超越签名:利用传感器融合实现上下文手写识别

科学领域:

• 生物识别信息 生物识别信息
• 人与计算机的交互
• 机器学习 机器学习

背景情况:

• 目前的手写生物识别通常只关注签名和特定传感器.
• 现有的方法主要是基于验证,而不是基于认可.
• 需要更广泛的手写分析和传感器不可知论方法.

研究的目的:

• 开发一种基于手写的新型用户识别系统.
• 将传感器融合纳入用于增强生物识别数据收集.
• 除了签名和不同的输入方式之外,分析各种手写形式.

主要方法:

• 利用传感器融合与集成和外部传感器用于动态写入数据.
• 收集了来自60名参与者的数据集,他们使用触摸屏上的笔和手指.
• 采用定制卷积神经网络 (CNN) 架构用于特征提取和分类.

主要成果:

• 实现了高精度:0.982的签名,0.927的单词,0.884的短句,和0.661的单个字母.
• 研究了输入模式 (笔笔与手指) 和训练数据大小对准确性的影响.
• 进行了废弃研究,以评估各个传感器在聚变装置中的贡献.

结论:

• 拟议的传感器融合方法显著改善了手写生物识别.
• 分析不同的手写形式 (单词,句子) 与签名一起,可以提高识别能力.
• 该系统在不同的输入方式和数据大小中表现出强大的性能.