基于心电数据进行身份识别的方法、装置及电子设备制造方法及图纸

本申请提供一种基于心电数据进行身份识别的方法、装置及电子设备。该方法包括：从心电图信号中确定至少一组目标心电数据，其中，每一组目标心电数据均为相邻两个R峰之间的数据；基于与参考心率对应的一组参考心电数据，调整每一组目标心电数据，得到调整后的至少一组目标心电数据；基于调整后的至少一组目标心电数据与预设的目标身份的一组参考心电数据，识别所述心电图信号的身份。通过本方案，可以提高基于心电数据的身份识别的精确度。

【技术实现步骤摘要】
基于心电数据进行身份识别的方法、装置及电子设备
本申请涉及生物识别
，尤其涉及一种基于心电数据进行身份识别的方法、装置及电子设备。
技术介绍
利用生物特征的唯一性实现身份识别已广泛应用在许多领域，如人脸识别、虹膜识别、指纹识别等等，由于人脸识别、虹膜识别等所要识别的模式几乎可以认定是刚性的，即，同一个人在不同时刻的生物特征不会随着时间的变化而变化。对于人体的心电图(electrocardiogram，简称为ecg)信号而言，与生物特征类似，其也具有个体唯一性，但由于同一个人在不同时刻的心拍可能会随着心率的变化而出现模式特征的变化，例如，ecg信号中的T波与R峰之间的相对距离会随着心率的变化而变化，因此基于心电图进行身份识别(ecg-BioID)带来较大的挑战。
技术实现思路
有鉴于此，本申请提供一种基于心电数据进行身份识别的方法、装置及电子设备，以提高基于心电数据的身份识别的精确度。具体地，本申请是通过如下技术方案实现的：第一方面，本申请提供了一种基于心电数据进行身份识别的方法，所述方法包括：从心电图信号中确定至少一组目标心电数据，其中，每一组目标心电数据均为相邻两个R峰之间的数据；基于与参考心率对应的一组参考心电数据，调整每一组目标心电数据，得到调整后的至少一组目标心电数据；基于调整后的至少一组目标心电数据与预设的目标身份的一组参考心电数据，识别所述心电图信号的身份。可选地，所述基于与参考心率对应的一组参考心电数据，调整每一组目标心电数据的步骤，包括：基于每一组目标心电数据的实际长度和采样率，确定每一组目标心电数据的实时心率；基于预设对应关系和每一组目标心电数据的实时心率，确定每一组目标心电数据中T波的第二位置，其中，所述预设对应关系为T波位置与心率的对应关系；基于第一位置和每一组目标心电数据中T波的第二位置，对每一组目标心电数据进行调整，其中，所述第一位置为参考T波在与参考心率对应的一组参考心电数据中的位置，所述参考T波为与参考心率对应的一组参考心电数据中的T波。可选地，所述基于第一位置和每一组目标心电数据中T波的第二位置，对每一组目标心电数据进行调整的步骤，包括：基于第一位置和每一组目标心电数据中T波的第二位置的差值，确定每一组目标心电数据中T波需要平移的第一位移量以及每一组目标心电数据中T波需要调整的第一方向；基于所述第一位移量和所述第一方向，调整每一组目标心电数据中T波的位置；基于所述第一位移量确定每一组目标心电数据中P波需要平移的第二位移量，以及基于所述第一方向确定每一组目标心电数据中P波需要调整的第二方向；基于所述第二位移量和所述第二方向，调整每一组目标心电数据中P波的位置。可选地，所述基于调整后的至少一组目标心电数据与预设的目标身份的一组参考心电数据，识别所述心电图信号的身份的步骤，包括：利用已训练的第一卷积神经网络、第二卷积神经网络和第三卷积神经网络，基于调整后的至少一组目标心电数据与预设的目标身份的一组参考心电数据，识别所述心电图信号的身份；其中，所述第一卷积神经网络的输出结果和所述第二卷积神经网络的输出结果具有相同维度，所述第一卷积神经网络的输入内容与调整后的至少一组目标心电数据相关，所述第二卷积神经网络的输入内容为所述目标身份的一组参考心电数据，所述第三卷积神经网络的输入内容为所述第一卷积神经网络和所述第二卷积神经网络的输出内容。可选地，所述利用已训练的第一卷积神经网络、第二卷积神经网络和第三卷积神经网络，基于调整后的至少一组目标心电数据与预设的目标身份的一组参考心电数据，识别所述心电图信号的身份的步骤，包括：对调整后的至少一组目标心电数据进行求平均，得到一组平均心电数据；将所得到的一组平均心电数据输入到已训练的第一卷积神经网络中，得到调整后的至少一组目标心电数据所对应的第一组特征数据；将预设的目标身份的一组参考心电数据输入到已训练的第二卷积神经网络中，得到所述目标身份的一组参考心电数据所对应的第二组特征数据；将所述第一组特征数据和所述第二组特征数据输入到已训练的第三卷积神经网络中，得到两个特征数据；基于所述两个特征数据的大小关系，识别所述心电图信号的身份。可选地，所述利用已训练的第一卷积神经网络、第二卷积神经网络和第三卷积神经网络，基于调整后的至少一组目标心电数据与预设的目标身份的一组参考心电数据，识别所述心电图信号的身份的步骤，包括：将调整后的每一组目标心电数据顺次输入到已训练的第一卷积神经网络中，得到调整后的每一组目标心电数据所对应的第三组特征数据；将预设的目标身份的一组参考心电数据中输入到已训练的第二卷积神经网络中，得到所述目标身份的一组参考心电数据所对应的第四组特征数据；针对调整后的每一组目标心电数据所对应的第三组特征数据，将调整后的该组目标心电数据所对应的第三组特征数据和所述第四组特征数据输入到已训练的第三卷积神经网络中，得到调整后的该组目标心电数据所对应的两个特征数据；基于调整后的每一组目标心电数据所对应的两个特征数据的大小关系，识别所述心电图信号的身份。可选地，当调整后的至少一组目标心电数据超过两组时，所述利用已训练的第一卷积神经网络、第二卷积神经网络和第三卷积神经网络，基于调整后的至少一组目标心电数据与预设的目标身份的一组参考心电数据，识别所述心电图信号的身份的步骤，包括：将调整后的至少一组目标心电数据划分到目标数量的集合中，每一集合中包括至少一组目标心电数据，且所述目标数量小于调整后的至少一组目标心电数据的数量；针对每一集合，对该集合中的目标心电数据进行求平均，得到该集合对应的一组平均心电数据；将每一集合对应的一组平均心电数据顺次输入到已训练的第一卷积神经网络中，得到每一集合所对应的第五组特征数据；将预设的目标身份的一组参考心电数据中输入到已训练的第二卷积神经网络中，得到所述目标身份的一组参考心电数据所对应的第六组特征数据；针对每一集合所对应的第五组特征数据，将该集合对应的第五组特征数据和所述第六组特征数据输入到已训练的第三卷积神经网络中，得到该集合对应的两个特征数据；基于每一集合对应的两个特征数据的大小关系，识别所述心电图信号的身份。第二方面，本申请提供了一种基于心电数据进行身份识别的装置，所述装置包括：目标心电数据获得单元，用于从心电图信号中确定至少一组目标心电数据，其中，每一组目标心电数据均为相邻两个R峰之间的数据；目标心电数据调整单元，用于基于与参考心率对应的一组参考心电数据，调整每一组目标心电数据，得到调整后的至少一组目标心电数据；身份识别单元，用于基于调整后的至少一组目标心电数据与预设的目标身份的一组参考心电数据，识别所述心电图信号的身份。可选地，所述目标心电数据调整单元包括：实时心率确定子单元，用于基于每一组目标心电数据的实际长度和采样率，确定每一组目标心电数据的实时心率；第二位置确定子单元，用于基于预设对应关系和每一组目标心电数据的实时心率，确定每一组目标心电数据中T波的第二位置，其中，所述预设对应关系为T波位置与心率的对应关系；调整子单元，用于基于第一位置和每一组目标心电数据中T波的第二位置，对每一组目标心电数据进行调整，其中，所述第一位置为参考T波在与参考心率对应的一组参考心电数据中的位置，所述参考T波为与参考心率对应的一本文档来自技高网...

【技术保护点】
一种基于心电数据进行身份识别的方法，其特征在于，所述方法包括：从心电图信号中确定至少一组目标心电数据，其中，每一组目标心电数据均为相邻两个R峰之间的数据；基于与参考心率对应的一组参考心电数据，调整每一组目标心电数据，得到调整后的至少一组目标心电数据；基于调整后的至少一组目标心电数据与预设的目标身份的一组参考心电数据，识别所述心电图信号的身份。

【技术特征摘要】
1.一种基于心电数据进行身份识别的方法，其特征在于，所述方法包括：从心电图信号中确定至少一组目标心电数据，其中，每一组目标心电数据均为相邻两个R峰之间的数据；基于与参考心率对应的一组参考心电数据，调整每一组目标心电数据，得到调整后的至少一组目标心电数据；基于调整后的至少一组目标心电数据与预设的目标身份的一组参考心电数据，识别所述心电图信号的身份。2.根据权利要求1所述的方法，其特征在于，所述基于与参考心率对应的一组参考心电数据，调整每一组目标心电数据的步骤，包括：基于每一组目标心电数据的实际长度和采样率，确定每一组目标心电数据的实时心率；基于预设对应关系和每一组目标心电数据的实时心率，确定每一组目标心电数据中T波的第二位置，其中，所述预设对应关系为T波位置与心率的对应关系；基于第一位置和每一组目标心电数据中T波的第二位置，对每一组目标心电数据进行调整，其中，所述第一位置为参考T波在与参考心率对应的一组参考心电数据中的位置，所述参考T波为与参考心率对应的一组参考心电数据中的T波。3.根据权利要求2所述的方法，其特征在于，所述基于第一位置和每一组目标心电数据中T波的第二位置，对每一组目标心电数据进行调整的步骤，包括：基于第一位置和每一组目标心电数据中T波的第二位置的差值，确定每一组目标心电数据中T波需要平移的第一位移量以及每一组目标心电数据中T波需要调整的第一方向；基于所述第一位移量和所述第一方向，调整每一组目标心电数据中T波的位置；基于所述第一位移量确定每一组目标心电数据中P波需要平移的第二位移量，以及基于所述第一方向确定每一组目标心电数据中P波需要调整的第二方向；基于所述第二位移量和所述第二方向，调整每一组目标心电数据中P波的位置。4.根据权利要求1-3任一项所述的方法，其特征在于，所述基于调整后的至少一组目标心电数据与预设的目标身份的一组参考心电数据，识别所述心电图信号的身份的步骤，包括：利用已训练的第一卷积神经网络、第二卷积神经网络和第三卷积神经网络，基于调整后的至少一组目标心电数据与预设的目标身份的一组参考心电数据，识别所述心电图信号的身份；其中，所述第一卷积神经网络的输出结果和所述第二卷积神经网络的输出结果具有相同维度，所述第一卷积神经网络的输入内容与调整后的至少一组目标心电数据相关，所述第二卷积神经网络的输入内容为所述目标身份的一组参考心电数据，所述第三卷积神经网络的输入内容为所述第一卷积神经网络和所述第二卷积神经网络的输出内容。5.根据权利要求4所述的方法，其特征在于，所述利用已训练的第一卷积神经网络、第二卷积神经网络和第三卷积神经网络，基于调整后的至少一组目标心电数据与预设的目标身份的一组参考心电数据，识别所述心电图信号的身份的步骤，包括：对调整后的至少一组目标心电数据进行求平均，得到一组平均心电数据；将所得到的一组平均心电数据输入到已训练的第一卷积神经网络中，得到调整后的至少一组目标心电数据所对应的第一组特征数据；将预设的目标身份的一组参考心电数据输入到已训练的第二卷积神经网络中，得到所述目标身份的一组参考心电数据所对应的第二组特征数据；将所述第一组特征数据和所述第二组特征数据输入到已训练的第三卷积神经网络中，得到两个特征数据；基于所述两个特征数据的大小关系，识别所述心电图信号的身份。6.根据权利要求4所述的方法，其特征在于，所述利用已训练的第一卷积神经网络、第二卷积神经网络和第三卷积神经网络，基于调整后的至少一组目标心电数据与预设的目标身份的一组参考心电数据，识别所述心电图信号的身份的步骤，包括：将调整后的每一组目标心电数据顺次输入到已训练的第一卷积神经网络中，得到调整后的每一组目标心电数据所对应的第三组特征数据；将预设的目标身份的一组参考心电数据中输入到已训练的第二卷积神经...

【专利技术属性】
技术研发人员：汪孔桥，朱国康，赵威，李宏扬，梁金升，李潇，
申请(专利权)人：北京顺源开华科技有限公司，
类型：发明
国别省市：北京,11