一种基于敲击节奏的智能手表用户识别方法技术

本发明专利技术公开了一种基于敲击节奏的智能手表用户识别方法，从敲击节奏训练数据中提取特征，构造特征向量；利用One‑class DBSCAN算法来训练模型，得出核心对象集；计算新样本特征向量与每个核心对象之间的欧氏距离，以识别该新样本是否属于核心向量的类。本发明专利技术针对智能手表缺乏合适的用户识别导致的隐私问题，提出了一种新的基于敲击节奏的智能手表用户识别方法，并提出了一种新的一类分类算法One‑class DBSCAN，本发明专利技术适用于智能手表较小的屏幕以及低功耗的设定，新的一类分类算法One‑class DBSCAN可以在训练数据只有一类的情况下准确地判断新样本是否属于当前类。

【技术实现步骤摘要】
一种基于敲击节奏的智能手表用户识别方法
本专利技术涉及可穿戴设备隐私保护
，尤其涉及一种基于敲击节奏的智能手表用户识别方法。
技术介绍
可穿戴设备有各种类型，如智能眼镜、耳机、健身腕带和智能手表。自2014年3月摩托罗拉发布以AndroidWear为操作系统的Moto360以来，健身腕带和智能手表受到越来越多人的欢迎。根据思科虚拟网络指数(CiscoVirtualNetworkingIndex)，2020年有6亿台可穿戴设备被使用，比2015年的数量多6倍。此外，智能手表的更多功能已经被开发出来，如苹果手表可以发送电子邮件。智能手表所具备的传感器测量的生理数据是大多数用户的个人信息，这些信息比手机号码和电子邮件地址更加隐私，更加敏感。恶意的人可以从数据中推断出高价值的情报，例如用户的身份、位置和健康状况等。因此，随着智能手表市场的快速增长，对智能手表隐私安全的保护将至关重要。然而，技术和法律之间仍然存在差距，我们缺乏保护设备隐私的标准法案。据美国食品和药物管理局报道，来自40家制造商的300多种可穿戴设备存在隐私安全风险。本文档来自技高网...

【技术保护点】
1.一种基于敲击节奏的智能手表用户识别方法，其特征在于：包括以下步骤：/nS1、从敲击节奏训练数据中提取特征，构造特征向量；/nS2、利用One-class DBSCAN算法来训练模型，得出核心对象集；/nS3、计算新样本特征向量与每个核心对象之间的欧氏距离，以识别该新样本是否属于核心向量的类。/n

【技术特征摘要】
1.一种基于敲击节奏的智能手表用户识别方法，其特征在于：包括以下步骤：
S1、从敲击节奏训练数据中提取特征，构造特征向量；
S2、利用One-classDBSCAN算法来训练模型，得出核心对象集；
S3、计算新样本特征向量与每个核心对象之间的欧氏距离，以识别该新样本是否属于核心向量的类。


2.根据权利要求1所述的基于敲击节奏的智能手表用户识别方法，其特征在于：步骤S1具体步骤如下：
建立敲击节奏数据的坐标轴，其中x轴表示时间，y轴表示是否被敲击过；对于N次敲击的节奏数据，其特征向量的维数为2N-1；
敲击节奏数据转换至特征向量后，每个元素代表一次敲击持续时间或敲击间隔，敲击节奏的总持续时间与每次敲击持续时间或敲击间隔之间是正相关。


3.根据权利要求2所述的基于敲击节奏的智能手表用户识别方法，其特征在于，将特征向量转换成每次敲击持续时间或敲击间隔与总持续时间的比例。


4.根据权利要求2所述的基于敲击节奏的智能手表用户识别方法，其特征在于，特征提取公式为：



其中x＝(x1，x2，...xn)表示特征向量，xi...

【专利技术属性】
技术研发人员：肖喜，张焓祺，夏树涛，江勇，郑海涛，陆孺牛，
申请(专利权)人：清华大学深圳国际研究生院，
类型：发明
国别省市：广东;44