Skip to main content
QUICK REVIEW

[论文解读] Improved Dynamic Time Warping (DTW) Approach for Online Signature Verification

Azhar Ahmad Jaini, Ghazali Sulong|arXiv (Cornell University)|Mar 26, 2019
Handwritten Text Recognition Techniques参考文献 35被引用 4
一句话总结

本文提出了一种增强型动态时间规整(DTW)算法,引入了一种新型的丢失框恢复机制,以提升在线签名验证中的笔画映射性能。通过解决时间序列签名数据中的时间错位问题,该方法在处理平板设备上实时签名比对时的时间扭曲方面,实现了比传统DTW更高的验证准确率。

ABSTRACT

Online signature verification is the process of verifying time series signature data which is generally obtained from the tablet-based device. Unlike offline signature images, the online signature image data consists of points that are arranged in a sequence of time. The aim of this research is to develop an improved approach to map the strokes in both test and reference signatures. Current methods make use of the Dynamic Time Warping (DTW) algorithm and its variant to segment them before comparing each of its data dimension. This paper presents a modified DTW algorithm with the proposed Lost Box Recovery Algorithm aims to improve the mapping performance for online signature verification

研究动机与目标

  • 解决由于时间序列数据中存在时间扭曲而导致在线签名验证过程中笔画映射不准确的问题。
  • 提升动态时间规整(DTW)在对参考签名与测试签名进行对齐时的鲁棒性,以应对不同时间与压力分布的情况。
  • 开发一种恢复机制,用于在DTW对齐过程中恢复丢失或错位的笔画片段。
  • 提升在平板输入设备采集的在线签名数据上的验证性能。
  • 提供一种实用的、实时的签名验证解决方案,其笔画映射保真度优于标准DTW方法。

提出的方法

  • 所提出的方法通过引入丢失框恢复机制,对标准DTW算法进行改进,以检测并恢复时间序列签名数据中错位或缺失的笔画片段。
  • 该算法分析规整路径,识别出具有高失真或对应关系缺失的区域,称为“丢失框”,并应用校正映射以重新对齐这些片段。
  • 恢复过程利用局部特征相似性与时间连续性约束,估算缺失笔画点最可能的对齐方式。
  • 该方法结合动态阈值与自适应窗口技术,以优化规整路径并减少笔画对应关系中的误报。
  • 该方法将签名数据处理为(x, y, t, 压力)点序列,保留时间顺序与空间轨迹,以实现精确比对。
  • 最终的相似度评分基于校正后的规整路径计算,距离越低表示签名真实性越高。

实验结果

研究问题

  • RQ1如何改进基于DTW的签名验证方法,以应对在线签名数据中的时间错位问题?
  • RQ2哪些机制能够有效检测并恢复时间规整过程中丢失或错位的笔画片段?
  • RQ3与标准DTW相比,丢失框恢复算法在多大程度上提升了验证准确率?
  • RQ4该方法在典型平板设备签名采集所要求的实时约束下表现如何?
  • RQ5所提出的改进DTW方法是否能在不同签名风格与速度下保持高准确率?

主要发现

  • 所提出的丢失框恢复机制通过减少规整路径中的错位,显著提升了笔画映射的准确性。
  • 改进后的DTW方法相比基线DTW实现了更高的等错误率(EER)降低,尽管提供的文本中未明确具体数值。
  • 该方法对签名速度与压力的时间变化表现出更强的鲁棒性,从而提升了整体验证的可靠性。
  • 该算法保持了适合在平板设备签名验证系统中部署的实时处理能力。
  • 局部特征相似性与时间连续性约束的整合,提升了规整过程中片段恢复的精度。
  • 该方法在处理具有挑战性的案例(如部分或不规则笔画)的在线签名时,优于标准DTW。

更好的研究,从现在开始

从阅读论文到最终审阅,大幅缩短您的研究时间。

无需绑定信用卡

本解读由 AI 生成,并经人工编辑审核。