心纹识别方法、终端以及可读储存介质技术

本发明专利技术公开了一种心纹识别方法、终端以及可读储存介质，所述心纹识别方法包括以下步骤：获取心电信号，所述心电信号包括输入的目标心纹信号与数据库中的心电信号，训练卷积神经网络提取所述心电信号的特征数据；根据联合贝叶斯算法与特征数据获取目标心纹信号与数据库中的各心电信号的相似度；根据所述相似度从数据库中的心电信号中确定与目标心纹信号匹配的目标心电信号，并根据目标心电信号确定目标心纹信号所属对象的身份。本发明专利技术所通过卷积神经网络提取出心电信号中的特征，再通过联合贝叶斯算法计算出各心电信号特征的相似度，然后通过心电信号特征的相似度识别心电信号，并且简单易用，增加了心纹识别的准确性与实用性。 1

Core recognition method, terminal and readable storage medium

The present invention discloses a heart pattern recognition method, a terminal and a readable storage medium. The heart pattern recognition method includes the following steps: obtaining the ECG signal, the ECG signal including the input target heart pattern signal and the ECG signal in the database; training the convolution neural network to extract the characteristic data of the ECG signal; According to the similarity degree, the similarity degree of the target heart signal and the heart signal in the database is obtained according to the joint Bayes algorithm and the feature data, and the target ECG signal is determined from the ECG signal in the database and the target ECG signal is determined according to the target ECG signal. The invention uses the convolution neural network to extract the features of the cardiac signal, and then calculates the similarity of the ECG signals by the joint Bayes algorithm, and then identifies the ECG signals through the similarity of the characteristics of the ECG signals, and is simple and easy to use, and increases the accuracy and practicability of the heart pattern recognition. One

【技术实现步骤摘要】
心纹识别方法、终端以及可读储存介质
本专利技术涉及图像处理
，尤其涉及一种心纹识别方法、终端以及可读储存介质
技术介绍
如今根据人体特征进行身份识别的方法有很多，例如指纹、人脸、虹膜识别等识别方法，但是通过心电信号进行身份识别的方式却十分罕见。心电信号中含有很多独特的健康信息，例如房颤、早搏等，因此心电信号也具备了不可复制的特点。但是目前心电信号的识别方法主要是通过计算心电信号的几何特征，像是QRS波(QRSwave，指正常心电信号中幅度最大的波)的高度，面积，ST(ST-segment，由QRS波群结束到T波开始的平线)段的斜率等等，然后根据这些特征进行心电信号的识别，但是上述的识别方式在准确率上却还不能够达到令人满意的程度。
技术实现思路
本专利技术的主要目的在于提供一种心纹识别方法，旨在解决通过心电信号进行身份识别时准确率不足的问题。为实现上述目的，本专利技术提供一种心纹识别方法，所述心纹识别方法包括以下步骤：获取心电信号，所述心电信号包括输入的目标心纹信号与数据库中的心电信号，训练卷积神经网络提取所述心电信号的特征数据；根据联合贝叶斯算法与特征数据获取目标心纹信号与数据库中的各心电信号的相似度；根据所述相似度从数据库中的心电信号中确定与目标心纹信号匹配的目标心电信号，并根据目标心电信号确定目标心纹信号所属对象的身份。可选地，所述训练卷积神经网络提取所述心电信号的特征数据的步骤包括：通过对心电信号进行清洗处理得到训练数据；根据卷积神经网络与训练数据获取所述心电信号的特征数据。可选地，所述通过对心电信号进行清洗处理得到训练数据的步骤包括：将所述心电信号的波形进行预设方式的截取，得到满足波形数量规律的训练数据。可选地，所述根据卷积神经网络与训练数据获取所述心电信号的特征数据的步骤包括：通过输入训练数据对神经网络进行训练，当准确率大于预设比例时，则判定神经网络训练完成训练；将心电数据输入所述神经网络得到心电信号的特征数据。可选地，所述根据联合贝叶斯算法与特征数据获取目标心纹信号与数据库中的各心电信号的相似度的步骤包括：所述训练数据通过对心电信号进行清洗处理来获取；计算训练数据的协方差矩阵，所述协方差矩阵包括类内协方差矩阵与类间协方差矩阵；根据联合贝叶斯算法与协方差矩阵，计算出目标心纹信号与数据库中的心电信号的相似度。可选地，所述根据联合贝叶斯算法计算出目标心纹信号与数据库中的心电信号的相似度的步骤包括：将两个心电信号的特征数据带入联合贝叶斯算法中得出两个心电信号相似度，所述两个心电信号为目标心纹信号与一个数据库中的心电信号。可选地，所述根据所述相似度从数据库中的心电信号中确定与目标心纹信号匹配的目标心电信号的步骤包括：若所述相似度大于预设阈值，则判定所述心电信号是与目标心纹信号匹配的目标心电信号；若所述相似度小于等于预设阈值，判定所述心电信号不是与目标心纹信号匹配的目标心电信号。此外，为实现上述目的，本专利技术还提供一种终端，所述终端包括：存储器、处理器及存储在所述存储器上并可在所述处理器上运行的心纹识别程序，所述心纹识别程序被所述处理器执行时实现如上所述心纹识别方法的步骤。此外，为实现上述目的，本专利技术还提供一种计算机可读储存介质，所述计算机可读储存介质上存储的心纹识别程序，所述心纹识别程序被处理器执行时实现如上所述的心纹识别方法的步骤。本专利技术提出的心纹识别方法，通过数据训练卷积神经网络来提取心电信号的特征数据，然后将特征数据通过联合贝叶斯算法进行相似度的比较，来判断心电信号是否属于同一个人。由于心电信号数据较为复杂，因此通过训练卷积神经网络来有效的提取心电信号的特征数据，并且使用联合贝叶斯算法来计算特征数据的相似度也可以显著的增加识别的准确率。解决了心纹识别中难以确定心电信号特征，并且心纹识别的准确率偏低的问题，实现了高效率，高准确率的心纹识别。附图说明图1是本专利技术实施例方案涉及的硬件运行环境的终端\装置结构示意图；图2为本专利技术心纹识别方法一实施例的流程示意图；图3为本专利技术心纹识别方法卷积神经网络结构示意图；图4为本专利技术心纹识别方法联合贝叶斯算法的流程示意图。本专利技术目的的实现、功能特点及优点将结合实施例，参照附图做进一步说明。具体实施方式应当理解，此处所描述的具体实施例仅仅用以解释本专利技术，并不用于限定本专利技术。如图1所示，图1是本专利技术实施例方案涉及的硬件运行环境的终端结构示意图。本专利技术实施例终端可以是心纹识别终端，也可以是智能手机、平板电脑、便携计算机等具有显示功能的可移动式终端设备。如图1所示，该终端可以包括：处理器1001，例如CPU，网络接口1004，用户接口1003，存储器1005，通信总线1002。其中，通信总线1002用于实现这些组件之间的连接通信。用户接口1003可以包括显示屏(Display)、输入单元比如键盘(Keyboard)，可选用户接口1003还可以包括标准的有线接口、无线接口。网络接口1004可选的可以包括标准的有线接口、无线接口(如WI-FI接口)。存储器1005可以是高速RAM存储器，也可以是稳定的存储器(non-volatilememory)，例如磁盘存储器。存储器1005可选的还可以是独立于前述处理器1001的存储装置。本领域技术人员可以理解，图1中示出的终端结构并不构成对终端的限定，可以包括比图示更多或更少的部件，或者组合某些部件，或者不同的部件布置。如图1所示，作为一种计算机存储介质的存储器1005中可以包括操作系统、网络通信模块、用户接口模块以及心纹识别程序。在图1所示的终端中，网络接口1004主要用于连接后台服务器，与后台服务器进行数据通信；用户接口1003主要用于连接客户端(用户端)，与客户端进行数据通信；而处理器1001可以用于调用存储器1005中存储的心纹识别程序，并执行以下操作：获取心电信号，所述心电信号包括输入的目标心纹信号与数据库中的心电信号，训练卷积神经网络提取所述心电信号的特征数据；根据联合贝叶斯算法与特征数据获取目标心纹信号与数据库中的各心电信号的相似度；根据所述相似度从数据库中的心电信号中确定与目标心纹信号匹配的目标心电信号，并根据目标心电信号确定目标心纹信号所属对象的身份。进一步地，处理器1001可以调用存储器1005中存储的心纹识别程序，还执行以下操作：通过对心电信号进行清洗处理得到训练数据；根据卷积神经网络与训练数据获取所述心电信号的特征数据。所述通过对心电信号进行清洗处理得到训练数据的步骤包括：将所述心电信号的波形进行预设方式的截取，得到满足波形数量规律的训练数据。所述根据卷积神经网络与训练数据获取所述心电信号的特征数据的步骤包括：通过输入训练数据对神经网络进行训练，当准确率大于预设比例时，则判定神经网络训练完成训练；将心电数据输入所述神经网络得到心电信号的特征数据。进一步地，处理器1001可以调用存储器1005中存储的心纹识别程序，还执行以下操作：所述训练数据通过对心电信号进行清洗处理来获取；计算训练数据的协方差矩阵，所述协方差矩阵包括类内协方差矩阵与类间协方差矩阵；根据联合贝叶斯算法，计算出目标心纹信号与数据库中的心电信号的相似度。所述根据联合贝叶斯算法，计算出目标心纹信号与数据库中的心电信号的相似度的步骤包括：将两个心电信号的本文档来自技高网...

【技术保护点】
1.一种心纹识别方法，其特征在于，所述心纹识别方法包括以下步骤：

【技术特征摘要】
1.一种心纹识别方法，其特征在于，所述心纹识别方法包括以下步骤：获取心电信号，所述心电信号包括输入的目标心纹信号与数据库中的心电信号，训练卷积神经网络提取所述心电信号的特征数据；根据联合贝叶斯算法与特征数据获取目标心纹信号与数据库中的各心电信号的相似度；根据所述相似度从数据库中的心电信号中确定与目标心纹信号匹配的目标心电信号，并根据目标心电信号确定目标心纹信号所属对象的身份。2.如权利要求1所述的心纹识别方法，其特征在于，所述训练卷积神经网络提取所述心电信号的特征数据的步骤包括：通过对心电信号进行清洗处理得到训练数据；根据卷积神经网络与训练数据获取所述心电信号的特征数据。3.如权利要求2所述的心纹识别方法，其特征在于，所述通过对心电信号进行清洗处理得到训练数据的步骤包括：将所述心电信号的波形进行预设方式的截取，得到满足波形数量规律的训练数据。4.如权利要求2所述的心纹识别方法，其特征在于，所述根据卷积神经网络与训练数据获取所述心电信号的特征数据的步骤包括：通过输入训练数据对神经网络进行训练，当准确率大于预设比例时，则判定神经网络训练完成训练；将心电数据输入所述神经网络得到心电信号的特征数据。5.如权利要求1所述的心纹识别方法，其特征在于，所述根据联合贝叶斯算法与特征数据获取目标心纹信号与数据库中的各心电信号的相似度的步骤包括：所述训练数据通过对心电信号进行清洗处理来获取；计算训练数据的协方差矩阵，所述协方差矩阵包括类内协方差矩阵与类间协方差矩阵；根...

【专利技术属性】
技术研发人员：郑慧敏，
申请(专利权)人：深圳竹信科技有限公司，
类型：发明
国别省市：广东,44