تصديق برخط امضا با استفاده از ويدئو

Video Based Online Signature Verification

يكي از روش‌هاي تشخيص هويت افراد، امضا يا دست خط هر فرد مي‌باشد. در اين مقاله روشي براي تشخيص امضاي يك فرد بر مبناي اطلاعات پوياي موجود در ويدئوي دست فرد امضاكننده در حين امضا ارائه شده است. روش پيشنهادي شامل چهار مرحله است. در مرحله اول تصوير پيش‌زمينه كه شامل دست و قلم فرد امضاكننده است، در هر فريم استخراج مي‌شود. در مرحله بعد مختصات نوك قلم تصوير پيش‌زمينه در هر فريم تعيين مي‌شود تا بتوان شكل امضا را با پيوند دادن اين نقاط تشكيل داد. در اين مرحله روشي براي تشخيص و رفع خطا در يافتن مختصات نوك قلم ارائه شده است. در مرحله سوم، تعدادي ويژگي مربوط به شكل امضا و تصوير انرژي حركتي از امضاي هر فرد استخراج مي‌شود. در مرحله آخر مدل امضاي هر فرد تشكيل مي‌شود كه توسط آن امضاهاي اصلي از جعلي تميز داده شود. به‌منظور آزمايش روش پيشنهادي از پايگاه داده‌اي كه در كار اين مقاله تهيه شده و شامل امضاهاي 50 فرد است استفاده مي‌شود. از 13 امضاي اصلي هر فرد براي آموزش و تشكيل مدل امضا و از 8 امضا اصلي ديگر و 8 امضاي جعلي براي آزمايش روش پيشنهادي استفاده مي‌شود. دقت و نرخ خطاي برابر،معيارهاي ارزيابي كمَي روش پيشنهادي هستند. مقادير اين دو معيار براي روش پيشنهادي به ترتيب 95/02 و 3/8 درصد به دست آمده است.

Signature is one of the personal identification methods. In this paper we have proposed a signature identification approach which is based on using dynamic information of signature video. It composes of four stages. First, the foreground image is extracted. Second the signature shape is obtained by detecting and tracking the pen tip in each frame. The pen tip detection error rate is decreased using a proposed modification. Third, some features based on energy motion image are calculated. At the last stage, the signature model is formed which is used in signature identification procedure. We have generated a signature video database of 50 persons to evaluate the proposed method. The number of 13 signatures of each person are used for training. In addition 8 genuine and 8 fake signatures are used for testing purposes. The Accuracy and Equal Error Rate measures areobtained as 95.02% and 3.8% respectively