本发明专利技术涉及非接触式生理信号检测领域，尤其涉及一种基于指尖脉搏波信号的身份识别方法和装置，该方法包括：步骤一，利用血氧仪采集人体指尖的脉搏波信号；步骤二，将采集到的脉搏波信号进行滤波、峰值检测、信号截取对齐以及计算导数并归一标准化的处理，同时保存对应的个人身份标识号；步骤三，重复步骤一至步骤二，将步骤二中得到的信号数据保存为数据集；步骤四，将数据集输入特征提取网络进行特征提取，后输入分类网络训练，训练完成后保存训练好的网络参数，得到训练好的身份识别模型；步骤五，利用训练好的身份识别模型，对输入的脉搏波信号进行识别，预测出对应身份。本发明专利技术相比现有的其他方法，具有更高的识别准确率的优点。点。点。
【技术实现步骤摘要】
一种基于指尖脉搏波信号的身份识别方法和装置
[0001]本专利技术涉及非接触式生理信号检测领域，尤其涉及一种基于指尖脉搏波信号的身份识别方法和装置。
技术介绍
[0002]光电容积脉搏波信号是由于血液和其他组织成分对不同频段的光吸收程度不同，且血液本身在血管中的血液容积量会随着心脏的搏动而发生变化，因此在心脏收缩和舒张的过程中，血液对光的吸收量也会随心脏收缩呈现出周期性的脉搏波动，这种波动反应在传感器所接受到的信号变化即为PPG信号。
[0003]PPG信号反映了一个人的心脏搏动情况与血管健康。理论上，每个人的PPG信号都是不一样的。对于同一个人来说，身体处于不同状态的时候PPG信号有时会出现不一样的形式，例如饥饿时，PPG会明显减弱，但是，总有一些特征是保持不变的；人类指尖的具有丰富的毛细血管，所以通过指尖来采集PPG会更加容易且准确。
[0004]传统的特征提取方法依据经验对PPG信号的波形以及频域特征进行提取，可以提取的特征有限；目前，利用深度学习的方式进行脉搏波特征提取逐渐受到了关注，深度学习通过不断的迭代学习到人类很难手工提取的有效深度特征并利用这些特征进行生物识别；但是，一般的训练方式在生物识别任务中很难达到满意的精度指标，容易出现过拟合的问题；而且，PPG信号获取的成本较大，且容易出现类别不平衡问题，为识别造成更大的困难。
技术实现思路
[0005]为了解决现有技术中存在的上述技术问题，本专利技术提出了一种基于指尖脉搏波信号的身份识别方法和装置，其具体技术方案如下：一种基于指尖脉搏波信号的身份识别方法，包括以下步骤：步骤一，利用血氧仪采集人体指尖的脉搏波信号；步骤二，将采集到的脉搏波信号进行滤波、峰值检测、信号截取对齐以及计算导数并归一标准化的处理，同时保存对应的个人身份标识号；步骤三，重复步骤一至步骤二，将步骤二中得到的信号数据保存为数据集；步骤四，将数据集输入特征提取网络进行特征提取，后输入分类网络训练，训练完成后保存训练好的网络参数，得到训练好的身份识别模型；步骤五，利用训练好的身份识别模型，对输入的脉搏波信号进行识别，预测出对应身份。
[0006]进一步地，所述步骤二具体包括以下子步骤：步骤2.1 ，对采集到的脉搏波信号利用巴特沃斯带通滤波器进行滤波，得到滤波后的信号；步骤2.2 ，利用三层人工神经网络ANN对滤波后的信号进行峰值检测，输出结果分为五类，分别为峰值点、峰谷点、重搏波峰值点、重搏波峰谷点以及非极值点；
步骤2.3 ，保存峰值点、峰谷点、重搏波峰值点、重搏波峰谷点坐标位置及所对应的脉搏波类别；步骤2.4 ，在脉搏波信号及其一阶导数和二阶导数上分别设置滑动窗口，利用滑动窗口得到峰值对齐的脉搏波片段；步骤2.5，对所述脉搏波片段进行求导，得到脉搏波片段的一阶导数与二阶导数；步骤2.6，对脉搏波片段及其一阶导数、二阶导数进行归一化与标准化计算，并保存对应身份标识号。
[0007]进一步地，所述步骤2.4中的滑动窗口的具体设置为：窗口大小window_size和步长window_step分别以峰值点个数为计量单位，window_size的范围是（m,m+10），window_step的范围是（n,n+5）；window_step根据每个类别数据量进行动态调整，具体调整如下公式：公式中，c_class为当前类别脉搏波信号的数据量，max_class为最大类别对应的脉搏波信号数据量。
[0008]进一步地，所述步骤四具体包括以下子步骤：步骤4.1，输入采集的脉搏波信号数据集至特征提取网络，在特征提取网络中，利用三个一维ResNet18网络来提取脉搏波片段及其一阶导数、二阶导数的特征，在得到三组特征后，将三组特征串联得到新的特征向量，再通过空间金字塔池化结构模块将新的特征向量处理成同一长度，之后输入分类网络；步骤4.2，在分类网络中，使用交替训练的方式，经迭代训练后，得到损失函数收敛的分类网络，输出分类结果；步骤4.3，保存训练后收敛的网络参数，得到训练好的身份识别模型。
[0009]进一步地，所述步骤4.2具体为：在分类网络中，以E个训练周期为单位来交替利用交叉熵损失函数以及Pair_loss损失函数来训练，即进行E次迭代训练，在每次交替次数结束后，采用对测试的数据集中所有类别进行散度计算以及类间距离计算来评估训练性能，当性能不符合指标，则继续进行交替训练，直到指标达到规定数值后则停止训练。
[0010]进一步地，所述Pair_loss损失函数的具体表达由下式所示；公式中，feature1、feature2为输出特征，label1和label2为两类标签， dist()为欧式距离计算函数，m为欧式距离阈值。
[0011]进一步地，所述步骤五具体为：在注册阶段，使用训练好的身份识别模型，当有新用户进行注册时，将新用户的脉搏波信号作为输入送入训练好的身份识别模型的特征提取网络中，得到对应的特征向量并保存至特征库；在检索阶段，将要检索的脉搏波信号输入至特征提取网络得到特征向量，之后计算特征库中其与所有特征向量的相似度，找到相似度最高的特征向量，其对应身份标识号
即为预测的身份标识号。
[0012]一种基于指尖脉搏波信号的身份识别装置，包括一个或多个处理器，用于实现所述的基于指尖脉搏波信号的身份识别方法。
[0013]一种计算机可读存储介质，其上存储有程序，该程序被处理器执行时，实现所述的基于指尖脉搏波信号的身份识别方法。
[0014]本专利技术的优点：本专利技术在数据预处理阶段考虑到信号的多尺度特性并使用不同的窗口大小，步长的滑窗进行分片段操作，这不仅保证了输入样本的多样性也确保了在类别不平衡时所带来的问题；在特征提取网络中，本专利技术使用SPP模块将不等长的输出特征向量转换为一致的维度，此外，本专利技术以生物识别任务为原则创新的提出了交替训练方法；为保证算法性能，在每次训练结束后评估训练性能并根据评估出的性能动态的调整Pair_loss损失函数的权重。
附图说明
[0015]图1是本专利技术的一种基于指尖脉搏波信号的身份识别方法的流程图；图2是本专利技术的特征提取网络与分类网络的结构示意图；图3是本专利技术的SPP模块处理流程示意图；图4是本专利技术的分类网络训练流程示意图；图5是本专利技术的一种基于指尖脉搏波信号的生物识别装置的结构示意图。
具体实施方式
[0016]为了使本专利技术的目的、技术方案和技术效果更加清楚明白，以下结合说明书附图和实施例，对本专利技术作进一步详细说明。
[0017]如图1所示，一种基于指尖脉搏波信号的身份识别方法，包括以下步骤：步骤一，利用血氧仪采集人体指尖脉搏波信号；血氧仪的采集频率为M赫兹，采集时长为T秒，每段信号共有M
ꢀ×ꢀ
T个数据点。
[0018]步骤二，将采集到的脉搏波信号进行滤波、峰值检测、信号截取对齐以及计算导数并归一标准化的处理，同时保存对应的个人身份标识号，即身份ID，具体包括以下子步骤：步骤2.1 ，对采集到的指尖脉搏波信号PPG利用巴特沃斯带通滤本文档来自技高网...
【技术保护点】
【技术特征摘要】
1.一种基于指尖脉搏波信号的身份识别方法，其特征在于，包括以下步骤：步骤一，利用血氧仪采集人体指尖的脉搏波信号；步骤二，将采集到的脉搏波信号进行滤波、峰值检测、信号截取对齐以及计算导数并归一标准化的处理，同时保存对应的个人身份标识号；步骤三，重复步骤一至步骤二，将步骤二中得到的信号数据保存为数据集；步骤四，将数据集输入特征提取网络进行特征提取，后输入分类网络训练，训练完成后保存训练好的网络参数，得到训练好的身份识别模型；步骤五，利用训练好的身份识别模型，对输入的脉搏波信号进行识别，预测出对应身份。2.如权利要求1所述的一种基于指尖脉搏波信号的身份识别方法，其特征在于，所述步骤二具体包括以下子步骤：步骤2.1 ，对采集到的脉搏波信号利用巴特沃斯带通滤波器进行滤波，得到滤波后的信号；步骤2.2 ，利用三层人工神经网络ANN对滤波后的信号进行峰值检测，输出结果分为五类，分别为峰值点、峰谷点、重搏波峰值点、重搏波峰谷点以及非极值点；步骤2.3 ，保存峰值点、峰谷点、重搏波峰值点、重搏波峰谷点坐标位置及所对应的脉搏波类别；步骤2.4 ，在脉搏波信号及其一阶导数和二阶导数上分别设置滑动窗口，利用滑动窗口得到峰值对齐的脉搏波片段；步骤2.5，对所述脉搏波片段进行求导，得到脉搏波片段的一阶导数与二阶导数；步骤2.6，对脉搏波片段及其一阶导数、二阶导数进行归一化与标准化计算，并保存对应身份标识号。3.如权利要求2所述的一种基于指尖脉搏波信号的身份识别方法，其特征在于，所述步骤2.4中的滑动窗口的具体设置为：窗口大小window_size和步长window_step分别以峰值点个数为计量单位，window_size的范围是（m,m+10），window_step的范围是（n,n+5）；window_step根据每个类别数据量进行动态调整，具体调整如下公式：公式中，c_class为当前类别脉搏波信号的数据量，max_class为最大类别对应的脉搏波信号数据量。4.如权利要求2所述的一种基于指尖脉搏波信号的身份识别方法，其特征在于，所述步骤四具体包括以下子步骤：步骤4.1，输入采集的脉搏波信号数据集至特征提取网络，在特...
【专利技术属性】
技术研发人员：魏日令，徐晓刚，徐冠雷，何鹏飞，
申请(专利权)人：浙江工商大学，
类型：发明
国别省市：
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。