当前位置: 首页 > 科技成果列表 > 科技成果详细

基于笔迹的身份鉴别理论与技术研究

技术类型:非专利

技术成熟度:-

转让方式:-

应用领域:研究和试验发展

技术领域:认证授权技术

交易价格:面议专利价值评估

应用案例:否

了解与分析本科技成果,可查看成果概况并使用以下技术转移数智化应用工具:
成果概况
简介

针对离线手写体汉字笔迹鉴别,该项目依据不同种类特征分别计算距离度量或相似度用于判定嫌疑人笔迹与检材的相似度,再融合不同种类的相似度进行分类。因此,该项目深入研究了笔迹鉴别过程中的特征提取和分类问题,为相关算法开展比较研究和有效性分析提供实验平台,为计算机笔迹鉴别系统的实现提供理论指导和技术支持,推动笔迹鉴别自动化进程。1.主要研究内容(1)基于Gabor滤波器提取样本图像的纹理特征首先将采集到的笔迹灰度图像分割成128×128的互不重叠的字符块,然后选取Gabor滤波器的相位角参数为0,45,90,135,中心频率为4,8,16,32,64时,计算20个Gabor通道输出笔迹图像的均值和方差作为输入图像的纹理特征,如此可得到字符块纹理图像的一个40维的特征向量。(2)基于线性矩和小波变换相结合的方法提取特征字的特征为提取特征字图像的笔划特征,即横向、竖向和斜向的笔划特征,首先用Mallat小波算法对字符图像作小波分解,然后提取线性矩特征矢量的平均值、标准方差、能量和平均残差4个统计量作为特征字的特征矢量,作为线性矩曲线的特征参数,由此可以得到特征字图像的一个16维特征矢量。(3)基于神经网络集成的分类器首先并行生成三个前向神经网络构成分类器系统,对于每个神经网络的结构都为前向神经网络,应用改进的BP算法作为该三层前向神经网络的训练算法。在训练阶段,首先,将初始笔迹样本集随机分成三个集合;然后,使用Bagging方法训练三个网络,可以从训练集中重复的抽取训练样本,增加神经网络集成的差异度,提高泛化能力;最后,依据各网络的输出应用投票的方法输出集成的结果,作为总的评价。(4)基于混沌优化思想设计支持向量机分类器主要思路是通过某特定格式迭代产生混沌序列;然后通过载波的方式将混沌变量的值域"放大"到优化变量的取值空间。(5)设计实现了笔迹鉴别试验系统,满足了笔迹鉴别过程特征提取和分类识别阶段的算法性能评估的需求。2.主要研究成果:该项目的研究成果获得河南省工业和信息化厅科技成果壹等奖,发表相关论文8篇。该项目设计完成笔迹鉴别试验系统,能有效的开展笔迹鉴别活动,同时也能对笔迹鉴别过程中的特征提取和分类阶段的主要算法进行比较试验和有效性分析。3.应用推广及效益情况:近两年,该项目研究成果已经在河南睿辰律师事务所和河南省电子学会粮食电子信息研究所得到了很好的应用,极大的提高了笔迹鉴别的科学性与透明度,保证了司法活动的公正性,为应用单位业务的顺利开展提供了有效的技术支持,产生了良好的社会影响和实用价值。

成果评价分析
技术应用分析
服务案例
Baidu
map