基于笔迹的性别识别方法研究

摘要

笔迹既包含着书写者先天的生理特征，又受后天学习的影响，能在一定程度上反映书写者的书写习惯和生物特征。从笔迹中提取的信息可以用来判断书写者的性别、年龄和使用右手或者左手的习惯。其中，性别在书写者笔迹风格形成过程中的作用是不容忽视的。在取证分析和人口调查统计中，以性别将人群进行划分是非常有用的。确定书写者的性别能够缩小调查研究的范围，并提高笔迹识别和笔迹验证的效果。同时，结合性别与其他生物特征对案件分析有一定的启发作用。
　　本文着眼于基于笔迹的性别识别的研究。从轮廓特征、纹理特征和深度神经网络自动提取特征三个方面入手，实现了根据笔迹判断书写者性别的目标。本文设计了链码和边界方向提取笔迹图像的轮廓信息，利用SVM算法进行分类，在IAM On-line数据库上得到了71.2%的准确率。本文研究了局部二值模式（LBP）的多种形式，以多尺度LBP提取笔迹图像的纹理信息，通过实验构建了多尺度LBP特征并确定了合适的K值，同时使用KD树分类，在IAM On-line数据库上得到了73.25%的准确率。在深度神经网络方面，本文分析了成熟网络结构的设计思路，在扩充数据的基础上，利用深度学习工具caffe搭建了包含七个卷积层和相应功能层的卷积神经网络，并使用多种技巧提高网络性能，通过合理地设置参数和微调，在IAM On-line数据库上得到了76.17%的准确率，这是该数据库上笔迹性别识别的最高准确率。

目录

第1章 绪 论

1.1课题背景及研究的目的和意义

1.2生物特征识别

1.3国内外研究现状

1.4本文的主要研究内容

第2章 基于轮廓特征的笔迹性别识别

2.1引言

2.2预处理

2.3基于像素特征的轮廓提取

2.4轮廓特征提取

2.5实验结果与分析

2.6本章小结

第3章 基于纹理特征的笔迹性别识别

3.1引言

3.2基于小波变换的多尺度实现

3.3纹理特征提取

3.4多近邻KD树算法

3.5实验结果与分析

3.6本章小结

第4章 基于深度学习的笔迹性别识别

4.1引言

4.2深度学习介绍

4.3深度网络设计

4.4实验结果与分析

4.5本章小结

结论

参考文献

攻读硕士学位期间发表的论文及其它成果

声明

致谢