ارائه رویکرد مستقل از نویسنده مبتنی بر ترکیب ویژگی پارامتریک و الگوی دودویی محلی در سیستم بازشناسی امضای برون خط

امروزه، تشخیص و تائید هویت افراد در سازمان­ های مختلف، بسیار ضروری است؛ بنابراین، ارائه سیستم­ های تائید هویت با قابلیت شناسایی افراد و تطبیق الگوی ورودی، بسیار مورد توجه قرار گرفته است. سیستم تائید امضای برون­ خط، یکی از زیرمجموعه­ های بیومتریک رفتاری است که برای تائید هویت فرد مدعی استفاده می­شود. یکی از چالش­ های عمده در خصیصه­ ی امضا، کاهش تنوع درون­ کلاسی در بین نمونه­ های اصلی و جعلی است. بدین منظور در این مقاله جهت افزایش عملکرد سیستم، به ترکیب ویژگی­ های پارامتری همچون استخراج ویژگی در شعاع نقاط متقاطع و الگوی دودویی محلی پرداخته شده است. در روش پیشنهادی، با در نظر گرفتن توزیع فضایی پیکسل­های متصل، همسایگان نقاط کاندید بررسی می­شود؛ بنابراین با داشتن جزئیات محلی پیرامون نقاط کاندید به استخراج استروک­ها، قوس­ها و زاویه­ های پیکسل­ های امضا پرداخته می­شود. در آزمایش ­ها از پایگاه داده­ های استاندارد MCYT،  GPDSsynthetic و CEDAR استفاده شده است. تفکیک نمونه ­ها با استفاده از طبقه ­بند KNN و مبتنی بر ساختار مستقل از نویسنده انجام شده است. با توجه به نتایج آزمایش­ها، نرخ میانگین خطا در هر کدام از پایگاه داده­ ها به ترتیب برابر با ۰.۰۳۶، ۰.۰۳۳ و ۰.۱۲ به دست آمده است. علاوه بر آن نتایج معیارهای حساسیت و خاصیت در مقایسه با کارهای پیشین، بهبود داشته است.

کلیدواژه ها:

امضای برون خط ، استخراج ویژگی ، نقاط کاندید ، بیومتریک ، الگوی دودویی محلی