欢迎来到知嘟嘟! 联系电话:13095918853 卖家免费入驻,海量在线求购! 卖家免费入驻,海量在线求购!
知嘟嘟
我要发布
联系电话:13095918853
知嘟嘟经纪人
收藏
专利号: 2019109345043
申请人: 北部湾大学
专利类型:发明专利
专利状态:已下证
专利领域: 计算;推算;计数
更新日期:2024-02-23
缴费截止日期: 暂无
价格&联系人
年费信息
委托购买

摘要:

权利要求书:

1.坭兴陶陶器签名识别验证方法,其特征在于,所述方法包括如下步骤:步骤1:使用超声波微测距探头扫描陶瓷光滑表面获得扫描距离数据;

步骤2:建立三维坐标系,把扫描距离数据放入三维坐标系,最初扫描点为原点,得到弧面模型;

步骤3:使用超声波微测距探头扫描陶瓷签名表面,得到签名表面凹凸数据;

步骤4:把签名表面凹凸数据与弧面模型进行对比,去除高凸数据,得到立体签名数据;

步骤5:对立体签名数据进行形状特征提取得到凹陷形态特征;

步骤6:把立体签名数据的中间凹陷数据去除,取凹陷数据两边的最大数据,并把数据连线得到平面签名;

步骤7:对平面签名数据进行形状特征提取得到形态特征;

步骤8:对平面签名数据进行动态特征提取得到动态特征;

步骤9:把凹陷形态特征、形态特征和动态特征输入分类器进行计算,根据计算的阀值确定识别结果。

2.根据权利要求1所述的坭兴陶陶器签名识别验证方法,其特征在于:所述步骤1中,扫描的陶瓷光滑表面的与签名处的表面是相同的弧面或者平面,即陶瓷光滑表面与签名处的表面的弧形半径相同,光滑度相同,陶瓷光滑表面与签名处的表面均是同一个陶瓷上不同方向的表面。

3.根据权利要求2所述的坭兴陶陶器签名识别验证方法,其特征在于:所述步骤1中,扫描的具体过程为:超声波微测距探头以网格结构进行运动对陶瓷光滑表面进行扫描,网格结构的横向间距和纵向间距均为2μm,网格线条采集得到各个点的距离与位置数据,然后把距离数据与预设数据做差值得到扫描距离数据,预设数据即为初始扫描点与超声波微测距探头的距离。

4.根据权利要求3所述的坭兴陶陶器签名识别验证方法,其特征在于:所述步骤2中的弧面模型,超声波微测距探头行走的网格横向和纵向为三维坐标系的X轴数据和Y轴数据,扫描距离数据即为Z轴数据。

5.根据权利要求4所述的坭兴陶陶器签名识别验证方法,其特征在于:所述步骤4中,去除高凸数据的具体过程为,把识别的Z轴数据与弧面模型的Z轴数据进行做差值,得到签名数据,如果差值得到的值为正值数据时,把该数据丢弃,并用零取代。

6.根据权利要求5所述的坭兴陶陶器签名识别验证方法,其特征在于:所述步骤5中凹陷形态特征包括凹陷面积、凹陷斜面连通域个数、凹陷笔画倾斜方向,其中凹陷面积包括凹陷区域倾斜面面积和凹陷面总面积,凹陷斜面连通域个数即为弧面模型X轴和Y轴平面的最小单元方格数量,凹陷笔画倾斜方向即为各个凹陷斜面的倾斜方向和凹陷底部的走向方向。

7.根据权利要求5所述的坭兴陶陶器签名识别验证方法,其特征在于:所述步骤6中对立体签名数据进行取边缘数据,去除中间数据,并用连线把边缘数据连接起来得到平面签名。

8.根据权利要求7所述的坭兴陶陶器签名识别验证方法,其特征在于:所述步骤7中平面签名数据形态特征的具体过程为:平面签名图像的高宽比,获取平面签名在X轴和Y轴的宽度,然后相互比较得到比例系数;

平面签名点面积与总面积比,把平面签名外围轮廓包围部分用黑色填充,然后对填充平面签名进行二值化处理,二值化签名图像中黑点数量,即签名对象点与总像素数的比怕;

识别平面签名图像X轴和Y轴平面的最小单元方格数量;

平面签名轮廓的倾斜方向,对于轮廓上某一点p(x,y),如果p'=(x-1,y+1)非零,则p'为负方向倾斜点;如果p'=(x+1,y)非零,则称p'为垂直方向倾斜点;如果p'=(x+1,y+1)非零,则称p'为正方向倾斜点,对签名轮廓的倾斜方向向量进行累加,得到三维向量V(d1,d2,d3),然后将这个向量归一化即可得到笔迹方向的特征,计算公式如下:V1(d1,d2,d3)=V(d1/D,d2/D,d3/D)

D=d1+d2+d3。

9.根据权利要求8所述的坭兴陶陶器签名识别验证方法,其特征在于:所述步骤8中动态特征识别的具体过程为:识别平面签名骨架方向灰度特征,对二值签名图像细化骨架上的点进行灰度还原,成为灰度骨架,并对其上各点在水平、垂直、正倾斜和负倾斜四个方向上累计灰度,由此形成一个四维向量(G1,G2,G3,G4),最后将G1,G2,G3,G4规范化到0,1之间,便得到骨架方向的灰度特征。

10.根据权利要求5所述的坭兴陶陶器签名识别验证方法,其特征在于:所述步骤9中的具体过程为:把凹陷形态特征、形态特征和动态特征与已知样本签名的特征向量相比较,首先通过一定数量的训练样本得到一组n维特征向量S0作为标准特征向量,其中S0={S0(i)|i=1,

2,...,n},然后计算由待测图像得到的向量S与S0的欧式距离U,其中T为阈值,R=0表示待测签名识别为假,反之则为匹配。