- · 《自动化应用》栏目设置[06/28]
- · 《自动化应用》收稿方向[06/28]
- · 《自动化应用》投稿方式[06/28]
- · 《自动化应用》征稿要求[06/28]
- · 《自动化应用》刊物宗旨[06/28]
笔迹自动比对可行性探析(2)
作者:网站采编关键词:
摘要:笔迹的微观层面特征包含运笔特征和笔迹附加特征(即笔痕特征)。运笔特征是书写汉字笔画时,每一个笔画所形成的起笔、行笔、收笔过程中表现出的个
笔迹的微观层面特征包含运笔特征和笔迹附加特征(即笔痕特征)。运笔特征是书写汉字笔画时,每一个笔画所形成的起笔、行笔、收笔过程中表现出的个人特征。每个人的起收笔特征在单个字中体现较为不明显,甚至绝大多数人没有特别的可以提取出作为个人特征使用的运笔特征。但是如果扩大样本量,分析同一人所写的大量单字,就会发现其运笔特征的规律。笔痕特征是人们进行书写活动时,书写工具在纸张等上形成痕迹时留下的书写工具特征痕迹。同一书写人使用同一只书写工具进行书写活动,在笔迹上体现的笔痕特征应当具有稳定性和特殊性。因此笔痕特征可以作为笔迹检验的一项依据。
四、笔迹自动比对的可行性探析
笔迹检验属于需要大量经验判断的学科分支,因此将这种出于鉴定人的经验性所给出的判断,应用到计算机上时并不像我们想象中的那样简单。宏观层面、中观层面、微观层面三个层次上的笔迹特征各自有其显著特点,并且证明效力也彼此有别。因此,选取合适的、准确率高的层面的笔迹特征会使得笔迹自动比对的研究事半功倍。
笔迹文件在进行扫描、采样和量化时,会不同程度地在笔迹文件中添加不必要的干扰,或是将重要的信息消除。也就是说,一些细小的特征点(主要为笔痕特征)并不适合作为笔迹自动检验的检验对象。宏观层面特征在作为检验项目时,由于宏观层面特征本身证明效力不如中观层面和微观层面特征证明效力强,且在实际案件中寻找书写条件类似、载体相同的样本比较难操作,因此从中观层面和微观层面上选取笔迹自动检验的突破口优于从笔迹的宏观层面特征作为突破口。
需要明确的是,笔迹自动比对的前提是文字识别。文字识别中极为重要的内容就是文字分区。将手写汉字进行分区,把一张带有文字信息的图像进行分割,每个单元包含且仅包含单个汉字的全部内容。这也就使得文字自动识别分区后的区块无法体现出字的大小信息,因而选取字的大小特征作为笔迹自动比对的突破点并非明智之举。
搭配比例特征主要出现在存在左右结构和上下结构的手写汉字中。人工比对中将单字分割为几个部分,这种分割方式同样可以运用到计算机自动识别中,经过适度的膨胀处理,就可以得到各部分位置搭配比例的特征。再通过大量的样本数据累计,就可以得到比较可靠的文字搭配比例特征。
笔顺特征按照出现频率的高低可以依次分为规范笔顺、通用笔顺、特殊笔顺三大类。在笔迹检验领域,笔顺特征是一种个人特征性极强且相对稳定的特征,因为每个人在习得字的笔顺之后,无论在何种情况下再次书写该字,都会下意识地按照习得笔顺的写法进行书写。尤其是书写人书写中出现特殊笔顺时,其应用价值就会更高。因此,如果能够利用计算机自动识别笔顺特征并进行比对,那么这将减轻大量的技术人员的负担。
虽然微观层面特征中笔痕特征不宜优先选取为笔迹自动检验的特征,但是运笔特征与之不同,是一种十分重要的笔迹特征。采用运笔特征作为笔迹自动检验的首要依据的优势在于运笔特征是笔迹检验最能体现出个人书写习惯的特征,如果通过检材和足量样本的输入并比对,得出的鉴定结果应当是可靠的。
在选择合适的笔迹特征作为笔迹自动比对的突破口时,构建合适的检验区块可以为笔迹自动比对减少不必要的弯路。计算机代替人工进行笔迹自动比对,应当分成四个区块操作,即笔迹的读取区块、笔迹特征识别区块,笔迹特征选取比对区块和输出区块。
表1 笔迹的区块分属笔迹的读取区块笔迹特征识别区块笔迹特征选取与比对区块结果输出区块扫描采样和量化降噪处理二值化处理汉字分块特征分割特征提取特征比对比对特征评估结果输出
当前发展迅猛的深度学习理论不断深入各行各业,公安系统在科技化的道路上将其吸纳,作为打击犯罪的有力手段。笔迹自动检验可以利用深度学习理论作为其指导理论的一部分。对于单一案件,计算机程序将侦查人员所搜集的样本进行识别、分割、整理归类等一系列操作,分析样本与检材之间相同点和差异点;但其更多的是在宏观层面上,分析某一类人群的书写笔迹特征,从宏观上对笔迹进行分割和归类,形成一个具有代表性的数据库。这样就可以把后来的案件直接输入计算机,在最短的时间内得到结论。
五、结 论
综上所述,笔迹自动比对在理论上是可行的。通过对笔迹特征的合理选取,完成四个区块的合理构建,将深度学习理论加以运用,可以实现笔迹检验工作自动化、智能化。在选取笔迹特征突破口时,应当选取证明效力强、特征提取和处理较为容易的笔迹中观层面特征作为重点研究对象,同时应当适当辅以宏观层面特征和微观层面特征,来确保笔迹自动比对的正确率。
文章来源:《自动化应用》 网址: http://www.zdhyyzz.cn/qikandaodu/2020/0901/644.html