随着全球互联网技术的飞速发展,网络与信息安全所带来的问题日趋严重,其复杂性、危害性也进一步显现。如何准确并且有效地鉴别一个人的身份在信息安全领域显得尤为重要。在线签名认证是一种有效的基于生物特征的身份认证方法。一个在线签名认证系统的设计与实现包括数据采集、特征提取、特征选择、决策和性能评估。目前,签名认证技术还很不完善,其可靠性和准确度无法与使用人体固有生理特性的生物识别技术如指纹、DNA、虹膜等相比。本文对视频手写签名的认证方法和应用进行了深入的研究,主要内容包括:首先,本文提出了基于摄像头的视频手写签名认证算法框架系统来采集签名数据。摄像头拍摄纸张和签名过程;计算机分析得到的视频帧序列后得到签名笔的运动轨迹,并判断出签名笔和纸张接触后的初始帧和结束帧。得到的运动轨迹有足够的时空分辨率和精度来实现手写签名识别。其次,本文提出了一种将HMM/ANNs混合模型用于签名认证。HMM与ANNs相结合,可以取长补短,发挥HMM和ANNs各自的优点。隐马尔科夫模型对神经网络有很强的分类能力,对于时间序列描述也非常好。本文用一个神经网络组描述HMM的状态转移概率,每一个神经网络对应一个状态,提高了签名识别效果。最后本文在matlab开发平台上使用自建数据库中的签名数据对该方法进行验证和分析,结果表明,相对于HMM模型,改进后的HMMANNs混合模型可以有效地降低等错误率ERR,获得了比较好的效果。