Abstract
This paper investigates the development of a neural network based system for automated signature authentication that relies on an autoregressive characterization for the segments of a signature. The primary contributions of this work are tow-fold: a) the development of the neural network architecture and the modalities of training it, b) adaptation of the dynamic time warping algorithm to fomulate a new method for enabling consistent segmentation of multiple signatures from the same writer. The performance of the signature verification system has been tested using a sizable database that includes a comprehensive set of simulated and realistic forgeries. False Acceptance and False Rejection error rates of 0.78% and 1.6% respectively were obtained in tests conducted using 1920 skilled forgeries.
이 논문은 서명의 분할 영역에 대한 자기회귀적(autoregressive) 특징을 사용하는 신경망 기반의 서명검증 시스템에 대해 다루고 있다. 이 논문에서 특기할 사항으로, 첫 번째, 서명 검증을 위한 신경망 구조의 설계와 학습 방법을 제시하고 있으며, 두 번째는 동일 서명자로부터 얻은 여러개의 서명에 대한 분할의 일관성을 위해서 DTW알고리듬을 적용한 것이다. 서명 검증 시스템의 성능분석을 위하여 정교하게 만들어진 방대한 양의 모조 서명 데이터베이스를 사용하였다. 1920개의 정교한 모조 서명에 대해 모조서명 인정율 0.78%, 진서명 거부율 1.6%의 결과를 보였다.
