一种用于位置无关性的身份识别方法技术

该发明专利技术公开了一种用于位置无关性的身份识别方法，属于目标识别领域。本发明专利技术通过手机运动数据识别目标身份，开辟了目标身份识别的另一条路径。首先获取手机处于手部，腰部，裤兜，上臂时的惯性传感器数据，然后根据这些数据及对应的目标，然后训练处一个身份识别网络，最终采用该身份识别网络识别出新获取的数据的目标身份。本发明专利技术开辟了身份识别的新方法，识别准备率达到87.8％。识别准备率达到87.8％。识别准备率达到87.8％。

【技术实现步骤摘要】
一种用于位置无关性的身份识别方法


[0001]本专利技术属于目标识别领域，特别是位置无关性的身份识别方法。

技术介绍

[0002]现有技术基于惯性传感器的身份识别，手机会放置在身体的不同部位(手部，腰部，裤兜，上臂等位置)，不同位置的手机放置位置，所得到的传感器信号具有一定的差异，测试数据的放置位置和模型训练数据的放置位置不一致的话，准确性差。

技术实现思路

[0003]本专利技术通过手机陀螺仪数据识别目标身份，开辟了目标身份识别的另一条路径。
[0004]本专利技术技术方案为一种用于位置无关性的身份识别方法，该方法包括：
[0005]步骤1：获取手机在4个位置的3轴加速度，得到3轴数据，建立数据库；4个位置分别是：裤前、手臂、腰部、手持；
[0006]步骤2：训练身份识别网络，身份识别网络结构为：
[0007]身份识别网络包括依次级联的6层，输入大小为128*3的向量；
[0008]第一层：卷积核大小为5，步长为1，输出通道为64，然后接核的大小为2的最大池化层，最后是激活函数ReLU；
[0009]第二层：卷积核大小为5，步长为1，输出通道为128，然后接核的大小为2步长为2的最大池化层，最后是激活函数ReLU；
[0010]第三层：卷积核大小为5，步长为1，输出通道为256，然后接核的大小为2的最大池化层，最后是激活函数ReLU；
[0011]第四层：卷积核大小为5，步长为1，输出通道为512，然后接核的大小为2的最大池化层，最后是激活函数ReLU；
[0012]第五层：卷积核大小为5，步长为1，输出通道为1024，然后接核的大小为2的最大池化层，最后是激活函数；
[0013]全连接层：输出大小为44；
[0014]步骤3：网络训练；网络训练时采用如下的编码规则编制训练标签；
[0015]训练标签编码规则如下：
[0016]设训练标签为n维向量，将它分为两个部分，n＝＜n1,n2＞，n1代表位置编码字段，n2代表身份编码字段，位置编码字段n1采用onehot格式，位置编码字段n1一共包含4位，裤前/手臂/腰部/手持分别对应0001/0010/0100/1000；
[0017]身份编码字段n2采用onehot格式，系统中涉及多少个人的身份识别，身份编码字段n2就包含多少位；
[0018]步骤4：测试阶段时，网络输入输出的数据格式和训练阶段是一致的，但是判断身份仅仅通过比对身份字段n2来进行。
[0019]本专利技术采用了手机惯性传感器数据，开辟是身份识别的新方法，且识别精度高。
附图说明
[0020]图1为本专利技术位置识别网络结构图；
[0021]图2为本专利技术具体实施方式中实验效果对比图；
[0022]图3为本专利技术数据采集位置示意图；
[0023]图4为本专利技术具体实施例中位置和身份编码方法示意图。
具体实施方式
[0024]实验目标：训练一个身份识别网络。即：输入行走过程的加速度信号，判别行人的身份。
[0025]数据包括：手机内置传感器采集到的34个人的步态数据，传感器放置在四个位置(裤前/手臂/腰部/手持)，采集包括六个动作(上楼/下楼/走路/跑步/站立/坐下)的加速度数据。
[0026]1.特征提取：首先将数据进行步态周期分割，按照128一段进行划分，将x,y,z三轴加速度合成作为网络的特征输入。
[0027]2.训练集和测试集的划分：采样频率是100HZ，采样60秒，那么每个人采集到的数据点数为6000，由于采集数据的开头和结尾会存在干扰，所以以200
‑
5000之间的数据作为训练集，4800
‑
5800之间的数据作为测试集，按照我们的步态周期划分大约是128个点，在这些数据点中做步态周期划分形成训练集和测试集。
[0028]对比实验的实现：
[0029]实验一：仅仅采用身份ID作为标签进行训练。
[0030]既然对人的身份识别，那么网络的全连接层输出的应该是人的身份ID，34个人那么应该全连接层的输出也为34，同时训练测试数据的标签为人的身份ID，以此为基础进行训练测试。实验二：采样本专利技术的标签编码方式进行训练；
[0031]图2是实验一和实验二测试集上的准确率的对比，图中可以看出通过本专利技术的方法在测试集上的准确率由78.6％提升到了87.8％，提升了大约9.2个百分点。
[0032]本专利技术身份识别网络参数如下表
[0033]参数名称值卷积核数量64
‑
128
‑
256
‑
512
‑
1024卷积核大小5网络层数5池化大小2Dropout概率0.2批样本数128迭代次数100优化方法Adam正则系数0.0001学习率0.0001beta_10.9beta_20.999
epsilon1E
‑
08
本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种用于位置无关性的身份识别方法，该方法包括：步骤1：获取手机在4个位置的3轴加速度，得到3轴数据，建立数据库；4个位置分别是：裤前、手臂、腰部、手持；步骤2：训练身份识别网络，身份识别网络结构为：身份识别网络包括依次级联的6层，输入大小为128*3的向量；第一层：卷积核大小为5，步长为1，输出通道为64，然后接核的大小为2的最大池化层，最后是激活函数ReLU；第二层：卷积核大小为5，步长为1，输出通道为128，然后接核的大小为2步长为2的最大池化层，最后是激活函数ReLU；第三层：卷积核大小为5，步长为1，输出通道为256，然后接核的大小为2的最大池化层，最后是激活函数ReLU；第四层：卷积核大小为5，步长为1，输出通道为512，然后接核的大小为2的最大池化层，最后是激...

【专利技术属性】
技术研发人员：张向刚，曾京，
申请(专利权)人：电子科技大学，
类型：发明
国别省市：