Signature Verification and Recognition as a Multiparametric Process Based on a Spiking Neural Network

Abstract

Вінницький національний технічний університет, ВінницяАнотація. У статті проведено аналіз відомих методів динамічної верифікації підпису, які зведено у класифікаційну таблицю. Запропоновано метод динамічної верифікації підпису на основі спайкінгової нейронної мережі. Обрано три динамічних параметри підпису l(t), α(t), Z(t), які є інваріантними до кута нахилу підпису, а після їх нормалізації -ще й до просторового та часового масштабів підпису. Ці динамічні параметри підпису подаються на спайкінгову нейронну мережу для розпізнавання одночасно у вигляді часових рядів без попереднього перетворення у вектор статичних ознак, що, з одного боку, спрощує метод завдяки відсутності складних обчислювальних процедур перетворення, а з іншого боку, перешкоджає втраті корисної інформації, а томупідвищує точність і достовірність верифікації та розпізнавання підписів (особливо при розпізнаванні підроблених підписів, які сильно корельовані з оригіналами). Використовувана нейронна мережа має просту процедуру навчання, причому навчаються не всі нейрони мережі, а тільки вихідні. При необхідності додавання нових підписів не потрібно перенавчати всю мережу повністю, а достатньо додати кілька вихідних нейронів і навчити тільки їхні зв'язки. Ключові слова: online верифікація підпису, спайкінгова нейронна мережа, інваріантні динамічні параметри, розпізнавання підпису, біометрія, контроль доступу. Аннотация. В статье проведен обзор известных методов динамической верификации подписи, которые сведены в классификационную таблицу. Предложен метод динамической верификации подписи на основе спайкинговой нейронной сети.Выбраны три динамических параметра подписи l(t), α(t), Z(t), которые являются инвариантными к углу наклона подписи, а после их нормализацииеще и к пространственному и временному масштабам подписи. Эти динамические параметры подписи подаются на спайкинговую нейронную сеть для распознавания одновременно в виде временных рядов без предварительного преобразования в вектор статических признаков, что, с одной стороны, упрощает метод благодаря отсутствию сложных вычислительных процедур преобразования, а с другой стороны, препятствует потере полезной информации, а поэтомуповышает точность и достоверность верификации и распознавания подписей (особенно при распознавании поддельных подписей, которые сильно коррелированы с оригиналами). Используемая нейронная сеть имеет несложную процедуру обучения, причем обучаются не все нейроны сети, а только выходные. При необходимости добавления новых подписей не нужно переучивать всю сеть целиком, а достаточно добавить несколько выходных нейронов и научить только их связи. Ключевые слова: online верификация подписи, спайкинговая нейронная сеть, инвариантные динамические параметры, распознавание подписи, биометрия, контроль доступа. Abstract. The article reviews the known methods of dynamic signature verification, which are summarized in the classification table. A method of dynamic signature verification based on a spiking neural network is proposed. Three dynamic parameters of the signature l(t), α(t)...

Dynamic Handwritten Signature Identification Using Spiking Neural Network

“…2); 2) the product of the coordinates X(t) and Y(t); 3) pen pressure on the tablet P(t). These parameters were taken because they are invariant to the slope of the signature with respect to the sides of the plate [13,14]. And the amplitude and temporal normalization [14] indicated in Fig.…”

“…These parameters were taken because they are invariant to the slope of the signature with respect to the sides of the plate [13,14]. And the amplitude and temporal normalization [14] indicated in Fig. 1 makes these parameters also invariant to the spatial and temporal scales of a specific signature implementation and the shift of its location on the tablet field.…”