2018年8月5-8号，第16届手写识别前沿国际会议International Conference on Frontiers in Handwriting Recognition (ICFHR 2018) 在美国纽约州布法罗市（Buffalo）成功召开。CSIG-DIAR专委会委员、华南理工大学珠海现代产业创新研究院金连文教授带领的团队，在会议举办的Thai Student Signature and Name Component Recognition and Verification（泰国学生签名与姓名识别与认证）竞赛中，取得了签名鉴别任务第一名的好成绩。其提交的签名认证系统，由基于深度学习的多层级特征提取网络与基于支持向量机的鉴别器组成，大幅度降低了认证错误率，领先排名第二的系统高达约10个百分点。
手写签名在日常生活中有着广泛的应用，例如行政办公、银行、商业合同等。 ICFHR 2018举办的泰国学生签名与姓名识别与认证竞赛包含签名鉴别及姓名识别任务，共吸引了来自不同国家的6支队伍参加。对于识别任务，学界已有成熟的解决方案，所有参赛队伍提交的系统均达到了99%以上的识别精度。对于签名鉴别任务，其难点在于书写者签名的多变性，以及专业仿造假冒签名很难辨别，要求相关的算法能够捕捉到具有判别能力而又足够稳定的特征。此外，由于真实签名较难获取，样本数量少，给基于数据驱动的神经网络训练也带来了一定的挑战。
图1. (a) 签名鉴别子任务
图1.(b) 姓名鉴别子任务
金连文教授团队针对签名鉴别任务中的关键问题，提出了多层级判别特征学习网络，用以在不同的图像层级捕捉关键特征，并采用多任务学习的思想训练网络；针对数据量少的问题，采用了真实数据集混合人工合成数据集，并适当增广的数据策略。整个认证系统工作的流程，包括特征学习、鉴别器判定两步：多层级判别特征学习网络训练完毕后，利用其进行特征提取，然后构建支持向量机鉴别器进行笔迹鉴别。金连文教授团队提交的系统在各项评测技术指标中均大幅领先别的参赛队伍。在签名鉴别任务中，针对随机攻击，达到0.24%的等错误率（即拒真率与存伪率相等时的取值），针对简单与高度仿冒攻击，分别达到1.50%和8.30%的等错误率；在姓名鉴别子任务中，针对随机攻击，达到0.04%的等错误率，针对高度仿造攻击，达到了2.33%的等错误率。
图2. ICFHR 2018 Competition on Thai Student Signature and Name Components Recognition and Verification签名鉴别任务冠军获奖证书
