买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

摘要：基于人工智能实现离线手写签名验证的方法，针对离线场景下的手写签名验证问题，使用SVM以及孪生神经网络框架进行特征提取与结果分类，同时使用逆鉴别网络思想，对输入的签名图片进行像素反转，得到多组数据同时进行验证；本发明方法不仅使用了深度学习的方法，而且同时结合了机器学习的方法，使得本发明的方法可靠性和准确率更高。

主权项：1.基于人工智能实现离线手写签名验证的方法，其特征在于：所述方法包括下列操作步骤：1将待验证签名图片M1按照第一特征提取方法进行预处理，获得待验证签名图片M1的纹理特征F1；将真实签名图片M2按照第一特征提取方法进行预处理，获得真实签名图片M2的纹理特征F2；所述的第一特征提取方法的具体内容是：对签名图片依次进行灰度化、去背景、直方图位移、尺寸调整、插值和量化、计算灰度共生矩阵和计算纹理特征等操作；2将所述的纹理特征F1和F2输入到第一判决器，获得第一判决结果D0；所述第一判决结果D0取值只能是0或1，0表示不是同一个人的签名，1表示是同一个人的签名；所述的第一判决器是SVM分类器；3将待验证签名图片M1按照第二特征提取方法进行预处理，获得待验证签名图片M1的深度特征P1；将待验证签名图片M1的翻转图片IM1按照第二特征提取方法进行预处理，获得待验证签名图片M1的翻转图片IM1的深度特征IP1；将真实签名图片M2按照第二特征提取方法进行预处理，获得真实签名图片M2的深度特征P2；将真实签名图片M2的翻转图片IM2按照第二特征提取方法进行预处理，获得真实签名图片M2的翻转图片IM2的深度特征IP2；所述的第二特征提取方法是通过骨干网络和注意网络来提取图片的深度特征的方法；4将所述的深度特征P1和P2组成融合特征FP1，输入到第二判决器，获得第二判决结果D1；所述第二判决结果D1取值只能是0或1，0表示不是同一个人的签名，1表示是同一个人的签名；将所述的深度特征P1和IP2组成融合特征FP2，输入到第三判决器，获得第三判决结果D2；所述第三判决结果D2取值只能是0或1，0表示不是同一个人的签名，1表示是同一个人的签名；将所述的深度特征IP1和P2组成融合特征FP3，输入到第四判决器，获得第四判决结果D3；所述第四判决结果D3取值只能是0或1，0表示不是同一个人的签名，1表示是同一个人的签名；将所述的深度特征IP1和IP2组成融合特征FP4，输入到第五判决器，获得第五判决结果D4；所述第五判决结果D4取值只能是0或1，0表示不是同一个人的签名，1表示是同一个人的签名；所述的第二、三、四、五判决器由结构和参数完全相同的孪生神经网络构成；5按照下式计算最终验证结果D，D＝D0+D1+D2+D3+D4如果D值大于等于3，则签名为真，否则为假。

全文数据：

权利要求：

百度查询： 北京邮电大学 基于人工智能实现离线手写签名验证的方法