CC BY
4
2. Шикин Е. В., Чхартищвили А. Г., Математические методы и модели в управлении: Учеб. пособие. - 2-е издание, испр. - М.: Дело, 2002. -440 с.
3. Экономико-математические методы и модели: Учеб. пособие /Холод Н. И., Кузнецов А. В., Жихар Я. Н. и др.; Под общ. ред. А. В. Кузнецова. - 2-е изд. - Мн.: БГЭУ, 2000. - 412 с.
Анисимова Э. С. ассистент
кафедра информатики и дискретной математики
Елабужский институт Казанский (Приволжский) Федеральный Университет
Россия, г. Елабуга
ИДЕНТИФИКАЦИЯ ЛИЧНОСТИ ЧЕЛОВЕКА НА ОСНОВЕ ДИНАМИЧЕСКОЙ ПОДПИСИ
Аннотация. В статье рассматривается проблема идентификации личности человека на основе его динамической подписи: процедура идентификации, используемые признаки, основные подходы к решению проблемы идентификации.
Ключевые слова: on-line подпись, идентификация.
Проблема идентификации личности является интенсивно развивающейся областью исследований. В центре внимания этой области сегодня находится биометрия, использующая для идентификации физиологические (отпечатки пальцев, сетчатка глаза) или поведенческие (походка, подпись) черты.
Среди всех используемых биометрических особенностей одной из наиболее социально приемлемых в юридических и финансовых операциях является подпись [2].
Существует два основных класса систем проверки подписи. Системы проверки off-line (статической) подписи используют для проверки статических изображений подписи, которые были получены путем сканирования подписи или с помощью фотоаппарата. On-line, или динамические системы проверки подписи используют захваченные во время процесса записи временные функции подписи. Эти функции получены в процессе записи подписи с использованием планшетов или сенсорных экранов (например, планшетные ПК, смартфоны и т.д.). Процесс проверки динамической подписи включает следующие этапы: (1) сбор данных и предварительная обработка (устройство ввода), (2) извлечение признаков, (3) сравнение (классификация), (4) принятие решения.
Устройство ввода (входная подпись, input signature). В качестве устройств ввода в системах проверки on-line подписи используются графический планшет, интеллектуальное перо или перьевой планшет.
Извлечение признаков: Некоторые признаки будут обладать более отличительными свойствами, чем другие. Поэтому, после извлечения
признаков необходимо произвести выбор признаков. В динамических системах могут быть извлечены два класса признаков: статические и динамические.
Статические признаки: Пока идет процесс написания, извлекаются такие признаки, как максимальная, минимальная и средняя скорость записи, размер кривизны и т.д.
Динамические признаки: Эти признаки - функции времени f(t) такие, как положение x(t), y(t), скорость v(t), ускорение a(t), нажим p(t) и др.
Сравнение: Сравнение состоит в определении сходства между моделью, подтверждающей личность, и входными признаками.
Принятие решения: Решение подразумевает вычисление определяющего порога, как только определена мера сходства. Если величина сходства больше порога, то принимается решение - ПРИНЯТЬ, иначе -ОТКЛОНИТЬ.
Оценка эффективности идентификации on-line подписи
Идентификацию подписи можно рассматривать как проблему распознавания экземпляров 2 классов: один класс составляют подлинные подписи, а другой состоит из подделок.
Эффективность системы биометрической идентификации оценивается в зависимости от величины ошибки распознавания, т.е. от значения ошибок первого и второго рода. Ошибка первого рода FRR (вероятность ложного отказа) измеряет количество подлинных подписей, распознанных как подделки. Ошибка второго рода FAR (коэффициент ложного принятия) оценивает количество ложных подписей, классифицированных как подлинные. Для оценки эффективности системы идентификации подписей принимается EER (Equal Error Rate), при которой процент FAR равен проценту FRR. EER дает оценку статистической эффективности алгоритма и может быть принят в качестве меры, характеризующей уровень безопасности биометрической системы.
Кривая FAR как функция от FRR, использующая определяющий порог как параметр, называется error trade-off curve (кривая компромиссного определения ошибки). Она показывает поведение алгоритма и лучше всего описывает эффективность системы.
Рис. 1. Кривые FRR и FAR как функции от классификационного порога и соответствующая Error trade-off кривая
Классификация методов идентификации динамической подписи
Признак называется глобальным, если он извлекается из всей подписи (длина траектории подписи, полное время записи, средняя скорость, среднее ускорение, время поднятия пера).
Признак называется локальным, если он извлекается из каждой точки подписи (координаты, значения скорости и ускорения).
Признак называется сегментарным, если подпись поделена на сегменты и признак получен из целого сегмента.
Положив в основу определенные признаки, выделяют два разных подхода к идентификации динамической подписи.
1. Параметрический подход производит вычисление и сравнение значений глобальных признаков подписи.
2. Второй подход, называемый функциональным, предполагает значимыми все получаемые значения выбранных локальных признаков подписи, осуществляет поточечное сравнение шаблонной и тестовой подписей.
Использованные источники:
1. Gupta G.K. The State of the Art in the On-Line Handwritten Signature Verification. Victoria, Australia, Faculty of Information Technology, Monash University, 2006. 39 p.
2. Huang K., Yan H. On-line signature verification based on dynamic segmentation and global and local matching // Optical Engineering. 1995. V. 34. No. 12. P. 3480-3487.
3. Jain A.K., Griess F.D., Connell, S.D. Online signature verification // Pattern Recognition. 2002. No. 35. P. 2963-2972.
4. Lorette G. On-line Handwritten Signature Recognition based on Data Analysis and Clustering // Proc. of 7th International Conf. on Pattern Recognition, 1984. V. 2. P. 1284-1287. Montreal, 1984.
Анисимова Э. С. ассистент
кафедра информатики и дискретной математики
Елабужский институт Казанский (Приволжский) Федеральный Университет
Россия, г. Елабуга
НЕЙРО-НЕЧЕТКИЕ СЕТИ Аннотация. В статье рассматривается понятие нечеткой нейронной сети, приводится описание адаптивной сети нечеткого вывода ANFIS.
Ключевые слова: нейро-нечеткая сеть, нейронные сети, нечеткая логика.
