Nowe aspekty rozpoznawania podpisu odręcznego

Nowe aspekty rozpoznawania
podpisu odręcznego
Marcin Adamski
Wydział Informatyki, Politechnika Białostocka
Khalid Saeed
Wydział Informatyki, Politechnika Białostocka
Plan
●
Wprowadzenie
●
Metody
●
Wyniki
●
Podsumowanie
2
Wprowadzenie
●
działanie systemu
1) rejestracja
2) segmentacja
3) wstępne przetwarzanie
4) ekstrakcja cech
5) weryfikacja
[ v 1 , v 2 ,. .. , v N ]
baza
wzorców
[ v 1 , v 2 ,. .. , v N ]
porównanie
3
Metody
●
ścienianie
K. Saeed., M. Tabedzki, M. Rybnik, M. Adamski, K3M - A Universal Algorithm for Image Skeletonization and a
Review of Thinning Techniques, International Journal of Applied Mathematics and Computer Science, vol. 20,
2010, pp. 317-335.
4
Metody
●
próbkowanie
S. Belongie, J. Malik, J. Puzicha, Shape Matching and Object Recognition Using Shape Contexts, IEEE
Transactions on Pattern Analysis and Machine Intelligence, vol. 24, 2002, pp. 509-522.
5
Metody
●
deskryptor Shape Context
S. Belongie, J. Malik, J. Puzicha, Shape Matching and Object Recognition Using Shape Contexts, IEEE
Transactions on Pattern Analysis and Machine Intelligence, vol. 24, 2002, pp. 509-522.
6
Metody
●
deskryptory dla wydzielonych kierunków
M. Adamski, K. Saeed, Offline signature verification using direction-based shape contexts,
Journal of Medical Informatics and Technologies, vol. 23, 2014, pp. 149-154.
7
Metody
●
Miara odległości
–
odległość między deskryptorami dwóch punktów (a i b)
–
całkowita odległość między podpisami (A i B)
8
Wyniki
●
baza GPDS
●
40 osób
●
8 autentycznych podpisów na osobę
●
8 fałszerstw zaawansowanach na osobę
J. F. Vargas, M. A. Ferrer, C. M. Travieso, J. B. Alonso, Off-line Handwritten Signature GPDS-960 Corpus,
in Ninth International Conference on Document Analysis and Recognition (ICDAR), 2007, pp. 764-768.
9
Wyniki
●
Weryfikacja, fałszerstwa zaawansowane
–
jedna wartość progu dla wszystkich osób
–
4 podpisy referencyjne
–
EER dla deksryptorów z podziałem kierunków: 16.2%
–
EER dla podstawowej wersji deskryptora: 20.6%
10
Wyniki
●
Weryfikacja, fałszerstwa zaawansowane
–
indywidualne wartości progu
–
4 podpisy referencyjne
–
EER dla deksryptorów z podziałem kierunków: 3%
–
EER dla podstawowej wersji deskryptora: 8.4%
11
Wyniki
●
Weryfikacja, fałszerstwa przypadkowe
–
jedna wartość progu dla wszystkich osób
–
4 podpisy referencyjne
–
EER dla deksryptorów z podziałem kierunków: 4.1%
–
EER dla podstawowej wersji deskryptora: 4.4%
12
Wyniki
●
Weryfikacja, fałszerstwa przypadkowe
–
indywidualne wartości progu
–
4 podpisy referencyjne
–
EER dla deksryptorów z podziałem kierunków: 0.5%
–
EER dla podstawowej wersji deskryptora: 0.5%
13
Podsumowanie
●
●
wyznaczenie deskryptorów dla wydzielonych kierunków
obniżyło błąd weryfikacji
planowane są dalsze prace nad innymi sposobami
reprezentacji kierunków i miarami ich porówniania
14