1.在线笔迹认证中笔画提连笔特征的提取及认证方法，其特征在于：包括如下步骤：

A)笔画提连笔特征预学习：收集人群关于标准汉字c的手写笔迹样本取得预学习手写笔迹样本集合，识别所述预学习手写笔迹样本集合中的笔画类型，依据书写力分量是否小于一定阈值来判别在书写各段笔画时是否有或没有提笔，根据所识别的笔画类型统计各种笔画的虚提笔和连笔特征在人群中出现的次数，将所述各种笔画的虚提笔和连笔特征在人群中出现的次数与所述预学习手写笔迹样本集合中的样本个数之比作为笔画的虚提笔和连笔特征在人群中出现的概率；

所述笔画提连笔包含提笔和连笔；所述笔画提笔包含虚提笔、断笔、抬笔，所述笔画连笔包含连笔、未断笔和未抬笔；

所述笔画的虚提笔、断笔、抬笔是指，在书写规范规定的汉字书写过程中，在本应连笔而不应有提笔或断笔的地方，由于快速书写造成的意连笔断或虚提笔或抬笔的书写现象，或在书写笔画时由于犹豫造成的提笔停顿后重新继续书写的断笔书写现象；

所述笔画的连笔、未断笔、未抬笔是指，在书写规范规定的一段笔画结束与下一段笔画开始之间本应有提笔或断笔或抬笔的地方，由于快速书写，造成未有提笔或断笔或抬笔而连续书写的现象；

所述手写笔迹是指通过专用的数据传感设备实时采集书写过程中笔尖运动产生的各种信息所获得的与时间相关的时序信号序列，数据传感设备在每个采样时刻采集的数据包括笔尖的二维位置信息、笔尖施加在书定平面上的压力；

所述标准汉字c的手写笔迹样本是指书写人手写的可被其他人正确辩识的或只能被少数人辩识的或只能被书写者自己辩识为标准汉字c的非标准手写体笔迹，所谓辩识是指建立手写体笔迹与标准汉字之间的对应关系；

所述识别手写笔迹样本中的笔画类型是指建立手写笔迹样本中笔画与标准汉字中笔画的对应关系；

所述标准汉字是目前已被广泛使用的具有标准书写样式和表现形式的汉字；

B)笔画提连笔特征注册：收集注册用户关于标准汉字c的若干个注册手写笔迹样本，组成注册手写笔迹样本集合，识别所述注册手写笔迹样本集合中的笔画类型，并按笔画类型统计注册手写笔迹样本集合中各笔画的虚提笔和连笔特征出现的次数，将所述注册手写笔迹样本中各笔画的虚提笔和连笔特征在所述注册手写笔迹样本集合中出现的次数与所述注册手写笔迹样本集合中的样本个数之比作为评判笔画的虚提笔和连笔特征是否稳定的依据，若某笔画的虚提笔或连笔特征在所述注册手写笔迹样本集合中出现的次数与所述注册手写笔迹样本集合中所有样本个数之比大于预先设定的阈值，则称注册用户书写该笔画的虚提笔或连笔特征为稳定的，所述阈值的设定使每个笔画类型的虚提笔和连笔特征至多只能有一个是稳定的；

所述注册手写笔迹样本是指在注册阶段注册用户书写并提交的用户身份已知的手写笔迹，所述用户身份已知是指手写笔迹书写者的身份是已知的；

C)笔画提连笔特征认证：待认证用户提交一个关于标准汉字c的的测试手写笔迹样本，按笔画类型统计所述测试手写笔迹样本中笔画的虚提笔和连笔特征，找出与所述注册手写笔迹样本集合中虚提笔和连笔特征稳定且一致的笔画，依据在笔画提连笔特征预学习阶段计算得到的标准汉字c所有笔画的虚提笔和连笔特征在人群中出现的概率，计算观测到测试手写笔迹样本与注册手写笔迹样本集合中所有稳定且一致的虚提笔和连笔笔画组合的概率，根据所述概率，结合其它笔画特征，包括笔画布局、笔顺、书写节奏，综合判断测试手写笔迹样本是否为真实笔迹；

所述稳定且一致是指测试手写笔迹样本在书写某段笔画类型的笔画时提笔或未提笔状态与所述注册手写笔迹样本集合中的笔迹样本在书写类型相同的笔画时稳定的提笔或连笔特征相同；所述稳定提笔特征是指注册手写笔迹样本集合中的笔迹样本在书写某段笔画类型的笔画时提笔的样本个数超过未提笔的样本个数；稳定连笔特征是指注册手写笔迹样本集合中的笔迹样本在书写某段笔画类型的笔画时未提笔的样本个数超过提笔的样本个数；

所述测试手写笔迹样本是指在认证阶段待认证用户书写并提交的用户身份未知且有待确认的手写笔迹，所述用户身份未知是指还未确认书写手写笔迹的用户身份与模板笔迹的用户身份是否相一致，有待进一步确认；

所述待认证用户是指真实身份未得到确认的用户。

2.根据权利要求1所述在线笔迹认证中笔画提连笔特征的提取及认证方法，其特征在于：所述步骤A)中，笔画提连笔特征预学习包括如下步骤：A1)设S＝{s1,s2,...,sN}表示足够多书写者手写的关于标准汉字c的预学习手写笔迹样本集合，每位书写者提供了1至3个样本，设T＝{t1,t2,...,tO}表示标准汉字c包含的所有基本笔画集合，O表示标准汉字c包含的所有基本笔画数，N表示集合S中包含的笔迹个数；所述足够多是指集合S中的手写笔迹样本所包含的动态特征具有广泛的代表性，涵盖了手写汉字c各种动态特征在人群中所有可能的变化；所述标准汉字是目前已被广泛使用的具有标准书写样式和表现形式的汉字；

A2)初始化预学习手写笔迹样本集合S中笔画的提笔和未提笔次数向量E＝(e1,e2,...,eO)，E'＝(e'1,e'2,...,e'O)，设置初始值ei＝0，e′i＝0，1≤i≤O；

A3)初始化循环变量k＝1；

A4)识别第k个手写笔迹的笔画类型，即识别手写笔迹样本

中各段笔画的类型，其中符号xm,ym，fm分别表

示传感器在第m时刻获取笔尖二维位置信息和笔尖的正向压力信息，1≤m≤nk，nk表示笔迹sk中采样点个数；设 表示识别手写笔迹样本sk∈S中每一段笔画得到的笔画类型集合，nk表示手写笔迹样本sk∈S中包含的采样点个数，xk表示手写笔迹样本sk∈S中包含的笔画数， 1≤oj≤O，1≤j≤xk，1≤k≤N，O表示标准汉字c包含的所有基本笔画数，N表示预学习手写笔迹样本集合S中包含的笔迹个数，T表示标准汉字c包含的所有基本笔画集合；

A5)初始化内循环变量l＝1；

A6)读取 的第l个笔画类型 判别手写笔迹样本sk∈S中被识别为 类型的笔画是否有断笔，即判断笔画 中是否存在力信息分量满足条件 的采样点，0≤m≤nl，若有断笔，则依 在集合T中的序号ol，使向量E中的第ol个元素 表示被识别为 类型的笔画有提笔，否则，使向量E'中的第ol个元素 表示被识别为 类型的笔画没有提笔，其中笔画 是手写笔迹样本sk时间序列的一个子段， 子段从第aj个采样点开始，共包含nl+1个采样点，其中符号xm，ym，fm分别表示传感器在第m时刻获取笔尖二维位置信息和笔尖的正向压力信息，aj≥

1，nl＞1，aj+nl≤nk，nk表示手写笔迹样本sk中采样点个数；

A7)l＝l+1，若l≤xk，则跳转至步骤A6)，读下一个笔画类型，否则，跳转至步骤A8)，识别预学习手写笔迹样本集合S中下一个笔迹；

A8)k＝k+1，若k≤N，则跳转至步骤A4)，否则，预学习手写笔迹样本集合S中的所有笔迹识别结束，跳转至步骤A9)；

A9)统计提笔频率特征，用向量E和E'除以N，得到笔画类型提笔和未提笔频率向量P和P'，其中pi＝ei/N，p′i＝ei/N，0≤i≤O；

A10)结束，返回笔画类型提笔和未提笔频率向量P和P'。

3.根据权利要求2所述在线笔迹认证中笔画提连笔特征的提取及认证方法，其特征在于：所述步骤B)中，笔画提连笔特征注册包括如下步骤：B1)注册用户提交关于标准汉字c的注册手写笔迹样本集合H＝{h1,h2,...,hq}，q≥3；

B2)初始化注册手写笔迹样本集合H中笔画提笔和未提笔次数向量A＝(a1,a2,...,aO)，A'＝(a′1,a'2,...,a'O)，设置初始值ai＝0，a′i＝0，1≤i≤O；

B3)初始化循环变量k＝1；

B4)识别注册手写笔迹样本 中各段笔画

的类型，设 表示识别注册手写笔迹样本hk∈H中每一段笔画得到的笔画

类型集合，xk表示注册手写笔迹样本hk∈H中包含的笔画数， 1≤oj≤O，1≤j≤xk,1≤k≤q，O表示标准汉字c包含的所有基本笔画数，q表示注册手写笔迹样本集合H中包含的笔迹个数，T表示标准汉字c包含的所有基本笔画集合；

B5)初始化循环变量l＝1；

B6)读取笔画类型集合 的第l个笔画类型 判别注册手写笔迹样本hk∈H中被识别为 类型的笔画 是否有断笔，即判断笔画 中是否有力信息分量满足条件 的采样点，0≤m≤vl，若有断笔，则依 在集合T中的序号ol，使向量A中的第ol个元素 表示被识别为 类型的笔画有提笔，否则，使向量A‘中的第ol个元素 表示被识别为 类型的笔画没有提笔，其中笔画 是注册手写笔迹样本hk时间序列的一个子段， 子段从hk的第bj个采样点开始，共包含vl+1个采样点，其中符号xm，ym，fm分别表示传感器在第m时刻获取笔尖二维位置信息和笔尖的正向压力信息，bj≥1，vl＞1，bj+vl≤nk，nk表示笔迹hk中采样点个数；

B7)l＝l+1，若l≤xk，则跳转至步骤B6)，读 中下一个笔画类型，否则，跳转至步骤B8)，识别注册手写笔迹样本集合H中下一个笔迹；

B8)k＝k+1，若k≤N，则跳转至步骤B4)，否则，表示注册手写笔迹样本集合H中的所有笔迹识别结束，跳转至步骤B9)；

B9)结束，返回注册手写笔迹样本集合H中笔画提笔和未提笔次数向量A和A'。

4.根据权利要求3所述在线笔迹认证中笔画提连笔特征的提取及认证方法，其特征在于：所述步骤C)中，笔画提连笔特征认证包括如下步骤：C1)待认证用户输入关于标准汉字c的测试手写笔迹样本W；

C2)识别测试手写笔迹样本W＝{(x1,y1,f1),(x2,y2,f2),...,(xk,yk,fk)}中各段笔画的类型，设 表示识别测试手写笔迹样本W中每一段笔画得到的笔画类型集合，x表示手写测试手写笔迹样本W中包含的笔画数， 1≤oj≤O，1≤j≤x,O表示标准汉字c包含的所有基本笔画数；

C3)初始化循环变量l＝1；

C4)读取注册手写笔迹样本集合中与测试手写笔迹样本稳定且一致的提连笔特征概率：读取tw的第l笔画状态 判别测试手写笔迹样本W中被识别为 类型的笔画是否有断笔，即判断笔画中是否有力信息分量满足条件 的采样点，0≤m≤ul，若有断笔，则读取在注册阶段得到的向量A中的第ol个分量 和向量A‘中的第ol个分量 判断是否 若成立，置 否则置p1l＝1，若没有断笔，则读取在注册阶段得到的向量A'中的第ol个分量 和向量A中的第ol个分量 判断是否 若成立，置 否则置p1l＝1，其中笔画 是测试手写笔迹样本W时间序列的一个子段， 子段从W的第dj个采样点开始，共包含ul+1个采样点，其中符号xm，ym，fm分别表示传感器在第m时刻获取笔尖二维位置信息和笔尖的正向压力信息，dj≥1，ul＞1，dj+ul≤k，k表示笔迹W中采样点个数；

C5)l＝l+1，若l≤x，则跳转至步骤C4)，读下一个笔画状态，否则，跳转至步骤C6)；

C6)计算测试手写笔迹样本与注册手写笔迹样本稳定且一致的虚提笔和连笔特征组合的观测概率：计算观测到测试手写笔迹样本W中所有笔画提笔和未提笔状态组合的概率C7)测试手写笔迹样本W笔画与虚提笔和连笔特征的判别：将所述步骤C6)取得的所有笔画提笔和未提笔状态组合的概率P1(W)，融合笔画的其它特征，包括笔顺、布局、书写节奏，综合判断该测试手写笔迹样本W是否为真实笔迹；

C8)结束，并返回判别结果。