Look-up in Google Scholar
Title: An Offline Writer-Independent Signature Verification Method with Robustness Against Scalings and Rotations
Other Titles: Un método offline de validación de firmas, independiente del escritor e invariante a escalas y rotaciones
OCDE field: https://purl.org/pe-repo/ocde/ford#1.02.01
Issue Date: Jun-2022
Institution: Universidade Federal do Rio Grande do Sul
Abstract: El problema de validación de firmas consiste en verificar si una firma fue realizada por una persona comparándola con firmas verdaderas de ésta. En esta investigación, se propone un nuevo método offline (e independiente del escritor) de validación de firmas (llamado VerSig-R) basado en features obtenidas con el método “Moving Least Squares“ y features transferidas desde una red neuronal convolucional. En los experimentos realizados, VerSig-R supera ampliamente a técnicas que forman parte del estado del arte en datasets de firmas de estilo occidental (dataset CEDAR), y obtiene resultados competitivos en datasets de firmas de estilo oriental (datasets Bangla/Hindi). Adicionalmente, un grupo amplio de experimentos demuestran que VerSig-R es el método más robusto cuando se aplican escalas y rotaciones a las firmas. Adicionalmente, se presenta una discusión sobre el bias detectado en uno de los datasets de firmas usado, así como el desempeño del método VerSig-R en datasets cruzados, un estudio con humanos que muestra que el método propuesto supera la precisión de los humanos al momento de validar la autenticidad de las firmas. Finalmente, se presenta una discusión sobre el impacto del número de ejemplos (por escritor) usados durante el entrenamiento en el desempeño y tiempo de ejecución de VerSig-R.

Handwritten signatures are still one of the most used and accepted methods for user authentication. They are used in a wide range of human daily tasks, including applications from banking to legal processes. The signature verification problem consists of verifying whether a given handwritten signature was generated by a particular person, by comparing it (directly or indirectly) to genuine signatures from that person. In this research work, a new offline writer-independent signature verification method is introduced (named VerSig-R), based on a combination of handcrafted Moving Least-Squares features and features transferred from a convolutional neural network. In our experiments, VerSig-R outperforms state-of-the-art techniques on Western-style signatures (CEDAR dataset), while also obtaining competitive results on South Asian-style handwriting (Bangla and Hindi datasets). Furthermore, a wide range of experiments demonstrate that VerSig-R is the most robust in relation to differences in scale and rotation of the signature images. This work also presents a discussion on dataset bias and on cross-dataset performance of VerSig-R, as well as a small user study showing that the proposed technique outperforms the expected human accuracy on the signature-verification task. Finally, a discussion on the impact of the number of signature examples (per writer) used during training on performance and execution time is presented.
Note: Descargue el texto completo en el repositorio institucional de la Universidade Federal do Rio Grande do Sul: http://hdl.handle.net/10183/247543
Discipline: Ciencias de la Computación
Grade or title grantor: Universidade Federal do Rio Grande do Sul. Instituto de Informática
Grade or title: Maestro en Ciencias de la Computación
Juror: Menotti Gomes, David; Menezes de Oliveira Neto, Manuel; Pereira Moreira, Viviane
Register date: 8-Aug-2023

Files in This Item:
File Description SizeFormat 
HuarotoPachasFE.pdf
  Restricted Access
Tesis (abierta en repositorio de origen)1.58 MBAdobe PDFView/Open Request a copy
Autorizacion.pdf
  Restricted Access
Autorización del registro564.99 kBAdobe PDFView/Open Request a copy


Items in DSpace are protected by copyright, with all rights reserved, unless otherwise indicated.