Análise de assinaturas manuscritas baseada nos princípios da grafoscopia

AUTOR(ES)
DATA DE PUBLICAÇÃO

2004

RESUMO

A verificação automática de assinaturas estáticas ou off-line trata especificamente de um problema em aberto devido a fatores como a variação entre assinaturas do mesmo autor, à semelhança entre a escrita de autores diferentes, além dos diversos tipos de falsificações. A abordagem proposta nesta dissertação par resolver este problema baseia-se na visão da grafoscopia e utiliza um classificador baseado em redes neurais artificiais, as características extraídas do grafismo, medidas de distâncias e um método dicotômico. Nesse modelo, somente duas classes são assumidas: autoria e não autoria. Para validar o experimento 180 autores fornecem assinaturas genuínas no treinamento e 60 outros provem as falsificações, sendo que a combinação entre os dois conjuntos forma a base de dados para os experimentos. A abordagem apresentada propõe uma solução através do uso de um número reduzido de assinaturas por autor (em torno de 5), assim como a redução do número de classes, problema este encontrado em outros métodos relacionados a verificação de assinaturas. As seguintes etapas fazem parte da abordagem: aquisição dos dados (digitalização das imagens das assinaturas), pré-processamento (filtro para retirada de ruídos e preparação para extração de características aplicadas sobre as imagens digitalizadas), segmentação (imagem particionada em células para a extração das características), extração das características (seleção das propriedades relevantes que representam a assinatura, baseadas na grafoscopia e grafologia), cálculo de distâncias entre características (etapa na qual a distância entre os vetores de características pertencentes a duas amostras são primeiramente computadas e usada para verificar a autenticidade do autor), produção de um modelo (um conjunto de referência de assinaturas é gerado para utilização no processo comparativo, que usa rede neurais artificiais, em específico o percetron multicamada com algoritmo backpropagation), e finalmente o processo de decisão (a saída do modelo produzido é avaliada, verificando se a assinatura pertence à determinada classe ou não). Os erros médios obtidos estão na faixa de 9,79% para falsa rejeição e de 6,71% para falsa aceitação.

ASSUNTO(S)

escrita - identificação informática redes neurais (computação) ciencia da computacao assinaturas - verificação

ACESSO AO ARTIGO

Documentos Relacionados