CN104573458B - 一种基于心电信号的身份识别方法、装置及系统 - Google Patents
一种基于心电信号的身份识别方法、装置及系统 Download PDFInfo
- Publication number
- CN104573458B CN104573458B CN201410844244.8A CN201410844244A CN104573458B CN 104573458 B CN104573458 B CN 104573458B CN 201410844244 A CN201410844244 A CN 201410844244A CN 104573458 B CN104573458 B CN 104573458B
- Authority
- CN
- China
- Prior art keywords
- user
- electrocardiosignal
- identified
- points
- characteristic parameter
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F21/00—Security arrangements for protecting computers, components thereof, programs or data against unauthorised activity
- G06F21/30—Authentication, i.e. establishing the identity or authorisation of security principals
- G06F21/31—User authentication
- G06F21/32—User authentication using biometric data, e.g. fingerprints, iris scans or voiceprints
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/24—Detecting, measuring or recording bioelectric or biomagnetic signals of the body or parts thereof
- A61B5/316—Modalities, i.e. specific diagnostic methods
- A61B5/318—Heart-related electrical modalities, e.g. electrocardiography [ECG]
Abstract
本发明提供一种基于心电信号的身份识别方法、装置及系统,该方法包括:接收待识别用户的心电信号;对待识别用户的心电信号进行滤波去噪处理;对经过滤波去噪处理的待识别用户的心电信号提取初选特征参数;利用主成分分析法从初选特征参数中筛选得到终选特征参数;利用终选特征参数构造待识别用户的心电信号特征向量;将待识别用户的心电信号特征向量与预先存储的特征向量模板进行比对;判断比对结果是否一致,若是,则确定待识别用户的身份识别成功。本发明尤其适用于在计算能力相对较弱的智能手机、平板电脑等移动设备上实施,提高了利用移动设备进行基于心电信号的身份识别可用性,增强了用户满意程度。
Description
技术领域
本发明涉及身份识别技术领域,具体地,涉及一种基于心电信号的身份识别方法、装置及系统。
背景技术
在网络信息技术高速发展的现代社会,对于个人信息安全的保护越来越重要。身份识别技术作为一种信息安全技术已经被广泛使用。传统的身份识别方式,例如个人证件、密钥以及其他基于密码学的认证方式容易被他人窃取、伪造。生物身份识别技术(Biometric Identification Technology,BIT)是模式识别的一个分支,是一种新的身份验证手段。通过将计算机与光学、声学、生物传感器和生物统计学等相结合,利用人体固有的生物特征或行为特征对个体身份进行鉴定的一种技术。各个体之间都有唯一的可测量和可验证的生理特性或行为方式——生物特征,与传统身份识别技术相比有着极大的优势。
生物识别技术常用的生理特征包括:指纹、掌型、眼睛(视网膜和虹膜)、人体气味、脸型、手腕/手的血管纹理和DNA等;行为特征包括:签名、语音、行走的步态、击打键盘的力度等等。基于这些特征,人们己经发展了手形识别、指纹识别、人脸识别、虹膜识别、签名识别、声音识别、步态识别及多种生物特征混合识别等诸多识别技术,其中虹膜识别和指纹识别被公认为最可靠的两种生物识别技术,已在市场上被使用。但在实际应用上,这些技术也面临了许多挑战,例如,有人成功利用明胶制成的假手指骗过了指纹识别系统;利用打印下的虹膜图片或者在隐形眼镜上蚀刻出的虚假虹膜,可以让虹膜识别系统真假难辨。人脸识别存在假面的伪造,声音可以被录音,手写体有被模仿的隐患,因此各种识别技术都存在一定程度的缺点。近年来借助于人体内蕴的心电(Electrocardiogram,ECG)信号进行身份识别的方法开始广受关注。
心电信号是从人体体表采集的反映心脏心动的电位信号。相比传统的生物识别技术,心电识别技术具有独特的优势:首先,心电来自于人的心脏,不易被轻易仿制,相较指纹、语音以及掌纹,心电信号作为一种活体生物信号,具备易检测、难复制的特点,大大提高系统的安全性;其次,任何人都有心电,具备普适性;第三,心电信号因人而异,心电信号波形与每个人的心脏位置、大小和胸部构造、年龄、性别、体重、情绪、运动状况等因素有关,人体的生理条件差异使得心电信号具有许多个体特征,因此可被作为身份识别的依据;第四,心电信号是一维信号,处理计算量低,处理简单,数据量小,节省存储空间,硬件成本低廉;第五,心电信号可以通过手指电极方便地数字化采集;最后,心电信号具有较长期的稳定性。
随着低成本医疗健康技术的发展,拥有可测量心电信号的穿戴式健康设备的人越来越多。不久的将来,人人都将拥有一个属于自己的穿戴式健康设备用以记录自身的健康生理数据及相关运动、睡眠等状态信息。在可测量心电信号的穿戴式健康设备普及的当下,除了监控自身生理健康信息采集外,如何更好地利用该设备,帮助用户(甚至一些肢体残疾人士)在大数据环境下保护自身隐私信息,在相关设备上(如电脑、智能手机、平板电脑等)或者嵌入在相关设备的应用上也能够方便快捷地、免去输入用户名/密码等繁琐环节而进行用户权限和身份的认证,保证设备和系统的合法使用,是非常值得研究的技术领域。
经检索中华人民共和国国家知识产权局专利数据库,找到三项与本发明相近的技术方案,分别为专利一,名称为“身份识别方法及应用该方法的身份识别系统”(申请号:201010033919.2);专利二,名称为“身份识别方法及系统”(申请号:201110137336.9);专利三,名称为“心电信号用于身份识别的方法”(申请号:201310070680.X)。
专利一和专利二提出利用心电信号进行身份识别,具体步骤包括:
(1)ECG信号采集,即采集人体的ECG信号;
(2)特征提取,即提取ECG信号的特征,构建身份识别特征向量;
(3)识别步骤,即将待识别者的身份识别特征向量与预先存储在ECG特征模板库中的身份识别特征向量进行比对;
(4)结果输出,即输出比较结果包括确认或者拒绝。
专利三也提出利用心电信号进行身份识别,具体步骤包括:
(1)注册部分,首先通过心电信号采集装置收集心电信号,通过蓝牙上传到计算机,对心电信号进行处理,确定个人模板。
(2)检测部分,通过心电信号采集装置收集心电信号,通过蓝牙上传到计算机,对心电信号进行处理,心电图判断,输出判断结果,达到身份识别目的。
申请人在研究本发明的过程中发现,以上三项专利拟保护的身份识别方法均存在一些缺点,具体来说如下:
1.专利二和专利三都有采集心电信号的步骤,但都未提出对于采集到心电信号进行去噪预处理的内容,只是在采集到的心电信号上直接检测。而在实际中,心电信号采集仪器中获取的心电信号数据一般包含有各种噪声分量,这些噪声分量会改变心电信号波形的特征,会严重影响后续的心电分析,对生物身份识别的准确性产生较大的影响。心电信号的频率范围为0.05-100Hz,其中大部分的频谱能量集中于35Hz频段以下。在实际中对心电信号进行采集和模数转化的时候,将会在其中掺进很多不同的干扰和噪声,仪器设备本身的工频干扰,病人身体的肌电干扰和心电采样时的人体变动等等;其中任意一种干扰都会造成心电波形变形和漂移,使得下一步的特征提取达不到预期的效果。
2.专利一虽然提出了对心电信号进行滤波去噪预处理,但提出的保护内容针对性不强。在对心电信号的预处理步骤中,仅仅只说明拟采用基于通带滤波法、小波变换滤波、Hilbert-Huang变换和自适应的形态学滤波方法进行滤波,而没有考虑到滤波算法的复杂性及其在具体系统中的适应性。
3.以上三项专利都未提出对过滤后的心电信号进行质量检测。经过去噪处理之后的心电信号可能出现变异,若基于变异的心电信号提取特征值,则很可能不能确保心电信号的波形质量,降低身份识别的准确率。
4.专利一(其中提到了模板更新)和专利三对心电信号模板库的更新没有给出说明。虽然心电信号能在一定时间内保持着相对稳定性,但由于心电信号反应了人体的健康状况,因而从长期来看具有一定的变异性。专利二虽给出了模板更新系统,每次登陆后都会自动更新,而在现实生活的使用中,有时存在利用了用户身体状况不佳时的心电信号更新模板,而后用户身体状况恢复之后,不能顺利进行身份识别的情况。
5.专利一、专利二中的心电信号分类识别方法不适于移动终端。上述专利中的身份识别方法罗列了聚类方法、模板匹配方法、神经网络方法、距离判别法、主元素分析法、线性判别分析法、K阶邻接距法、支持矢量机法、人工智能法、模糊数学发、遗传算法、决策树法、统计决策法、Fisher判别法或者相关系数阈值法。这些方法大都是已发表技术文献给出的,缺乏创新性。另一方面,该两项专利没有考虑到这些方法运行需要的系统平台,然而这将很大程度上影响实际系统的实时性和有效性。例如,有些身份识别方法较为复杂,例如支持矢量机法等,就无法在相关设备上流畅的进行。
6.以上三个专利都未明确提出对提取的心电信号特征参数进行优化的方法。对经过去噪处理的心电信号波形提取特征参数,可以包括心电信号的各种特征参数值及由此变换得到的特征或其各种组合。如此之多的心电信号的特征参数,不能兼顾在一些计算能力相对较弱的设备上的运行速度和效果,很有可能出现卡死、闪退的情况,这将会严重影响识别速率,极大地降低用户体验。
可见,目前利用心电信号进行的身份识别方法基本都是基于计算能力相对较强的设备,例如计算机,没有考虑到如智能手机或者平板电脑等移动性佳但计算能力相对较弱的设备,而未来的发展趋势上,智能手机和平板电脑等移动设备的普及率和使用率将大大提升,尤其是智能手机的使用率。当现有技术的身份识别系统应用于这些计算能力相对较弱的移动设备时,将会出现计算量过大影响系统识别速率,出现不能识别甚至是卡死、闪退等现象,这将大大降低系统的可用性,拉低用户体验,导致系统被弃用。
发明内容
本发明实施例的主要目的在于提供一种基于心电信号的身份识别方法、装置及系统,用于在计算能力相对较弱的设备上执行基于心电信号的身份识别。
为了实现上述目的,本发明提供一种基于心电信号的身份识别方法,包括:
接收待识别用户的心电信号;
对所述待识别用户的心电信号进行滤波去噪处理;
对经过滤波去噪处理的所述待识别用户的心电信号提取特征参数,得到待识别用户的初选特征参数;
利用主成分分析法对所述待识别用户的初选特征参数进行筛选,得到待识别用户的终选特征参数;
利用所述待识别用户的终选特征参数构造待识别用户的心电信号特征向量;
将所述待识别用户的心电信号特征向量与预先存储的特征向量模板进行比对,其中,所述特征向量模板与已注册的用户身份相对应;
判断比对结果是否一致,若是,则确定所述待识别用户的身份识别成功;
在所述的对所述待识别用户的心电信号进行滤波去噪处理之后,还包括:对经过滤波去噪处理的所述待识别用户的心电信号进行质量检测处理;
则所述的对经过滤波去噪处理的所述待识别用户的心电信号提取特征参数,包括:对依次经过滤波去噪处理和质量检测处理的所述待识别用户的心电信号提取特征参数;
其中,所述质量检测处理包括:
对滤波去噪处理后的所述待识别用户的心电信号进行R点检测,并根据检测结果将滤波去噪处理后的所述待识别用户的心电信号分割成若干个心动周期波形;
计算每一个心动周期波形的R点到P点的距离、R点到T点的距离;
计算所有心动周期波形的R点到P点的距离的平均值,以及计算所有心动周期波形的R点到T点的距离的平均值;
在所述的若干个心动周期波形中,确定不达标的心动周期波形,所述不达标的心动周期波形的R点到P点的距离大于所有心动周期波形的R点到P点的距离的平均值,或,所述不达标的心动周期波形的R点到T点的距离大于所有心动周期波形的R点到T点的距离的平均值;
从所述的若干个心动周期波形中,将所述不达标的心动周期波形剔除。
相应的,本发明还提供一种基于心电信号的身份识别装置,包括:
待测心电信号接收模块,用于接收待识别用户的心电信号;
第一去噪处理模块,用于对所述待识别用户的心电信号进行滤波去噪处理;
第一初选提取模块,用于对经过滤波去噪处理的所述待识别用户的心电信号提取特征参数,得到待识别用户的初选特征参数;
第一终选提取模块,用于利用主成分分析法对所述待识别用户的初选特征参数进行筛选,得到待识别用户的终选特征参数;
第一特征向量构造模块,用于利用所述待识别用户的终选特征参数构造待识别用户的心电信号特征向量;
比对模块,用于将所述待识别用户的心电信号特征向量与预先存储的特征向量模板进行比对,其中,所述特征向量模板与已注册的用户身份相对应;
判断模块,用于判断比对结果是否一致,若是,则确定所述待识别用户的身份识别成功;
质量检测处理模块,用于在所述的对所述待识别用户的心电信号进行滤波去噪处理之后,对经过滤波去噪处理的所述待识别用户的心电信号进行质量检测处理;
则所述的第一初选提取模块具体用于对依次经过滤波去噪处理和质量检测处理的所述待识别用户的心电信号提取特征参数;
其中,所述的质量检测处理模块具体用于:
对滤波去噪处理后的所述待识别用户的心电信号进行R点检测,并根据检测结果将滤波去噪处理后的所述待识别用户的心电信号分割成若干个心动周期波形;
计算每一个心动周期波形的R点到P点的距离、R点到T点的距离;
计算所有心动周期波形的R点到P点的距离的平均值,以及计算所有心动周期波形的R点到T点的距离的平均值;
在所述的若干个心动周期波形中,确定不达标的心动周期波形,所述不达标的心动周期波形的R点到P点的距离大于所有心动周期波形的R点到P点的距离的平均值,或,所述不达标的心动周期波形的R点到T点的距离大于所有心动周期波形的R点到T点的距离的平均值;
从所述的若干个心动周期波形中,将所述不达标的心动周期波形剔除。
相应的,本发明还提供一种基于心电信号的身份识别系统,包括:心电信号采集装置,和,以上所述的基于心电信号的身份识别装置;
所述的心电信号采集装置,用于采集用户的心电信号,并通过无线通信技术将所述心电信号发送给所述的基于心电信号的身份识别装置。
借助于上述技术方案,本发明通过主成分分析法对提取的心电信号特征参数进行筛选,舍去对身份识别作用较小的特征参数,保留对身份识别作用较大的特征参数,再利用这些保留的特征参数构造心电信号特征向量,使得构造出来的心电信号特征向量更精简,减少了后续与特征向量模板比对的计算量,提高了身份识别的效率,有利于在计算能力相对较弱的设备上运行,相比于现有技术,本发明尤其适用于在计算能力相对较弱的智能手机、平板电脑等移动设备上实施,提高了利用移动设备进行基于心电信号的身份识别可用性,增强了用户满意程度。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实施例描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1是本发明提供的基于心电信号的身份识别方法的流程示意图;
图2是本发明中滤波去噪处理流程示意图;
图3是本发明中质量检测处理流程示意图;
图4是本发明中获取特征向量模板的流程示意图;
图5是本发明中待识别用户的心电信号特征向量与特征向量模板比对的流程示意图;
图6是本发明中特征向量模板进行更新的流程示意图;
图7是本发明提供的基于心电信号的身份识别装置的结构框图;
图8是本发明提供的基于心电信号的身份识别装置的另一部分结构框图;
图9是本发明提供的基于心电信号的身份识别系统的结构框图。
具体实施方式
下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
本领域技术技术人员应当知道,本发明可以实现为一种系统、装置、设备、方法或计算机程序产品。因此,本公开可以具体实现为以下形式,即:完全的硬件、完全的软件(包括固件、驻留软件、微代码等),或者硬件和软件结合的形式。
在本文中,需要理解的是,所涉及的术语“心电信号”可为单导或多导心电信号。此外,附图中的任何元素数量均用于示例而非限制,以及任何命名都仅用于区分,而不具有任何限制含义。
本发明提供一种基于心电信号的身份识别方法,如图1所示,该方法包括:
步骤S1,接收待识别用户的心电信号。
具体的,该步骤可以通过有线通信技术(如数据线连接)或无线通信技术(如蓝牙、wifi等)接收待识别用户的心电信号。
步骤S2,对待识别用户的心电信号进行滤波去噪处理。
具体的,该步骤可以采用如通带滤波、小波变换滤波、Hilbert-Huang变换和自适应的形态学滤波等方法对心电信号进行滤波。
考虑到上述各种滤波算法比较复杂,不利于在计算能力相对较弱的设备上执行,本发明提供如图2所示的滤波去噪处理方法:
步骤S21,计算待识别用户的心电信号的平均值,该平均值为心电信号所有采样点处的心电毫伏电压值的算术平均;从待识别用户的心电信号中减去其平均值;
步骤S22,使用一个均值滤波器除去高频噪音干扰(例如肌电噪声等);
步骤S23,使用一个高通滤波器(例如截止频率为1Hz)去除基线漂移;
步骤S24,使用一个低通巴斯滤波器(例如截止频率为30Hz)抑制高频信息。
利用图2所示的方法,本发明不仅实现了对待识别用户心电信号的滤波去噪处理,消除了噪声干扰带来的影响,而且该处理方法简单易行,尤其适用于在计算能力较弱的移动设备上执行。
考虑到经过滤波去噪处理后的心电信号可能会出现变异,从而导致身份识别的准确率下降,为了避免这种情况,在一种较佳的实施例中,对于经过滤波去噪处理之后的心电信号,在正式提取特征参数之前,按照如图3所示的方法进行质量检测处理:
步骤S31,对滤波去噪处理后的待识别用户的心电信号进行R点检测,并根据检测结果将滤波去噪处理后的待识别用户的心电信号分割成若干个心动周期波形。
步骤S32,计算每一个心动周期波形的R点到P点的距离、R点到T点的距离。
步骤S33,计算所有心动周期波形的R点到P点的距离的平均值,以及计算所有心动周期波形的R点到T点的距离的平均值。
步骤S34,在若干个心动周期波形中,确定不达标的心动周期波形,不达标的心动周期波形的R点到P点的距离大于所有心动周期波形的R点到P点的距离的平均值,或,不达标的心动周期波形的R点到T点的距离大于所有心动周期波形的R点到T点的距离的平均值。
步骤S35,从若干个心动周期波形中,将不达标的心动周期波形剔除。
具体的,该步骤可以容忍50个采样点之内的距离误差。
经过如图3所示的质量检测处理,可以防止某些变异的心电信号被提取特征,能进一步确保心电信号的波形质量,提高身份识别的准确率。
步骤S3,对经过滤波去噪处理的待识别用户的心电信号提取特征参数,得到待识别用户的初选特征参数。
具体的,该步骤提取的初选特征参数包括但不限于是心电信号的各种波形特征(即心电信号周期波形的幅度、间期、面积、周长、角度等相关几何特征,例如R波幅度,RR’间期,st角度等),也可以经由以上各种波形特征经过各种变换(如小波变换、傅里叶变换等)得到的特征及其组合。
步骤S4,利用主成分分析法对待识别用户的初选特征参数进行筛选,得到待识别用户的终选特征参数。
步骤S5,利用待识别用户的终选特征参数构造待识别用户的心电信号特征向量。
考虑到步骤S3得到的初选特征参数众多,而其中有些参数对身份识别的作用并不大,为了减少后续构造特征向量的计算量,利于在计算能力较弱的移动设备上执行,本发明在构造特征向量之前,先采用主成分分析法对步骤S3得到的初选特征参数进行精简,舍去对身份识别作用较小的初选特征参数,保留对身份识别作用较大的初选特征参数(即终选特征参数),再利用这些终选特征参数构造心电信号特征向量。
具体的,采用主成分分析法对初选特征参数进行精简的过程如下:
假设待识别用户的数量为m,初选特征参数的数量为n,终选特征参数的数量为k。
第一步,定义数据集X*。
设X*是如下数据集,
该数据集X*中心动周期波形的数量为m,每一个心动周期波形的维度为n,第i(1≤i≤m)条心动周期波形数据为Xi,则有:其中,每一列表示一个初选特征参数。
第二步,构成特征向量矩阵。
(1)该数据集X*的经验平均值为:
其中,E为经验平均值;N为特征值维数,其中n=1,…,N。
(2)与经验平均值的偏差由下式给出:
D=X-Eu
其中,X为原数据;D为原数据与经验平均值的偏差;当n=1,....,N时,u(n)=1。
(3)协方差矩阵的计算公式为:
其中,C为协方差矩阵;D*是D的转置矩阵。
(4)求协方差矩阵C的特征向量矩阵G,如下式:
G-1CG=V
其中,G是特征向量矩阵;G-1是G的逆矩阵;V是协方差矩阵C的特征值的对角矩阵。
(5)将V按从大到小的顺序排序,选择其中最大的k个,然后将其对应的k个特征向量分别作为列向量组成特征向量矩阵。
第三步,将样本点投影到选取的特征向量上。
考虑到特征参数的减少有可能会导致之后的模板匹配准确性降低,为了避免这种情况,在一种较佳的实施例中,本发明还可以对经过主成分分析法筛选得到的终选特征参数进行最佳数据拟合。
最佳数据拟合的过程就是对筛选得到的终选特征参数进行基于多项式函数模型的统计建模。多项式模型相比其他模型,具有简单性和灵活性。另外,多项式模型所有的映射可以保留数据的输入结构。对于主成分分析法输出的数据集,选择二次多项式模型进行建模,如下所示:
统计模型的标准形式表示为:
其中,y代表输出值,代表所有的终选特征参数的集合,代表多项式模型参数的集合,h为随机误差。
多项式模型是最常用的数学建模,一般多项式模型由下式给出:
y=anxn+an-1xn-1+...+a2x2+a1x1+a0
其中,n是一个非负整数,表示多项式的次数。除了简单性和灵活性,多项式模型还有保持输入数据结构映射的优点。对主成分分析法的输出结果,采用以下二次多项式模型:
y=a0+a1x+a2x2
其中,a0、a1、a2是二次多项式系数,由心电信号的样本库学习训练得到。通过最小二乘估计,采用最小二乘拟合法计算系数。
最小二乘拟合公式如下:
利用经过最佳数据拟合之后的终选特征参数构造特征向量,将更加利于之后进行的模板匹配操作。
步骤S6,将待识别用户的心电信号特征向量与预先存储的特征向量模板进行比对,其中,特征向量模板与已注册的用户身份相对应。
具体的,特征向量模板是用于判断用户身份的标准,在设备提供用户身份识别这一功能之前,需要先提供用户身份注册功能,对注册的用户提取特征参数、构造特征向量,作为特征向量模板预先存储。
在一种较佳的实施例中,本发明可通过如图4所示的步骤获取特征向量模板:
步骤S41,接收待注册用户的心电信号。
步骤S42,对待注册用户的心电信号进行滤波去噪处理;
步骤S43,对经过滤波去噪处理的待注册用户的心电信号提取特征参数,得到待注册用户的初选特征参数;
步骤S44,利用主成分分析法对待注册用户的初选特征参数进行筛选,得到待注册用户的终选特征参数;
步骤S45,利用待注册用户的终选特征参数构造待注册用户的心电信号特征向量;
步骤S46,将待注册用户的心电信号特征向量作为特征向量模板进行存储。
需要说明的是,在实施本发明时,可以根据实际情况对以上获取特征向量模板的方法进行调整,以达到提高身份识别效率的目的,本发明对所采用的获取特征向量模板的方法不作具体限定,即图4所示的方法仅为本发明的具体实施例而已,并不用于限定本发明的保护范围,凡在本发明的精神和原则之内,选择其它任何方法均应包含在本发明的保护范围之内,例如,可在得到待注册用户的终选特征参数之后,增加对终选特征参数进行最佳数据拟合的步骤,或者,在对待注册用户的心电信号进行滤波去噪处理之后,增加对心电信号进行质量检测处理的步骤。
特征向量模板被预先存储于一个模板库中,该模板库中的特征向量模板总数随着已注册的用户数量而变化,并且特征向量模板与已注册的用户身份相对应(可以为一比一的对应关系,也可以为多比一的对应关系),当对待识别用户进行身份识别时,需要将该待识别用户的心电信号特征向量与模板库中的每一个特征向量模板进行比对。
该步骤包括但不限于采用如聚类方法、模板匹配方法、神经网络方法、距离判别方法、线性判别分析法、支持矢量机法等进行比对。
考虑到上述各种算法计算量复杂,不利于在计算能力相对较弱的移动设备上执行,本发明提供如图5所示的方法进行比对:
步骤S51,计算待识别用户的心电信号特征向量与特征向量模板的夹角余弦值。
具体的,该步骤按照如下公式计算夹角余弦值:
其中,为待识别用户的心电信号特征向量;为特征向量模板。
步骤S52,判断夹角余弦值是否大于第一设定值,若是,则确定比对结果为一致。
具体的,当待识别用户的心电信号特征向量与特征向量模板(以下将此特征向量模板成为“目标特征向量模板”)的夹角余弦值达到一阈值(第一设定值,如0.9)时,判断比对结果为一致。
需要说明的是,若待识别用户的心电信号特征向量与模板库中的多个特征向量模板的夹角余弦值都大于第一设定值,则将这多个夹角余弦值中最大值对应的那个特征向量模板确定为比对结果一致的目标特征向量模板。
步骤S7,判断比对结果是否一致,若是,则确定待识别用户的身份识别成功,否则,确定待识别用户的身份识别失败。
具体的,若待识别用户的心电信号特征向量与模板库中的所有特征向量模板的夹角余弦值都不大于第一设定值,则该待识别用户不能通过身份识别。
若待识别用户的心电信号特征向量与模板库中的某一特征向量模板的夹角余弦值大于第一设定值,则判断该待识别用户通过身份识别,此时,待识别用户与目标特征向量模板对应的已注册的用户身份相匹配,之后待识别用户就可以以该用户身份获取相关权限了。
考虑到心电信号会随着人体的健康状况呈现一定的变化,现有技术也存在当利用用户身体状况不佳时的心电信号更新模板,而后用户身体状况恢复之后,不能顺利进行身份识别的情况,为了提高基于心电信号的身份识别方法的可靠性,在一种较佳的实施例中,本发明还提供如图6所示的方法对模板库进行更新:
步骤S61,在待识别用户的身份识别成功之后,判断该待识别用户的心电信号特征向量与目标特征向量模板的夹角余弦值是否大于第二设定值;若是,则执行步骤S62;
步骤S62,将目标特征向量模板更新为待识别用户的心电信号特征向量。
具体的,成功通过身份识别之后,通过与目标特征向量模板的夹角余弦值大小可判断待识别用户的心电信号特征向量与目标特征向量模板的一致程度,具体来说,当该夹角余弦值大于一阈值(第二设定值,如0.955)时判断二者的一致程度较高,此时,可以对目标特征向量模板进行更新,即更新为当前获取的待识别用户的心电信号特征向量,由于当前获取的心电信号特征向量反应了待识别用户最近一段时期的身体健康状况,因此该项更新能够保证模板库的有效性,有利于避免更新之后身份识别不顺利的情况。于每次成功通过身份识别之后都进行如图6所示的更新处理,既能保证模板库得到及时更新,又能保证更新后模板库的身份识别可靠性。
具体实施时,第一设定值和第二设定值的取值范围均在0~1之间,且用于更新特征向量模板的第二设定值要比用于身份匹配的第一设定值要求更高,如第二设定值需要大于等于第一设定值。
本发明还提供一种基于心电信号的身份识别装置,该身份识别装置优选的是计算能力相对较弱的移动设备,如智能手机和平板电脑等,或者是这类移动设备上的应用程序。如图7所示,该装置包括:
待测心电信号接收模块71,用于接收待识别用户的心电信号。
具体的,待测心电信号接收模块71可通过无线通信技术(如蓝牙、wifi等)接收心电信号采集装置(如穿戴式健康设备)发送来的待识别用户的心电信号。
此外,该身份识别装置还可以自身具备采集心电信号的功能,例如,具有一心电信号采集模块,该模块通过数据线将采集到的心电信号传输给待测心电信号接收模块71。
第一去噪处理模块72,用于对待识别用户的心电信号进行滤波去噪处理。
在一种较佳的实施例中,第一去噪处理模块72具体用于:从待识别用户的心电信号中减去其平均值;使用均值滤波器滤除高频噪音;使用高通滤波器去除基线漂移;使用低通巴斯滤波器抑制高频信息。
第一初选提取模块73,用于对经过滤波去噪处理的待识别用户的心电信号提取特征参数,得到待识别用户的初选特征参数。
在一种较佳的实施例中,该身份识别装置还包括:质量检测处理模块,用于在对待识别用户的心电信号进行滤波去噪处理之后,对经过滤波去噪处理的待识别用户的心电信号进行质量检测处理;则第一初选提取模块73具体用于对依次经过滤波去噪处理和质量检测处理的待识别用户的心电信号提取特征参数。
其中,上述质量检测处理模块具体用于:
对滤波去噪处理后的待识别用户的心电信号进行R点检测,并根据检测结果将滤波去噪处理后的待识别用户的心电信号分割成若干个心动周期波形;计算每一个心动周期波形的R点到P点的距离、R点到T点的距离;计算所有心动周期波形的R点到P点的距离的平均值,以及计算所有心动周期波形的R点到T点的距离的平均值;在若干个心动周期波形中,确定不达标的心动周期波形,不达标的心动周期波形的R点到P点的距离大于所有心动周期波形的R点到P点的距离的平均值,或,不达标的心动周期波形的R点到T点的距离大于所有心动周期波形的R点到T点的距离的平均值;从若干个心动周期波形中,将不达标的心动周期波形剔除。
第一终选提取模块74,用于利用主成分分析法对待识别用户的初选特征参数进行筛选,得到待识别用户的终选特征参数。
第一特征向量构造模块75,用于利用待识别用户的终选特征参数构造待识别用户的心电信号特征向量;
在一种较佳的实施例中,该身份识别装置还包括:最佳数据拟合模块,用于在得到待识别用户的终选特征参数之后,对待识别用户的终选特征参数进行最佳数据拟合;则第一特征向量构造模块75具体用于:利用经过最佳数据拟合的待识别用户的终选特征参数,构造待识别用户的心电信号特征向量。
比对模块76,用于将待识别用户的心电信号特征向量与预先存储的特征向量模板进行比对,其中,特征向量模板与已注册的用户身份相对应。
在一种较佳的实施例中,比对模块76具体用于:计算待识别用户的心电信号特征向量与特征向量模板的夹角余弦值;判断夹角余弦值是否大于第一设定值,若是,则确定比对结果为一致。
判断模块77,用于判断比对结果是否一致,若是,则确定待识别用户的身份识别成功。
在一种较佳的实施例中,如图8所示,该身份识别装置还包括:
注册心电信号接收模块81,用于接收待注册用户的心电信号。
具体的,注册心电信号接收模块81可通过无线通信技术(如蓝牙、wifi等)接收心电信号采集装置(如穿戴式健康设备)发送来的待注册用户的心电信号。
此外,该身份识别装置还可以自身具备采集心电信号的功能,例如,具有一心电信号采集模块,该模块通过数据线将采集到的心电信号传输给注册心电信号接收模块81。
第二去噪处理模块82,用于对待注册用户的心电信号进行滤波去噪处理;
第二初选提取模块83,用于对经过滤波去噪处理的待注册用户的心电信号提取特征参数,得到待注册用户的初选特征参数;
第二终选提取模块84,用于利用主成分分析法对待注册用户的初选特征参数进行筛选,得到待注册用户的终选特征参数;
第二特征向量构造模块85,用于利用待注册用户的终选特征参数构造待注册用户的心电信号特征向量;
模板存储模块86,用于将待注册用户的心电信号特征向量作为特征向量模板进行存储。
在一种较佳的实施例中,该身份识别装置还包括:更新模块,用于在确定待识别用户的身份识别成功之后,判断夹角余弦值是否大于第二设定值,若是,则将特征向量模板更新为待识别用户的心电信号特征向量。
在一种较佳的实施例中,该身份识别装置还包括:权限匹配模块,用于根据待识别用户与已注册的用户身份之间的匹配关系,确定待识别用户的用户身份;根据待识别用户的用户身份,为待识别用户提供相应权限。
本发明提供的心电信号的身份识别装置与本发明提供的基于心电信号的身份识别方法基于相同的发明思想实现,其具体实施方式可参照前述对基于心电信号的身份识别方法的介绍,此处不再赘述。
本发明还提供一种基于心电信号的身份识别系统,如图9所示,该系统包括:心电信号采集装置91,和,基于心电信号的身份识别装置92;
心电信号采集装置,用于采集用户的心电信号,并通过无线通信技术将心电信号发送给基于心电信号的身份识别装置。
本发明提供的心电信号的身份识别系统与本发明提供的基于心电信号的身份识别方法基于相同的发明思想实现,其具体实施方式可参照前述对基于心电信号的身份识别方法的介绍,此处不再赘述。
综上所述,本发明实施例提供的基于心电信号的身份识别方法、装置及系统具有以下有益效果:
(1)本发明中,严密考虑到了系统将要运行的平台环境,对系统每个处理方法的选择都基于系统将要运行的平台进行考量,保证了全客户端的算法兼容(包括资源受限的移动环境下)及系统的可用性、有效性和用户体验。
(2)本发明中,设计具有对采集心电信号进行滤波去噪处理的方法,并对经过去噪处理的信号进行质量检测,从而减少了误差,提高了识别的有效性。
(3)本发明中,设计具有对特征值进行筛选和拟合优化的心电信号优化方法,从而减少了系统的计算量,提高了效率,同时保证了识别的正确性。
(4)本发明中,设计具有评估最近一次心电信号特征向量与相对应模板相似度的方法,可自动判断是否更新,从而保证模板的准确性,以适应人体心血管系统的缓慢变异性,又保证下一次登陆避免出现不能识别的问题,增加了系统的健壮性。
以上所述的具体实施例,对本发明的目的、技术方案和有益效果进行了进一步详细说明,所应理解的是,以上所述仅为本发明的具体实施例而已,并不用于限定本发明的保护范围,凡在本发明的精神和原则之内,所做的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。
本领域技术人员还可以了解到本发明实施例列出的各种说明性逻辑块(illustrative logical block),单元,和步骤可以通过电子硬件、电脑软件,或两者的结合进行实现。为清楚展示硬件和软件的可替换性(interchangeability),上述的各种说明性部件(illustrative components),单元和步骤已经通用地描述了它们的功能。这样的功能是通过硬件还是软件来实现取决于特定的应用和整个系统的设计要求。本领域技术人员可以对于每种特定的应用,可以使用各种方法实现所述的功能,但这种实现不应被理解为超出本发明实施例保护的范围。
本发明实施例中所描述的各种说明性的逻辑块,或单元,或装置都可以通过通用处理器,数字信号处理器,专用集成电路(ASIC),现场可编程门阵列或其它可编程逻辑装置,离散门或晶体管逻辑,离散硬件部件,或上述任何组合的设计来实现或操作所描述的功能。通用处理器可以为微处理器,可选地,该通用处理器也可以为任何传统的处理器、控制器、微控制器或状态机。处理器也可以通过计算装置的组合来实现,例如数字信号处理器和微处理器,多个微处理器,一个或多个微处理器联合一个数字信号处理器核,或任何其它类似的配置来实现。
本发明实施例中所描述的方法或算法的步骤可以直接嵌入硬件、处理器执行的软件模块、或者这两者的结合。软件模块可以存储于RAM存储器、闪存、ROM存储器、EPROM存储器、EEPROM存储器、寄存器、硬盘、可移动磁盘、CD-ROM或本领域中其它任意形式的存储媒介中。示例性地,存储媒介可以与处理器连接,以使得处理器可以从存储媒介中读取信息,并可以向存储媒介存写信息。可选地,存储媒介还可以集成到处理器中。处理器和存储媒介可以设置于ASIC中,ASIC可以设置于用户终端中。可选地,处理器和存储媒介也可以设置于用户终端中的不同的部件中。
在一个或多个示例性的设计中,本发明实施例所描述的上述功能可以在硬件、软件、固件或这三者的任意组合来实现。如果在软件中实现,这些功能可以存储与电脑可读的媒介上,或以一个或多个指令或代码形式传输于电脑可读的媒介上。电脑可读媒介包括电脑存储媒介和便于使得让电脑程序从一个地方转移到其它地方的通信媒介。存储媒介可以是任何通用或特殊电脑可以接入访问的可用媒体。例如,这样的电脑可读媒体可以包括但不限于RAM、ROM、EEPROM、CD-ROM或其它光盘存储、磁盘存储或其它磁性存储装置,或其它任何可以用于承载或存储以指令或数据结构和其它可被通用或特殊电脑、或通用或特殊处理器读取形式的程序代码的媒介。此外,任何连接都可以被适当地定义为电脑可读媒介,例如,如果软件是从一个网站站点、服务器或其它远程资源通过一个同轴电缆、光纤电缆、双绞线、数字用户线(DSL)或以例如红外、无线和微波等无线方式传输的也被包含在所定义的电脑可读媒介中。所述的碟片(disk)和磁盘(disc)包括压缩磁盘、镭射盘、光盘、DVD、软盘和蓝光光盘,磁盘通常以磁性复制数据,而碟片通常以激光进行光学复制数据。上述的组合也可以包含在电脑可读媒介中。
Claims (18)
1.一种基于心电信号的身份识别方法,其特征在于,包括:
接收待识别用户的心电信号;
对所述待识别用户的心电信号进行滤波去噪处理;
对经过滤波去噪处理的所述待识别用户的心电信号提取特征参数,得到待识别用户的初选特征参数;
利用主成分分析法对所述待识别用户的初选特征参数进行筛选,得到待识别用户的终选特征参数;
利用所述待识别用户的终选特征参数构造待识别用户的心电信号特征向量;
将所述待识别用户的心电信号特征向量与预先存储的特征向量模板进行比对,其中,所述特征向量模板与已注册的用户身份相对应;
判断比对结果是否一致,若是,则确定所述待识别用户的身份识别成功;
在所述的对所述待识别用户的心电信号进行滤波去噪处理之后,还包括:对经过滤波去噪处理的所述待识别用户的心电信号进行质量检测处理;
则所述的对经过滤波去噪处理的所述待识别用户的心电信号提取特征参数,包括:对依次经过滤波去噪处理和质量检测处理的所述待识别用户的心电信号提取特征参数;
其中,所述质量检测处理包括:
对滤波去噪处理后的所述待识别用户的心电信号进行R点检测,并根据检测结果将滤波去噪处理后的所述待识别用户的心电信号分割成若干个心动周期波形;
计算每一个心动周期波形的R点到P点的距离、R点到T点的距离;
计算所有心动周期波形的R点到P点的距离的平均值,以及计算所有心动周期波形的R点到T点的距离的平均值;
在所述的若干个心动周期波形中,确定不达标的心动周期波形,所述不达标的心动周期波形的R点到P点的距离大于所有心动周期波形的R点到P点的距离的平均值,或,所述不达标的心动周期波形的R点到T点的距离大于所有心动周期波形的R点到T点的距离的平均值;
从所述的若干个心动周期波形中,将所述不达标的心动周期波形剔除。
2.根据权利要求1所述的基于心电信号的身份识别方法,其特征在于,所述的将所述待识别用户的心电信号特征向量与预先存储的特征向量模板进行比对,包括:
计算所述待识别用户的心电信号特征向量与所述特征向量模板的夹角余弦值;
判断所述夹角余弦值是否大于第一设定值,若是,则确定比对结果为一致。
3.根据权利要求2所述的基于心电信号的身份识别方法,其特征在于,还包括:
接收待注册用户的心电信号;
对所述待注册用户的心电信号进行滤波去噪处理;
对经过滤波去噪处理的所述待注册用户的心电信号提取特征参数,得到待注册用户的初选特征参数;
利用主成分分析法对所述待注册用户的初选特征参数进行筛选,得到待注册用户的终选特征参数;
利用所述待注册用户的终选特征参数构造待注册用户的心电信号特征向量;
将所述待注册用户的心电信号特征向量作为所述特征向量模板进行存储。
4.根据权利要求3所述的基于心电信号的身份识别方法,其特征在于,在所述的确定所述待识别用户的身份识别成功之后,还包括:
判断所述夹角余弦值是否大于第二设定值,若是,则将所述特征向量模板更新为所述待识别用户的心电信号特征向量。
5.根据权利要求1所述的基于心电信号的身份识别方法,其特征在于,所述的对所述待识别用户的心电信号进行滤波去噪处理,包括:
从所述待识别用户的心电信号中减去其平均值;
使用均值滤波器滤除高频噪音;
使用高通滤波器去除基线漂移;
使用低通巴斯滤波器抑制高频信息。
6.根据权利要求1所述的基于心电信号的身份识别方法,其特征在于,在所述的得到待识别用户的终选特征参数之后,还包括:对所述待识别用户的终选特征参数进行最佳数据拟合;
则所述的利用所述待识别用户的终选特征参数构造待识别用户的心电信号特征向量,包括:利用经过最佳数据拟合的所述待识别用户的终选特征参数,构造所述待识别用户的心电信号特征向量。
7.根据权利要求1所述的基于心电信号的身份识别方法,其特征在于,所述的确定所述待识别用户的身份识别成功之后,还包括:
根据所述待识别用户与所述已注册的用户身份之间的匹配关系,确定所述待识别用户的用户身份;
根据所述待识别用户的用户身份,为所述待识别用户提供相应权限。
8.一种基于心电信号的身份识别装置,其特征在于,包括:
待测心电信号接收模块,用于接收待识别用户的心电信号;
第一去噪处理模块,用于对所述待识别用户的心电信号进行滤波去噪处理;
第一初选提取模块,用于对经过滤波去噪处理的所述待识别用户的心电信号提取特征参数,得到待识别用户的初选特征参数;
第一终选提取模块,用于利用主成分分析法对所述待识别用户的初选特征参数进行筛选,得到待识别用户的终选特征参数;
第一特征向量构造模块,用于利用所述待识别用户的终选特征参数构造待识别用户的心电信号特征向量;
比对模块,用于将所述待识别用户的心电信号特征向量与预先存储的特征向量模板进行比对,其中,所述特征向量模板与已注册的用户身份相对应;
判断模块,用于判断比对结果是否一致,若是,则确定所述待识别用户的身份识别成功;
质量检测处理模块,用于在所述的对所述待识别用户的心电信号进行滤波去噪处理之后,对经过滤波去噪处理的所述待识别用户的心电信号进行质量检测处理;
则所述的第一初选提取模块具体用于对依次经过滤波去噪处理和质量检测处理的所述待识别用户的心电信号提取特征参数;
其中,所述的质量检测处理模块具体用于:
对滤波去噪处理后的所述待识别用户的心电信号进行R点检测,并根据检测结果将滤波去噪处理后的所述待识别用户的心电信号分割成若干个心动周期波形;
计算每一个心动周期波形的R点到P点的距离、R点到T点的距离;
计算所有心动周期波形的R点到P点的距离的平均值,以及计算所有心动周期波形的R点到T点的距离的平均值;
在所述的若干个心动周期波形中,确定不达标的心动周期波形,所述不达标的心动周期波形的R点到P点的距离大于所有心动周期波形的R点到P点的距离的平均值,或,所述不达标的心动周期波形的R点到T点的距离大于所有心动周期波形的R点到T点的距离的平均值;
从所述的若干个心动周期波形中,将所述不达标的心动周期波形剔除。
9.根据权利要求8所述的基于心电信号的身份识别装置,其特征在于,所述比对模块具体用于:
计算所述待识别用户的心电信号特征向量与所述特征向量模板的夹角余弦值;
判断所述夹角余弦值是否大于第一设定值,若是,则确定比对结果为一致。
10.根据权利要求9所述的基于心电信号的身份识别装置,其特征在于,还包括:
注册心电信号接收模块,用于接收待注册用户的心电信号;
第二去噪处理模块,用于对所述待注册用户的心电信号进行滤波去噪处理;
第二初选提取模块,用于对经过滤波去噪处理的所述待注册用户的心电信号提取特征参数,得到待注册用户的初选特征参数;
第二终选提取模块,用于利用主成分分析法对所述待注册用户的初选特征参数进行筛选,得到待注册用户的终选特征参数;
第二特征向量构造模块,用于利用所述待注册用户的终选特征参数构造待注册用户的心电信号特征向量;
模板存储模块,用于将所述待注册用户的心电信号特征向量作为所述特征向量模板进行存储。
11.根据权利要求10所述的基于心电信号的身份识别装置,其特征在于,还包括:
更新模块,用于在所述的确定所述待识别用户的身份识别成功之后,判断所述夹角余弦值是否大于第二设定值,若是,则将所述特征向量模板更新为所述待识别用户的心电信号特征向量。
12.根据权利要求8所述的基于心电信号的身份识别装置,其特征在于,所述的第一去噪处理模块具体用于:
从所述待识别用户的心电信号中减去其平均值;
使用均值滤波器滤除高频噪音;
使用高通滤波器去除基线漂移;
使用低通巴斯滤波器抑制高频信息。
13.根据权利要求8所述的基于心电信号的身份识别装置,其特征在于,还包括:最佳数据拟合模块,用于在所述的得到待识别用户的终选特征参数之后,对所述待识别用户的终选特征参数进行最佳数据拟合;
则所述的第一特征向量构造模块具体用于:利用经过最佳数据拟合的所述待识别用户的终选特征参数,构造所述待识别用户的心电信号特征向量。
14.根据权利要求8所述的基于心电信号的身份识别装置,其特征在于,还包括:
权限匹配模块,用于根据所述待识别用户与所述已注册的用户身份之间的匹配关系,确定所述待识别用户的用户身份;根据所述待识别用户的用户身份,为所述待识别用户提供相应权限。
15.根据权利要求8所述的基于心电信号的身份识别装置,其特征在于,所述的待测心电信号接收模块通过无线通信技术接收心电信号采集装置发送的待识别用户的心电信号。
16.根据权利要求10所述的基于心电信号的身份识别装置,其特征在于,所述的注册心电信号接收模块通过无线通信技术接收心电信号采集装置发送的待注册用户的心电信号。
17.根据权利要求8~16任一所述的基于心电信号的身份识别装置,其特征在于,所述身份识别装置为智能手机、平板电脑。
18.一种基于心电信号的身份识别系统,其特征在于,包括:心电信号采集装置,和,权利要求8~16任一所述的基于心电信号的身份识别装置;
所述的心电信号采集装置,用于采集用户的心电信号,并通过无线通信技术将所述心电信号发送给所述的基于心电信号的身份识别装置。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201410844244.8A CN104573458B (zh) | 2014-12-30 | 2014-12-30 | 一种基于心电信号的身份识别方法、装置及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201410844244.8A CN104573458B (zh) | 2014-12-30 | 2014-12-30 | 一种基于心电信号的身份识别方法、装置及系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN104573458A CN104573458A (zh) | 2015-04-29 |
CN104573458B true CN104573458B (zh) | 2017-05-31 |
Family
ID=53089499
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201410844244.8A Active CN104573458B (zh) | 2014-12-30 | 2014-12-30 | 一种基于心电信号的身份识别方法、装置及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN104573458B (zh) |
Families Citing this family (26)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104983411A (zh) * | 2015-07-16 | 2015-10-21 | 兰州理工大学 | 动态脉率变异性信号复杂性测度的实时计算方法 |
JP6843122B2 (ja) * | 2015-08-25 | 2021-03-17 | コーニンクレッカ フィリップス エヌ ヴェKoninklijke Philips N.V. | Ecgリード信号の高/低周波信号品質評価 |
CN105380631A (zh) * | 2015-10-23 | 2016-03-09 | 江苏久祥汽车电器集团有限公司 | 心跳识别方法以及基于心跳识别的生物识别机器人 |
WO2017084546A1 (zh) | 2015-11-17 | 2017-05-26 | 安徽华米信息科技有限公司 | 基于可穿戴设备的用户关注信息确定方法、装置和可穿戴设备 |
CN105468951B (zh) * | 2015-11-17 | 2019-08-06 | 安徽华米信息科技有限公司 | 通过心电特征进行身份识别的方法及装置、可穿戴设备 |
CN105469037A (zh) * | 2015-11-19 | 2016-04-06 | 中科院微电子研究所昆山分所 | 一种基于心电信号的身份识别方法及系统 |
CN106485213B (zh) * | 2016-09-27 | 2019-04-12 | 鲁东大学 | 一种利用心电信号进行自动身份识别的特征提取方法 |
CN106418757B (zh) * | 2016-09-29 | 2018-06-12 | 华中科技大学 | 一种ecg身份验证智慧衣 |
WO2018072170A1 (zh) * | 2016-10-20 | 2018-04-26 | 哈尔滨工业大学深圳研究生院 | 基于ecg信号的身份识别方法及装置 |
CN106778561B (zh) * | 2016-11-16 | 2020-09-01 | 深圳市阿尔法通讯技术有限公司 | 一种穿戴式设备的身份识别方法及识别装置 |
CN106874722A (zh) * | 2016-12-23 | 2017-06-20 | 中国科学院深圳先进技术研究院 | 一种基于心电信号的身份识别方法及其装置 |
CN106845445A (zh) * | 2017-02-16 | 2017-06-13 | 东华大学 | 一种基于无线网络和虹膜识别的个人身份认证方法 |
CN108464834A (zh) * | 2017-02-22 | 2018-08-31 | 清华大学深圳研究生院 | 一种基于心电信号的驾驶学员管理方法与系统 |
JP6818878B2 (ja) * | 2017-04-27 | 2021-01-20 | マクセル株式会社 | 生体認証装置、生体認証システム、及び携帯端末 |
CN107169432A (zh) * | 2017-05-09 | 2017-09-15 | 深圳市科迈爱康科技有限公司 | 基于肌电的生物识别方法、终端及计算机可读存储介质 |
CN107229847A (zh) * | 2017-06-01 | 2017-10-03 | 深圳市伊特利网络科技有限公司 | 终端混合识别方法及系统 |
CN108186018B (zh) * | 2017-11-23 | 2020-11-20 | 苏州朗开医疗技术有限公司 | 一种呼吸数据处理方法及装置 |
CN108309259A (zh) * | 2018-02-02 | 2018-07-24 | 中国建设银行股份有限公司山西省分行 | 服务推送方法、服务器及可测生理参数的银行终端系统 |
CN108784681B (zh) * | 2018-04-11 | 2021-03-16 | 杭州乾圆科技有限公司 | 一种心电特征的识别方法 |
CN108712381A (zh) * | 2018-04-16 | 2018-10-26 | 出门问问信息科技有限公司 | 一种身份验证方法及装置 |
CN108594937B (zh) * | 2018-04-18 | 2020-11-27 | 余海波 | 便携式终端 |
CN110897628A (zh) * | 2018-09-14 | 2020-03-24 | 杭州脉流科技有限公司 | 基于深度神经网络的心电图信号特征提取方法、装置、系统、设备和分类方法 |
CN109919050B (zh) * | 2019-02-21 | 2021-07-20 | 天津惊帆科技有限公司 | 身份识别方法和装置 |
CN110269625B (zh) * | 2019-05-31 | 2022-02-11 | 杭州电子科技大学 | 一种新型的多特征融合的心电认证方法及系统 |
CN112016405B (zh) * | 2020-08-07 | 2022-07-15 | 浙江大学 | 一种基于可穿戴设备的心电图身份认证方法 |
CN112861607B (zh) * | 2020-12-29 | 2022-10-04 | 湖北航天飞行器研究所 | 一种远距离激光活体识别方法 |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101773394A (zh) * | 2010-01-06 | 2010-07-14 | 中国航天员科研训练中心 | 身份识别方法及应用该方法的身份识别系统 |
CN103345600A (zh) * | 2013-06-24 | 2013-10-09 | 中国科学院深圳先进技术研究院 | 一种心电信号数据处理方法 |
CN103610457A (zh) * | 2013-11-19 | 2014-03-05 | 深圳先进技术研究院 | 一种心电信号的处理方法及系统 |
CN103714281A (zh) * | 2013-12-12 | 2014-04-09 | 深圳先进技术研究院 | 一种基于心电信号的身份识别方法 |
CN104055522A (zh) * | 2014-07-01 | 2014-09-24 | 清华大学深圳研究生院 | 一种心律失常情况下心电信号身份识别方法 |
CN104063645A (zh) * | 2014-07-01 | 2014-09-24 | 清华大学深圳研究生院 | 一种基于心电信号动态自更新样本的身份识别方法 |
CN104102915A (zh) * | 2014-07-01 | 2014-10-15 | 清华大学深圳研究生院 | 一种心电异常状态下基于ecg多模板匹配的身份识别方法 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US8468362B2 (en) * | 2011-06-03 | 2013-06-18 | Dell Products, Lp | System and method for providing access to an information handling system |
-
2014
- 2014-12-30 CN CN201410844244.8A patent/CN104573458B/zh active Active
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101773394A (zh) * | 2010-01-06 | 2010-07-14 | 中国航天员科研训练中心 | 身份识别方法及应用该方法的身份识别系统 |
CN103345600A (zh) * | 2013-06-24 | 2013-10-09 | 中国科学院深圳先进技术研究院 | 一种心电信号数据处理方法 |
CN103610457A (zh) * | 2013-11-19 | 2014-03-05 | 深圳先进技术研究院 | 一种心电信号的处理方法及系统 |
CN103714281A (zh) * | 2013-12-12 | 2014-04-09 | 深圳先进技术研究院 | 一种基于心电信号的身份识别方法 |
CN104055522A (zh) * | 2014-07-01 | 2014-09-24 | 清华大学深圳研究生院 | 一种心律失常情况下心电信号身份识别方法 |
CN104063645A (zh) * | 2014-07-01 | 2014-09-24 | 清华大学深圳研究生院 | 一种基于心电信号动态自更新样本的身份识别方法 |
CN104102915A (zh) * | 2014-07-01 | 2014-10-15 | 清华大学深圳研究生院 | 一种心电异常状态下基于ecg多模板匹配的身份识别方法 |
Non-Patent Citations (1)
Title |
---|
时间序列相似性度量方法及其在生理信息挖掘中的应用;郑斐;《中国优秀硕士学位论文全文数据库 信息科技辑》;20121115(第11期);正文第1-13页 * |
Also Published As
Publication number | Publication date |
---|---|
CN104573458A (zh) | 2015-04-29 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN104573458B (zh) | 一种基于心电信号的身份识别方法、装置及系统 | |
Lu et al. | A study of personal recognition method based on EMG signal | |
CN104063645B (zh) | 一种基于心电信号动态自更新样本的身份识别方法 | |
Marcel et al. | Person authentication using brainwaves (EEG) and maximum a posteriori model adaptation | |
CA2835460C (en) | System and method for enabling continuous or instantaneous identity recognition based on physiological biometric signals | |
US6546378B1 (en) | Signal interpretation engine | |
Hwang et al. | Evaluation of the time stability and uniqueness in PPG-based biometric system | |
WO2019192235A1 (zh) | 一种基于移动设备的用户身份认证方法及系统 | |
US10970374B2 (en) | User identification and authentication with neuromuscular signatures | |
CN108670209A (zh) | 一种自动识别中医脉象的方法和系统 | |
CN105787420A (zh) | 用于生物认证的方法、装置以及生物认证系统 | |
Moctezuma et al. | Subjects identification using EEG-recorded imagined speech | |
Prakash et al. | BAED: A secured biometric authentication system using ECG signal based on deep learning techniques | |
CN110458197A (zh) | 基于光电容积脉搏波的身份识别方法及其系统 | |
Luque et al. | End-to-end photopleth YsmographY (PPG) based biometric authentication by using convolutional neural networks | |
CN107708525A (zh) | 使用神经及神经机械指纹来确定用户的健康改变 | |
WO2018152711A1 (zh) | 一种基于心电认证的门禁系统及其认证方法 | |
Nait-Ali | Hidden biometrics: Towards using biosignals and biomedical images for security applications | |
CN110287918A (zh) | 活体识别方法及相关产品 | |
CN109620260A (zh) | 心理状态识别方法、设备及存储介质 | |
CN105469037A (zh) | 一种基于心电信号的身份识别方法及系统 | |
CN106650685B (zh) | 一种基于心电图信号的身份识别方法及装置 | |
CN109919050B (zh) | 身份识别方法和装置 | |
Tantawi et al. | Fiducial based approach to ECG biometrics using limited fiducial points | |
Garg et al. | ECG biometric spoofing using adversarial machine learning |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |