【技术实现步骤摘要】
一种基于DTW算法和行走步态数据的手机身份验证方法
本专利技术涉及手机身份验证
，具体是一种基于DTW算法和行走步态数据的手机身份验证方法。
技术介绍
随着智能手机搭载的各种硬件不断升级更新，智能手机内置的传感器同样不断完善，目前常见的有加速度计、陀螺仪、磁力计、气压计等十多种传感器。通过分析传感器数据可以获得使用者的使用状态，对使用者的特定行为或状态进行识别，从而实现身份验证，可应用于手机快速解锁、快速支付、信息保护等各种场景。步态识别是通过对人或者动物步态的分析从而达到对人体身份的识别，它以非接触远距离、不容易伪装、不具侵犯性等优点，成为了目前新兴的生物特征识别技术。动态时间规整(DynamicTimeWarping，DTW)算法是计算时间序列数据之间相似度较常用的算法。该算法基于动态规划的思想，解决了长短不一的模板匹配问题，该方法需要较少的训练样本，同时它能够比较简单的添加用户自定义的新动作或删除已经存在的动作，是语音识别中出现较早、较为经典的一种算法，由于其突出优点已经被应用于其他领域。...
【技术保护点】
1.一种基于DTW算法和行走步态数据的手机身份验证方法，其特征在于，包括以下步骤：/n1.样本数据采集及预处理/n1.1将手机设置为采集样本数据状态，利用内置的三轴加速度传感器采集用户一段时间内的行走步态数据a
【技术特征摘要】
1.一种基于DTW算法和行走步态数据的手机身份验证方法，其特征在于，包括以下步骤：
1.样本数据采集及预处理
1.1将手机设置为采集样本数据状态，利用内置的三轴加速度传感器采集用户一段时间内的行走步态数据ax(t)、ay(t)和az(t)；
1.2通过采集到的行走步态数据计算三轴加速度合成序列
1.3对合成序列S(t)进行预处理：
1.3.1对三轴加速度合成序列S(t)进行归一化其中，min[S(t)]为序列S(t)最小值，max[S(t)]为序列S(t)最大值；
1.3.2对所得归一化数据Sstd(t)进一步通过高斯平滑迭代进行处理，得到序列Ssmot(t)；
2.生成身份匹配模板库
2.1分割数据周期
2.1.1遍历序列Ssmot(t)，保留转折点，剔除同趋势点，得到序列Ssmot'(t)；
2.1.2遍历序列Ssmot'(t)，保留极小值点，剔除极大值点，得到序列Sfit(t)；
2.1.3遍历序列Sfit(t)，保留极小值点，剔除极大值点，所得极小值点即为采集的行走步态数据的单个周期分割点，记录并存储周期分割点的位置序号；
2.1.4以2.1.3中存储的Sfit(t)序列周期分割点的位置序号映射原序列S(t)，并以各分割点作为起始点，对原序列进行切割分段，所得序列存储记为S'(t)；
2.2采用DTW算法依次计算序列S'(t)中每一个有效周期与其后周期的相似距离，记为dDTW(i,j)，其中i表示匹配模板周期，j表示测试组周期，保留相似距离大于设定阈值的周期数据；
2.3将保留的数据周期从原序列S(t)中提取出来，集成后得到用户个人的身份匹配模板库，记为Xi(n)，其中i表示特定个人的身份编号，n表示用户身份匹配模板库中特征周期的总数；
3.基于身份匹配模板库的身份验证
3.1实时采集用户手机三轴加速度传感器的信号，以每10S的行走步态数据作为一个测试样本T(t)；
3.2对样本T(t)按照步骤1.2和1.3中所述方法进行预处理；
3.3对预处理后的样本数据T'(t)按照步骤2.1中的方法分割数据周期；
3.4从上述分割的数据周期中随机选择一组实时数据周期Tseg(t)，采用DTW算法分别计算实时数据周期与步骤2.3所得用户个人身份匹配模板库Xi(n)中每个匹配模板的相似距离dDTW(n)；
3.5求取dDTW(n)的最大值dmax，与设定的周期数据阈值相比较，如果dmax小于设定的阈值，则说明两个周期数据的相似度高，判定为合法身份；如果dmax不小于阈值，则说明两个周期数据的相似度低，判定为非法...
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。