Speaker
Description
Рукописная подпись до сих пор остается наиболее распространенным способом идентификации личности. Идентификация автора и верификация рукописной подписи является одной из наиболее популярных экспертиз в гражданских и арбитражных судебных спорах. Для идентификации и верификации подписи можно обратиться к специалистам в сфере почерковедческой экспертизы, но данная процедура в настоящее время занимает от 3 до 7 дней и имеет достаточно высокую стоимость. Поэтому автоматизация этого процесса является крайне актуальной задачей.
Существуют два основных типа проверки рукописных подписей: статический (офлайн) и динамический (онлайн). При офлайн-подходе распознавание и анализ подписи выполняется после того, как получено её цифровое изображение, а при динамическом – анализ подписи осуществляется в процессе ее создания.
В данном докладе рассматриваются методы и алгоритмы офлайн-распознавания рукописных подписей и предлагаются две схемы обработки изображений рукописных подписей с использованием сверточных нейронных сетей (СНС). В первой схеме СНС используются для верификации подписей, а во втором - для идентификации автора подписи с последующей ее верификацией с помощью метода поиска особых точек SURF. Приводятся результаты экспериментального сравнения четырех архитектур СНС (AlexNet, ResNet50, VGG-16 и VGG-19) для идентификации автора и верификации подписей на данных CEDAR и Bengali (https://www.kaggle.com/datasets/ishanikathuria/handwritten-signature-datasets). Приводятся также результаты экспериментальных исследований, связанных с выбором наилучших методов предварительной обработки изображений рукописных подписей (бинаризация, фильтрация, централизация, поворот).
| Секция конференции | Методы искусственного интеллекта и машинного обучения |
|---|
