Offline handwritten signature verification and forgery detection

Abstract

La firma manuscrita es ampliamente aceptada como un medio para verificar la identidad de una persona. Como resultado, un sistema automático de verificación de firmas permitiría una verificación más eficiente y reduciría la posibilidad de falsificación. Se han presentado varios enfoques para proporcionar una verificación de firma lo más fiable posible. Esta tesis intenta arrojar luz sobre la difícil cuestión de distinguir una firma genuina de una falsificada. En este contexto, presenta un novedoso sistema de verificación offline para la verificación de firmas manuscritas que utiliza técnicas artesanales como descriptores texturales de la firma. La disertación presenta tres técnicas para la verificación de firmas: (i) características de longitud del segmento, (ii) características de longitud del segmento multidireccional y (iii) características de longitud del segmento en espiral. El método de longitud del segmento es una técnica aplicada en imágenes de firma basada en el conteo de píxeles vecinos que tienen el mismo valor; el conjunto de estos píxeles constituye una corrida. Luego, el número de corridas con la misma longitud se reagrupará en una matriz M, que compone la matriz de longitud de corrida. Esta técnica se ha aplicado a imágenes binarias, y el cálculo de las corridas se realiza en las cuatro direcciones principales contando los píxeles negros y los blancos. Las otras dos técnicas están inspiradas en las distribuciones de longitud del segmento. Las características de longitud del segmento multidireccional refuerzan el uso de las car- acterísticas de longitud del segmento añadiendo a las cuatro direcciones principales otras cuatro direcciones y apoyando cada una en su vecindad directa, lo que finalmente comprende ocho direcciones compuestas. Por lo tanto, las características de longitud del segmento en espiral se presentan como una quinta dirección de las distribuciones de longitud del segmento clásicas, siguiendo la navegación en espiral de la firma, incluidas las direcciones horizontal y vertical de forma permanente. Para una evaluación concreta, realizamos muchas experimentaciones. Aplicamos nuestros algoritmos en bases de datos conocidas como GPDS960, MCYT-75 y CEDAR. Para la fase de clasificación, empleamos One Class Support Vector Machine (OC-SVM) para simular el caso real en el que no tenemos suficientes muestras genuinas. En comparación con el estado del arte, los resultados obtenidos son prometedores. Además, obtuvimos clasificaciones satisfactorias frente a otros algoritmos.