No âmbito da biometria comportamental, o reconhecimento automático de assinaturas manuscritas off-line se destaca pela boa aceitação em diversos segmentos, tais como Bancos, Cartórios e Imobiliárias. Dentre os fatores que estimulam sua utilização estão a facilidade na aquisição, pois não depende de equipamentos específicos, e seu valor legal ao ser realizada de próprio punho. No intuito de investigar métodos alternativos para realizar sua verificação automática, esta dissertação testa uma abordagem baseada no Coeficiente de Correlação de Pearson. O experimento foi realizado em seis etapas; da primeira à terceira, são utilizadas variações na extração de características, sem o auxílio de um classificador baseado em aprendizado automático. No quarto experimento, foi utilizada uma rede neural artificial como classificador, para efeito de comparação com os resultados anteriores. No quinto experimento, um peso associado ao limiar de resposta utilizado nos experimentos anteriores foi adicionado objetivando minimizar efeitos dos falsos positivos obtidos. No sexto e último experimento, para efeito de comparação com trabalhos relacionados, foi utilizada a base de dados disponibilizada no ICDAR (Conferência Internacional em Reconhecimento e Análise de Documentos) 2011. A configuração empregada nesta etapa, a qual utilizou a base do ICDAR, foi a do melhor experimento realizado dentre os anteriores. Os métodos propostos apresentaram resultados promissores em comparação com os resultados apresentados na literatura.In the field of behavioral biometrics, automatic off-line handwritten signature recognition stands out for its widespread acceptance in different market segments, such as Banks, Civil Registry Offices and Real State Agencies. Among the reasons why its use is widely stimulated are its ease of acquisition, once it does not depend on specific equipment, and its legal value when it is done by the author’s own handwriting. With the purpose of searching for alternative methods to proceed to its automatic verification, this essay tests out an approach based on Pearson Correlation Coefficient. The experiment was carried out through six steps; from the first to the third ones, there were used variations for feature extraction, without the assistance of a learning classifier. In the fourth experiment, there was used an artificial neural network as a classifier, in order to compare its results with those obtained in the previous tests. In the fifth experiment, a weight associated to the threshold results obtained in the previous experiments was added, so as to minimize the false positive rate. In the sixth and last experiment, for comparison with related essays, there was used the ICDAR (International Conference on Document Analysis and Recognition) 2011 database. The configuration utilized in this last step was the one obtained in the best test among the previous ones. The proposed methods presented promising results compared to others reported in the literature.