脑纹识别方法、装置、电子设备和存储介质制造方法及图纸

本申请公开了一种脑纹识别方法、装置、电子设备和存储介质，属于新一代信息技术领域。脑纹识别方法包括：获取目标用户的多导联脑电信号；将多导联脑电信号切割为多个切片信号；提取针对多个切片信号的融合有时域信息和空域信息的融合特征，并对融合特征进行识别，得到目标用户的身份识别结果。脑纹识别装置包括：脑电信号获取模块、切片信号获取模块和身份识别得到模块。通过上述技术方案使得用于识别的特征为融合有时域信息和空域信息的融合特征，而脑电信号具有在时间和空间维度上具有丰富信息的特点，所以提高了识别准确率。所以提高了识别准确率。所以提高了识别准确率。

【技术实现步骤摘要】
脑纹识别方法、装置、电子设备和存储介质


[0001]本申请属于新一代信息
，特别涉及一种脑纹识别方法、装置、电子设备和存储介质。

技术介绍

[0002]在当今信息全球化的世界，保证个人信息安全也变得尤为重要，这导致了对身份识别技术的需求。如今的身份识别，往往是采用指纹、虹膜或者人脸识别来完成的并且拥有较高的识别准确率，已经被广泛地用于日常生活中。但这些生物信息技术的问题在于：它们容易被窃取，用户经常不经意之间就泄露了自己的身份信息，因此技术安全性得不到有效的保证。由于采集EEG(Electro Encephalo Gram，脑电图)信号需要专业的采集器和信号放大器，使得窃取EEG变得尤为困难。因此，基于EEG的脑纹识别方法具有独一无二的安全性。
[0003]相关脑纹识别技术主要包括基于图论的EEG身份识别方法。该方法将一个通道作为图模型的一个节点，通过PLV(Phase Locking Value，相锁值)特征来计算图的邻接矩阵，然后使用GCNN(Graph Convolution Neural Network，图卷积神经网络)提本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种脑纹识别方法，其特征在于，包括：获取目标用户的多导联脑电信号；将所述多导联脑电信号切割为多个切片信号；提取针对所述多个切片信号的融合有时域信息和空域信息的融合特征，并对所述融合特征进行识别，得到所述目标用户的身份识别结果。2.根据权利要求1所述的脑纹识别方法，其特征在于，所述提取针对所述多个切片信号的融合有时域信息和空域信息的融合特征，并对所述融合特征进行识别，得到所述目标用户的身份识别结果，包括：将所述多个切片信号输入至预设的多模态特征融合模型，得到融合有时域信息和空域信息的融合特征；利用预设的所述身份识别分类器对所述融合特征进行识别，得到所述身份识别结果。3.根据权利要求2所述的脑纹识别方法，其特征在于，所述多模态特征融合模型包括时域编码器和空域编码器，所述将所述多个切片信号输入至预设的多模态特征融合模型，得到融合有时域信息和空域信息的融合特征，包括：利用所述时域编码器在时域上对所述多个切片信号进行自注意力计算，得到多段时域特征；为所述多段时域特征分别添加位置编码，得到具有位置标记的多段时域特征段；利用所述空域编码器在空域上对所述具有位置标记的多段时域特征段进行自注意力计算，得到多段空域特征；对所述多段空域特征进行降维，得到所述融合特征以利用所述身份识别分类器对所述融合特征进行识别。4.根据权利要求3所述的脑纹识别方法，其特征在于，所述利用所述时域编码器在时域上对所述多个切片信号进行自注意力计算，得到多段时域特征，包括：利用所述时域编码器对所述多个切片信号进行多头注意力计算，得到时域自注意力输出结果，对所述时域自注意力输出结果依次进行残差连接和层归一化，得到时域隐藏状态，对所述时域隐藏状态进行多层感知计算，得到时域感知输出结果，对所述时域感知输出结果依次进行残差连接和层归一化，得到所述多段时域特征。5.根据权利要求2所述的脑纹识别方法，其特征在于，所述将所述多个切片信号输入至预设的多模态特征融合模型，得到融合有时域信息和空域信息的融合特征之前，所述方法还包括：获取样本数据，所述样本数据包括多个用户各自在多种状态下分别对应的脑电信号，以及多个用户各自在多种状态下分别对应的脑电信...

【专利技术属性】
技术研发人员：马鹏程，杜阳，许永凌，王晓岸，
申请(专利权)人：北京脑陆科技有限公司，
类型：发明
国别省市：