現し管理している。
【００６６】
サブシステム１−Ｓ１，ペン、は通常のペンに合うサイズと機能を有する。さらに 追加要素および機能として、バイオ運動パターンとコンテクスト情報をデジタル化しレベル２にそれらを送る。ペン形状は図３に示す。ペンは次のもので構成される：
【００６７】
１．特定の形状を持つ金属ケースで、ほぼ紙に使用されるもので以下の機能を確保する：
− ＰＣＢ（Ｐｒｉｎｔｅｄ Ｃｉｒｃｕｉｔ Ｂｏａｒｄプリント回路基板）２組み立てのための支持。ＰＣＢは運動解析コンピュータを使用したサブシステムのコンポーネントで、後者を説明する際に記述する。
− 運動解析コンピュータ利用システムの弱い電気信号を外部電磁変動から遮蔽する。
− 署名開始時での初期半静的位置決めを達成するためのエルゴノミクスで、紙のほぼ水平面上の直角軸に配置された加速度センサの−０．２５ｇ／＋０．２５ｇの領域内に位置決めする。
− インク詰め替えカートリッジリード部３に張力をかけて組み立てることによって機械的伝達経路を確保する構造。機械的伝達経路は、紙のセルロースマイクロファイバ上でペン先端を動かすことによって生じるマイクロ振動から、署名する人の手の動きの影響を受ける加速度センサまで延びる。筆記具の金属本体のリード部は、その特定の形状によって、詰め替えカートリッジリード部の案内チャネルおよびＩＲ（Ｉｎｆｒａ Ｒｅｄ赤外線）４と受信ＩＲ Ｃ光学経路を実現するウィンドウを含む．
【００６８】
２．ペン詰め替え３は通常の短い詰め替えである。タンクはプラスチックで作られ、筆記リード部側は金属である。詰め替えのリード部は機械的に張力がかけられて、金属本体内の空間に配置され、ＰＣＢ（Ｐｒｉｎｔｅｄ Ｃｉｒｃｕｉｔ Ｂｏａｒｄプリント回路基板）２によって支えられて、マイクロ振動をセンサまで伝達する。詰め替えカートリッジの頂部はＭＥＭＳセンサモジュールのセンターＡとＢによって形成される同じ軸上に配置される。同時に、この軸は金属本体組立て体の軸でもある。
【００６９】
筆記用紙５は普通の紙である。セルロースファイバの微細な堆積物は、文字やグラフィックシンボルを書くことができるように表面に一様に分布している。ペンリード部と紙との接触によって発生する振動に含まれる情報は、ペンを使用する人の署名のバイオ運動を組み立てることに役立つ。
【００７０】
サブシステム１の運動解析コンピュータをベースとした集合体はペンに埋め込まれている。５つの別々のチャネル（４つの加速度チャネルａｘ，ａｙ，ｂｘ，ｂｙとコンテクスト情報チャネル）によって、筆記用紙に対する運動および位置コンテクスト情報をリアルタイムに変換、取得およびレベル２へリアルタイムに転送することを空間的に実現するように特別に作られている。システム内のペンＳ１の数は１つ以上であってもよい。それはレベル３からの情報を処理する能力にのみ制約される。レベル１サブシステム（ペン）はレベル２サブシステムの唯一の周辺装置として機能する。
【００７１】
運動解析コンピュータをベースとした集合体は次のものから構成される：
１．ＰＣＢ（プリント回路基板）２。これは次の機能を達成するために特定の厚さとトポロジーを有する。すなわち個人が紙と相互作用することで発生する機械的マイクロ振動を受け取る機能、および手の動きの空間的変化を最適に加速度センサに転送する機能。
【００７２】
２．ＭＥＭＳ−加速度センサマイクロシステムＡとＢ
各ＭＥＭＳマイクロシステムは互いに直角に配置された２つの加速度センサを有する。加速度センサマイクロシステムの配置は、仮定の動作中心および紙平面に対して加速度運動の求心および並進成分を取得するために、またマイクロ振動（コンタクト情報）を取得するために最適な感度を達成するようにおこなう。センサが生成したアナログ信号はフィルターがかけられて応答周波数バンドをおよそ１００Ｈｚに制限する。
【００７３】
３．ＩＲ（Ｉｎｆｒａ Ｒｅｄ赤外線）トランスミッター４は波長が約８００ｎｍのビームを射出する。このビームは赤外線を書記用紙に照射する。赤外線レシーバーＣは紙５から反射された赤外線を捉える。この反射光量は紙からの距離に比例する。マイクロコントローラ６のアナログ比較計器によって、ペンリード部と紙との距離に関してしきい値タイプの評価機能が得られる。
【００７４】
４．センサから送られる情報を取得するためのマイクロコントローラ６。バイオ運動パターンに含まれる情報は、典型的なプログラム（ファームウェアＡＳＭ）の制御のもとで捕捉され、デジタル化されそして転送される。このプログラムはマイクロコントローラに組み込まれた主要コンポーネントの機能を管理する。
− アナログ／デジタルコンバータタイプＳＡＲ（Ｓｕｃｃｅｓｓｉｖｅ−Ａｐｐｒｏｘｉｍａｔｉｏｎ−Ｒｅｇｉｓｔｅｒ），１０バイト；
− アナログマルチプレクサ；
− ＲＩＳＣ（Ｒｅｄｕｃｅｄ Ｉｎｓｔｒｕｃｔｉｏｎ Ｓｅｔ Ｃｏｍｐｕｔｅｒ）タイプＡＬＵ（Ａｒｉｔｈｍｅｔｉｃ／Ｌｏｇｉｃ Ｕｎｉｔ），８バイト／ワード；
− メモリ；
− アナログ比較器；
− ＵＡＲＴ（Ｕｎｉｖｅｒｓａｌ Ａｓｙｎｃｈｒｏｎｏｕｓ Ｒｅｃｅｉｖｅｒ／Ｔｒａｎｓｍｉｔｔｅｒ）
【００７５】
マイクロコントローラプログラムはバイオ運動神経筋肉と物理現象の変動間隔に最適に対応することにより、情報取得に必要な以下の一般的な電気パラメータを生成する。
− 加速度センサが提供する情報のために４つのアナログ情報取得チャネルが記述されたトポロジーに従って配置されている；
− アナログ情報の各チャネルでのサンプリング周波数は１０００サンプル／秒である；
− ＡＤＣコンバータ解像度＝１０ビット；
− 電圧基準は比で表示；
− 加速度に相当する電気信号の振幅の許容変動間隔は０ｇ＝＋／−１．５ｇ；
− ＡＬＵクロック周波数＝８ＭＨｚ；
− 紙の場合、しきい値距離センサＣが提供する情報のために設けられる取得チャネルの数＝１；
− ボーレートＵＡＲＴ＝１１５．２ＫＢ
【００７６】
５．取得したデータをＵＳＢフォーマットとプロトコルに変換してレベル２に送信するための組み込まれたマイクロシステム７
【００７７】
６．レベル１をレベル２に接続するためのＵＳＢ接続ケーブル８。ケーブル接続を選ぶ理由は３つある：レベル２に送られた情報を不当にスキャンされることを避けるため；公共で使用する場合、装置の保持のため；そしてメインテナンスが容易（バッテリー使用が不要）であるためである。署名バイオ運動パターンに対する影響を最小にするためにケーブルの厚さ（直径＝２．５ｍｍ）と柔軟性（Ｒｃ＝５ｍｍ）を選んだ。
【００７８】
バイオ運動パターン情報構造とその変化を空間的に取得することは、４つの慣性ＭＥＭＳ加速度センサの信号を捉えることによって行う。センサは２つずつ互いに直角に組み込まれ、２つの特定位置Ａ，ＢにＰＣＢ２トポロジーによって配置される。２つの位置は図３においてＭＥＭＳ加速度センサＡ，Ｂそれぞれに一致する。ＭＥＭＳグループＡとＭＥＭＳグループＢは以下に示すように配置される：
− Ａグループのｘ感度軸は感知方向においてＢグループのｘ感度軸と一致し、またＡグループのｙ感度軸は感知方向においてＢグループのｙ感度軸と一致する。ｘおよびｙ加速度計感度軸はそれらのキャプセルの形状軸に対応する。
− ＭＥＭＳ加速度センサＡ，Ｂの２つの対は、それぞれの対が詰め替えカートリッジの頂部と同じ共通軸上に慣性質量を保つように配置される；
− Ａの中心とＢの中心との距離Ｄｓは３０ｍｍより大きい。これは空間動作の求心コンポーネントを増幅するためである；
− カートリッジの頂部とＡグループとの距離ｄは１５ｍｍ未満であるが、紙のレベルにおいて運動情報を区別するには十分である；
− ＭＥＭＳグループＡ，Ｂはそれらの間の平行な平面に配置され、紙面とほぼ平行である。これによってペン軸の空間求心運動コンポーネントを増幅したり、引き算したり、抽出したりできる。
【００７９】
ペン軸はＡおよびＢグループのｘとｙ軸によって定められた平行面に対して固定角度α＝４５°で交差する。半静止位置において、署名行為を始める直前には、ＡとＢ ＭＥＭＳモジュール感度平面はペン形状のために紙面にほぼ平行である。また、同じペン形状のために、異なる署名の間でもそれ自身の軸周りにペンが回転するのを最小限に抑えられる。したがって書記動作に対して最大のセンサ感度を確保できる。署名プロセスが開始されると、書記動作の性質上、瞬間的な軸のズレがどれかの方向に生じ、その大きさは最初の位置から＋／−１５°の角度β以下のズレである。
【００８０】
加速度瞬間変化は重要な情報を含んでいる。したがって方向性をもつ構造によって生じる制約範囲内の異なるペン位置はバイオ運動パターンの本質を変えるものではない。センサ位置トポロジー、情報取得技法およびペンの形状によって、ペンの異なる位置は瞬間的変化に影響を与えることなく制限されるが、署名グローバルオフセットとして現れる。位置オフセットがバイオ運動パターンに及ぼす影響は、同じ個人の２つの署名の自然な差異よりも小さい。位置オフセットは、その方向における投影によって、重力場に相当する静的加速度を取り込むＭＥＭＳセンサの能力を表している。ペンの瞬間的傾きは、固定された書記平面と署名シンボルとの間の相互作用によって生じるが、これがセンサ軸上への重力場のダイナミックな投射によって加速度を発生する。この加速度はセンサ慣性質量において、運動メンタルパターンによって生じるバイオ運動加速度と本質的に組み合わされている。
【００８１】
コンタクト情報の取得、これはシナプス反射に含まれる不変量の数列を特徴づけるものであるが、ペン要素構造によって確保される。したがって
− ペンリード部頂部とＭＥＭＳグループＡとの距離ｄは１５ｍｍ未満であり、これは紙レベルにおけるコンタクト情報を増幅するには十分である。
− ＰＣＢ２（プリント回路基板）の厚さは０．５ｍｍ未満である。この薄さは、シナプス反射を特徴づける振動をＭＥＭＳセンサに送る機械的な経路を融通性と柔軟性とで確保するために必要である。
− 運動解析コンピュータをベースとした集合体は２５グラム未満である。これはマイクロ振動をＭＥＭＳセンサへ送信する際に望ましくない慣性影響を抑えるためである。
− ペンリード部３はプリント回路基板に接しておりペン頂部とＰＣＢ２との間で拘束されている。詰め替えカートリッジはシナプス反射を特徴づける接触マイクロ振動の特定周波数バンドの送信を可能にする。
− 運動解析コンピュータをベースとした集合体は金属ケース内に４つの固定点において柔軟に支持されており、これによって接触マイクロ振動の特定周波数バンドがＰＣＢ２からＭＥＭＳセンサへ確実に送信される。固定された支持点は切削によりＰＣＢに作った突起である。それらのＰＣＢ上での配置は、それぞれの長辺に２つずつ対称的に配置される。それぞれの辺におけるそれらの配置はペンリード部からの最初の支持点が距離Ｄｓの半分の位置に、また第２の支持点が最初の支持点からペン配線端へ向かって距離Ｄｓの位置にある。
【００８２】
署名バイオ運動パターンはデジタル信号を取得することによって得られる。デジタル信号取得は以下のものが含まれる。
− 次の３つのカテゴリに相当する固有加速度：ａ）メンタル運動パターンによって生成される加速度、ｂ）シナプス反射パターン（コンタクト情報）によって変調されるマイクロ振動によって生成される加速度、ｃ）センサ軸上の重力場のダイナミック投射によって作られる加速度。これら加速度カテゴリの固有の構成が４つのセンサのそれぞれについて生成される。
− センサの特定の空間位置によって４つの加速度のセットが捉えられる。署名を開始した時点から終わった時点までの空間運動動作およびペンが紙に接触していないときの動作での加速度が捉えられる。
− 赤外線センサＣによって捕捉されるコンテクスト情報。
【００８３】
ＵＳＢドライバ９を使って、サブシステム２（Ｓ２）はブロック１０によってレベル１からデータを取得する。データは復号され１１一時的にサーキュラーバッファ１２に保存される。署名開始および終了時点がサーキュラーバッファに保存されたデータを分析（開始停止解析）１３することによって検出される。グラフィックインターフェイス１４によって、取得されたデータ、取得エラーおよび開始停止解析結果がグラフィックモニターに映し出される。正当な停止が検出されると、取得動作は自動的に停止し、取得された署名は一時的にブロック１５に保存され、グラフィックインターフェイス１６によって表示される．現在の署名モニターインターフェイスウィンドウを図６に示す。これは以下の要素からなる．
− 現行の個人と現行の取得フォルダ１７を示す情報
− 現行の取得の状態インジケータ１８
− センサグループＡのモニターウィンドウ１９
− コンタクト情報２０の有無を知らせること
− ＭＥＭＳグループＡのｘとｙ軸上の加速度のグラフィック表示２１
− センサグループＢのモニタリングウィンドウ２２
− コンテクスト情報２３の有無を知らせること
− ＭＥＭＳグループＢのｘとｙ軸上の加速度のグラフィック表示２４
− 制御コマンドと現行取得の管理コマンド２５
【００８４】
外部変動を除去するために、システムユーザが署名取得を確認した後に、署名をレベル３に送って解析をする。
【００８５】
サブシステム１が紙に接した状態で動く際に動作区間を決定する方法、開始停止法、はサブシステム１（信号ａ_ｘ，ａ_ｙ）から得られた復号化されたプライマリ信号を分析することによって得られるコンタクト情報とコンテクスト情報（紙までの距離）との組み合わせを、評価することでおこなう。紙と接した状態でペンが動くと、書記動作に固有な周波数よりも遥かに高い周波数を有するコンポーネントの信号が生じる。これらのコンポーネントは微細な紙のでこぼこによって決まり、センサの感度やペンのサンプリング速度によって増幅されるが、センサＡからの信号のコンポーネントの方が大きい（紙により近いため）。紙への接触を正確に検出するために、これらのコンポーネントをアナログ信号の変動によって生じるコンポーネントから分離しなければならない。同じ署名において、ペンが紙に接触している状態のいくつかの開始停止区間を増幅することができる。署名全体の開始停止を決定するには、取得した信号と検出した開始停止区間をグローバルに解析することによって行う。この方法は２つの主要コンポーネントを有する：データ処理コンポーネントと開始停止時検出コンポーネントである。
【００８６】
ＭＥＭＳセンサＡから受け取ったデータは図７に示すように処理される。それぞれのサンプルグループ（ａ_ｘ，ａ_ｙ信号サンプル）はプライマリデータバッファ２６と呼ばれるサーキュラーバッファに保存される．プライマリデータ解析を開始するには、バッファは最低数のサンプルグループ（およそ０．５秒に相当）２７を蓄積しなければならない。プライマリデータは２つの平面でリアルタイムに処理される。ペンから受け取った信号のそれぞれのサンプルグループについてこの処理が行われる。
【００８７】
ａ）コンタクト情報解析：
− プライマリデータバッファ２８からの信号フィルタリング：プライマリデータバッファに保存されたａ_ｘ，ａ_ｙ信号はハイパスフィルタＦＦＴタイプによってフィルタがかけられ、コンタクト情報（ｉ_１，ｉ_２）を表す２つの信号を取得する。
− コンタクト情報解析３０：最後の２０サンプル（経験的に決められた数）について、以前生成された２つの信号のそれぞれに対して統計的変動を求める。
− コンタクト情報レベル３１の保存：以前求めた変動値は、現行サンプルグループに対応して、変動レベルアナライザサーキュラーバッファに保存される。
【００８８】
ｂ）コンテクスト情報解析：
− 書記位置２９におけるペンの検出
− ペン位置アナライザサーキュラーバッファ３２へのデータ保存
【００８９】
変動アナライザサーキュラーバッファとペン位置アナライザサーキュラーバッファの寸法は経験的に決められる。
【００９０】
開始停止時点の検出は、ｓｔａｔｅ ｍａｃｈｉｎｅの実施を示す図８のダイアグラムに従っている．
【００９１】
状態記述：
ａ）Ｎサンプル３３の取得：コンタクト情報を解析するためにＮ個のサンプル（Ｎの値は経験的に決められる開始停止パラメータによって影響される）を蓄積する。この状態から開始時点評価状態への変遷はＮ個のプライマリデータサンプルを取得した後におこなう。
ｂ）開始時点評価３４：これは変動レベルアナライザサーキュラーバッファとペン位置アナライザサーキュラーバッファを評価することによっておこなう。開始の検出は以下の条件によっておこなう。
− ｉ_１信号またはｉ_２信号の変動レベルは、変動レベルアナライザサーキュラーバッファからの最低限のサンプル数について、前もって定められたレベル（コンタクト情報しきい値レベル）よりも高くなければならない。
− ペン位置アナライザサーキュラーバッファからの最低限のポイント数（書記位置における最低ポイント数）について、ペンは書記位置になければならない。
【００９２】
開始を検出したら次の段階に移る。
ｃ）停止時評価３５：これはコンタクト情報アナライザバッファとペン位置アナライザサーキュラーバッファを評価することによっておこなう。ｉ_１信号とｉ_２信号の変動レベルが解析バッファからの最低ポイント数（最低非接触ポイント数）についてあらかじめ定められたレベル（コンタクト情報しきい値レベル）よりも低いかどうかを調べる。あるいはペン位置アナライザサーキュラーバッファからの最低ポイント数（書記位置における最低ポイント数）について、ペンが書記位置にないかどうかを調べる．
【００９３】
停止を検出すると次の段階に移る。決定された停止の時点は内部停止の時点であり、これはペンが紙に接触している区間の一つを定める。
【００９４】
ｄ）内部開始時点の評価３６：これは開始時点評価と同等であるが、他のパラメータ（コンタクト情報しきい値レベル、最低コンタクトポイント数、書記位置における最低ポイント数）に関するものである。署名動作中ではペンが紙に接触していない瞬間がいくつかあり得ることを考慮すると、前に求めた停止が最終の停止なのか単に途中の停止（ペンが紙に接触している区間の一つを定義する）なのかを判断しなければいけない。経験的に定めた時間（署名中にペンが引き上げられたときの最大時間を測定することで求めた時間）に、内部開始が検出されなかった場合、前に検出された停止は最終の署名停止と考えられる。
【００９５】
最小レイテンシー（以前説明した時間の長さ）の後に、あるいは内部開始が検出された後に、次の段階に移る。
【００９６】
ｅ）停止確認３７：取得された署名は最低限のサンプル数を有していなければならない。そうでなければこのプロセスは開始時点評価遷移から再び始められることになる。最低限のサンプル数は経験的に決められ、不用意なペンと紙の接触を検出してしまうことを避けるために導入される。
ｆ）署名の保存３８：取得された署名を保存する。
【００９７】
サブシステム３（Ｓ３）：これはユーザインターフェイス、ローカル署名管理、署名結果比較およびレベル３管理からの他の情報について管理し、レベル３との通信をおこなっている（設定、署名送信など）。
レベル２の２−３のサブシステムの集合に対して、１つのレベル１サブシステムが対応している。
【００９８】
レベル３のサブシステム４（Ｓ４）：これは以下を含むデータベースを生成し管理する。テスト対象個人、本物の対象個人、比較法に従って処理された署名（サンプル、受け入れられたオリジナル、拒否されたオリジナル等）、認証結果と組み合わされた証拠、およびユーティリティフォルダ等を含む。このサブシステムは対象個人の身元データとサンプルを保存する。サンプルは対象個人を登録する過程で図９に示すようにシステムに導入される。システムデータベースからの対象個人サンプル数（ｓｐｅｃ．ｎｏ．）は経験的に決められたパラメータであって、オリジナル識別レベル、ねつ造署名拒絶レベルおよび認証時間に影響を及ぼす。「変えられた」署名がサンプル（様々な外部要素によって影響される取得エラーや署名）としてシステムに入力されるのを防止するために、対象個人の登録プロセスにおいて取得した署名を解析し認証する方法を実現した。対象個人のデータを導入した後に、Ｎ個の対象個人の署名を取得する。これらは解析されて署名グループ分散（分散は識別法ＳＲＡ１に基づいて計算する）を求める。Ｎ個の署名の中から、分散の見地から決めた最初のサンプル数の署名を保存する。これらは識別法の特定フォーマットに変換されシステムデータベースにサンプルとして保存される。
【００９９】
このサブシステムはまたサンプル更新方法を実現する。これは長期間にわたって生物物理学的および心理的要因によって生じる署名の変化を判断するものである。サンプルは認証プロセスにおいて入力したオリジナルに基づいて更新され、対象個人に属するものとしてシステムによって認識される。この方法はオリジナルおよびデータベースに保存されているサンプルを分析し、それらの相対的ばらつきにしたがって、サンプルを最初のｎ個の分析された署名に取り替える。このメカニズムはデータベースに最低限の数のオリジナルが蓄積されたときに開始される。これはいくつかの不確かなオリジナルによって変更が導入されるのを防ぐためである。
【０１００】
サブシステム５：これはレベル２からの署名を処理し、（データベースからランダムに対象個人を選ぶことにより）それらの署名を比較するするために対象個人の集合（集合の大きさは最適な対象個人数Ｎｏ）を決め、署名を識別方法の特定フォーマットに変換し、これらの方法を実行する（図１０）。異なる識別方法の結果を組み合わせて解釈することによって最終的な認証結果を得て、それをレベル２に送る。このサブシステムはまたシステム内の対象個人登録プロセスにおいて導入された署名比較もおこなう（図９）。
【０１０１】
このサブシステムはオーブンアーキテクチャーを有し、新しい署名識別方法を実施できる。
【０１０２】
ＳＲＡ１は２つのモジュールを有する。
ａ）入力データ処理モジュール：代表的な情報が一連の操作によって入力データから抽出され、その情報はサンプル署名に関するデータを保存するために使われまた識別される入力署名（オリジナルまたはねつ造された署名）が構成するデータを表す。この一連の動作は署名変換法３９と呼ばれる。
【０１０３】
ｂ）サンプルおよび入力署名比較モジュール
この一連の動作は署名比較法４０と呼ばれる。
署名変換法と署名比較法を組み合わせたものが署名識別法ＳＲＡ１（署名識別アルゴリズム１）と呼ばれる。
【０１０４】
サンプル署名は変換され署名データベースに保存される。その後、入力署名（オリジナルまたは偽造された署名）が現れたら、変換されてデータベースからの署名と比較されて、入力署名とサンプル署名との間の距離が計算され、入力署名の対象個人がサンプル署名の対象個人と同じ人物かどうかを判断する。
【０１０５】
後で比較処理に使用できるフォーマットに入力署名を変換する過程は以下のステップを含む：
ａ）入力署名を署名コンポーネントに変換する。
ｂ）署名コンポーネントを不変量に変換する。
ｃ）不変量数列を圧縮し重みをつける。
【０１０６】
Ｓ１において、ペンはサブシステム１で説明した通りに配置される加速度センサＡ，Ｂの２つのモジュールから信号を発信する。署名動作中に、それぞれのモジュールは２つの信号（２つの座標軸ｘ、ｙ上への加速度投影）を発生する。したがって次の入力署名は次の信号を生む。
−ａ_ｘ：ポイントＡのｘ方向においてＭＥＭＳ Ａによって作られた信号
−ａ_ｙ：ポイントＡのｙ方向においてＭＥＭＳ Ａによって作られた信号
−ｂ_ｘ：ポイントＢのｘ方向においてＭＥＭＳ Ｂによって作られた信号
−ｂ_ｙ：ポイントＢのｙ方向においてＭＥＭＳ Ｂによって作られた信号
【０１０７】
実際それぞれの信号は正の整数として表されたサンプルベクトルである。ベクトルは波形の数値表現である。同じ署名のすべてのベクトルは同じ長さ（同じサンプル数）を有する。
【０１０８】
それぞれの入力信号グループａ_ｘ，ａ_ｙ，ｂ_ｘ，ｂ_ｙから次のコンポーネントが得られる：
【数１】

【０１０９】
それぞれのコンポーネントは入力署名と同じ長さを持つベクトルである。ＦＦＴＦ（ｘ）は直接的でｘ信号とは逆の高速フーリエ変換によるフィルタリングに等しい。フィルタは低域通過フィルタである。フィルタリング係数は経験的に決められペンに特有なものである。
【０１１０】
サンプルコンポーネントの数列を解析することによってこれらコンポーネントを構成する不変量を求める。不変量とは信号振幅や周波数における不変な波形の要素である。信号が長さＬを有す場合、不変量はｎ個の連続するポイントのグループを解析し、それぞれの信号ポイントから開始する（最新のポイントはもちろん除外するＬ−ＥＮＴ（Ｌ／ｎ）＊ｎ、ここでＥＮＴ（Ｌ／ｎ）はＬ／ｎの全体を表す）。
【０１１１】
不変量は多くの方法で定義できる。Ｎ−１個の線分はｎ個のポイントで定義される。ここでｎ＝３を選ぶ。ｐ_０，ｐ_１を２つの線分の傾きとする。以下のｍ＝１３個の不変量タイプ（図１１）が定義され、それらに０とｍ−１の間のコードが関連づけられる。
ｃｏｄｅ_０＝０：ｐ_０＞０，ｐ_１＞ｐ_０
ｃｏｄｅ_１＝１：ｐ_０＞０，ｐ_１＝ｐ_０
ｃｏｄｅ_２＝２：ｐ_０＞０，ｐ_１＜ｐ_０，ｐ_１＞０
ｃｏｄｅ_３＝３：ｐ_０＞０，ｐ_１＝０
ｃｏｄｅ_４＝４：ｐ_０＞０，ｐ_１＜０
ｃｏｄｅ_５＝５：ｐ_０＝０，ｐ_１＞ｐ_０
ｃｏｄｅ_６＝６：ｐ_０＝０，ｐ_１＝ｐ_０
ｃｏｄｅ_７＝７：ｐ_０＝０，ｐ_１＜ｐ_０
ｃｏｄｅ_８＝８：ｐ_０＜０，ｐ_１＞０
ｃｏｄｅ_９＝９：ｐ_０＜０，ｐ_１＝０
ｃｏｄｅ_１０＝１０：ｐ_０＜０，ｐ_１＜０，ｐ_１＞ｐ_０
ｃｏｄｅ_１１＝１１：ｐ_０＜０，ｐ_１＝ｐ_０
ｃｏｄｅ_１２＝１２：ｐ_０＜０，ｐ_１＜ｐ_０
【０１１２】
これらの不変量タイプ／コードはベースタイプ／コードと呼ぶ。確かにこれらの不変量は信号周波数と大きさに依存しないことが分かる。信号が例えば２倍に増幅されるあるいはその周波数が２分の１に削減された場合、同じ不変量の数列が得られる。
【０１１３】
さらにすべての不変量数列が可能という訳ではないことも理解できる。例えば、０タイプ不変量の後には、０，１，２，３，４タイプの不変量のみが続くことになる。
不変量を決定することによって、すべてのコンポーネントが３重数列（ｉｎｖ_ｉ，ａｒ_ｉ，ｔｒ_ｉ）に変換できる。３重数列は以下を含む：
− 不変量ベーシックタイプｉｎｖ_ｉ
− 不変量の基準振幅ａｒ_ｉ。基準振幅はいくつかの方法で定義できる。ここでは不変量を定義する最初のｎ個のサンプルの振幅が基準振幅と考える。
− 不変量の基準瞬間ｔｒ_ｉ。不変量の基準瞬間はいくつかの方法で定義できる。ここでは波形が開始されてから最初のテストサンプル（不変量を定義するｎ個のサンプル）の出現の瞬間を基準瞬間と考える。
【０１１４】
波形に近い形を描くために、波形のそれぞれのａｒ_ｉ不変量の基準振幅を、同じベーシックタイプの最初の以前の不変量のａｒ_ｋ基準振幅と比較する：ｔｉｐ（ａｒ_ｉ）＝ｔｉｐ（ａｒ_ｋ）＝ｂ_ｉ（同じタイプの以前の不変量が存在しない場合、ａｒ_ｋ＝ａｒ_ｉと考えられる）。３つのケースがある：
ａ） ａｒ_ｉ＜ａｒ_ｋ この場合ｉ不変量はｂ_ｉコードを有する
ｂ） ａｒ_ｉ＝ａｒ_ｋ この場合ｉ不変量はｂ_ｉ＋ｍコードを有する
ｃ） ａｒ_ｉ＞ａｒ_ｋ この場合ｉ不変量はｂ_ｉ＋２^＊ｍコードを有する
【０１１５】
この操作によって、それぞれのコンポーネントは０と３^＊ｍ−１の間の値を持つ拡張コード（または拡張タイプ）と呼ばれるコード列として表される。
ベースコードは拡張コードから推定できることが分かる。
【０１１６】
さらにすべての連続した拡張不変量数列が可能というわけではないことも分かる。例えば、３つの連続した不変量が同じベースコード（例えば０）を持つ場合、第２の不変量が第１の不変量よりも大きな基準振幅を持つことはあり得ないし、第３の不変量が第２の不変量より低い基準振幅を持つこともない。
【０１１７】
拡張コードで符号化した不変量数列によって表される波形を処理する次のステージは、不変量数列を圧縮し重み付けをすることである。本質的に、圧縮はあるタイプの単一不変量をこのタイプの不変量数列から除外することである。重み付けはいくつかの要素に依存する重み（またはコスト）をすべての不変量に付加することである。これは以下に説明する。
【０１１８】
圧縮と重み付け法は以下のステップを含む。
ａ） 不変量セクションチャートを決定する。セクションチャートのそれぞれのエントリは同じベースタイプの１つまたは複数の連続した不変量の数列に対応する。エントリには以下のものが含まれる：
−セクション拡張タイプ。これはセクションを構成する不変量の拡張タイプである。
− セクション基準振幅はいくつかの方法で定義できる。基準振幅はセクションを構成する複数の不変量の基準振幅の合計と考えられる。
− セクション基準時点はいくつかの方法で定義できる。基準時点は、セクションを構成する複数の不変量の基準時点の合計と考えられる。（これは署名の端部に位置する不変量の重みを大きくすることになり、実験結果と符合する）。
ｂ） セクション拡張タイプから抽出したベースタイプとしてキーを使うことによってセクションチャートを並べ替える。
ｃ） セクションチャートは同じベースコードを持つサブセクションに分割する。
ｄ） セクションチャート内の入力番号が各サブセクションの長さを決める。
ｅ） それぞれのサブセクションについて、サブセクション要素の基準振幅の平均が得られる（サブセクション要素の基準振幅をサブセクション長さで割ったものの合計）。
ｆ） それぞれのサブセクションについて、要素の基準時点の平均が得られる（サブセクション要素の基準時点をサブセクション長さで割ったものの合計）。
ｇ） 各サブセクション要素の基準振幅はサブセクション要素の平均基準振幅に取り替えられる。
ｈ） 各サブセクション要素の基準時点はサブセクション要素の平均基準時点に取り替えられる。
ｉ） セクションチャートは最初の順序で並べ替えられる。この時点で、セクションチャートの各要素は修正された基準振幅と修正された基準時点を有する。
ｊ） セクションチャートのそれぞれの入力に対して、２組（ｉｎｖ_ｉ，ｃｏｓｔ_ｉ）の別の不変量数列が生成される：
− 不変量ｉｎｖ_ｉの拡張タイプ（セクション要素の拡張タイプに等しい）
− セクション要素の基準瞬間と基準振幅の合計に等しい重さ（コスト）ｃｏｓｔ_ｉ
ｋ） 得られた数列の不変量重みは調整カーブ（機能）に従って調整する。この曲線機能は多くの方法で定義できる。この瞬間においてコンポーネント波形の（不変量番号における）長さがＬである場合、その曲線は次のように定義されると考える：
− 最初のＬ／４不変量は０．５を乗じた重みを有する。
− 次のＬ／２不変量は１を乗じた重みを有する。
− 残りの不変量は１．５を乗じた重みを有する。
【０１１９】
署名比較モジュールは２つの署名間の比較をおこなう。２つの署名を比較するには、それぞれの署名にコンポーネント集合を使う。各コンポーネントは不変量の連続である。それぞれの不変量は以下の情報を関連づけられている：不変量の拡張コード（そのベースコードはいずれ推定することができる）と重み（コスト）。
【０１２０】
２つのコンポーネント間の距離を求めるために、Ｌｅｖｅｎｓｈｔｅｉｎ距離を用いる（Ｃｈｒｉｓｔｉａｎ Ｃｈａｒｒａｓ，Ｔｈｉｅｒｒｙ Ｌｅｃｒｏｑ：Ｓｅｑｕｅｎｃｅ ｃｏｍｐａｒｉｓｏｎ，ＬＩＲ（Ｌａｂｏｒａｔｏｉｒｅ ｄ’Ｉｎｆｏｒｍａｔｉｑｕｅ ｄｅ Ｒｏｕｅｎ）ｅｔ ＡＢＩＳＳ（Ａｔｅｌｉｅｒ Ｂｉｏｌｏｇｉｅ Ｉｎｆｏｒｍａｔｉｑｕｅ Ｓｔａｔｉｓｔｉｑｕｅ Ｓｏｃｉｏｌｉｎｇｕｉｓｔｉｑｕｅ）Ｆａｃｕｌｔｅ ｄｅｓ Ｓｃｉｅｎｃｅｓ ｅｔ ｄｅｓ ｔｅｃｈｎｉｑｕｅｓ Ｕｎｉｖｅｒｓｉｔｅ ｄｅ Ｒｏｕｅｎ ７６８２１ Ｍｏｎｔ−Ｓａｉｎｔ−Ａｉｇｎａｎ Ｃｅｄｅｘ Ｆｒａｎｃｅ）。この距離は次のように説明できる。
ａ） Ｌｅｖｅｎｓｈｔｅｉｎ距離によって比較されたシンボルのタイプは拡張不変量コードである。
ｂ） シンボルコストは不変量重み（コスト）である。
ｃ） （Ｌｅｖｅｎｓｈｔｅｉｎ距離に従って）２つの同一タイプのシンボルを比較する場合、コストは２つのシンボルのコスト差のモジュールに等しい。
ｄ） （Ｌｅｖｅｎｓｈｔｅｉｎ距離に従って）２つの異なるタイプのシンボルを比較する場合、コストは以下のものに等しい：
ｉ． 削除に関しては、コストは削除されたシンボルコストである。
ｉｉ． 挿入に関しては、コストは挿入されたシンボルコストである。
ｉｉｉ． 代入に関しては、コストは２つのシンボルコストの合計である。
ｅ） 最後に、結果（Ｌｅｖｅｎｓｈｔｅｉｎ距離）がＤである場合、考慮される距離（正規化された）ｄは：
【数２】

ここでｃｏｓｔ_ｉとｃｏｓｔ_ｊは２つのコンポーネント不変量のコストを表す。
サンプル署名ＳＡのｍコンポーネントを入力署名ＳＢのｍコンポーネントとそれぞれ比較するとｍ個の距離が得られる。ｍ個の距離を組み合わせるのにいくつかの方法がある。最終距離ｄ_ＳＲＡ１はｍ個の距離の平均と考える：
【数３】

【０１２１】
ＳＲＡ２法は４つのモジュールを含む：
ａ） 入力署名のためのフィルタリングモジュール
入力データは異なる周波数範囲を有する２つの情報タイプを含む：ペンリード部と紙との接触情報および複雑な手の動き情報を有する。この情報から後で処理される手の空間的動きに関する情報が得られる。紙との接触によって発生したマイクロ振動に関する情報を選択的に除去することによって、シナプス反射パターンに対応する情報を得る。この手順はフィルタリング法４１と呼ぶ。
【０１２２】
ｂ） 後処理および入力データ作成モジュール
一連の操作により、フィルターをかけた入力データから代表的な情報を抽出する。この情報を使ってサンプル署名に関するデータおよび識別すべきオリジナルとねつ造署名で構成されるデータとを保存する。これらの操作は後処理と信号生成法４２と呼ぶ。
【０１２３】
ｃ） ２つの信号、一つはサンプルもう一つはオリジナルまたはねつ造署名、を比較するためのモジュール。
これらの操作は信号比較法４３と呼ぶ。
【０１２４】
ｄ） コンポーネントの重さに基づいて署名距離を決定するモジュール。これらの操作はコンポーネント重さ要素に基づく署名距離決定モジュール４４と呼ぶ。
【０１２５】
フィルタリング法、後処理および信号生成法、コンポーネント重さ要素に基づく署名距離決定モジュール、および信号比較法の集まりは署名識別法ＳＲＡ２（署名識別２）と呼ぶ。
【０１２６】
フィルタリング法、後処理および信号生成法、コンポーネント重さ要素に基づく署名距離決定モジュール、および信号比較法の組み合わせモードを図１３に示す。サンプル署名は変換されて署名データベースに保存される。
【０１２７】
続いて、新しい署名が表示されると、ＳＲＡ２はこれを変換してデータベース内の署名と比較して、現行の比較データベースの他のすべての対象個人のサンプル署名と入力された署名との距離を計算する。得られた距離から、目標の対象個人を含む他のすべての対象個人のサンプル署名に対する入力署名のリレーショナルデータベクトルを求める。このデータベクトルはＳＲＡ１が生成した同じ入力に対応するベクトルとともに、結果組み合わせ法のための入力情報になる。
【０１２８】
フィルタリングモジュール（図１４）はＥＭＤ手法（経験的モード分解）に基づいて作られた、フィルタソフトウェアによって構成される。これは、振幅／周波数変調されたキャリアに乗ってレベル１から送られてくるシナプス反射動作による半共鳴マイクロ振動の運動パターンを最適に分離する。瞬間的書記速度の変化はマイクロ振動周波数変調を発生する。また神経筋肉シナプス動作の変化は振幅変調を発生する。
【０１２９】
この方法は４つの信号のそれぞれに適用されて、加速度を表す（ａ_ｘ，ａ_ｙ，ｂ_ｘ，ｂ_ｙ）
フィルタリングアルゴリズムに使われるベース機能は次の勾配を計算することである：
【数４】

これは以下に定義する間隔とステップで適用される。
ｎ個の数値要素からなる最初の数列、Ｖ（１．．ｎ）_１、はフィルターされるペンからのアナログ信号サンプル値を表す。
【０１３０】
フィルターは以下のステップからなる手順を複数回実行する（入力数列Ｖ、出力数列Ｗ）：
Ｓｔｅｐ１：Ｗ１_ｊ＝Ｖ１_ｊ
Ｓｔｅｐ２：Ｃ１＝ｓｌｏｐｅ（［Ｖｉ−１_ｊ，Ｖｉ_ｊ］，［ｉ−１，ｉ］）
Ｃ２＝ｓｌｏｐｅ（［Ｖｉ−１_ｊ，Ｖｉ_ｊ，Ｖｉ＋１_ｊ］，［ｉ−１，ｉ，ｉ＋１］）
Ｗｉ_ｊ＝Ｓ＝Ｖｉ_ｊ−Ｃ１^＊ｋ１＋Ｃ２^＊Ｋ２，ｉ＝２…ｎ−１
（ｋ１とｋ２は経験的に決められた定数であり、それぞれ０．９３５と０．９３である。）
これらの計算の結果Ｗはｎ−１個の要素を有する。
Ｓｔｅｐ３：Ｖｉ_ｊ＋１＝Ｗｉ_ｊ，ｉ＝１…ｎ−ｊ
ｊ＝１…Ｎ，Ｎ＝２^＊Ｚ，Ｚ＞０，整数
この手順はＮ回繰り返す。
【０１３１】
数値Ｎはマイクロ振動に対応する高周波数減衰を決定する。フィルターは１：４から１：１０の範囲でその比を最適化する。有用な周波数と減衰周波数の間で経験的に最適値はＮ＝１０である。
【０１３２】
フィルタリングした後に得られた信号は、シナプス反射動作によって生じる動作パターンにより手の空間動作の構成を表す。この技法はバイオ信号処理である本来的に変調されたＡＭ−ＦＭ，すなわちＥＭＤ（“Ｅｍｐｉｒｉｃａｌ Ｍｏｄｅ Ｄｅｃｏｍｐｏｓｉｔｉｏｎ−Ｔｈｅ Ｕｎｉｖｅｒｓｉｔｙ ｏｆ Ｂｉｒｍｉｎｇｈａｍ Ｓｃｈｏｏｌ ｏｆ Ｃｏｍｐｕｔｅｒ Ｓｃｉｅｎｃｅ−ＭＳｃ ｉｎ Ａｄｖａｎｃｅｄ Ｃｏｍｐｕｔｅｒ Ｓｃｉｎｅｃｅ−ＥＥＧ−Ｈａｎｄｂｏｏｋ ２００４／２００５”，“ＤＥＴＲＥＮＤＩＮＧ ＡＮＤ ＤＥＮＯＩＳＩＮＧ ＷＩＴＨ ＥＭＰＩＲＩＣＡＬ ＭＯＤＥ ＤＥＣＯＭＰＯＳＩＴＩＯＮＳ”Ｐａｔｒｉｃｋ Ｆｌａｎｄｒｉｎ，Ｐａｕｌｏ Ｇｏｎｃ，ａｌｖｅｓ ａｎｄ Ｇａｂｒｉｅｌ Ｒｉｌｌｉｎｇ−Ｌａｂｏｒａｔｏｉｒｅ ｄｅ Ｐｈｙｓｉｑｕｅ（ＵＭＲ ５６７２ ＣＮＲＳ），Ｅｃｏｌｅ Ｎｏｒｍａｌｅ Ｓｕｐｅｒｉｅｕｒｅ ｄｅ Ｌｙｏｎ）．
【０１３３】
それぞれのフィルターをかけられた入力信号グループａ_ｘ，ａ_ｙ，ｂ_ｘ，ｂ_ｙから信号構成および後処理モジュール４２において以下のコンポーネントが得られる。
【数５】

【０１３４】
したがって、それぞれのコンポーネントは入力信号と同じ長さを持つベクトルであり、入力信号から導きだされた信号と考える。
最初の比較段階は以下の基準に従って信号を分割することである。
信号構成および後処理モジュールから得られた両方の署名（サンプル、オリジナルまたはねつ造署名）の信号を、極端な信号ポイント上で（極大および極小）マークする。４つのマーカーの値で複数のセクションを作成する。次のマーカーに移って同じ手順を繰り返す（図１５に示すように）。
【０１３５】
入力署名とサンプル署名に対応する２つの信号の間の距離を算出するために、アルゴリズムタイプＤＴＷ（Ｄｙｎａｍｉｃ Ｔｉｍｅ Ｗａｒｐｉｎｇ）を使用する。この説明は以下の通り。
ａ） このアルゴリズムは４つのマーカーの値で構成されるセクションに適用される。
ｂ） ２つのセクション間の距離の評価のために、Ｆ−Ｔｅｓｔ機能を使う。この機能は２つの数列が同一となる確率を出す。（Ｋｉｓｈｏｒｅ Ｂｕｂｎａ Ｃｈａｒｌｅｓ Ｖ．Ｓｔｅｗａｒｔ，Ｄｅｐａｒｔｍｅｎｔ ｏｆ Ｃｏｍｐｕｔｅｒ Ｓｃｉｅｎｃｅ，Ｒｅｎｓｓｅｌａｅｒ Ｐｏｌｙｔｅｃｈｎｉｃ Ｉｎｓｔｉｔｕｔｅ Ｔｒｏｙ，ＮＹ １２１８０−３５９０“Ｍｏｄｅｌ Ｓｅｌｅｃｔｉｏｎ Ｔｅｃｈｎｉｑｕｅｓ ａｎｄ Ｍｅｒｇｉｎｇ Ｒｕｌｅｓ ｆｏｒ Ｒａｎｇｅ Ｄａｔａ Ｓｅｇｍｅｎｔａｔｉｏｎ Ａｌｇｏｒｉｔｈｍｓ”）
【０１３６】
次のチャートにおいて、水平な行にはＱ信号が生成したセクションが配置され、縦の列にはＷ信号が生成したセクションが配置される。
【表１】

Ｄ（ｉ，ｊ）＝ｍｉｎ｛Ｄ（ｉ−１，ｊ−１），Ｄ（ｉ−１，ｊ），Ｄ（ｉ，ｊ−１）｝＋ｄ（ｑ_ｉ，ｗ_ｊ）
【数６】

ここで
ｑ_ｉ： 信号１（Ｑ）のｉクラスのセクション
ｗ_ｉ： 信号２（Ｗ）のｊクラスのセクション
ｎ_ｉ： セクションｑ_ｉの長さ
ｎ_ｊ： セクションｗ_ｊの長さ
ａｖｅ_ｉ： セクションｑ_ｉの中間２乗偏差
ａｖｅ_ｊ： セクションｗ_ｊの中間２乗偏差
ｃ） 最後に、ゴリスムで求めた距離がＤ_ｑｗの場合、署名間の距離Ｄは：
【数７】

ここで
Ｎ_ｑ： Ｑ信号におけるセクション数
Ｎ_ｗ： Ｗ信号におけるセクション数
【０１３７】
ｍｉｎ（Ｎ_ｑ，Ｎ_ｗ）がＤ_ｑｗよりも小さい可能性があるのでＤが０よりも小さい確率がある。したがって得られた結果を［０…１］区間においてレートセッティングする必要がある。このレートセッティングは実験的に得られたデータおよび以下の式に基づくものである。
【数８】

ここでＶ_ｍｉｎは実験的定められた最小のＤ値を表す。
【０１３８】
それぞれの署名コンポーネントは、署名距離決定モジュール内の大きなデータベース上で経験的に決定された重さに関連づけられる。これはコンポーネント重さファクタ４３に基づいておこなわれる。
【０１３９】
サンプル署名ＳＡのＮ個のコンポーネントを入力署名ＳＢ（オリジナルまたはねつ造）のＮ個のコンポーネントとそれぞれ比較することによってＮ個の距離が得られる。Ｎ個の距離を組み合わせるにはいくつかの方法がある。最終距離Ｄ_ＳＲＡ２はＮ個の距離の重み付け平均と考える：
【数９】

ここで
Ｎ： 署名のコンポーネント信号の数
ｐ_ｉ： コンポーネントＩの重さ
ｄ_ｉ： コンポーネント信号Ｓ_Ａ（ｉ），Ｓ_Ｂ（ｉ）間の距離
【０１４０】
入力署名を現行の比較データベースと比較することによりＳＲＡ１とＳＲＡ２によって得られた２つのベクトルは組み合わされて最終結果のベクトルを生成する。最終結果のベクトルは大きい順に並べ替えられる。認証プロセスの最終回答は、入力署名と対応するサンプルとの比較をした位置で構成される。最終回答と許容リスク係数に基づき、システムは署名をオリジナルとして受け入れるか、ねつ造として拒絶するかを決定する（例：許容リスク係数が低いシステムの場合、最終回答において、入力署名と対応するサンプルとの間の最小距離に相当する最初の位置も存在する場合、署名はオリジナルとして受け入れられると考えられる）。
【０１４１】
アルゴリズムの性能を評価するために、いくつかのインジケータが導入される。
ＮＯＡ＝受け入れられたオリジナルの数
ＮＦＲ＝ねつ造として拒絶された数
ＮＳ＝サンプル数
ＮＦ＝ねつ造署名の数
ＮＯ＝オリジナルの数
Ｋ＝対象個人のサンプル数
Ｎ＝対象個人の数
次のインジケータはほぼシステム性能を表している：
ａ）オリジナルの取り扱いにおけるシステムの成功率（ＲＳＳＯ）
ＲＳＳＯ＝ＮＯＡ／ＮＯ
ｂ）ねつ造署名の取り扱いにおけるシステムの成功率（ＲＳＳＦ）
ＲＳＳＦ＝ＮＦＲ／ＮＦ
ｃ）システムの成功率（ＲＳＳ）
ＲＳＳ＝（ＮＯＡ＋ＮＦＲ）／（ＮＯ＋ＮＦ）
【０１４２】
インジケータは、各人がＫ個の署名サンプル（ＮＳ＝Ｎ^＊Ｋ）を登録したＮ人の対象個人を有するデータベースを参照することによって得られる。高いシステム性能は３つのインジケータの最大値によって特徴づけられる。
【０１４３】
性能評価をおこなうには、適用領域とその領域の許容リスク係数によって大きさと重要性を選択した対象の集合に対して、実験することによっておこなう。ねつ造署名に対する性能に関して、システムはオリジナル署名の数とほぼ同じ数のねつ造署名を使ってテストされる。
【０１４４】
上記のインジケータが理想の値１００％に達することは実際上あり得ないので、上記認証システムは複数の個人認証手順とシステムからなる鎖の一つの環（並列または直列に組み込まれた環）を成している。このシステムは自動的にまた遥かに客観的に署名チェック手順を実現する。この手順は普通難しく、多くの場合筆跡学の専門的知識や資格を持たない人、例えば銀行員、登録係、カードショッピングなどのレジ係、によっておこなわれている。
【０１４５】
前記の認証方法の一つの技法は次の通り：入力署名を、目標の個人のサンプル署名を含む複数の対象個人のサンプルグループに、関連づける。すべてのサンプルは入力署名と比較される。したがって、最初の対象個人が登録されるときにシステムが機能するためには、初期データベースを前もって作っておく必要がある。初期データベースは複数の仮想対象個人のサンプルを含む。これらサンプルは共通な特徴として、システムが適用される文化領域のつづり文化（アルファベット）と同じつづり文化に属する。認証システムが使用されるにつれて、新しい対象個人のサンプルが初期データベースに登録されていき、現行データベースを作り上げていく。このようにして、現行データベースの対象個人の数が数万あるいは数十万に達する。
【０１４６】
現行データベースが大きくなると、入力署名の比較や関連づけにかかる時間が長くなって回答が非効率的になる。同時に、データベース内の登録個人の数が大きくなり、署名によってはランダムに発生した類似点のため、判断がますます複雑になる。実験を繰り返すことによって判明したことは、全データベースにおいてアルゴリズムを実行することによって検出した不要な類似点は（課された）システム成功率（ＲＳＳ）を変更するほどの数には達していないことである。したがって、統計制御分野の技法を認証システムの一般的な方法に適合させることによって、データベースのサイズの問題は解決される。
【０１４７】
上記の関係は目標個人を含む対象個人の集合に基づいている。したがって、自由意志による署名からなる全データベースにおける比較方法を実験し繰り返して解析した結果、次の結論に達した。
【０１４８】
１． システム成功率（ＲＳＳ）、初期データベースの対象個人の数（Ｎ）、対象個人のサンプル数（Ｋ）、対象個人の集合の大きさ（Ｎ_ｅ）、および入力署名の数（Ｎ_ｉ）の間には相互依存関係がある。
【０１４９】
２． もちろん、同一個人の署名間の比較は例外として、実験で判明したことは、本発明の比較方法に関して、サンプルとオリジナルからなる全データベースの比較による値（距離）の分布は任意の対象個人に対して正規分布（ガウス分布）である。システム成功率（ＲＳＳ）に一致する場合、オリジナルをそのサンプルの一つと比較したときの回答値（距離）は、入力を全サンプルデータベースと比較することによって得られた距離分布曲線上の最大ポイントを表す。
【０１５０】
３． 任意の対象個人のＮ_ｉオリジナル入力署名に対応するすべての並べ替えられた回答値のすべての分布曲線上において、他の対象個人の回答の座標値は最大領域においてほぼ定数であり、比較回答値判定基準によって解析された各個人の特定配置を決定する。実際のシステムにおいてデータベースは安定でないため（対象個人の数は常に増え続けている）ので、この最後の結論は、集合の安定した署名に関してのみサブシステム５（判定）において利用される。この結論は上記方法の説明のためにある。
【０１５１】
４． 文化的帰属基準に従って作られた初期データベースには、他の個人の並べ替えられた回答値の分布曲線上に比較的一様に分布した回答を有する複数の個人が常に存在する。これら個人の分布曲線上での出現領域と相対的順序は、特に分布曲線の最大ポイントに近い値については、個人のサンプルと比較される入力署名の回答挙動を特徴づける。現行比較データベースに目標個人のサンプルとともにこれら仮想個人のサンプルが導入された場合、認証判定を補足的に改善できる可能性がある。
【０１５２】
これらの実験的結論と相互依存の統計的関係を利用することによって、回答時間を短縮し、バッチの標準制御チャートの従来パラメータに対して認証システムの特性をマッピングする。このバッチは正規分散バッチからのエラー制御パラメータ間の相互依存を定義するものである。マッピングの主な目的はＲＳＳと相関関係にある対象個人集合の大きさを適切に決めることである。
【０１５３】
サンプリング統計制御チャートに特有な概念と認証システムで用いられる概念との間でマッピングすることは次のように定義される：
−「生成過程」において導入されたオブジェクトは署名と符合する。
− 制御基準を表す属性を生成する安定したプロセスはＳＲＡ１とＳＲＡ２法によって２つの署名を比較することに符合する。
− Ｅｔａｌｏｎ（エタロン）は、既知の入力署名と対象個人のサンプルとを比較する方法ＳＲＡ１とＳＲＡ２によって生成された属性の値である。エタロンは入力署名に依存するので、それぞれの認証動作に固有である。
− 認証動作は全体のデータベースに適用されたとき、バッチを生成する。バッチサイズは現行データベースに一致する。
− サンプル集合のサイズは、現行データベースからランダムに選んだ署名と目標個人のサンプルを加えた数に符合する。合計で現行比較データベースを構成する。
− エラーは、現行比較データベースにおいて入力署名が既知で繰り返し比較によってシステムがテストされる場合に、オリジナルとねつ造署名の判定法の不正解回答に符合する。
− ＡＱＬはサンプリング法に対する信頼度に符合する。
【０１５４】
対象個人のサンプルのサイズを決めるのは次のようにしておこなう。初期データベースを現行データベースと数値的に永久に等しいと考え、実験的に２つのインジケータによって全データベースについてＲＳＳを求める：ＲＳＳＯとＲＳＳＦは比較法の分離特性によって実験的に決定される。
【０１５５】
例えば、正規統計制御チャート（ＳＲ３１６０／２−８４）から最も評価が容易な条件を選ぶ：判定法はエラーの存在を評価するのに正しいカテゴリ（オリジナルまたはねつ造）に対するランク１の個人のつながり（最大類似）を評価する。その評価は、現在の入力と現行データベースとの比較から得られたサンプル解答に基づいておこなわれる。２４０個人に属する１２００個サンプルのデータベース上の実験的に定められたＲＳＳが単一入力について（Ｎ_ｉ＝１）、９７％であり、サンプリング後の目標信頼度が９９．９％である場合、制御チャートからＮ_ｅ＝２５個人に対応する１２５サンプル署名のサンプル集合のサイズが得られる。また同時に、ＡＱＬ値の影響を考慮して、ＲＳＳは最悪の場合ＲＳＳ_{ｉｎｉｔｉａｌ}´ＡＱＬとなり、９６．９０３％になる。したがってシステムの回答時間は１０倍以上改善し、ＲＳＳの減少はわずか０．０９７％である。
【０１５６】
実験は次のことを強調している。すなわちＮ_ｉ＝２において、理想的な状態（１００％）を達成するのに必要なパーセントのほぼ半分でＲＳＳは増大している。すなわち９７％からほぼ９８．５％へ増大し、またサンプリング後にはＲＳＳ_{（Ｎｉ＝２，Ｎｅ＝２５）}＝９８．３０３％である。システム回答時間は従って５倍以上も改善している。
【０１５７】
ＲＳＳＦはサンプル集合の対象個人数に正比例している。これらの対象個人のサンプル署名に含まれるランダムなアトラクターがこの現象を生じさせている。サンプル集合がランダムに選んだ個人のサンプルと目標個人のサンプルを加えたもののみから構成されると仮定すると、ねつ造署名が認証される確率が高くなる。なぜならサンプル署名は他の個人サンプルよりもねつ造署名の方がより強いアトラクターを含む可能性が高いからである。
【０１５８】
ゼロ分離パワーと比較する方法（アルゴリズム）の概念が正式に導入された。分離パワーは任意の署名が現行データベースからランダムに選ばれる確率を示す。このアルゴリズムを使うと、システム成功率は：
ＲＳＳ_０＝１／ｎ
ここでｎはデータベースの署名数（２０００署名のＲＳＳ_ｏは０．０００５つまり０．０５％に等しい）。
ＲＳＳは全初期データベースに対して実験的に定められるので（例えば２０００署名のデータベースの場合９７％）、システムが使用するこの方法（Ｐ_ＳＲＡ１，Ｐ_ＳＲＡ２）の識別パワーはＲＳＳ／ＲＳＳ_ｏと定義することができる。
【０１５９】
サンプル集合サイズ（Ｎ_ｅ）は次の２つの条件を同時に満たすように統計制御チャートに従って選択される：
条件１：ＲＳＳＯの観点からサンプル集合を最適化するために、選択されたサンプル集合の署名数の大きさは、本物の署名（ＲＳＳＯ）に関して１からシステム測定成功率を差し引いた値よりも遥かに低いＲＳＳ_ｏ解答を生成しなくてはならない。
ＲＳＳ_ｏ＜＜（１−ＲＳＳＯ）
条件２：ＲＳＳＦの観点からサンプル集合を最適化するために、選択されたサンプル集合の署名数の大きさは、サンプル集合のランダム署名（ｘ）が含むアトラクターのために、高いランダム署名（ｘ）の誤認識率（ＲＲＩＦ_（ｘ））を生じなければならない。この署名（ｘ）は目標の対象個人のサンプルの１つではない。この観点から、サンプル集合のサイズは次の条件を満たすように実験的に決められる。
ＲＲＩＦ_（ｘ）ＲＳＳＦ
【数１０】

統計的には認証プロセスは全対象個人データベースに関連づけられている。したがって、しきい値的判定をおこなう対象個人メトリックスシステムの欠点を解消している。
【図面の簡単な説明】
【０１６０】
【図１】図１は認証システムの物理構造である。
【図２】図２は認証システムの機能構造である。
【図３】図３はサブシステム１トポロジーで、書記および電子フォーマットへの運動パターンのデジタル変換を示す。（ペン）
【図４】図４はサブシステム１における情報フローを示す。
【図５】図５はサブシステム２による署名取得プロセスを示す。
【図６】図６は取得モニターインターフェイスウィンドウを示す。
【図７】図７は決定方法開始／停止によるデータ処理を示す。
【図８】図８は状態図で、開始／停止方法を示す。
【図９】図９は対象個人のシステム登録ステージのシナリオを示す。
【図１０】図１０は対象個人の認証ステージのシナリオを示す。
【図１１】図１１はＳＲＡ１における署名変換と比較を示す。
【図１２】図１２はＳＲＡ１におけるｎ＝３に対する不変量定義を示す。
【図１３】図１３はＳＲＡ２における署名変換と比較を示す。
【図１４】図１４はＳＲＡ２のフィルタリング方法を示す。
【図１５】図１５はＳＲＡ２における信号分割を示す。

Claims (10)

1. 手書き署名を取得、解析および認証するためのコンピュータ使用システムであって、
   信号を取得するペンサブシステム（Ｓ１）と、
   前記ペンサブシステム（Ｓ１）から情報を送られるパーソナルコンピュータに設けられた別のペンサブシステム（Ｓ２とＳ３）と、
   前記ペンサブシステム（Ｓ２とＳ３）とネットワーク接続されるサーバーに設けられた別のサブシステム（Ｓ４とＳ５）と、
   前記サブシステム（Ｓ４とＳ５）とネットワーク接続されるあるいはネットワーク接続されない他の複数のパーソナルコンピュータと、から成り、他の複数のパーソナルコンピュータはそれぞれがペンサブシステム（Ｓ１）を周辺機器としてそれに接続しており、
   ペンサブシステム（Ｓ１）は
   電磁遮蔽のための金属ケース（１）と；
   ２つのＭＥＭＳ加速度センサグループ（ＡとＢ）であって、直角な検知軸ｘ、ｙに関して同じ方向で２つの異なる平行面上に配置され、それぞれのセンサグループの２つの加速度信号を補足するために周波数バンド応答を０Ｈｚと１００Ｈｚの間に設定し、４つのすべての信号が２つの同時現象を有し、そのうち最初の現象が、筆記中に紙（５）と手書きペンの動きとのフィードバックループタイプの相互作用によって生じるコンタクトマイクロ振動であり、１０−６０Ｈｚの周波数範囲において現れ、第２の現象が筆記中における３次元空間の手およびペンの動き、すなわち空間運動情報であり、０−１０Ｈｚの周波数範囲において現れる、ことを特徴とする２つのＭＥＭＳ加速度センサグループ（ＡとＢ）と；
   筆記リード部とプラスチック材から作られた本体部を有するペン詰め替えカートリッジ（３）であって、前記コンタクトマイクロ振動に特有な周波数バンドを送信できるペン詰め替えカートリッジ（３）と；
   プリント回路基板（２）であって、厚さが０．５ｍｍより薄く、前記ペン詰め替えカートリッジ本体と常時接触しており、前記プリント回路基板上で前記センサグループ（ＡとＢ）が４５°の固定角度（α）で、またペンの書記先端とセンサグループ（Ａ）との間の距離（ｄ）が１５ｍｍ未満で、また２つのセンサグループ（ＡとＢ）の間の距離（Ｄ_ｓ）が３０ｍｍよりも大きく、前記距離（ｄ）がペン詰め替えカートリッジからプリント回路基板を介してセンサグループ（ＡとＢ）ＭＥＭＳセンサＡで伝達される前記コンタクトマイクロ振動を補足するために必要であり、前記距離（Ｄ_ｓ）が前記空間運動情報を補足するために必要である、ことを特徴とするプリント回路基板（２）と；
   赤外線ＬＥＤ（４）と赤外線光センサ（Ｃ）であって、両方とも前記ペンサブシステム（Ｓ１）の書記頂部に設けられ、前記センサ（Ｃ）が赤外線ＬＥＤ（４）から放射されて紙（５）に反射された赤外線量を補足することを特徴とする赤外線ＬＥＤ（４）と赤外線光センサ（Ｃ）と；
   センサグループ（ＡとＢ）およびセンサ（Ｃ）からの信号をサンプリング速度１０００Ｈｚで取得し、デジタル化し、符号化するマイクロコントローラ（６）であって、前記センサ（Ｃ）からの信号が前もって定められたしきい値と比較されてブール値としてのコンテクスト情報を生成し、このブール値はペンサブシステム（Ｓ１）が紙（５）の近くにありしかも適切な筆記位置にあるときにのみ１となり、前記デジタル化信号、すなわちセンサグループ（Ａ）からのａｘ，ａｙ、センサグループ（Ｂ）からのｂｘ，ｂｙおよびセンサ（Ｃ）からのコンテクスト情報をまとめて符号化してシリアルに配列することを特徴とするマイクロコントローラ（６）と；
   ＵＳＢフォーマットで前記マイクロコントローラからのシリアルデータを変換し送信するマイクロシステム（７）と；
   前記マイクロシステム（７）からのデータを前記サブシステム（Ｓ２）へ送信するためのＵＳＢ接続ケーブル（８）であって、前記ケーブルは筆記中に手の動きに与える影響を最小限にするために直径が２．５ｍｍ以下であることを特徴とするＵＳＢ接続ケーブルと；
   から構成されることを特徴とする。
2. 請求項１に記載のペンサブシステムを使ってユーザの手書き署名を取得する方法であって、
   手書き署名の解析と保存およびユーザの認証を取得した署名をデータベースの署名と比較することによっておこなうものであり、
   第１ステージにおいて、センサＡから入力信号ａｘとａｙを、センサＢから入力信号ｂｘとｂｙを、センサＣからコンテクスト情報を取得し、
   第２ステージにおいて、入力署名の始めと最後を決めるために取得信号の開始停止解析をおこない、
   この開始停止解析は、センサＡからの信号ａｘとａｙおよびセンサＣからのコンテクスト情報をハイパスフィルタリングすることによってコンタクト情報を抽出するするデータ処理フェーズと、前記フィルタリングされたコンタクト情報をコンテクスト情報を使って開始停止時点を検出するフェーズとから成り、
   第３ステージにおいて、ＳＲＡ１とＳＲＡ２と略された２つの独立した署名識別アルゴリズムによって署名識別をおこない、それぞれのアルゴリズムがフィルタリング、後処理およびアルゴリズム特定コンポーネント生成を含む署名変換フェーズと、現行署名データベースからランダムに抽出したある数のユーザのサンプルから成る現行比較データベースの署名と入力署名とを比較する第２フェーズを有し、現行署名データベースがアルゴリズムを適用するのに必要な最低数の対象個人のサンプルを含む初期データベースと追加ユーザのサンプルさらに認証すべきユーザの以前取得したサンプルから成り、
   その後、それぞれのアルゴリズムがベクトルを取得し、最後に２つの得られたベクトルから認証プロセスの最終回答を提供するために、結果解釈ステージが実行される、ことを特徴とするユーザの手書き署名取得方法。
3. 請求項２に記載の方法であって、
   開始停止解析ステージにおいて、データ処理フェーズで、サーキュラーバッファに保存された入力信号ａｘとａｙがハイパスフィルタリングされてそれぞれコンタクト情報を表す信号ｉ１とｉ２を生成し、ｉ１の最後の２０サンプルポイントでまたｉ２の最後の２０サンプルポイントで統計的変化が計算され、その複数の変化値は変化レベル解析のためにサーキュラーバッファに保存され、コンテクスト情報解析のために、ペンが正しい筆記位置にあって紙に近いときペンの筆記位置を表すセンサＣのデータがサーキュラーバッファに保存されてペン位置解析される、ことを特徴とする方法。
4. 請求項２または３に記載の方法であって、開始停止瞬間検出フェーズにおいて、変化レベル解析のためのサーキュラーバッファのＮサンプルポイントの解析、およびペン位置解析サーキュラーバッファのＮサンプルポイントの解析を介して、以下の条件において開始瞬間が評価される：
   最小数のコンタクトポイントと呼ばれる最小数のポイントにおいて、コンタクト情報解析バッファからの変化レベルがコンタクト情報しきい値レベルと呼ばれる以前確立したしきい値を超え、しかも
   ペン位置解析バッファからの筆記位置の最小数ポイントと呼ばれる最少数ポイントにおいて、ペンが筆記位置にある場合に、開始時点が評価され；
   開始時点が検出された後に、停止時点検出がおこなわれ、
   最小数の非コンタクトポイントと呼ばれる最小数のポイントについて、コンタクト情報解析バッファからの変化レベルがコンタクト情報しきい値レベルと呼ばれる以前確立したしきい値よりも低いこと、あるいは
   ペン位置解析バッファからの、筆記位置における最小数のポイントと呼ばれる最小数のポイント上で、ペンが筆記位置にないこと、を証明し；
   停止が検出された後に、内部開始時点評価が始まり、前記評価は開始時点評価と同じであるが、コンタクト情報しきい値レベル、コンタクトポイントの最小数および筆記位置でのポイントの最小数は異なり、
   実験的に定められた時間内に内部開始が検出されない場合、以前に確定した停止瞬間が署名の最終停止であると考え、それ以外の場合は停止検出フェーズが再度開始され、署名の最終停止が検出された後に停止時点検証がおこなわれ、その中において署名が最小長さを超えるかどうか調べられ、超える場合はその署名は保存され、超えない場合は開始時点検出フェーズが再び開始される、ことを特徴とする方法。
5. 請求項２に記載の方法であって、ＳＲＡ１アルゴリズムの場合、署名識別ステージの署名変換フェーズにおいて、直接的な逆フーリエ変換とローパス周波数フィルターを使って入力信号を署名コンポーネント（ｃ０−ｃ８）に変換し、
   その後、コンポーネントを不変量タイプ（ｃｏｄｅ０−ｃｏｄｅ１２）を定義する不変量に変換し、その際にそれぞれの値は曲線の２つの連続する区分の傾きの異なる組合わせを表し、それぞれのコンポーネントを３組の数列に変換し、３組の数列はｃｏｄｅ０−ｃｏｄｅ１２の一つである不変量ベーシックタイプ（ｉｎｖ_ｉ）と、前記不変量定義に使用したサンプルの最初のサンプルの振幅である不変量基準振幅（ａｒ_ｉ）と、波形が開始した後に不変量定義に使用したサンプルの最初のサンプルの出現瞬間である不変量基準瞬間（ｔｒ_ｉ）とから成り、
   その後、波形にできるだけ近い記述を得るために各コンポーネントは拡張コード数列として表現され、別のサブフェーズにおいて前記不変量数列の圧縮と重み付けをおこない、さらに比較フェーズにおいてそれぞれの２つの対応するコンポーネント間の距離を求め、前記決定した距離の組合わせをおこなう、ことを特徴とする方法。
6. 請求項５に記載の方法であって、圧縮および重み付けサブフェーズは以下を含む：
   ａ） 不変量セクションチャートを決定すること；
   ｂ） 拡張セクションタイプから抽出したベーシックタイプをキーとして使ってセクションチャートを並べ替えること；
   ｃ） セクションチャートを同じベーシックコードを有するサブセクションに分割すること；
   ｄ） それぞれのサブセクションについて、サブセクション長さをセクションチャートでの入力数として求めること；
   ｅ） それぞれのサブセクションについて、サブセクション要素の基準振幅平均を求めること；
   ｆ） それぞれのサブセクションについて、その要素の基準時点平均を求めること；
   ｇ） 各サブセクション要素の基準振幅をサブセクション要素の平均基準振幅に取り替えること；
   ｈ） 各サブセクション要素の基準時点をサブセクション要素の平均基準時点に取り替えること；
   ｉ） 初期の順序でセクションチャートを並べ替えること；
   ｊ） 新しい不変量数列を２組タイプの数列（ｉｎｖ_ｉ，ｃｏｓｔ_ｉ）として作ることであり、その際に最初の項はセクション要素の拡張タイプであり、２番目の項はセクション要素の基準時点と基準振幅の合計に等しい；
   ｋ） 調整曲線にしたがって、得られた数列の不変量の重み付けを調整することであり、その際、曲線不変量の総数の最初の４分の１は重さに０．５を乗じ、次の不変量の半分は重さに１を乗じ、残りは重さに１．５を乗じる、
   ことを特徴とする方法。
7. 請求項５に記載の方法であって、ＳＲＡ１アルゴリズムの場合、署名比較フェーズにおいて、直接的な逆フーリエ変換とローパス周波数フィルターを使って入力信号を署名コンポーネント（ｃ０−ｃ８）に変換し、シンボルタイプが拡張不変量コードである２つのコンポーネント間のＬｅｖｅｎｓｈｔｅｉｎタイプの距離を求め、前記シンボルコストが不変量重さであり、２つのシンボルを比較したとき
   同じ場合、
   得られたコストは２つのシンボルコストの差のモジュールに等しく；
   また２つのシンボルのタイプが異なる場合、
   得られたコストは、削除があった場合削除されたシンボルのコストを、挿入があった場合挿入されたシンボルのコストを、あるいは代入があった場合２つのシンボルコストの合計となり；
   その後、Ｌｅｖｅｎｓｈｔｅｉｎタイプの距離Ｄは正規化された距離として扱われ、最後に、ＳＲＡ１に対応する最終距離ｄ_ＳＲＡ１が入力署名のコンポーネントと現行比較データベースの署名のコンポーネントとの間のｍ個の距離の平均となるように距離を組み合わせる、ことを特徴とする方法。
8. 請求項２に記載の方法であって、署名識別ステージの署名変換フェーズのフィルタリングサブフェーズにおいて、ＳＲＡ２アルゴリズムの場合、信号ａｘ，ａｙ，ｂｘ，ｂｙにローパスフィルタをかけることにより４つの対応するフィルタリングされた入力信号を生成し、
   後処理およびコンポーネント生成サブフェーズにおいて、前記４つのフィルタリングされた入力信号に基づき６つのコンポーネントが生成され、前記６つのコンポーネントはセンサＡの瞬間加速度モジュールと、センサＢの瞬間加速度モジュールと、センサＡの瞬間速度と、センサＢの瞬間速度と、ペンの並進加速度を取り除くことによって得た加速度求心コンポーネントと、ペンの並進速度を取り除くことによって得られた速度求心コンポーネントである、ことを特徴とする方法。
9. 請求項８に記載の方法であって、署名識別ステージの署名比較フェーズにおいて、ＳＲＡ２アルゴリズムの場合、前記コンポーネントはセクションに分割され、２つの対応するコンポーネント間の距離はダイナミックタイムウォーピングタイプのアルゴリズムによって計算され、このアルゴリズムはコスト機能としてＦテスト機能を、またポイントの代わりにセクションを使い；
   その後、前記距離は［０，１］区間において正規化され、現行比較データベースの署名の６つのコンポーネントと入力署名の６つのコンポーネントとの間の６つの距離が、実験的に決められた重みによって重み付けをされてＤ_ＳＲＡ２距離を得る、ことを特徴とする方法。
10. 請求項２に記載の方法であって、結果解釈ステージにおいて、現行比較署名データベースの署名と入力署名とを比較することによってＳＲＡ１とＳＲＡ２で独立して得られた２つのベクトルは合計されて最終結果ベクトルを形成し、それらを大きい順に並べ替え、入力署名からの距離に基づいて現行比較署名データベースの署名のランクを得て；
    認証プロセスの最終回答を決定し、現行比較署名データベース内に存在する認証すべきユーザの署名までの距離の、並べ替えられた結果ベクトルにおける位置に応じて、入力署名をオリジナルとして受け入れあるいはねつ造として拒絶する、ことを特徴とする方法。

Images