导读:本文包含了签名特征论文开题报告文献综述及选题提纲参考文献，主要关键词:文件检验,电子签名,笔迹特征,变化规律
签名特征论文文献综述
王少仿,王珊珊[1]（2019）在《手写电子签名笔迹特征变化规律的实验研究》一文中研究指出邀请四名大学生使用七台不同品牌与型号的电子签名设备,分别以不同执笔方式、书写压力书写签名;然后运用控制变量法,对实验样本进行分析,研究电子签名笔迹的概貌特征与细节特征,总结笔迹特征的种类及变化规律,探索不同品牌与型号的手写设备对签名笔迹特征的影响。本研究可为手写电子签名笔迹检验寻求理论支撑,并应用于司法实践工作。(本文来源于《警察技术》期刊2019年06期）
吴坤帅,魏仲慧,何昕,李佩君[2]（2019）在《基于笔划叁维深度特征的签名识别》一文中研究指出针对熟练伪造签名识别正确率较低的问题,提出了基于笔划叁维深度特征的个人签名识别方案。首先采集不同书写者的真实签名及他人的套摹签名,用高精度的体式显微镜分别对签名笔划进行扫描,获取签名笔划的表面叁维点云数据。然后通过高斯滤波器滤掉叁维点云数据中的噪声,计算签名笔划的平均深度、沿笔划方向深度标准差以及熵等统计特征。之后,对数据集进行数据增强,增加签名数据的数量。最后,将签名数据分为训练集和测试集,在不同训练比例下使用分类器(包括SVM、KNN、ANN)进行分类。实验结果显示,本文算法在本地签名数据集上的最佳识别正确率为98.69%,优于大多数传统算法,满足实际应用的要求。(本文来源于《液晶与显示》期刊2019年10期）
涂舜[3]（2019）在《电子签名笔迹与普通签名笔迹的笔迹特征比较分析》一文中研究指出电子签名笔迹自由样本缺失时,能否将普通签名笔迹用作比对样本,是司法实践中检验人员关注的重要问题之一。从文件检验理论和实践入手,比较电子签名笔迹与普通签名笔迹间笔迹特征的异同,明确同一人书写的电子签名笔迹较之于普通签名笔迹,在书写水平、字体字形、笔画形态、笔顺等笔迹特征上的稳定性和变化性,进而为司法鉴定实践中电子签名笔迹的真实性检验提供有益参考。(本文来源于《中国刑警学院学报》期刊2019年04期）
韩丹岩,王长亮,倪巧合[4]（2019）在《同一人运动后签名与临摹签名笔力特征比较研究》一文中研究指出运动后笔迹与临摹笔迹分属于书写条件变化笔迹和摹仿笔迹,两者在二维层面的特点颇为相似,一旦误判就会造成鉴定意见失误。收集30名书写人上、下肢高、低强度运动后签名及临摹签名样本,利用笔迹叁维信息提取分析仪提取签名笔迹压痕深度信息,比较分析同一人运动后签名与其临摹签名间书写压力规律的异同。总体而言,同一人临摹签名笔力普遍略重于运动后签名,且笔力骤变较多;上肢运动对笔力影响大于下肢运动,运动强度越大,笔力越轻;同一人的临摹与运动后笔迹在部分笔力特征上具有一致性。在一定条件下,可根据笔力大小及曲线形态特征,辅助鉴别运动后笔迹与临摹笔迹,对少量字及疑难笔迹检验具有参考价值。(本文来源于《中国刑警学院学报》期刊2019年04期）
王少仿,王杰[5]（2019）在《电子签名笔迹特征变化的原因探析》一文中研究指出由于数字手写技术所需要的书写工具和书写承受物与传统书写方式迥然有异,导致电子签名笔迹特征与传统笔迹特征存在诸多差异,极大地增加了检验难度。通过实验性研究,比较电子签名笔迹与正常签名笔迹的特征异同,探析不同品牌、同一品牌不同型号的电子签名设备所形成的手写电子签名笔迹特征发生的变化及其成因,总结特征变化规律,可为电子签名笔迹的准确鉴定提供可靠依据。(本文来源于《铁道警察学院学报》期刊2019年04期）
张淑婧[6]（2019）在《基于局部特征的维吾尔文离线手写签名鉴别技术研究》一文中研究指出生物特征识别技术已经逐渐代替传统的加密认证方式,其中离线手写签名鉴别技术研究是生物特征识别技术研究中的重要领域之一。离线手写签名鉴别现已被应用在很多方面,例如金融、司法等。离线手写签名以静态图像的形式进行存储,图像仅存在静态特征。因此,提取出有效的签名图像特征,在进行离线手写签名鉴别研究中至关重要。本文对本地自建的维吾尔文手写签名数据库和CEDAR数据库中的离线手写签名鉴别进行研究。通过对签名样本的特点进行分析,签名之间的特异性主要表现在其样本中的局部不同。本文提出了基于边缘信息和基于分块理论的特征,并且使用特征融合的方法提高签名鉴别准确率。本文主要工作如下:(1)对离线手写签名鉴别技术的相关概念和研究现状进行介绍和总结,分析了在离线手写签名鉴别研究中存在的困难之处;(2)对签名样本图像进行预处理操作。在进行大小归一化、灰度化、二值化和平滑去噪处理时分别使用双线性插值、加权平均法、Otsu、双边滤波等方法;(3)提出基于分块理论的融合纹理特征。对签名进行分块处理后,对每个分块中的图像提取MB-LBP和LPQ两种纹理特征,并将提取到的所有纹理特征融合为基于分块理论的纹理特征。使用支持向量机和随机森林分类器对签名进行鉴别,在维吾尔文签名数据库中总正确率为96.06%,在CEDAR数据库中总正确率为97.04%;(4)提出一种基于边缘信息的高维特征。获得签名样本的边缘图像后,提取SURF和ORB特征点并融合,建立基于边缘信息的改进视觉词袋模型。同时,对签名提取边缘方向直方图。将改进视觉词袋模型和边缘方向直方图融合,形成基于边缘信息的高维特征,使用SVM和RF分别进行签名鉴别,最终对维吾尔文签名鉴别的总正确率为93.69%,对CEDAR数据库进行签名鉴别的总正确率为96.17%。通过对本地维吾尔文手写签名数据库和CEDAR数据库中签名进行实验,所能得到的最高总正确率分别为96.06%和97.04%。所以,本文所提出的方法在进行离线手写签名鉴别时有较好的准确性。(本文来源于《新疆大学》期刊2019-06-03）
董礼[7]（2019）在《基于签名视频中人手特征的身份验证系统》一文中研究指出使用金融交易卡来进行交易支付已经成为了绝大多数人的日常行为。但是金融交易卡的交易安全性并不是十分优秀,即使在较为容易被读取和写入的磁条卡逐渐被芯片卡替代后,各种失卡冒用和伪造现象也是层出不穷。迄今为止,金融交易卡也仅仅是通过单一的用户输入密码来进行验证,但单薄而简陋的六位数字密码并不能很好的保障交易安全。在进行金融交易卡的交易时,无论是否需要进行密码验证,用户均需要通过签字来确认交易,而用户签字这一个人行为里含有极多的用户个人特征。本文将针对用户在刷卡签字过程中记录到的手部签字视频设计算法从而进行身份验证,考虑到签字是已经存在的交易步骤,这并不会额外增加用户负担。本文主要处理内容如下:(1)用户签字视频中签字帧的提取。在一段用户处于自然场景下的签字视频中,同时存在用户处于签字状态的视频帧与非签字状态的视频帧,因此在进行用户身份验证之前,需要去除掉包含无关信息的非签字状态下的视频帧,防止无关信息影响最终的身份验证结果,因此,本文提出了一种基于深度学习中双流卷积神经网络的关键帧提取算法,用以提取出用户处于签字状态的视频帧。(2)签字帧中的手部区域分割。在自然场景下用户处于签字状态的视频帧除了包含用户的人手信息外,还夹杂着许多干扰因素,因此需要将签字帧中的手部区域分割出来,使最终得到的身份验证结果仅仅与用户处于签字状态的手有关。因此本文设计了较为快速的基于深度学习的实例分割网络,将非用户进行签字动作的手部的区域处理掉,保证身份识别的有效性。(3)特征提取和身份识别。在提取到用户处于书写状态的视频帧和相应的手部分割图像后,为了进行有效、准确的身份识别工作,需要对人手部的图像信息和运动信息进行良好的特征提取,本文提出了融合了注意力机制的双流网络,将精细的图像信息和运动信息相结合,实现身份识别。(本文来源于《哈尔滨工业大学》期刊2019-06-01）
涂舜[8]（2019）在《电子签名笔迹的动态特征:种类、价值及其运用》一文中研究指出随着现代社会不同领域电子签名的广泛运用,司法实践中对电子签名笔迹的真实性检验,可能会逐渐成为当前与未来文件检验界的重要课题。但迄今为止,电子签名笔迹的笔迹特征种类及其价值大小仍处于探索阶段,特别是有别于普通签名笔迹的动态特征方面,理论界讨论更少。为了充分利用电子签名笔迹的笔迹信息,提高电子签名笔迹检验的准确性、可靠性,我们需要侧重分析电子签名笔迹动态特征的种类,论述该类特征在电子签名笔迹检验中的价值。最后,通过在电子签名摹仿笔迹中对动态特征的运用效果进行检验验证,本文提出了利用电子签名笔迹动态特征检验鉴定的要点。(本文来源于《证据科学》期刊2019年02期）
张亚升[9]（2019）在《基于多分辨率特征融合的离线中文签名识别研究》一文中研究指出随着社会的不断发展,身份识别变得越来越引起人们的重视,个人签名作为身份的象征,在身份识别方面已经成为重要的识别工具。因此对签名识别的深入研究有很大的应用价值和实际意义。本文主要研究离线中文签名的特征提取与设计识别方案。主要内容分为叁部分,第一部分是签名图像数据集的建立与图像的预处理工作,首先搜集在校大学生的真实签名和虚假签名来建立数据集,然后对建立的数据集进行归一化、二值化、平滑去噪等预处理步骤来降低外界因素的干扰和签名图像的噪声。第二部分是对签名图像的特征提取过程,首先提取了签名图像的7维几何矩特征,然后通过分析不同分辨率下签名图像的特点提出了基于多分辨率技术的几何矩特征提取方法,提取了叁种不同分辨率下的几何矩特征。其次,提取了包含图像灰度信息的18维灰度直方图特征。最后,根据签名字体的书写风格提取了3维的笔划密度特征。第叁部分是签名图像特征融合和识别。首先对提取的几何矩特征进行串行融合和并行融合实验,并通过朴素贝叶斯分类器进行识别。实验发现,通过本文提出的几何矩提取方法,对不同分辨率下提取的几何矩特征进行串行融合后签名识别率为89.23%,并行融合后识别率可以达到89.6%,比采用原始方法得到的几何矩特征进行识别时识别率分别提高1.19%和1.56%。然后设计了新的签名图像识别方案,即先对不同分辨率下提取的几何矩特征进行串行融合,然后把灰度直方图特征和笔划密度特征与其进行串行组合。对得到的42维特征利用朴素贝叶斯分类器进行分类识别,签名图像的识别率达到了94.87%。最后从签名图像的个数、签名特征的维数和签名识别效率叁个方面将本文提出的识别方案与其他学者的方案相比较,发现本文的识别方案在识别效率上具有一定优势,平均识别一个签名的总耗时仅为0.15秒,并且本文使用较少的签名特征就取得了不错的识别准确率。综合比较可以得出本文提出的签名图像识别方案的识别率以及识别效率是可行的。(本文来源于《湘潭大学》期刊2019-04-08）
曾苗苗,王相臣[10]（2018）在《电子签名笔迹时长特征和压力特征的实验研究》一文中研究指出为弥补电子签名笔迹特征研究的空白,全面认识电子签名笔迹的特点,进而为电子签名笔迹检验提供理论基础,本文利用在数位板上书写的电子签名笔迹为研究对象,使用movalyzer数据分析软件提供的原始数据绘制图表。本文主要研究电子签名笔迹的整体特点,并重点研究起动态特征中的压力特征和时长特征,为电子签名笔迹的进一步深化研究和笔迹量化的科学研究提供参考依据。(本文来源于《广东公安科技》期刊2018年03期）
签名特征论文开题报告
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
针对熟练伪造签名识别正确率较低的问题,提出了基于笔划叁维深度特征的个人签名识别方案。首先采集不同书写者的真实签名及他人的套摹签名,用高精度的体式显微镜分别对签名笔划进行扫描,获取签名笔划的表面叁维点云数据。然后通过高斯滤波器滤掉叁维点云数据中的噪声,计算签名笔划的平均深度、沿笔划方向深度标准差以及熵等统计特征。之后,对数据集进行数据增强,增加签名数据的数量。最后,将签名数据分为训练集和测试集,在不同训练比例下使用分类器(包括SVM、KNN、ANN)进行分类。实验结果显示,本文算法在本地签名数据集上的最佳识别正确率为98.69%,优于大多数传统算法,满足实际应用的要求。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
签名特征论文参考文献
[1].王少仿,王珊珊.手写电子签名笔迹特征变化规律的实验研究[J].警察技术.2019
[2].吴坤帅,魏仲慧,何昕,李佩君.基于笔划叁维深度特征的签名识别[J].液晶与显示.2019
[3].涂舜.电子签名笔迹与普通签名笔迹的笔迹特征比较分析[J].中国刑警学院学报.2019
[4].韩丹岩,王长亮,倪巧合.同一人运动后签名与临摹签名笔力特征比较研究[J].中国刑警学院学报.2019
[5].王少仿,王杰.电子签名笔迹特征变化的原因探析[J].铁道警察学院学报.2019
[6].张淑婧.基于局部特征的维吾尔文离线手写签名鉴别技术研究[D].新疆大学.2019
[7].董礼.基于签名视频中人手特征的身份验证系统[D].哈尔滨工业大学.2019
[8].涂舜.电子签名笔迹的动态特征:种类、价值及其运用[J].证据科学.2019
[9].张亚升.基于多分辨率特征融合的离线中文签名识别研究[D].湘潭大学.2019
[10].曾苗苗,王相臣.电子签名笔迹时长特征和压力特征的实验研究[J].广东公安科技.2018