在线笔迹签名在PC端、移动端等各领域广泛应用,虽然目前的在线鉴别方法很多,但还没有一种达到实际应用的高精度方法。因此,充分挖掘原始在线笔迹数据的价值,提出精度更高的在线笔迹鉴别方法,是一个值得深入研究的问题。本文深入研究了在线笔迹鉴别的方法,介绍了笔迹鉴别的各种方法,发现即使是同一人的两个在线笔迹信息（比如压力等动态信息）,也会因为前后时间、环境等因素而产生差异,有时候这种差异甚至是巨大的,这对在线笔迹鉴别精度的进一步提高是个巨大的障碍,本文着眼于解决这个问题,在充分调研和分析各种笔迹鉴别方法基础上,提出了时序特征和空间特征融合（简称时空特征融合）的在线鉴别的方法。本文的主要工作为:（1）对笔迹鉴别的技术进行了归纳和总结,从空间图像的生成及预处理、时序特征提取和空间特征提取等三方面对本文的在线笔迹鉴别研究过程进行了论述。（2）在时序特征提取上,本文提出了两个分支的暹罗网络来分别提取参考签名、测试签名的时序特征,每个分支由一个预训练好的自动编码器的编码部分构成,同时使用了时序上的自注意力机制提高时序特征提取能力,以及Dropout降低过拟合。（3）提出了压敏区域插值法和压力断点法两种生成空间图像的方法。在空间特征提取上,本文提出了四分支的暹罗网络,每个分支由堆叠式的卷积层和最大池化层组成,四个分支的输出按照一定规则连接,然后经过全局平均池化层得到空间特征向量,同时使用了反灰度监督抑制背景干扰和通道注意力机制增强对笔画信息的关注。（4）实验数据集使用SigWiComp2013和SUSIG数据集。从时序特征提取角度,本文深入讨论分析了LSTM和GRU、时序自注意力机制、下采样率不同等因素对时序特征提取性能的影响并做了对比实验分析。在空间特征提取方面,本文研究了时序数据生成在线笔迹的空间图像的方法,还讨论分析了深度可分离卷积和深度不分离卷积对空间特征提取的影响并做了对比实验。