笔迹鉴别作为身份识别的一种有效检验方法,受到业界广泛的关注与投入,并取得了一系列突破性的进展。尽管笔迹鉴别的研究已经取得了丰硕的成果,但是这些研究更多的是基于在线笔迹鉴别开展的,对于离线笔迹识别的研究还亟待进一步地加强。由于离线笔迹在材料获取上具备更强的通用性和易获取性,因此离线笔迹鉴别相比于在线笔迹鉴别具有更广泛的应用场景。随着大数据应用领域的蓬勃发展,针对机器学习方向的技术研究得到了长足的进步,这为解决计算机视觉图像方面的问题提供了一种新的技术解决途径。为此,本文考虑基于深度学习算法对离线笔迹鉴别开展深入的研究,即利用卷积神经网络进行离线笔迹鉴定以提高识别精度,并通过实验证明本方法的有效性。本文主要内容如下:本文提出了一种基于深度学习的手写笔迹鉴别方法,首次将Beta Elliptic模型应用于中文笔迹鉴别中,对汉字进行笔画切割并分类。首先基于Beta Elliptic模型和初等感知码的笔画特征将文本笔迹进行预处理并将其分段成一系列Beta笔画,根据Beta笔画片段的曲率信息以及初等感知码的隶属度进行预分类,从而实现对笔迹文本的分割并进行预分类。基于卷积神经网络提取离线笔迹的局部特征并对其进行主成分分析去除冗余数据进行降维。然后,利用Fisher Vectors算法对局部特征进行特征编码,并在此基础上生成全局特征进行离线笔迹鉴别。最后,选择欧氏距离作为相似度度量方法,进而确定待检测样本的书写者。本文通过大量实验对本文所提出的方法进行了仿真验证。在中文数据集上进行相关理论的验证,结果显示效果理想,另外,在包含两种不同外语数据集上对笔迹鉴别进行对比,实验结果具有说服力。通过实验分析,本文提出的方法在笔迹鉴别方面具有一定的效果,比传统方法具有更强的适应性与鲁棒性。