一种基于可穿戴设备运动传感器的用户身份认证方法技术

本发明专利技术涉及一种基于可穿戴设备运动传感器的用户身份认证方法，属于移动计算应用技术领域。本方法使用智能腕带设备中的运动传感器采集用户敲击脸部时腕部产生的运动信号，并去除其他运动片段，只保留存在敲脸动作的时间段，用于后续认证。通过去除发生敲脸动作时同时存在的其他噪音，得到纯净的敲脸信号。然后，从纯净的敲脸信号中提取特征并建立认证模型，由此利用智能腕带设备中的运动传感器采集手指敲击脸部时的腕部运动信号，实现用户身份认证。对比现有技术，本发明专利技术仅依靠智能腕带设备中常见的运动传感器即可实现低成本的、不显眼的、方便安全的身份认证，准确率高。准确率高。准确率高。

【技术实现步骤摘要】
一种基于可穿戴设备运动传感器的用户身份认证方法


[0001]本专利技术涉及一种用户身份认证方法，尤其涉及一种利用智能腕带设备运动传感器的基于手指敲击脸部所产生的腕部运动信号的身份认证方法，属于移动计算应用


技术介绍

[0002]随着全球可穿戴设备市场的逐渐兴起，可穿戴设备在人们的生活中越来越普遍。在使用过程中，这些设备不可避免地会包含一些私人信息和敏感信息，比如通讯录、电子邮件、信用卡号码等。在这种条件下，如果这些设备没有经过授权就被访问，大量的敏感信息可能面临着被滥用的风险。因此，为了对个人隐私数据进行保护，研究一种安全有效的可穿戴设备安全认证方案至关重要。
[0003]传统的身份认证方法如密码、PIN码和手势密码是目前最常见的认证手段。然而，这类方法安全性较低，容易被窃取而导致隐私泄密。相比之下，基于生物特征的方案具有不易被盗和对用户友好的优点，为可穿戴设备的安全开辟了新的途径，吸引了广泛的关注。现有的一些工作基于指纹、语音、虹膜、脑电图和肌电图来认证用户。但是，这些方法都需要特殊的传感器和硬件，存在定价偏高等问题，不适合本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于可穿戴设备运动传感器的用户身份认证方法，其特征在于，包括以下步骤：步骤1：使用运动传感器采集用户腕部的运动信号，包括三轴加速度计和三轴陀螺仪数据，并对该信号进行预处理，消除硬件噪声、规范化数据和分割腕部运动信号；步骤2：去除腕部运动信号中的无意义片段和运动噪声，提取出干净的敲脸信号；首先，根据加速度计Z轴信号10
‑
20Hz与0
‑
10Hz成分的能量比，以及腕部运动片段的持续时间，筛选出真正的敲脸动作片段，用于后续分析和认证；然后，使用基于卷积神经网络的方法，从得到的敲脸动作片段中进一步消除与敲脸动作同时存在的运动噪音，提取出干净的敲脸信号；步骤3：提取表示敲脸动作行为的三类特征；从步骤2得到的干净的敲脸信号中，提取运动特征、振动特征和整体特征，并将三类特征向量合并构建为特征模板；步骤4：验证用户身份信息；使用步骤3构建的特征模板，针对单用户设备和多用户设备，分别训练单类和多类支持向量机分类器；当进行用户身份验证时，采集用户的敲脸信号，利用步骤1至步骤3，得到用户生物特征模板，利用预先训练好的支持向量机分类器进行用于身份验证。2.如权利要求1所述的一种基于可穿戴设备运动传感器的用户身份认证方法，其特征在于，步骤1中，预处理采用以下方法实现：首先，去除采集的运动信号中由硬件带来的噪声成分，并对运动信号进行归一化处理；然后，计算加速度计Z轴信号的短时能量，并利用两个不同的阈值来识别腕部运动的开始和结束状态。3.如权利要求2所述的一种基于可穿戴设备运动传感器的用户身份认证方法，其特征在于，步骤1.1中，分别计算六个运动信号a
x
,a
y
,a
z
,g
x
,g
y
和g
z
的平均值和标准偏差，a
x
,a
y
,a
z
,g
x
,g
y
和g
z
分别指加速度计的X、Y、Z三轴数据和陀螺仪的X、Y、Z三轴数据；使用Z
‑
score归一化方法，对六个运动信号分别进行归一化处理；步骤1.2中，使用滑动窗口计算时间t处a
z
信号的短时能量E(t)，如式1所示：其中，a
z
(β)是β时刻的a
z
信号幅度，h是汉明窗，L是窗口大小；设置两个阈值H＝γ1×
TE、I＝γ2×
NE，γ1和γ2是常数，在本实施例中，γ1和γ2取值为2；TE是预先采集的发生敲脸动作a
z
信号短时能量的方差，NE是无任何动作时a
z
信号的平均短时能量；若当前窗口和后续窗口的E(t)都大于H，则当前窗口被视为腕部运动事件的开始；当某个窗口的E(t)小于I时，则当前窗口被视为腕部运动事件的结束。4.如权利要求1所述的一种基于可穿戴设备运动传感器的用户身份认证方法，其特征在于，步骤2中，计算a
z
信号每个腕部运动段的持续时间和10
‑
20Hz与0
‑
10Hz成分的能量比...

【专利技术属性】
技术研发人员：李凡，刘晓晨，孟玲，曹烨彤，
申请(专利权)人：北京理工大学，
类型：发明
国别省市：