一種基于筆畫曲率檢測(cè)的筆跡鑒偽系統(tǒng)的制作方法
【技術(shù)領(lǐng)域】
[0001] 本發(fā)明涉及一種基于筆畫曲率檢測(cè)的筆跡鑒偽系統(tǒng)，屬于數(shù)字圖像處理與筆跡鑒 定技術(shù)領(lǐng)域。
【背景技術(shù)】
[0002] 信息技術(shù)的飛速發(fā)展給人們的日常生活帶來(lái)了極大的便利，與此同時(shí)對(duì)個(gè)人身份 進(jìn)行準(zhǔn)確的認(rèn)證、保護(hù)信息安全則成了當(dāng)今信息化時(shí)代亟需解決的一個(gè)關(guān)鍵問(wèn)題。筆跡是 人的一種比較穩(wěn)定的行為特征，利用手寫筆跡進(jìn)行個(gè)人身份的認(rèn)證具有非侵犯性（或非觸 性）、易于獲取、容易使人接受等特點(diǎn)，是一種重要的個(gè)人身份的鑒定手段。
[0003] 歷年來(lái)，筆跡鑒偽領(lǐng)域多采用傳統(tǒng)的人工筆跡鑒偽，但該方法在實(shí)際操作中逐漸 暴露出弊端和缺陷，對(duì)鑒定結(jié)果造成負(fù)面影響：如鑒偽機(jī)構(gòu)缺乏相互配合機(jī)制，鑒偽人員資 格認(rèn)定標(biāo)準(zhǔn)不規(guī)范、鑒偽水平參差不齊等等都會(huì)對(duì)鑒定結(jié)果造成負(fù)面影響。因此利用計(jì)算 機(jī)自動(dòng)化、規(guī)范化的方式來(lái)處理筆跡鑒偽這一原本非工程的領(lǐng)域，對(duì)該領(lǐng)域的發(fā)展具有很 大的推動(dòng)作用。
[0004] 目前筆跡鑒偽按實(shí)際操作方式的不同可分為聯(lián)機(jī)和脫機(jī)兩種，兩者都有廣泛的應(yīng) 用背景，可在諸如金融、保險(xiǎn)、公安司法部門的刑事調(diào)查和法庭審判等領(lǐng)域發(fā)揮重要作用。 從實(shí)際來(lái)講聯(lián)機(jī)筆跡鑒偽技術(shù)已經(jīng)十分成熟并已進(jìn)入實(shí)用化階段，然而脫機(jī)筆跡鑒偽因無(wú) 法像聯(lián)機(jī)筆跡鑒偽那樣獲取到書寫者書寫時(shí)的筆畫順序、書寫速度、運(yùn)筆壓力等動(dòng)態(tài)信息， 無(wú)疑在鑒偽的難度上會(huì)更大。
[0005] 現(xiàn)存的脫機(jī)筆跡鑒偽方法大多是針對(duì)特定的字符，其實(shí)質(zhì)是將個(gè)人筆跡的鑒偽轉(zhuǎn) 化為個(gè)人特定字符筆跡的鑒偽工作，在實(shí)際的應(yīng)用過(guò)程中，需要采集特定的字符，對(duì)特定樣 本的過(guò)分依賴導(dǎo)致這類鑒偽方法缺乏通用性和魯棒性。所以針對(duì)文本獨(dú)立的脫機(jī)筆跡鑒偽 系統(tǒng)目前還不太成熟，但也成為了當(dāng)下的研宄熱點(diǎn)。

【發(fā)明內(nèi)容】

[0006] 本發(fā)明所要解決的技術(shù)問(wèn)題是針對(duì)當(dāng)前社會(huì)熱門的文本獨(dú)立筆跡鑒偽中的技術(shù) 空缺，提供一種基于筆畫曲率檢測(cè)的筆跡鑒偽系統(tǒng)，快速實(shí)現(xiàn)文本獨(dú)立的筆跡鑒偽，鑒偽結(jié) 果穩(wěn)走、客觀。
[0007] 為解決上述技術(shù)問(wèn)題，本發(fā)明提供一種基于筆畫曲率檢測(cè)的筆跡鑒偽的系統(tǒng)，其 特征在于，包括以下功能模塊：
[0008] 筆跡特征數(shù)據(jù)庫(kù)模塊：預(yù)先存儲(chǔ)用戶個(gè)人文本獨(dú)立的數(shù)據(jù)化信息，包括筆跡特征 矩陣、個(gè)人信息；
[0009] 筆跡樣本圖像采集錄入模塊：利用高拍儀采集待鑒別的筆跡樣本，生成筆跡樣本 圖像；
[0010] 筆跡樣本圖像預(yù)處理模塊：對(duì)錄入的待鑒偽筆跡樣本圖像進(jìn)行預(yù)處理；
[0011] 特征分析提取模塊：對(duì)經(jīng)筆跡樣本圖像預(yù)處理模塊處理之后的筆跡樣本圖像進(jìn)行 筆畫特征值矩陣的提取，將獲得的所有的筆畫特征值矩陣匯集組成筆畫特征數(shù)據(jù)組；
[0012] 筆跡特征矩陣處理模塊：取筆畫特征數(shù)據(jù)組在單方向的中段均值作為該方向的筆 跡特征值保存至筆跡特征矩陣，依次對(duì)筆畫特征數(shù)據(jù)組的橫、豎、撇、捺四個(gè)方向作相同的 處理，得到四個(gè)方向的筆跡特征矩陣，再將筆跡特征矩陣的值歸一化至-1到1之間；
[0013] 相似性度量模塊：采用夾角余弦法計(jì)算待鑒偽筆跡樣本圖像提取的筆跡特征矩陣 與筆跡數(shù)據(jù)庫(kù)中的每個(gè)用戶筆跡特征矩陣的相似度；
[0014] 結(jié)果輸出反饋模塊：將相似性度量模塊計(jì)算出的相似度結(jié)果與設(shè)定閾值進(jìn)行比 較，得到筆跡真?zhèn)涡畔?，通過(guò)操作界面向操作者直觀地反饋筆跡的真?zhèn)涡畔ⅰ?br>[0015] 前述的基于筆畫曲率檢測(cè)的筆跡鑒偽系統(tǒng)，其特征在于：所述筆跡樣本圖像采集 錄入模塊利用高拍儀對(duì)包含不少于30個(gè)字符的筆跡樣本進(jìn)行圖像采集，隨機(jī)選取三個(gè)連 續(xù)字符生成一個(gè)筆跡樣本圖像，共生成十幅筆跡樣本圖像。
[0016] 前述的基于筆畫曲率檢測(cè)的筆跡鑒偽系統(tǒng)，其特征在于：所述筆跡樣本圖像預(yù)處 理模塊首先對(duì)筆跡樣本圖像進(jìn)行基本預(yù)處理，基本預(yù)處理包括灰度化、二值化和尺寸標(biāo)準(zhǔn) 化，再對(duì)完成基本預(yù)處理的筆跡樣本圖像進(jìn)行閉合運(yùn)算，提取最具代表性的單方向筆畫，對(duì) 單方向筆畫圖像進(jìn)行快速細(xì)化處理，使圖像只包含單方向筆畫骨架；
[0017] 前述的基于筆畫曲率檢測(cè)的筆跡鑒偽系統(tǒng)，其特征在于：在所述結(jié)果輸出反饋模 塊中，當(dāng)相似度達(dá)到設(shè)定閾值時(shí)，在系統(tǒng)界面輸出鑒偽結(jié)果為真實(shí)的反饋信息，當(dāng)?shù)陀谠O(shè)定 閾值時(shí)，在系統(tǒng)界面輸出鑒偽結(jié)果為虛假的反饋信息，并通過(guò)計(jì)算機(jī)USB接口接外圍電路 串口發(fā)送命令，啟動(dòng)報(bào)警外圍電路的蜂鳴器及警示燈。
[0018] 本發(fā)明所達(dá)到的有益效果：
[0019] 本發(fā)明提出的筆跡鑒偽系統(tǒng)可以智能化地解決文本獨(dú)立的筆跡鑒偽問(wèn)題，操作人 員通過(guò)采集少量的筆跡字符（至少30個(gè)）錄入至筆跡鑒偽系統(tǒng)后，就可以直接得到鑒偽結(jié) 果。與傳統(tǒng)的人工筆跡鑒偽相比，具有操作簡(jiǎn)單、實(shí)時(shí)性好、反饋直觀、結(jié)果客觀、鑒偽準(zhǔn)確 率高等特點(diǎn)。
【附圖說(shuō)明】
[0020] 圖1為本發(fā)明系統(tǒng)模塊結(jié)構(gòu)圖；
[0021] 圖2為系統(tǒng)實(shí)物模型圖；
[0022] 圖3為系統(tǒng)處理流程圖；
[0023] 圖4為生成筆跡特征矩流程圖。
【具體實(shí)施方式】
[0024] 本發(fā)明的基于筆畫曲率檢測(cè)的筆跡鑒偽系統(tǒng)包括軟件操作系統(tǒng)及硬件工作系統(tǒng)， 整個(gè)系統(tǒng)軟件模塊結(jié)構(gòu)如圖1所示，包括筆跡數(shù)據(jù)庫(kù)模塊，筆跡樣本圖像采集錄入模塊，筆 跡樣本圖像預(yù)處理模塊，特征分析提取模塊，筆跡特征矩處理模塊，相似性度量模塊，結(jié)果 輸出反饋模塊：
[0025] 1)筆跡數(shù)據(jù)庫(kù)模塊：預(yù)先存儲(chǔ)已經(jīng)過(guò)系統(tǒng)處理后具有代表性的用戶個(gè)人文本獨(dú) 立的數(shù)據(jù)化信息，包括筆跡特征矩、個(gè)人信息（如姓名、性別、身份證號(hào)碼等），后續(xù)的鑒偽 過(guò)程中可以調(diào)用這些信息來(lái)鑒定需鑒別真?zhèn)喂P跡樣本圖像。
[0026] 2)筆跡樣本圖像采集錄入模塊：通過(guò)500萬(wàn)像素的自對(duì)焦高拍儀，通過(guò)軟件操作 系統(tǒng)控制其完成樣本筆跡的資料進(jìn)行實(shí)時(shí)的錄入工作，將生成的筆跡樣本圖像進(jìn)行模數(shù)轉(zhuǎn) 換后傳輸保存至系統(tǒng)的預(yù)處理模塊，用于后續(xù)模塊的的處理。
[0027] 3)筆跡樣本圖像預(yù)處理模塊：運(yùn)用數(shù)學(xué)形態(tài)學(xué)對(duì)錄入系統(tǒng)的待鑒偽筆跡樣本圖 像進(jìn)行預(yù)處理的工作，在隨機(jī)的文本（字體不限）中，隨機(jī)提取三個(gè)連續(xù)字符的筆跡樣本圖 像，預(yù)處理的過(guò)程具體包括筆跡樣本圖像灰度化處理、二值化處理、尺寸標(biāo)準(zhǔn)化處理、細(xì)化 處理以及閉合運(yùn)算這五大具體步驟，預(yù)處理后的筆跡圖像中只包含單方向最具代表性的筆 畫骨架，將預(yù)處理之后的簽名圖像再用于后續(xù)模塊的處理。
[0028] 4)特征分析提取模塊：對(duì)預(yù)處理之后的筆跡樣本圖像進(jìn)行特征提取，在橫、豎、 撇、捺四個(gè)方向分別提取書寫面積最大的單方向筆畫作為該方向的代表性筆畫，然后運(yùn)用 形態(tài)學(xué)圓重構(gòu)方法分別對(duì)橫、豎、撇、捺四個(gè)方向的代表性筆畫進(jìn)行圓的重構(gòu)，提取四個(gè)方 向筆畫圓的曲率作為筆畫特征值，依次對(duì)所有的樣本圖像做同樣的處理，將獲得的所有的 筆畫特征值矩陣匯集組成筆畫特征數(shù)據(jù)組。
[0029] 5)筆跡特征矩陣處理模塊：取筆畫特征數(shù)據(jù)組在單方向的中段均值作為該方向 的筆跡特征值保存至最終筆跡特征矩陣，依次對(duì)筆畫特征數(shù)據(jù)組的四個(gè)方向作相同的處 理，得到四個(gè)方向筆跡特征值組成筆跡特征矩陣，再將筆跡特征矩陣的值歸一化至-1到1 之間，將筆跡特征矩陣保存后再用于后續(xù)模塊的處理。
[0030] 6)特征相似性度量模塊：采用夾角余弦法計(jì)算待鑒偽筆跡樣本圖像提取的筆跡 特征矩陣與筆跡數(shù)據(jù)庫(kù)每個(gè)用戶筆跡特征矩陣的相似度，所得筆跡特征矩陣相似