Классификация подходов к идентификации рукописной подписи

Отличить настоящую подпись от поддельной визуально достаточно сложно, ведь даже подписи одного и того же автора могут существенно различаться. В этой связи возникла задача создания автоматических систем проверки подписи. Они используют подпись off-line (статическую, написанную на бумаге) или on-line (динамическую, написанную на экране графического планшета). При использовании статической подписи используется только информация о ее изображении. При применении динамической подписи используется следующая информация:

• -    координата X

• -    координата У

• -    величина нажатия

• -    величина наклона

• -    азимут.

Естественно, системы, использующие динамическую подпись для подтверждения документов, имеют большую эффективность.

Разработано много методов идентификации динамической подписи.

Существующие методы идентификации основаны на применении того или иного признака в идентификациии.

Признак называется глобальным , если он извлекается из всей подписи (например, длина траектории подписи, полное время записи, средняя скорость, среднее ускорение, время поднятия пера).

Признак называется локальным , если он извлекается из каждой точки подписи (координаты, значения скорости и ускорения).

Признак называется сегментарным , если подпись поделена на сегменты и признак получен из целого сегмента.

Положив в основу определенные признаки, выделяют два разных подхода к идентификации динамической подписи.

• 1.    Параметрический подход производит вычисление и сравнение значений глобальных признаков, или параметров , подписи. Значения признаков шаблонных подписей сохраняются на карте. Множество знначений признаков иногда называются “сжатием” подписи.

• 2.    Второй подход, называемый функциональным , предполагает значимыми значения всех выбранных локальных признаков подписи и осуществляет поточечное сравнение шаблонной и тестовой подписей с использованием множества этих значений. Этот подход обычно требует больше информации о подписи. Например, если дана обычная подпись, семплированная со скоростью 200 Гц, возможно получить 1000 и более точек; если в каждой точке вычисляются значения 25 признаков, то для одной подписи имеем 25000 значений признаков, необходимых для сравнения с таким же количеством значений признаков других подписей.

Сделать вывод о том, какая из описанных техник распознавания подписи лучше, достаточно сложно.

Однако в последнее время стало очевидным, что функциональный подход к распознаванию подписей превосходит чисто параметрический. Современные методы идентификации либо основаны на функциональном подходе, либо сочетают функциональный и параметрический подходы.

Исследования [1] показывают, что использование чисто параметрического подхода не может обеспечить величину EER менее 5%. Поэтому в новейших разработках используется функциональный подход и в проводимых исследованиях достигается высокая эффективность – EER менее 5%. Разработка систем распознавания on-line подписи – активно развивающаяся область и результаты исследований будут улучшаться.