Наш программно-аппаратный комплекс позволяет распознавать рукописную подпись, с помощью специализированного планшета. Мы отбираем информативно-значимые признаки , а также используем ансамбль из классификаторов:

SVM - алгоритм машинного обучения, который строит гиперплоскость в многомерном пространстве, разделяющую данные на классы. При использовании SVM для аутентификации по онлайн подписи, сначала извлекают признаки из образца подписи, такие как длительность касания, угол наклона пера и скорость движения пера. Затем SVM обучается на этих признаках, строя гиперплоскость, которая разделяет подлинные и фальшивые подписи. SVM используется для классификации новых образцов подписи, которые находятся на одной или другой стороне гиперплоскости, что позволяет определить их подлинность.

Метод машинного обучения, который используется для классификации и регрессии. В контексте задачи аутентификации по онлайн подписи деревья решений могут использоваться для определения подлинности подписи на основе характеристик, извлеченных из динамических данных подписи, таких как скорость, ускорение и угол поворота.
Преимущества деревьев решений в задачах аутентификации по онлайн подписи включают их интерпретируемость, относительную простоту в использовании и возможность быстрой обработки больших объемов данных.

Скрытые Марковские модели (HMM) используются для аутентификации по электронной рукописной подписи. Этот метод основывается на моделировании последовательности координат, представляющих подпись, как последовательность состояний, в которых вероятности перехода зависят от вероятностей наблюдений. HMM использует алгоритм Витерби для вычисления наиболее вероятной последовательности скрытых состояний и может быть применен для распознавания подписей и детектирования подделок

Недавно стало популярным использовать сверточные нейронные сети (Convolutional Neural Networks, CNN) для аутентификации по онлайн подписи. Этот метод использует последовательность координат, представляющую траекторию пера на планшете, и выделяет признаки, которые могут быть использованы для распознавания подписей. При аутентификации вычисляется расстояние между образцом подписи и известными образцами в базе данных. Использование глубоких нейронных сетей обеспечивает высокую точность распознавания, что позволяет использовать этот метод в различных сферах, включая банковскую и медицинскую области, где безопасность и точность имеют критическое значение.

Благодаря их использованию достигается наивысшая точность при аутентификации пользователя

Мы также можем распознавать рукописную подпись по изображению с помощью двух методов: использование свёрточных нейронных сетей и использование техник компьютерного зрения, таких как детекторы границ и алгоритмы сегментации, для извлечения текста из изображений, а затем использование алгоритмов распознавания текста

Сверточная нейронная сеть (CNN) - это тип нейронной сети, специализированный для обработки изображений, который автоматически извлекает иерархию признаков из входных данных, используя слои свертки и пулинга, а затем классифицирует или распознает изображение с помощью полносвязанных слоев и функции активации, обеспечивая эффективное решение различных задач компьютерного зрения, включая классификацию, обнаружение объектов и семантическую сегментацию.

Компьютерное зрение - это область искусственного интеллекта, которая занимается разработкой методов и технологий для обработки, анализа и понимания изображений и видео с использованием компьютеров и алгоритмов машинного обучения. Основные задачи компьютерного зрения включают распознавание образов, детекцию объектов, сегментацию изображений, оценку движения, а также классификацию и интерпретацию содержимого изображений.