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。

笔迹鉴定具有科学基础，这体现在书写习惯的相对稳定性和特殊性。经过大量的日常书写，人们笔迹的风格将趋于稳定，笔迹的运笔特征、笔画搭配特征、字体的结构特征将更具个人特色。笔迹鉴定分为在线笔迹鉴定和离线笔迹鉴定。在线笔迹可以记录文字的笔画顺序等信息，而离线笔迹只有最终的书写结果，没有过程信息，因此离线笔迹的鉴定难度更大。但离线笔迹出现场景更广，鉴定的需求更大，对离线笔迹鉴定的研究，将为司法、金融等领域的身份鉴定提供强有力的支持。

2、国内外研究现状分析

笔迹鉴定是一项古老的司法科学技术。在公元6世纪，罗马皇帝查士丁尼口述了罗马法庭使用的笔迹比对的指南，这表明至少在公元6世纪就有法庭应用笔迹鉴定技术标准。早期的笔迹鉴定主要由笔迹鉴定专家进行，但这无太多的科学依据，多是凭借经验进行鉴定，著名的德雷福斯案件，就是因为笔迹鉴定技术的不成熟以及鉴定人的主观情绪影响了鉴定结果。

自20世纪90年代以来，LeCun等人发表论文确立了卷积神经网络的现代结构，卷积神经网络不断应用于图像、音视频、文本等领域。运用卷积神经网络进行笔迹鉴定，也成为了热门的研究方向。Jain, Rajiv等人提出了一种基于K邻接段（KAS）、SURF、轮廓梯度三种方法来训练神经网络，并在基于IAM的英文数据集上获得了93.9%的鉴定正确率。Zhong, Zhuoyao等人设计出基于GoogLeNet的简化版本HCCR-GoogLeNet是19层深，只涉及726万个参数，并在ICDAR2013离线HCCR竞赛数据集实现了超过96%的识别精度。Song Wang等人提出了一个全新的无约束的手写中文文本识别框架，其核心是由大量数据训练而成的异构CNN，在CASIA数据集上有96.28%的精度，并且框架是通用的，可用于其它问题如时间序列问题上。Xing,Linjie等人提出了一个深度多流CNN，通过特定任务优化以及数据增强学习，以及英语文字和中文文字对卷积神经网络联合训练，在301个作者的笔迹鉴定中达到了98.01%的准确度。