تشخيص اصالت امضاء به صورت offline با استفاده از ويژگي‌هاي آماري و منطق فازي و ماشين بردار پشتيبان

authenticity detection of offline signature using statistical features and fuzzy logic and SVM

تشخيص اصالت افراد از روي ويژگي هاي بيومتريك يكي از ابزار هاي ضروري براي انجام عمليات بانكي و ثبت اسناد مي باشد. در اين تحقيق ابتدا ويژگي هاي آماري امضاء محاسبه شده و با ماشين بردار پشتيبان تشخيص داده مي شود. ويژگي هاي فازي امضاء نيز به منظور افزايش دقت به ويژگي ها افزوده مي شود. نتايج نشان دهنده بهبود نتايج در اثر استفاده از ويژگي هاي فازي امضاء براي تشخيص مي باشد. پايگاه داده مورد استفاده MLCM دانشگاه تهران مي باشد.

Identifying the authenticity of individuals from the biometric features is one of the essential tools for banking operations and document registration. In this research, the statistical characteristics of the signature are calculated and are determined by the backup vector machine. Fuzzy signature features are also added to enhance the accuracy of the features. The results show improvements in the results due to the use of signature fuzzy features for diagnosis. The database used by MLCM is University of Tehran.