基于新 COLD 特征的手写分析用于族群/国籍识别
计算机视觉与模式识别
2018-06-20 v1 人工智能
计算几何
计算与语言
摘要
当犯罪涉及不同国籍人员时，法医调查团队对犯罪的识别具有挑战性。本文提出一种基于手写部件线分布云（COLD）特征的族群（国籍）识别新方法。该方法首先利用图像中每行的轮廓像素切线角以及每行强度均值来分割文本行。对于分割出的文本行，我们利用切线角和基线方向去除图像中的规则线。我们使用多边形近似来寻找边缘部件轮廓的主导点。然后该方法连接每个主导点的最近主导点，从而得到主导点对线段。对于每条线段，该方法估计角度和长度，给出极域中的一个点。对于所有线段，该方法在极域中生成稠密点，从而得到 COLD 分布。由于字符部件形状随国籍变化，分布形状也随之改变。该观察基于分布像素到分布主轴的距离提取。然后将特征送入 SVM 分类器以识别国籍。在一个复杂数据集上进行的实验表明，所提方法有效且优于现有方法。
引用
@article{arxiv.1806.07072,
title = {A New COLD Feature based Handwriting Analysis for Ethnicity/Nationality Identification},
author = {Sauradip Nag and Palaiahnakote Shivakumara and Wu Yirui and Umapada Pal and Tong Lu},
journal= {arXiv preprint arXiv:1806.07072},
year = {2018}
}
备注
Accepted in ICFHR18