• Document: Klasyfikacja podpisu offline z wykorzystaniem metody DTW *
  • Size: 143.95 KB
  • Uploaded: 2018-12-05 20:30:08
  • Status: Successfully converted


Some snippets from your converted document:

XIV KBIB’05 – Tytuł sekcji Klasyfikacja podpisu offline z wykorzystaniem metody DTW* Khalid Saeed, Marcin Adamski Wydział Informatyki Politechniki Białostockiej ul Wiejska 45A, 15-351 Białystok <aida>,<adams>@ii.pb.bialystok.pl http://aragorn.pb.bialystok.pl/~zspinfo/ Streszczenie: Podpis odr czny jest cz sto stosowan metod potwierdzania to samo ci i autoryzacji wszelkiego rodzaju dokumentów. W wi kszo ci przypadków otrzymany podpis jest jedynie statycznym obrazem bez dodatkowych informacji takich jak: dynamika wykonania, siła nacisku, itp. Niniejsza praca przedstawia wybrane algorytmy słu ce klasyfikacji offline podpisu odr cznego. Punkty charakterystyczne s pozyskiwane z mapy bitowej zwieraj cej lini podpisu z u yciem 3 ró nych metod. Klasyfikacja wektorów cech charakterystycznych jest wykonana z wykorzystaniem nieliniowej transformaty czasowej DTW. W pracy przedstawiono wyniki bada z u yciem podstawowej metody DTW oraz uwzgl dniono modyfikacje takie jak: ograniczenie cie ki dopasowania, wykorzystanie pochodnej badanego sygnału – DDTW. Uzyskane rezultaty zach caj do dalszej pracy, poprawno klasyfikacji w niektórych przypadkach przekroczyła 90%. Summary: Handwritten signature is a very common way of personal identification and variety documents verification. In most cases, the acquired signature is a static image without additional features like dynamics of writing process, pen pressure, etc. This paper presents an approach for offline classification of signatures. The characteristic points are extracted from the bitmap image of the signature following three different methods. The classification of feature vectors is conducted by means of Dynamic Time Warping (DTW) algorithm. Experiments were carried out with the standard DTW algorithm and its modifications like global path constraint and Derivative Dynamic Time Warping (DDTW). The results are encouraging for further applications as the success rate reached 90% in some cases. 1. Wst p Weryfikacja to samo ci danej osoby jest bardzo wa n kwesti w dziedzinach takich, jak: kontrola dost pu, potwierdzanie autentyczno ci informacji, kryminalistyka i wielu innych. Istnieje szeroki wachlarz metod pocz wszy od podstawowych, jak podpis odr czny i odcisk palca, do nowoczesnych metod biometrycznych wykorzystuj cych zaawansowane techniki pomiaru i weryfikacji danych. Dodatkowo algorytmy kryptograficzne pozwalaj na cyfrowe podpisywanie informacji czyni c ich ródło wysoce wiarygodnym. Podpis odr czny, a zwłaszcza jego statyczna forma mimo swoich oczywistych niedoskonało ci (stosunkowa łatwo podrobienia, brak dokładnej powtarzalno ci podpisów wykonanych przez t sam osob ) jest wci bardzo powszechnie stosowany. Niniejsza praca skupia si wła nie na analizie statycznego obrazu podpisu i klasyfikacji zebranych informacji. 2. Pozyskiwanie danych Dane wej ciowe systemu stanowi mapy bitowe z obrazami podpisów. Mapy bitowe pochodz ze skanowanych dokumentów, przy czym proces segmentacji obrazu podpisu od reszty informacji jest przeprowadzony przed wprowadzeniem danych do systemu. Przykłady map bitowych z lini podpisu przedstawia rys. 1. * Praca została sfinansowana przez Rektora Politechniki Białostockiej, grant nr W/WI/3/04 1 XIV KBIB’05 – Tytuł sekcji Rys. 1. Przykłady map bitowych podpisów. 3. Ekstrakcja cech Dane w postaci mapy bitowej maj bardzo wysok wymiarowo , co stanowiłoby problem na etapie klasyfikacji. Aby zmniejszy wymiarowo zastosowano technik wyboru cech reprezentuj cych ogólny kształt podpisu opart o poj cie widoku. Prezentowane podej cie zostało z sukcesem wykorzystane w innych pracach badawczych przy rozpoznawaniu liter, słów i podpisu [3,5,6,7,8]. Dodatkowo celem zebrania informacji o wewn trznej strukturze podpisu (rozpocz cia, zako czenia linii, p tle, przeci cia) wykorzystano technik u yt w [3]. Opis powy szych metod został przestawiony w sekcji 3.1 oraz 3.2. 3.1. Wydobycie zewn trznych widoków W niniejszej pracy wyró niamy dwa rodzaje widoków: górny oraz dolny [5,8]. Widok górny składa si z maksymalnych warto ci pikseli stanowi cych lini podpisu, natomiast dolny s to warto ci minimalne. Warto ci s obliczane jako odległo ci odpowiednich pikseli od dolnej kraw dzi otaczaj cego podpis prostok ta. (a) (b) (c) Rys. 2. Podpis (b) oraz jego górny (a) i dolny (b) widok. Je li w linii widoku wyst powały przerwy to były one ignorowane. W wyniku działania met

Recently converted files (publicly available):