基于心率传感器的用户手势指纹认证方法技术

本发明专利技术公开了一种基于心率传感器的用户手势指纹认证方法，通过心率传感器提取手势动作时的数据来确定身份认证指纹，最终构建身份认证模型，由此用户身份认证指纹是完全基于设备的心率传感器的，这样的用户身份指纹不具备移植性，另外，基于腕部穿戴设备中的心率传感器的用户身份指纹是基于人的生理运动特性的，在不改变心率传感器和用户手势风格和用户腕部穿戴设备穿戴习惯的前提下，通过心率传感器提取的身份认证指纹不可在硬件级别被修改；优点是成本较低，不容易破解，安全性较高，而且不存在用户个人信息被盗用的安全隐患。存在用户个人信息被盗用的安全隐患。存在用户个人信息被盗用的安全隐患。

【技术实现步骤摘要】
基于心率传感器的用户手势指纹认证方法


[0001]本专利技术涉及一种用户手势指纹认证方法，尤其是涉及一种基于心率传感器的用户手势指纹认证方法。

技术介绍

[0002]当前的持续性身份认证方法，主要通过每隔一段时间对用户进行一次身份认证，从而达到对用户的持续性身份认证。目前的持续性身份认证主要方式是通过人脸和指纹来认证，人脸认证需要采用高精度摄像头拍摄人脸图像，而指纹认证需要采用指纹传感器。而高精度摄像头和指纹传感器的价格均较高，由此导致持续性身份认证的成本较高。另外，人脸数据和指纹数据都是用户的敏感数据，存在认证机构滥用和盗窃人脸和指纹的风险。同时，随着3D打印技术的成熟，在硬件模仿人脸和指纹方面对人脸以及指纹认证形成了安全威胁，以及虚拟软件的模拟攻击同样对人脸识别造成威胁。由此，现有的持续性身份认证方法不但成本较高，容易破解，安全性并不高，而且用户个人信息可能会被盗用，存在较大的安全隐患。
[0003]随着可穿戴设备的发展，智能手表和智能手环等可穿戴设备的进一步普及，依托于嵌入式物联网技术的发展，以及移动设备的芯片处理能力的飞速提高，智能手表和智能手环等可穿戴物联网设备的功能越发完善。同时由于人们对健康生活的追求，使心率传感器等健康监测模块迅速在智能手表和智能手环等可穿戴设备上普及。心率传感器读数对人的信息安全威胁不大，而且是可穿戴设备依赖的，一旦用户更换可穿戴设备，其上的心率传感器指纹随即发生变化；同时，每个人的心率传感器读数无法轻易模仿，从而使得基于心率传感器的持续性身份认证更安全；另外，心率传感器的成本远比高精度摄像头和指纹传感器便宜得多。鉴此，将心率传感器用于持续性身份认证，设计一种成本较低，不容易破解，安全性较高，而且不存在用户个人信息被盗用的安全隐患的基于心率传感器的用户手势指纹认证方法具有重要意义。

技术实现思路

[0004]本专利技术所要解决的技术问题是提供一种成本较低，不容易破解，安全性较高，而且不存在用户个人信息被盗用的安全隐患的基于心率传感器的用户手势指纹认证方法。
[0005]本专利技术解决上述技术问题所采用的技术方案为：一种基于心率传感器的用户手势指纹认证方法，包括如下步骤：
[0006]步骤1：构建总数据集，具体过程为：将用户的总数量记为I，让I名用户作为I名测试人员，让I名测试人员分别佩戴同一款具有心率传感器的可穿戴设备，并将心率传感器的采样频率均设定为100Hz，让每名测试人员分别作出表示1
‑
9这9个数字的9种手势动作，其中每种手势动作连续进行40次，9种手势预先按照1
‑
9进行编号，此时每名测试人员佩戴的心率传感器对该名测试人员进行采样，并输出各个采样点对应的读数；认证服务器获取每名测试人员在做9种手势期间其携带的心率传感器输出的读数，并分别将获取的每名测试
人员携带的心率传感器的读数按照输出先后顺序排列后构成每名测试人员的数据集，I名测试人员按照1
‑
I随机编号，将第i名测试人员的数据集记为A
i
，i＝1,2，
…
，I；采用I名测试人员的数据集构成总数据集，将该总数据集记为A，A＝{A1,A2,A3,
…
,A
I
}；将第i名测试人员的第j种手势的数据集记为A
i,j
，j＝1,2，
…
，9，将A
i,j
中包含的数据数量记为M
i,j
，每个数据对应为心率传感器的一个采样点，即A
i,j
包含M
i,j
个采样点；
[0007]步骤2：对步骤1得到的总数据集A进行数据预处理，得到预处理后的总数据集B，对预处理后的总数据集进行数据分析，提取与手势相关的数据片段，具体过程为：
[0008]S2
‑
1、采用低通滤波器对总数据集A中所有数据集分别进行低通滤波处理，使数据更平滑，将第i名测试人员的数据集A
i
滤波后得到的数据集记为B
i
，将第i名测试人员的第j种手势的数据集A
i,j
滤波后得到的数据集记为B
i,j
，数据集B
i,j
中也具有M
i,j
个采样点，采用滤波后的I名测试人员的数据集构成滤波总数据集B，B＝{B1,B2,B3,
…
,B
I
}；
[0009]S2
‑
2、在空置的情况下，心率传感器的输出读数会在一个固定值附近小幅波动，通过直接读取空置情况下心率传感器的读数得到该固定值，并将该固定值记为
[0010]S2
‑
3、将0.75秒作为每个手势动作的时长，则在100Hz的采样频率情况下每个手势动作具有75个采样点，为数据集B
i,j
定义一个长度为(M
i,j
‑
75)的数组Y
i,j
，Y
i,j
中的第n个元素记为Y
i,j
[n]，n＝1，2，
…
，(M
i,j
‑
75)，n表示Y
i,j
[n]在Y
i,j
中的位置，通过以下公式(1)求出Y
i,j
：
[0011][0012]式(1)中，B
i,j
[g]为数据集B
i,j
的第g个采样点，︳︱为取绝对值符号，g代表B
i,j
[g]在数据集B
i,j
中的位置；
[0013]S2
‑
4、确定Y
i,j
中的极大值点，将Y
i,j
中的极大值点的数量记为m
i,j
，获取每个Y
i,j
中的极大值点在Y
i,j
中的位置，Y
i,j
中所有极大值点的位置的集合记为a
i,j
，为将Y
i,j
中的第u个极大值点的位置记为a
i,j
[u]，u＝1，2，
…
，m
i,j
，，将B
i,j
[a
i,j
[u]]作为B
i,j
中第u个手势切片的起始点，B
i,j
[a
i,j
[u]]之后的第74个采样点作为B
i,j
中第u个手势切片的结束点，B
i,j
中第u个手势切片的起始点至B
i,j
中第u个手势切片的结束点，共75个采样点即为B
i,j
中的第u个手势切片，由此得到B
i,j
中m
i,j
个手势切片；
[0014]S2
‑
5、采用数据集B
i,j
中m
i,j
个手势切片构成第本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于心率传感器的用户手势指纹认证方法，其特征在于包括如下步骤：步骤1：构建总数据集，具体过程为：将用户的总数量记为I，让I名用户作为I名测试人员，让I名测试人员分别佩戴同一款具有心率传感器的可穿戴设备，并将心率传感器的采样频率均设定为100Hz，让每名测试人员分别作出表示1
‑
9这9个数字的9种手势动作，其中每种手势动作连续进行40次，9种手势预先按照1
‑
9进行编号，此时每名测试人员佩戴的心率传感器对该名测试人员进行采样，并输出各个采样点对应的读数；认证服务器获取每名测试人员在做9种手势期间其携带的心率传感器输出的读数，并分别将获取的每名测试人员携带的心率传感器的读数按照输出先后顺序排列后构成每名测试人员的数据集，I名测试人员按照1
‑
I随机编号，将第i名测试人员的数据集记为A
i
，i＝1，2，
…
，I；采用I名测试人员的数据集构成总数据集，将该总数据集记为A，A＝{A1，A2，A3，...，A
I
}；将第i名测试人员的第j种手势的数据集记为A
i，j
，j＝1，2，
…
，9，将A
i，j
中包含的数据数量记为M
i，j
，每个数据对应为心率传感器的一个采样点，即A
i，j
包含M
i，j
个采样点；步骤2：对步骤1得到的总数据集A进行数据预处理，得到预处理后的总数据集B，对预处理后的总数据集B进行数据分析，提取与手势相关的数据片段，具体过程为：S2
‑
1、采用低通滤波器对总数据集A中所有数据集分别进行低通滤波处理，使数据更平滑，将第i名测试人员的数据集A
i
滤波后得到的数据集记为B
i
，将第i名测试人员的第j种手势的数据集A
i，j
滤波后得到的数据集记为B
i，j
，数据集B
i，j
中也具有M
i，j
个采样点，采用滤波后的I名测试人员的数据集构成滤波总数据集B，B＝{B1，B2，B3，...，B
I
}；S2
‑
2、在空置的情况下，心率传感器的输出读数会在一个固定值附近小幅波动，通过直接读取空置情况下心率传感器的读数得到该固定值，并将该固定值记为S2
‑
3、将0.75秒作为每个手势动作的时长，则在100Hz的采样频率情况下每个手势动作具有75个采样点，为数据集B
i，j
定义一个长度为(M
i，j
‑
75)的数组Y
i，j
，Y
i，j
中的第n个元素记为Y
i，j
[n]，n＝1，2，
…
，(M
i，j
‑
75)，n表示Y
i，j
[n]在Y
i，j
中的位置，通过以下公式(1)求出Y
i，j
：式(1)中，B
i，j
[g]为数据集B
i，j
的第g个采样点，| |为取绝对值符号，g代表B
i，j
[g]在数据集B
i，j
中的位置；S2
‑
4、确定Y
i，j
中的极大值点，将Y
i，j
中的极大值点的数量记为m
i，j
，获取每个Y
i，j
中的极大值点在Y
i，j
中的位置，Y
i，j
中所有极大值点的位置的集合记为a
i，j
，为将Y
i，j
中的第u个极大值点的位置记为a
i，j
[u]，u＝1，2，
…
，m
i，j
，，将B
i，j
[a
i，j
[u]]作为B
i，j
中第u个手势切片的起始点，B
i，j
[a
i，j
[u]]之后的第74个采样点作为B
i，j
中第u个手势切片的结束点，B
i，j
中第u个手势切片的起始点至B
i，j
中第u个手势切片的结束点，共75个采样点即为B
i，j
中的第u个手势切片，由此得到B
i，j
中m
i，j
个手势切片；S2
‑
5、采用数据集B
i，j
中m
i，j
个手势切片构成第i名测试人员的第j种手势的切片数据集C
i，j
，数据集B
i，j
中第m个手势切片即为切片数据集C
i，j
中的第m个数据，记为C
i，j，m
，C
i，j，m
表示第i名测试人员的第j种手势的第m个手势切片，其中m＝1，2，...，m
i，j
；步骤3.提取手势运动指纹，具体过程为：S3
‑
1、将C
i，j，m
中的第k个采样点记C
i，j，m
[k]，k＝1，2，
…
，75，C
i，j，m
是时域数据，采用公式
(2)至公式(7)计算C
i，j，m
的时域特征值，其中C
i，j，m
的时域特征值包括平均值x
i，j，m
、标准差σ
i，j，m
、均差D
i，j，m
、偏度γ
i，j，m
、峰度γ
i，j，m
和均方根振幅A
i，j，m
：：：：：：S3
‑
2、通过快速傅里叶变换(FFT)将时域数据C
i，j，m
进行转换，得到C
i，j，m
频域相关的数据，C
i，j，m...

【专利技术属性】
技术研发人员：潘佳琪，周歆妍，陈海明，
申请(专利权)人：宁波大学，
类型：发明
国别省市：