1. 研究目的与意义（文献综述）

1、目的及意义

随着司法、金融等领域对身份的识别验证需求的不断上升，人们探索了越来越多的身份鉴别方式，如指纹识别、面容识别、虹膜识别等固有生理特征识别方式和步态识别、笔迹鉴定等行为特征识别方式。其中，笔迹鉴定在手写签名、信件真伪鉴定等方面扮演重要角色。笔迹鉴定是通过对一段文字书写内容进行比较和鉴别，以确定该文字书写内容是否为待鉴定人员所书写。笔迹鉴定是鉴定这类手写材料有效性最直接的手段，其鉴定结果将作为公安机关侦破案件的重要参考，以及作为庭审案件的重要材料。因此，笔迹鉴定的准确度，将直接影响案件侦破进度和庭审结论的公正性。

2. 研究的基本内容与方案

2.1基本内容

本课题研究基本内容包括三个部分，一是数据集的处理部分，提取数据集中笔迹的特征；二是确定卷积神经网络具体模型，确定卷积神经网络的框架结构；三是训练神经网络，调节参数。

本课题训练数据集使用CASIA-HWDB手写数据集，包含中文和英文。使用CASIA-HWDB中文数据集进行卷积神经网络的训练和测试，使用CASIA-HWDB英文数据集进行卷积神经网络的泛化。本课题使用Python作为编程语言，利用Tensorflow平台搭建卷积神经网络。卷积神经网络结构如图1所示。

图1 卷积神经网络基本流程图

2.2技术方案

1、数据集处理部分

对于CNN识别图像而言，数据预处理是常见步骤，虽然CNN能够读取原始图片，但是一个有效地预处理对于训练网络至关重要。从CASIA-HWDB下载得到数据集后，按照数据集的说明，对图片进行分割重建，并对图片做归一化处理，使非笔迹信息的特征弱化。同时，借助参考文献的研究方法，如K邻接段（KAS）、轮廓梯度等方法选取部分笔迹特征，对训练材料进行预处理，得到更有效训练材料。

2、确定网络具体模型部分

卷积神经网络模型众多，各有长处，但具体选取何种网络模型，尚无定论，这取决于具体的任务。本部分将对已有的几大经典卷积神经网络进行分析，如Alex-Net、VGG-Nets、NIN和残差神经网络。确定网络模型后，本课题将借助Tensorflow平台搭建出具体网络。

3、训练神经网络与调参部分

这一部分将是本课题研究的重点内容。在卷积神经网络大框架确定后，需要对其具体参数进行训练和调整。卷积神经网络初始参数对于训练过程和最终网络结果十分关键。神经网络参数初始化有多种做法，如全零初始化、随机初始化、和其他初始化方法。全零初始化不可取，虽然最终网络收敛到稳定状态，参数（值）大概率保持正负各半的状态，期望为0，但是全零会导致神经网络后面的参数传递出现问题，无法训练。又因为随机初始化训练收敛过于缓慢，故本课题选取预训练的方式，得到预训练模型，将预训练模型的参数作为正式训练参数的初始值。对于激活函数的选取，同样采用预训练的方法，对Sigmoid函数、ReLU函数、Leaky函数等经典激活函数进行对比分析。另外对目标函数进行对比分析，选取合适的目标函数。

通过具体训练，得到能实现功能要求的笔迹鉴定卷积神经网络，通过与其他参考文献提及的卷积神经网络进行比较，调整优化网络具体超参数（卷积层具体参数、汇合层具体参数），得到达到课题要求的网络。并且确定各自神经网络在识别准确度、训练收敛速度、泛化能力等方面的优缺点。找出原因，形成结论。

本课题技术流程如图2所示。

图2 技术流程

3. 研究计划与安排

第1周—第3周 搜集资料，了解笔迹鉴别和神经网络原理，撰写开题报告；

第4周—第5周 论文开题，完成数据集处理部分；

第6周—第12周 确定网络具体模型、训练网络，撰写论文初稿；

4. 参考文献（12篇以上）

[1] jain r, doermann d.offline writer identification using k-adjacent segments[c]//2011 internationalconference on document analysis and recognition. ieee, 2011: 769-773.

[2] 邓辉瑶. 基于深度卷积神经网络的离线笔迹鉴别研究[d].华中科技大学,2016.

[3] 余义. 基于内容及风格的离线手写汉字鉴定算法研究[d].电子科技大学,2017.