[论文解读] Graph-Based Offline Signature Verification

Paul Maergner, Nicholas R. Howe+3 more|arXiv (Cornell University)|Jun 25, 2019

Handwritten Text Recognition Techniques参考文献 46被引用 8

一句话总结

本文提出两种基于图的离线签名验证方法：使用近似图编辑距离的关键点图，以及结合角度感知匹配的油墨球模型。通过利用豪斯多夫编辑距离近似提升计算效率，并在油墨球匹配中引入角度特征以增强准确性，该方法在四个基准数据集上实现了最先进性能，联合方法在两个数据集的熟练伪造检测中达到最低EER。

ABSTRACT

Graphs provide a powerful representation formalism that offers great promise to benefit tasks like handwritten signature verification. While most state-of-the-art approaches to signature verification rely on fixed-size representations, graphs are flexible in size and allow modeling local features as well as the global structure of the handwriting. In this article, we present two recent graph-based approaches to offline signature verification: keypoint graphs with approximated graph edit distance and inkball models. We provide a comprehensive description of the methods, propose improvements both in terms of computational time and accuracy, and report experimental results for four benchmark datasets. The proposed methods achieve top results for several benchmarks, highlighting the potential of graph-based signature verification.

研究动机与目标

• 解决离线签名验证中缺乏动态特征、相比在线验证更具挑战性的问题。
• 通过利用图表示建模局部与全局结构特征，克服现有最先进系统中固定大小特征向量的局限性。
• 通过新颖的近似方法与特征增强，提升基于图的签名验证的计算效率与准确性。
• 在标准基准数据集上，证明结构化图模型相较于传统统计方法与深度学习方法的优越性。

提出的方法

• 将签名表示为关键点图，其中节点为关键点，边编码空间与结构关系。
• 采用二次时间复杂度的豪斯多夫编辑距离近似方法，降低图编辑距离匹配的计算复杂度。
• 提出一种增强型油墨球模型，通过引入连接节点之间的角度信息，提升结构匹配的准确性。
• 为油墨球模型引入有根树结构，通过专用匹配算法高效匹配签名骨架。
• 结合图编辑距离与基于油墨球的方法，利用互补优势，提升整体验证性能。
• 在四个公开数据集上使用标准指标（包括EER、FRR、FAR与AER）评估所有方法，采用用户特定与全局协议。

实验结果

研究问题

• RQ1 基于图的表示是否能在离线签名验证中超越固定大小特征向量方法？
• RQ2 如何在不牺牲验证准确性的前提下，降低图编辑距离的高计算成本？
• RQ3 在油墨球模型中引入角度信息在多大程度上能提升签名验证性能？
• RQ4 结合图编辑距离与油墨球模型是否能实现优于单一方法的性能？
• RQ5 在相同评估协议下，所提方法与最先进系统在标准基准数据集上的表现如何比较？

主要发现

• 所提出的结合豪斯多夫近似的图编辑距离方法在GPDS-75数据集上达到17.33%的EER，优于相同评估协议下的先前方法。
• 增强型油墨球模型在MCYT-75数据集上将EER降低至14.61%，在CEDAR数据集上降低至7.73%，在所有基准中达到最佳或前三名结果。
• 联合MCS（多组件系统）方法在MCYT-75数据集上实现最低EER 15.01%，在CEDAR数据集上实现8.00%的EER，创下熟练伪造检测的新SOTA记录。
• 结合角度特征的油墨球模型显著提升验证准确性，尤其在伪造变异性较高的数据集中表现突出。
• 豪斯多夫近似在保持高准确性的前提下显著降低图编辑距离的计算时间，支持实际部署。
• 所提方法在两个数据集（MCYT-75与CEDAR）上，针对熟练伪造的EER表现达到顶尖水平，超越了先前在相同评估设置下发布的成果。