[論文レビュー] Online Signature Verification Based on Writer Specific Feature Selection and Fuzzy Similarity Measure

Chandra Sekhar, Prerana Mukherjee+2 more|arXiv (Cornell University)|May 21, 2019

Handwritten Text Recognition Techniques参考文献 15被引用数 8

ひとこと要約

本稿では、著者固有の特徴選択とファジィ類似度測度を用いた著者依存型オンライン署名検証システムを提案する。訓練データ上で等誤差率（EER）を最適化することで、個々の閾値と特徴集合を最適化し、4つのベンチマークデータセットにおいて最先端のモデルを上回る低い誤差率を達成しており、著者内変動に対する耐性が向上していることを示している。

ABSTRACT

Online Signature Verification (OSV) is a widely used biometric attribute for user behavioral characteristic verification in digital forensics. In this manuscript, owing to large intra-individual variability, a novel method for OSV based on an interval symbolic representation and a fuzzy similarity measure grounded on writer specific parameter selection is proposed. The two parameters, namely, writer specific acceptance threshold and optimal feature set to be used for authenticating the writer are selected based on minimum equal error rate (EER) attained during parameter fixation phase using the training signature samples. This is in variation to current techniques for OSV, which are primarily writer independent, in which a common set of features and acceptance threshold are chosen. To prove the robustness of our system, we have exhaustively assessed our system with four standard datasets i.e. MCYT-100 (DB1), MCYT-330 (DB2), SUSIG-Visual corpus and SVC-2004- Task2. Experimental outcome confirms the effectiveness of fuzzy similarity metric-based writer dependent parameter selection for OSV by achieving a lower error rate as compared to many recent and state-of-the art OSV models.

研究の動機と目的

• オンライン署名検証における著者内変動の課題に対処すること。
• 全著者に共通の特徴と閾値を用いる著者独立型アプローチの限界を克服すること。
• 精度向上を図るための著者固有パrameterを有するパーソナライズド検証システムを開発すること。
• 多様で標準的なベンチマークデータセットを用いて、手法の耐性を検証すること。

提案手法

• 時間的・空間的署名ダイナミクスをモデル化するために、区間記号表現を用いる。
• パrameter固定段階において、等誤差率（EER）を最小化することで、著者固有の特徴集合を選択する。
• 署名サンプルを比較するために、著者固有の受容閾値を組み込んだファジィ類似度測度を採用する。
• 各著者からの訓練サンプルを用いて、最適な閾値と特徴集合を特定する。
• グローバルな特徴および閾値選択を避ける一方で、著者ごとにパラメータをカスタマイズすることで、著者内変動の影響を低減する。
• 本手法は、4つの標準データセット（MCYT-100（DB1）、MCYT-330（DB2）、SUSIG-Visual、SVC-2004-Task2）で評価される。

実験結果

リサーチクエスチョン

• RQ1 著者固有の特徴選択とファジィ類似度測度は、著者独立型手法と比較してオンライン署名検証の正確性を向上させることができるか？
• RQ2 パーソナライズドな閾値および特徴集合選択は、署名検証における等誤差率（EER）にどのように影響するか？
• RQ3 提案手法は、署名特性が異なる多様なデータセットに対しても耐性を保っているか？
• RQ4 ファジィ類似度測度は、署名ダイナミクスにおける著者内変動の影響をどの程度低減するか？

主な発見

• 提案手法は、4つのベンチマークデータセットすべてにおいて、近年の多くのOSVモデルおよび最先端のモデルを上回る低い等誤差率（EER）を達成した。
• 著者固有のパラメータ選択は、署名ダイナミクスにおける著者内変動の影響を顕著に低減した。
• 個別に最適化された特徴集合と閾値を組み合わせたファジィ類似度測度は、検証の耐性を向上させた。
• MCYT-100、MCYT-330、SUSIG-Visual、SVC-2004-Task2を含む多様なデータセットにおいて、一貫した性能を示した。
• 訓練サンプルを用いたパラメータ固定段階により、著者ごとに最適な閾値と特徴が成功裏に同定され、EERが最小化された。
• 著者依存型アプローチが、従来の著者独立型手法に比べ、署名検証の正確性において優れていることが結果から確認された。