CN1207660C

CN1207660C - 手写签名鉴定方法和设备

Info

Publication number: CN1207660C
Application number: CNB021513813A
Authority: CN
Inventors: 村濑正; 前田刚志
Original assignee: Fujitsu Ltd
Current assignee: Fujitsu Ltd
Priority date: 2002-03-19
Filing date: 2002-11-21
Publication date: 2005-06-22
Anticipated expiration: 2022-11-21
Also published as: CN1445663A; TWI260557B; JP2003271965A; US20030179913A1; TW200304625A; US7116804B2

Abstract

当用户注册他或她的签名时，用户的手写签名数据传输到主机。签名信息控制单元通过查询签名词典信息单元而读取与笔迹形状数据最相近的字体的字符串代码，从所述代码中选取预定位数的数字值，通过把所述数字值连续地排列在代码数量之后而产生用户ID，并且通过在此用户ID和输入的手写签名之间进行对应而把它们注册到签名词典信息单元。在鉴定签名时，用户ID从用户输入的手写签名中自动地产生，并且在产生的用户ID和注册的用户ID之间进行检查。

Description

手写签名鉴定方法和设备

技术领域

本发明涉及手写签名鉴定程序、方法和设备，其中，所述程序、方法和设备根据手写并输入的签名信息的字符数量和字符内容自动地产生用户ID，从而执行注册和鉴定。

背景技术

按照惯例，根据签名笔迹的特征量来执行鉴定的方法被认为是生物统计学鉴定的一种类型(在用户访问网络或开启个人计算机时，使用人的物理特征如指纹、视网膜、虹膜和声波纹等来鉴定用户的方法)。在此情况下，通过比较在注册时和在试图通过鉴定时的签名笔迹的特征量如笔迹形状、书写速度、书写加速度、书写压力等来进行检查。

另外，在此情况下，通常在输入手写签名之前或之后还输入用户ID，用户ID信息和相应手写签名的笔迹信息通知给鉴定系统，由此通过在预先注册的用户ID和所述笔迹信息之间进行检查而执行鉴定。

图1解释此种使用用户ID和手写签名输入的常规鉴定系统。在该图所示的鉴定系统1中，首先，通过用未示出的专用笔手写或用键选择而输入用户ID 4“abcde00001”，接着，输入日本汉字签名5“富士通太郎”(“Fujitsu Taro”)或英文签名5′“ Fujitsu”到手写输入设备3中，此设备连接到数据输入/显示器2。

从输入的用户ID 4“abcde00001”得到的信息，以及日本汉字签名5“富士通太郎”(“Fujitsu Taro”)或英文签名5′“Fujitsu”注册到如大型计算机等的主机6的存储器中。注意，从日本汉字签名5或英文签名5′得到的签名信息是笔迹组分，如签名的笔迹形状、书写速度、书写加速度、书写压力等。随后，当姓名为“富士通太郎”(日本汉字)或“Fujitsu”(英文字符)的人试图用签名通过鉴定时，他用与上述注册相似的方式，再次手写并输入用户ID 4“abcde00001”、以及日本汉字签名5“富士通太郎”(“FujitsuTaro”)或英文签名5′“Fujitsu”到数据输入/显示器2的手写输入设备3中。

日本汉字签名5或英文签名5′的笔迹组分信息通知给主机6。主机6基于输入的用户ID，读取与用户ID匹配的注册用户ID以及与此注册用户ID相对应的注册签名信息。然后，在读取的注册签名信息的笔迹组分数据和刚输入的手写签名信息的笔迹组分数据之间进行检查，表示匹配或失配的检查结果通知给数据输入/显示器2。

在此情况下，在进行注册时，一般根据统一的比较逻辑来检查笔迹组分如上述笔迹形状、书写速度、书写加速度和书写压力的特征量的相似度；在请求鉴定时统一计算笔迹组分的特征量并把它们翻译成数字值；并且，用所述数字值的总计来进行检查和评估。

由于手写签名是生物统计学信息，因此，笔迹组分的特征量根据不同的个人而有各种各样的表现，而且对于每个人都表现出不同的特征量。对于按照常规使用笔迹组分特征量的相似度的总数字值进行评估的统一比较逻辑，很难表现每个人的特征，对于每个人也不能进行最优的比较和检查。因此，会产生种种不便，如尽管是被授权人却被拒绝通过鉴定，以及尽管是其它人却可通过鉴定等等。

另外，如上所述，请求鉴定的用户必须输入用户ID作为字符信息，并且单独手写和输入与此用户ID相应注册的签名。然而，既输入签名又输入用户ID是比较麻烦的，最开始希望输入签名对于识别个人就足够了。

进而，由于用户ID是包括字符或数字值的原始数据，它不与用户本身直接相关，因此用户容易忘记用户ID。相应地，用户在许多场合下错误地输入他的用户ID，这造成用户必须再次输入用户ID的麻烦。从此观点出发，这也是一个问题。

发明内容

考虑到上述常规背景，本发明的目的是提供手写签名鉴定程序、方法和设备，所述程序、方法和设备根据每个人的手写签名的特征来执行可靠的鉴定，并且减少用户输入ID的麻烦。

根据本发明的实现此目的的手写签名鉴定程序、方法和设备的配置在以下描述。

首先，根据本发明的手写签名鉴定程序在通过分析输入的手写签名数据的每个组分的特征而获得的预定组分特征量和通过分析预先注册的签名数据的每个组分的特征而获得的预定组分特征量之间进行检查，从而用于鉴定输入的手写签名，本程序使计算机执行以下过程，包括：在笔迹词典存储单元中储存预定类型的字体和与所述字体分别对应的代码，作为笔迹词典；在储存在笔迹词典存储单元中的字体和输入的手写签名的笔迹形状数据之间进行比较并引用此比较，而且从笔迹词典存储单元中读取与最相近字体对应的代码；通过在代码数量之后连续排列所读取代码中预定位数的数字值，产生用户ID；在注册签名时，在产生的用户ID和输入的手写签名数据之间进行对应，并且储存用户ID和输入的手写签名数据，作为注册签名数据；在鉴定签名时，读取与用户ID相应的注册签名数据，其中用户ID由用户ID产生模块从注册签名数据存储单元中产生；以及，基于输入的手写签名数据和注册签名数据执行鉴定。

上述字体是字母、数字、符号和标记的字体。另外，在用户ID产生过程中，通过把代表代码数量的数字值添加到用户ID的起始部分并在代码数量之后连续排列所述代码中预定位数的数字值，产生用户ID。或者，例如，所述代码中预定位数的数字值按照从笔迹词典存储单元中读取代码的顺序连续排列。

进而，组分特征量配置有签名信息的至少一个特征量，如笔迹形状、书写速度、书写加速度和书写压力。此外，用输入笔和输入板进行手写签名的输入。

根据本发明的手写签名鉴定方法在通过分析输入的手写签名数据的每个组分的特征而获得的预定组分特征量和通过分析预先注册的签名数据的每个组分的特征而获得的预定组分特征量之间进行检查，从而鉴定输入的手写签名，本方法包括：在笔迹词典存储单元中储存预定类型的字体和与所述字体分别对应的代码，作为笔迹词典；在储存在笔迹词典存储单元中的字体和输入的手写签名的笔迹形状数据之间进行比较并引用此比较，而且从笔迹词典存储单元中读取与最相近字体对应的代码；通过在代码数量之后连续排列所读取代码中预定位数的数字值，产生用户ID；在注册签名时，在产生的用户ID和输入的手写签名数据之间进行对应，并且储存用户ID和输入的手写签名数据，作为注册签名数据；在鉴定签名时，读取与用户ID相应的注册签名数据，其中用户ID由用户ID产生模块从注册签名数据存储单元中产生；以及，基于输入的手写签名数据和注册签名数据执行鉴定。

根据本发明的具有鉴定单元的手写签名鉴定设备，在通过分析输入的手写签名数据的每个组分的特征而获得的预定组分特征量和通过分析预先注册的签名数据的每个组分的特征而获得的预定组分特征量之间进行检查，从而鉴定输入的手写签名，本设备包括：笔迹词典存储单元，用于储存预定类型的字体和与所述字体分别对应的代码，作为笔迹词典；代码读取单元，用于在储存在所述笔迹词典存储单元中的字体和输入的手写签名的笔迹形状数据之间进行比较并引用此比较，而且从所述笔迹词典存储单元中读取与最相近字体对应的代码；用户ID产生单元，通过在代码数量之后连续排列所读取代码中预定位数的数字值，产生用户ID；注册签名数据存储单元，用于在注册签名时，在由所述用户ID产生单元产生的用户ID和输入的手写签名数据之间进行对应，并且储存用户ID和输入的手写签名数据，作为注册签名数据；以及注册签名数据读取单元，用于在鉴定签名时，读取与用户ID相应的注册签名数据，其中用户ID由用户ID产生单元从所述注册签名数据存储单元中产生；其中，鉴定单元基于输入的手写签名数据和从所述注册签名数据读取单元读取的注册签名数据而执行鉴定。

如上所述，根据本发明，从手写签名自动地产生唯一的用户ID，从而只需输入手写签名信息就可执行鉴定，手写签名信息成为所述鉴定的基础，而且，不需要用户输入用户ID。这省去用户在手写签名时的麻烦并减少用户的负荷，提供便利。

进而，有可能减少在鉴定时通常因忘记或记错用户ID而引起的用户ID人为输错的次数，从而提高鉴定系统的使用效率。

附图说明

图1解释使用手写签名的常规鉴定系统；

图2简略示出在根据本发明的手写签名鉴定方法的优选实施例中使用的硬件的基本配置；

图3A、3B和3C示出在根据本发明的手写签名鉴定系统中用于终端、中继通道和主机之间通讯的手写签名数据的基本结构；

图4A和4B为解释在根据优选实施例的手写签名鉴定系统中在注册签名时所执行的过程的流程图；

图5为解释在根据优选实施例的手写签名鉴定系统中在为鉴定而检查签名时所执行的过程的流程图；以及

图6简略示出在根据优选实施例的手写签名鉴定系统的各个模块之间执行注册和鉴定时的过程概况。

具体实施方式

以下结合附图描述根据本发明的优选实施例。

图2简略示出在下述根据本发明的手写签名鉴定方法的优选实施例中使用的硬件的基本配置。如此图所示，在根据本发明的手写签名鉴定方法中使用的硬件配置由输入设备13和主机14实现，其中，包括输入工具10的输入单元11与显示器12连接到输入设备13，主机14例如配置有大型计算机系统并连接到输入设备13。

主机14和输入设备13可以用线缆直接连接，或者用网络如互联网、内部网等连接。输入设备13例如配置有个人计算机。

输入工具10和输入单元11例如为配置有输入笔(10)和手写输入板(11)等的书写板。在此情况下，显示器12例如为配置有CRT(阴极射线管)、LCD(液晶显示器)等的显示器，显示器12连接到个人计算机。

进一步地，输入工具10和输入单元11可以是名为PDA(个人数字助理)的个人便携式信息终端等等。在此情况下，在许多场合中采用在显示器12上层叠透明手写输入单元(10)的配置，并且用树脂笔(11)等进行对手写输入单元(10)的输入。

在所有情况下，在输入单元11和输入设备13之间以及在显示器12和输入设备13之间不直接用线缆连接。所述连接例如为红外线通讯、蓝牙通讯或其它近距离无线通讯方法。

在所有情况下，用输入工具10从输入单元11手写并输入的手写签名的输入信息输入到输入设备13的输入设备控制单元15。从输入单元11输入到输入设备控制单元15的手写签名的输入信息是用输入笔等输入的点坐标数据(x，y)以及其书写压力数据。接着，时间数据由输入设备控制单元15添加到坐标数据(x，y)和书写压力数据上，坐标数据(x，y)和书写压力数据输入到主机14的签名信息控制单元16。

签名信息控制单元16根据坐标数据(x，y)和时间数据，对每个点计算手写签名的书写速度和书写加速度。同时，签名信息控制单元16通过把书写压力数据值变为零的点识别为一画(与采用正确书写时的一画相同)的起始边缘或终点，从而产生每段笔迹形状数据。

另外，在每段笔迹形状数据和签名词典信息单元18中预先储存作为笔迹词典的每类字符信息(字体数据)之间进行比较，选取与最适合字符信息相应的字符串，并且选取与此字符串相应的字符码，从而基于字符码自动地产生用户ID，字符码将在以下描述。

注意，数字和符号包括在上述字符或字符串中。然而，这些字符或字符串在以下简单地称作字符或字符串。

进一步地，上述手写签名的4类笔迹组分数据如笔迹形状、书写速度、书写加速度和书写压力，用签名信息控制单元16互相对应，并且基于预定的标准从笔迹组分数据中选取特征量。

如果上述手写签名在注册时输入，其特征量就与签名信息控制单元16自动产生的用户ID相对应，并且通过词典访问单元17注册到配置有预定存储器的签名词典信息单元18。结果，用于注册的手写签名数据注册到主机14中。

进而，如果在注册时同一人多次输入签名，签名信息控制单元16就选取多次输入的签名数据的特征量，在多次输入的签名数据之间进行检查和比较，并且把检查结果通知给输入设备13的结果显示单元19。结果显示单元19驱动用于显示的显示器12，并根据检查结果作出预定的显示。例如，显示“注册完成”、“再次输入签名”等。

也是在此情况中，如果进行的注册为“注册完成”，那么，从签名数据得到的特征量与从签名的笔迹数据自动产生的用户ID相互对应，并且被记录到签名词典信息单元18中，从而用于注册的手写签名数据注册到主机14中。

同时，如果上述手写签名在鉴定检查时输入，签名信息控制单元16就从手写签名的笔迹数据自动地产生用户ID；通过词典访问单元17从签名词典信息单元18读取用于注册的手写签名数据，该数据与自动产生的用户ID相应地预先注册；在读取的注册手写签名数据和用于检查的手写签名数据之间进行检查和比较，其中，从输入设备控制单元15输入用于检查的手写签名数据并且已从中选取特征量；而且，向输入设备13的结果显示单元19通知表示匹配或失配的检查结果。

还在此情况中，结果显示单元19驱动用于显示的显示器12，并根据检查结果作出预定的显示。如果检查结果表示匹配(鉴定为OK)，就作出诸如“验明为被授权人”等的显示。如果检查结果表示失配(鉴定为NG)，就作出诸如“您不是被授权人”的显示。

图3A-3D示出在客户机(例如，在PDA情况下为输入单元11，或者在个人计算机系统的情况下为输入单元11、显示器12和输入设备13)、中继层(链接输入设备13和主机14的通讯通道)和鉴定引擎(主机14的签名信息控制单元16)之间的通讯中使用的手写签名数据(通讯数据)的基本结构。

图3A示出通讯数据的整体结构，它包括头部21和数据部分22。图3B示出形成通讯数据中数据部分22的签名数据的结构。如图3B所示，签名数据包括数据头部23(23-1、23-2、…、23-n)和笔迹数据部分24(24-1、24-2、…、24-n)。笔迹数据部分24是与一个签名的字符串(姓和名)相对应的数据。

图3C示出笔迹数据部分24的结构。笔迹数据部分24包括许多个由图3C所示“点”表示的点数据25(25-1、25-2、…、25-m)。图3D示出每个点(“点”)25的数据结构。如图3D所示，每个点(“点”)25的数据包括由“t”、“x”、“y”和“p”表示的数据。

以上描述的“t”代表时间，并且包括2字节数据。“x”和“y”代表书写板的输入板或PDA的输入单元的水平和垂直轴的绝对坐标，并且分别包括2字节数据。“p”代表书写压力，相似地包括2字节数据。即，笔迹数据部分24中的一个点数据25总共包括8字节数据。

如果8字节数据中“p”值为“0X00”，即书写压力为“0”，点数据25的位置就判断为在笔迹一画的起始边缘或终点处。

以下描述根据本发明的手写签名鉴定方法的优选实施例，此实施例的硬件和数据处理具有此种基本配置。

图4A为解释在根据优选实施例的手写签名(以下简称签名)鉴定系统中在注册签名时所执行的过程的流程图；图4B为进一步详细解释在步骤S305中执行的部分过程的流程图。

图5为解释在上述鉴定系统中在为鉴定而检查签名时所执行的过程的流程图。

图6简略示出在上述过程中在各个模块之间的鉴定方法的概况。

首先结合图4和6解释在注册签名时所执行的过程，然后结合图5和6解释在检查签名时所执行的过程。

在图4A中开始注册签名时，当执行的过程(步骤S301)时，试图注册他或她自己签名的人通过使用连接到如图6所示签名鉴定系统26中的输入设备13的输入单元11，输入此人的姓名，如日本汉字签名27“富士通太郎”(Fujitsu Taro)或英文签名27′“Fujitsu”。

接着，基于图4A所示的输入，借助输入单元11获得每个输入点的数据(步骤S302)。每个输入点的数据为图3C所示的点数据。如图6所示，日本汉字签名数据27或英文签名数据27′是作为点数据获得的，输入所述签名数据，作为经过结合图2解释的预定通讯通道向主机14的签名信息控制单元16注册28的输入签名数据。

签名信息控制单元16执行规范化过程，为日本汉字签名数据27或英文签名数据27′每个点的数据校准原点位置，并且选取每画的特征点(步骤S303)。此处提到的特征点不同于以上描述的特征量和以下描述的特征量，它表示笔迹的特征部分，如起点、终点、转折点等。

随后，签名信息控制单元16判断上述签名数据是否是通过规定次数获得的(步骤S304)。在此实施例中，为了获得输入签名数据中每画组分(笔迹形状、书写速度、书写加速度和书写压力的数据)的稳定特征量，在注册签名时多次进行签名输入。相应地，在此过程中，判断是否按照以上描述进行多次签名输入。在此实施例中，在注册时进行签名输入的次数假设为5。

如果签名输入没有进行规定的5次(在步骤S304中为“NO”)，就在步骤S302中等待下一次签名输入，并且重复步骤S302至S304中的过程。

当签名输入已达到规定的5次时(在步骤S304中为“YES”)，根据5次输入的签名执行注册输入数据的预处理(步骤S305)。

注册输入数据的预处理是用于自动产生用户ID的过程，用图4B中的步骤S305-2代表；此预处理是用于从5次输入的签名选取每个组分的特征量的过程；并且，此预处理是用于在从特征量获得的权重和每个组分数据之间进行对应的过程。

然后，通过预处理产生的包括用户ID的数据、每个组分数据以及与每个组分数据对应的权重数据注册到签名词典信息单元18中，作为用于注册的签名数据(S306)。

在这，下面首先解释设置上述权重的方法。一般而言，每个人留下的签名笔迹具有特征(特性)。对于表现出此种特性的笔迹元素(组分)，有四个主要的元素，如以上描述的笔迹形状、书写速度、书写加速度和书写压力。这四个元素中的任何一个总是表现出依赖于每个人的稳定特性。基于此特征量赋加权重，并进行比较，从而能以更可靠的方式对用于鉴定的签名进行检查。

首先，在5次输入的签名数据中获得每个元素的差值。然后，获得元素差值的比例。从而获得表示哪个元素差值较小(稳定)的输入数据的相似度。根据相似度设置权重。在此提到并将在以下描述的相似度表示差值的反数。

为了获得上述权重，具体地，对于5次输入的签名数据的诸如笔迹形状、书写速度、书写加速度和书写压力的组分，首先计算相似度“S_s、S_v、S_a、S_p”的₅C₂(10)个组合，即“(S_s1、S_v1、S_a1、S_p1)、(S_s2、S_v2、S_a2、S_p2)、…、(S_s10、S_v10、S_a10、S_p10)”。随后，得到它们的平均值“(S_se、S_ve、S_ae、S_pe)”。

在此计算之前，各个组分“S_s、S_v、S_a、S_p”的相似度计算如下。首先，每个元素假设为一组n个点，输入的元素和后来的输入分别表示成“☆dn”和“☆in”。

首先，笔迹形状数据的差值被定义成在规范化之后在输入(X_dn，Y_dn)和后来的输入(X_in，Y_in)之间欧几里得距离(二维欧几里得空间中的距离)的值。即，在n个点上在两个输入之间的距离(差值)分别表示如下。

D_s1＝√{(x_d1-x_i1)^2+(y_d1-y_i1)^2}

D_s2＝√{(x_d2-x_i2)^2+(y_d2-y_i2)^2}

…，

D_sn＝√{(x_dn-x_in)^2+(y_dn-y_in)^2}

笔迹形状的所有点的差值是D_s1至D_sn的平均值。另外，它的反数是以上描述的相似度“ S_s”。

对于书写速度数据的差值，在每个点上的速度假设为“(到前一点距离的差值)/(时间差)”。即，在先前输入的书写速度数据的n个点上的速度分别表示如下。

v_d1＝√{(x_d0-x_d1)^2+(y_d0-y_d1)^2}/(t_d0-t_d1)，

v_d2＝√{(x_d1-x_d2)^2+(y_d1-y_d2)^2}/(t_d1-t_d2)，

…，

v_dn＝√{(x_dn-1-x_dn)^2+(y_dn-1-y_dn)^2}/(t_dn-1-t_dn)

在后续输入的n个点上的速度“V_in”也是相似的。根据这些结果，在书写速度数据的n个点上在输入和后来输入之间的差值分别表示如下。

D_V1＝V_d1-V_i1，D_V2＝V_d2-V_i2，…，D_Vn＝V_dn-V_in

在书写速度的所有点上的差值是D_v1至D_vn的平均值。另外，它的反数是以上描述的相似度“S_v”。

对于书写加速度数据的差值，在每个点上的加速度被定义成到前一点的“速度/时间”的差值。即，在更早输入的书写加速度数据的n个点上的加速度分别表示如下。

a_d1＝(v_d0-v_d1)/(t_d0-t_d1)，

a_d2＝(v_d1-v_d2)/(t_d1-t_d2)，

…，

a_dn＝(v_dn-1-v_d1)/(t_dn-1-t_dn)

后来输入的加速度“a_in”也是相似的。根据这些结果，在书写加速度数据的更早输入和后来输入的n个点之间的差值分别表示如下。

D_a1＝a_d1-a_i1，D_a2＝a_d2-a_i2，…，D_an＝a_dn-a_in

书写加速度的所有点的差值是D_a1至D_an的平均值。它的反数是以上描述的相似度“S_a”。

书写压力数据的差值被定义成在每个点上在输入和后来输入之间的压力差值，即，在压力数据的n个点上在输入和后来输入之间的差值分别表示如下。

D_p1＝P_d1-P_i1，D_a2-P_i2，…，D_pn＝P_dn-P_in

在压力数据的所有点上的差值是D_p1至D_pn的平均值。

可用这些相似度“S_s、S_v、S_a、S_p”计算上述₅C₂(10)个组合。

(S_s1、S_v1、S_a1、S_p1)、(S_s2、S_v2、S_a2、S_p2)、…、(S_s10、S_v10、S_a10、S_p10)

另外，它们的平均值定义如下。

(S_se、S_ve、S_ae、S_pe)

在这，如果按上述获得的由签名注册人A输入5次的签名的各个组分的相似度平均值变成如下，

(S_se、S_ve、S_ae、S_pe)＝(10，20，80，10)

在签名注册人A的笔迹组分中的书写加速度的相似度就被认为是最高的，即，在5个输入中是最稳定的。

基于此结果，在组分S_s、S_v、S_a和S_p之间的权重分配定义如下。

(1，2，8，1)

当然，只要权重值具有1∶2∶8∶1的关系，权重就可以是任意的数字值。

如果使用上述权重计算签名注册人的总相似度S1，它就可按如下计算。

S1＝(1×S_s+2×S_v+8×S_a+1×S_p)/(1+2+8+1)

＝(10+40+640+10)/12

＝700/12

＝58.3

此关系式注册到签名词典信息单元18，作为用于签名注册人A鉴定的注册签名数据，如图2所示。这里，上述签名注册人A假设是其姓名为图6所示的日本汉字“富士通太郎”或英文字符“Fujitsu”的人。

假设按上述获得的由另一签名注册人B输入5次的签名组分的相似度平均值如下。

(S_se、S_ve、S_ae、S_pe)＝(10，10，10，80)

在此情况下，在签名注册人B的笔迹组分中的书写压力的相似度就被认为是最高的，即，在所有情况中是最稳定的。

基于此结果，在S_s、S_v、S_a和S_p之间的权重分配确定为：

(1，1，1，8)

然后，用此权重计算签名注册人B的总相似度S2，如下所示。

S2＝(1×S_s+1×S_v+1×S_a+8×S_p)/(1+1+1+8)

＝(10+10+10+640)/11

＝670/11

＝60.9

此关系式注册到签名词典信息单元18，作为用于签名注册人B鉴定的注册签名数据。

进而，在图4A的步骤S305中，除了向相似度赋加权重的上述过程以外，执行如图4B所示的用于自动产生用户ID的过程。一旦在图4B中开始用于自动产生用户ID的过程(步骤S305-1)，就在从预定输入签名数据获得的每个输入点的数据和预先储存在签名词典信息单元18中的字符每个点的数据之间进行比较，并且，在下一步骤S305中选取出包括最适合字符的字符串(305-2)。

这个选取出的字符串是适合输入签名数据的笔迹信息的字符串，并且不总是与输入签名相同的字符或字符串。然而，如果输入签名是其组分表现出被授权人的稳定特性的签名，基于此签名的笔迹信息按上述从注册字符字体获得的字符串就是与签名几乎相同的字符串。

然后，选取出与被选取的字符相应的预定字符码(例如，JIS代码、Shift-JIS代码等)，并自动地产生基于字符码的用户ID。自动产生用户ID的方法如下所示。

首先，签名信息被识别为字符。如上所述，在此识别的字符不总是与输入签名的字符相同。然而，为易于解释，与输入的日本汉字签名27相同的字符串“富士通太郎”被假设为已识别。

此字符串的字符码如下：“富”(“Fu”)为“0x95，0x78”，“士”(“ji”)为“0x83，0x6d”“通”(“tsu”)为“0x92，0xca”，“太”(“ta”)为“0x91，0xbe”，并且“郎”(“ro”)为“0x98，0x59”。

已识别字符的数量(在此情况中为5)，即0x05，基于这些字符码添加到用户ID的起始部分，从各个字符码顺序获得数字值95、78、8e、6d、92、ca、91、be、98和59，并且通过使这些值相连而产生用户ID。也就是说，在此产生“0x0595788e6d92ca91be9859”作为用户ID。

紧接着上述操作，在步骤S305-3中判断与产生的用户ID匹配的用户ID是否已经储存在签名词典信息单元18中。如果复制的用户ID存在，子数就添加到产生的用户ID上并且终止操作(S305-5)，即图4A中步骤S305的过程。然后流程前进到步骤S306。接着，用户ID与输入的日本汉字签名27“富士通太郎”相对应，并注册到签名词典信息单元18中，作为注册签名数据。

从签名词典信息单元18选取出的字符串是相同的字符串，它是产生用户ID的基础，并在用户ID上添加子数。然而，与子数不同的用户ID相应注册的输入签名数据随每个人而变化。相应地，即使作为相同字符串识别基础的笔迹形状相似，其它笔迹组分也会随每个人而变化。这在后面的鉴定过程中进一步解释。

当其姓名为日本汉字“富士通太郎”或英文字符“Fujitsu”的人试图用签名通过鉴定时，就开始在检查签名时执行的过程(步骤S401)，如图5所示。对于用于鉴定的此签名检查，预设对于所有签名注册人都相同的检查阀值。

随后，签名至少输入两次。也就是说，为了通过鉴定，亦即为了检查上述注册的签名，签名注册人A使用连接到输入设备13的输入单元11，输入m次(m＝2，3，4，…)日本汉字签名27“富士通太郎”或英文签名27′“Fujitsu”。借助主机14的签名信息控制单元16，通过预定的通讯通道，获得输入的日本汉字签名27或英文签名27′的每个点的数据，作为用于鉴定的输入签名数据29(步骤S402)。

同样在此情况下，签名信息控制单元16执行规范化过程，用于校准输入的日本汉字签名27或英文签名27′的每个点数据的原点位置；并且选取每画的特征点(步骤S403)。

然后，基于从输入的点数据获得的笔迹形状，通过从签名词典信息单元18读取最相近字体的字符串而自动地产生上述用户ID，并且读取与自动产生的用户ID相应的注册签名数据。如果存在添加子数的相同用户ID，就读取所有相应的注册签名数据(步骤S404)。

接着，对输入签名数据的每个点进行对比，并且计算平均差值(步骤S405)。对于此过程，采用与在签名注册中赋加权重时所使用的上述方法相似的方法，从相似度的_mC₂(m＝2，3，4，5，…)个组合计算每个组分的n个点的平均差值(相似度)。

在这，解释在本优选实施例中使用的术语。在此实施例的解释中，相似度是差值的反数，并且相似度也被看作是差值。

随后，上述计算的各个元素的平均差值进一步取平均，计算总的差值(步骤S406)。此过程是把权重赋加到计算的相似度上的过程，其中，所述权重与签名数据一起注册；并且，此过程是通过计算赋加有权重的相似度的平均值而计算加权平均值的过程。

此过程的结果是，计算输入的鉴定签名数据的总相似度。在这，假设签名注册人A用与签名注册时相似的笔迹输入用于鉴定的签名，输入的鉴定签名数据的相似度与在签名注册时输入的注册签名数据的相似度几乎没有差别。因此，通过把权重赋加到输入的鉴定签名数据的相似度上而计算基于加权平均值的总相似度S1_in，作为与注册的总相似度S1“58.3”最近似的值，所述权重与被授权人的注册签名数据一起注册，总相似度S1从输入5次的签名数据的上述组合而计算。

在输入的鉴定签名数据的总相似度S1_in和输入的注册签名数据的总相似度之间进行比较，并且计算它们的差值。然后，判断计算的差值是否等于或小于预设的阀值(步骤S407)。

如果差值等于或小于阀值(在步骤S407中为“YES”)，表示检查为OK的信号从主机14的签名信息控制单元16输出到输入设备13(步骤S408)。结果，用输入设备13的结果显示单元19显示诸如“您被验明为被授权人”等的通知。这是自然的结果，因为鉴定了注册签名的人。

假设签名注册人B试图通过模仿签名注册人A的笔迹并且用伪造的签名把他自己伪装成签名注册人A来通过鉴定。在此情况中，在步骤S405的过程中自然地计算伪造签名的上述相似度(S_se、S_ve、S_ae、S_pe)＝(10，10，10，80)，此相似度表现出签名注册人B自己的特性。

为签名注册人A注册的权重在相似度之间分配，基于输入的鉴定签名数据的加权平均值计算总相似度S1′_in。

也就是说，签名注册人A注册的权重(1，2，8，1)在签名注册人B的组分的相似度之间进行分配

(S_se、S_ve 、S_ae、S_pe)＝(10，10，10，80)

从而，作为加权平均值计算的结果，签名注册人B的总相似度S1′_in变为如下：

S1′_in＝(10+20+80+80)/12

＝190/12

＝15.8

签名注册人B的总相似度S1′_in的值＝15.8，明显不同于签名注册人A的总相似度S1＝58.3。在步骤S407的过程中判断此差值超过预定的阀值(在步骤S407中为“NO”)，并且表示检查为NG的信号从主机14的签名信息控制单元16输出到输入设备13(步骤S409)。结果，用输入设备13的结果显示单元19显示诸如“您不是被授权人”等的通知。

在签名注册人A试图用伪造签名注册人B的签名作为签名注册人B来通过鉴定的情况下也是相似的。也就是说，如上所述，签名注册人B的组分的相似度(S_se、S_ve、S_ae、S_pe)为(10，10，10，80)，分配的权重为(1，1，1，8)，并且总的相似度为“60.9”。

同时，如果签名注册人A通过模仿签名注册人B的签名而留下伪造的签名，伪造签名的组分的相似度就计算为(10，20，80，10)，此相似度从签名注册人A的特性表现出来，这几乎是不可避免的结局。在相似度(10，20，80，10)之间分配签名注册人B的注册权重(1，1，1，8)，从而计算加权平均值。结果，在签名注册人A伪造的笔迹中，输入的鉴定签名数据的总相似度S2′_in导致

S2′_in＝(10+20+80+80)/11

＝190/11

＝17.3

它明显不同于为签名注册人B注册的总相似度S2＝60.9。同样在此情况下，在步骤S406的过程中判断此差值超过预定的阀值，并且表示检查为NG的信号从主机14的签名信息控制单元16输出到输入设备13。然后，用输入设备13的结果显示单元19显示诸如“您不是被授权人”等的通知。

在这，假设上述总相似度的计算不是加权平均，而是简单地平均。在此情况下，签名注册人A自己输入的未加权的简单平均值S_t1变为如下。

S_t1＝(10+20+80+10)/4＝120/4＝30

相应地，签名注册人B自己输入的未加权的简单平均值St2变为如下。

S_t2＝(10+10+10+80)/4＝110/4＝27.5

从这些值可看出，当使用简单平均值时，在签名注册人A和签名注册人B的总相似度之间没有明显的差别。此外，即使伪造签名，上述相似度也表现出伪造签名人的原始特性，不管签名是可信的还是不可信的，总是计算出相似的值。

相应地，对于使用简单平均值的总相似度，签名注册人A和B有可能互相被错误地识别为被授权人。然而，如果使用加权平均值，每个组分的差别就变得明显，并且在总相似度中产生较大的差别，从而不会轻易出现错误识别，并且可靠地判断签名是可信的还是不可信的。

其次，对于两个鉴定方法中的另一个，只进行一次鉴定签名输入。相应地，在此情况下，5次输入的注册签名数据被分别假设为在前面的输入数据，一次输入的鉴定签名数据被假设为紧接在5次输入的签名数据后面的输入数据。执行以上结合图4解释的差值计算、组合设置、平均值计算和总相似度计算。

如果鉴定签名数据是由被授权人输入的，那么在输入的鉴定签名数据的总相似度和已注册的注册签名数据的总相似度之间的差值就变得等于或小于阀值。

同时，如果鉴定签名数据是由其它人用伪造签名输入的，笔迹形状的相似度就有可能变得很高，因为这是模仿的签名。然而，由于肉眼不可见的书写速度、书写加速度和书写压力是永远不能被其它人模仿的组分，因此，在其它人用伪造签名输入的签名数据和被授权人输入的注册签名数据之间的差值变得较大。也就是就，自然地预计相似度变低。因而，可容易预计，通过在此种低相似度的平均值之间分配为被授权人注册的权重而计算得到的总相似度的值变小，并且，由于在伪造签名的总相似度和为被授权人注册的总相似度之间进行比较的结果，它们之间的差值超过阀值。即，鉴定永远不会产生“OK”而总是产生“NG”。

对于使用一次输入的鉴定，由于笔迹形状组分的相似度存在变高的可能性，因此可以排除笔迹形状组分，只采用诸如书写速度、书写加速度和书写压力的三个组分，并比较它们的总相似度。此种应用被认为是进一步提高防止其它人伪造签名的比率。

相应地，如果在签名词典信息单元18中在用户ID中包含子数，就对与具有子数的用户ID相应的所有注册签名数据执行步骤S407中的上述判断操作，其中，所述子数匹配从用于检查的签名数据自动产生的用户ID，输入用于检查的签名数据是用于通过鉴定。当对于被授权人的注册签名数据进行检查时，步骤S407中的判断导致“YES”。

或者，当对与签名词典信息单元18内全部用户ID相应的所有注册签名数据进行检查时，其中，所述注册签名数据匹配从输入的检查签名数据自动产生的用户ID，如果步骤S407中的判断导致“NO”，这就表示没有一个签名数据的特征量在阀值之内，所述特征量与试图通过鉴定的人输入的签名数据的各个组分的特征量近似，并且表示试图通过鉴定的人的签名还未被注册。或者，还有以下可能性：试图通过鉴定的人蓄意伪造签名。

注意，还可用相似的方式对英文签名27′执行上述自动产生用户ID的过程。即，在此情况中，表示输入签名“Fujitsu”的字符数为7的“0x07”添加到用户ID的起始部分，7个字符的代码中的2个低位数字连续地添加到最初的代码中，从而产生用户ID，如图6右侧所示。产生的此用户ID与英文输入签名数据“Fu.jitsu”相应地注册。

同样在此情况中，从英文签名27′的笔迹中识别的字符不总是上述的7个字符“Fujitsu”。

进而，从所述代码中选取的并用于用户ID的位数不局限为2。当然，根据情况可设置和选取适当的位数。

如上所述，根据本发明，在检查签名时只手写并输入签名，从而用户ID从手写签名数据中自动地产生，这就不需要用户输入用户ID。结果，可省去在手写签名时用户的麻烦，并且可减轻用户的负担，从而提供便利。

另外，与输入的注册手写签名相应注册的用户ID，根据字符串的代码自动地产生，其中，所述代码与用户签名中的字符如字母、数字值、符号、标记等没有直接关系，并为所述字符设置标准的字符码。因此，用户ID的格式在外部被隐藏，从而可提高可靠性。即，此鉴定系统变成对试图通过输入随机用户ID而未经受权进入的第三方的第一道壁垒。

进而，通过适当地改变字母、数字、符号、标记等的字体，并且如果出现大量的添加有子数的用户ID就根据需要改变注册用户ID的结构，这样，此鉴定系统排除错误执行鉴定的可能性，其中，所述字母、数字、符号、标记等注册到签名词典信息单元18中以便自动地产生用户ID，从而避免出现添加有子数的用户ID或避免减少此种用户ID的数量。

在此情况下，用户字体的点数越多，即，字体的分辨率越高，在输入签名和词典数据的笔迹形状之间的对应就变得越唯一。这具有提高鉴定准确度的效果。

Claims

1.一种手写签名鉴定方法，其中，本方法在通过分析输入的手写签名数据的每个组分的特征而获得的预定组分特征量和通过分析预先注册的签名数据的每个组分的特征而获得的预定组分特征量之间进行检查，从而鉴定输入的手写签名，本方法包括：

在笔迹词典存储单元中储存预定类型的字体和与所述字体分别对应的代码，作为笔迹词典；

在储存在笔迹词典存储单元中的字体和输入的手写签名的笔迹形状数据之间进行比较并引用此比较，而且从笔迹词典存储单元中读取与最相近字体对应的代码；

通过在代码数量之后连续排列所读取代码中预定位数的数字值，产生用户ID；

在注册签名时，在产生的用户ID和输入的手写签名数据之间进行对应，并且储存用户ID和输入的手写签名数据，作为注册签名数据；

在鉴定签名时，读取与用户ID相应的注册签名数据，其中用户ID由用户ID产生过程从注册签名数据存储过程中产生；以及

基于输入的手写签名数据和注册签名数据执行鉴定。

2.如权利要求1所述的手写签名鉴定方法，其中，

所述字体是字母、数字、符号和标记的字体。

3.如权利要求1所述的手写签名鉴定方法，其中，

在用户ID产生过程中，通过把代表代码数量的一个数字值添加到用户ID的起始部分，并使所述代码中所述预定位数的数字值在所述代码数量之后连续排列，产生用户ID。

4.如权利要求1所述的手写签名鉴定方法，其中，

在用户ID产生过程中，所述代码中预定位数的数字值按照从笔迹词典存储单元中读取所述代码的顺序连续排列。

5.如权利要求1所述的手写签名鉴定方法，其中，

组分特征量配置有签名信息的至少一个特征量，如笔迹形状、书写速度、书写加速度和书写压力。

6.如权利要求1所述的手写签名鉴定方法，其中，

用输入笔和输入板进行手写签名的输入。

7.一种具有鉴定单元的手写签名鉴定设备，其中，本设备在通过分析输入的手写签名数据的每个组分的特征而获得的预定组分特征量和通过分析预先注册的签名数据的每个组分的特征而获得的预定组分特征量之间进行检查，从而鉴定输入的手写签名，本设备包括：

笔迹词典存储单元，用于储存预定类型的字体和与所述字体分别对应的代码，作为笔迹词典；

代码读取单元，用于在储存在所述笔迹词典存储单元中的字体和输入的手写签名的笔迹形状数据之间进行比较并引用此比较，而且从所述笔迹词典存储单元中读取与最相近字体对应的代码；

用户ID产生单元，通过在代码数量之后连续排列所读取代码中预定位数的数字值，产生用户ID；

注册签名数据存储单元，用于在注册签名时，在由所述用户ID产生单元产生的用户ID和输入的手写签名数据之间进行对应，并且储存用户ID和输入的手写签名数据，作为注册签名数据；以及

注册签名数据读取单元，用于在鉴定签名时，读取与用户ID相应的注册签名数据，其中用户ID由用户ID产生单元从所述注册签名数据存储单元中产生；其中，

鉴定单元基于输入的手写签名数据和从所述注册签名数据读取单元读取的注册签名数据而执行鉴定。

8.如权利要求7所述的手写签名鉴定设备，其中，

所述字体是字母、数字、符号和标记的字体。

9.如权利要求7所述的手写签名鉴定设备，其中，

在用户ID产生过程中，所述用户ID产生单元通过把代表代码数量的一个数字值添加到用户ID的起始部分并在所述代码数量之后连续排列所述代码中预定位数的数字值，产生用户ID。

10.如权利要求7所述的手写签名鉴定设备，其中，

在用户ID产生过程中，所述用户ID产生单元把所述代码中预定位数的数字值按照从所述笔迹词典存储单元中读取所述代码的顺序连续排列。

11.如权利要求7所述的手写签名鉴定设备，其中，

12.如权利要求7所述的手写签名鉴定设备，其中，

用输入笔和输入板进行手写签名的输入。