ارائه رویکرد مستقل از نویسنده مبتنی بر ترکیب ویژگی پارامتریک و الگوی دودویی محلی در سیستم بازشناسی امضای برون خط

امروزه، تشخیص و تایید هویت افراد در سازمان های مختلف، بسیار ضروری است؛ بنابراین، ارایه سیستم های تایید هویت با قابلیت شناسایی افراد و تطبیق الگوی ورودی، بسیار مورد توجه قرار گرفته است. سیستم تایید امضای برون خط، یکی از زیرمجموعه های بیومتریک رفتاری است که برای تایید هویت فرد مدعی استفاده می شود. یکی از چالش های عمده در خصیصه ی امضا، کاهش تنوع درون کلاسی در بین نمونه های اصلی و جعلی است. بدین منظور در این مقاله جهت افزایش عملکرد سیستم، به ترکیب ویژگی های پارامتری همچون استخراج ویژگی در شعاع نقاط متقاطع و الگوی دودویی محلی پرداخته شده است. در روش پیشنهادی، با در نظر گرفتن توزیع فضایی پیکسل های متصل، همسایگان نقاط کاندید بررسی می شود؛ بنابراین با داشتن جزییات محلی پیرامون نقاط کاندید به استخراج استروک ها، قوس ها و زاویه های پیکسل های امضا پرداخته می شود. در آزمایش ها از پایگاه داده های استاندارد MCYT،  GPDSsynthetic و CEDAR استفاده شده است. تفکیک نمونه ها با استفاده از طبقه بند KNN و مبتنی بر ساختار مستقل از نویسنده انجام شده است. با توجه به نتایج آزمایش ها، نرخ میانگین خطا در هر کدام از پایگاه داده ها به ترتیب برابر با 0.036، 0.033 و 0.12 به دست آمده است. علاوه بر آن نتایج معیارهای حساسیت و خاصیت در مقایسه با کارهای پیشین، بهبود داشته است.