[論文レビュー] An Online Writer Identification System based on Beta-Elliptic Model and Fuzzy Elementary Perceptual Codes.

Thameur Dhieb, Sourour Njah+4 more|arXiv (Cornell University)|Apr 16, 2018

Handwritten Text Recognition Techniques被引用数 12

ひとこと要約

本稿では、オンライン手書きの分離されたベータストロークから静的および動的特徴を抽出するためにベータ楕円モデルとファジィ基本知覚コードを用いたオンライン筆跡識別システムを提案する。システムは位置および幾何的性質に基づきN連続ストロークをグループ化し、その後ディープニューラルネットワークを用いて分類を実行する。これにより、既存の手法と比較してラテン文字およびアラビア文字の両方のスクリプトで優れた性能を達成する。

ABSTRACT

Actually, the ability to identify the documents authors provides more chances for using these documents for various purposes. In this paper, we present a new effective biometric writer identification system from online handwriting. The system consists of the preprocessing and the segmentation of online handwriting into a sequence of Beta strokes in a first step. Then, from each Beta stroke, we extract a set of static and dynamic features using four features extraction techniques based on the Beta Elliptic model and the Fuzzy Elementary Perceptual Codes. Next, all the segments which are composed of N consecutive Beta strokes are categorized into groups and subgroups according to their position and their geometric characteristics. Finally, Deep Neural Network are used for classification. Experimental results reveal that the proposed system achieves interesting results as compared to those of the existing writer identification systems on Latin and Arabic scripts.

研究の動機と目的

• 既存のアプローチよりも精度を向上させるオンライン手書きの耐障害性バイオメトリクス的筆跡識別システムの開発を目的とする。
• オンライン手書きストロークをベータ楕円モデルでモデル化し、幾何的および動的特性を捉えることを目的とする。
• ファジィ基本知覚コードと複数の特徴抽出技術を用いて判別性の高い特徴を抽出することを目的とする。
• 空間的および幾何的特性に基づきストローク列をグループ化し、分類性能を向上させることを目的とする。
• ラテン文字およびアラビア文字を含む多様なスクリプト上で、ディープニューラルネットワークを用いてシステムの性能を評価することを目的とする。

提案手法

• システムは、ストロークのダイナミクスに基づき、オンライン手書きを個々のベータストロークに前処理および分割する。
• 各ベータストロークから静的および動的特徴を導出するために、ベータ楕円モデルに基づく4つの特徴抽出技術を適用する。
• ファジィ基本知覚コードを用いてストローク特徴内の知覚的パターンを符号化し、表現を向上させる。
• 連続するN個のベータストロークを、位置的および幾何的属性に基づきグループおよびサブグループにクラスタリングする。
• グループ化され特徴抽出が行われたストローク列を用いて、ディープニューラルネットワークを訓練し、筆者の身元を分類する。
• システムは、ラテン文字およびアラビア文字の手書きサンプルを含むデータセットを用いて評価される。

実験結果

リサーチクエスチョン

• RQ1 ベータ楕円モデルは、オンライン手書きストロークの幾何的および動的特徴をどの程度効果的に表現できるか？
• RQ2 ファジィ基本知覚コードは、筆跡識別における特徴表現をどの程度向上させるか？
• RQ3 位置および幾何的特性に基づきN連続ストロークをグループ化することは、分類性能を向上させることができるか？
• RQ4 本手法は、ラテン文字およびアラビア文字スクリプトにおける既存の筆跡識別システムと比較して、精度面でどの程度優れているか？
• RQ5 ディープニューラルネットワークは、抽出された特徴を用いて筆者の身元を識別するために、どのように寄与しているか？

主な発見

• 提案手法は、ラテン文字およびアラビア文字スクリプトにおいて、既存の筆跡識別システムと比較して優れた性能を達成する。
• ベータ楕円モデルとファジィ基本知覚コードの統合により、筆跡識別における特徴の判別能が向上する。
• 幾何的および位置的特性に基づくストローク列のグループ化が、分類精度の向上に寄与する。
• ディープニューラルネットワークは、抽出された特徴から複雑なパターンを効果的に学習し、筆者の識別を可能にする。
• 本システムは、アラビア語およびラテン文字を含むさまざまな筆記様式やスクリプトにおいて、強力な一般化性能を示す。
• 実験結果は、幾何的モデリング、知覚的符号化、ディープラーニングを組み合わせたマルチステージアプローチの有効性を確認する。