一种基于步态加速度数据进行身份识别的方法及系统技术方案

本发明专利技术公开了一种基于步态加速度数据进行身份识别的方法及系统，属于数据处理技术领域。本发明专利技术方法，包括：使用加速度传感器以预设的采集频率采集用户的步态加速度数据；针对采集的用户的步态加速度数据，进行去噪及去掉基线漂移处理，并将去噪及去掉基线漂移处理后的步态加速度数据进行规范化和图像化处理，获取图像数据；使用卷积神经网络对图像数据，进行用户身份的识别。本发明专利技术经过实验验证，在算法效果和耗时方面，都获得了良好的表现。都获得了良好的表现。都获得了良好的表现。

【技术实现步骤摘要】
一种基于步态加速度数据进行身份识别的方法及系统


[0001]本专利技术涉及数据处理
，并且更具体地，涉及一种基于步态加速度数据进行身份识别的方法及系统。

技术介绍

[0002]目前智能手机大都配备了摄像头、加速度传感器、陀螺仪等各种传感器，这些传感器能够记录下每个人所特有的生物特征，目前常见的生物特征有签名、指纹、声音、虹膜和步态等。由于生物特征是人本身固有的，具有不易丢失、盗取和遗忘的优点。
[0003]但这些生物特征识别方式也存在一些缺点，例如指纹、虹膜、人脸等生物特征识别需要用户近距离接触，而且也需要高分辨率的图像，应用范围有限。人类的步态包含非常独特的模式，可用于身份的识别和验证。加速度传感器以其低廉的价格、高的灵敏度和较小的体积被广泛应用于智能手机中。其具有的独特优势使研究人员逐渐认识到它在基于步态的身份识别领域的应用前景。基于步态的身份识别主要的难点和重点集中在特征提取和分类识别方法上，特征提取是为了从步态加速度传感器信号中提取可以表征人体身份的特征向量，是基于智能手机传感器的用户身份识别技术中的关键所在，其好坏会直接影响分类器的识别率。
[0004]步态识别的研究一般可分为三种情况：基于机器视觉，基于地板传感器，基于可穿戴式传感器。加速度计在越来越多的手机内集成。这就使得手机作为识别设备的获取更加的方便，识别方式更加为大众所用。基于手机的生物步态身份识别使得用户的识别过程更加随意，用户信息隐私安全也得到了保证。
[0005]目前基于加速度信号特征提取的方法可以分为：时域分析法、频域分析法和时频域法。时域阶段提取简单特征，虽然计算量小，但是所取得识别率并不是很高；针对上述问题，在此基础上添加了频域的特征，因为频域丢弃了时域的信号特征，所以一般需要融合这两类特征，融合后识别率得到了很大的提高，但是由于频域阶段提取的特征的维数较高，需要对特征进行降维或优化处理，这些处理的好坏将直接影响最终的结果。时
‑
频方法能够在时间和频率两个空间内更好的观察信息特性，但冗余度较大。随着基于加速度传感器的步态身份识别研究的不断深入，研究人员不断尝试通过提取新的特征来提高身份识别率。
[0006]步态作为一种新的身份识别与验证方式越来越受国内外研究人员的关注，基于步态的身份识别技术能够在非侵入的情况下对用户的身份进行识别，避免用户重复进行身份认证如输入密码、录入指纹以及人脸扫描等，提高了身份识别的隐蔽性，同时也提高了安全性。通过图像进行步态分析的方法已经很成熟，但是由于受到图像步态信息数据采集条件的约束，该技术的推广使用受到了严格的限制。利用加速度传感器和/或陀螺仪采集到的数据进行步态分析是典型的非侵入式步态分析方法。这些类型的传感器设备通常作为基础设备内嵌在智能手机中，所以通过智能手机来进行步态分析的方法能很方便地进行推广普及。然而现有的基于智能手机的步态身份识别的准确度受手机位置和摆放方向等因素的影响，例如，需要将手机放在特定的位置(例如腰部)；手机的摆放方向也受到约束等。这样都
极大限制了步态身份识别在手机风险控制上的应用与发展，因而，合理有效的利用手机内的设备进行步态分析的具有重大意义。

技术实现思路

[0007]本专利技术为了客服步态身份识别
中现有技术存在的识别度不高等问题，提出了一种基于步态加速度数据进行身份识别的方法，包括：
[0008]使用加速度传感器以预设的采集频率采集用户的步态加速度数据；
[0009]针对采集的用户的步态加速度数据，进行去噪及去掉基线漂移处理，并将去噪及去掉基线漂移处理后的步态加速度数据进行规范化和图像化处理，获取图像数据；
[0010]使用卷积神经网络对图像数据，进行用户身份的识别。
[0011]可选的，加速度传感器的预设的采集频率为45
‑
55Hz，采集的步态加速度数据，包括左右，前后，上下三个方向的加速度数据。
[0012]可选的，规范化处理，具体为：将去噪及去掉基线漂移处理后的步态加速度数据的取值范围转换到图像的取值范围内。
[0013]可选的，图像化处理，具体为：将规范化处理后的步态加速度数据中的三维数据分别转换为彩色图像的(R，G，B)三个通道，并将图像数据设置为正方形图像，根据边长的取值，选择不同时长的步态加速度数据进行转换。
[0014]可选的，卷积神经网络使用深度学习模型Deep TEN。
[0015]本专利技术还提出了一种基于步态加速度数据进行身份识别的系统，包括：
[0016]数据采集单元，使用加速度传感器以预设的采集频率采集用户的步态加速度数据；
[0017]数据处理单元，针对采集的用户的步态加速度数据，进行去噪及去掉基线漂移处理，并将去噪及去掉基线漂移处理后的步态加速度数据进行规范化和图像化处理，获取图像数据；
[0018]身份识别单元，使用卷积神经网络对图像数据，进行用户身份的识别。
[0019]可选的，加速度传感器的预设的采集频率为45
‑
55Hz，采集的步态加速度数据，包括左右，前后，上下三个方向的加速度数据。
[0020]可选的，规范化处理，具体为：将去噪及去掉基线漂移处理后的步态加速度数据的取值范围转换到图像的取值范围内。
[0021]可选的，图像化处理，具体为：将规范化处理后的步态加速度数据中的三维数据分别转换为彩色图像的(R，G，B)三个通道，并将图像数据设置为正方形图像，根据边长的取值，选择不同时长的步态加速度数据进行转换。
[0022]可选的，卷积神经网络使用深度学习模型Deep TEN。
[0023]本专利技术经过实验验证，在算法效果和耗时方面，都获得了良好的表现。
附图说明
[0024]图1为本专利技术方法的流程图；
[0025]图2为本专利技术方法实施例中图像化处理后的步态加速度数据图；
[0026]图3为本专利技术系统的结构图。
具体实施方式
[0027]现在参考附图介绍本专利技术的示例性实施方式，然而，本专利技术可以用许多不同的形式来实施，并且不局限于此处描述的实施例，提供这些实施例是为了详尽地且完全地公开本专利技术，并且向所属
的技术人员充分传达本专利技术的范围。对于表示在附图中的示例性实施方式中的术语并不是对本专利技术的限定。在附图中，相同的单元/元件使用相同的附图标记。
[0028]除非另有说明，此处使用的术语(包括科技术语)对所属
的技术人员具有通常的理解含义。另外，可以理解的是，以通常使用的词典限定的术语，应当被理解为与其相关领域的语境具有一致的含义，而不应该被理解为理想化的或过于正式的意义。
[0029]下面结合实施例对本专利技术进行进一步的说明：
[0030]本专利技术提出了一种基于步态加速度数据进行身份识别的方法，如图1所示，包括：
[0031]数据采集：使用加速度传感器采集用户的步态加速度数据，采集频率为50Hz。每秒采集50组数据，每组数据包括三个方向加速度，用(x本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于步态加速度数据进行身份识别的方法，所述方法包括：使用加速度传感器以预设的采集频率采集用户的步态加速度数据；针对采集的用户的步态加速度数据，进行去噪及去掉基线漂移处理，并将去噪及去掉基线漂移处理后的步态加速度数据进行规范化和图像化处理，获取图像数据；使用卷积神经网络对图像数据，进行用户身份的识别。2.根据权利要求1所述的方法，所述加速度传感器的预设的采集频率为45
‑
55Hz，采集的步态加速度数据，包括左右，前后，上下三个方向的加速度数据。3.根据权利要求1所述的方法，所述规范化处理，具体为：将去噪及去掉基线漂移处理后的步态加速度数据的取值范围转换到图像的取值范围内。4.根据权利要求1所述的方法，所述图像化处理，具体为：将规范化处理后的步态加速度数据中的三维数据分别转换为彩色图像的(R，G，B)三个通道，并将图像数据设置为正方形图像，根据边长的取值，选择不同时长的步态加速度数据进行转换。5.根据权利要求1所述的方法，所述卷积神经网络使用深度学习模型Deep TEN。6.一种基于步态加速度数据进...

【专利技术属性】
技术研发人员：魏春雨，王东卫，汤青，
申请(专利权)人：新绎健康科技有限公司，
类型：发明
国别省市：