签名笔迹

摘要： 随着改革开放和社会经济发展,涉及德宏傣文签名笔迹的检验鉴定的案件呈现逐年增加趋势。德宏傣文签名笔迹的检验鉴定,需在了解德宏傣文知识并掌握其书写规则基础上,依据德宏傣文签名笔迹的笔迹特征及其特征价值规律,结合德宏傣文签名笔迹特点与笔迹检验方法,正确得出鉴定意见。

摘要： 目的研究旨在为光敏签名章与纤维笔形成字迹的区分方法提供科学的参考依据.方法运用直观检验法、重叠比对法、显微检验法和高效液相色谱法,将光敏签名章盖印形成的签名印文字迹与纤维笔书写形成的签名笔迹进行比对,并对二者进行区分,归纳总结出鉴别的依据.结论运用直观检验法、重叠比对法、显微检验法和高效液相色谱法中的任意一种或任意几种,进行综合分析,以区分签名笔迹是光敏签名章盖印形成还是纤维笔书写形成.

摘要： 目的:将系统鉴定理论引入签名笔迹检验中,提高签名笔迹检验的准确率.方法:通过实际案例分析法介绍系统鉴定理论的应用.结果:系统鉴定是唯物辩证法在笔迹检验实践中的具体体现,可以准确判断签名笔迹的形成方式以及准确还原案件的真实面貌.结论:系统鉴定理论在签名笔迹检验实践中具有重要的指导意义.

摘要： 文件检验任务中,对签名字迹与印章相互交叠情况下的签名字迹进行同一认定的委托越来越多,一般需要对字迹分离后再进行笔记检验鉴定,但书写字迹与其他颜色物质的叠加通常会导致细节特征被忽视,影响鉴定人员的判断.由此可见,签名字迹与印章的完全分离,以及分离后细节特征的保留对于文件检验十分重要,常用于印章与签名字迹分离的阈值处理法依然存在上述问题.因此,研究提出一种基于线性判别分析的方法分离印章和签名字迹,在保证印章与字迹完全分离的情况下依然能够保留字迹的细节特征.

摘要： 在签名笔迹鉴定中,对签名章与纤维笔形成字迹的鉴别,需要在明确检材签名字迹的形成方式后,结合具体案情和签名章伪造签名字迹与纤维笔手写签名字迹的特点,对检材签名笔迹与样本签名笔迹进行比对.通过对特征点的综合评断,作出鉴定意见,从而对签名章伪造签名字迹与纤维笔手写签名字迹作出鉴别.

摘要： 恶意书写签名笔迹是近年来在笔迹检验中出现的一种伪装手法,尚无学者对恶意书写形成的签名笔迹进行系统的理论和实验研究.本研究通过观察比较书写者恶意书写与正常书写的签名笔迹,归纳总结恶意书写签名笔迹的表现形式及其一般规律.实验结果表明,恶意书写签名的表现形式多样,各种表现形式的出现率及多样性与书写者的年龄、文化程度和对文检知识的了解有着一定的关联,伪装程度也因表现形式和实验对象的不同而有所差异.

摘要： 案情,温州XX投资管理有限公司于2015年9月24日向温州市市场监管局申请公司设立登记,登记股东为李XX、马XX,法定代表人为李XX,注册资本1.5亿元,公司类型为有限责任公司,经营范围为投资管理、资产管理、商务信息咨询服务。2019年,李X X以其被冒名登记为由向温州市鹿城区人民法院起诉,要求撤销温州市市场监管局2015年9月24日的公司设立登记行为。经司法鉴定,该公司设立登记时提供的《公司登记(备案)申请书》等8份材料上的“李XX”签名笔迹与李X X本人签名笔迹不是同一人书写。温州市鹿城区人民法院遂发函至温州市市场监管局,建议市局及时进行自查自纠。

摘要： 随着新中国经济的发展,借据、合同在人们充当着越来越重要的地位,关于书写签名的时间鉴定更显的尤为重要.论文运用显微检验的方法,对签名笔迹的笔痕特征进行观察,最后证明应用笔痕特征鉴定相对书写时间的科学性.

摘要： 随着我国新形势下社会主义市场经济的发展,法院审判工作中的经济案件的数量呈不断攀升的趋势,在此类案件中,由于文件签名引起的纠纷逐年增多,成为法院系统文检工作中的重点。rn 本文试图从笔迹检验的类型及特点人手,结合影响笔迹形成的相关因素和笔迹形成的动态过程,对签名笔迹的检验方法及应该注意的问题进行分析探讨。

摘要： 随着社会经济的发展、人们收入的提高和计算机知识的普及,自动化办公、无纸化办公越来越多地进入了平常百姓的工作和生活。现代文书多以打印件、复印件、传真件、扫描件的形式出现,其手写文字常常只剩下了签名,这必然导致签名笔迹鉴定的案件增多。签名笔迹字数少,书写习惯反映不充分,鉴定难度相对较大,特别是对于特殊形式的签名,鉴定难度则更大。rn 作者介绍了特殊签名的概念和形式，分析特殊签名笔迹案件具有的特点，阐明了特殊签名笔迹鉴定要点。

摘要： 一种基于预训练技术的电子签名识别系统及方法，涉及电子签名笔迹识别技术，采集电子签名笔划相关特征数据，获取签名样本数据和签名待检测数据；对签名样本数据和签名待检测数据进行重采样、归一化、离散化处理，得到固定长度的数据，将固定长度的签名样本数据和待检测签名数据分别输入样本编码器，编码器利用余弦相似损失函数确定签名样本数据与签名待检测数据的共性特征和差异特征，确定签名样本数据与签名待检测数据来自同一签名者或不同签名者。本发明广泛用于电子商务、电子政务等需要识别签名的场所。

摘要： 本发明提供一种基于对偶学习的生成式对抗网络SIGAN的签名笔迹鉴定方法。本发明方法首次采用生成式对抗网络技术研究签名笔迹鉴定问题，通过借鉴对偶学习思想，设计了专门的SIGAN(Signature Identification GAN)网络来实现签名笔迹鉴定。将训练后判别器的损失值作为鉴定阈值，与待测签名笔迹图片通过网络得到的损失值对比，从而确定签名笔迹真伪。本文构建了包含五种硬笔笔型签名的实验数据集，包含本人真实签名以及他人的刻意模仿签名。实验结果表明，基于SIGAN的签名笔迹鉴定模型平均正确率达91.2％，比传统的图像识别方法提升3.6％，远高于人眼主观测试结果72.3％。

摘要： 本发明请求保护一种基于faiss的在线手写签名笔迹检索方法和系统，涉及电子签名笔迹识别领域。利用大数据和深度学习技术训练并提取具有身份辨别性的笔迹特征，通过将电子签名数据特征向量化，进而建立大规模笔迹特征库，对于待识别的笔迹数据，提取笔迹特征向量，再与特征库中特征向量进行比对，计算向量相似度，根据相似度排序得到最终的topN笔迹检索结果。

摘要： 电子签名笔迹特征分型及特征链比较法属于法庭科学中文件检验与鉴定技术领域，尤其涉及一种电子签名笔迹特征分型及特征链比较法。本发明提供一种电子签名笔迹特征分型及特征链比较法。本发明包括以下步骤：设定目标层（第一层）——电子签名笔迹特征结构分型结构体系；确定中间层（第二层）——宏观层次特征、中观层次特征和微观层次特征；细化方案层（第三层）——从外型、内容、时间、空间这四个维度进行分类，包括宏观层次特征的四个维度、中观层次特征的四个维度和微观层次特征的四个维度。

摘要： 本发明公开了一种自学型签名笔迹深化识别方法及系统，方法包括：获取签名图像，对签名笔迹进行细化处理及消除锯齿处理；采用二值化方法获取签名图像的完整像素矩阵，并将一维数组转换为二维数组；去除二维数组的边缘信息，并将二维数组简化为最小矩阵；根据最小矩阵计算签名笔迹的tan比值特征值、四象限加权特征值、像素点比值特征值和投影片段比值特征值；将各特征值与数据库中预存的笔迹三维特征逐一进行相似度比较；将相似度结果超出预设阈值的签名笔迹对应的用户作为当前签名笔迹的识别结果。通过本发明的技术方案，实现了签名笔迹的识别，在保证正确率的同时缩短特征值的提取时间，提高了识别精度准确率，改善了用户操作体验。

摘要： 一种基于预训练技术的电子签名识别系统及方法，涉及电子签名笔迹识别技术，采集电子签名笔划相关特征数据，获取签名样本数据和签名待检测数据；对签名样本数据和签名待检测数据进行重采样、归一化、离散化处理，得到固定长度的数据，将固定长度的签名样本数据和待检测签名数据分别输入样本编码器，编码器利用余弦相似损失函数确定签名样本数据与签名待检测数据的共性特征和差异特征，确定签名样本数据与签名待检测数据来自同一签名者或不同签名者。本发明广泛用于电子商务、电子政务等需要识别签名的场所。

摘要： 本发明提供一种基于卷积神经网络的中文签名笔迹鉴定方法，首先采集本人重复签名和他人代签手写图片，得到签名图像，对签名图像两两组合形成数据集D和以及与数据集D对应的标签集T，其次对签名图像进行处理，包括改变签名图像的大小、灰度化处理、二值化处理和去噪处理后形成数据集D′，将数据集D′划分为训练集和测试集，然后构造多层卷积神经网络，通过构造适合识别签名笔迹差异的损失函数，利用数据集D′、标签集T、损失函数对多层卷积神经网络进行训练得到多层卷积神经网络模型，最终利用所述多层卷积神经网络模型实现对中文签名笔迹的鉴定。本发明可用来鉴定签名是否为本人笔迹，方法简单实用，可为电网行业各种工作票签名鉴定提供依据。

摘要： 本发明公开了一种签名笔迹鉴别方法、客户端及服务器，该方法包括：接收用户输入的签名笔迹鉴别模式；在用户输入的签名笔迹鉴别模式为识别模式时，获取用户的手写签名数据作为识别模式数据；或，在用户输入的签名笔迹鉴别模式为鉴证模式时，获取用户的手写签名数据和用户标识数据作为鉴证模式数据；将识别模式数据或鉴证模式数据发出；接收根据识别模式数据反馈的第一签名笔迹鉴别结果；或，接收根据鉴证模式数据反馈的第二签名笔迹鉴别结果；第一签名笔迹鉴别结果根据预先建立的神经网络签名笔迹识别模型得到，第二签名笔迹鉴别结果根据预先建立的神经网络签名笔迹鉴证模型得到。本发明可以提高签名笔迹鉴别的效率和准确率，提高了用户的体验。

摘要： 本发明提供一种基于对偶学习的生成式对抗网络SIGAN的签名笔迹鉴定方法。本发明方法首次采用生成式对抗网络技术研究签名笔迹鉴定问题，通过借鉴对偶学习思想，设计了专门的SIGAN(Signature Identification GAN)网络来实现签名笔迹鉴定。将训练后判别器的损失值作为鉴定阈值，与待测签名笔迹图片通过网络得到的损失值对比，从而确定签名笔迹真伪。本文构建了包含五种硬笔笔型签名的实验数据集，包含本人真实签名以及他人的刻意模仿签名。实验结果表明，基于SIGAN的签名笔迹鉴定模型平均正确率达91.2％，比传统的图像识别方法提升3.6％，远高于人眼主观测试结果72.3％。

摘要： 本发明公开了一种签名笔迹检验可视化的方法，其中，包括：对输入图像进行预处理，将输入的笔迹图像转换成二值图像；将裁剪后的检材笔迹图像和样本笔迹图像进行归一化处理；对经过预处理的检材和样本笔迹签名图像进行字符切分及数值化；用户在签名笔迹二维点集上标注特征点；计算检材笔迹点集与样本笔迹点集的匹配度，包括：用户指定检材笔迹点集以及样本笔迹的点集中的特征点为对应位置的点；两个点集之间存在一个旋转平移变换，使得对应特征点能匹配起来，通过最小二乘算法求解得到变换关系；计算两个点集之间的欧式距离，得到笔迹点集之间可量化的匹配度。