大规模电子化签名数据库纸质签名数据集

真实文档场景下大规模脱机手写签名标注数据集摘要脱机签名认证（Offline Signature Verification, OSV）是仅基于签名图像判断真伪的任务，在金融票据验证、合同签署审查、档案文书管理、司法鉴定等领域具重要应用价值，但受复杂背景（签名与印刷文本、印章重叠）、图像质量差（分辨率小、模糊、形变）、数据量小（易致模型过拟合）三大挑战制约。现有脱机签名认证数据集采集于实验室受控环境，背景干净、分辨率统一、样本差异小，虽便于算法训练，却在实际文档场景中表现欠佳。 为解决上述问题，本研究采集构建来源于真实文档的大规模脱机签名数据集。原始样本来自2008-2023年公开可获取的企业IPO申报材料、上市公司年报、季度财务报告、证券监管文件等可靠PDF文档，通过网络爬虫批量爬取后，用自动化脚本将PDF逐页解析转换为高分辨率PNG图像。筛选环节先做区域分割与初步检测，再由两名经验标注者人工复核，保留真实含签名页面并校正页面方向；标注采用最小外接四边形方式，平衡精度与效率。 数据清洗阶段，通过红色通道阈值分割去除红色印章，利用手写文字区域检测网络过滤印刷体文本与背景内容。最终数据集含86,932个脱机签名样本，覆盖27,942个不同姓名、2,179个常用汉字；姓名频次呈长尾分布（44.7%的姓名仅出现0-5次，3%超过100次），“王”“张”“李”“陈”“刘”等姓氏频次最高；签名多位于文档中下区域，外接框长宽比集中在0.5-2之间，且包含易识别、不易识别、复杂背景、多样风格等多类样本，为复杂场景下OSV算法评估与改进提供贴近实际的基准数据。