在人们的日常生活中经常会使用到各种表单或者票据,他们是很重要的法律凭证。为了自动对表单或者票据中的签名验明真伪,比如银行存取款凭证签名真伪识别、保险公司保单签名真伪识别、快递单据识别等等,需要首先确定签名在表单中的位置。现如今大部分表单的签名真伪识别工作都是由人工来完成的,费时费力且受人为主观因素影响较大。因此,开发一套表单手写签名自动检测系统具有十分重要的研究意义。本文主要研究了手写签名自动检测系统中的目标定位功能。目标定位一直是一个热点的问题,目前常用的方法有基于颜色、纹理、形状、空间、模板匹配等方法。本文采用卷积神经网络获取候选区域的方法,实现了表单中手写签名的定位功能。首先,使用卷积神经网络获取候选区域,其实质是使用滑动窗口对图像进行穷举搜索;其次,利用分类层对每个特征图上的候选区域做分类任务,判断该候选框是前景还是背景;最后,利用回归层对每一个候选框的位置做回归。本文主要研究内容有:(1)收集了大量、多样的表单图像,自定义表单图像数据库。收集的图像包含银行表单、保险公司表单、快递公司表单等,对收集好的表单图像进行旋转、平移、缩放、加噪等处理,这样设计出的表单图像数据库会使得训练结果更好。(2)为了提高区域候选框质量,根据设计的表单图像数据集中目标的长宽比,优化滑动窗口中获取候选框的窗口比例。(3)为了减少高层卷积细节特征信息损失,尽可能多的获取到更多图像特征,对RPN网络模型连接结构进行改进。文中提出了 RPN-X的网络结构,并且对该网络模型中的训练参数进行了优化。(4)基于caffe框架,搭建训练神经网络的平台,并训练出RPN-X神经网络模型。(5)在matlab编程环境下,开发了一个手写签名位置定位系统,实现了实时拍照上传并且进行手写签名位置的定位。