Submitted by Fabio Sobreira Campos da Costa (fabio.sobreira@ufpe.br) on 2016-06-13T13:50:41Z
No. of bitstreams: 2
license_rdf: 1232 bytes, checksum: 66e71c371cc565284e70f40736c94386 (MD5)
Dissertação - Davi Delgado Clerot - UFPE.pdf: 1275511 bytes, checksum: 8413259c0fde19c85569221d062625a8 (MD5) / Made available in DSpace on 2016-06-13T13:50:41Z (GMT). No. of bitstreams: 2
license_rdf: 1232 bytes, checksum: 66e71c371cc565284e70f40736c94386 (MD5)
Dissertação - Davi Delgado Clerot - UFPE.pdf: 1275511 bytes, checksum: 8413259c0fde19c85569221d062625a8 (MD5)
Previous issue date: 2014-04-28 / No âmbito da biometria comportamental, o reconhecimento automático
de assinaturas manuscritas off-line se destaca pela boa aceitação em diversos
segmentos, tais como Bancos, Cartórios e Imobiliárias. Dentre os fatores que
estimulam sua utilização estão a facilidade na aquisição, pois não depende de
equipamentos específicos, e seu valor legal ao ser realizada de próprio punho.
No intuito de investigar métodos alternativos para realizar sua verificação
automática, esta dissertação testa uma abordagem baseada no Coeficiente de
Correlação de Pearson. O experimento foi realizado em seis etapas; da
primeira à terceira, são utilizadas variações na extração de características, sem
o auxílio de um classificador baseado em aprendizado automático. No quarto
experimento, foi utilizada uma rede neural artificial como classificador, para
efeito de comparação com os resultados anteriores. No quinto experimento, um
peso associado ao limiar de resposta utilizado nos experimentos anteriores foi
adicionado objetivando minimizar efeitos dos falsos positivos obtidos. No sexto
e último experimento, para efeito de comparação com trabalhos relacionados,
foi utilizada a base de dados disponibilizada no ICDAR (Conferência
Internacional em Reconhecimento e Análise de Documentos) 2011. A
configuração empregada nesta etapa, a qual utilizou a base do ICDAR, foi a do
melhor experimento realizado dentre os anteriores. Os métodos propostos
apresentaram resultados promissores em comparação com os resultados
apresentados na literatura. / In the field of behavioral biometrics, automatic off-line handwritten
signature recognition stands out for its widespread acceptance in different
market segments, such as Banks, Civil Registry Offices and Real State
Agencies. Among the reasons why its use is widely stimulated are its ease of
acquisition, once it does not depend on specific equipment, and its legal value
when it is done by the author’s own handwriting. With the purpose of searching
for alternative methods to proceed to its automatic verification, this essay tests
out an approach based on Pearson Correlation Coefficient. The experiment was
carried out through six steps; from the first to the third ones, there were used
variations for feature extraction, without the assistance of a learning classifier.
In the fourth experiment, there was used an artificial neural network as a
classifier, in order to compare its results with those obtained in the previous
tests. In the fifth experiment, a weight associated to the threshold results
obtained in the previous experiments was added, so as to minimize the false
positive rate. In the sixth and last experiment, for comparison with related
essays, there was used the ICDAR (International Conference on Document
Analysis and Recognition) 2011 database. The configuration utilized in this last
step was the one obtained in the best test among the previous ones. The
proposed methods presented promising results compared to others reported in
the literature.
Identifer | oai:union.ndltd.org:IBICT/oai:repositorio.ufpe.br:123456789/17074 |
Date | 28 April 2014 |
Creators | Clerot, Davi Delgado |
Contributors | http://lattes.cnpq.br/1244195230407619, Zanchettin, Cleber |
Publisher | Universidade Federal de Pernambuco, Programa de Pos Graduacao em Ciencia da Computacao, UFPE, Brasil |
Source Sets | IBICT Brazilian ETDs |
Language | Breton |
Detected Language | English |
Type | info:eu-repo/semantics/publishedVersion, info:eu-repo/semantics/masterThesis |
Source | reponame:Repositório Institucional da UFPE, instname:Universidade Federal de Pernambuco, instacron:UFPE |
Rights | Attribution-NonCommercial-NoDerivs 3.0 Brazil, http://creativecommons.org/licenses/by-nc-nd/3.0/br/, info:eu-repo/semantics/openAccess |
Page generated in 0.0017 seconds