Reconhecimento e Verificação de Assinaturas Por Victor Pimenta
Agenda Motivação Reconhecimento x Verificação Tipos de falsificação Algumas técnicas de reconhecimento Redes Neurais Fuzzy Conclusões Referências
Motivação Assinaturas são uma forma difundida de reconhecimento. Empregados em: Negócios Análise forense Bancos Métodos caros Raramente comissionados
Reconhecimento x Verificação Identificar o autor de uma assinatura Processo 1:n Verificação: Diferenciar originais de cópias Processo 1:1 Online x Offline
Tipos de falsificação a. Cópia aleatória b. Cópia amadora c. Cópia profissional d. Original
Técnica: Redes Neurais Banco de dados de 400 assinaturas 20 diferentes pessoas executando 20 assinaturas 15 genuínas 5 falsificações Pré-processamento das imagens Normalização Suavização Re-amostragem Remoção de ruídos
Técnica: Redes Neurais Extração de Características Características globais Dimensões Centro gravitacional Ângulo de inclinação Número de loops, cruzamentos e vértices Características de grade Características de textura
Técnica: Redes Neurais Treinamento 20 neurônios 10 na camada escondida 80% das assinaturas originas utilizadas Teste Usando originais restantes e cópias Resultados FRR médio de 0.026 FAR médio de 0.080
Técnica: Fuzzy Banco de dados de 1600 assinaturas 40 pessoas efetuando 40 assinaturas 20 genuínas 20 falsificações Sistema implementado em Java Utilizando a biblioteca FUZZLIB
Técnica: Fuzzy O pré-processamento Normalização baseada no centro gravitacional Divisão em ângulos usando um Δα Para cada ângulo é traçada uma reta seccionando a assinatura Em cada intersecção o ponto é considerado. Simples, porém pode ser expandida para técnicas online
Técnica: Fuzzy
Técnica: Fuzzy O processo de treinamento Conjuntos de pontos são tomados para cada grau de inclinação Diferentes assinaturas são comparadas quanto à pertinência Utilização de função gaussiana, assim como triangular e trapezoidal Adição de zeros diminui a influência de valores isolados
Técnica: Fuzzy
Técnica: Fuzzy
Técnica: Fuzzy O processo de testes Resultados Para cada assinatura no grupo de testes os mesmo valores são extraídos Os valores são então comparados com aqueles na base Soluções de aproximação utilizam t-norma e média Resultados FRR: 0.61/1.52 FAR: 22.16/12.16
Conclusões Assinaturas ainda são muito utilizadas, portanto cópias são um risco Para reconhecer de maneira automática vimos duas técnicas Redes Neurais usa um princípio simples, mas teste em base reduzida Fuzzy é mais complexo e usa uma base mais completa
Referências Karki, Maya V., K. Indira, and S. Sethu Selvi. "Off-Line Signature Recognition and Verification using Neural Network." Conference on Computational Intelligence and Multimedia Applications, 2007. International Conference on. Vol. 1. IEEE, 2007. Bharadi, V. A., and H. B. Kekre. "Off-line signature recognition systems." International Journal of Computer Applications 1.27 (2010): 975-980. Kudłacik, Przemysław, and Piotr Porwik. "A new approach to signature recognition using the fuzzy method." Pattern Analysis and Applications (2012): 1-13.