近日，在2021年光学文字识别（OCR）领域的旗舰国际会议——文档分析与识别国际会议（ICDAR）举办的联机签名认证竞赛中，由华南理工大学电子与信息学院金连文教授指导，硕士研究生江佳佳、博士研究生赖松轩、硕士研究生朱业成组成的DLVC-Lab队伍，战胜来自德国、俄罗斯、西班牙、意大利、印度等国家的顶尖队伍，以较大优势再次荣获手写笔迹鉴别领域的国际竞赛冠军。

ICDAR-2021-SVC冠军获奖证书

　　签名认证是一种重要的身份认证技术，它的认证对象是书写者的签名或其简写，因经常书写而具有较强的个人风格。与人脸、虹膜、指纹、声纹等特征相比，手写签名能够通过非侵入式、更加用户友好的方式进行采集，因此签名认证已被广泛应用于商务活动、银行办公、安全认证等场景。进入信息时代以来，随着电子设备的普及，联机手写签名认证技术得到了广泛的发展，获取媒介从最初办公场景的专用设备演变到当前的智能手机、电子平板等移动终端。在这些场景中，书写者可以灵活地选择手写笔输入或者手指输入。然而，联机手写签名具有样本数量少、在跨时间和跨设备的场景下呈现出较大的类内差异、容易遭受仿冒签名攻击的特点，给联机签名认证任务带来了很大的挑战。

　　针对问题的难点，金连文教授团队提出了可端到端训练的深度软动态时间规整( Deep Soft-DTW，DSDTW)模型，赋予了经典的动态时间规整（Dynamic Time Warping，DTW）方法以表征学习的能力。首先，提取联机签名序列的速度及其一阶微分、加速度、压力、角度等信息的时间函数。其次，将各时间函数送入卷积循环神经网络CRNN进一步学习深度表征，为DTW提供有效的输入。接着，考虑到DTW对输入是不完全可微的，引入其平滑形式soft-DTW，并将签名对的soft-DTW距离融入到三元组损失函数中进行优化。由于soft-DTW是可微的，所以整个系统可端到端训练，实现了深度神经网络与经典动态时间规整算法的优雅融合。

　　来自金连文教授团队的技术方案在来自中国、俄罗斯、德国、西班牙、意大利、印度等参赛队伍提交的多个方法中脱颖而出，以较大优势获得冠军。其中，在办公场景达到了3.33%的等错误率（领先第2名3.11%），在移动场景达到了7.41%的等错误率（领先第2名2.73%），在办公和移动的混合场景达到了6.04%的等错误率（领先第2名3.92%）。（图文/电子与信息学院 编辑/卢庆雷）