基于光电容积脉搏波的身份识别方法及其系统技术方案

本发明专利技术涉及基于光电容积脉搏波的身份识别方法，包括以下步骤：S1、数据预处理程序模块对采集的PPG信号进行预处理；S2、广义S变换程序模块对预处理后的PPG信号进行广义S变换获取PPG频谱特征图；S3、Getframe图像处理模块调用Getframe函数对PPG频谱特征图在每个时间点进行快照，获得一个连续的PPG频谱轨迹特征图；S4、卷积神经网络对PPG频谱轨迹特征图进行特征提取、特征分类，实现身份识别。有益效果是将PPG信号从原始的一维信号转换成二维的图像，以便后续采用卷积神经网络进行身份识别，提取数据特征容易，提取数据特征过程简单而且可靠性高。

Identification method and system based on PCP pulse wave

The invention relates to an identification method based on an optical capacitance product pulse wave, which comprises the following steps: S1. Data preprocessing program module preprocesses the collected PPG signal; S2. Generalized S transformation program module performs generalized S transformation on the preprocessed PPG signal to obtain the PPG spectrum characteristic map; S3. Getframe image processing module calls getframe function to obtain the PPG spectrum characteristic map at each time Point snapshot to obtain a continuous PPG spectrum trace feature map; S4, convolution neural network to PPG spectrum trace feature map for feature extraction, feature classification, identity recognition. The beneficial effect is to transform the PPG signal from the original one-dimensional signal to the two-dimensional image, so as to use the convolutional neural network for identity recognition in the future. It is easy to extract data features, and the process of extracting data features is simple and reliable.

【技术实现步骤摘要】
基于光电容积脉搏波的身份识别方法及其系统
本专利技术涉及身份识别
，具体涉及基于光电容积脉搏波的身份识别方法及其系统。
技术介绍
随着信息化的快速发展和互联网应用的普及，信息安全问题变得越来越突出，对个人身份识别的要求也越来越强烈，自动化系统只有准确识别个人的身份才能有效保护信息安全。传统的身份验证手段存在着丢失，被盗窃，甚至伪造的风险，安全性较低。生物特征作为人体固有的特征，不但克服了传统验证方式的缺点，也更易于自动化识别验证。常用于验证身份的生物特征包括指纹、人脸、声音、皮肤、步态、虹膜、静脉、手形、手写体、脱氧核糖核酸(DNA)、心电信号(ECG)和光电容积脉搏波(PPG)信号等。其中人脸、指纹、声音等验证方式有较长的研究和应用历史，技术已经趋于成熟，操作方便且准确率高，但是人脸可以用假面欺骗，声音可以直接录制，指纹印可以从人手接触过的各个地方提取到，复制成本都比较低。又如DNA特征虽然难以复制且有天然编码，但操作复杂，实时性差。对于安全性要求更高的场合，例如财产安全、患者临床检测数字记录等，需要更难复制的生物特征。目前基于ECG信号的身份识别算法研究成熟，最高识别率可高达100％。相比之下，需要加强基于PPG信号的身份识别研究。PPG信号包含了众多心血管信息，如心率，血压等，对于不同的人，由于其身体结构的差异，各个波群的相对位置，周期和幅度都会有所不同，因此每个人都有异于他人的PPG波形，这也是PPG用于身份验证的基础。目前基于PPG信号的身份识别技术还不够完善，识别率较低，难以满足实际应用的需求。西安电子科技大学同鸣、杨晓玲在PPG信号身份识别领域有多项专利技术专利申请。申请(专利)号：CN201710224596.7，专利技术名称《基于PPG信号和呼吸信号特征融合的身份识别方法》对测试PPG样本和呼吸样本进行特征融合，类别预测，得到识别结果。申请(专利)号：CN201610876814.0，专利技术名称《基于光电容积脉搏波最佳周期波形的身份识别方法》利用支持向量机将测试特征向量与预先生成的被鉴定者训练特征向量库进行匹配，输出身份识别结果。申请(专利)号：CN201710195051.8，专利技术名称《基于人体PPG信号分段的身份识别方法》对测试子特征加权融合，获取测试特征集，利用SVM分类器完成身份识别。以上方法大多采用SVM(SupportVectorMachine)分类器完成分类识别。然而，该方法需要提取大量的特征，过程非常麻烦，而且无法保证提取的特征的可靠性，不具有推广性。本专利技术针对上述现有技术，对基于PPG信号的身份识别进行了改进。
技术实现思路
本专利技术的目的是，提出一种基于光电容积脉搏波的提取数据特征容易，提取数据特征过程简单而且可靠性高的身份识别方法。为实现上述目的，本专利技术采取的技术方案是基于光电容积脉搏波的身份识别方法，包括以下步骤：S1、数据预处理程序模块对采集的PPG信号进行预处理；S2、广义S变换程序模块对预处理后的PPG信号进行广义S变换获取PPG频谱特征图；S3、Getframe图像处理模块调用Getframe函数对PPG频谱特征图在每个时间点进行快照，获得一个连续的PPG频谱轨迹特征图；S4、卷积神经网络对PPG频谱轨迹特征图进行特征提取、特征分类，实现身份识别。进一步的优选技术方案，上述预处理采用小波变换对PPG信号进行滤波处理以去除噪声，把PPG信号分割成分段信号以减少每段信号的数据处理量。优选地，上述分段信号是任意分割成的具有相同时间长度的滤波处理后的PPG信号。进一步的优选技术方案，上述广义S变换程序模块通过广义S变换把时域的PPG信号转换到时频域，充分反映PPG信号的时频联合特性，获得每个时间点的PPG频谱特征图。进一步的优选技术方案，上述Getframe图像处理模块将PPG频谱轨迹特征图的大小和像素调整一致，作为卷积神经网络的输入信号。进一步的优选技术方案，上述卷积神经网络的卷积层和池化层对PPG频谱轨迹特征图提取特征；上述卷积神经网络的激活函数层和全连接层对PPG频谱轨迹特征图特征分类以进行身份识别。优选地，上述激活函数层采用ReLu激活函数来降低梯度，上述全连接层采用Softmax分类器进行特征分类。本专利技术的再一目的是，提出一种基于光电容积脉搏波的提取数据特征容易，提取数据特征过程简单而且可靠性高的身份识别系统。为实现上述目的，本专利技术采取的技术方案是基于光电容积脉搏波的身份识别系统，上述系统包括数据预处理程序模块、广义S变换程序模块、Getframe图像处理程序模块、卷积神经网络，上述数据预处理程序模块、广义S变换程序模块、Getframe图像处理程序模块、卷积神经网络依次顺序连接，上述卷积神经网络包括卷积层、池化层、激活函数层、全连接层，采集的PPG信号经过上述系统执行上述的基于光电容积脉搏波的身份识别方法，输出身份识别结果。本专利技术有如下有益效果：将PPG信号通过广义S变换和Getframe技术转换成频谱特征轨迹图，从而把原始的一维信号转换成二维的图像，以便后续采用卷积神经网络进行身份识别，首先，CNN卷积层的卷积操作过程就是特征提取的过程，其在训练数据的过程中隐式地提取特征，本专利技术采用CNN进行特征提取时只需要将输入数据做简单的预处理即可，避免了其他方法中复杂的特征提取操作，简化了特征提取流程；其次，由于CNN在同一特征面上的神经元相互间共享权值，极大的减少了训练参数，降低了网络结构的复杂性，增强了系统的泛化能力，有利于进行大规模的身份识别，极大地简化了识别网络的复杂度。【附图说明】图1是基于光电容积脉搏波的身份识别方法步骤图。图2是基于光电容积脉搏波的身份识别方法系统框图。【具体实施方式】下面结合实施例并参照附图对本专利技术作进一步描述。实施例1本实施例实现基于光电容积脉搏波的身份识别方法。卷积神经网络(ConvolutionalNeuralNetworks,CNN)是一类包含卷积计算且具有深度结构的前馈神经网络，是深度学习的代表算法之一。卷积神经网络具有表征学习能力，能够按其阶层结构对输入信息进行平移不变分类，因此也被称为“平移不变人工神经网络”。SoftMax模型是一种用来解决多分类问题的模型。在多层神经网络中，上层节点的输出和下层节点的输入之间具有一个函数关系，这个函数称为激活函数(又称激励函数)。sigmoid和tanh是“饱和激活函数”，而ReLU及其变体则是“非饱和激活函数”。使用“非饱和激活函数”的优势在于两点：(1)“非饱和激活函数”能解决所谓的“梯度消失”问题。(2)它能加快收敛速度。S变换是小波变换和短时傅里叶变换的继承和发展，S变换采用高斯窗函数且窗宽与频率的倒数成正比。附图1所述基于光电容积脉搏波的身份识别方法步骤图，框图中的CNN，可以基于本地的服务器实现，也可以是基于云计算的服务实现，或者兼而有之；具体实本文档来自技高网...

【技术保护点】
1.基于光电容积脉搏波的身份识别方法，其特征在于包括以下步骤：/nS1、数据预处理程序模块对采集的PPG信号进行预处理；/nS2、广义S变换程序模块对预处理后的PPG信号进行广义S变换获取PPG频谱特征图；/nS3、Getframe图像处理模块调用Getframe函数对PPG频谱特征图在每个时间点进行快照，获得一个连续的PPG频谱轨迹特征图；/nS4、卷积神经网络对PPG频谱轨迹特征图进行特征提取、特征分类，实现身份识别。/n

【技术特征摘要】
1.基于光电容积脉搏波的身份识别方法，其特征在于包括以下步骤：
S1、数据预处理程序模块对采集的PPG信号进行预处理；
S2、广义S变换程序模块对预处理后的PPG信号进行广义S变换获取PPG频谱特征图；
S3、Getframe图像处理模块调用Getframe函数对PPG频谱特征图在每个时间点进行快照，获得一个连续的PPG频谱轨迹特征图；
S4、卷积神经网络对PPG频谱轨迹特征图进行特征提取、特征分类，实现身份识别。


2.根据权利要求1所述的基于光电容积脉搏波的身份识别方法，其特征在于步骤S1：所述预处理采用小波变换对PPG信号进行滤波处理以去除噪声，把PPG信号分割成分段信号以减少每段信号的数据处理量。


3.根据权利要求2所述的基于光电容积脉搏波的身份识别方法，其特征在于步骤S1：所述分段信号是任意分割成的具有相同时间长度的滤波处理后的PPG信号。


4.根据权利要求1所述的基于光电容积脉搏波的身份识别方法，其特征在于步骤S2：所述广义S变换程序模块通过广义S变换把时域的PPG信号转换到时频域，充分反映PPG信号的时频联合特性，获得每个时间点的PPG频谱特征图。

【专利技术属性】
技术研发人员：王国兴，王敏，林炳辉，
申请(专利权)人：启东市知微电子科技有限公司，
类型：发明
国别省市：江苏;32