随着计算机技术的发展以及对信息安全要求的不断提高,基于生物特征识别技术的在线签名验证技术以其非侵犯、使用方便、应用范围广等优点越来越受到人们的关注。 在线手写签名验证系统利用电阻式触摸屏采集手写水平位移、垂直位移、书写压力等签名信息;对签名信息进行去噪、归一化等预处理,以去除原始采集数据中的干扰或无用信息;提取签名特征并利用神经网络实现签名的真伪分类。在特征提取方面,首先计算签名样本水平、垂直方向上诸如速度、加速度等全局及局部动态参数特征;对比例化的参数特征进行优化选择,从真伪签名同一特征间马氏距离及同类签名内部同一特征发散度的两方面综合考虑,提出了两次筛选的特征优化选择方案,并进行随机特征选择及优化特征选择两种情况及优化特征选择不同特征数目情况下的对比实验,经过反复实验对比,证明优选的24个特征在一定程度上代表了原始签名的特点:建立共同环境下签名样本的共同特征集,减小了签名验证中的特征使用规模,提高了特征样本的表现力。 在真伪签名的分类阶段,使用经过改进的BP网络作为分类器,真伪签名特征样本共同参与训练,保存收敛权值。在测试阶段,将测试特征样本输入网络,计算网络输出并设定阈值,根据测试样本输出值与阈值的比较判定签名的真伪。本文针对BP网络的固有缺陷并结合签名验证的实际需要,设定了适合的权值初始化及训练终止标准,改进了网络节点激励函数,引入惯量-学习速率的自适应调整方法,提高了网络收敛速度,大大降低了收敛失败的可能性。依据签名特征样本,结合试凑经验公式和节点输出相关度研究了隐层节点数的确定,并通过反复的实验对比,选取签名不同情况下的个性化阈值。本文分常态、快速及坐姿、站姿不同情况对签名验证的研究方法进行测试,实验证明,采用签名动态优选特征并使用神经网络进行分类的签名验证方法取得了理想的效果。