(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202210867739.7 (22)申请日 2022.07.22 (71)申请人 浙江工业大 学 地址 310006 浙江省杭州市拱 墅区朝晖六 区潮王路18号 (72)发明人 张永良　方振宇　周阳　郭全垚　 陈紫鹏　李佳怡　高健　 (74)专利代理 机构 杭州浙科专利事务所(普通 合伙) 33213 专利代理师 周红芳 (51)Int.Cl. G06V 40/30(2022.01) G06V 30/18(2022.01) G06V 30/19(2022.01) G06V 10/80(2022.01) (54)发明名称 一种基于多特征融合的离线签名真伪检测 方法 (57)摘要 本发明公开了一种基于多特征融合的离线 签名真伪检测方法， 包括如下步骤： 随机等比例 划分训练数据集和测试数据集， 签名数据集图像 样本预处理， 局部二值模式特征提取， 选择最优 距离度量函数， Gabor滤波器特征提取， 选择 Gabor卷积核的频率、 角度的最优组合设计以及 特征向量， 形状因子特征提取， 选择能达到最佳 效果的级数， 将最优解所得到的特征进行融合， 在测试集上计算最后精度。 本发 明综合局部二值 模式特征、 Gabor滤波器特征和形状因子特征三 者的优势， 同时具备对图片样 本中光源的高敏 感 性、 与人类视觉接收场模型相吻合的特点， 对日 常生活中的字迹鉴别以及具备法律效应的文书 合同上的当事人签名防伪检测效果比其他方法 有改进和提升 。 权利要求书2页 说明书5页 附图4页 CN 115311746 A 2022.11.08 CN 115311746 A 1.一种基于多特 征融合的离线签名真伪检测方法， 其特 征在于包括如下步骤： 1)随机等比例划分训练数据集和 测试数据集； 2)签名数据集图像样本预处 理； 3)局部二 值模式特 征提取， 选择最优距离度量 函数； 4)Gabor滤波器特征提取， 选择Gabor卷积核的频率、 角 度的最优组合设计以及特征向 量； 5)形状因子特 征提取， 选择能达 到最佳效果的级数； 6)将通过步骤3)到步骤5)最优解所 得到的特 征进行融合， 在测试集上计算 最后精度。 2.如权利要求1所述的一种基于多特征融合的离线签名真伪检测方法， 其特征在于步 骤1)具体包括以下步骤： 数据集中共有M个人的签名样本， 每人真签名20份， 共20M份， 每个 人的真签名由两个人仿写各8份， 即假签名共320M份， 真假签名两两组合， 组成S1＝320M对 数据样本， 真签名与真签名两两组合， 组成 对数据样本， 则总的数据样本S＝S1+ S2对， 将总数据样本平均划分， 则训练集样本数T1＝测试集样本数T2， 即T1＝T2＝S/2。 3.如权利要求1所述的一种基于多特征融合的离线签名真伪检测方法， 其特征在于步 骤2)具体包括以下步骤： 2.1)将签名区域单独分割出来， 使用Canny算子得到图像边缘， 霍夫直线检测， 网格点 坐标定位， 根据坐标进行图像分割并去除网格线； 2.2)采用求 最长惯性主轴的方法对样本进行倾 斜矫正； 2.3)采用基于块的二 值化方法对 颜色浅的字 迹进行辨别， 保留颜色浅的字 迹； 2.4)对字 迹进行骨架提取操作。 4.如权利要求1所述的一种基于多特征融合的离线签名真伪检测方法， 其特征在于步 骤3)具体包括以下步骤： 将局部二值模式的领域设置为中心像素点的圆上进行采样， 将圆 形局部二 值模式特 征上使用卡方距离度量 函数得到待测结果。 5.如权利要求1所述的一种基于多特征融合的离线签名真伪检测方法， 其特征在于步 骤4)的操作方式为： 使用由高斯函数和余弦函数调制成的Gabor卷积核， 通过调整Gabor卷 积核的参数反应不同方向和尺度的笔迹纹 理特征， 对Gabor卷积核模板L1权 重归一化。 6.如权利要求5所述的一种基于多特征融合的离线签名真伪检测方法， 其特征在于对 Gabor卷积核模板L1权重归一化的具体操作方式为： 将经过二值化预处理的样本图像送进 角度为0， π/4， π/2， 3π/4， 频率为8的Gabor滤波核中， 将滤波核模板L1归一化操作， 图像经过 该滤波操作后， 得到灰度值在( ‑1,1)之间的灰度图像， 均匀地取64级统计其灰度直方图， 并 将其归一 化统计其灰度的分布， 即计算 概率密度函数， 并比较卡方距离 。 7.如权利要求1所述的一种基于多特征融合的离线签名真伪检测方法， 其特征在于步 骤5)具体包括以下步骤： 5.1)计算形状指数， 去掉没有定义的部分， 只关注笔迹边 缘的曲率； 5.2)相似地取k级计算图像的直方图， 并计算卡方距离， 通过比较类内或类外的距离判 别待测签名真伪。 8.如权利要求1所述的一种基于多特征融合的离线签名真伪检测方法， 其特征在于步 骤6)具体包括如下步骤：权　利　要　求　书 1/2 页 2 CN 115311746 A 26.1)将局部二值模式特征、 Gabor滤波器特征和形状因子特征进行融合， 并采用PCA降 维； 6.2)使用集成学习的方法将进行回归后的三个单独特征的预测值在通过逻辑回归进 行加权计算。权　利　要　求　书 2/2 页 3 CN 115311746 A 3