Desarrollo de un sistema automático para la verificación de firmas manuscritas

Abstract

Resumen La fi rma manuscrita es una medida biométrica asociada a la identidad de una persona, y es el método predilecto para la autenticación y veri cación de la identidad en una gran variedad de contextos diferentes. Sectores como la banca, la notaría pública y el comercio hacen uso de la fi rma manuscrita de una persona como prueba de su identidad, y, entre todas las modalidades biométricas existentes en la actualidad, la firma manuscrita cuenta con el mayor grado de aceptación social y legal, por lo que el mayor reto en cuanto a su uso es la automatización de su verifi cación y la obtención de resultados de alta precisión para evitar autenticaciones falsas o falsos rechazos. Los sistemas automáticos para la verifi cación de firmas manuscritas que hacen uso de imágenes digitalizadas de fi rmas son llamados sistemas o -line mientras que los que hacen uso de dispositivos especiales de captación electrónicos son llamados sistemas on-line. Dependiendo de la aplicación de las técnicas de aprendizaje automático, los sistemas pueden ser dependientes o independientes del usuario. Los sistemas para la veri ficación de fi rmas manuscritas constan principalmente de 4 pasos: la captación de los datos, el pre-procesamiento de los mismos, la extracción de características y la verifi cación. En el desarrollo del presente trabajo se implementaron tres métodos basados en el procesamiento digital de imágenes para la extracción de características con las cuales realizar la verifi cación o -line de las fi rmas. Comparamos mediante las métricas de falsa aceptación y falso rechazo varias técnicas de verifi cación dependientes e independientes del usuario usando las características extraídas. Comparamos el rendimiento de los métodos usando falsi caciones ingenuas y falsi caciones expertas, extraídas de dos bases de datos, una con fi rmas realizadas con el alfabeto Bengalí e Hindú, y otra con fi rmas realizadas con el alfabeto latino. Palabras claves: Aprendizaje automático, verifi cación biométrica, procesamiento digital de imágenes, minería de datos.