利用多轴传感器和加速度计的身份鉴别方法和装置制造方法及图纸

本发明专利技术公开了利用多轴传感器和加速度计的身份鉴别方法和装置，首先利用传感器采集用户的姿态轨迹数据，对姿态轨迹数据进行预处理，建立及更新用户姿态轨迹数据库；其次采集用户的姿态轨迹数据，对姿态轨迹数据进行处理，与用户姿态轨迹数据库进行匹配；最后依据姿态特征的匹配程度对身份进行识别。本发明专利技术解决了现存的身份识别方法便利性不够高、人体姿态识别技术无法应用于小型终端设备上的问题。

【技术实现步骤摘要】
利用多轴传感器和加速度计的身份鉴别方法和装置
本专利技术涉及身份识别技术，具体涉及一种利用多轴传感器和加速度计的身份鉴别方法和装置。
技术介绍
目前，世界上实现身份识别的技术大致有以下几种：数字密码、图案密码、数字字母混合密码、指纹识别、人脸识别、虹膜识别和基于视频识别技术的人体姿态识别等。身份识别技术在今天已经进入了一个相当成熟的阶段。指纹识别已经广泛应用于各种终端设备，相应地还衍生出了“屏下指纹技术”等更高级的身份识别技术；人脸识别已经逐步在移动支付和门禁中展开；虹膜识别由于其自身的复杂性和较高的设备要求，目前大多应用于涉及重大机密的项目中；人体姿态识别目前应用于具有视频设备的硬件中，例如金库安全区和体感游戏等方面。相较于密码、指纹识别和人脸识别技术，人体姿态识别技术具有更高的安全性和便利性——只需要一个动作就可以实现身份的快速识别。由于目前的人体姿态识别具有其局限性，使之不能够脱离视频技术的束缚而无法实现在小型的终端设备上的应用。然而时下兴起的可穿戴智能设备正需要脱离视频技术的人体姿态识别技术。综上所述，为使人体姿态识别能够应用于小型终端设备上且提高身份识别技术的便利性，需要一种能够利用小型传感器实现的人体姿态识别技术，以实现小型终端设备的人体姿态识别并提高身份识别技术的便利性。
技术实现思路
本专利技术的目的在于提供一种利用多轴传感器和加速度计的身份鉴别方法和装置，以解决现存的身份识别方法便利性不够高、人体姿态识别技术无法应用于小型终端设备上的问题。为达到上述目的，本专利技术采用如下技术方案：利用多轴传感器和加速度计的身份鉴别方法，包括以下步骤：步骤1：利用多轴传感器和加速度计联合采集用户的姿态轨迹数据，对姿态轨迹数据进行预处理，建立及更新用户姿态轨迹数据库；步骤2：利用多轴传感器和加速度计联合采集用户的姿态轨迹数据，对姿态轨迹数据进行处理，然后与用户姿态轨迹数据库进行匹配；步骤3：依据姿态轨迹数据的匹配程度对身份进行识别。进一步地，姿态轨迹数据可以是配戴多轴传感器和加速度计时配戴者肢体动作的运动及行为轨迹，如手臂的拿起、放下、转动、抖动；步骤1中采集数据的传输方法为无线传输或有线传输，所述无线传输包括移动通信网络、WiFi、蓝牙、或ZigBee；所述有线传输为利用终端设备中的总线传输。进一步地，步骤1中的预处理方法包括以下步骤：步骤11：将原始姿态轨迹数据滤波，删除颤抖及噪声的异常数据点；步骤12：对滤波后的数据进行平滑处理，在相邻的采样点之间以平滑的方式进行过渡；步骤13：在平滑以后，加入人体骨骼约束、肌肉记忆对数据进行修正；具体为：利用骨骼约束和肌肉记忆对数据进行验证，剔除不符合规律的点；步骤14：对修正后的数据中因为在使用传感器采集数据的过程中必要的采样和压缩导致的数据缺失进行补充，根据缺失数据点前后的数据对缺失数据点的数据进行估计并进行补充；步骤15：依照时序对补充后的数据进行抽样，得出时间间隔与时间长度相等的数据；步骤16：将数据的时间对齐；步骤17：将所有数据的格式编排为统一格式；步骤18：依照数据的明显特征对数据进行预分类，将明显不同的数据预先分开；其中预分类采用模糊分类，一个数据能够出现在不同的若干类别中；步骤19：将采集的若干个数据组成数据库；其中数据库的操作方法包括：更新数据：将新采集的数据实时插入到数据库的末尾；删除数据：将数据库中选定的数据直接删除；查看数据：将选定的数据从数据库中调出。进一步地，步骤2中对数据进行处理的方法包括：步骤21：对采集到的姿态轨迹数据进行滤波，删除噪声及颤抖的异常数据点；步骤22：对滤波后的数据进行平滑处理，在相邻的采样点之间以平滑的方式进行过渡；步骤23：对平滑后的数据进行基于骨骼约束、肌肉记忆的修正，具体为：利用骨骼约束和肌肉记忆对数据进行验证，剔除不符合规律的点；步骤24：对修正后的数据中因为在使用传感器采集数据的过程中必要的采样和压缩导致的数据缺失进行补充，根据缺失数据点前后的数据对缺失数据点的数据进行估计并进行补充；步骤25：依照时序对补充后的数据进行抽样，其长度应当与数据库中数据一致；步骤26：将数据的格式与数据库中格式进行统一；步骤27：将格式统一后的数据与数据库中的数据进行匹配。进一步地，步骤3中的匹配程度通过评估步骤2中获取的姿态轨迹数据与步骤1中姿态轨迹数据库中数据的相关性及设置不同决策阈值来实现。。利用多轴传感器和加速度计的身份鉴别装置，包括：数据采集模块：利用九轴传感器和加速度计采集动作姿态的数据并对数据进行预处理，建立及更新用户姿态轨迹数据库；数据匹配模块：采集用户的姿态轨迹数据，对姿态轨迹数据进行处理，与用户姿态轨迹数据库进行匹配；身份识别模块：依据姿态特征的匹配程度对身份进行识别。进一步地，姿态轨迹数据可以是配戴多轴传感器和加速度计时配戴者肢体动作的运动及行为轨迹，如手臂的拿起、放下、转动、抖动；数据采集模块采集数据的方法为无线传输或有线传输，所述无线传输包括移动通信网络、WiFi、蓝牙、或ZigBee；所述有线传输为利用终端设备中的总线传输。进一步地，数据采集模块中的预处理方法包括以下步骤：步骤81：将原始姿态轨迹数据滤波，删除颤抖及噪声的异常数据点；步骤82：对滤波后的数据进行平滑处理，在相邻的采样点之间以平滑的方式进行过渡；步骤83：在平滑以后，加入人体骨骼约束、肌肉记忆对数据进行修正，具体为：利用骨骼约束和肌肉记忆对数据进行验证，剔除不符合规律的点；步骤84：对修正后的数据中因为在使用传感器采集数据的过程中必要的采样和压缩导致的数据缺失进行补充，根据缺失数据点前后的数据对缺失数据点的数据进行估计并进行补充；步骤85：依照时序对数据进行抽样，得出时间间隔与时间长度大致相等的数据；步骤86：将数据的时间对齐；步骤87：将所有数据的格式编排为统一格式；步骤88：依照数据的明显特征对数据进行预分类，将明显不同的数据预先分开；其中预分类采用模糊分类，一个数据能够出现在不同的若干类别中；步骤89：将采集的若干个数据组成数据库；其中数据库的操作方法包括：更新数据：将新采集的数据实时插入到数据库的末尾；删除数据：将数据库中选定的数据直接删除；查看数据：将选定的数据从数据库中调出。进一步地，数据匹配模块中所述的对数据进行匹配的方法包括以下步骤：步骤91：对采集到的姿态轨迹数据进行滤波，删除噪声及颤抖的异常数据点；步骤92：对滤波后的数据进行平滑处理，在相邻的采样点之间以平滑的方式进行过渡；步骤93：对滤波后的数据进行基于骨骼约束、肌肉记忆的修正，具体为：利用骨骼约束和肌肉记忆对数据进行验证，剔除不符合规律的点；步骤94：本文档来自技高网...

【技术保护点】
1.利用多轴传感器和加速度计的身份鉴别方法，其特征在于，包括以下步骤：/n步骤1：利用多轴传感器和加速度计联合采集用户的姿态轨迹数据，对姿态轨迹数据进行预处理，建立及更新用户姿态轨迹数据库；/n步骤2：利用多轴传感器和加速度计联合采集用户的姿态轨迹数据，对姿态轨迹数据进行处理，然后与用户姿态轨迹数据库进行匹配；/n步骤3：依据姿态轨迹数据的匹配程度对身份进行识别。/n

【技术特征摘要】
1.利用多轴传感器和加速度计的身份鉴别方法，其特征在于，包括以下步骤：
步骤1：利用多轴传感器和加速度计联合采集用户的姿态轨迹数据，对姿态轨迹数据进行预处理，建立及更新用户姿态轨迹数据库；
步骤2：利用多轴传感器和加速度计联合采集用户的姿态轨迹数据，对姿态轨迹数据进行处理，然后与用户姿态轨迹数据库进行匹配；
步骤3：依据姿态轨迹数据的匹配程度对身份进行识别。


2.根据权利要求1所述的利用多轴传感器和加速度计的身份鉴别方法，其特征在于，
姿态轨迹数据为配戴多轴传感器和加速度计时配戴者肢体动作的运动及行为轨迹；
步骤1中采集数据的传输方法为无线传输或有线传输，所述无线传输为移动通信网络、WiFi、蓝牙或ZigBee；所述有线传输为利用终端设备中的总线传输。


3.根据权利要求1所述的利用多轴传感器和加速度计的身份鉴别方法，其特征在于，步骤1中的预处理方法包括以下步骤：
步骤11：将原始姿态轨迹数据滤波，删除颤抖及噪声的异常数据点；
步骤12：对滤波后的数据进行平滑处理，在相邻的采样点之间以平滑的方式进行过渡；
步骤13：在平滑以后，加入人体骨骼约束、肌肉记忆对数据进行修正；具体为：利用骨骼约束和肌肉记忆对数据进行验证，剔除不符合规律的点；
步骤14：对修正后的数据中因为在使用传感器采集数据的过程中必要的采样和压缩导致的数据缺失进行补充，根据缺失数据点前后的数据对缺失数据点的数据进行估计并进行补充；
步骤15：依照时序对补充后的数据进行抽样，得出时间间隔与时间长度相等的数据；
步骤16：将数据的时间对齐；
步骤17：将所有数据的格式编排为统一格式；
步骤18：依照数据的明显特征对数据进行预分类，将明显不同的数据预先分开；其中预分类采用模糊分类，一个数据能够出现在不同的若干类别中；
步骤19：将采集的若干个数据组成数据库；
其中数据库的操作方法包括：
更新数据：将新采集的数据实时插入到数据库的末尾；
删除数据：将数据库中选定的数据直接删除；
查看数据：将选定的数据从数据库中调出。


4.根据权利要求1所述的利用多轴传感器和加速度计的身份鉴别方法，其特征在于，步骤2中对数据进行处理的方法包括：
步骤21：对采集到的姿态轨迹数据进行滤波，删除噪声及颤抖的异常数据点；
步骤22：对滤波后的数据进行平滑处理，在相邻的采样点之间以平滑的方式进行过渡；
步骤23：对平滑后的数据进行基于骨骼约束、肌肉记忆的修正，具体为：利用骨骼约束和肌肉记忆对数据进行验证，剔除不符合规律的点；
步骤24：对修正后的数据中因为在使用传感器采集数据的过程中必要的采样和压缩导致的数据缺失进行补充，根据缺失数据点前后的数据对缺失数据点的数据进行估计并进行补充；
步骤25：依照时序对补充后的数据进行抽样，其长度应当与数据库中数据一致；
步骤26：将数据的格式与数据库中格式进行统一；
步骤27：将格式统一后的数据与数据库中的数据进行匹配。


5.根据权利要求1所述的利用多轴传感器和加速度计的身份鉴别方法，其特征在于，步骤3中的匹配程度通过评估步骤2中获取的姿态轨迹数据与步骤1中姿态轨迹数据库中数据的相关性及设置不同决策阈值来实现。

【专利技术属性】
技术研发人员：韩维佳，常正浩，马骁，王艺潼，魏凌云，李丹，彭斯琦，
申请(专利权)人：陕西师范大学，
类型：发明
国别省市：陕西;61