基于信息融合的生物特征手写签名身份认证

论文摘要

传统的身份识别技术把识别身份的问题转化为检测标识一个人身份的事物,这种方式具有无法弥补的缺陷。比如:个人的物品有可能会丢失,密码有可能会遗忘或被别人窃取,无法区分真正的用户和取得用户标识的冒名顶替者等。与传统的身份识别技术相比,生物特征自身具有广泛性、稳定性和唯一性。利用生物特征技术进行身份识别的方法具有不易遗忘、防伪性能好、不易伪造或被盗、随身“携带”和随时随地可用等优点。通过分析多种常用生物特征身份识别技术得出,手写签名身份识别的应用最广泛,并且易于为人们所接受。目前手写签名已经成为身份识别的重要手段,在一些领域得到了应用。本文针对普通的手写签名身份识别技术进行了研究,提出了一种基于信息融合的生物特征手写签名身份认证模型。模型首先分析手写签名过程中所记录的坐标特征、曲率特征以及时间信息,根据特征提取公式归纳总结出手写签名过程中所涉及的:X、Y速度零点个数、手写签名所用的总时间、手写笔在手写板上经过的总路程、总的抬笔次数5个主要生物特征,得到生物特征的原始数据;接着采用基于遗传基因算法的BP神经网络建立BP_GA子分类器,以及RBF神经网络建立RBF子分类器,对原始数据进行归一化处理得到试验数据,将其分别输入各个子分类器,得到输出结果;最后设计一种基于支持向量机(SVM)的信息融合方法,构造一个三阶的多项式支持向量机对两个子分类器的输出进行决策融合,最终达到手写签名身份识别的目的。试验结果表明,针对手写签名身份认证,经过信息融合后的生物特征认证模型的识别率(错误接受率)要明显高于(低于)单个分类器。这种基于信息融合的生物特征手写签名身份认证模型可以满足普通办公、商业合同等应用需求。

论文目录

• 摘要
• ABSTRACT
• 第一章 绪论
• 1.1 研究背景及意义
• 1.1.1 生物特征技术
• 1.1.2 手写签名技术
• 1.2 国内外研究现状
• 1.3 论文的研究内容
• 1.4 论文结构安排
• 第二章 生物特征与信息融合
• 2.1 生物特征识别技术
• 2.1.1 生物特征概述
• 2.1.2 生物特征身份认证
• 2.1.3 基于生物特征的手写签名身份认证
• 2.2 信息融合技术
• 2.2.1 信息融合
• 2.2.2 信息融合的基本原理
• 2.2.3 信息融合的层次结构
• 2.2.4 信息融合算法
• 2.3 多模态生物特征技术
• 2.3.1 信息融合与多模态生物特征
• 2.3.2 多模态生物特征技术
• 2.3.3 小结
• 第三章 数据采集与预处理
• 3.1 数据采集
• 3.1.1 采集模块
• 3.1.2 显示模块
• 3.1.3 通信模块
• 3.1.4 控制模块
• 3.2 预处理
• 3.2.1 手写板的初始化标定
• 3.2.2 数据漏点的内插
• 3.2.3 剔除虚假抬笔
• 3.2.4 去噪声
• 3.2.5 平滑
• 3.2.6 书写位置的校准
• 第四章 身份认证模型
• 4.1 模型的结构概述
• 4.2 待测特征
• 4.3 特征提取
• 4.4 特征数据库
• 4.4.1 签名样本及模板的管理
• 4.4.2 签名样本文件
• 4.4.3 签名模板文件
• 4.5 神经网络子分类器
• 4.5.1 BP 神经网络子分类器
• 4.5.2 RBF 子神经网络
• 4.6 基于支持向量机的决策层融合
• 4.6.1 使用SVM 进行决策层融合的主要思想
• 4.6.2 使用SVM 进行决策层融合的算法
• 第五章 模型应用及试验分析
• 5.1 试验数据的采集与处理
• 5.1.1 原始特征数据
• 5.1.2 样本特征向量
• 5.1.3 目标样本
• 5.1.4 仿真检测样本
• 5.2 试验结果及分析
• GA 子分类器'>5.2.1 BP_GA 子分类器
• 5.2.2 RBF 子分类器
• 5.2.3 SVM 的决策层融合
• 结论
• 参考文献
• 致谢
• 附录A 攻读学位期间所发表的论文
• 附录B 部分试验数据
• 详细摘要