1.一种基于便捷样本获取的离线签名比对方法，其特征在于，该方法包括如下步骤：步骤S1：收集历年考场情况登记表，利用OCR技术检查纸张上打印的姓名和学号，实现对表格中印刷体姓名和学号的自动识别与录入；

步骤S2：利用手写字体转换器，将表格中的姓名转换为各种形式的签名笔迹，得到大量该学生的伪冒手写签名图像；

步骤S3：从历年考场情况登记表中将学生的手写签名提取出来，并保存为灰度图像文件形成训练集，对手写签名图像进行预处理，消除图像中的噪声，并对图像进行归一化，保障手写签名的书写特征；

步骤S4：任意选取训练集中某一学生的两张真实手写签名图像做为正样本，一张真实手写签名图像和一张该学生的伪冒签名图像做为负样本，输入孪生网络中得到损失函数，通过训练使损失函数最小，完成孪生网络的学习，迭代至分类器的损失稳定，得到鉴定模型；

步骤S5：将训练的网络模型应用于测试样本，进行手写签名比对；

其中，所述步骤S3进一步包括：步骤S3.1：利用图像处理技术从历年考场情况登记表中将学生的手写签名提取出来，具体方法如下：读取表格图片文件，将表格图片转化为灰度图，利用Hough变换检测图片中的所有竖线和横线，统计表格图中长横线的斜率判断需要旋转矫正的角度，通过旋转矫正表格，并对表格左下角直角识别，将其顶点统一平移矫正，然后分别对二值化后的表格用长横线、长竖线进行数学形态学的开操作，将表格分别化为全横线与全竖线，叠加后提取交点，得到表格中每个矩形的四个顶点，根据各个签名对应的大致中心坐标筛选出对应的矩形，得到本人真实的手写签名灰度图片；

步骤S3.2：对手写签名图像进行噪声消除，先用轮廓跟踪判断噪声，然后用填充算法消除噪声；

步骤S3.3：对手写签名图像进行归一化，保障手写签名的书写特征，归一化方法采用重心对准法；

所述步骤S3.2进一步包括：

步骤S3.2.1：跟踪手写签名图像中的所有外轮廓和内轮廓，通过轮廓的形状和长度判断这部分区域是否为噪声，若为外轮廓，删除此区域来消除噪声，若为内轮廓，填充此区域来消除噪声；

所述步骤S3.3进一步包括：

步骤S3.3.1：重心对准法是将原手写签名图像的重心线性映射到归一化点阵的几何中心，设Xmin、Xmax、Ymin、Ymax为手写签名图像四个边界的坐标，原手写签名图像的重心坐标为(X1,Y1)，归一化线性映射的公式如下所示：X'＝Φ(X‑X1)+32

Y'＝Φ(Y‑Y1)+32

其中字符的直径决定了尺度因子：所述步骤S4进一步包括：

步骤S4.1：任意选取训练集中某一学生的两张手写签名图像，其中一张作为固定图像A1，另一张作为正样本的图像A2，并选取一张该学生的伪冒手写签名图像作为负样本的图像B；

步骤S4.2：将固定图像A1和正样本的图像A2输入孪生网络，通过使用Network_1和Network_2提取出两张图像的特征，在本发明中，采用经典的ResNet18做为Network_1和Network_2的骨干网络，在一个输出神经元上输出两张签名属于同一个人的概率；

步骤S4.3：将固定图像A1和负样本的图像B输入孪生网络，通过使用Network_1和Network_2提取出两张图像的特征，在一个输出神经元上输出两张签名不属于同一个人的概率；

步骤S4.4：采用交叉熵损失函数做为网络的优化目标：通过训练网络，使损失函数最小。