一种跨域心电图生物特征身份识别方法技术

本发明专利技术提供了一种跨域心电图生物特征身份识别方法。该方法包括：建立ECG数据集，从ECG数据集中选取数据样本信号；对数据样本信号进行时域特征、频域特征和能量域特征提取；利用改进后的CNN卷积神经网络构建ECG生物特征身份识别模型，将数据样本信号的时域特征、频域特征和能量域特征输入到ECG生物特征身份识别模型，得到数据样本信号的ECG生物特征身份识别结果。本发明专利技术的跨域ECG生物特征身份识别方法即使训练时间和应用时间之间的间隔足够大，也可以有效地提高ECG生物特征身份识别的准确率。

A Cross-domain ECG Biometric Identity Recognition Method

【技术实现步骤摘要】
一种跨域心电图生物特征身份识别方法
本专利技术涉及生物特征身份识别
，尤其涉及一种跨域心电图生物特征身份识别方法。
技术介绍
生物特征身份识别是利用人体的生理特征或行为特征进行生物认证的一种技术，它是快速发展的信息安全领域的技术之一，已经在医疗、金融、安防、监控等方面得到广泛应用，并逐渐进入人类活动的更多领域。研究表明，可以作为生物特征身份识别的生理特征和行为特征有很多种，例如：指纹、虹膜、面部、ECG(electrocardiogram，心电图)和字迹、步态等。随着ECG数据量的逐年增长，以及机器学习、深度学习等领域的不断发展，基于机器学习和深度学习的ECG生物特征身份识别方法引起了人们的广泛关注。ECG作为一种具有较高的抵抗伪造攻击的生物特征身份识别方法，具有约95％的识别准确率。然而，本专利技术实施例发现，如果在训练时间和应用时间之间存在显著间隔的实际环境中应用ECG，准确率将急剧降低至40％。现有工作忽略了生物特征身份识别的实际应用场景，生物特征收集和应用通常分布在很长的时间尺度上，而长时间尺度的ECG是高度动态变化的。针对以上问题，有人提出使用非基准随机起始点定长分割本文档来自技高网...

【技术保护点】
1.一种跨域心电图生物特征身份识别方法，其特征在于，包括：建立心电图ECG数据集，从ECG数据集中选取数据样本信号；对所述数据样本信号进行时域特征、频域特征和能量域特征提取；利用改进后的CNN卷积神经网络构建ECG生物特征身份识别模型，将所述数据样本信号的时域特征、频域特征和能量域特征输入到ECG生物特征身份识别模型，得到所述数据样本信号的ECG生物特征身份识别结果。

【技术特征摘要】
1.一种跨域心电图生物特征身份识别方法，其特征在于，包括：建立心电图ECG数据集，从ECG数据集中选取数据样本信号；对所述数据样本信号进行时域特征、频域特征和能量域特征提取；利用改进后的CNN卷积神经网络构建ECG生物特征身份识别模型，将所述数据样本信号的时域特征、频域特征和能量域特征输入到ECG生物特征身份识别模型，得到所述数据样本信号的ECG生物特征身份识别结果。2.根据权利要求1所述的方法，其特征在于，所述的建立ECG数据集，包括：选取数据库PTBDB和ECG-ID中的心电信号数据作为ECG数据集，通过Butterworth滤波器和IIR滤波器对所述ECG数据集中的心电信号数据的工频干扰、随机噪声和基线漂移进行噪声滤波处理。3.根据权利要求2所述的方法，其特征在于，所述的从ECG数据集中选取数据样本信号，包括：在给定时间段中选取数据样本信号的时间起始点，在所述ECG数据集中以所述时间起始点为起点向后选取一段固定时间长度的心电信号数据序列作为数据样本信号，该数据样本信号的表达式如下：其中，表示获取到的第s个个体心电信号数据的第i个样本X，表示选取的第s个个体心电信号数据的第j条记录R，Pi表示第i个数据样本信号的起始位置，Ei表示第i个数据样本信号的终止位置；Ei＝Pi+t*f其中，t表示单个个体心电信号数据的时间长度，f表示采样频率。4.根据权利要求1至3任一项所述的方法，其特征在于，所述的对所述数据样本信号进行时域特征、频域特征和能量域特征提取，包括：选取数据样本信号的均值、标准差、峰度和偏度统计特征，将所述统计特征作为数据样本...

【专利技术属性】
技术研发人员：郭宇春，孙欢，陈滨，陈一帅，
申请(专利权)人：北京交通大学，
类型：发明
国别省市：北京,11