基于优化DTW算法的在线签名鉴别研究

刘敏

摘 要：随着科学技术的发展，为进一步提高签名的方便与安全，科研人员研究出了一种基于生物特征的认证技术，名为在线手写签名鉴别法。该技术具有高防伪性与使用方便的优点，其主要的鉴别原理是首先对签名字迹进行提取，然后分析书写信息的特征，再通过计算判定签名与真实签名是否出自同一人之手。这项技术由于其安全、便捷的优点，成为了时下比较热门的一项研究实验，它的技术成型将会给电子商务、电子政务等领域带来巨大的影响。在签名识别的过程中，提出了一种加权的DTW改进在线签名算法且明显看出，加权DTW发方法比传统的DTW方法更具有高效性。

关键词：签名认证  动态时间规整  权值特征

中图分类号：TP391    文献标识码：A 文章编号：1674-098X（2015）10（c）-0150-02

手写签名认证研究的方向主要是签名的动态特征，如笔记的压力数据处理分析和对其线速度、角速度以及加速度的计算。它的过程是人脑在受到指令之后做出的视觉反馈和力反馈，它与传统的身份识别方式相比，在线手写签名鉴别不会丢失、采样过程简单、且安全性高，其应用技术已经有了一定的研究成果，获得了较为广泛的应用。

1 手写签名的鉴别

1.1 手写签名鉴别的难点

现有的其他生物特征认证鉴别方法多种多样，但签名鉴别较之其他方法效率最高。人们普遍都具有书写文字的技能，因此，它在人们的日常生活中使用起来是很方便的。实际上，人们在不断的成长中，身体各方面的条件都会产生变化，其笔迹也会发生相应的改变，这就给签名验证系统带来了一个难题。面对这种情况，我们就需要为签名鉴别系统提供更多的样本作为参考，这也使得签名的可变化范围变广，使得他人伪造签名的机会加大，这是对签名鉴别系统的一大考验。

1.2 手写签名鉴别的过程

手写签名鉴别的过程包括签名获取、数据预处理、特征提取、签名匹配四个阶段，最后由签名的比对得出鉴别的结果。

每个人在签名时的运笔速度、运笔压力以及书写习惯都是不同的，这就给研究找到了一个切入点，我们称这一点为签名特征研究。通常通过研究压力、峰值、书写时间、平均能量等方面获取签名的特征。由于在识别对象时特征是一项很有代表性的依据，因此我们在特征选取的时候，要以可靠性作为特征的选取方向，尽量选取个数少的、独特的特征作为代表。由于签名的形状与结构是比较容易模仿的，但是伪造者在伪造时无法模仿出真实笔迹的瞬时特征，所以我们在特征选取时会做到这两方面的工作，提高结果的准确性，增加伪造的难度。

2 动态时间规整方法

2.1 DTW算法原理

在DTW算法的原理中，动态时间弯折概念是其主要的核心。其思想为在参考模板和测试模板的签名特征之间找到一条优化路径，为时间校准匹配路径，实现过程具体如下。

假设有2个满足时序约束的序列，分别为模板特征序列A与测试模板序列B。

A=a₁，a₂，…，a_m，…，a_M

B=b₁，b₂，…，b_n，…，b_N

两组序列之间相对应的时间变化关系表示为如下函数公式：

f=c（1），c（2），…，c（i），…，c（I）               （1）

其中，c（i）=（m（i），n（i）），c（i）代表在第i次特征匹配时，测试特征序列B中的第n（i）帧与模板特征序列A中第m（i）帧的进行比较。c（i）可视为m-n平面坐标中的一个点，连接点c（i）和点c（i+1）形成一条曲线，这条曲线就是时间弯折曲线，即模板特征序列A与测试模板序列B的匹配路径。

再将模板中的第m帧和测试序列中第n帧进行匹配的局部匹配距离作为d（i）的定义，d（i）=（m（i），n（i））。通过计算两个序列中的相对平均匹配距离，将其规整到一个最相似的范围内，然后在范围内对签名的真实性进行判断。

2.2 加权DTW方法

传统的动态时间规整认为，每一个签名的采样点在签名的轨迹上作用是相同的，因此产生了相同标准的假设，然而我们要知道，实际上采样点的重要性并不一样。所以，在考虑到不同采样点在DTW算法中所占有不一样的重要程度这一点，采用给每个采样点加入权值的方法，达到区分重要采样点和降低次要采样点的效果。在权值的选取上，通过观察速度、加速度、压力三个值的采样点变化，通过分析计算，比较单项特征权值对DTW的改进能力，然后找出最优的权值组合方法。在加权DTW方法的具体计算中，首先定义一个加权函数W（n），令1≤n≤N。分不同的特征权值给出计算公式，以下分别为加速度、压力、压力的平方和以及压力与加速度的权组合的公式。

加速度：W（n）=1/（A（n）  A（n?1））

压力：W（n）=1/（P（n）?P（n?1））

压力的平方和：W（n）=αP+β P2

压力与加速度的权组合：W（n）=αW1+βW2，其中α+β=1

在实验中，实验的数据标准来源于MCYT-100双模数据库，将测试中的测试模板与作为真实签名的参考模板进行匹配。对比的结果匹配距离小的为真，反之为假。

加权DTW算法的基本流程分为四个步骤，签名数据的初始化、预处理信息的输入、数据的规整以及最后结果的输出。在进行算法的过程中主要用到了importdata函数对数据进行读取，然后使用欧氏距离匹配的方法对参考模板与测试模板的距离进行测试，然后用到上一节介绍过的权值公式对其进行计算，将得出的结果带入：

D（i，j）=min[D（i-1，j-1），D（i-1，j-1），D（i，j-1）]+w（i）d（ri，ti）中進行累积距离的计算，最终以此求出规整路径。

2.3 加权DTW算法的结果分析

在实验结果的分析中分析了不同权值时计算的结果，利用加权DTW算法算出来的结果，其误识率、误拒率、误接率都比传统的DTW算法有所降低。主要有以下实验结果：

（1）当把加速度作为权值特征时，利用加速度的公式计算权值。部分真签名在加权前后的匹配距离的误拒率分别为28%与16%，误接率分别为24%与12%。该数据说明，加速度权值特征的引入，使得签名真伪的可区分性得到了优化。

（2）当把压力作为权值特征时，利用压力权值特征公式进行计算。当把压力的平方和作为权值特征引入加权DTW算法时，利用压力的平方和公式计算权值可以算出，当误拒率最小的时候α为0.5，β为0.4。

（3）在压力与加速度的组合权值特征运算中得出的数据表明，最好的α与β取值为0.6和0.4，此时的误识率和误拒率最低。

因为每一个签名采样点对于鉴别的结果影响都是不同的，我们提出了引入加权的理念。加权的方法可以较好地区分和识别每一个采样点对于数据的影响重要程度，使签名鉴定的结果更准确，签名的真伪区分能力显著提升，大大提高了鉴别的效率。

3 结语

现代社会对于各种安全验证技术提出了更高的要求，更多的新型安全技术被开发出来，在该文的研究中，基于DTW算法原理，以将每一个采样点的作用充分发挥出来为目的，引入了加权特征的概念，着重介绍了改进后的加权DTW算法。综合来看，DTW算法在在线签名中是非常适用的，我们也对加权算法也提出了展望，希望达到加权DTW算法的优化与完善。

参考文献

[1] 徐陶伟，郑建彬.基于跳变点能量的DTW匹配在线手写签名验证算法[J].计算机应用研究，2007（8）：84-86.

[2] 方平.基于特征函数法的在线签名鉴别研究[D].中国科学技术大学，2006.

[3] 刘蕾，段会川.加权DTW方法及其在手写签名鉴别中的应用[D].山东师范大学，2011.