Neural network modelling of kinematic and dynamic features for signature verification

要約

人間の特性に基づいたオンライン署名パラメータにより、自動署名検証器の適用範囲が広がります。
運動学的および動的特徴はこれまでに提案されてきましたが、腕や前腕のトルクなどの特徴を正確に測定することは依然として困難です。
角速度、角位置、力トルクを推定するための 2 つのアプローチを紹介します。
最初のアプローチでは、物理的な UR5e ロボット アームを使用して、時間の経過とともにこれらのパラメーターをキャプチャしながら署名を再現します。
2 番目の方法は、コスト効率の高いアプローチであり、ニューラル ネットワークを使用して同じパラメータを推定します。
私たちの調査結果は、単純なニューラル ネットワーク モデルで署名検証に効果的なパラメーターを抽出できることを示しています。
MCYT300 データセットを使用してニューラル ネットワークをトレーニングし、他のデータベース、つまり BiosecurID、Visual、Blind、OnOffSigDevanagari 75、および OnOffSigBengali 75 と相互検証することで、モデルの一般化機能が確認されます。

要約(オリジナル)

Online signature parameters, which are based on human characteristics, broaden the applicability of an automatic signature verifier. Although kinematic and dynamic features have previously been suggested, accurately measuring features such as arm and forearm torques remains challenging. We present two approaches for estimating angular velocities, angular positions, and force torques. The first approach involves using a physical UR5e robotic arm to reproduce a signature while capturing those parameters over time. The second method, a cost effective approach, uses a neural network to estimate the same parameters. Our findings demonstrate that a simple neural network model can extract effective parameters for signature verification. Training the neural network with the MCYT300 dataset and cross validating with other databases, namely, BiosecurID, Visual, Blind, OnOffSigDevanagari 75 and OnOffSigBengali 75 confirm the models generalization capability.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google