买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

龙图腾网获悉华南理工大学申请的专利一种文本无关联机笔迹身份认证方法、系统、装置及介质获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN116469176B 。

龙图腾网通过国家知识产权局官网在2026-03-24发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202310241090.2，技术领域涉及：G06V40/30；该发明授权一种文本无关联机笔迹身份认证方法、系统、装置及介质是由金连文;张沛荣;赖松轩;李鸿亮设计研发完成，并于2023-03-13向国家知识产权局提交的专利申请。

本一种文本无关联机笔迹身份认证方法、系统、装置及介质在说明书摘要公布了：本发明公开了一种文本无关联机笔迹身份认证方法、系统、装置及介质，其中方法包括：获取文本无关的笔迹时间序列数据；对笔迹时间序列数据进行压力归一化和坐标中心归一化处理；构建基于深度神经网络的鉴别模型，采用归一化处理后的笔迹时间序列数据对鉴别模型进行训练；获取模板笔迹和待测试笔迹，将模板笔迹和待测试笔迹输入训练后的鉴别模型进行特征提取，获得第一表征向量和第二表征向量；根据第一表征向量和第二表征向量判定待测试笔迹为真实笔迹或者伪造笔迹。本发明在文本无关场景下进行笔迹认证，针对文本无关场景下内容无法使用只有风格可以使用的特点，自适应地增强风格特征的学习，降低错误率，可广泛应用于深度学习与模式识别领域。

本发明授权一种文本无关联机笔迹身份认证方法、系统、装置及介质在权利要求书中公布了：1.一种文本无关联机笔迹身份认证方法，其特征在于，包括以下步骤： 获取文本无关的笔迹时间序列数据； 对笔迹时间序列数据进行压力归一化和坐标中心归一化处理； 构建基于深度神经网络的鉴别模型，采用归一化处理后的笔迹时间序列数据对所述鉴别模型进行训练； 获取模板笔迹和待测试笔迹，将模板笔迹和待测试笔迹输入训练后的鉴别模型进行特征提取，获得模板笔迹对应的第一表征向量和待测试笔迹对应的第二表征向量； 根据第一表征向量和第二表征向量判定待测试笔迹为真实笔迹或者伪造笔迹； 其中，所述鉴别模型包括稠密多尺度骨干网络、判别性模式特征挖掘模块、全局注意模块； 所述稠密多尺度骨干网络用于将原时间序列扩张映射到高维空间； 所述判别性模式特征挖掘模块用于对笔迹的内容和风格进行解耦； 所述全局注意模块用于捕捉笔迹时间序列的全局信息，以增强全局特征的学习； 所述判别性模式特征挖掘模块包括最大池化层、最大值保留层、特征段挖掘层、统计细化层和选择池化层； 所述判别性模式特征挖掘模块的输入为稠密多尺度骨干网络提取的高维特征向量； 在最大值保留层中，将原序列与最大池化层的输出进行对比，保留原值即为最大值的点，其他点置0，选出这些点中最大的多个点； 将点输入到特征段挖掘层里面，以多个特征点为中心，向两旁扩展的长度获取特征段，特征段的长度为，为整除符号； 将特征段输入统计细化层中，计算所有特征段的均值和标准差； 将统计细化层的输出和最大池化层的输入相加做残差连接，输入选择池化层压缩时间维度，输出固定维度的特征向量。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人华南理工大学，其通讯地址为：510641 广东省广州市天河区五山路381号；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。

以上内容由龙图腾AI智能生成。