一种签字识别方法、装置及电子设备与流程
本技术涉及数据处理,尤其涉及一种签字识别方法、装置及电子设备。
背景技术:
1、随着网络技术的迅速发展,许多线下业务逐步转化为线上业务,尤其是在金融、法律、政务等领域,办理线上业务时,通常需要用户进行手写签名,系统在收到用户签署的签字图像后,需要快速准确识别该签字内容属于哪个用户。由于签字通常为艺术化手写体,其字形结构与标准印刷体存在显著差异,导致识别准确性较差。
2、相关技术中,主要基于深度学习的图像特征提取方法进行签字识别,该类方法通常采用孪生神经网络或度量学习框架,将签字图像直接输入卷积神经网络,提取一个固定长度的特征向量,再通过计算两个签字对应的特征向量之间的距离或相似度来判断两个签字是否匹配。然而,此类方法也存在以下缺陷:
3、一方面:不仅需要收集大量签字样本进行有监督训练,样本收集成本高、周期长,且图像背景信息会作为噪声混入特征向量,影响识别准确性。
4、另一方面:当出现新的签字风格或样本分布发生变化时,模型需要重新训练或微调,泛化能力不足,导致在新样本识别时识别效果差,进而影响整体识别准确性。
5、因此,亟需提供一个签字识别方法,能够识别大量签字图像中的签字内容,提高签字识别准确性。
技术实现思路
1、本技术实施例提供了一种签字识别方法、装置及电子设备,用以提高签字识别准确性。
2、第一方面,本技术提供了一种签字识别方法,所述方法包括:
3、提取待识别签字图像中的签字子图,所述签字子图包含待识别手写签字;
4、提取所述签字子图中所述待识别手写签字的边缘轮廓,所述边缘轮廓包含至少一个提取方向上的多个边缘点的位置信息;
5、将所述边缘轮廓与各用户预存的手写签字对应的参考边缘轮廓进行匹配,并基于匹配结果,确定所述待识别手写签字所属用户。
6、在一些实施例中,所述提取所述签字子图中所述待识别手写签字的边缘轮廓,包括:
7、对所述签字子图进行笔划提取处理,得到所述签字子图对应的签字线条图,所述签字线条图包含所述待识别手写签字对应的笔划像素与背景像素,所述笔划像素与所述背景像素的像素值不同,且所述背景像素的像素值为预设值;
8、从所述签字线条图中,提取所述待识别手写签字的边缘轮廓。
9、在一些实施例中,所述从所述签字线条图中,提取所述待识别手写签字的边缘轮廓,包括:
10、基于所述笔划像素的像素值与所述背景像素的像素值之间的像素差异,将所述签字线条图转化为签字二值图;
11、针对所述至少一个提取方向中的每个提取方向,按照与所述提取方向对应的提取规则,从所述签字二值图中,提取所述待识别手写签字在所述提取方向上的各边缘点的位置信息;
12、基于各提取方向对应的各边缘点的位置信息,生成所述待识别手写签字的边缘轮廓。
13、在一些实施例中,所述将所述边缘轮廓与各用户预存的手写签字对应的参考边缘轮廓进行匹配,所述方法包括:
14、针对每个用户预存的手写签字对应的参考边缘轮廓,分别执行以下步骤:
15、针对所述至少一个提取方向中的每个提取方向,基于所述边缘轮廓在所述提取方向上对应的边缘曲线,与所述参考边缘轮廓在所述提取方向上对应的参考边缘曲线,确定所述边缘轮廓与所述参考边缘轮廓在所述提取方向的曲线相似度;每个边缘曲线包含一个提取方向上的全部边缘点的位置信息;
16、综合各提取方向对应的曲线相似度,确定所述边缘轮廓与所述参考边缘轮廓的轮廓相似度,所述轮廓相似度表征所述待识别手写签字与所述用户的匹配度。
17、在一些实施例中,所述综合各提取方向对应的曲线相似度,确定所述边缘轮廓与所述参考边缘轮廓的轮廓相似度,包括:
18、根据所述各提取方向对轮廓相似度的影响权重,对所述各提取方向各自对应的曲线相似度进行加权求和,生成所述边缘轮廓与所述参考边缘轮廓的轮廓相似度。
19、在一些实施例中,所述提取待识别签字图像中的签字子图,包括:
20、对所述待识别签字图像进行区域定位,确定所述待识别手写签字所在的候选区域;
21、基于所述候选区域内各笔划像素的位置信息,从所述各笔划像素中选取至少两个笔划像素;其中,每个选取的笔划像素为位于所述候选区域的边界极点位置处的笔划像素;
22、根据选取的笔划像素的位置信息,生成所述候选区域对应的边界框信息;
23、根据所述边界框信息,从所述候选区域中裁剪出所述签字子图。
24、在一些实施例中,所述基于所述候选区域内各笔划像素的位置信息,从所述各笔划像素中选取至少两个笔划像素之前,还包括:
25、确定所述候选区域中所述待识别手写签字的文字方向符合预设方向。
26、在一些实施例中,所述方法还包括:
27、若所述候选区域中所述待识别手写签字的文字方向不符合所述预设方向,则对所述候选区域进行方向矫正处理,以基于矫正后的候选区域内各笔划像素的位置信息,从所述各笔划像素中选取至少两个笔划像素。
28、第二方面,本技术提供了一种签字识别装置,所述装置包括:
29、第一提取模块,用于提取待识别签字图像中的签字子图,所述签字子图包含待识别手写签字;
30、第二提取模块,用于提取所述签字子图中所述待识别手写签字的边缘轮廓,所述边缘轮廓包含至少一个提取方向上的多个边缘点的位置信息;
31、识别模块,用于将所述边缘轮廓与各用户预存的手写签字对应的参考边缘轮廓进行匹配,并基于匹配结果,确定所述待识别手写签字所属用户。
32、第三方面,本技术还提供了一种电子设备,所述电子设备包括处理器,所述处理器用于执行存储器中存储的计算机程序时实现如上述任一所述的签字识别方法的步骤。
33、第四方面,本技术还提供了一种计算机可读存储介质,其存储有计算机程序,所述计算机程序被处理器执行时实现如上述任一所述的签字识别方法的步骤。
34、第五方面,本技术提供一种计算机程序产品,包括计算机程序:所述计算机程序被处理器执行时实现如上述第一方面所述的签字识别方法。
35、本技术的实施例提供的技术方案至少带来以下有益效果:
36、本技术实施例中,首先通过提取待识别签字图像中的签字子图,利用提取出来的签字子图进行手写签字识别,可去除文档背景、表格线、印章等干扰信息,减少后续识别的噪声输入,有利于提升识别准确性;
37、然后提取签字子图中待识别手写签字的边缘轮廓,利用提取出来的边缘轮廓与预存的各用户的手写签字的参考边缘轮廓进行对比,从而识别待识别手写签字所属用户,这样,由于边缘轮廓提取基于图像处理算法而非数据驱动的模型训练,无需收集大量签字样本,且能够适应任意新用户和新签字风格,解决了相关技术中样本收集周期长、成本高、模型泛化性不足的问题,降低了部署成本,提高了识别准确性和通用性。
38、本技术的其它特征和优点将在随后的说明书中阐述,并且,部分地从说明书中变得显而易见,或者通过实施本技术而了解。
版权声明:本站专利文献数据主要来源于国家知识产权局等公开渠道,由 技术新讯 进行整理汇编。页面设计及数据汇编的著作权归本站所有。全部内容仅供个人学习、科研评估与技术交流参考,严禁用于任何商业用途(包括但不限于直接生产制造、技术转让、倒卖数据等)。
免责条款:专利技术具有时效性,本站不对资料的绝对准确性、完整性和可实施性提供任何明示或暗示的担保。因参考本站内容造成的直接或间接损失,本站不承担相关法律责任。若您认为本站内容有侵权问题,请及时提供权属证明与我们联系,本站将在核实后依法处理。反馈意见:yyfuon@163.com