Stroke order and velocity are helpful features in the fields of signature verification, handwriting recognition, and handwriting synthesis. Recovering these features from offline handwritten text is a challenging and well-studied problem. We propose a new model called TRACE (Trajectory Recovery by an Adaptively-trained Convolutional Encoder). TRACE is a differentiable approach using a convolutional recurrent neural network (CRNN) to infer temporal stroke information from long lines of offline handwritten text with many characters. TRACE is perhaps the first system to be trained end-to-end on entire lines of text of arbitrary width and does not require the use of dynamic exemplars. Moreover, the system does not require images to undergo any pre-processing, nor do the predictions require any post-processing. Consequently, the recovered trajectory is differentiable and can be used as a loss function for other tasks, including synthesizing offline handwritten text. We demonstrate that temporal stroke information recovered by TRACE from offline data can be used for handwriting synthesis and establish the first benchmarks for a stroke trajectory recovery system trained on the IAM online database.

Coordenação de Aperfeiçoamento de Pessoal de Nível Superior - CAPES / The handwritten signature is a form of personal identification widely accepted, both socially and legally, used for centuries to authenticate documents such as bank checks, letters, contracts and any type of service that requires proof of authorship. When signing, an individual inserts a large amount of information to transform the movement of his hand into an identifying element. Writing speed, trajectory traversed, pen inclination, applied pressure, all these data are articulated (in the form of latent variables) to result in a static figure in the signed document. This dissertation investigates the problem of trajectory extraction of the pen that generates this signature from the resulting static image. For this, the work was divided in three main steps that are: (i) compute the skeleton of the offline signature; (ii) extract its characteristics using a concept addressed in this work called UCSS, and, with the help of previously recorded online signatures, (iii) estimate the path that the pen traveled over the skeleton. In each of these steps, a review of relevant work on the themes was done prior to begin implementation. Three experiments were carried out during this work, the first one was done with the objective of comparing the results obtained with the developed algorithm and the results obtained in a reference work, the other two were realized during the production of an article destined to the publication attached to this job. / A assinatura manuscrita é uma forma de identificação pessoal amplamente aceita, tanto social como juridicamente, utilizada há séculos para autenticar documentos como cheques bancários, cartas, contratos e todo tipo de serviço que necessite prova de autoria. Ao assinar, um indivíduo insere uma grande quantidade de informação para transformar o movimento de sua mão em um elemento identificador. Velocidade de escrita, trajetória percorrida, inclinação da caneta, pressão aplicada, todos esses dados são articulados (na forma de variáveis latentes) para resultar em uma figura estática no documento assinado. Essa dissertação investiga o problema de extração de trajetória da caneta que gera essa assinatura a partir da imagem estática resultante. Para isso, o trabalho foi divido em três passos principais que são: (i) computar o esqueleto da assinatura offline; (ii) extrair suas características utilizando um conceito abordado neste trabalho chamado UCSS, e, com o auxílio de assinaturas online registradas previamente; (iii) estimar o caminho que a caneta percorreu sobre o esqueleto. Em cada um desses passos, foi feita uma revisão de trabalhos relevantes sobre os temas para só então iniciar as implementações. Foram realizados três experimentos durante este trabalho, o primeiro foi feito com o objetivo de comparar os resultados obtidos com o algoritmo desenvolvido e os resultados obtidos em um trabalho de referência, os outros dois foram realizados durante a produção de um artigo destinado a publicação anexado a este trabalho.