博碩士論文 103522105 詳細資訊




以作者查詢圖書館館藏 以作者查詢臺灣博碩士 以作者查詢全國書目 勘誤回報 、線上人數:15 、訪客IP:54.198.165.74
姓名 凌于翔(Yu-Siang Ling)  查詢紙本館藏   畢業系所 資訊工程學系
論文名稱 基於生物特徵之空中手寫中文簽名身份認證
(Three-Dimensional Chinese Handwritten Signature Verification Using Biometric Characteristics)
檔案 [Endnote RIS 格式]    [Bibtex 格式]    至系統瀏覽論文 (2019-7-27以後開放)
摘要(中) 直至今日的人類社會,簽名認證系統(Signature Verification System)已被廣泛用於必須提供身份的各類場合中,包括公家機關以及一些商業行為上。以手寫簽名作為一種生物特徵擁有許多優點,它不像密碼會被人遺忘或是盜用; 也比起傳統生物認證系統來的節省成本,例如: 虹膜、人臉、指紋等。都需要較昂貴的硬體設備來截取影像資料; 而手寫簽名的取得,只需透過數位板或平板電腦即可,相較起來便宜。但手寫簽名認證也存在些缺點,它是一種困難的圖形識別問題,就算是同一個人,簽名樣本之間的變化程度很大。比起其它傳統生物認證方式,容易遭到有心人士模仿。

本論文使用Leap Motion體感裝置擷取使用者簽名時的生物特徵,例如: 速度、角速度、用力程度等,並且對整個簽名軌跡分割成兩部份。分別屬於字體結構部分的實筆畫(Real Strokes)和提筆習慣部分的虛筆畫(Virtual Strokes),本論文將兩者作為特徵抽取的依據。在特徵抽取方法中,依據實虛筆含有的生物特徵,製作出不同組合的特徵向量,並經過PCA(Principal Component Analysis)降維後,提升了鑑別能力。在實驗階段中,本論文針對在不同斷筆方法下抽取出來的特徵,使用倒傳遞類神經網路(Back Propagation Neural Network ,BPN)對樣本集進行訓練,將訓練出來的認證模型用於身份認證的應用上,本論文將會探討類神經網路在固定參數的情況下,不同特徵組合作用於身分認證的效果。實驗結果顯示本論文所提出的特徵抽取方法,應用在簽名確認系統上的確擁有較佳的效能,提升資料保密的安全程度。
摘要(英) Signature Verification System has been widely used in several occasions that people need to provide their identities, including in government institution and in some business activities. Using handwritten signature as a biometric verification has lots of advantages, unlike passwords, passwords could be forgotten or embezzled. Also, it has lower cost than traditional biometric verification, such as iris, face, and finger print, which need expensive hardware equipment to capture images information. We can acquire handwritten signature just through a digitizer or a tablet, which is less expensive. However, there are still some drawbacks exist in handwritten signature. The changes in the characteristics of handwritten signature from the exact same person could be huge. Also, it is easier to be forged compared with other traditional biometric verification.

In this thesis, Leap Motion somatosensory device is used to detect the biometrics of users when signing their names, such as velocity, angular velocity, degree of force, etc. The device then divides the signature pattern into two parts, the shape of characters, Real Stroke, and the way individual uses its pen, Virtual Strokes. Those two parts are the basis of biometrics. According to the biometrics that real strokes or virtual strokes contain, it will produce different combination of features. The features are processed by PCA which promote the ability of identification. In the experiment, this paper aims at the biometrics produced from different ways of using pen, utilizing Back Propagation Neural Network, BPN, to train for sig-nature samples from different individuals and uses the model in identification. This paper will discuss the effect of identification under different parameters in BPN. The result indicates that applying different ways of using pen and detecting biometrics, both of which are mentioned in the paper, on signature confirmation system has better effect on identification, hence enhancing the security of information.
關鍵字(中) ★ 簽名認證
★ 生物特徵
★ 空中手寫中文簽名
關鍵字(英) ★ Signature Verification
★ Biometric Feature
★ Three-Dimensional Chinese Handwritten Signature
論文目次 第一章 緒論 1
1.1 研究動機與目的 1
1.2 相關研究 4
1.3 系統流程 9
1.4 論文架構 13

第二章 裝置簡介與前處理 14
2.1 裝置介紹 14
2.2 手寫情境 16
2.3 前處理 22

第三章 簽名分析 25
3.1 方向性筆劃切割 27
3.2 方向性實虛筆判斷 28
3.3 生物特徵筆劃切割 33
3.4 生物特徵實虛筆判斷 40

第四章 特徵種類與特徵抽取 54
4.1 簽名生物特徵 54
4.2 簽名外觀特徵 68
4.3 特徵抽取 74
4.4 主成分分析 80

第五章 簽名認證模型建立 82
5.1資料說明 82
5.2 分類器 – 倒傳遞類神經網路 86
5.3 模型建立 89

第六章 實驗討論 91
6.1 實驗環境 91
6.2 實驗簡述 92
6.3 實驗結果 95
6.4 討論與分析 146

第七章 結論與未來展望 147
7.1 結論 147
7.2 未來展望 148

參考文獻 149
參考文獻 [1] 連俊宇,“基於Leap Motion 之三維手寫中文文字特徵擷取.”國立中央大學 資訊工程所碩士論文(2014)

[2] 朱啟文,“基於Leap Motion之三維手寫中文簽名確認”國立中央大學 資訊工程所碩士論文(2015)

[3] 蔡宗憲,“基於Kinect之線上手寫文字辨識系統”國立台灣海洋大學 資訊工程所碩士論文(2014)

[4] 蘇木春,張孝德. 機器學習、類神經網路、模糊系統以及基因演算法 修訂二版. 全華科技圖書股份有限公司,2012 IBSN 957-21-4737-4.

[5] Rafael C. Gonzalez,Richard E.Woods. Digital Image Processing. 儒林圖書有限公司,1993年2月初版.

[6] Serge Belongie and Jitendra Malik,“ Matching with Shape Con-texts” Department of Electrical Engineering and Computer Sciences
University of California at Berkeley (2000).

[7] Navneet Dalal and Bill Triggs,“Histograms Of Oriented Gradients for Human Detection”(2005) IEEE Computer Society Conference on Computer Vision and Pattern Recognition (CVPR’05)

[8] Werbos,Bishop. “Multilayer perceptron”, 1984.

[9] David Rumelhart,Geoffrey Hinton and Ronald Williams, “Learning Representations by Back-propagating Errors”Nature,vol.323,no.6088,pp.533-536,1986.

[10] Minsky M.L. and Papert S.A. 1969. “Perceptrons”. Cambridge,MA: MIT Press.

[11] I.T. Jolliffe “Principal component analysis”2nd edition , Springer.

[12] 教育部 - 常用國字標準筆順學習資訊網
http://stroke-order.learningweb.moe.edu.tw/home.do
指導教授 范國清(Kuo-Chin Fan) 審核日期 2016-8-30
推文 facebook   plurk   twitter   funp   google   live   udn   HD   myshare   reddit   netvibes   friend   youpush   delicious   baidu   
網路書籤 Google bookmarks   del.icio.us   hemidemi   myshare   

若有論文相關問題,請聯絡國立中央大學圖書館推廣服務組 TEL:(03)422-7151轉57407,或E-mail聯絡  - 隱私權政策聲明