Identification and verification of individuals by the signature analysis

Abstract

La vérification de signature manuscrite hors ligne est un système biométrique qui vise à vérifier l'identité des individus en fonction de leur style d'écriture unique, couramment utilisé dans des applications telles que les chèques bancaires et les contrats officiels. Cependant, en raison du nombre limité d'échantillons disponibles pour chaque écrivain (généralement cinq signatures au maximum), un tel système nécessite une quantité importante d'échantillons supplémentaires pour atteindre les performances souhaitées. Ce défi a été largement relevé par une grande communauté de recherche au cours des dernières années, conduisant à l'utilisation des techniques de l'augmentation des données afin de générer des images de signature entièrement synthétiques. Ces images sont ajoutées aux images réelles de signature afin de renforcer la formation des systèmes de vérification de signature. Actuellement, l'état de l'art fait état d'un large éventail de techniques d'augmentation des données qui permettent jusqu'à 2 % de gain de performances. Dans cette thèse, nous abordons l'augmentation de données dans une nouvelle approche qui consiste à générer des caractéristiques synthétiques au lieu de dupliquer des images de signature. A cet égard, nous développons directement des caractéristiques synthétiques au lieu de développer des signatures synthétiques à partir desquelles nous dérivons des caractéristiques synthétiques. Cette idée apporte deux contributions notables au domaine des systèmes de vérification de signature manuscrite hors ligne telles que : o Tout d'abord, nous introduisons une nouvelle technique de génération de caractéristiques synthétiques basées sur certains mécanismes des systèmes immunitaires artificiels tels que le clonage, la mutation et le processus de compétition des ressources. o Dans le même objectif, nous proposons un deuxième algorithme de génération de caractéristiques synthétiques en utilisant un réseau antagoniste génératif convolutif 1D. ?tant donné que les deux algorithmes sont appliqués après la génération de caractéristiques à partir de signatures réelles, des expériences sont menées en utilisant des descripteurs de signature robustes associés aux classificateurs SVM. Les descripteurs évalués sont les motifs quinaires allongés multi-gradients (MG-EQP), les motifs directionnels locaux (LDP), l'histogramme des modèles (HOT), et les caractéristiques profondes de SigNet-F. De plus, nous introduisons un nouveau descripteur de signature basé sur une implémentation multi-orientée des fonctionnalités de différence locale (MLDF). Toutes les expériences ont été menées sur trois ensembles de données publics qui sont CEDAR, GPDS-300, MCYT-75. Ces ensembles de données sont reconnus pour leurs échantillons divers et représentatifs, ce qui les rend appropriés pour évaluer les performances et les capacités de généralisation des systèmes de vérification de signature. Cette thèse fournit des contributions pour progresser vers l'état de l'art actuel en matière de vérification de signature manuscrite hors ligne et aborde un défi critique dans ce domaine. Les connaissances et les techniques proposées dans cette thèse ont le potentiel d'améliorer la précision, la robustesse et l'efficacité des systèmes de vérification de signature, et pourraient ouvrir la voie à de nouveaux développements et applications dans ce domaine important.