一种基于深度学习的手写签名识别技术.pdfVIP

第第4446卷卷第第0102期期科技科技创创新与新与生生产力产力VVooll..4644NNoo..0201

科技创新与生产力2025年第46卷第2期

年年0102月月SSCCI-TI-TECECHHIINNOVNNOVAATTIIOONNPPRRODUODUCCTTIIVVIITYTYDFeebc..

文章编号：

1674-9146渊圆园25冤0207604

一种基于深度学习的手写签名识别技术*

高娴婷，刘嘉琦，王梓函，王行建

（东北林业大学计算机与控制工程学院，黑龙江哈尔滨150040）

：。针对当前技术在应对

摘要随着信息化社会的深入发展，手写签名识别技术在保障信息安全与身份认证中越来越重要

签名者情绪波动与书写状态变化时的局限性，本文提出一种基于深度学习的手写签名识别方法，旨在显著提升识别准确

性与效率。该方法涵盖了在线与离线签名识别两部分，分别运用快速傅里叶变换（）和神经网络、数字图像处理技

FFTBP

术和改进的LeNet-5卷积神经网络模型实现。实验结果表明，该技术有效减少了签名状态对识别的影响，显著提升了识

别率。

：；快速傅里叶变换；；数字图像处理

关键词手写签名识别；深度学习BP神经网络LeNet-5卷积神经网络；

中图分类号：文献标识码：DOI：

TP391.41A10.3969/j.issn.1674-9146.2025.02.076

1研究背景写签名识别率提升至96%以上。

随着信息化的逐步推进，个人信息安全的重要虽然每个人的签名手法相对固定，但仍容易受

性日益凸显。手写签名因其可靠性、高效性和易收个人主观情绪影响，例如，人在紧张时写字会不自

集性，在金融、司法、医疗等领域被广泛应用于身觉加重力度或加快速度，容易导致签名识别错误。

份验证。然而，人工鉴定手写签名时工作量大、难为解决这一问题，本文设计了一种基于深度学习的

度高的问题推动了高效、精准手写签名识别技术的手写签名识别技术，该技术避免采用硬性阈值作为

研究。根据签名数据获取方式，识别技术可分为在评判标准，最大限度减小主观情绪对签名的影响。

[5]

线识别与离线识别。前者通过使用具有压力传感功具体来说，在线签名识别采用FFT进行特征提取，

能的电子设备获取签名的动态图像和签名过程中的并以神经网络作为分类器；离线签名识别采用

BP

动态信号，即书写习惯的行为特征；后者主要依靠图数字图像处理技术，改进的多通道LeNet-5卷积神

像传感器采集静态签名图像，其识别难度相对较大。经网络模型以及有监督的练方式。本文利用主流

目前，国内外研究者在手写签名识别领域取得深度学习算法进行高度迭代运算，显著提高了电子