CN102274029B - 身份识别方法及系统 - Google Patents

Abstract

一种身份识别方法，包括以下步骤：采集心电信号；确定心电信号中的每段周期信号，并计算每段周期信号的相关系数；判断每段周期信号的相关系数是否小于阈值，若是，则将相关系数小于阈值的周期信号从所述心电信号中舍去；对保留的周期信号构造所述心电信号的特征向量；比较所述心电信号的特征向量与心电数据库中的模板是否相似，若是，则提取最相似的模板作为识别结果。上述身份识别方法及系统计算心电信号中每段周期信号的相关系数，相关系数越大，误差就越小，将相关系数小于阈值的周期信号舍去，也就是除去了误差较大的周期信号，从而提高抗干扰能力，消除突发的干扰对心电信号的影响。

Description

身份识别方法及系统

【技术领域】

本发明涉及信息安全技术，特别是涉及一种身份识别方法及系统。

【背景技术】

随着科技的发展，信息安全也越来越重要。伴随着安全性需求的不断增长，基于生物特征的识别技术得到了广泛的发展与应用，例如，虹膜识别、指纹识别以及人脸识别等诸多技术。但是，虹膜识别的手写体有被模仿的隐患，指纹识别存在着利用假指或断指来钻空子的可能，人脸识别也会存在着假面的伪造。而心电身份识别作为一种新兴的用于身份识别的生物特征，由于是活体身份识别，极大地避免了伪造的隐患，越来越多地应用于身份识别中。

然而，心电信号是由心脏收缩而产生的一种生物信号，采集到的心电信号常常伴有噪声，极大地降低了身份识别过程中的抗干扰能力。

【发明内容】

基于此，有必要提供一种能提高抗干扰能力的身份识别方法。

此外，还有必要提供一种能提高抗干扰能力的身份识别系统。

一种身份识别方法，包括以下步骤：

采集心电信号；

确定心电信号中的每段周期信号，并计算每段周期信号的相关系数；

判断每段周期信号的相关系数是否小于阈值，若是，则将相关系数小于阈值的周期信号从所述心电信号中舍去；

对保留的周期信号构造所述心电信号的特征向量；

比较所述心电信号的特征向量与心电数据库中的模板是否相似，若是，则提取最相似的模板作为识别结果。

优选地，所述确定心电信号中的每段周期信号的步骤为：

检测心电信号中R点位置，并根据所述R点位置得到心电信号中的周期信号。

优选地，所述比较所述心电信号的特征向量与心电数据库中的模板是否相似的步骤之前还包括：

预先采集心电信号；

确定所述心电信号中的每段周期信号，并计算每段周期信号的相关系数；

判断每段周期信号的相关系数是否小于阈值，若是，则将相关系数小于阈值的周期信号从所述心电信号中舍去；

对保留的周期信号构造所述心电信号的特征向量；

将所述心电信号的特征向量作为模板存入心电数据库；对所述心电数据库中的模板进行匹配方式的标记。

优选地，所述对所述心电数据库模板中的进行匹配方式的标记的步骤为：

逐一选择匹配方式对心电数据库中的模板进行两两比较，并将选择的匹配方式标记于模板中，判断当前两两比较的模板相似度是否小于模板的阈值，若否，则返回下一匹配方式的选择，并将当前两两比较的模板再次进行比较。

优选地，所述比较所述心电信号的特征向量与心电数据库中的模板是否相似，若是，则提取最相似的模板作为识别结果的步骤为：

根据心电数据库模板中匹配方式被标记的先后顺序选择匹配方式：

通过选择的匹配方式进行心电信号与心电数据库中模板的比较，并判断所述心电信号的特征向量是否与心电数据库中模板相似，若是，则选取最相似的模板作为识别结果，若否，则查询所述模板中是否存在下一匹配方式，若是，则返回进行下一匹配方式的选择，若否，则结束。

优选地，还包括：

根据识别结果将所述心电信号的特征向量与其在心电数据库中对应的模板进行综合处理，并将综合处理得到的心电信号替换心电数据库对应的模板。

一种身份识别系统，至少包括：

采集模块，用于采集心电信号；

预处理模块，用于确定心电信号中的每段周期信号，并计算每段周期信号的相关系数，判断每段周期信号的相关系数是否小于阈值，若是，则将相关系数小于阈值的周期信号从心电信号中舍去，对保留的周期信号构造所述心电信号的特征向量；

心电数据库，用于将预先采集的心电信号所构造的特征向量作为模板进行存储；

匹配模块，用于比较所述心电信号的特征向量与心电数据库中的模板是否相似，若是，则提取最相似的模板作为识别结果，若否，则停止执行。

优选地，所述预处理模块检测心电信号中R点位置，并根据所述R点位置得到心电信号中的周期信号。

优选地，所述采集模块还用于预先采集心电信号；

所述预处理模块还用于确定心电信号中的每段周期信号，并计算每段周期信号的相关系数，判断每段周期信号的相关系数是否小于阈值，若是，则将相关系数小于阈值的周期信号从所述心电信号中舍去，对保留的周期信号构造所述心电信号的特征向量；

所述系统还包括：

标记模块，用于对所述心电数据库中的模板进行匹配方式的标记。

优选地，所述标记模块包括：

模板比较单元，用于逐一选择匹配方式对心电数据库中的模板进行两两比较，并将选择的匹配方式标记于模板中；

判断单元，用于判断当前两两比较的模板相似度是否小于模板的阈值，若否，则返回下一匹配方式的选择，并将当前两两比较的模板再次进行比较，若是，则停止执行。

优选地，所述匹配模块包括：

选择单元，用于根据心电数据库模板中匹配方式被标记的先后顺序选择匹配方式；

心电比较单元，用于通过选择的匹配方式进行所述心电信号与心电数据库中模板的比较，并判断所述心电信号的特征向量是否与心电数据库中模板相似，若是，则通知选取单元，若否，则查询所述模板中是否存在下一匹配方式，若是，则通知选择单元返回进行下一匹配方式的选择，若否，则结束；

选取单元，用于选取最相似的模板作为识别结果。

优选地，还包括：

更新模块，用于根据识别结果将所述心电信号的特征向量与其在心电数据库中对应的模板进行综合处理，并将综合处理得到的心电信号替换心电数据库对应的模板。

上述身份识别方法及系统计算心电信号中每段周期信号的相关系数，相关系数越大，误差就越小，将相关系数小于阈值的周期信号舍去，也就是除去了误差较大的周期信号，从而提高抗干扰能力，消除突发的干扰对心电信号的影响。

上述身份识别方法及系统对存储于心电数据库中的模板进行匹配方式的标记，在识别的过程中选择模板中标记的匹配方式进行心电信号的识别，使得使用的匹配方式更为合适。

上述身份识别方法及系统对心电数据库中的模板进行更新，保证了心电数据库中模板的准确性，并适应人体心血管的缓慢变异。

上述心电数据库的每个模板都标记一个至少包含一种匹配方式的匹配方式序列，所述匹配方式序列是在心电数据库模板登记过程中根据各个模板之间相似性分析而生成的。当进行身份识别时，所述系统根据所述匹配方式序列的先后顺序选择当前匹配方式，提高系统的实时性能和识别效率。

【附图说明】

图1为一个实施例中身份识别方法的流程图；

图2为一个实施例中心电信号的波形图；

图3为一个实施例中预先建立心电数据库的流程图；

图4为一个实施例中在心电对心电数据库中的模板进行匹配方式的标记的流程图；

图5为另一个实施例中身份识别方法的流程图；

图6为一个实施例中身份识别系统的结构示意图；

图7为另一个实施例中身份识别系统的结构示意图；

图8为一个实施例中标记模块的结构示意图；

图9为一个实施例中匹配模块的结构示意图。

【具体实施方式】

图1示出了一个实施例中的身份识别方法，包括以下步骤：

在步骤S10中，采集心电信号。本实施例中，由于心脏的几何形状、生理特征、胸部构造以及个体的体型的影响，不同的个体产生的心电信号各不相同，可对生物身份进行唯一标识，并且在一定时期内心电信号的波形会保持着相对的稳定性，从而利用心电信号进行身份识别可提高识别过程中的稳定性。在一个具体的实施例中，心电信号可通过随身携带的生物传感器来进行采集。

通过心电信号进行身份识别，由于心电信号是人体所固有的特征，难以被复制和剽窃，也不可以出现忘记或者丢失的情况，并且可在人体的多个部位进行采集，采集非常方便。此外，心电信号是一维信号，数据量非常小，所需要的存储空间也就非常地小。

在步骤S20中，确定心电信号中的每段周期信号，并计算每段周期信号的相关系数。本实施例中，确定心电信号中的每段周期信号的步骤为：如图2所示，检测心电信号中R点位置，并根据R点位置得到心电信号中的周期信号。例如，R点位置的检测方法可以采用差分阈值法、样条小波检测、移动窗口极值法以及数学形态法等。心电信号的波形中，检测R点位置较为方便准确，通过R点位置来确定心电信号中每段周期信号的方式简化了区分心电信号中各段周期信号的过程。

在心电信号的采集中会受到各种突发的干扰，并影响某些周期信号的波形，而各个周期信号的相关系数说明了各个周期信号的被突发干扰影响的严重程度，相关系数的数值越大，则误差越小。

另一实施例中，步骤S20中，在确定了心电信号中的每段周期信号之后还包括了舍去心电信号中首尾周期信号的步骤。本实施例中，由于心电信号采集的随机性，可能会造成采集到的心电信号中首尾的波形是不完整的，因此，为确保每个周期波形的完整性，可将心电信号中首部的第一个周期和尾部的最后一个周期舍去。

在步骤S30中，判断每段周期信号的相关系数是否小于阈值，若是，则进入步骤S40中。本实施例中，因为相关系数的数值越小则误差越大，说明与该相关系数对应的周期信号受到的突发干扰的影响越严重。为消除突发干扰的影响，设置阈值，将相关系数小于阈值的周期信号舍去。设置的阈值可根据实际情况进行灵活地调整，例如，阈值可以是0.8。

在步骤S40中，将相关系数小于阈值的周期信号从心电信号中舍去。

在步骤S50中，对保留的周期信号构造心电信号的特征向量。

在步骤S60中，比较心电信号的特征向量与心电数据库中的模板是否相似，若是，则进入步骤S70中，若否，则结束。本实施例中，将采集到的心电信号与心电数据库中的所有模板进行一一比较，以判断心电数据库中是否存在与心电信号相似的模板，当心电信号的特征向量与心电数据库中的模板不相似时，说明身份识别失败，可结束身份识别过程。在一个具体的实施例中，模板是以特征向量的形式存储于心电数据库中的，将采集到的心电信号构造成测试特征向量，心电信号的测试特征向量与模板通过合适的匹配方式进行比较。特征向量可以是心电信号的解析特征、表象特征、平均周期波形或者上述特征经过各种变换所得到的特征等。

在步骤S70中，提取最相似的模板作为识别结果。

身份识别过程中的复杂程度选用合适的匹配方式比较心电信号中的测试特征向量与模板之间的相似程度，根据选用的匹配方式的不同，其相似程度表征方式也不相一致。例如，若匹配方式为相关系数阈值法，测试向量与模板之间的相似程度越大，则由测试特征向量与模板计算得到的相关系数也越大，与测试特征向量之间的相关系数最大的模板为最相似的模板，作为身份识别的识别结果；若匹配方式为小波距离阈值法，则计算测试特征向量与模板之间的小波距离，当测试特征向量与模板之间越相似，小波距离越小，与测试特征向量之间的小波距离最小的模板为最相似的模板，作为身份识别的识别结果；若使用百分残差这一匹配方式来评估测试特征向量与模板之间的相似程度，则计算测试特征向量与模板的百分残差，计算得到的百分残差越小，相似度越高，与测试特征向量之间的百分残差最小的模板为最相似的模板，作为身份识别的识别结果。

如图3所示，上述身份识别方法中，还需要预先建立心电数据库，因此在比较心电信号与心电数据库中的模板是否相似的步骤之前还包括以下步骤：

在步骤S301中，预先采集心电信号。本实施例中，身份识别需要预先采集需要进行身份识别的用户心电信号模板。

步骤S302，确定心电信号中的每段周期信号，并计算每段周期信号的相关系数。本实施例中，由采集到的心电信号波形确定每一段周期信号。

步骤S303，判断每段周期信号的相关系数是否小于阈值，若是，则进入步骤S304。本实施例中，该阈值是可以根据实际的需要进行调整的。

步骤S304，相关系数小于阈值的周期信号从所述心电信号中舍去。

步骤S305，对保留的周期信号构造心电信号的特征向量。

步骤S306，将心电信号的特征向量作为模板存入心电数据库。本实施例中，进行身份识别时，若采集的心电信号构造的特征向量与心电数据库中的一模板相似，则身份识别成功，反之，则身份识别失败。

在步骤S307中，对心电数据库中的模板进行匹配方式的标记。本实施例中，匹配方式可用于比较模板之间的相似程度。

匹配方式的选择影响着身份识别过程中的实时性及有效性。例如，支持矢量机法这一匹配方式较为复杂，若对不复杂的模板使用这一匹配方式进行比较会增加不必要的比较时间。当心电数据库中的模板达到一定数量时，极易出现比较相似的模板，对于这些模板仅仅某一匹配方式进行单次比较是不能将其区分开来的，但是若对所有的模板都采用复杂的匹配方式又会降低了识别的速度。

对于不同个体的模板，根据身份识别的复杂程度以多个匹配方式进行优先级别的设置。例如，可将相关系数阈值法这一较为简单的匹配方式设置为优先级最高的匹配方式，将小波距离阈值法为作次优的匹配方式。

按照优先级别的顺序依次选择使用匹配方式对模板进行两两比较，并在每一模板中标记所使用过的匹配方式。

如图4所示，在一个具体的实施例中，对心电数据库中的模板进行匹配方式的标记包括了以下步骤：

在步骤S317中，逐一选择匹配方式对心电数据库中的模板进行两两比较。本实施例中，按照匹配方式的优先级别选择匹配方式对心电数据库中存储的所有模板分别进行两两比较。

在步骤S327中，将选择的匹配方式标记于模板中。

在步骤S337中，判断当前两两比较的模板相似度是否小于模板的阈值，若否，则返回步骤S317中选择下一匹配方式，并将当前两两比较的模板再次进行比较，若是，则结束。本实施例中，心电数据库中所存储的模板必然是来自于不同的采集对象，因此对于进行两两比较的模板而言，其比较结果应当是不可能相似的，即选择的匹配方式在模板的两两比较过程中所得到的相似程度越小，则说明该匹配方式越适用于区分这两个模板。

若当前两两比较的模板通过选择的匹配方式所得到的结果大于或等于模板的阈值，则说明当前两两比较的模板是相似的，则此次选择的匹配方式并不适用于这两个模板的比较，需要返回步骤S317中按照优先级别选择下一匹配方式再次进行比较；若当前两两比较的模板通过选择的匹配方式所得到的结果小于模板的阈值，则说明此次选择的匹配方式已经是合适的匹配方式，能够理想区分当前两两比较的模板，可结束匹配方式的标记过程。

在一个具体的实施例中，如图5所示，身份识别方法包括以下步骤：

在步骤S101中，采集心电信号。

在步骤S102中，确定心电信号中的每段周期信号，并计算每段周期信号的相关系数。

在步骤S103中，判断每段周期信号的相关系数是否小于阈值，若是，则进入步骤S104中。

在步骤S104中，将相关系数小于阈值的周期信号从心电信号中舍去。

在步骤S105中，对保留的周期信号构造心电信号的特征向量。

在步骤S106中，根据心电数据库模板中匹配方式被标记的先后顺序选择匹配方式。本实施例中，在消除突发干扰对采集到的心电信号的影响后，可对心电信号进行识别得到与心电信号最相似的模板。

由模板中匹配方式的标记过程可知，匹配方式被标记的先后顺序即为匹配方式的优先级别。首先，选择最早被标记于模板中的匹配方式来进行心电信号与心电数据库中模板的比较。

在步骤S107中，通过选择的匹配方式进行心电信号与心电数据库中模板的比较，并判断心电信号的特征向量是否与心电数据库中模板相似，若是，则进入步骤S108中，若否，则进入步骤S109中。本实施例中，在进行心电信号与心电数据库中模板的比较时，若心电信号与心电数据库中的大部分模板都相似时，说明选择的匹配方式不适用于这一心电信号的识别，需要选择下一匹配方式再次进行识别。若心电信号仅仅与心电数据库中的少部分模板相似，说明选择的匹配方式是合适的，并取最相似的模板作为识别结果。

在步骤S108中，选取最相似的模板作为识别结果。

在步骤S109中，查询模板中是否存在下一匹配方式，若是，则返回步骤S106进行下一匹配方式的选择，若否，则结束。本实施例中，每一模板中所标记的匹配方式数量各不相同，因此查看需要再次进行比较的任一模板中标记的匹配方式是否都已经被选择完毕，若一个或多个模板中已经没有可供选择的匹配方式，并且没有得到相似的模板，则身份识别失败，将结束上述身份识别过程。

其它实施例中，上述身份识别方法还包括了模板更新的步骤，根据识别结果将心电信号的特征向量与其在心电数据库中对应的模板进行综合处理，并将综合处理得到的心电信号替换心电数据库对应的模板。本实施例中，虽然心电信号可在一定时间内保持着相对的稳定性，但是，由于心电信号反映了人体的健康状况，因而对于一段较长的时期而言还是存在着产生变异的可能性，因此需要对心电数据库的模板进行更新，增强身份识别过程中的鲁棒性。

图6示出了一个实施例中的身份识别系统，至少包括采集模块10、预处理模块20、心电数据库30以及匹配模块40。

采集模块10，用于采集心电信号。本实施例中，由于心脏的几何形状、生理特征、胸部构造以及个体的体型的影响，不同的个体产生的心电信号各不相同，可对生物身份进行唯一标识，并且在一定时期内心电信号的波形会保持着相对的稳定性，从而利用心电信号进行身份识别可提高识别过程中的稳定性。

预处理模块20，用于确定心电信号中的每段周期信号，并计算段周期信号的相关系数，判断每段周期信号的相关系数是否小于阈值，若是，则将相关系数小于阈值的周期信号从心电信号中舍去，对保留的周期信号构造心电信号的特征向量。本实施例中，预处理模块20检测心电信号中R点位置，并根据R点位置得到心电信号中的周期信号。例如，预处理模块20可以采用差分阈值法、样条小波检测、移动窗口极值法以及数学形态法等进行R点位置的检测。心电信号的波形中，检测R点位置较为方便准确，通过R点位置来确定心电信号中每段周期信号的方式简化了区分心电信号中各段周期信号的过程。

在心电信号的采集中会受到各种突发的干扰，并影响某些周期信号的波形，而各个周期信号的相关系数说明了各个周期信号的被突发干扰影响的严重程度，相关系数的数值越大，则误差越小。

另一实施例中，预处理模块20在确定了心电信号中的每段周期信号后将会舍去心电信号中首尾周期信号。本实施例中，由于心电信号采集的随机性，可能会造成采集到的心电信号中首尾的波形是不完整的，因此，为确保每个周期波形的完整性，预处理模块20可将心电信号中首部的第一个周期和最后一个周期舍去。

因为相关系数的数值越小则误差越大，说明与该相关系数对应的周期信号受到的突发干扰的影响越严重。为消除突发干扰的影响，设置阈值，将相关系数小于阈值的周期信号舍去。设置的阈值可根据实际情况进行灵活地调整，例如，阈值可以是0.8。

心电数据库30，用于将预先采集的心电信号所构造的特征向量作为模板进行存储。

匹配模块40，用于比较心电信号的特征向量与心电数据库中的模板是否相似，若是，则提取最相似的模板作为识别结果，若否，则停止执行。本实施例中，匹配模块40将采集到的心电信号与心电数据库中的所有模板进行一一比较，以判断心电数据库中是否存在与心电信号相似的模板，当心电信号的特征向量与心电数据库中的模板不相似时，说明身份识别失败，可结束身份识别过程。在一个具体的实施例中，模板是以特征向量的形式存储于心电数据库中的，匹配模块40将采集到的心电信号构造成测试特征向量，心电信号的测试特征向量与模板通过合适的匹配方式进行比较。特征向量可以是心电信号的解析特征、表象特征、平均周期波形或者上述特征经过各种变换所得到的特征等。

身份识别过程中的复杂程度匹配模块40选用合适的匹配方式比较心电信号中的测试特征向量与模板之间的相似程度，根据选用的匹配方式的不同，其相似程度表征方式也不相一致。例如，若匹配方式为相关系数阈值法，测试向量与模板之间的相似程度越大，则由测试特征向量与模板计算得到的相关系数也越大，与测试特征向量之间的相关系数最大的模板为最相似的模板，作为身份识别的识别结果；若匹配方式为小波距离阈值法，则计算测试特征向量与模板之间的小波距离，当测试特征向量与模板之间越相似，小波距离越小，与测试特征向量之间的小波距离最小的模板为最相似的模板，作为身份识别的识别结果；若使用百分残差这一匹配方式来评估测试特征向量与模板之间的相似程度，则计算测试特征向量与模板的百分残差，计算得到的百分残差越小，相似度越高，与测试特征向量之间的百分残差最小的模板为最相似的模板，作为身份识别的识别结果。

另一实施例中，采集模块10还用于预先采集心电信号。本实施例中，身份识别需要采集模块10预先采集需要进行身份识别的用户心电信号模板预处理模块20还用于确定心电信号中的每段周期信号，并计算每段周期信号的相关系数，判断每段周期信号的相关系数是否小于阈值，若是，则将相关系数小于阈值的周期信号从心电信号中舍去，对保留的周期信号构建心电信号的特征向量，并将心电信号的特征向量作为模板存入心电数据库中30。本实施例中，进行身份识别时，若采集的心电信号构造的特征向量与心电数据库中的一模板相似，则身份识别成功，反之，则身份识别失败。

如图7所示，上述身份识别系统还包括标记模块50，标记模块50用于对心电数据库中的模板进行匹配方式的标记。本实施例中，匹配方式可用于比较模板之间的相似程度。

匹配方式的选择影响着身份识别过程中的实时性及有效性。例如，支持矢量机法这一匹配方式较为复杂，若对不复杂的模板使用这一匹配方式进行比较会增加不必要的比较时间。当心电数据库中的模板达到一定数量时，极易出现比较相似的模板，对于这些模板仅仅某一匹配方式进行单次比较是不能将其区分开来的，但是若对所有的模板都采用复杂的匹配方式又会降低了识别的速度。

对于不同个体的模板，标记模块50根据身份识别的复杂程度以多个匹配方式进行优先级别的设置。例如，标记模块50可将相关系数阈值法这一较为简单的匹配方式设置为优先级最高的匹配方式，将小波距离阈值法为作次优的匹配方式。

如图8所示，在一个具体的实施例中，标记模块50包括模板比较单元501以及判断单元503。

模板比较单元501，用于逐一选择匹配方式对心电数据库中的模板进行两两比较，并将选择的匹配方式标记于模板中。本实施例中，模板比较单元501按照匹配方式的优先级别选择匹配方式对心电数据库30中存储的所有模板分别进行两两比较。

判断单元503，用于判断当前两两比较的模板相似度是否小于模板的阈值，若否，则返回下一匹配方式的选择，并将当前两两比较的模板再次进行比较，若是，则停止执行。本实施例中，心电数据库30中所存储的模板必然是来自于不同的采集对象，因此对于进行两两比较的模板而言，其比较结果应当是不可能相似的，即选择的匹配方式在模板的两两比较过程中所得到的相似程度越小，则说明该匹配方式越适用于区分这两个模板。

若当前两两比较的模板通过选择的匹配方式所得到的结果大于或等于模板的阈值，则说明当前两两比较的模板是相似的，则此次选择的匹配方式并不适用于这两个模板的比较，需要按照优先级别选择下一匹配方式再次进行比较；若当前两两比较的模板通过选择的匹配方式所得到的结果小于模板的阈值，则此次选择的匹配方式已经是合适的匹配方式，能够理想区分当前两两比较的模板，可结束匹配方式的标记过程。

如图9所示，在一个具体的实施例中，匹配模块40包括选择单元401、心电比较单元403以及选取单元405。

选择单元401，用于根据心电数据库30模板中匹配方式被标记的顺序选择匹配方式。本实施例中，在消除突发干扰对采集到的心电信号的影响后，选择单元401可对心电信号进行识别得到与心电信号最相似的模板。

心电比较单元403，用于通过选择的匹配方式进行心电信号与心电数据库中模板的比较，并判断心电信号的特征向量是否与心电数据库中模板相似，若是，则通知选取单元，若否，则查询模板中是否存在下一匹配方式，若是，则通知选择单元返回进行下一匹配方式的选择，若否，则停止执行。本实施例中，在进行心电信号与心电数据库30中模板的比较时，若心电信号与心电数据库30中的大部分模板都相似时，说明选择的匹配方式不适用于这一心电信号的识别，需要选择下一匹配方式再次进行识别，若心电信号仅仅与心电数据库30中的少部分模板相似，说明选择的匹配方式是合适的，并取最相似的模板作为识别结果。

每一模板中所标记的匹配方式数量各不相同，因此心电比较单元403查看需要再次进行比较的任一模板中标记的匹配方式是否都已经被选择完毕，若一个或多个模板中已经没有可供选择的匹配方式，并且得不到相似的模板，则识别失败。

选取单元405，用于选取最相似的模板作为识别结果，如果没有得到最相似的模板，则识别失败。。

其它实施例中，上述身份识别系统还包括更新模块，若识别成功，更新模块用于根据识别结果将心电信号的特征向量与其在心电数据库中对应的模板进行综合处理，并将综合处理得到的心电信号替换心电数据库对应的模板。。本实施例中，虽然心电信号可在一定时间内保持着相对的稳定性，但是，由于心电信号反映了人体的健康状况，因而对于一段较长的时期而言还是存在着产生变异的可能性，因此更新模块需要对心电数据库的模板进行更新，增强身份识别过程中的鲁棒性。

上述身份识别方法及系统计算心电信号中每段周期信号的相关系数，相关系数越大，误差就越小，将相关系数小于阈值的周期信号舍去，也就是除去了误差较大的周期信号，从而提高抗干扰能力，消除突发的干扰对心电信号的影响。

上述身份识别方法及系统对存储于心电数据库中的模板进行匹配方式的标记，在识别的过程中选择模板中标记的匹配方式进行心电信号的识别，使得使用的匹配方式更为合适。

上述身份识别方法及系统对心电数据库中的模板进行更新，保证了心电数据库中模板的准确性，并适应人体心血管的缓慢变异。

上述心电数据库的每个模板都标记一个至少包含一种匹配方式的匹配方式序列，所述匹配方式序列是在心电数据库模板登记过程中根据各个模板之间相似性分析而生成的。当进行身份识别时，所述系统根据所述匹配方式序列的先后顺序选择当前匹配方式，提高系统的实时性能和识别效率。

以上所述实施例仅表达了本发明的几种实施方式，其描述较为具体和详细，但并不能因此而理解为对本发明专利范围的限制。应当指出的是，对于本领域的普通技术人员来说，在不脱离本发明构思的前提下，还可以做出若干变形和改进，这些都属于本发明的保护范围。因此，本发明专利的保护范围应以所附权利要求为准。

Claims (12)

1.一种身份识别方法，包括以下步骤：

采集心电信号；

确定心电信号中的每段周期信号，并计算每段周期信号的相关系数；

判断每段周期信号的相关系数是否小于阈值，若是，则将相关系数小于阈值的周期信号从所述心电信号中舍去；

对保留的周期信号构造所述心电信号的特征向量；

比较所述心电信号的特征向量与心电数据库中的模板是否相似，若是，则提取最相似的模板作为识别结果；

所述比较所述心电信号的特征向量与心电数据库中的模板是否相似的步骤之前还包括：

对所述心电数据库中的模板进行匹配方式的标记；

所述对所述心电数据库中的模板进行匹配方式的标记的具体过程为：按照优先级别的顺序依次选择使用匹配方式对模板进行两两比较，并在每一模板中标记所使用过的匹配方式；

所述比较所述心电信号的特征向量与心电数据库中的模板是否相似的过程是：

根据心电数据库模板中匹配方式被标记的先后顺序选择当前匹配方式；

采用选择的匹配方式对心电信号与心电数据库中模板进行比较，并判断所述心电信号的特征向量是否与心电数据库中模板相似，若否，则选择下一匹配方式再次进行识别。

2.根据权利要求1所述的身份识别方法，其特征在于，所述确定心电信号中的每段周期信号的步骤为：

检测心电信号中R点位臵，并根据所述R点位臵得到心电信号中的周期信号。

3.根据权利要求1所述的身份识别方法，其特征在于，所述比较所述心电信号的特征向量与心电数据库中的模板是否相似的步骤之前还包括：

预先采集心电信号；

确定所述心电信号中的每段周期信号，并计算每段周期信号的相关系数；

判断每段周期信号的相关系数是否小于阈值，若是，则将相关系数小于阈值的周期信号从所述心电信号中舍去；

对保留的周期信号构造所述心电信号的特征向量；

将所述心电信号的特征向量作为模板存入心电数据库；对所述心电数据库中的模板进行匹配方式的标记。

4.根据权利要求3所述的身份识别方法，其特征在于，所述对所述心电数据库模板中的进行匹配方式的标记的步骤为：

逐一选择匹配方式对心电数据库中的模板进行两两比较，并将选择的匹配方式标记于模板中，判断当前两两比较的模板相似度是否小于模板的阈值，若否，则返回下一匹配方式的选择，并将当前两两比较的模板再次进行比较。

5.根据权利要求4所述的身份识别方法，其特征在于，所述比较所述心电信号的特征向量与心电数据库中的模板是否相似，若是，则提取最相似的模板作为识别结果的步骤为：

根据心电数据库模板中匹配方式被标记的先后顺序选择匹配方式：

通过选择的匹配方式进行心电信号与心电数据库中模板的比较，并判断所述心电信号的特征向量是否与心电数据库中模板相似，若是，则选取最相似的模板作为识别结果，若否，则查询所述模板中是否存在下一匹配方式，若是，则返回进行下一匹配方式的选择，若否，则结束。

6.根据权利要求1所述的身份识别方法，其特征在于，还包括：

根据识别结果将所述心电信号的特征向量与其在心电数据库中对应的模板进行综合处理，并将综合处理得到的心电信号替换心电数据库对应的模板。

7.一种身份识别系统，其特征在于，至少包括：

采集模块，用于采集心电信号；

预处理模块，用于确定心电信号中的每段周期信号，并计算每段周期信号的相关系数，判断每段周期信号的相关系数是否小于阈值，若是，则将相关系数小于阈值的周期信号从心电信号中舍去，对保留的周期信号构造所述心电信号的特征向量；

心电数据库，用于将预先采集的心电信号所构造的特征向量作为模板进行存储；

匹配模块，用于比较所述心电信号的特征向量与心电数据库中的模板是否相似，若是，则提取最相似的模板作为识别结果，若否，则停止执行

所述系统还包括标记模块，所述标记模块用于对所述心电数据库中的模板进行匹配方式的标记；

所述标记模块按照优先级别的顺序依次选择使用匹配方式对模板进行两两比较，并在每一模板中标记所使用过的匹配方式；

所述匹配模块用于根据心电数据库模板中匹配方式被标记的先后顺序选择当前匹配方式，采用选择的匹配方式对心电信号与心电数据库中模板进行比较，并判断所述心电信号的特征向量是否与心电数据库中模板相似，若否，则选择下一匹配方式再次进行识别。

8.根据权利要求7所述的身份识别系统，其特征在于，所述预处理模块检测心电信号中R点位臵，并根据所述R点位臵得到心电信号中的周期信号。

9.根据权利要求7所述的身份识别系统，其特征在于，所述采集模块还用于预先采集心电信号；

所述预处理模块还用于确定心电信号中的每段周期信号，并计算每段周期信号的相关系数，判断每段周期信号的相关系数是否小于阈值，若是，则将相关系数小于阈值的周期信号从所述心电信号中舍去，对保留的周期信号构造所述心电信号的特征向量；

所述系统还包括：

标记模块，用于对所述心电数据库中的模板进行匹配方式的标记。

10.根据权利要求9所述的身份识别系统，其特征在于，所述标记模块包括：

模板比较单元，用于逐一选择匹配方式对心电数据库中的模板进行两两比较，并将选择的匹配方式标记于模板中；

判断单元，用于判断当前两两比较的模板相似度是否小于模板的阈值，若否，则返回下一匹配方式的选择，并将当前两两比较的模板再次进行比较，若是，则停止执行。

11.根据权利要求10所述的身份识别系统，其特征在于，所述匹配模块包括：

选择单元，用于根据心电数据库模板中匹配方式被标记的先后顺序选择匹配方式；

心电比较单元，用于通过选择的匹配方式进行所述心电信号与心电数据库中模板的比较，并判断所述心电信号的特征向量是否与心电数据库中模板相似，若是，则通知选取单元，若否，则查询所述模板中是否存在下一匹配方式，若是，则通知选择单元返回进行下一匹配方式的选择，若否，则结束；

选取单元，用于选取最相似的模板作为识别结果。

12.根据权利要求7所述的身份识别系统，其特征在于，还包括：

更新模块，用于根据识别结果将所述心电信号的特征向量与其在心电数据库中对应的模板进行综合处理，并将综合处理得到的心电信号替换心电数据库对应的模板。

Images