The invention discloses a human body identification method based on the characteristics of gait trajectory curve. According to the gait acceleration curve in time domain, the gait identification problem is transformed into the trajectory curve shape matching problem. From the point of view of imagery, this paper uses Fourier descriptors to describe the global trajectory curve features of the thicker contour of the gait curve, and puts forward the concept of direction angle descriptors to further characterize the meticulous local trajectory curve features of the gait curve, and finally combines the two to complete the matching of the gait trajectory curve. The results show that the gait trajectory curves proposed in this paper can be used for identification very well.
【技术实现步骤摘要】
基于步态轨迹曲线特征的人体身份识别
本专利技术属于信息安全领域,具体涉及一种基于步态轨迹曲线特征的人体身份识别方法。
技术介绍
据台湾《电子时报》报道,工信部的统计数据显示,截止到2014年5月底中国的手机用户数量已达到12.56亿人,相较4月份增长了0.36%,比去年同期增长了7.82%,相当于中国90.8%的人都在使用手机。2016年5月17日,中国互联网协会、国家互联网应急中心(CNCERT)在京首次联合发布了《中国移动互联网发展状况及其安全报告(2016)》。报告显示,2015年中国境内活跃的手机网民数量达7.8亿,占全国人口数量的56.9%。手机安全问题依然严峻,而用户身份识别是保护信息安全的首要步骤。目前智能手机大都配备了摄像头、加速度传感器、陀螺仪等各种传感器,这些传感器能够记录下每个人所特有的生物特征,目前常见的生物特征有签名、指纹、声音、虹膜和步态等。由于生物特征是人本身固有的,具有不易丢失、盗取和遗忘的优点。但这些生物特征识别方式也存在一些缺点,例如指纹、虹膜、人脸等生物特征识别需要用户近距离接触,而且也需要高分辨率的图像,应用范围有限。人类的步态包含非常独特的模式,可用于身份的识别和验证。加速度传感器以其低廉的价格、高的灵敏度和较小的体积被广泛应用于智能手机中。其具有的独特优势使研究人员逐渐认识到它在基于步态的身份识别领域的应用前景。基于步态的身份识别主要的难点和重点集中在特征提取和分类识别方法上,特征提取是为了从步态加速度传感器信号中提取可以表征人体身份的特征向量,是基于智能手机传感器的用户身份识别技术中的关键所在,其好坏会直接影响 ...
【技术保护点】
1.一种基于步态轨迹曲线特征的人体身份识别方法,其特征在于,包括较粗轮廓的全局轨迹曲线特征提取步骤和较细致的局部轨迹曲线特征提取步骤;较粗轮廓的全局轨迹曲线特征提取步骤包括:(1)数据获取:利用智能手机内置加速度传感器采集步态加速度数据,采样频率为100Hz;(2)数据预处理:对原始步态数据进行预处理的主要目的就是为了减少噪声干扰,其中噪声主要来源于一些不可避免的因素,例如因呼吸、晃动造成的人体自然生理抖动、传感器自身的噪声、重力加速度的干扰等各种各样的干扰因素,通常常见的预处理技术主要有:有效步态数据截取、滤波去噪、归一化等;(3)标准步态曲线获取:已知步态数据是时变的周期信号,为减少计算量,只考虑步态的单个标准周期,利用单个标准周期特征来表征整个步态特征;(4)步态曲线的闭合化:步态时序曲线是一条未封闭的曲线,而傅里叶描述符不能对非闭合曲线轮廓特征进行描述,因此对步态数据首尾点做连线并以此连线为轴进行镜像处理,构成封闭的曲线;(5)粗轮廓的轨迹曲线特征提取:傅里叶描述子是一种基于频域变换的形状表示算法,对于轨迹曲线特征有很强的描述和识别的能力,变换后的步态轨迹曲线的全局特征大都集中 ...
【技术特征摘要】
1.一种基于步态轨迹曲线特征的人体身份识别方法,其特征在于,包括较粗轮廓的全局轨迹曲线特征提取步骤和较细致的局部轨迹曲线特征提取步骤;较粗轮廓的全局轨迹曲线特征提取步骤包括:(1)数据获取:利用智能手机内置加速度传感器采集步态加速度数据,采样频率为100Hz;(2)数据预处理:对原始步态数据进行预处理的主要目的就是为了减少噪声干扰,其中噪声主要来源于一些不可避免的因素,例如因呼吸、晃动造成的人体自然生理抖动、传感器自身的噪声、重力加速度的干扰等各种各样的干扰因素,通常常见的预处理技术主要有:有效步态数据截取、滤波去噪、归一化等;(3)标准步态曲线获取:已知步态数据是时变的周期信号,为减少计算量,只考虑步态的单个标准周期,利用单个标准周期特征来表征整个步态特征;(4)步态曲线的闭合化:步态时序曲线是一条未封闭的曲线,而傅里叶描述符不能对非闭合曲线轮廓特征进行描述,因此对步态数据首尾点做连线并以此连线为轴进行镜像处理,构成封闭的曲线;(5)粗轮廓的轨迹曲线特征提取:傅里叶描述子是一种基于频域变换的形状表示算法,对于轨迹曲线特征有很强的描述和识别的能力,变换后的步态轨迹曲线的全局特征大都集中在低频部分,而高频部分体现步态轨迹曲线的细节特征,因此选取前15个低频傅里叶系数作为总体轨迹形状特征:其中xi,yi为任意一点i的横纵坐标,Si(0≤i≤N-1)为曲线上任意一点到起始点的曲线长,傅里叶级数的各项系数Cn为复数,模向量C=(||c1||,||c2||,...,||ck||),对C进行归一化处理,得到傅里叶形状描述子d(i):(6)细致的局部曲线轨迹特征提取:傅里叶描述子倾向于表现全局特征,...
【专利技术属性】
技术研发人员:郇战,万彩艳,李晨,陈学杰,
申请(专利权)人:常州大学,
类型:发明
国别省市:江苏,32
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。