生物验证技术是通过测量人的生理或行为特征来进行身份验证的一种方法。基于生物特征的身份验证方法克服了传统验证方法的很多不足,已广泛应用于很多领域。与其他生物特征相比,签名因其易获取、采集成本低和人们易接受等优点,广泛应用于许多常见商业领域如电子商务,网上银行交易,电子支付,访问控制等。手写签名验证方法中,基于参数的方法速度快、不受局部时间偏移的影响,但是错误率通常较高;基于函数的方法错误率较低,但是比较耗时;基于区域的方法缩短了签名处理时间,并提供检索本地信息的机会,但是分区方法较难确定。本文将基于函数的方法和基于区域的方法相结合用于签名的验证。基于函数的方法通过两个时间函数的累计差来比较两个签名的相似性。两个时间函数通过动态规划或HMM建立关系,HMM选择马尔可夫模型花费很多时间,训练模型需要大量计算,所以本文使用动态规划建立两个签名之间的关系。本文对动态手写签名的验证进行了研究,主要内容有:(1)提出了基于最稳定动态特征对签名进行长度规整的方法。由于每个用户签名时产生的每个动态特征的稳定性不同,使用不同的动态特征建立两个签名之间的关系时,建立的关系的准确度不同,导致签名验证的准确率不同。根据这个特点,本文提出了选取每个用户最稳定动态特征的方法。(2)提出了一种改进的长度规整算法。DTW算法在计算签名的动态特征之间的距离时使用的是欧式距离,忽略了签名时间序列自身形状的特点,以至于当两个特征序列的波形发生平移、其中一个序列的局部发生突变或波形的振幅不一致时,DTW算法可能会通过扭曲X轴来解释Y轴的变异性,使得局部点的匹配不准确,导致认证结果存在一些误差。改进的DTW算法在进行路径匹配时,考虑了签名的自身形状的特征,即每个点周围曲线的变化趋势。(3)提出了一种基于签名的动态特征进行分区的方法。基于区域的方法可以减少签名处理时间,并充分利用了签名的局部信息。本文按照速度方向角、速度和压力这三个高区分性的动态特征,对用户的签名进行分区。分区后的签名在不同区域的稳定性不同,应该选取比较稳定的分区进行签名的验证。本文通过计算每个分区的权重,选取权重最大的分区作为最稳定分区,用于最终签名的验证。(4)提出了一种基于Relief算法提取组合特征的动态手写签名验证方法。本文将签名的动态特征和相似性计算方法组成一个组合特征。生成的组合特征很多,有些组合特征即使是不同的签名也是相似的,而有一些则是唯一的。在验证过程中对真伪签名的区分能力较弱的组合特征应该被删除。本文使用特征离散函数对组合特征进行粗选,再使用Relief算法对组合特征进行再次筛选。最后使用KNN分类器对待验证签名进行验证。