72、使用特征多集和交互式特征选择实现自动签名验证的最佳定性性能

使用特征多集和交互式特征选择实现自动签名验证的最佳定性性能

1. 引言

签名的类型由书写工具和数据采集方式决定，主要分为在线签名和离线签名。在线签名可通过三轴书写笔、数字化绘图板或手套等获取；离线签名则常见于信件、合同和银行支票等。本文聚焦于离线签名验证的研究。

在签名验证领域，早期有许多相关研究。1986 年，Ammar 等人首次成功验证了熟练伪造签名，其提取签名中高压区域（HPRs）的原理被后续研究者采用并深入研究。1989 年，他们研究了形状特征、HPR 特征及其组合在自动签名验证（ASV）中的应用，并探讨了单个形状特征、不同形状特征集以及混合特征集的有效性，还利用开发的特征选择算法自动确定验证阈值 VTH。1990 年，Ammar 采用签名投影和匹配提取新特征，并评估了这些新特征和之前特征的性能。后来，其他研究者使用 Ammar 等人引入的投影和形状特征，结合支持向量机（SVM）和人工神经网络（ANN）技术进行离线 ASV 研究。

在实际应用方面，1995 年，Ammar 等人实现了可在 DOS 系统下运行于个人电脑的便携式离线 ASV 软件（SIGVA 1.0）。2002 年，用于美国银行银行间支票成像（ICI）环境的离线 ASV 系统投入实际使用，该系统的开发解决了从嘈杂文档中提取签名图像、识别多签名账户中的签名者以及在单参考签名（SRS）情况下进行验证等问题。

SVM 分类器自 1992 年引入以来，在模式识别应用研究中广受欢迎，也被广泛应用于 ASV 研究。然而，在实际的 ASV 场景中，仅对真实类进行训练时，SVM 的错误率较高，因此被认为不太适合实际的 ASV 系统。

本文将简要介绍基于特征多集（MSF）的离线 ASV