用于签名验证的神经网络运动学与动力学特征建模
机器学习
2024-11-28 v1
摘要
在线签名参数基于人类特征，拓展了自动签名验证的适用性。尽管已提出运动学和动力学特征，但准确测量如肩部和前臂扭矩等特征仍具有挑战性。我们提出两种用于估计角速度、角位置和力矩的方法。第一种方法涉及使用物理UR5e机器人臂在捕获参数的过程中复现签名。第二种方法是一种具有成本效益的方法，使用神经网络来估计相同参数。我们的发现表明，简单神经网络模型可以提取有效的参数用于签名验证。使用MCYT300数据集进行训练，并与其他数据库（包括BiosecurID、Visual、Blind、OnOffSigDevanagari 75和OnOffSigBengali 75）进行交叉验证，确认了模型的泛化能力。
引用
@article{arxiv.2411.17506,
title = {Neural network modelling of kinematic and dynamic features for signature verification},
author = {Moises Diaz and Miguel A. Ferrer and Jose Juan Quintana and Adam Wolniakowski and Roman Trochimczuk and Konstantsin Miatliuk and Giovanna Castellano and Gennaro Vessio},
journal= {arXiv preprint arXiv:2411.17506},
year = {2024}
}