基于深度卷积神经网络的表单中手写签名位置定位方法

摘要

在人们的日常生活中经常会使用到各种表单或者票据，他们是很重要的法律凭证。为了自动对表单或者票据中的签名验明真伪，比如银行存取款凭证签名真伪识别、保险公司保单签名真伪识别、快递单据识别等等，需要首先确定签名在表单中的位置。现如今大部分表单的签名真伪识别工作都是由人工来完成的，费时费力且受人为主观因素影响较大。因此，开发一套表单手写签名自动检测系统具有十分重要的研究意义。
　　本文主要研究了手写签名自动检测系统中的目标定位功能。目标定位一直是一个热点的问题，目前常用的方法有基于颜色、纹理、形状、空间、模板匹配等方法。本文采用卷积神经网络获取候选区域的方法，实现了表单中手写签名的定位功能。首先，使用卷积神经网络获取候选区域，其实质是使用滑动窗口对图像进行穷举搜索；其次，利用分类层对每个特征图上的候选区域做分类任务，判断该候选框是前景还是背景；最后，利用回归层对每一个候选框的位置做回归。本文主要研究内容有：
　　（1）收集了大量、多样的表单图像，自定义表单图像数据库。收集的图像包含银行表单、保险公司表单、快递公司表单等，对收集好的表单图像进行旋转、平移、缩放、加噪等处理，这样设计出的表单图像数据库会使得训练结果更好。
　　（2）为了提高区域候选框质量，根据设计的表单图像数据集中目标的长宽比，优化滑动窗口中获取候选框的窗口比例。
　　（3）为了减少高层卷积细节特征信息损失，尽可能多的获取到更多图像特征，对RPN网络模型连接结构进行改进。文中提出了RPN-X的网络结构，并且对该网络模型中的训练参数进行了优化。
　　（4）基于caffe框架，搭建训练神经网络的平台，并训练出RPN-X神经网络模型。
　　（5）在matlab编程环境下，开发了一个手写签名位置定位系统，实现了实时拍照上传并且进行手写签名位置的定位。

目录

声明

1 绪论

1.1论文研究的背景及意义

1.2目标定位检测算法研究现状

1.3论文主要研究内容

1.4论文结构安排

2 基于候选区域的卷积神经网络目标检测算法分析

2.1 卷积神经网络

2.2 常用获取候选区域算法分析

2.3 R-CNN

2.4 SPP-Net

2.5 Fast R-CNN

2.6 本章小结

3 基于深度网络的表单中手写签名位置定位方法

3.1 算法的主要思想

3.2 算法的基本流程

3.3 算法的实验结果分析

3.4 本章小结

4 网络训练平台的搭建及检测系统的实现

4.1 网络训练平台的搭建

4.2 检测系统界面及功能

4.3 本章小结

5 总结与展望

5.1 主要工作总结

5.2 存在的问题

致谢

参考文献