字母级在线笔迹身份识别
计算机视觉与模式识别
2021-12-07 v1
摘要
笔迹身份识别（writer-id）作为生物特征识别的重要领域，旨在根据手写体识别书写者。现有 writer-id 研究中的识别需要完整文档或文本，限制了 writer-id 在现实应用中的可扩展性与灵活性。为使 writer-id 的应用更实用（例如在移动设备上），我们关注一个新问题：字母级在线 writer-id，其仅需少量所写字母的轨迹作为识别线索。与具有丰富识别上下文的基于文本文档的 writer-id 不同，仅从少数单个字母中识别作者可用的线索少得多。一个主要挑战是，一个人常随时间以不同风格书写同一字母。我们将此问题称为在线书写风格方差（Var-O-Styles）。我们以捕获-归一化-聚合的方式解决 Var-O-Styles：首先，我们通过精心设计的多分支编码器提取字母轨迹的不同特征，以尝试捕获不同的在线书写风格；然后我们通过一种新颖的归一化层将所有这些风格特征转换到参考风格特征域；最后，我们通过分层注意力池化（HAP）聚合归一化特征，将具有多种书写风格的所有输入字母融合为紧凑特征向量。此外，我们还贡献了一个大规模字母级在线笔迹身份识别数据集（LERID）用于评估。大量对比实验证明了所提框架的有效性。
引用
@article{arxiv.2112.02824,
title = {Letter-level Online Writer Identification},
author = {Zelin Chen and Hong-Xing Yu and Ancong Wu and Wei-Shi Zheng},
journal= {arXiv preprint arXiv:2112.02824},
year = {2021}
}