基于步态信息的用户识别方法、装置、电子设备及存储介质制造方法及图纸

本发明专利技术实施例公开了一种基于步态信息的用户识别方法、装置、电子设备及存储介质，方法包括：对待识别用户进行步态数据采集，获得步态数据；基于预先训练获得的当前身份识别模型，对所述步态数据进行用户识别处理，获得识别结果；在所述识别结果未包含目标用户标签的情况下，为所述步态数据添加用户标签；基于所述步态数据以及相对应的用户标签，对所述当前身份识别模型进行模型训练，获得更新后的当前身份识别模型，以基于所述更新后的当前身份识别模型对步态数据进行用户识别；在所述识别结果包含目标用户标签的情况下，基于所述目标用户标签获得所述待识别用户的用户身份。本发明专利技术实施例的技术方案可以提高用户身份识别的准确度。确度。确度。

【技术实现步骤摘要】
基于步态信息的用户识别方法、装置、电子设备及存储介质


[0001]本专利技术涉及一种人工智能
，尤其涉及一种基于步态信息的用户识别方法、装置、电子设备及存储介质。

技术介绍

[0002]用户身份识别是支撑物联网安全的基础性服务之一，当前用户身份识别主要采用基于视觉的识别方式，通过摄像头提取用户视觉特征完成用户身份识别。然而，基于视觉的身份识别受限于环境光照等挑战，在黑暗环境下无法正常工作。人脸面部信息广泛被利用于支付和密码识别等多种场景，但是人脸面部信息的识别会受到光线、面部遮挡等的影响，相比之下，步态信息识别更为隐私。
[0003]现有的步态识别技术对于用户身份识别的精度不高，进而影响用户体验度。因此，需要一种基于步态信息的用户识别方法以解决上述的技术问题。

技术实现思路

[0004]本专利技术实施例提供一种基于步态信息的用户识别方法、装置、电子设备及存储介质，解决了上述的技术问题。
[0005]第一方面，本专利技术实施例提供了一种基于步态信息的用户识别方法，方法包括：
[0006]对待识别用户进行步态数据采集，获得步态数据；
[0007]基于预先训练获得的当前身份识别模型，对所述步态数据进行用户识别处理，获得识别结果；
[0008]在所述识别结果未包含目标用户标签的情况下，为所述步态数据添加用户标签；基于所述步态数据以及相对应的用户标签，对所述当前身份识别模型进行模型训练，获得更新后的当前身份识别模型，以基于所述更新后的当前身份识别模型对步态数据进行用户识别；
[0009]在所述识别结果包含目标用户标签的情况下，基于所述目标用户标签获得所述待识别用户的用户身份。
[0010]第二方面，本专利技术实施例还提供了一种基于步态信息的用户识别装置，装置包括：
[0011]步态数据获取模块，用于对待识别用户进行步态数据采集，获得步态数据；
[0012]识别结果获取模块，用于基于预先训练获得的当前身份识别模型，对所述步态数据进行用户识别处理，获得识别结果；
[0013]模型更新模块，用于在所述识别结果未包含目标用户标签的情况下，为所述步态数据添加用户标签；基于所述步态数据以及相对应的用户标签，对所述当前身份识别模型进行模型训练，获得更新后的当前身份识别模型，以基于所述更新后的当前身份识别模型对步态数据进行用户识别；
[0014]用户身份确定模块，用于在所述识别结果包含目标用户标签的情况下，基于所述目标用户标签获得所述待识别用户的用户身份。
[0015]第三方面，本专利技术实施例还提供了一种电子设备，其特征在于，所述电子设备包括：
[0016]一个或多个处理器；
[0017]存储装置，用于存储一个或多个程序，
[0018]当所述一个或多个程序被所述一个或多个处理器执行，使得所述一个或多个处理器实现如如本专利技术任一实施例所述的基于步态信息的用户识别方法。
[0019]第四方面，本专利技术实施例还提供了一种包含计算机可执行指令的存储介质，其特征在于，所述计算机可执行指令在由计算机处理器执行时用于执行如本专利技术任一实施例所述的基于步态信息的用户识别方法。
[0020]本专利技术实施例中，对待识别用户进行步态数据采集，获得步态数据，基于预先训练获得的当前身份识别模型，对步态数据进行用户识别处理，得到识别结果。在识别结果未包含目标用户标签的情况下，为步态数据添加用户标签，基于步态数据以及相对应的用户标签，对当前身份识别模型进行模型训练，获得更新后的当前身份识别模型，以基于更新后的当前身份识别模型对步态数据进行用户识别，实现了当再次获取到该待识别用户的步态数据，可以基于步态数据获得该待识别用户的用户身份，提高了用户体验度。在识别结果包含目标用户标签的情况下，基于目标用户标签获得待识别用户的用户身份，相对于人脸识别、指纹识别等，不需要考虑光线或者手指是否有水渍等因素的影响，使得用户身份识别的更加准确。
附图说明
[0021]为了更清楚地说明本专利技术实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本专利技术的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
[0022]其中：
[0023]图1为一个实施例中的一种基于步态信息的用户识别方法的流程示意图；
[0024]图2为另一个实施例中的一种步态数据采集设备的示意图；
[0025]图3为另一个实施例中的一种基于步态信息的用户识别装置的结构示意图；
[0026]图4为另一个实施例中的一种电子设备的结构示意图。
具体实施方式
[0027]下面将结合本专利技术实施例中的附图，对本专利技术实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本专利技术一部分实施例，而不是全部的实施例。基于本专利技术中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本专利技术保护的范围。
[0028]在一本专利技术实施例中，提供一种基于步态信息的用户识别方法，本专利技术实施例可适用于对用户的步态信息进行识别的情况，该方法可以由基于步态信息的用户识别装置来执行，该装置可以通过软件和/或硬件的形式实现。
[0029]如图1所示，本专利技术实施例的基于步态信息的用户识别方法包括：
[0030]S110、对待识别用户进行步态数据采集，获得步态数据。
[0031]其中，待识别用户是指需要进行身份识别的用户。步态数据可以是指通过WIFI采集到的CSI信号的步态数据，还可以是指通过图像采集设备采集到的步态图像数据。
[0032]本专利技术实施例中，采集待识别用户的步态数据，可选地，可以预先设置采集周期，按照采集周期采集待识别用户的步态数据。待识别用户的步态数据为后续进行待识别用户的身份识别做准备工作。
[0033]可选的，在目标区域设置WIFI发射器和接收器，待识别用户在WIFI发射器和接收器之间走动，接收器获取步态数据。目标区域可以是走廊、玄关、楼道等区域。在过道两侧设置WIFI发射器和接收器，当待识别用户经过过道时，接收器采集到待识别用户的步态数据。
[0034]示例性的，本发实施例设计了获取待识别用户的步态数据的实验，实验设备包括：Hp8530p笔记本电脑，内置5300 802.11n卡作为接收器，一个WIFI路由器Netgear R7000作为发射器。实验环境包括：在走廊两侧分别放置三个WIFI发射器和三个接收器，实验者在试验布置的WIFI发射器和接收器之间走动，通过WIFI发射器发出信号，通过接收器接收实验者的步态数据，参见图2。T1、T2和T3表示WIFI发射器，R1、R2和R3表示接收器。应当理解，步态数据包括9组数据，每组数据的采集时间不超过5s，将采集到的9组数据以矩阵形式进行转换，得到9*30*3200的矩阵。9代表9组数据，30代表每组数据中包括的30个子载波本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于步态信息的用户识别方法，其特征在于，包括：对待识别用户进行步态数据采集，获得步态数据；基于预先训练获得的当前身份识别模型，对所述步态数据进行用户识别处理，获得识别结果；在所述识别结果未包含目标用户标签的情况下，为所述步态数据添加用户标签；基于所述步态数据以及相对应的用户标签，对所述当前身份识别模型进行模型训练，获得更新后的当前身份识别模型，以基于所述更新后的当前身份识别模型对步态数据进行用户识别；在所述识别结果包含目标用户标签的情况下，基于所述目标用户标签获得所述待识别用户的用户身份。2.根据权利要求1所述的基于步态信息的用户识别方法，其特征在于，所述基于预先训练获得的当前身份识别模型，对所述步态数据进行用户识别处理，获得识别结果，包括：基于所述当前身份识别模型中的当前卷积网络模型，对步态数据进行特征提取，得到特征向量；基于所述身份识别模型中的分类模型对所述特征向量进行用户识别处理，获得识别结果。3.根据权利要求2所述的基于步态信息的用户识别方法，其特征在于，所述基于所述身份识别模型中的分类模型对所述特征向量进行用户识别处理，获得识别结果，包括：基于所述身份识别模型中的分类模型对特征向量进行分类处理，得到所述特征向量属于各个用户标签的概率；确定各概率中数值最高、且大于预设阈值的概率为目标概率；将所述目标概率对应的用户标签确定为目标用户标签，以获得所述识别结果。4.根据权利要求1所述的基于步态信息的用户识别方法，其特征在于，在所述基于预先训练获得的当前身份识别模型，对所述步态数据进行用户识别处理，获得识别结果之前，所述方法还包括：对训练数据集进行三元组采样，得到多个三元组数据；通过初始卷积网络模型中的初始特征提取子模型对每个三元组数据进行处理，得到多个步态特征向量；通过所述初始卷积网络模型中的三元组损失函数对每个步态特征向量进行处理，得到多个三元组数据的损失值，根据每个三元组数据的损失值，得到整体损失值；基于所述整体损失值对所述初始特征提取子模型进行调整，直至所述整体损失值位于预设范围内，以获得所述当前卷积网络模型。5.根据权利要求1所述的基于步态信息的用户识别方法，其特征在于，所述基于所述步态数据以及相对应的用户标签，对所述当前身份识别模型进行模型训练，包括：基于所述步态数据以及相对应的用...

【专利技术属性】
技术研发人员：罗成文，姚瑶，饶荣，王海涛，李坚强，
申请(专利权)人：深圳大学，
类型：发明
国别省市：