基于书写者特定特征选择与模糊相似度度量的在线签名验证
计算机视觉与模式识别
2019-05-22 v1
摘要
在线签名验证（OSV）是数字取证中用于用户行为特征验证的广泛使用的生物特征属性。在本稿件中，由于较大的个体内变异性，提出了一种基于区间符号表示和基于书写者特定参数选择的模糊相似度度量的 OSV 新方法。两个参数，即用于验证书写者的书写者特定接受阈值和最优特征集，是基于在参数固定阶段使用训练签名样本所获得的最小等错误率（EER）来选择的。这与当前的 OSV 技术不同，后者主要是书写者无关的，即选择共同的特征集和接受阈值。为证明我们系统的鲁棒性，我们使用四个标准数据集即 MCYT-100（DB1）、MCYT-330（DB2）、SUSIG-Visual 语料库和 SVC-2004-Task2 对我们的系统进行了详尽评估。实验结果通过比许多近期及最先进的 OSV 模型实现更低的错误率，证实了基于模糊相似度量的书写者相关参数选择对于 OSV 的有效性。
引用
@article{arxiv.1905.08574,
title = {Online Signature Verification Based on Writer Specific Feature Selection and Fuzzy Similarity Measure},
author = {Chandra Sekhar and Prerana Mukherjee and D. S. Guru and Viswanath Pulabaigari},
journal= {arXiv preprint arXiv:1905.08574},
year = {2019}
}
备注
accepted in Applications of Computer Vision and Pattern Recognition to Media Forensics, CVPRW, 2019, Long Beach, California