Edições

Resumo Este artigo tem como objetivo propor uma ferramenta computacional forense capaz de verificar a autenticidade de assinaturas manuscritas de forma automatizada, a fim de auxiliar e otimizar esse processo e funcionar como um instrumento de apoio à decisão. A metodologia desta proposta baseou-se na utilização de técnicas de processamento digital de imagens e de redes neurais através do algoritmo de aprendizagem de backpropagation com as abordagens 500 e 901. Os resultados demonstraram um percentual médio de erro de 20% na primeira e de 5,83% na segunda, sendo que o desempenho de um profissional treinado para verificar autenticidade de assinaturas apresenta, em média, 6,67% de erro. Dessa forma, pôde-se observar a eficiência da ferramenta proposta, bem como a diferença e evolução das abordagens através da relevância dos resultados.

Palavras-chave Verificação de autenticidade; Assinaturas manuscritas; Grafoscopia; Redes neurais; Processamento digital de imagens

Abstract This paper aims to propose a computational forensics tool able to verify the authenticity of handwritten signatures in an automated way, to help and optimize this process 304 Brazilian Journal of Forensic Sciences, Medical Law and Bioethics 3(4):303-318 (2014) and act as a tool for decision support. The methodology of this proposal was based on the use of techniques of digital image processing and neural networks through the backpropagation learning algorithm with 500 and 901 approaches. The results showed an average percentage error of 20% in the first and of 5.83% in the second, and the performance of a trained professional to verify the authenticity of signatures has an average error of 6.67%. Thus, we could observe the efficiency of the proposed tool, as well as the difference and evolution of approaches through the relevance of the results.

Keywords Authenticity verification; Handwritten signatures; Graphoscopy; Neural Networks; Digital Image Processing

nada

Palabras chaves