一种脑电图生物特征核验方法、装置、芯片及终端制造方法及图纸

本发明专利技术实施例公开了一种脑电图生物特征核验方法、装置、芯片及终端，涉及人工智能领域，通过对待识别脑电图数据进行数据处理，得到目标脑电图数据，对所述目标脑电图数据进行空间滤波处理及特征提取得到特征信号矩阵，将所述特征信号矩阵输入预设的Transformer模型，以使所述Transformer模型进行位置编码，将进行位置编码之后的特征信号矩阵输入编解码组件进行编解码处理，对所述编解码处理的结果进行线性变换和softmax计算确定生物特征核验分类，本方法利用编解码组件可以有效缩短网络的计算时间，提高了Transformer模型的生物特征核验效率，并提高了脑电图生物特征核验的准确率。确率。确率。

【技术实现步骤摘要】
一种脑电图生物特征核验方法、装置、芯片及终端


[0001]本专利技术涉及人工智能
，特别是涉及一种脑电图生物特征核验方法、装置、芯片及存储介质。

技术介绍

[0002]随着社会发展到数字化时代，生物特征核验与人们的日常生活已经不可分割，如手机，电脑等设备的开启使用，登录网站用户验证，工作打卡等。而且人们对生物特征核验的安全性的要求不断升高，生物特征核验在生活中已经越来越重要。人脸、指纹、虹膜等生物特征暴露在人体外部，存在着容易损毁的问题，且较容易被他人盗取。此外，这些传统生物特征无法进行活体检测，也即用户死亡后，指纹、人脸、虹膜、DNA等生物特征依旧存在，使用这些生物特征的生物特征核验系统存在通过杀害使用者盗取特征的风险。
[0003]作为一种新型的生物特征，脑电信号具有高隐蔽、难伪造等优势。因此，基于脑电的生物特征识别系统具备极高的安全性，对于窃取生物特征等犯罪手段都有着良好的防备方法，这使得基于脑电的生物特征识别技术可应用于高安全性要求的权限访问系统。目前的脑电信号识别准确率较低，无法满足生物特征核验的需求。

技术实现思路

[0004]基于此，本专利技术提供一种脑电图生物特征核验方法、装置、芯片及存储介质，可以提高脑电信号识别的准确率。
[0005]第一方面，提供一种脑电图生物特征核验方法，包括：
[0006]对待识别脑电图数据进行数据处理，得到目标脑电图数据；
[0007]对所述目标脑电图数据进行空间滤波处理及特征提取，得到特征信号矩阵；
[0008]将所述特征信号矩阵输入预设的Transformer模型，以使所述Transformer模型根据所述特征信号矩阵的行数及列数对所述特征信号矩阵进行位置编码；
[0009]将进行位置编码之后的特征信号矩阵输入编解码组件进行编解码处理；
[0010]对所述编解码处理的结果进行线性变换和softmax计算，确定生物特征核验分类。
[0011]可选的，所述对所述目标脑电图数据进行空间滤波处理及特征提取，得到特征信号矩阵，包括：
[0012]根据信号频段对所述目标脑电图数据进行分割；
[0013]利用共空间模式算法对分割后的所述目标脑电图数据进行空间滤波处理；
[0014]利用滤波器组共空间模式算法对空间滤波处理后的所述目标脑电图数据进行特征提取提到所述特征信号矩阵。
[0015]可选的，所述编解码组件包括一个或多个编解码结构，每个所述编解码结构包括编码器和解码器，所述编码器包括一个多头自注意力层和一个前馈层，所述解码器包括一个遮罩多头自注意力层、一个多头自注意力层和一个前馈层所述前馈层包括两层全连接层。
[0016]可选的，所述对待识别脑电图数据进行数据处理，得到目标脑电图数据，包括：
[0017]对所述待识别脑电图数据进行预处理，得到预处理数据；
[0018]利用滑动窗口对所述预处理数据进行数据增强；
[0019]根据所述待识别脑电数据的采集设备通道数对所述数据增强后的预处理数据进行源空间转换，得到所述目标脑电图数据。
[0020]可选的，所述对所述待识别脑电图数据进行预处理，得到预处理数据，包括：
[0021]利用FIR滤波器对所述待识别脑电图数据进行滤波处理；
[0022]对滤波处理后的所述待识别脑电图数据进行分割处理，其中，所述分割处理的分割时间段为2秒；
[0023]利用花朵授粉算法对分割处理后的所述待识别脑电图数据进行通道优化处理，得到所述预处理数据。
[0024]第二方面，提供一种脑电图生物特征核验装置，包括：
[0025]处理模块，用于对待识别脑电图数据进行数据处理，得到目标脑电图数据；
[0026]特征提取模块，用于对所述目标脑电图数据进行空间滤波处理及特征提取，得到特征信号矩阵；
[0027]执行模块，用于将所述特征信号矩阵输入预设的Transformer模型，以使所述Transformer模型根据所述特征信号矩阵的行数及列数对所述特征信号矩阵进行位置编码；
[0028]编解码模块，用于将进行位置编码之后的特征信号矩阵输入编解码组件进行编解码处理；
[0029]分类模块，用于对所述编解码处理的结果进行线性变换和softmax计算，确定生物特征核验分类。
[0030]可选的，所述脑电图生物特征核验装置还包括：
[0031]第一分割子模块，用于根据信号频段对所述目标脑电图数据进行分割；
[0032]第一滤波子模块，用于利用共空间模式算法对分割后的所述目标脑电图数据进行空间滤波处理；
[0033]第一特征提取子模块，用于利用滤波器组共空间模式算法对空间滤波处理后的所述目标脑电图数据进行特征提取提到所述特征信号矩阵。
[0034]可选的，所述编解码组件包括一个或多个编解码结构，每个所述编解码结构包括编码器和解码器，所述编码器包括一个多头自注意力层和一个前馈层，所述解码器包括一个遮罩多头自注意力层、一个多头自注意力层和一个前馈层所述前馈层包括两层全连接层。
[0035]可选的，所述脑电图生物特征核验装置还包括：
[0036]第一处理子模块，用于对所述待识别脑电图数据进行预处理，得到预处理数据；
[0037]第一增强子模块，用于利用滑动窗口对所述预处理数据进行数据增强；
[0038]第一转换子模块，用于根据所述待识别脑电数据的采集设备通道数对所述数据增强后的预处理数据进行源空间转换，得到所述目标脑电图数据。
[0039]可选的，所述脑电图生物特征核验装置还包括：
[0040]第二滤波子模块，用于利用FIR滤波器对所述待识别脑电图数据进行滤波处理；
[0041]第二分割子模块，用于对滤波处理后的所述待识别脑电图数据进行分割处理，其中，所述分割处理的分割时间段为2秒；
[0042]第二处理子模块，用于利用花朵授粉算法对分割处理后的所述待识别脑电图数据进行通道优化处理，得到所述预处理数据。
[0043]第三方面，提供一种芯片，包括：处理器，用于从存储器中调用并运行计算机程序，使得安装有所述芯片的设备执行如上述任一项所述的脑电图生物特征核验方法的各个步骤。
[0044]第四方面，提供一种终端，包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序时实现如上述任一项所述的脑电图生物特征核验方法的步骤。
[0045]上述脑电图生物特征核验方法、装置、芯片及存储介质，通过对待识别脑电图数据进行数据处理，并在空间滤波之后进行特征提取，提高特征信号矩阵表征信息的有效性，然后利用Transformer模型进行位置编码，并使用编解码组件进行处理，根据编解码处理的结果进行生物特征核验，利用编解码组件可以有效缩短网络的计算时间，提高了Transformer模型的生物特征核验效率，并提高了脑电图生物特征核验的准确率。...

【技术保护点】

【技术特征摘要】
1.一种脑电图生物特征核验方法，其特征在于，包括：对待识别脑电图数据进行数据处理，得到目标脑电图数据；对所述目标脑电图数据进行空间滤波处理及特征提取，得到特征信号矩阵；将所述特征信号矩阵输入预设的Transformer模型，以使所述Transformer模型根据所述特征信号矩阵的行数及列数对所述特征信号矩阵进行位置编码；将进行位置编码之后的特征信号矩阵输入编解码组件进行编解码处理；对所述编解码处理的结果进行线性变换和softmax计算，确定生物特征核验分类。2.如权利要求1所述的脑电图生物特征核验方法，其特征在于，所述对所述目标脑电图数据进行特征提取，得到特征信号矩阵，包括：根据信号频段对所述目标脑电图数据进行分割；利用共空间模式算法对分割后的所述目标脑电图数据进行空间滤波处理；利用滤波器组共空间模式算法对空间滤波处理后的所述目标脑电图数据进行特征提取提到所述特征信号矩阵。3.如权利要求1所述的脑电图生物特征核验方法，其特征在于，所述编解码组件包括一个或多个编解码结构，每个所述编解码结构包括编码器和解码器，所述编码器包括一个多头自注意力层和一个前馈层，所述解码器包括一个遮罩多头自注意力层、一个多头自注意力层和一个前馈层所述前馈层包括两层全连接层。4.如权利要求1所述的脑电图生物特征核验方法，其特征在于，所述对待识别脑电图数据进行数据处理，得到目标脑电图数据，包括：对所述待识别脑电图数据进行预处理，得到预处理数据；利用滑动窗口对所述预处理数据进行数据增强；根据所述待识别脑电数据的采集设备通道数对所述数据增强后的预处理数据进行源空间转换，得到所述目标脑电图数据。5.如权利要求4所述的脑电图生物特征核验方法，其特征在于，所述对所述待识别脑电图数据进行预处理，得到预处理数据，包括：利用FIR滤波器对所述待识别脑电图数据进行滤波处理；对滤波处理后的所述待识别脑电图数据进行分割处理，其中，所述分割处理的分割时间段为2秒；利用花朵授粉算法对分割处理后的所述待识别脑电图数据进行通道优化处理，得到所述预处理数据。6.如权利要求3所述的脑电图生物特征核验方法，其特征在于，所述将进行位置编码之后的特征信号矩阵输入编解码组件进行编解码处理，包括：将位置编码之后的所述特征信号矩阵与预设的权重矩阵相乘，得...

【专利技术属性】
技术研发人员：郭军，柯武生，翁国权，
申请(专利权)人：山东睿芯半导体科技有限公司，
类型：发明
国别省市：