Verificação Estática da Assinatura
Os sistemas de verificação estática ou off-line de assinaturas consistem na utilização de imagens estáticas de assinaturas previamente captadas para que se possa realizar a autenticação biométrica. Esse tipo de verificação é constituído pelo processamento da imagem e pela posterior aplicação de um algoritmo. Ozgunduz et al. (2005) propõem um algoritmo chamado Support Vector Machine (SVM) que, quando aplicado a uma base de dados pública, alcança uma taxa de acerto de 95%. Em comparação, o método que utiliza redes neurais artificiais que conseguiu somente 75% de acerto.
O Support Vector Machine é um conjunto de métodos de aprendizado supervisionado usados para regressão e classificação. Dado um conjunto de amostras categorizadas, o algoritmo é capaz de construir um modelo para prever a que categoria uma nova amostra pertence.
A Figura 2 mostra as etapas que devem ser seguidas durante o processo de verificação de assinaturas.
Figura 2: Etapas do processo de verificação de assinaturas. Adaptada de (Ozgunduz et al., 2005)
Antes da aplicação de qualquer algoritmo, deve ser feito o pré-processamento da imagem. Este é realizado com o objetivo de preparar a imagem removendo elementos que atrapalhem os processos posteriores. De acordo com Ozgunduz et al. (2005), deve-se seguir quatro etapas: eliminação do fundo, redução de ruído, normalização da largura e skeletonization. A aplicação de cada método é ilustrada na Figura 3.
Figura 3: Pré-processamento de uma assinatura. Extraída de (Ozgunduz et al., 2005).
Na Figura 3, a imagem (a) é o resultado obtido após a captação da assinatura. Posteriormente, é removido o fundo da imagem (b), nesta etapa, devido à incerteza envolvida no processo, há vários pontos de ruído, sendo necessária a aplicação de um filtro para reluzi-lo em (c). Em seguida, deve-se fazer uma normalização quanto à largura da imagem para que ela possa se adequar a um padrão, mantendo sempre a proporção com a altura (d). Por fim, a espessura da assinatura é diminuída de modo a eliminar as diferenças causadas por variações na grossura da ponta da caneta (e).
Após o pré-processamento, é realizada a fase de extração dos parâmetros da assinatura, que é dividida em três subcategorias: global, máscara e grade (Ozgunduz et al., 2005).
De acordo com Ozgunduz et al. (2005), as características globais são:
Área da assinatura: o número de pixels da assinatura fornece a densidade da mesma.
A razão entre altura e largura da assinatura: nas assinaturas de uma mesma pessoa essa razão é aproximadamente constante.
O maior valor do histograma horizontal e vertical.
A coordenada do centro da assinatura.
Máximos locais verticais e horizontais da assinatura.
Pontos de fronteira das letras.
As direções dos traços de uma assinatura podem ser obtidas através de características de máscara. Para realizar esta medida, escolhe-se certo número de máscaras para identificar um determinado padrão. Em seguida, deve-se contar o número de vezes que esse padrão se repete na assinatura.
As características de grade são usadas para encontrar densidades de partes da assinatura. No método proposto por Ozgunduz et al. (2005), a assinatura é dividida em 60 segmentos, onde é calculada a densidade de pixels contidos na área.
A Figura 4 resume os cálculos para características globais e de grade.
Figura 4: Passos da extração de características de uma assinatura: (a) assinatura pré-processada, (b) altura, (c) histograma máximo vertical, (d) histograma máximo horizontal, (e) centro horizontal, (f) centro vertical, (g) número máximo local horizontal, (h) número máximo local vertical, (i) localização das pontas, (h) características de grade da assinatura. Extraída de (Ozgunduz et al., 2005).
No treinamento, a amostra de assinaturas deve ser classificada como verdadeira ou falsa. Assim o algoritmo, com base nas características calculadas, irá gerar um modelo para a classificação de novas assinaturas. Posteriormente, quando houver a necessidade de autenticação, a assinatura a ser analisada passará pela etapa de pré-processamento e cálculo de suas características. Os resultados obtidos serão confrontados com o modelo gerado durante o treinamento, e assim, o usuário será ou não autenticado.