手写签名验证是生物识别和文件真实性方面的严峻挑战，最优特征选择和分类准确度显著提高了提出的离线签名验证方法的性能和结果验证预测向量。

Jan, 2024

通过图像处理和深度学习技术，本文提出了一个能够提取和分析手稿文档与文本行高度、单词间距和字符大小相关的内在度量的框架。通过量化待比较文档的特征向量之间的欧几里德距离，可以辨别出作者身份。我们还提出了一个新的、具有挑战性的数据集，包括 124 个不同人物撰写的 362 个手写和数字设备上的手稿。实验结果表明，我们的方法能够在不同的写作媒介中客观地确定作者身份，并超越现有技术水平。

Oct, 2023

通过简化文本轨迹计划和手写动态，本文提出了一种将时间演变纳入手写合成器的新方法，采用了快速人体运动的运动学理论和神经运动启发的手写合成器进行实现，并通过与真实样本的定量和主观比较评估了所提方法的真实性。

Jan, 2024

该论文提出了一种新颖的数字签名方法，使用基于相机的交互系统、单指跟踪将手势识别和多命令执行结合在一起。该方法称为 “空中签名”，旨在开发一种实时检测和跟踪手势和物体的最先进方法。还提出了用于平滑处理和线条绘制的现有手势识别和物体跟踪系统，并在快速手指运动期间保持连续性。此外，还通过评估指尖检测、草图绘制和整个签名过程的效果来验证所提出的解决方案的有效性，并开发了一套能够有效识别用户独特签名的模型，利用神经核心实时分析签名的运动、速度和笔画像素，并使用机器学习算法将空中签名与个人存储的签名进行匹配，提供了一种安全高效的验证方法。该系统不需要传感器或相机以外的任何硬件。

May, 2024

数字取证是确保数字世界免受身份盗窃的不可避免的一部分，生物特征是解决数字取证所遇到问题的更好方案，手部生物特征模式的潜在益处和范围已经通过手几何验证方法进行了调查。

Feb, 2024

本文研究了基于最新的 Transformers 架构对在线签名验证的适用性，并评估了四种不同的配置，结果表明 Transformers 对于在线签名验证有很大的潜力。

Jul, 2023

以触觉签名系统为例，本研究致力于为视障人士创造一个无障碍且有效的手写签名系统，从而提升其独立性和全面参与各个领域的能力。

Jan, 2024

本篇论文研究了手写文本与印刷文本重叠造成的光学字符识别（OCR）和数字化过程中的困难，并引入了一个新的数据集和模型，以改善对重叠部分的识别性能。最佳配置的 IoU 得分相较于先前的工作，在两个不同的数据集上分别提高了 17.9% 和 7.3%。

Jul, 2023

本篇综述研究了手写文字光学字符识别技术及其研究方向，通过人工智能和机器学习工具将手写和印刷文件转化为可分析、可编辑和可搜索的电子数据。共收集 142 篇相关研究，总结了最新的 OCR 技术和研究方向。

Jan, 2020

本文就生物识别技术面临的问题进行了调查，包括认知性能、安全性、公平性、数据归集和用户隐私等，并提出了如何解决这些问题以提高其安全性和公信力的建议。

May, 2021