автореферат диссертации по информатике, вычислительной технике и управлению, 05.13.01, диссертация на тему:Разработка математического и алгоритмического обеспечения автоматической верификации подписи

□03489732

На правах рукописи

АБДАЛЛА АЛИ Ахмед Абдельрахман

РАЗРАБОТКА МАТЕМАТИЧЕСКОГО И АЛГОРИТМИЧЕСКОГО ОБЕСПЕЧЕНИЯ АВТОМАТИЧЕСКОЙ ВЕРИФИКАЦИИ ПОДПИСИ

05.13.01 - Системный анализ, управление и обработка информации (промышленность)

АВТОРЕФЕРАТ диссертации на соискание учёной степени кандидата технических наук

Владимир -2009

2 4 ДЕК 2009

003489732

Работа выполнена на кафедре государственного университета.

«Вычислительная техника» Владимирского

Научный руководитель: Официальные оппоненты:

Ведущая организация:

Кандидат технических наук, доцент Жирков Владислав Федорович

Доктор технических наук, профессор Бернюков Арнольд Константинович

Кандидат технических наук, доцент Новиков Константин Владимирович

Московский государственный технический университет им Н.Е. Баумана

Защита состоится « 14 »^-И-Ьлрх 20 (0 г. в часов на заседании

диссертационного совета Д212.025.01 при Владимирском государственном университете по адресу: 600000, г. Владимир, ул. Горького, д.87, ауд. 201/1

С диссертацией можно ознакомиться в библиотеке Владимирского государственного университета.

Автореферат разослан « / О

2009 г.

Ученый секретарь диссертационного совета Д212.025.01

д.т.н., профессор _

Р.И. Макаров

ОБЩАЯ ХАРАКТЕРИСТИКА РАБОТЫ Актуальность проблемы. Биометрия представляет собой новую

технологию, используется для идентификации личности с помощью

физиологических или поведенческих черт, которые являются уникальными для

каждого индивидуума, и их невозможно забыть, потерять или украсть.

Характеристики подписи абсолютно неповторимы и виртуально не могут быть

дублированы. Рукописный почерк до сих пор один из наиболее сильных

идентификаторов на сегодняшний день. В верификации рукописной подписи,

для заключения о подлинности, извлекаются многочисленные характеристики

тестируемой подписи и сравниваются с эталонной подписью, которая хранится

в базе данных. Не все биометрические методы равносильно приемлемы во всей

индустрии и всех приложениях. Например, снятие отпечатки пальцев и

сканирование радужной оболочки не приемлемо в промышленной практике,

банковских и финансовых службах. Верификация рукописная подписи - это

наиболее легко освоенный биометрический метод идентификации. Действие

подписывания своим именем является общественно принятым и обычным

действием на производстве и в повседневной жизни. По существу,

маловероятно, что индивидуумы будут протестовать против проверки своей

подписи, по сравнению с другими возможными биометрическими анализами.

Это позволяет компьютерную верификацию рукописной подписи внедрить во

многие существующие рабочие процессы. Решение может поддерживать любое

приложение идентификации подписи, от производства до банковских и

розничных приложений, обеспечивая организации и индивидуумы усиленной

защитой от несанкционированного доступа и контроль документов и

транзакций, которые имеются в существующих условиях бизнеса.

Технологический прогресс увеличил точность биометрических систем, делая их

более доступными в качестве жизнеспособного метода верификации. Благодаря

уровню надежности, удобству и высокой безопасности, которые обеспечивает

биометрия, она уже используется интенсивно в некоторых приложениях для обеспечения конкурентного преимущества с альтернативными технологиями. Цифровые сигнальные процессоры (ДСП), помогут развить современное состояние биометрии, выполняя сложные алгоритмы обработки данных за приемлемое время. Поэтому разработка надежных методов и алгоритмов автоматического верификация личности по рукописной подписи в режиме реального времени, с использованием ЦСП и целью обеспечения информационной безопасности является актуальной задачей. Объект исследования - система автоматической верификации подписи. Предмет исследования - разработка математического и алгоритмического обеспечения автоматической верификации подписи.

Цель диссертационной работы - разработка математического и алгоритмического обеспечения, которое позволит повысить достоверность и увеличит скорость работы системы верификации подписи.. Для достижения поставленной цели необходимо решить следующие задачи:

1. Исследовать существующие системы идентификации личности по рукописной подписи.

2. Провести анализ существующих методов и алгоритмов выделения признаков рукописной подписи.

3. Разработать эффективные алгоритмы выделения признаков рукописной подписи.

4. Разработать эффективные алгоритмы сопоставления подписей.

5. Разработать аппаратно-программную систему, с использованием которой провести экспериментальное исследование предложенных алгоритмов выделения признаков в составе системы верификации подписи.

Методами исследования являются системный анализ, методы распознавания, теория принятия решений, цифровая обработка изображений, цифровая обработка сигналов, экспериментальные исследования.

Научная попита работы.

1. Предложен метод сравнения рукописных подписей, основанный на дискретном преобразовании Радона (ДПР) и алгоритм его реализации.

2. Предложена система глобальных признаков и алгоритм их выделения.

3. Предложена система признаков для динамических данных и алгоритм их выделения.

4. Разработаны алгоритмы измерения расстояний при сравнении подписей: на основе динамической трансформации времени (ДТВ); на основе расстояния Махаланобиса.

5. Разработаны алгоритмы верификации: с использованием МОВ-классификатора; с использованием скользящего порога; с использованием порога, зависящего от автора.

6. Предложен метод обработки изображения подписи по алгоритму ДПР с использованием сопроцессора на (ДСП) (DSP), позволивший существенно увеличить быстродействие системы в целом.

Практическая ценность работы.

1. Предложенные методы и алгоритмы позволяют повысить качество верификации подписи по сравнению с известиыми аналогами.

2. Полученные в работе результаты обеспечивают возможность создания новых систем идентификации личности, обеспечивающих более высокую достоверность идентификации за счет использования информативной системы признаков выделенных из рукописной подписи.

3. Созданные системы могут быть использованы в качестве базы для дальнейшего развития в этой области.

4. Реализация системы с применением ДСП для выполнения ДПР позволяет существенно повысить скорость верификации, позволяет решать задачу идентификации в реальном времени.

Реализация и внедрение результатов

• Аппаратно-программная исследовательская система в составе подсистемы ввода подписи с цифрового планшета, включая ее изображение и динамические данные (скорость, нажим); подсистемы регистрации; подсистемы верификации; подсистемы параллельной обработки изображения подписи по алгоритму дискретного преобразования Радона с использованием DSP TigerSHARC используется на кафедре вычислительной техники ВлГУ в учебном процессе и научной работе.

• Испытание системы верификации личности по рукописной подписи проводилось на кафедре вычислительной техники и на кафедре уголовного права и процесса факультета права и психологии Владимирского государственного университета и подтвердило заявленные в диссертации характеристики.

• ОАО «Владимирское КБ электросвязи» и ОАО «Владимирский завод Электроприбор» предоставили заключение о полезности с намерением использовать результаты диссертации в подсистеме персональных данных работников завода для решения производственных вопросов.

Апробадия работы.

Основные положения диссертационной работы докладывались и обсуждались па 7-ой международной научно-технической конференции, Г1ТСПИ'2007(г. Владимир), на 6-ой всероссийской научно-технической конференции, 2008 (г. Вологда), на VIII международной научно-технической конференции, ФРЭМЭ'2008(г. Владимир), на VIII международной научно-технической конференции, ПТСПИ 2009(г. Владимир), на девятой международной конференции - семинар «Высокопроизводительные параллельные вычисления на кластерных системах» 2009 (г. Владимир).

На защиту пи носится

методы, алгоритмы, программное обеспечение и технические решения, позволяющие повысить эффективность системы верификации личности по рукописной подписи, а именно:

1. Метод выделения признаков рукописной подписи, основанный на вычислении дискретного преобразования Радона (ДПР) изображения подписи.

2. Три системы признаков и алгоритмы их выделения: радоновских, глобальных, динамических.

3. Алгоритмы сопоставления подписей на основе каждой из предложенных систем признаков с использованием динамической трансформации времени (ДТВ) и расстояния Махаланобиса.

4. Алгоритмы идентификации на основе: классификатора по методу опорных векторов (MOB); алгоритма скользящего порога; алгоритма порога, зависящего от автора.

5. Метод и алгоритм реализации ДПР в системе, использующей ЦСП для повышения скорости обработки данных.

6. Сравнительные результаты экспериментальных исследований, существующих и предложенных систем идентификации личности гю рукописной подписи.

Публикации. По теме диссертации опубликовано 13 печатных работ. Структура и объем работы. Диссертационная работа состоит из введения, шести глав, заключения, списка литературы из 104 наименований и приложений. Общий объем работы 134 страниц, 37 рисунков, 6 таблиц.

ОСНОВНОЕ СОДЕРЖАНИЕ РАБОТЫ Во введении обосновывается актуальность темы исследования,

формулируется цель и основные задачи исследования, а также содержатся

сведения о практической значимости результатов диссертационной работы.

Первая глава. В этой главе показано достоинства биометрических систем по сравнению с традиционными технологиями, такими, как, смарт-карты, пароли и РШ-коды. Глава также посвящена анализу свойств рукописной подписи. Проводится обзор литературных данных по методам идентификации рукописной подписи. Выявлены недостатки существующих систем идентификации личности по рукописной подписи. Функции идентификации личности по рукописной подписи показаны на рисунке 1. Предложен метод для устранения недостатков и повышения эффективности системы идентификации личности.

Рис. 1: Функции системы верификации подписи. Вторая глава. В этой главе рассмотрены различные метод выделения признаков рукописной подписи. Рассматривается новый алгоритм выделения признаков из изображения подписи, в зависимости от вычислений дискретного преобразование Радона. Дискретное преобразование Радона - это матрица, где каждый столбец представляет проекцию первоначального изображения при определенном угле. ДПР может быть представлено следующим выражением:

RJ = S wu1>', ) = 1.2,-, N,N, (1)

i-i

где:

Rj - общая интенсивность пикселей, лежащих на j-ом луче; Ч* - общее число пикселей в изображении; Wy - влияние i-ro пикселя на j-ую сумму лучей; I; -интенсивность i-ro пикселя; N, - непересекающиеся лучи в углу; N0 - число всех углов.

Для устранения помех в виде спеклов применяется медианная фильтрация. Впоследствии вычисляется ДПР изображения подписи. Каждая колонка ДПР представляет проекцию подписи при определенном угле. После того, как эти проекции обработаны и нормализованы, они представляют собой исходный набор характеристических векторов для подвергнутой сомнению подписи. В системе, рассмотренной в данной диссертации, вычисляется ДПР при углах Л® Эти углы равно распределены угли между 0° и 180°. Хотя почти вся информация об исходном изображении подписи содержится в проекциях при углах от 0° до 180°, проекции при углах от 180° до 360° также включаются в последовательность наблюдений. Эти дополнительные проекции добавляются к последовательности для обеспечения инвариантности вращения. Поэтому, последовательность наблюдений состоит из T=2Ne характеристических векторов, то есть Х[ ={х^хг,...,хт\

Чтобы выделить динамическую информацию, которая касается скорости и силе нажима, из рукописной подписи, сначала выполняется, процедура предварительной обработки являющаяся нормализацией положения. Она выполняется с помощью вычитания средних координат (х) и (у) из каждой отдельной точки:

x' = x-"L^L (2), / = (3)

п п

где: (х, у): начальные координаты; (х , у ): преобразованные координаты; эффект

нормализации положения показано на рис. 2. В процессе выделения признаков

характеристические величины нормализуются с помощью нормализации Z-

показатель, так как эти характеристические величины имеют различное распределение, это показано на рис. 3.

5000 10000 X

15000

(а)

(б)

Рис. 2: До и после Нормализация положения подписи.

1

Об .06

01

О 1000 ЗОЮ Значение характеристик)

(а)

• Л*

•"♦"Игнате --ЛХ

&" ' ": о ";г: ; 50

Значение характеристики [6)

Рис. 3: До и после нормализации значения характеристики.

Глобальная информация - это информация, которая характеризуют подпись как целое; Например, продолжительность подписи значительно отличается между субъектами. Из каждой подписи автора извлекается шестнадцать глобальных признаков, которые показаны в таблице 1, и формируют характеристических вектор.

Категория Описание характеристики Комментарии

1 Общая длина подписи Т, Т - интервал времени

2 N( взмах и пера) N - число подъемов и опусканий пера

3 N(изменение подписи dx/dt и dy/dt) N - число изменений подписи

4 Среднеквадратичное отклонение ау ау - ускорение в направлении у

5 Среднеквадратичное отклонение Vy уу — скорость в направлении у

6 К(локальный максимум в х) N - число локальных максимумов

7 Среднеквадратичное отклонение а* ах - ускорение в направлении х

8 Среднеквадратичное отклонение \х V* - скорость в направлении у

9 N(локальный максимум в у) N - число локальных максимумов

10 1( второе опускание пера)/Т, (- момент времени

И v/vx.niRx V - средняя скорость

12 (Tw*vy(ymM-ymill) Тн- - общая продолжительность всех опусканий пера

13 (Tw*vy(xm„-x„in)

14 Ту/Г,

15 v/vY,nuu

16 v/v щах V - общая скорость

Таблица 1: Набор глобальных признаков упорядоченные по их дискриминантной

способности.

В третьей главе Созданы три модели подписи, которые зависить от различную информацию рукописных подписей, моделы зависит от динамеческой, глобальной и радоновской информации. При допущении, что существует О -писателей в базе данных, то существует П - шаблонов, для каждого писателя , то есть

.....(4)

Для создания модели подписи, нужно вычислить парные расстояния 1)/2 между каждым набором контрольных подписей N в шаблоне. После подсчета парных расстояний, определим следующую статистику для подписи автора н>.' т1У

• -* мин — среднее из расстояний до ближайших подписей;

jW

• «ах - среднее из расстояний до самых дальних подписей.

TW JW

Для подсчитывания значения * мин и * мах для сопоставления радоновской и динамеческой информации используется алгоритм ДТВ. Для сопоставления глобальной информации используется алгоритм Махаланобиса. В четвертой главе объясняется, каким образом разработанные системы классифицируют входящую (тестируемую) подпись на подлинник или подделку. При вводе тестовой подписи (XLm)> она сопоставляется с (N) контрольными подписями, в шаблоне автора (w).

После подсчета (N) расстояний, определим следующую статистику:

• PL ~ Минимальное расстояние.

• Р^ - Максимальное расстояние.

Методика идентификация с помощью MOB- классификатора:

Сначала используются достоверные данные для обучения МОВ-классификатора. Сравнивается каждая подпись с достоверными данными каждой контрольной. подписи в шаблоне автора. Затем обученного MOB -классификатора используется для принятия или отрицания тестовой подписи. Методика идентификация с помощью порога, зависящего от автора: определим следующую статистическую величину для подписи автора w:

= ;^мин{й(Х1д,,Х:)У, {подл^Х,...М), (Ш = 1...,М) (б) М w — 1

< = 1.....<i// = 1.....С7)

М,-2

Среднее Значения ft„: дает контрольное расстояние. Стандартное отклонение Значения aw: показывает изменчивость подписи автора. Значения fi„ (6), aw (7) и диапазон регулируемого порога расстояний показаны на рис.4. Например, если порог установлен в значении crw/2, пороговые интервалы будут равно [|iw- ow/2, |i\v+ cw/2], таким образом, если минимальное

расстояние тестовой подписи Р^. попадает между данными пороговыми интервалами, то подпись принимается или, в противном случае, отвергается.

О« <т„

4- Р «гутирувмый ПО) 1** -»

Максимально ьоачтожны» иамвнеиия

Рис.4: Диаграмма регулирования порога расстояний Методика идентификации с помощью скользящего порога:

Используется величина (уравнение 6) доя нормализации минимального расстояния тестовой подписи /^следующим способом:

= (В)

Определим скользящий порог г, где те [(),<*>), при ^„(Х^.Х^) < т,

то есть при < АЛ1+2"), тестовая подпись принимается, в противном случае - отвергается.

В пятой главе предложена стратегия комбинирования трех систем на уровне сопоставления значений, которая приводит к улучшению производительности идентификации по сравнению с частными подсистемами. Комбинирование системы показано на рис. 5 Используется метод постоянного комбинирования, основанный на правиле взвешенной суммы, которой можно описать следующим образом:

^ =^,+¡^+1^3 (9)

где ви Бг, вз - минимальные значения сопоставления трех систем. Якомб - комбинированное значение;

Программная реализация системы ДПР и ее исследования показали невозможность выполнения процедуры верификации в режиме реального времени из-за высокой трудоемкости алгоритма.

Рис 5: Комбинированная система Предложено системное решение с применением сопроцессора, выполняющего параллельную обработку данных, связанных с преобразованием Радона.

мчиосчетор«

|рюул>тИПвдяищс веддст»)!

EiS

Рис. 6: реализация системы ДПР в ЦСП При реализации системы использовался цифровой сигнальный процессор TigerSHARC фирмы Analog Devices, (см. Рис. 6)

В шестой главе рассматриваются результаты разработки математического и алгоритмического обеспечения автоматической идентификации подписи. Набор данные используется в экспериментах называется 8УС2004. Набор 8УС2004: состоит из 1600 динамических подписей от 40 человек. В базе есть 20 подлинные подписей одного человека и 20 квалифицированные Подделки пяти других человек. Результаты реализации автоматической верификация подписи на ЦСП и требуемая память показаны в таблице 2. Заключаем что, алгоритм сопоставления и алгоритм выделения признаков занимают большую часть вычислительного времени и большую часть памяти, но процесс верификации занимает мало времени, меньше чем 1 мс.

Кол-во циклов (хЮ6) Время вычисления (частота ЦСП 500 МГц) Требуемая намять

Выделение признаков 1161 2.32 секунды ~ 392 КБ

Сопоставление 585 1.17 секунды -436 КБ

Верификация 18 0.04 секунды -32 КБ

таблица 2: Профиль производительности

Результаты идентификации на базе данных 8УС2004 показаны т. таблице 3 могут быть получепы из четырех условий (квалифицированные/случайные подделки для десяти тренировочных подписей и

квалифицированных/случайных подделок для пяти тренировочных подписей)

Коэффициент эквивалентной ошибки (ЭО) (%)

Скользящий порог Зависящий от автора порог МОВ-класси фикатор

5 подписей 10 подписей 5 подписей 10 подписей 5 подписей 10 подписей

КП СП КП СП КП СП КП СП КП СП КП СП

Система динамической информации 18.22 4.61 16.15 3.88 15.35 3.53 11.02 3.44 10.12 3.12 10.02 2.91

Система радоновскиой информации 20.71 5.80 18.52 5.77 18.23 4.74 17.23 4.64 16.35 3.55 15.24 3.43

Система глобальной информации 35.23 16.45 28.53 13.11 27.18 10.13 21.11 9.15 22.12 8.63 18.32 7.22

Комбинированные системы 17.61 4.36 15.50 3.27 13.55 3.19 12.22 3.11 11.81 3.10 9.43 2.85

Таблица 3: Идентификация подписи для квалифицированных и случайных подделок (КП - квалифицированные подделки, СП - случайные подделки).

ВЫВОДЫ ПО РАБОТЕ

В ходе работы были получены следующие основные результаты:

1. Проведено исследование существующих систем идентификации личности по рукописной подписи. Выявлены их достоинства и недостатки.

2. Выполнено исследование существующих методов и алгоритмов выделения признаков, характеризующих рукописную подпись.

3. Разработано математическое и алгоритмическое обеспечение, три системы автоматической идентификации личности по рукописной подписи, на основе выделенных признаков: радоновских, глобальных, временных.

4. Реализован метод и алгоритм ДПР в ЦСП, позволяющий выполнять идентификацию в режиме реального времени.

5. Проведено исследование использования предложенных алгоритмов выделения признаков для достижения эффективности автоматической идентификации личности по рукописной подписи в системе, реализуемой на ЦСП.

6. Результаты позволяют повысить надежность автоматической верификации личности по рукописной подписи.

По материалам диссертации опубликовано 13 работ, в том числе:

Статьи в изданиях, рекомендованных ВАК

1. Abdallah Ali A.A. Off line signature verification using Radon transform and

SVM/KNN classifiers / A.A. Abdallah Ali, V. F. Zhirkov // Вестник Тамбовского государственного технического университета. 2009. Том 15. № 1.С. 62-69.

2. Abdallah Ali A.A. Combining Multiple Approaches for On-Line Signature Verification / A.A. Abdallah Ali, V. F. Zhirkov // Вестник Тамбовского государственного технического университета. 2009. Том 15. № 2. С. 321 -329.

В других изданиях

1. Абдалла Али A.A. Краткий обзор работ в области автономной верификации подписи / A.A. Абдалла Али // Материалы конференции 7-ой международной научно-технической конференции «Перспективные технологии в средствах передачи информации». 2007. С. 160-162.

2. Абдалла Али A.A. Непрерывная динамическая трансформация времени для верификации подписи / A.A. Абдалла Али // Материалы шестой всероссийской научно-технической конференции «Вузовская наука -региону». 2008. С. 37-39.

3. Абдалла Али A.A. Биометрический контроль доступа / A.A. Абдалла Али // Материалы межвузовский научно-практической конференции «Трансформация экономики регионов в условях устойчивого развития: теория и практика». 2008. С. 162-165.

4. Абдалла Али A.A. Биометрические параметры для организации систем контроля доступа / A.A. Абдалла Али // Материалы межвузовский научно-практической конференции «Трансформация экономики регионов в условях устойчивого развития: теория и практика». 2008. С. 165-169.

5. Абдалла Али A.A. Биометрическая идентификация личности / A.A. Абдалла Али // Доклады VII Международной научно-технической конференции «ФИЗИКА И РАДИОЭЛЕКТРОНИКА В МЕДИЦИНЕ И ЭКОЛОГИИ». 2008. С. 145-147.

6. Абдалла Али A.A. Идентификация личности с помощью биометрической подписи / A.A. Абдалла Али // Доклады VII Международной научно-технической конференции «ФИЗИКА И РАДИОЭЛЕКТРОНИКА В МЕДИЦИНЕ И ЭКОЛОГИИ». 2008. С. 147-149.

7. Абдалла Али A.A. Анализ почерка и методы его верификации / A.A. Абдалла Али, О.Р. Рузевич // Научные труды российской академии

юридических наук. Выпуск 8. Том 3. М.: Издательская группа "Юрист". 2008. С. 917-922.

8. Abdallah Ali А.А. Investigation results when combining local and global information for on-line signature vérification / A.A. Abdallah Ali, V. F. Zhirkov II Материалы конференции VIII международной научно-технической конференции «перспективные технологии в средствах передачи информации». 2009. Том 2. С. 108 - 114.

9. Абдалла Али А. А. Результаты исследований при использовании локальной и глобальной информации в верификации интерактивных рукописных подписей / А. А. Абдалла Али, В. Ф. Жирков // Всероссийский научно-технический журнал «Проектирование и технология электронных средств». № 4. 2009. С. 38-42.

10. Абдалла Али А. А. Повышение производительности системы верификации подписи, с использованием ЦСП / А. А. Абдалла Али // Сборник научных статей «Алгоритмы, методы и системы обработки данных». 2009. (в печати).

11. Абдалла Али А. А. Параллельная обработка данных в системе верификации подписи основанной на преобразовании Радона / А. А. Абдалла Али // девятая международная конференция - семинара «Высокопроизводительные параллельные вычисления на кластерных системах». 2009.

Подписано в печать 20.11.09. Формат 60x84/16. Усл. печ. л. 1,39. Тираж 100 экз.

Заказ ЗМ-^Оад/'. Издательство Владимирского государственного университета. 600000, Владимир, ул. Горького, 87.

ВВЕДЕНИЕ.

ГЛАВА 1. АВТОМАТИЧЕСКАЯ ИДЕНТИФИКАЦИЯ ЛИЧНОСТИ

ПО РУКОПИСНОЙ ПОДПИСИ

1.1 Автоматическая идентификация личности.

1.2 Оценка производительности в биометрических системах.

1.3 Верификация рукописной подписи.

1.4 Система верификация личности по рукописной подписи 25 с использованием ЦСП.

1.5 Предложенный метод решения.

1.6 Обзор литературы и относительные работы.

1.6.1 Коммерческие продукты.

1.6.2 Типы подделок.

1.7 Выводы по главе.

ГЛАВА 2: РАЗРАБОТКА МАТЕМАТИЧЕСКОГО И АЛГОРИТМИЧСКОГО ОБЕСПЕЧЕНИЯ ДЛЯ ВЫДЕЛЕНИЯ

ПРИЗНАКОВ РУКОПИСНОЙ ПОДПИСИ.

2.1 Разработка метода выделения признаков изображения рукописной 41 подписи

2.1.1 Дискретное преобразование Радона.

2.1.2 Разработка алгоритма выделения признаков с 43 использованием ДПР.

2.2 Разработка алгоритма выделения динамических признаков рукописной подписи.

2.2.1 Предварительная обработка.

2.2.2 Выделение признаков.

2.3 Разработка алгоритма выделения глобальных признаков 51 рукописной подписи.

2.4 Выводы по главе.

ГЛАВА 3: РАЗРАБОТКА МАТЕМАТИЧЕСКОГО И

АЛГОРИТМИЧСКОГО ОБЕСПЕЧЕНИЯ ДЛЯ МОДЕЛИРОВАНИЯ

РУКОПИСНОЙ ПОДПИСИ.

3.1 Введение.

3.2 Метод выравнивания характеристических векторов.

3.2.1 Алгоритм динамической трансформации времени.

3.3 Алгоритм выравнивания последовательности наблюдений.

3.4 Расстояние Махаланобиса.

3.5 Разработка модели рукописной подписи.

3.6 Выводы по главе.

ГЛАВА 4. РАЗРАБОТКА МАТЕМАТИЧЕСКОГО И 69 АЛГОРИТМИЧСКОГО ОБЕСПЕЧЕНИЯ ДЛЯ ИДЕНТИФИКАЦИИ

ЛИЧНОСТИ ПО РУКОПИСНОЙ ПОДПИСИ.

4.1 Введение.:.

4.2 Разработка метода идентификации рукописной подписи.

4.2.1 Методика идентификации с помощью

МОВ- классификатора.

4.2.2 Методика идентификации с помощью порога зависящего от 77 автора

4.2.3 Методика идентификации с помощью скользящего порога

4.3 Выводы по главе.

ГЛАВА 5: ПОВЫШЕНИЕ ПРОИЗВОДИТЕЛЬНОСТИ СИСТЕМЫ ИДЕТИФИКАЦИИ ЛИЧНОСТИ ПО РУКОПИСНОЙ ПОДПИСИ

ПРИ КОМБИНИРОВАНИИ МЕТОДОВ И ЕЕ РЕАЛИЗАЦИИ В ЦСП.

5.1 Введение.

5.2. Мультимодальные системы идентификации.

5.3. Нормализация значений.

5.4. Комбинирование значений.

5.5 Разработка блоков системы автоматической идентификации личности по рукописной подписи.

5.2.1 Разработка блоков алгоритма выделения признаков.

5.2.2 Разработка блоков моделирования рукописной подписи.

5.2.3 Разработка блока верификации рукописной подписи.

5.3 Реализация системы автоматической идентификации личности по рукописной подписи в ЦСП.

5.4 Пример использования реализованной системы автоматической идентификации личности в ЦСП.

5.5 Выводы по главе.

ГЛАВА 6 РЕЗУЛЬТАТЫ РАЗРАБОТКИ МАТЕМЕТИЧЕСКОГО И АЛГОРЕТМИЧЕСКОГО ОБЕСПЕЧЕНИЯ АВТАМАТИЧЕСКОЙ ИДЕНТИФИКАЦИИ ЛИЧНОСТИ ПО РУКОПИСНОЙ ПОДПИСИ С

ИСПОЛЬЗОВАНИЕМ ЦСП.

6.1 Введение.

6.2 Наборы данных, используемые в исследовании.

6.2.1 MCYT-75.

6.2.2 SVG

6.3 Результаты исследований.

6.3.1 Результаты влияния значений (d, Ng) в ДПР.

6.3.2 Результаты реализации на ЦСП систем идентификации.

6.3.3 Результаты комбинирования трех систем идентификации личности.

6.4 Сравнение результатов исследований с предыдущей работой.

6.5 Выводы по главе.

Среди этих методов есть биометрия рукописной подписи. Характеристики подписи абсолютно неповторимы и виртуально не могут быть дублированы. Поэтому рукописный почерк до сих пор остается одним из наиболее сильных идентификаторов на сегодняшний день. В верификации рукописной подписи, для заключения о подлинности, извлекаются многочисленные характеристики тестируемой подписи и сравниваются с эталонной подписью, которая хранится в базе данных. Если доступно несколько подлинных эталонных подписей, увеличивается мера стабильности отдельного признака, что используется для оценивания вероятности отклонения, полученного в тестируемой подписи.

Не все биометрические методы равносильно приемлемы во всей индустрии и всех приложениях. Например, снятие отпечатки пальцев и сканирование радужной оболочки не приемлемо в промышленной практике, банковских и финансовых службах. Верификация рукописная подписи - это наиболее легко освоенный биометрический метод идентификации. Действие подписывания своим именем является общественно принятым и обычным действием на производстве и в повседневной жизни. По существу, маловероятно, что индивидуумы будут протестовать против проверки своей подписи, по сравнению с другими возможными биометрическими анализами. Это позволяет компьютерную верификацию рукописной подписи внедрить во многие существующие рабочие процессы.

Решение может поддерживать любое приложение идентификации подписи, от производства до банковских и розничных приложений, обеспечивая организации и индивидуумы усиленной защитой от несанкционированного доступа и контроль документов и транзакций, которые имеются в существующих условиях бизнеса.

Технологический прогресс увеличил точность биометрических систем, делая их более доступными в качестве жизнеспособного метода верификации. Благодаря уровню надежности, удобству и высокой безопасности, которые обеспечивает биометрия, она уже используется интенсивно в некоторых приложениях для обеспечения конкурентного преимущества с альтернативными технологиями. Цифровые сигнальные процессоры (ЦСП), помогут развить современное состояние биометрии, выполняя сложные алгоритмы обработки данных за приемлемое время.

Поэтому разработка надежных методов и алгоритмов автоматического идентификация личности по рукописной подписи в режиме реального времени, с использованием ЦСП и целью обеспечения информационной безопасности является актуальной задачей.

Целью диссертационной работы разработка математического и алгоритмического обеспечения, которое позволит повысить достоверность системы верификации подписи. Для достижения поставленной цели необходимо решить следующие задачи:

1. Исследовать существующие системы идентификации личности по рукописной подписи.

2. Провести анализ существующих методов и алгоритмов выделения признаков рукописной подписи.

3. Разработать эффективные алгоритмы выделения признаков рукописной подписи.

4. Разработать эффективные алгоритмы сопоставления подписей.

5. Разработать аппаратно-программную систему, с использованием которой провести экспериментальное исследование предложенных алгоритмов выделения признаков в составе системы верификации подписи.

Научная новизна работы.

1. Предложен метод сравнения рукописных подписей, основанный на дискретном преобразовании Радона (ДПР) и алгоритм его реализации.

2. Предложена система глобальных признаков и алгоритм их выделения.

3. Предложена система признаков для динамических данных и алгоритм их выделения.

4. Разработаны алгоритмы вычисления расстояний при сравнении подписей:

• на основе динамической трансформации времени (ДТВ);

• на основе расстояния Махаланобиса.

5. Разработаны алгоритмы верификации:

• с использованием МОВ-классификатора;

• с использованием скользящего порога;

• с использованием порога, зависящего от автора.

6. Предложен метод обработки изображения подписи по алгоритму ДПР с использованием сопроцессора на (ЦСП) (DSP), позволивший существенно увеличить быстродействие системы в целом.

Практическая ценность работы.

1. Предложенные методы и алгоритмы позволяют повысить качество верификации подписи по сравнению с известными аналогами.

2. Полученные в работе результаты обеспечивают возможность создания новых систем идентификации личности, обеспечивающих более высокую достоверность идентификации за счет использования информативной системы признаков выделенных из рукописной подписи.

3. Созданные системы могут быть использованы в качестве базы для дальнейшего развития в этой области.

4. Реализация системы с применением ЦСП для выполнения ДПР позволяет существенно повысить скорость верификации, позволяет решать задачу идентификации в реальном времени. Реализация и внедрение результатов

Аппаратно-программная исследовательская система в составе подсистемы ввода подписи с цифрового планшета, включая ее изображение и динамические данные (скорость, нажим); подсистемы регистрации; подсистемы верификации; подсистемы параллельной обработки изображения подписи по алгоритму ДПР с использованием ЦСП TigerSHARC используется на кафедре вычислительной техники ВлГУ в учебном процессе и научной работе.

• Испытание системы верификации личности по рукописной подписи проводилось на кафедре уголовного права и процесса факультета права и психологии Владимирского государственного университета подтвердило заявленные в диссертации характеристики.

• Владимирский завод «Электроприбор» предоставил заключение о полезности с намерением использовать результаты диссертации в подсистеме персональных данных работников завода для решения производственных вопросов.

Апробация работы.

Основные положения диссертационной работы докладывались и обсуждались на 7-ой международной научно-технической конференции, ПТСПИ'2007(г. Владимир), на 6-ой всероссийской научно-технической конференции, 2008 (г. Вологда), на VIII международной научно-технической конференции, ФРЭМЭ'2008(г. Владимир), на VIII международной научно-технической конференции, ПТСПИ 2009(г. Владимир), на девятой международной конференции - семинар «Высокопроизводительные параллельные вычисления на кластерных системах» 2009 (г. Владимир). На защиту выносится методы, алгоритмы, программное обеспечение и технические решения, позволяющие повысить эффективность системы верификации личности по рукописной подписи, а именно:

1. Метод выделения признаков рукописной подписи, основанный на вычислении дискретного преобразования Радона (ДПР) изображения подписи.

2. Три системы признаков и алгоритмы их выделения: радоновских, глобальных, динамических.

3. Алгоритмы сопоставления подписей на основе каждой из предложенных систем признаков с использованием динамической трансформации времени (ДТВ) и расстояния Махаланобиса.

4. Алгоритмы идентификации на основе: классификатора по методу опорных векторов (MOB); алгоритма скользящего порога; алгоритма порога, зависящего от автора.

5. Метод и алгоритм реализации ДПР в системе, использующей ЦСП для повышения скорости обработки данных.

6. Сравнительные результаты экспериментальных исследований, существующих и предложенных систем идентификации личности по рукописной подписи.

Публикации. По теме диссертации опубликовано 13 печатных работ.

Благодарности Автор благодарит научного руководителя к.т.н. профессор Жиркова В.Ф. за оказанное внимание и научное руководство.

Автор благодарит X. Ортега-Гарсиа и X. Фьеррез-Агилар за предоставление набора данных «MCYT signature sub-corpus».

Автор благодарит факультета права и психологии кафедры уголовного права и процесса Владимирского государственного университета за подтверждение эффективности предложенных решений в системе поддержки экспериментальных исследований.

Автор благодарит факультет ФИТ кафедру ВТ Владимирского Государственного Университета за обеспечение платой (ADSP-TS201S EZ-KITLITE).

Структура и объем работы

Диссертационная работа состоит из введения, шести глав, заключения, списка литературы из 104 наименований и приложений. Общий объем работы 136 страниц, 37 рисунков, 6 таблиц.

6.5 Выводы по главе

1. Проведено исследование влияния разработанный метод реализации систем идентификации личности по рукописной подписи в ЦСП, в том числе метод комбинирования три системы.

2. Результаты идентификации улучшаются при увеличении числа тренировочных подписей, трех систем и при использовании МОВ-классификатора. Три системы обеспечили дополнительной информацией о подписях.

3. При комбинировании три системы коэффициент ЭО равен 9.43% для квалифицированных подделок и 2.85% для случайных подделок при рассмотрении десяти тренировочных подписей, что является лучшим результатом, чем современные результаты.

4. При реализации системы идентификации в ЦСП ЭО равен 8.3% для квалифицированных подделок и 1.4% для случайных. Это показывает, что предложенное решение повышает производительность системы идентификации, то есть система работает быстро, архитектурно эффективно и является недорогой благодаря эффективной архитектуре ЦСП.

109

ЗАКЛЮЧЕНИЕ

В диссертационной работе разработано математическое и алгоритмическое обеспечение для автоматической идентификации личности по рукописной подписи с использованием ЦСП. Разработанные методы и алгоритмы идентификации личности по рукописной подписи, использующие предложенную систему признаков, позволяют повысить точность идентификации по сравнению с другими методами. Реализация системы на основе ЦСП предполагает, что предложенная система будет работать быстро, повысится точность и скорость идентификации, а система останется архитектурно эффективной и недорогой. Таким образом, задача, поставленная в диссертационной работе, полностью выполнена.

В ходе работы были получены следующие основные результаты:

1. Проведено исследование существующих методов идентификации личности по рукописной подписи. "Выявлены их достоинства и. недостатки.

2. Выполнено исследование существующих систем признаков, характеризующих рукописную подпись, рассмотрены существующие методы их формирования и выравнивания.

3. Разработано математическое и алгоритмическое обеспечение, системы автоматически идентификации личности по рукописной подписи, включающее:

• Методы выделения глобальных, динамеческих и радоновских признаков из рукописной подписи.

• Методы сравнения с использованием метода динамического трансформации времени и метод расстояний Махаланобиса.

• Методы принятия решения относительно тестовой подписи на основе скользящего порога, порога зависящего от автора и МОВ-классификатора.

4. Реализована в варианте системы верификации личности, использующей ЦСП:

• Метод выделения признаков из необработанного изображения подписи на основе дискретного преобразования Радона.

• Метод моделирования рукописной подписи с использованием алгоритма динамического трансформации времени.

• Метод использования порога зависящего от автора для принятия или отрицания тестовой подписи.

5. Проведено исследование использования предложенных алгоритмов выделения признаков для достижения эффективности автоматической идентификации личности по рукописной подписи реализуемое в ЦСП.

6. Разработанная система позволяет повысить надежность автоматической идентификации личности по рукописной подписи при ее реализации в ЦСП.

ПУБЛИКАЦИИ АВТОРА ПО ТЕМЕ ДИССЕРТАЦИИ

Статьи в изданиях, рекомендованных ВАК

1. Abdallah Ali A.A. Off line signature verification using Radon transform and

SVM/KNN classifiers / A.A. Abdallah Ali, V. F. Zhirkov // Вестник Тамбовского государственного технического университета. 2009. Том 15. № 1. С. 62 - 69. (Соискатель - 85%).

2. Abdallah Ali A.A. Combining Multiple Approaches for On-Line Signature Verification / A.A. Abdallah Ali, V. F. Zhirkov // Вестник Тамбовского государственного технического университета. 2009. Том 15. № 2. С. 321 -329. (Соискатель - 85%).

В других изданиях

1. Абдалла Али A.A. Краткий обзор работ в области автономной верификации подписи / A.A. Абдалла Али // Материалы конференции 7-ой международной научно-технической конференции «Перспективные технологии в средствах передачи информации». 2007. С. 160-162.

2. Абдалла Али A.A. Непрерывная динамическая трансформация времени для верификации подписи / A.A. Абдалла Али // Материалы шестой всероссийской научно-технической конференции «Вузовская наука -региону». 2008. С. 37-39.

3. Абдалла Али A.A. Биометрический контроль доступа / A.A. Абдалла Али // Материалы межвузовский научно-практической конференции «Трансформация экономики регионов в условях устойчивого развития: теория и практика». 2008. С. 162-165.

4. Абдалла Али A.A. Биометрические параметры для организации систем контроля доступа / A.A. Абдалла Али // Материалы межвузовский научно-практической конференции «Трансформация экономики регионов в условях устойчивого развития: теория и практика». 2008. С. 165-169.

5. Абдалла Али A.A. Биометрическая идентификация личности / A.A. Абдалла Али // Доклады VII Международной научно-технической конференции «ФИЗИКА И РАДИОЭЛЕКТРОНИКА В МЕДИЦИНЕ И ЭКОЛОГИИ». 2008. С. 145-147.

6. Абдалла Али A.A. Идентификация личности с помощью биометрической подписи / A.A. Абдалла Али II Доклады VII Международной научно-технической конференции «ФИЗИКА И РАДИОЭЛЕКТРОНИКА В МЕДИЦИНЕ И ЭКОЛОГИИ». 2008. С. 147-149.

1. Абдалла Али A.A. Анализ почерка и методы его верификации / A.A. Абдалла Али, O.P. Рузевич // Научные труды российской академии юридических наук. Выпуск 8. Том 3. М.: Издательская группа "Юрист". 2008. С. 917-922. (Соискатель - 85%).

8. Abdallah Ali A.A. Investigation results when combining local and global information for on-line signature verification / A.A. Abdallah Ali, V. F. Zhirkov // Материалы конференции VIII международной научно-технической конференции «перспективные технологии в средствах передачи информации». 2009. Том 2. С. 108 - 114. (Соискатель - 85%).

9. Абдалла Али А. А. Результаты, исследований при использовании локальной и глобальной информации в верификации интерактивных рукописных подписей / А. А. Абдалла Али, В. Ф. Жирков II Всероссийский научно-технический журнал «Проектирование и технология электронных средств». № 4. 2009. С. 38-42. (Соискатель -85%).

10. Абдалла Али А. А. Повышение производительности системы верификации подписи, с использованием ЦСП / А. А. Абдалла Али // Сборник научных статей «Алгоритмы, методы и системы обработки данных». 2009. (в печати).

11. Абдалла Али А. А. Параллельная обработка данных в системе верификации подписи основанной на преобразовании Радона / А. А. Абдалла Али // девятая международная конференция - семинара «Высокопроизводительные параллельные вычисления на кластерных системах». 2009.

1. Брюхомицкий, Ю.А., Казарин, М.Н. Учебные биометрические системы контроля доступа по рукописному и клавиатурному почеркам.— Таганрог, ТРГУ, 2004 ( http://www.library.mephi.ru/data/scientific-sessions/2006/vnk 13/0-1-12 .doc)

2. Бочкарев C.JI. Система голосовой аутентификации по динамическим параметрам акустического тракта человека.— Специальная техника средств связи. Серия «Системы, сети и технические средства конфиденциальной связи».— Пенза, ПНИЭИ, 1996, вып.№1 с. 93-96

3. Черкезов Роман, Динамические методы биометрической аутентификации личности, Эссе по курсу "Защита информации", кафедра радиотехники, Московский физико-технический институт (ГУ МФТИ), 11 апреля 2006 г. http://www.re.mipt.ru/infsec

4. Иванов А.И: Биометрическая идентификация личности по динамике подсознательных движений. Монография. — Пенза: Изд-во Пензенского государственного ун-та, 2000. — 188с.

5. Иванов А.И. Нейросетевые алгоритмы биометрической идентификации личности.— Серия «Нейрокомпьютеры и их применение». Кн. 15. — М.: Радиотехника, 2004. с. 22-50.

6. Рыбченко Д.Е., Критерии устойчивости и индивидуальности компьютерного почерка при вводе ключевых фраз.— Специальная техника средств связи. Серия «Системы, сети и технические средства конфиденциальной связи».— Пенза, ПНИЭИ, 1997, вып.№2 с. 104107.

7. Analog Devices, "VISUALDSP++ 5.0 Getting Started Guide", 2007.

8. Analog Devices, "ADSP-TS201S EZ-KIT LITE, Evaluation System Manual", 2007.

9. Bigun, E.S., Bigun, J., Duc, B., Fischer, S.: Expert conciliation for multi modal person authentication systems by Bayesian statistics. In: Proc. of AVBPA, Springer LNCS-1206 (1997) 291-300.

10. Bracewell, R. N., Two-Dimensional Imaging, Prentice-Hall, Englewood Cliffs, NJ, USA, 1995.

11. Burges, C. J. C., "A Tutorial on Support Vector Machines for Pattern Recognition", Data Mining and Knowledge Discovery, Vol. 2, pp. 121-167, 1998.

12. Burr, D. J., "Experiments With a Connectionist Text Reader", IEEE International Conference on Neural Networks, San Diego, CA, pp. 717-724, 1987.

13. Chuang, P. C., "Machine Verification of Handwritten Signature Image", In Proceedings of International Conference on Crime Countermeasure, pp. 105109, 1977.

14. Cristianini, N., and Scholkopf, B., "Support Vector Machines and Kernel Methods, The New Generation of Learning Machines", AI Magazine, Vol. 23,No. 3, pp. 31-41,2002.

15. Chan F. Lam and David Kamins. Signature recognition through spectral analysis. Pattern Recognition, 22:39-44, 1989.

16. Cyber SIGN, Inc. Online. Available: http://www.cybersign.com/techoverview.htm, June 29 1999.

17. DAT A VISION Corporation. Online. Available http://www.datavisionimage.com/sigrec.htm, June 29 1999.

18. Deller, J.R., Proakis, J.G. and Hansen, J.H. (1999). Discrete-Time Processing of Speech Signals. IEEE.

19. Deng, P. S., H. Y. M. Liao, C.-W.Ho, and H.-R. Tyan, "Waveletbased offline handwritten signature verification," Computer Vision and Image Understanding, vol. 76, no. 3, pp. 173-190, 1999.

20. Dolfing, H., Aarts, E., and Oosterhout, van J.J. "On-Line Signature Verification with Hidden Markov Models", ICPR, 1998.

21. Duda, R. O., Hart, P. E., and Stork, D. G., "Pattern Classification", Second Edition, John Wiley & Sons, Inc., 2001.

22. Earnest, L. D. "Machine reading of Cursive Script", IFIP Congress, pp. 462466, Amsterdam, 1963.

23. Eden, M. "Handwriting and Patten Recognition", IRE Transactions on Information Theory, vol. 8, 1962.

24. Evett and Totty, R. N., "Study Of The Variation In The Dimensions Of Genuine Signatures", Journal of the Forensic Science Society, vol. 25, pp. 207-215, 1985.

25. B. Fang, Y. Y. Wang, C. H. Leung, et al., "Offline signature verification by the analysis of cursive strokes," International Journal of Pattern Recognition and Artificial Intelligence, vol. 15, no. 4, pp. 659-673, 2001.

26. B. Fang, C. H. Leung, Y. Y. Tang, P.C.K.Kwok, K. W. Tse, and Y. K. Wong, "Off-line signature verification with generated training samples," IEE Proceedings Vision, Image and Signal Processing, vol. 149, no. 2, pp. 85-90; 2002.

27. Fang, B., Leung, C. H., Tang, Y. Y, Tse, K. W., Kwok, P. C. K., Wong, Y. K., "Off-Line Signature Verification by The Tracking of Feature and Stroke Positions", Pattern Recognition, Vol. 36, pp. 91-101, 2003.

28. Gonzaiez, R. C., Woods, R. E., "Digital Image Processing", Addison Wesley, 1993. 57

29. Guo, J. K., Doermann, D., and Azriel Rosenfeld, "Forgery Detection by Local Correspondence", International Journal of Pattern Recognition and Artificial Intelligence, Vol. 15, pp. 579-641, 2001.

30. Gupta, J. and A. McCabe, "A review of dynamic handwritten signature verification," Tech. Rep., James Cook University, Australia, 1997.

31. Gnanadesikan, R., and J.R. Kettenring (1972). Robust estimates, residuals, and outlier detection with multiresponse data. Biometrics 28:81-124.

32. Hao Feng and Chan Choong Wah. Online signature verification using a new extreme points warping technique. Pattern Recognition Letters, 24:29432951,2003.

33. Hangai, S., Yamanaka, S., and Hamamoto, T., Writer verification using altitude and direction of pen movement. Proceedings of the International Conference on Pattern Recognition, 3:483-486, 2000.

34. Herbst, N. M. and Liu, C. N., Automatic signature verification based on accelerometry. IBM Journal Of Research And Development, 21:245-253, 1977.

35. Herbst, B., D. Richards, "On an Automated Signature Verification System", In Proceedings of IEEE International Symposium of Industrial Electronics, pp. 600-604, 1998.

36. Jain, A. K., "Biometric recognition: how do I know who you are?", Signal Processing and Communications Applications Conference, 2004. Proceedings of the IEEE 12th: 3-5

37. Jain, A.K., Griess, F.D., and Connell, S.D., "On-line Signature Verification", Pattern Recognition, Vol. 35, pp. 2963-2972, Dec. 2002.

38. Jain, A. and Ross, A. Learning user-specific parameters in a multibiometric system. Proceedings of the International Conference on Image Processing, pages 57-60, 2002.

39. Jain, A. K., Friederike D. Griess, and Scott D. Connell. On-line Signature Verification. Pattern Recognition, 35(12):2963-2972, December 2002.

40. Jain, A. K., Nandakumar, K., and Ross, A. Score normalization in multimodal biometric systems, to appear in Pattern Recognition, 2005.

41. Jain, A. K. and Ross A., Information fusion in biometrics. Pattern Recognition Letters, 24(13):2115-2125, September 2003.

42. Jain, A. K. and Ross, A. Multibiometric systems. Communications of the ACM, 47(1):34—40, January 2004. Special Issue on Multimodal Interfaces.

43. Jain, A. K. and Ross, A. Multimodal biometrics: An overview. Proceedings of the 12th European Signal Processing Conference, pages 1221-1224, 2004.

44. Jain, A.K., Hong,L., Pankanti, S., Biometric Identification, COMMUNICATIONS OF THE ACM February 2000/Vol. 43, No. 2

45. Jianxin Yan, Alan Blackwell, Ross Anderson, and Alasdair Grant. The memorability and security of passwords some empirical results. Technical report, University of Cambridge, 2000.

46. Kak, A.C. and Slaney, M. (1988). Principles of Computerized Tomographic Imaging. IEEE, New York.

47. Kashi, R.S., Hu, J., Nelson, W.L., Turin, W.: On-line handwritten signature verification using hidden markov model features. In: Proc. of ICDAR. (1997) 253-257

48. Kam, M., Gummadidala, K., Fielding, G., and Conn, R. Signature authentication by forensic document examiners. Journal of Forensic Sciences, 46:884-888, 2001.

49. Kittler, J., Hatef, M., Duin, R., Matas, J.: On combining classifiers. IEEE Trans, on Pattern Anal, and Machine Intell. 20 (1998) 226-239.

50. Kholmatov, A. and Yanikoglu, B. Biometric authentication using online signatures. ISCIS, 3280:373-380,2004.

51. LCI SMARTpen, Inc. Online. Available: http://www.smartpen.net/site/index.htm, July 12 1999.

52. Leclerc, F. and Plamondon, R., "Automatic signature verification: the state of the art, 1989-1993," International Journal of Pattern Recognition and Artificial Intelligence, vol. 8, no. 3, pp. 643-660, 1994.

53. Luan Ling Lee. Neural approaches for human signature verification. Proceedings of the Third International Conference on Signal Processing, pages 1346-1349, 1996.

54. Liu, C. N., Herbst, N. M., and Anthony, N. J. Automatic signature verification: System description and field test results. IEEE Transactions on Systems, Man, and Cybernetics, 9:35-38, 1979. 91

55. Martens, R., and Claesen, L., "Dynamic Programming Optimisation for OnLine Signature Verification", ICDAR97, 1997.

56. Martens, R., and Claesen, L., "On-Line Signature Verification by Dynamic Time-Warping", Proceedings of the 13'th International Conference on Pattern Recognition, pp. 38-42, 1996.

57. Matsuura, T., and Sakai, H., "On Stochastic Representation of Handwriting Process and Its Application to Signature Verification", Proceedings of ICSP'96, 1996.

58. Mizukami, Y., Miike, H., Yoshimura, M., and Yoshimura, I., " An Off-Line Signature Verification System Using an Extracted Displacement Function", In Proceedings of ICDAR, pp. 757-760, 1999.

59. Munich, M.E., and Perona, P., "Visual signature verification using affine arclength", Proceedings of the IEEE Computer Society Conference on Computer Vision and Pattern Recognition, 1999. 58

60. Murshed, N. A., Bortolozzi, F. and Sabourin, R., "Off-Line Signature Verification, Without a Priori Knowledge of Class 12. A New Approach", ICDAR, Vol. 1, 1995.

61. Nalwa, V. S., "Automatic On-Line Signature Verification", Proceedings of IEEE, vol. 85, pp. 215-239, 1997.

62. PenOp, Inc. Online. Available: http://www.penop.coiii/penop/penop.nsf/htmlmedia/index.html, July 19 1999.

63. Peter Toft, "The Radon Transform Theory and Implementation", Ph.D: thesis, Technical University of Denmark, June 1996, 326 pages.

64. Papamarkos, N. ,andH. Baltzakis "A new signature verification technique based on a two-stage neural network classifier," Engineering Applications of Artificial Intelligence, vol. 14, pp. 95-103, 2001.

65. Plamondon, R., Lorette, G., "Automatic Signature Verification and Writer Identification-The State of the Art", Pattern Recognition vol. 22, pp. 107131, 1989.

66. Plamondon, R. and Leclerc, F. "Automatic Signature Verification: The State of the Art, 1989-1993", International Journal of Pattern Recognition and Artificial Intelligence, special issue signature verification, vol. 8, no. 3, pp. 643-660, 1994.

67. Plamondon, R., and Nouboud, F. "On-Line Recognition of Handprinted Chatracters: Survey and Beta Tests", Journal of Pattern Recognition, vol. 25, no. 9, pp. 1,031-1,044, 1990.

68. Plamondon, R. and Parizeau, M."Signature Verification from Position,

69. Velocity and Acceleration Signals: A Comparative Study", Proceedings of ththe 9 International Conference of Pattern Recognition, vol.1, pp.260-265, Rome, Italy, 1988.

70. Plamondon R., et. al., "Pattern Recognition, Special issue on automatic signature verification", R. Plamondon éd., vol. 8, no. 3, 1994.

71. Plamondon, R., D. Lopresti, L.R.B. Schomaker, and R. Srihari, "On-Line Handwriting Recognition: A Comprehensive Survey", Encyclopedic of Electrical and Electronics Engineering, J.G. Webster, ed., vol. 15, pp. 123146, New York, Wiley, 1999.

72. Plamondon, R., and S.N. Srihari, "On-Line and Off-Line Handwriting Recognition: A Comprehensive Survey", IEEE Transactions on Pattern Analysis and Machine Intelligence, vol. 22, no. 1, pp. 63-84,2000.

73. Prabhakar, S., Pankanti, S., and Jain, A.K. Biométrie recognition: Security & privacy concerns. IEEE Security & Privacy Magazine, l(2):33-42, March-April 2003.

74. Quintet. Online. Available: http://www.quintetusa.com/pro.htm, September 10 1999.

75. Revillet, M. J., "Signature Verification on Postal Cheques", in Proceedings of ICDAR, pp. 767-773, 1991

76. Rigoll, G., Kosmala, A., "A Systematic Comparison Between On-Line and Off-Line Methods for Signature Verification with Hidden Markov Models", In Proceedings of International Conference on Pattern Recognition, vol. 2, pp. 1755-1757, 1998.

77. Sabourin, R. and Genest, G., "An Extended-Shadow-Code Based Approach for Off-Line Signature Verification" ICDAR, 1993.

78. Sabourin, R., Genest, G., and Preteux, F., "Pattern Spectrum as a Local Shape Factor for Off-Line Signature Verification", In Proceedings of ICPR, Vol. 3 pp. 43-48, 1996.

79. Sabourin, R., Genest, G., and Preteux, F., "Off-Line Signature Verification by Local Granulometric Size Distributions", IEEE Transactions on Pattern Analysis and Machine Intelligence, Vol. 19, No. 9, 1997.59

80. Sabourin, R., Drouhard, J. P., and Wah, E. S."Shape Matrices as a Mixed Shape Factor for Off-line Signature Verification", In Proceedings of ICDAR, pp. 661-664, 1997.

81. Sabourin, R. and E. J. R. Justino, F. Bortolozzi, "Off-line signature verification using HMM for random, simple and skilled forgeries," in International Conference on Document Analysis and Recognition, vol. 1, pp. 105-110, Seattle, Wash, USA, 2001.

82. Scholkopf, B., Burges, C. J. C., and Smola, A. J., "Advances in Kernel Methods:Support Vector Learning", MA: MIT Press, Cambridge, 1999.

83. Smart Computing, "Digital Design Past, Present & Future Of Digital Tablets", Oct., 2002, Vol. 6, Issue 8, pp. 36-39.

84. Shapiro, V.A. and Bakalov, I.S., "Static Signature Verification as a Dynamic Programming Problem". Proceedings of the Sixth International Conference on Handwriting and Drawing, pp. 219-221, Paris, 1993.

85. The Mathworks, "Embedded IDE LinkVS User's Guide", 2008.

86. Thipakorn, B. and T. Kaewkongka, K. Chamnongthai,"Off-line signature recognition using parameterized-hough transform," in Proc. 5th International Symposium on Signal Processing and Its Applications, pp. 451-454, Brisbane, Australia, 1999.

87. Tolba, T. S.5 "GloveSignature: A Virtual-Reality-Based System for Dynamic Signature Verification", Digital Signal Processing Vol. 9, pp. 241-266, 1999.

88. Trunk, G. V. A problem of dimensionality: A simple example. IEEE Transactions on Pattern Analysis and Machine Intelligence, PAMI-1(3), July 1979.

89. Vapnik, V., "Statistical Learning Theory", NY: Wiley, New York, 1998.

90. Vielhauer, C., Steinmetz, R., and Mayerhofer, A., "Biometric Hash Based on Statistical Features of On-line Signatures", 16'th International Conference on Pattern Recognition, 2002.

91. Wacom Technology Co. Online. Available: http://www.wacom.com/productinfo/pl300.html, May 25 2000.

92. Wakahara, T., H. Murase, and K. Odaka, "On-Line Handwriting Recognition", Proceedings of the IEEE, vol. 80, no. 7, pp. 1,181-1,194, 1992.

93. Wayman, J., et. al., "National Biometrics Test Center Collected Works 1997-2000", J. Wayman ed., ver. 1.3, San Jose State University, USA, http://www.engr.sjsu.edu/biometrics/nbtccw.pdf, 2003.

94. Zhang, K., Nyssen, E., Sahli, H.: A multi-stage on-line signature verification system. Pattern Analysis and Applications 5 (2002) 288-295

95. Yang, L., Widjaja, B. K., and Prasad, R. Application of hidden markov models for signature verification. Pattern Recognition, 28:161-170,1995.

96. Yeung, D., Chang, H., Xiong, Y., George, S., Kashi, R., Matsumoto, T., and Rigoll, G. Svc2004: First international signature verification competition. Proceedings of the International Conference on Biometric Authentication, 2004.