نوع مقاله : مقاله کامل پژوهشی

نویسندگان

• سعید رشیدی ¹
• علی فلاح ²
• فرزاد توحیدخواه ³

¹ مربی، گروه بیوالکتریک، دانشکده مهندسی پزشکی، واحد علوم و تحقیقات، دانشگاه آزاد اسلامی

² استادیار، گروه بیوالکتریک، دانشکده مهندسی پزشکی، دانشگاه صنعتی امیرکبیر

³ دانشیار، گروه بیوالکتریک، دانشکده مهندسی پزشکی، دانشگاه صنعتی امیرکبیر

چکیده

تصدیق امضای پویا بر پایه ویژگی های زمانی علاوه بر بهره جستن از ویژگی های مکانی الگوی ترسیمی، به دلیل استفاده از ویژگی های پویای محلی و کلی مبتنی بر سیگنال های سرعت، شتاب، فشار و زاویه قلم نسبت به روش ایستا، که فقط از ویژگی های تصویری سود می جوید، از دقت افزونتری برخوردار است. در این مطالعه با استفاده از نقش محوری سرعت در فرایند کنترل حرکات ماهرانه به ویژه الگوهای ترسیمی- تحریری، الگوی امضا را تقطیع و سپس ویژگی های سیگنالی استخراج می شود. به منظور براورد شباهت سیگنال های زمانی از پنج معیار فاصله تعمیم یافته همراه با پنج روش وزن دهی، استفاده و نشان داده شد که معیار فاصله همبستگی کمترین خطا را در ارزیابی شباهت سیگنال ها دارد. با اعمال روش پیشنهادی به پایگاه دادگان مشتمل بر افراد فارسی، چینی و انگلیسی زبان خطای EER برای جاعلان ماهر برابر 0.87% و 1.24% به ترتیب برای سطح آستانه فردی و عمومی حاصل شده است.

کلیدواژه‌ها

• پیچش زمانی پویا
• تصدیق امضای پویا
• تقطیع الگو
• کنترل حرکت
• مدل دلتا لگ- نرمال

موضوعات

• کنترل حرکت انسان

عنوان مقاله [English]

Signature Verification Based On The Control Theory Of Skilled Movements

نویسندگان [English]

• Saeed Rashidi ¹
• Ali Fallah ²
• Farzad Towhidkhah ³

¹ Instructor, Department of Bioelectric, Biomedical Engineering School, Science and Research Branch, Islamic Azad University

² Assistant Professor, Department of Bioelectric, Biomedical Engineering School, Amir Kabir University

³ Associate Professor, Department of Bioelectric, Biomedical Engineering School, Amir Kabir University

چکیده [English]

Dynamic signature verification based on temporal features are more precise than the static methods because in addition to position information of the drawing pattern, it uses local and global features extracted from velocity, acceleration, pressure and pen angle signals, while static methods only use image information. In this study, we segmented the signature patterns using the basic role of velocity in the control process of skilled movements and then the function features were extracted. In order to signal the matching evaluation, we applied five generalized functions and five weighting strategies for score level fusion. The results showed that the correlation criterion had the minimum error. The experiments on the database, consisting of persons of Persian, Chinese and English, showed that the skilled forgeries obtained an equal error rate (EER) of 0.87% and 1.24% for the user and universal thresholds, respectively. 

کلیدواژه‌ها [English]

• Dynamic signature verification
• Dynamic time warping
• Model of delta log-normal
• Motor control
• Segmenting