基于签名视频中人手特征的身份验证系统

发布时间：2021-07-03 23:56

　　使用金融交易卡来进行交易支付已经成为了绝大多数人的日常行为。但是金融交易卡的交易安全性并不是十分优秀,即使在较为容易被读取和写入的磁条卡逐渐被芯片卡替代后,各种失卡冒用和伪造现象也是层出不穷。迄今为止,金融交易卡也仅仅是通过单一的用户输入密码来进行验证,但单薄而简陋的六位数字密码并不能很好的保障交易安全。在进行金融交易卡的交易时,无论是否需要进行密码验证,用户均需要通过签字来确认交易,而用户签字这一个人行为里含有极多的用户个人特征。本文将针对用户在刷卡签字过程中记录到的手部签字视频设计算法从而进行身份验证,考虑到签字是已经存在的交易步骤,这并不会额外增加用户负担。本文主要处理内容如下:（1）用户签字视频中签字帧的提取。在一段用户处于自然场景下的签字视频中,同时存在用户处于签字状态的视频帧与非签字状态的视频帧,因此在进行用户身份验证之前,需要去除掉包含无关信息的非签字状态下的视频帧,防止无关信息影响最终的身份验证结果,因此,本文提出了一种基于深度学习中双流卷积神经网络的关键帧提取算法,用以提取出用户处于签字状态的视频帧。（2）签字帧中的手部区域分割。在自然场景下用户处于签字状态的视频帧除... 

【文章来源】：哈尔滨工业大学黑龙江省 211工程院校 985工程院校

【文章页数】：64 页

【学位级别】：硕士

【部分图文】：

图１－１１?觀签字状态下手的姿势各不相同??对于视频人手的签名过程信息来进行自动的身份识别，可以通过＃到甩户??的签名视频，提取视频中人手的图像信息和运动信息，将两者进行融合，对签??

是否在签字状态。??２．３．１网络架构??本文针对用户签字状态的视频帧检测任务设计了如图２－３所示的视频分类??网络，其大体结构为一个双流（Ｔｗｏ－Ｓｔｒｅａｍ）卷积神经网络，两个数据流分别处??理二维的图像上的信息和Ｈ维的运动信息，在处理图像信息的这一部分输入的??信息为当前状态帧的图像，而处理三维儈真即运动信息的流接受的農息为相邻??时间内的光流（Ｏｐｔｉｃａｌ?ｆｌｏｗ）倩息，并且．与之前的双流网络不同的是，首先本??文将对光流信息的处理改为２Ｄ卷积操作和３Ｄ卷次操作审联的方式，另外本文??参考了?ＦｅｉｃｈｔｅｎｈｏｆｅｒＣ等人Ｍ的方法，即由运动信息的提取到的特征可以与二??维的通过图像偉息得到的特征进行融合，并会提高图像信息流分支的最终的分??类结果的准确性。此网络可以分为Ｈ个部分

大小的特征图的空间尺寸将有益于保护运动信息的完整。??对于得到的Ｈ维特征图，本文使用了吏加符合其数据逻辑的３Ｄ卷积操作对??其进行处理，在图２－５中显示了?２Ｄ卷积操作和３Ｄ卷积操作直观上的区别，在??传统的二維卷积计算过程中，其每个卷积核处理的数据为二维的特征图，对于??特征的处理均是基于空间上的各种信息，而在３Ｄ卷积操作过程中，其卷积核??不仅存在２Ｄ卷积核拥有的空何维度，还存在其独特的时间锥度，所以３Ｄ卷积??比２Ｄ卷积更适合处理这种带有时序偉息的特征。３Ｄ卷积操作是在空间维度、??时间维度上词时进行计算

【参考文献】：
期刊论文
[1]基于LBP和深度学习的手写签名识别算法[J]. 马小晴,桑庆兵.  量子电子学报. 2017(01)
[2]基于EMD和SVD的在线手写签名特征提取方法[J]. 李成华,龚良慧,江小平,孙婧.  中南民族大学学报(自然科学版). 2016(01)



本文编号：3263607