Porovnávání podpisů pomocí metrik pro oční pohyby
Comparison of signatures using metrics for the eye movements
bachelor thesis (DEFENDED)
View/ Open
Permanent link
http://hdl.handle.net/20.500.11956/84453Identifiers
Study Information System: 145409
Collections
- Kvalifikační práce [11242]
Author
Advisor
Referee
Gemrot, Jakub
Faculty / Institute
Faculty of Mathematics and Physics
Discipline
Programming
Department
Department of Software and Computer Science Education
Date of defense
16. 6. 2016
Publisher
Univerzita Karlova, Matematicko-fyzikální fakultaLanguage
Czech
Grade
Good
Keywords (Czech)
Porovnávání podpisových vzorů, Levenshteinova vzdálenost, Fréchetova vzdálenost, Korelační koeficient, UWP aplikace, PRISMKeywords (English)
Comparison of signatures, Levenshtein distance, Fréchet distance, Correlation coefficient, UWP application, PRISMPorovnávání podpisových vzorů je součástí procesu ověření identity. Práce se zabývá porovnáváním podpisových vzorů pomocí metrik pro porovnávání očních pohybů. První část práce tvoří shrnutí algoritmů pro ověřování podpisových vzorů a představení metrik pro porovnávání očních pohybů. Využili jsme Levenshteinovu vzdálenost, Fréchetovu vzdálenost a vzdálenosti pomocí korelačního koeficientu k porovnávání podpisových vzorů. Zjistili jsme chování těchto metrik a zvolili arbitrární vzorec k výpočtu procentuální podobnosti dvou podpisů. Navrhli a naimplementovali jsme univerzální Windows aplikaci, která digitalizuje podpis, porovnává dva podpisy a určí míru jejich podobnosti. Provedli jsme experiment, ve kterém účastníci opakovaně vytvářeli vlastní podpis nebo věrohodně napodobovali cizí podpisový vzor. Z výsledků nevyplynulo, že se zlepšovali. Powered by TCPDF (www.tcpdf.org)
Comparison of signatures is part of the identity verification. The study focuses on comparison of signatures using metrics for the eye movements. In first part of study we review algorithms for the signature verification and we introduce metrics for comparing eye movements. We used Levenshtein distance, Fréchet distance and correlation coefficient for the comparison of signatures. We discovered behavior of these metrics and choose their combination for the computation of percentage similarity between two signatures. We designed and implemented universal Windows application which digitizes signatures, compares two signatures and determines their similarity. We conducted an experiment in which participants tried to sign themselves or tried to sign someone else. We did not find improvement during the signing. Powered by TCPDF (www.tcpdf.org)