GMM-basierte Methode zur Offline-Erkennung von Unterschriftsfälschungen

Die handschriftliche Unterschrift ist ein verhaltensbiometrisches Merkmal, das in großem Umfang für die persönliche Autorisierung verwendet wird. Unterschriften fungieren als starkes Authentifizierungsmerkmal des Unterzeichners und schützen somit dessen wertvolle Werte, wie z. B. die Authentifizierung von Bankschecks, Anwesenheitsüberwachung, Eigentumsdokumenten und anderen vertraulichen Dokumenten. Aber die manuelle Überprüfung von Unterschriften ist eine schwierige Aufgabe. Daher ist ein automatisiertes Unterschriftenprüfungssystem erforderlich, das den Authentifizierungsprozess verbessert und sichere Mittel zur Autorisierung von Rechtsdokumenten bereitstellt. In diesem Buch werden ein Offline-Signaturprüfsystem und die verschiedenen extrahierten Merkmale zur Erkennung von Fälschungen diskutiert. Die GMM-Technik (Gaussian Mixture Model) ist der wichtigste Teil dieses Buches. GMM ist eine statistische Methode, bei der wir Daten auf niedriger Ebene mit Hilfe mehrerer mehrdimensionaler Gaußscher Wahrscheinlichkeitsverteilungen clustern müssen. Sie ermöglicht eine flexiblere und präzisere Modellierung der zugrundeliegenden Statistiken von Stichprobendaten. Diese Arbeit ist hilfreich für Fachleute und Studenten/Forscher, die einen Einblick in die Funktionsweise der GMM-Technik für die Offline-Prüfung handschriftlicher Unterschriften zur Erkennung von Fälschungen erhalten möchten.

Autorentext

Amit Wadhwa, Assistenzprofessor, Abteilung für Informatik und Ingenieurwesen, Amity University Haryana, Indien. Ph.D.(P), M.Tech(CSE) - Kurukshetra Universität, Kurukshetra. Interessensgebiete: Cloud Computing, Virtualisierung, genetische Algorithmen, Betriebssysteme und Programmierung in Java, ASP.NET.