一种笔迹的处理方法及装置制造方法及图纸

本发明专利技术的实施例提供一种笔迹的处理方法及装置，方法包括：获取笔迹图像；对所述笔迹图像进行分割处理，得到多个字符块；将所述多个字符块输入到训练好的笔迹鉴定模型进行处理，通过所述笔迹鉴定模型输出所述笔迹图像的动态特征。本发明专利技术的方案可以提高鉴定效率。本发明专利技术的方案可以提高鉴定效率。本发明专利技术的方案可以提高鉴定效率。

【技术实现步骤摘要】
一种笔迹的处理方法及装置


[0001]本专利技术涉及信息处理
，特别是指一种笔迹的处理方法及装置。

技术介绍

[0002]笔迹鉴定是指对人通过书写活动形成的字迹进行的鉴认、识别活动。人的书写习惯具有特定性和稳定性，并在笔迹中得到反映。在鉴定时，需要根据所提供的笔迹样本，选择能反映书写人书写习惯的稳定的和带有特殊意义的特征，对检材和样本的特征的差异点与符合点都要进行比较。
[0003]在笔迹鉴定中，大致可以从如下角度对检材和样本进行比较：
[0004]书写风貌：比如书写速度、是否正常书写等；
[0005]布局：比如字的间距、缩进习惯、字行的倾斜角度、页边距留白大小等；
[0006]写法：比如繁简体、习惯性简化字、笔画笔顺的错误写法、标点符号的习惯写法；
[0007]结构：比如笔画偏旁间的布局关系、固定搭配的词组间的布局；
[0008]笔顺；
[0009]运笔：比如起笔收笔的轻重、连笔部位和方向、笔力分布情况；
[0010]笔痕：比如用不同材质的笔和纸张将产生的不同的书写痕迹。
[0011]通过对笔迹的检验，可判明文件中的笔迹由几个人所写、是否由某人所写。利用笔迹鉴定可以进行人身同一认定，从而证明文件的真伪，为司法、证券、银行等需要身份鉴别和安全保密的场景提供有效证据。
[0012]对笔迹进行鉴定，主要包括以下几种方法：
[0013]以司法鉴定中的合同签名鉴定为例。首先需要对鉴定人的不同时间、不同书写环境、不同书写材料的字迹样本进行采样。后由鉴定人对签名笔迹进行通过多种方式进行比较，权衡笔迹的异同点。这样的鉴定方法通常需要鉴定人有大量的笔迹分析经验，同时由于笔迹鉴定所涉及的内容比较庞杂深奥，难以量化，因此笔迹鉴定的结果通常给人以“不可靠”、“主观性强”的印象。
[0014]现有的笔迹鉴定法法主要存在以下技术缺陷：
[0015]问题一：人工进行笔迹鉴定时，需要从多个角度进行综合的分析判别，并且分析的结果通常依赖于鉴定者的经验与主观判断。因此，人工笔迹鉴定的效率不高，准确率也通常会存疑。
[0016]问题二：现有的基于图像处理技术的自动笔迹鉴定方法，通常需要对图像进行复杂的特征提取。这要求模型设计与实施者具备丰富的图像处理知识，并能将图像处理的知识与笔迹鉴定中要求鉴定的特征进行映射。这对模型的设计与实现提出了比较高的要求，复杂度较高，模型优化迭代也比较困难。
[0017]问题三：人的笔迹受书写环境影响，并且可能收集的书写材料与要鉴定书写者身份的材料所包含的文字不完全相同，因此对比材料中的不同字符对于鉴别书写者身份的重要度并不相同，需根据要鉴别的材料的情况进行自适应地调整。

技术实现思路

[0018]本专利技术提供了一种笔迹的处理方法及装置，提高鉴定的效率。
[0019]为解决上述技术问题，本专利技术的实施例提供以下方案：
[0020]一种笔迹的处理方法，包括：
[0021]获取笔迹图像；
[0022]对所述笔迹图像进行分割处理，得到多个字符块；
[0023]将所述多个字符块输入到训练好的笔迹鉴定模型进行处理，通过所述笔迹鉴定模型输出所述笔迹图像的动态特征。
[0024]可选的，获取手写笔迹图像，包括：
[0025]通过扫描设备获取手写笔迹材料的电子图像；
[0026]对所述电子图像进行预处理，得到所述笔迹图像。
[0027]可选的，对所述电子图像进行预处理，得到所述笔迹图像，包括：
[0028]对所述电子图像中的文本区域识别与校正，得到文字的行处于水平方向，文字的列处于垂直方向的中间图像；
[0029]对所述中间图像中的模糊部分进行去除，获得所述笔迹图像。
[0030]可选的，所述笔迹鉴定模型通过以下过程进行训练：
[0031]获取用于训练的笔迹图像样本；
[0032]对所述笔迹图像样本进行分割处理，得到多个图像样本；
[0033]对所述多个图像样本进行划分，得到训练集数据；
[0034]将所述训练集数据输入预设分类网络进行训练，得到训练好的笔迹鉴定模型。
[0035]可选的，对所述笔迹图像样本进行分割处理，得到多个图像样本，包括：
[0036]对所述笔迹图像样本中的整体文本进行字符的切割，得到多个字符块图像样本，所述多个字符块图像样本包括正样本和负样本；
[0037]所述正样本为从同一个人的书写样本多张图像中，任意抽取两张，按照顺序，从两张图像的字符图片集合中截取一定长度，组成的正样本对；
[0038]所述负样本为从两个不同人的书写样本图像中，各抽取一张，按照顺序，从两张图像的字符图片集合中截取一定的长度，组成负样本对。
[0039]可选的，对所述多个图像样本进行划分，得到训练集数据，包括：
[0040]对所述正样本对和所述负样本对进行训练、验证和测试划分，得到训练集、验证集以及测试集，所述训练集、验证集和所述测试集中涉及的书写者无交叉。
[0041]可选的，将所述训练集数据输入预设分类网络进行训练，得到训练好的笔迹鉴定模型，包括：
[0042]将样本对中的两组字符图片结合，按照顺序分别输入到第一循环神经网络和第二循环神经网络中，提取不同字符图片的特征，以及字符上下文之间的特征，其中所述第一循环神经网络和所述第二循环神经网络共享参数；
[0043]在所述第一循环神经网络和所述第二循环神经网络中加入自注意力机制，最终的隐藏层的输出由注意力值加权相加得到，所述自注意力机制通过计算序列内部每个元素相互之间作用的权重，并根据此权重和每个元素的初始隐层输出加权得到每个元素最终的输出；
[0044]得到样本对中两个样本的输出后，将两个输出进行拼接，输入到一个分类卷积神经网络中，得到这两个样本之间的关系；所述分类卷积神经网络的输出是一个二分类的结果。
[0045]可选的，笔迹鉴定方法还包括：根据注意力值对不同字符块在鉴别中的重要程度进行可视化显示。
[0046]本专利技术的实施例还提供一种笔迹的处理装置，包括：
[0047]获取模块，用于获取笔迹图像；
[0048]分割模块，用于对所述笔迹图像进行分割处理，得到多个字符块；
[0049]处理模块，用于将所述多个字符块输入到训练好的笔迹鉴定模型进行处理，通过所述笔迹鉴定模型输出所述笔迹图像的动态特征。
[0050]本专利技术的实施例还提供一种笔迹的处理设备，包括：处理器、存储有计算机程序的存储器，所述计算机程序被处理器运行时，执行如上所述的方法。
[0051]本专利技术的实施例还提供一种计算机可读存储介质，包括指令，当所述指令在计算机上运行时，使得计算机执行如上所述的方法。
[0052]本专利技术的上述方案至少包括以下有益效果：
[0053]本专利技术的上述方案，通过获取笔迹图像；对所述笔迹图像进行分割处理，得到多个字符块；将所述多个字符本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种笔迹的处理方法，其特征在于，包括：获取笔迹图像；对所述笔迹图像进行分割处理，得到多个字符块；将所述多个字符块输入到训练好的笔迹鉴定模型进行处理，通过所述笔迹鉴定模型输出所述笔迹图像的动态特征。2.根据权利要求1所述的笔迹的处理方法，其特征在于，获取手写笔迹图像，包括：通过扫描设备获取手写笔迹材料的电子图像；对所述电子图像进行预处理，得到所述笔迹图像。3.根据权利要求2所述的笔迹的处理方法，其特征在于，对所述电子图像进行预处理，得到所述笔迹图像，包括：对所述电子图像中的文本区域识别与校正，得到文字的行处于水平方向，文字的列处于垂直方向的中间图像；对所述中间图像中的模糊部分进行去除，获得所述笔迹图像。4.根据权利要求1所述的笔迹的处理方法，其特征在于，所述笔迹鉴定模型通过以下过程进行训练：获取用于训练的笔迹图像样本；对所述笔迹图像样本进行分割处理，得到多个图像样本；对所述多个图像样本进行划分，得到训练集数据；将所述训练集数据输入预设分类网络进行训练，得到训练好的笔迹鉴定模型。5.根据权利要求4所述的笔迹的处理方法，其特征在于，对所述笔迹图像样本进行分割处理，得到多个图像样本，包括：对所述笔迹图像样本中的整体文本进行字符的切割，得到多个字符块图像样本，所述多个字符块图像样本包括正样本和负样本；所述正样本为从同一个人的书写样本多张图像中，任意抽取两张，按照顺序，从两张图像的字符图片集合中截取一定长度，组成的正样本对；所述负样本为从两个不同人的书写样本图像中，各抽取一张，按照顺序，从两张图像的字符图片集合中截取一定的长度，组成负样本对。6.根据权利要求5所述的笔迹鉴定方法，其特征在于，对所述多个图像样本进行划分，得到训练集数据，包括：对所述正样本对和所...

【专利技术属性】
技术研发人员：王珊，
申请(专利权)人：中国移动通信集团有限公司，
类型：发明
国别省市：