论文总字数：28986字

目 录

1 绪论 1

1.1课题研究意义和相关背景 1

1.2本课题研究现状 1

1.2.1国外研究现状 1

1.2.2国内研究现状 2

1.3 本文所做的主要工作 3

2 课题相关工具及技术介绍 4

2.1 Android平台 4

2.2 Android相关技术 5

2.3 SQLite数据库简介 6

3基于行为特征的签名认证算法 6

3.1算法框架 6

3.2算法主要步骤 7

3.2.1三次Bezier插值法 7

3.2.2特征提取 8

3.2.3用户模板生成 9

3.2.4曼哈顿距离算法 10

4 系统的设计与实现 10

4.1系统的算法流程 10

4.1.1数据采集过程 10

4.1.2数据处理过程 10

4.2数据预处理 11

4.3数据库设计与连接 14

4.4数据分析 17

5 系统测试和性能分析 21

5.1系统运行界面 21

5.2系统测试 23

5.2.1速度测试 23

5.2.2正确率测试 24

5.2.3耗电量测试 27

5.2.4内存占用测试 27

6 结论与展望 28

参考文献 29

致 谢 31

基于智能手机的在线签名认证研究

陈磊岳

, China

Abstract: With the popularity of smart phones, more and more people are engaged in activities on the mobile platform, and how to carry out accurate authentication in the mobile terminal is a major problem facing currently. Handwritten signature verification is a kind of social and legal recognition of personal biometric identification methods. Signature, as a kind of behavior characteristic of human, has the advantages of anti fake, easy to carry, not easy to lose, compared with other biological features. This topic for intelligent mobile phone online handwritten signature research, real users of smartphones and forge user's handwritten signature sample points, through three times Bezier algorithm for data preprocessing, and then to sample distance and speed of signature, the stroke angle feature acquisition, structural characteristics of distribution histogram, user generated template, and signature verification algorithm based on the Manhattan distance respectively to demonstrate different characteristics, finally the feature matching the signature verification. The results show that the method has good accuracy.

Key words: Biosignature ; Signature verification ; Mobile device; Sample distance; Signature velocity; Stroke angle; Manhattan distance

1 绪论

1.1课题研究意义和相关背景

一种商务新模式，即基于移动设备开展电子商务己逐渐建立健全，越来越多的人通过移动设备从事商务活动，其成长前景也越来越广。但如何使电子商务交易拥有同传统线下交易相同的安全性，从而促进其更加快速发展，越来越受到研究人员关注。当然，加强和完善信用法制的建设必不可少，但除此之外，解决电子商务安全的核心问题是通过基于本人身份认证有关信息采用信息加密技术进行可靠身份识别，因此，如何正确且及时地认证个人身份信息十分必要。基于生物特征的身份认证技术是一种可靠的身份识别方法，即一种通过不同人所具备的独特生理或行为特征之间的差异，通过计算机来区别身份的技术[1]。生理特征中较为常用的有指纹、虹膜、DNA等先天固有特征；行为特征则有签名、声纹等。综合比较而言，生物识别具有防伪造性、且易于携带、不易遗失等优点[2]。

手写签名认证是一种社会和法律认可的个人生物特征识别方法[3]。手写签名相较于其它生物特征，具有独特性、易行性等特点。而由其衍生的签名验证技术在计算机各领域如模式识别等也属前沿课题[4]。其常用两种鉴定方式在各领域都有广泛运用。离线签名认证是通过图像输入设备如扫描仪等，将手写签名传入处理设备里进行图像处理分析；在线签名认证是通过输入设备采集书写人的签名笔迹信息，提取特征值分析。除了签名采集点实时位置坐标等静态信息外，对于专业设备还可以采集签名样本书写速度、握笔压力及倾斜度等动态信息[5]。显然，相较于离线签名鉴定，在线签名鉴定可采取的鉴定手段更多，其也不易被恶意伪造，准确率较高。

在离线系统中，只捕获用户的签名图像而没有其他附加属性，而在在线认证系统中，用户签名的X-Y坐标序列以及相关的如压力、时间等都将被获得。因此，在线认证系统通常比离线系统拥有更好的准确度。如今，越来越多的移动设备配备了触摸感应界面。 在这些设备上输入密码的繁琐驱使开发者寻找一种更为方便的替代认证机制，而在线签名则提供用户一种熟悉的身份认证模式。对于在线签名认证，近期已经有了很多研究，然而对于在移动设备上的在线签名认证研究却还是不是很多，之前的一些工作一般基于传统的数字化仪器（如写字板）在受控的环境下获得特征库，而对于移动设备来说，与传统设备有所不同[6]。第一，在移动设备上签名时，用户所处状态可能会不同，站或坐，移动或静止。其次，签名实例之间计算资源的可用性可能会发生很大变化，而且不同采集装置也会导致一些输入分辨率问题。最后，在移动设备上经常用手指绘图而不是手写笔，这也会导致信号采集的不精确。因此，使用传统的数据集并不能支持在移动设备上验证在线签名认证的性能，此外，当从移动设备获得签名时，该系统的一些其他特点，比如说模板老化等影响也是不同的，本文研究测试一种更适用于算法移动端的在线签名认证算法，这是一种在计算和空间上都比较高效的算法[7]。

1.2本课题研究现状

1.2.1国外研究现状

国外对在线手写签名认证早有研究，上世纪六十年代，A.J.Manceri最早提出了利用手写签名认证表示个人身份的可行性[8]。20世纪70年代末，研究人员注意到签名的动态特征的统计方法。IBM的Herb st和Liu为此研发出了专用的签字笔，以笔签名时的压力和X, Y轴上的加速度作为特征样本，识别效率有了显著提高。在之后相关科研成员的继续研究中下，研究出了隐马尔可夫(Hidden Markov Models, HMM)、人工神经网(Artificial Neural Network, ANN)、动态时间规整(Dynamic Time Warping, DTW)、支持向量机(Support Vector Machine ,SVM) 等高性能识别算法。其中，应用最为广泛的HMM和DTW。

HMM是一种基于离散模型状态的统计方法模型，其相位信号随时间的推移而推移，它还描述了从一个状态跳转到另一个状态的概率，每一步时间推移都会更新概率以显示当时的特征向量与概率密度函数的联系状态。所有这些概率和转移状态概率的比较结果显示了签名与模型的匹配度，通常以对数似然得分给出。验证者根据此评分和其它可能的先验后验信息来得到一个信任值来确定待认证的签名的可信度，从而决定此签名是被接受还是被拒绝。其缺点在于算法在模板建立时需要提供大量的样本通过反复计算才能得到其参数模型[7, 9]。

DTW算法基于动态规整思想，最开始被设计用于语音识别领域，是出现较早，也比较经典的一种算法。上世纪60年代，日本学者板仓(Itakura)将DTW算法运用到语音识别领域之后，其后学者对其进行更加深入研究，并将其引入到签名认证当中。在签名认证领域，这种方法依赖于一个由两个被比较的签名的局部差异（局部距离）所构成的全局代价函数。这种算法可以接受签名的局部变化以达到“弹性匹配”目的，实现签名比较时的时间对准[10]。

这两种算法在一般情况下，识别效果差不多，但HMM更复杂，而DTW则相对简单。因此，在签名认证中，特别是认证对象不确定的情况下，DTW得到了更广泛的应用。

Wirtz,Martens和Claesen等人先后运用DTW对签名认证进行了研究。其后，更多科研者对此算法设计了更多改进方案，得到了更好的认证效果。KarB提出了一种基于DTW的以笔段划分的多阶段匹配的方法，其思想是将签名验证过程按比划分为多个阶段，对于每个阶段的签名分别进行基于DTW算法的签名匹配，最后根据各阶段匹配结果得出综合匹配值，并基于此判断签名真伪。Feng和Wah提出了提取签名波形特殊点(极值点)并以此分割签名后进行基于DTW的多阶段匹配方法。此类方法在结合全局特征的基础上运用局部分离思想对原有算法进行优化，使验证精度得到较大提高[11]。

1.2.2国内研究现状

上世纪九十年代，国内大学和研究机构的相关研究人员开始着手手写签名认证研究，中科院自动化所和吉林大学，运用DTW匹配进行研究，取得很大突破。

清华大学李胜春教授等人对DTW算法进行优化，其改进的加权DTW处理算法，在实验中取得较好效率。其基本思想为针对验证过程所采集的特征值综合用户签名实际情况对不同特征值在综合分析时进行权重分配，对于具有代表性的特征值增加其在综合分析时的权重，以增强其对于签名区别性的体现，而对于其它一些签名时的潜在共性特征值或者相似特征值则减少其综合权重以避免其特征相似性对签名认证准确度的降低[12]。

剩余内容已隐藏，请支付后下载全文，论文总字数：28986字

相关图片展示：