CN104850773A - 用于智能移动终端的用户身份认证方法 - Google Patents

用于智能移动终端的用户身份认证方法 Download PDF

Info

Publication number
CN104850773A
CN104850773A CN201510246540.2A CN201510246540A CN104850773A CN 104850773 A CN104850773 A CN 104850773A CN 201510246540 A CN201510246540 A CN 201510246540A CN 104850773 A CN104850773 A CN 104850773A
Authority
CN
China
Prior art keywords
sequence
touch screen
vector
mode
acceleration
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.)
Granted
Application number
CN201510246540.2A
Other languages
English (en)
Other versions
CN104850773B (zh
Inventor
蔡忠闽
王必成
陈旸
宋云鹏
陈通
左一凡
贾鹏
洪婉诗
任航
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Xian Jiaotong University
Original Assignee
Xian Jiaotong University
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Xian Jiaotong University filed Critical Xian Jiaotong University
Priority to CN201510246540.2A priority Critical patent/CN104850773B/zh
Publication of CN104850773A publication Critical patent/CN104850773A/zh
Application granted granted Critical
Publication of CN104850773B publication Critical patent/CN104850773B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

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
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F2221/00—Indexing scheme relating to security arrangements for protecting computers, components thereof, programs or data against unauthorised activity
    • G06F2221/21—Indexing scheme relating to G06F21/00 and subgroups addressing additional information or applications relating to security arrangements for protecting computers, components thereof, programs or data against unauthorised activity
    • G06F2221/2133—Verifying human interaction, e.g., Captcha

Landscapes

  • Engineering & Computer Science (AREA)
  • Computer Security & Cryptography (AREA)
  • Theoretical Computer Science (AREA)
  • Computer Hardware Design (AREA)
  • Software Systems (AREA)
  • Physics & Mathematics (AREA)
  • General Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • User Interface Of Digital Computer (AREA)
  • Telephone Function (AREA)
  • Collating Specific Patterns (AREA)

Abstract

本发明公开了一种用于智能移动终端的用户身份认证方法，通过设计特定的移动终端运动操作方式，将移动终端主动运动与触屏操作有机的结合起来；利用用户进行认证操作时产生的多种传感器行为数据及触屏行为数据，以用户触屏测地距离为基础建立描述手指触屏轨迹与移动终端空间姿态位置映射关系的特征向量序列，计算距离特征向量，来判断用户身份合法性。本发明方法的优点在于：操作简单，无需增加任何额外设备；提出具有空间平移和旋转不变性的行为特征，有效避免了移动终端旋转、平移等姿态变化对认证结果的影响。

Description

用于智能移动终端的用户身份认证方法
技术领域
本发明涉及用户身份认证技术，特别涉及一种智能移动终端用户身份的认证方法。
背景技术
随着社会的进步，人们对于安全与身份信息越发重视，对生物识别技术的需求不断扩大。研发一种性能可靠，操作简单的识别系统逐渐成为当前技术研究的热点。
现今市场上流行的智能终端上的认证技术有很多：笔迹识别和语音识别准确度欠佳且容易被其他人复现；面部识别技术随着图像处理技术的发展得以兴起，但该技术受到环境和生理因素的干扰，稳定性欠佳；指纹、瞳孔、虹膜识别安全性和准确性较高，但需要提供特殊的硬件设备支持，成本较高；一些基于陀螺仪等单一传感器数据的身份认证方法会受到移动终端旋转、平移等姿态变化的影响，并且行为特征不稳定，数据噪声大。
近来也出现了利用多指触摸数据提取手型特征的认证方法，但这类方法只能提取指长差和指间距等简单的手型特征，在有些情况下不能将所有的用户区分开来。
发明内容
本发明的目的是提供一种主动动作和触屏操作相结合的移动终端认证方法，特别是在主动动作和触屏操作相结合的操作方式下，以用户触屏测地距离为基础，建立描述手指触屏轨迹与移动终端空间姿态位置映射关系的特征序列来判断用户身份合法性的方法。
为达到以上目的，本发明是采取如下技术方案予以实现的：
一种用于智能移动终端的用户身份认证方法，其特征在于，采用主动动作和触屏相结合的操作方式，包括操作方式、训练和认证三个部分，其中：
操作方式由双手或单手完成，包括同时进行的两个环节：
(1)用户握机手带着移动终端进行主动运动，主动运动是转动、单向移动、摆动中的一种运动方式或两种以上运动方式的组合；
(2)手指在移动终端触摸屏上滑动；
训练部分包括下述步骤：
(1)记录合法用户多次进行同一操作方式时，移动终端上陀螺仪记录的角速度行为数据、加速度计记录的加速度行为数据、磁力计获得的方向行为数据以及手指在触摸屏上滑动的触屏行为数据；
(2)针对操作方式中的触屏行为数据、角速度行为数据、加速度行为数据、方向行为数据，以触屏测地距离为基础，分别计算描述操作方式中手指触屏轨迹与移动终端空间姿态位置映射关系的触屏、角速度、加速度及方向特征向量序列，所述测地距离是沿着数据点所在曲线轨迹，连接两个点的最短距离；
(3)分别获取各种特征向量序列的参考特征向量序列，计算每次操作方式的触屏、角速度、加速度及方向特征向量序列与各自参考特征向量序列的距离，得到每次操作方式的距离特征向量，将合法用户多次操作方式的距离特征向量组成训练特征集合；
(4)采用分类器建立用户的身份认证模型，将合法用户的训练特征集合标记为正类对身份认证模型进行训练，得到合法用户的身份判定阈值；
认证部分包括下述步骤：
(1)在认证时，让用户重复训练时采用的操作方式，并记录移动终端上陀螺仪记录的角速度行为数据、加速度计记录的加速度行为数据、磁力计获得的方向行为数据以及手指在触摸屏上滑动的触屏行为数据；
(2)计算触屏、角速度、加速度及方向行为数据的特征向量序列，与训练部分训练时获得的对应参考特征向量序列进行距离度量，得到距离特征向量；
(3)将该距离特征向量作为训练部分建立的用户身份认证模型的输入，得到身份认证的检测值，并将该检测值与身份判定阈值进行比较，进而判定用户身份的合法性。
所述训练部分步骤(2)中的触屏特征向量序列包括触屏测地距离序列、触屏速度特征向量序列、触屏加速度特征向量序列以及多指触屏触点关系特征向量序列；
所述训练部分步骤(2)具体计算方法如下：
1)触屏测地距离序列：以每次操作方式中每个触屏操作手指的第一个触屏数据点为起点，计算后续触屏数据中各个手指的触点与该手指起点的测地距离；
2)触屏速度特征向量序列：对触屏测地距离序列相邻两项求差，再除以这两项之间的时间差，在所得商序列前端补0保证与触屏测地距离序列长度相同，得到沿触屏曲线方向的速度序列，与触屏测地距离序列共同组成描述手指触屏轨迹与触屏滑动速度映射关系的触屏滑动速度特征向量序列；
3)触屏加速度特征向量序列：对触屏速度特征向量序列相邻两项求差，再除以这两项之间的时间差，在所得商序列前端补0保证与触屏测地距离序列长度相同，得到加速度序列，与触屏测地距离序列共同组成描述手指触屏轨迹与触屏滑动加速度映射关系的触屏滑动加速度特征向量序列；
4)多指触屏触点关系特征向量序列：对应于多指触屏操作，从每次操作方式中第一组触屏数据点开始，计算后续触屏数据中每个手指的触点与同一时刻相邻手指对应的触点之间的距离，形成多指触屏触点关系序列，与触屏测地距离序列共同组成描述手指触屏轨迹与多指触屏触点位置映射关系的多指触屏触点关系特征向量序列；
5)角速度特征向量序列：从每次操作方式中手指接触触摸屏时刻开始，记录与三轴角速度相关的序列，形成角速度序列，与触屏测地距离序列共同组成描述手指触屏轨迹与移动终端运动角速度映射关系的角速度特征向量序列；
6)加速度特征向量序列：从每次操作方式中手指接触触摸屏时刻开始，记录与三轴加速度相关的序列，形成加速度序列，与触屏测地距离序列共同组成描述手指触屏轨迹与移动终端运动加速度映射关系的加速度特征向量序列；
7)方向特征向量序列：从每次操作方式中手指接触触摸屏时刻开始，记录磁力计获得的三个方向角数据，形成方向序列,与触屏测地距离序列共同组成描述手指触屏轨迹与移动终端方向角映射关系的方向特征向量序列。
所述训练部分步骤(3)中各种特征向量序列的参考特征向量序列的获取方法是：在多次操作方式的触屏、角速度、加速度及方向特征向量序列中，计算每次操作方式的特征向量序列与其他次操作方式的同种特征向量序列之间的距离，累加后得到距离之和，选择距离之和最小的一次操作方式的特征向量序列作为该种特征向量序列的参考特征向量序列。
本发明方法的优点在于：定义操作简单自然且相对固定，重复操作相似度高的操作方式，从触摸屏、陀螺仪、加速度、磁力计四个方面提取数据进行整合，形成描述用户进行认证操作过程中那些特有的行为习惯所形成的数据映射关系作为认证特征，并且这些特征具有空间平移旋转不变性，有效避免了移动终端旋转、平移等姿态变化对认证结果的影响。此外，本发明可以将特定运动过程中的行为特征与多指触摸数据中包含的手型特征有机的结合起来，身份特征的稳定性更高；与单纯基于触屏行为认证的方法相比，由于采用了主动运动与触屏联合操作的方式，引入了相关的运动特征，使认证时用户的区分能力得到显著提升。
附图说明
下面结合附图及具体实施方式对本发明做进一步的详细描述。
图1是本发明一种双手操作方式示意图。图1中：(a)图为双手操作开始状态；(b)图为双手操作左手转动终端右手滑屏过程；(c)图为(b)图的动作延续；(d)图为双手操作结束状态；
图2是本发明一种单手操作方式示意图。图2中：(a)图为单手操作开始状态；(b)图为单手操作握机手转动同时拇指滑屏过程；(c)图为单手操作结束状态；
图3是本发明方法的总体流程示意图。
图4是由图3中行为数据计算特征向量序列的关系图。
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，所描述的实施例是本发明的一部分实施例，而不是全部实施例。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的前提下所获得的所有其他实施例，都应属于本发明保护的范围。
1、操作方式实施例
双手操作方式(如图1所示)：
握机手带动移动终端以特定模式做一个270度的空间转动，转动的同时另一只手的多个相邻手指伸直并拢在触摸屏上旋转滑动，具体操作描述如下：
图1中(a)图为双手操作开始状态。左手自然握住移动终端，触摸屏朝向操作者面部，右手手指伸直并拢，手背朝向操作者面部，将右手食指、中指、无名指等的指腹部分压在移动终端触摸屏上，右手小臂与移动终端长边垂直。
图1中(b)图为双手操作左手转动终端右手滑屏过程。左手握住移动终端，以右手手指与触摸屏接触部分为中心逆时针转动移动终端；同时右手与触摸屏接触的手指保持伸直并拢并且指腹始终接触触摸屏，右手手指触点在触摸屏上形成近似同心圆的滑动轨迹。
图1中(c)图为(b)图的动作延续，在左手转动过程中，移动终端逐渐转至触摸屏背向操作者面部，长边方向与右手手指方向平行的状态；同时右手手掌小指侧自然向内翻转，逐渐转至手心朝向操作者面部状态。在整个过程中右手与触摸屏接触手指始终保持伸直并拢并且指腹与触摸屏保持接触。
图1中(d)图为双手操作结束状态。双手操作结束时，移动终端触摸屏背向操作者面部，长边转动至与右手手指方向平行的位置。右手已转至手心朝向操作者面部状态，且原先接触手指指腹仍与触摸屏保持接触。在整个操作过程中，右手手指触点在触摸屏上形成近似同心圆的滑动轨迹。
双手操作方式可以调换左右手，操作要求与上述镜像对称。但训练和认证过程中的握机手滑屏手和左右手对应关系不能改变。
单手操作方式(如图2所示)：
握机手带动移动终端以小臂为轴做空间转动，转动的同时握机手拇指在触摸屏上滑动，具体操作描述如下：
图2中(a)图为单手操作开始状态。用右手拇指指腹贴在移动终端屏幕底部靠左位置，除拇指外的四指自然握住移动终端。
图2中(b)图为单手操作握机手转动同时拇指滑屏过程。以右手小臂为轴，顺时针转动右手手腕，同时右手拇指进行滑动操作：拇指伸直从屏幕底部靠左位置开始自然向右上滑动至拇指离开屏幕。在此过程中其余四指保持握机位置不变。
图2中(c)图为单手操作结束状态。单手操作结束时，移动终端应在不引起用户不适的情况下转动一个尽量大的角度，同时右手拇指离开屏幕。
如果采用左手握移动终端，操作过程相同，同时配合左手手腕逆时针转动。
2、针对图1和图2中的双手操作方式和单手操作方式，训练部分实施方案包括下述步骤(流程图如图3所示)：
(1)移动终端触屏、陀螺仪、加速度计、磁力计等采集并记录用户多次操作方式中的行为数据；
a)触屏行为数据格式为：{触点横坐标、触点纵坐标、压力、手指标识、时间戳}。
b)陀螺仪行为数据的格式为：{水平向右方向(X轴)的角速度，垂直向上方向(Y轴)的角速度，屏幕正面法线方向(Z轴)的角速度，时间戳}。
c)加速度计行为数据的格式为：{水平向右方向(X轴)的加速度，垂直向上方向(Y轴)的加速度，屏幕正面法线方向(Z轴)的加速度，时间戳}。
d)磁力计获得的方向行为数据的格式为：{方位角，倾斜角，旋转角，时间戳}。
(2)将触屏行为数据、角速度行为数据、加速度行为数据、方向行为数据等按照时间戳进行匹配，匹配后四种行为数据使用同一时间戳。若四者的采样频率不相同，则按照其中某一行为数据的采样频率对另外三种行为数据进行插值操作。
(3)针对四种行为数据，计算行为特征向量序列，在其中获取参考特征向量序列，计算行为特征向量序列与参考特征向量序列的距离，得到距离特征向量，形成训练特征集合。具体为：
第一步，以触屏测地距离为基础，分别建立描述操作方式中手指触屏轨迹与移动终端空间姿态位置映射关系的触屏、角速度、加速度及方向特征向量序列，使行为特征不受移动终端旋转和位置变换的影响，具体包括：触屏测地距离序列、触屏速度特征向量序列、触屏加速度特征向量序列、多指触屏触点关系特征向量序列、角速度特征向量序列、加速度特征向量序列、方向特征向量序列。具体计算方法如下：
a)触屏测地距离序列：以每次操作方式中每个触屏操作手指的第一个触屏数据点为起点，计算后续触屏数据中各个手指的触点与该手指起点的测地距离；
b)触屏速度特征向量序列：对触屏测地距离序列相邻两项求差，再除以这两项之间的时间差，在所得商序列前端补0保证与触屏测地距离序列长度相同，得到沿触屏曲线方向的速度序列，与触屏测地距离序列共同组成描述手指触屏轨迹与触屏滑动速度映射关系的触屏滑动速度特征向量序列；
c)触屏加速度特征向量序列：对触屏速度特征向量序列相邻两项求差，再除以这两项之间的时间差，在所得商序列前端补0保证与触屏测地距离序列长度相同，得到加速度序列，与触屏测地距离序列共同组成描述手指触屏轨迹与触屏滑动加速度映射关系的触屏滑动加速度特征向量序列；
d)多指触屏触点关系特征向量序列：对应于多指触屏操作，从每次操作方式中第一组触屏数据点开始，计算后续触屏数据中每个手指的触点与同一时刻相邻手指对应的触点之间的距离，形成多指触屏触点关系序列，与触屏测地距离序列共同组成描述手指触屏轨迹与多指触屏触点位置映射关系的多指触屏触点关系特征向量序列；相邻手指是指在用户触屏操作时使用的手指集合中，某一手指左侧相邻及右侧相邻的手指，并规定手指集合中，最左侧的手指左侧相邻的为最右侧的手指；最右侧的手指右侧相邻的为最左侧的手指。图2中的单手操作方式为单指触屏操作，训练部分不计算多指触屏触点关系特征向量序列。
e)角速度特征向量序列：从每次操作方式中手指接触触摸屏时刻开始，记录与三轴角速度相关的序列，形成角速度序列。例如X、Y、Z三轴角速度；三轴合角速度；上述两者组合等。角速度序列与触屏测地距离序列共同组成描述手指触屏轨迹与移动终端运动角速度映射关系的角速度特征向量序列。
f)加速度特征向量序列：从每次操作方式中手指接触触摸屏时刻开始，记录与三轴加速度相关的序列，其值为加速度计的三个方向上数值去除各自方向上的重力加速度分量，重力分量可用高通滤波去除，形成加速度序列。例如X、Y、Z三轴加速度；三轴合加速度；上述两者组合等。加速度序列与触屏测地距离序列共同组成描述手指触屏轨迹与移动终端运动加速度映射关系的加速度特征向量序列。
g)方向特征向量序列：从每次操作方式中手指接触触摸屏时刻开始，记录磁力计获得的三个方向角数据，形成方向序列,与触屏测地距离序列共同组成描述手指触屏轨迹与移动终端方向角映射关系的方向特征向量序列。
第二步，采用动态时间规整计算每次操作方式的触屏、角速度、加速度及方向特征向量序列与其他次操作方式的同种特征向量序列之间的距离，累加同种特征向量序列之间的距离后得到距离和，选择距离之和最小的一次操作方式的特征向量序列作为该种特征向量序列的参考特征向量序列；
第三步，计算每次操作方式的触屏、角速度、加速度及方向特征向量序列与各自参考特征向量序列的距离，得到每次操作方式的距离特征向量，将合法用户多次操作方式的距离特征向量组成训练特征集合；
(4)采用单类分类器，如单分类支持向量机，建立合法用户的身份认证模型，将合法用户的训练特征集合标记为正类对身份认证模型进行训练，得到合法用户的身份判定阈值σ(σ根据模型训练的精度进行选取)；
3、针对图1和图2中的双手操作方式和单手操作方式，认证部分实施方案包括下述步骤(如图3所示)：
(1)在认证时，让用户重复训练时采用的操作方式，并记录移动终端运动时陀螺仪记录的角速度行为数据、加速度计记录的加速度行为数据、磁力计获得的方向行为数据以及手指在触摸屏上滑动的触屏行为数据；
(2)将操作方式产生的四种数据用时间戳匹配起来，提取触屏、角速度、加速度及方向行为数据的特征向量序列，与训练部分获得的对应参考特征向量序列进行动态时间规整距离计算，得到距离特征向量；图2中的单手操作方式为单指触屏操作，认证部分不计算多指触屏触点关系特征向量序列。
(3)将该距离特征向量作为训练部分建立的用户身份认证模型的输入，得到身份认证的检测值，并将该检测值与身份判定阈值进行比较，进而判定用户身份的合法性。
除了本发明中训练部分描述的特征向量序列的计算方式外，也可以利用惯性导航中捷联式惯导的相关计算方法，结合上述传感器数据还原移动终端在空间中的位置、姿态，如移动终端旋转角度、角速度、运动速度、位移、磁场方向等，与触屏测地距离相结合，得到描述手形与移动终端姿态的映射关系的特征向量序列。再按照本发明的训练部分步骤(3)、(4)中的方法建立用户身份认证模型。

Claims (3)

1.一种用于智能移动终端的用户身份认证方法，其特征在于，采用主动动作和触屏相结合的操作方式，包括操作方式、训练和认证三个部分，其中：
操作方式由双手或单手完成，包括同时进行的两个环节：
(1)用户握机手带着移动终端进行主动运动，主动运动是转动、单向移动、摆动中的一种运动方式或两种以上运动方式的组合；
(2)手指在移动终端触摸屏上滑动；
训练部分包括下述步骤：
(1)记录合法用户多次进行同一操作方式时，移动终端上陀螺仪记录的角速度行为数据、加速度计记录的加速度行为数据、磁力计获得的方向行为数据以及手指在触摸屏上滑动的触屏行为数据；
(2)针对操作方式中的触屏行为数据、角速度行为数据、加速度行为数据、方向行为数据，以触屏测地距离为基础，分别计算描述操作方式中手指触屏轨迹与移动终端空间姿态位置映射关系的触屏、角速度、加速度及方向特征向量序列，所述测地距离是沿着数据点所在曲线轨迹，连接两个点的最短距离；
(3)分别获取各种特征向量序列的参考特征向量序列，计算每次操作方式的触屏、角速度、加速度及方向特征向量序列与各自参考特征向量序列的距离，得到每次操作方式的距离特征向量，将合法用户多次操作方式的距离特征向量组成训练特征集合；
(4)采用分类器建立用户的身份认证模型，将合法用户的训练特征集合标记为正类对身份认证模型进行训练，得到合法用户的身份判定阈值；
认证部分包括下述步骤：
(1)在认证时，让用户重复训练时采用的操作方式，并记录移动终端上陀螺仪记录的角速度行为数据、加速度计记录的加速度行为数据、磁力计获得的方向行为数据以及手指在触摸屏上滑动的触屏行为数据；
(2)计算触屏、角速度、加速度及方向行为数据的特征向量序列，与训练部分训练时获得的对应参考特征向量序列进行距离度量，得到距离特征向量；
(3)将该距离特征向量作为训练部分建立的用户身份认证模型的输入，得到身份认证的检测值，并将该检测值与身份判定阈值进行比较，进而判定用户身份的合法性。
2.如权利要求1所述的用于智能移动终端的用户身份认证方法，其特征在于，所述训练部分步骤(2)中的触屏特征向量序列包括触屏测地距离序列、触屏速度特征向量序列、触屏加速度特征向量序列以及多指触屏触点关系特征向量序列；
所述训练部分步骤(2)具体计算方法如下：
1)触屏测地距离序列：以每次操作方式中每个触屏操作手指的第一个触屏数据点为起点，计算后续触屏数据中各个手指的触点与该手指起点的测地距离；
2)触屏速度特征向量序列：对触屏测地距离序列相邻两项求差，再除以这两项之间的时间差，在所得商序列前端补0保证与触屏测地距离序列长度相同，得到沿触屏曲线方向的速度序列，与触屏测地距离序列共同组成描述手指触屏轨迹与触屏滑动速度映射关系的触屏滑动速度特征向量序列；
3)触屏加速度特征向量序列：对触屏速度特征向量序列相邻两项求差，再除以这两项之间的时间差，在所得商序列前端补0保证与触屏测地距离序列长度相同，得到加速度序列，与触屏测地距离序列共同组成描述手指触屏轨迹与触屏滑动加速度映射关系的触屏滑动加速度特征向量序列；
4)多指触屏触点关系特征向量序列：对应于多指触屏操作，从每次操作方式中第一组触屏数据点开始，计算后续触屏数据中每个手指的触点与同一时刻相邻手指对应的触点之间的距离，形成多指触屏触点关系序列，与触屏测地距离序列共同组成描述手指触屏轨迹与多指触屏触点位置映射关系的多指触屏触点关系特征向量序列；
5)角速度特征向量序列：从每次操作方式中手指接触触摸屏时刻开始，记录与三轴角速度相关的序列，形成角速度序列，与触屏测地距离序列共同组成描述手指触屏轨迹与移动终端运动角速度映射关系的角速度特征向量序列；
6)加速度特征向量序列：从每次操作方式中手指接触触摸屏时刻开始，记录与三轴加速度相关的序列，形成加速度序列，与触屏测地距离序列共同组成描述手指触屏轨迹与移动终端运动加速度映射关系的加速度特征向量序列；
7)方向特征向量序列：从每次操作方式中手指接触触摸屏时刻开始，记录磁力计获得的三个方向角数据，形成方向序列，与触屏测地距离序列共同组成描述手指触屏轨迹与移动终端方向角映射关系的方向特征向量序列。
3.如权利要求1所述的用于智能移动终端的用户身份认证方法，其特征在于，所述训练部分步骤(3)中各种特征向量序列的参考特征向量序列的获取方法是：在多次操作方式的触屏、角速度、加速度及方向特征向量序列中，计算每次操作方式的特征向量序列与其他次操作方式的同种特征向量序列之间的距离，累加后得到距离之和，选择距离之和最小的一次操作方式的特征向量序列作为该种特征向量序列的参考特征向量序列。
CN201510246540.2A 2015-05-14 2015-05-14 用于智能移动终端的用户身份认证方法 Active CN104850773B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201510246540.2A CN104850773B (zh) 2015-05-14 2015-05-14 用于智能移动终端的用户身份认证方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201510246540.2A CN104850773B (zh) 2015-05-14 2015-05-14 用于智能移动终端的用户身份认证方法

Publications (2)

Publication Number Publication Date
CN104850773A true CN104850773A (zh) 2015-08-19
CN104850773B CN104850773B (zh) 2018-08-10

Family

ID=53850413

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201510246540.2A Active CN104850773B (zh) 2015-05-14 2015-05-14 用于智能移动终端的用户身份认证方法

Country Status (1)

Country Link
CN (1) CN104850773B (zh)

Cited By (13)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105207783A (zh) * 2015-10-26 2015-12-30 联动优势电子商务有限公司 一种用户可信度认证方法及装置
CN105912910A (zh) * 2016-04-21 2016-08-31 武汉理工大学 基于手机传感的在线签名身份认证方法及系统
CN107273728A (zh) * 2017-05-05 2017-10-20 西安交通大学苏州研究院 基于运动传感行为特征的智能手表解锁和认证方法
CN107465658A (zh) * 2017-06-23 2017-12-12 南京航空航天大学 一种基于html5的用户特征识别的网站安全防御方法
CN107819945A (zh) * 2017-10-30 2018-03-20 同济大学 综合多种因素的手持设备浏览行为认证方法及系统
CN108629170A (zh) * 2018-04-20 2018-10-09 北京元心科技有限公司 身份识别方法以及相应的装置、移动终端
CN109462691A (zh) * 2018-10-27 2019-03-12 中国人民解放军战略支援部队信息工程大学 一种基于多传感器数据融合的隐式防护方法及系统
CN109863504A (zh) * 2017-09-30 2019-06-07 华为技术有限公司 一种密码校验方法、密码设置方法及移动终端
CN110163611A (zh) * 2019-03-18 2019-08-23 腾讯科技（深圳）有限公司 一种身份识别方法、装置以及相关设备
CN110324350A (zh) * 2019-07-09 2019-10-11 中国工商银行股份有限公司 基于移动端非敏感传感器数据的身份认证方法及服务器
CN112380521A (zh) * 2020-11-24 2021-02-19 惠州Tcl移动通信有限公司 一种触摸屏解锁方法、装置、存储介质及终端
CN112492090A (zh) * 2020-11-27 2021-03-12 南京航空航天大学 智能手机上融合滑动轨迹和动力学特征的持续身份认证方法
WO2021218338A1 (zh) * 2020-04-28 2021-11-04 深圳壹账通智能科技有限公司 用户身份验证方法、装置、介质、电子设备

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20130290229A1 (en) * 2011-02-21 2013-10-31 Ntt Docomo, Inc. Gripping-feature learning authentication system and gripping-feature learning authentication method
CN103530543A (zh) * 2013-10-30 2014-01-22 无锡赛思汇智科技有限公司 一种基于行为特征的用户识别方法及系统
CN104408341A (zh) * 2014-11-13 2015-03-11 西安交通大学 基于陀螺仪行为特征的智能手机用户身份认证方法

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20130290229A1 (en) * 2011-02-21 2013-10-31 Ntt Docomo, Inc. Gripping-feature learning authentication system and gripping-feature learning authentication method
CN103530543A (zh) * 2013-10-30 2014-01-22 无锡赛思汇智科技有限公司 一种基于行为特征的用户识别方法及系统
CN104408341A (zh) * 2014-11-13 2015-03-11 西安交通大学 基于陀螺仪行为特征的智能手机用户身份认证方法

Cited By (19)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105207783A (zh) * 2015-10-26 2015-12-30 联动优势电子商务有限公司 一种用户可信度认证方法及装置
CN105207783B (zh) * 2015-10-26 2018-11-16 联动优势电子商务有限公司 一种用户可信度认证方法及装置
CN105912910A (zh) * 2016-04-21 2016-08-31 武汉理工大学 基于手机传感的在线签名身份认证方法及系统
CN107273728A (zh) * 2017-05-05 2017-10-20 西安交通大学苏州研究院 基于运动传感行为特征的智能手表解锁和认证方法
CN107273728B (zh) * 2017-05-05 2020-11-03 西安交通大学苏州研究院 基于运动传感行为特征的智能手表解锁和认证方法
CN107465658A (zh) * 2017-06-23 2017-12-12 南京航空航天大学 一种基于html5的用户特征识别的网站安全防御方法
CN109863504A (zh) * 2017-09-30 2019-06-07 华为技术有限公司 一种密码校验方法、密码设置方法及移动终端
US11899778B2 (en) 2017-09-30 2024-02-13 Huawei Technologies Co., Ltd. Password verification method, password setting method, and mobile terminal
CN107819945A (zh) * 2017-10-30 2018-03-20 同济大学 综合多种因素的手持设备浏览行为认证方法及系统
CN108629170A (zh) * 2018-04-20 2018-10-09 北京元心科技有限公司 身份识别方法以及相应的装置、移动终端
CN109462691A (zh) * 2018-10-27 2019-03-12 中国人民解放军战略支援部队信息工程大学 一种基于多传感器数据融合的隐式防护方法及系统
CN109462691B (zh) * 2018-10-27 2021-01-26 中国人民解放军战略支援部队信息工程大学 一种基于多传感器数据融合的隐式防护方法及系统
CN110163611A (zh) * 2019-03-18 2019-08-23 腾讯科技（深圳）有限公司 一种身份识别方法、装置以及相关设备
CN110163611B (zh) * 2019-03-18 2022-12-27 腾讯科技（深圳）有限公司 一种身份识别方法、装置以及相关设备
CN110324350A (zh) * 2019-07-09 2019-10-11 中国工商银行股份有限公司 基于移动端非敏感传感器数据的身份认证方法及服务器
CN110324350B (zh) * 2019-07-09 2021-12-07 中国工商银行股份有限公司 基于移动端非敏感传感器数据的身份认证方法及服务器
WO2021218338A1 (zh) * 2020-04-28 2021-11-04 深圳壹账通智能科技有限公司 用户身份验证方法、装置、介质、电子设备
CN112380521A (zh) * 2020-11-24 2021-02-19 惠州Tcl移动通信有限公司 一种触摸屏解锁方法、装置、存储介质及终端
CN112492090A (zh) * 2020-11-27 2021-03-12 南京航空航天大学 智能手机上融合滑动轨迹和动力学特征的持续身份认证方法

Also Published As

Publication number Publication date
CN104850773B (zh) 2018-08-10

Similar Documents

Publication Publication Date Title
CN104850773A (zh) 用于智能移动终端的用户身份认证方法
CN106897592B (zh) 用户认证方法、用户认证设备以及书写工具
JP6885935B2 (ja) 眼の特徴を用いる眼ポーズ識別
CN104636725B (zh) 一种基于深度图像的手势识别方法与系统
CN109597485B (zh) 一种基于双指角域特征的手势交互系统及其工作方法
Feng et al. Investigating mobile device picking-up motion as a novel biometric modality
Billah et al. Recognizing distractions for assistive driving by tracking body parts
US20130077820A1 (en) Machine learning gesture detection
US20130142417A1 (en) System and method for automatically defining and identifying a gesture
Yin et al. AirContour: Building contour-based model for in-air writing gesture recognition
Zhao et al. Comparing head gesture, hand gesture and gamepad interfaces for answering Yes/No questions in virtual environments
JP2016014954A (ja) 手指形状の検出方法、そのプログラム、そのプログラムの記憶媒体、及び、手指の形状を検出するシステム。
CN108536314A (zh) 用户身份识别方法及装置
Plouffe et al. Natural human-computer interaction using static and dynamic hand gestures
Iyer et al. Generalized hand gesture recognition for wearable devices in IoT: Application and implementation challenges
Guna et al. User identification approach based on simple gestures
Goutsu et al. Motion recognition employing multiple kernel learning of fisher vectors using local skeleton features
D'Orazio et al. A Neural Network Approach for Human Gesture Recognition with a Kinect Sensor.
Hachaj et al. Head motion classification for single-accelerometer virtual reality hardware
Zhou et al. A controlled experiment between two methods on ten-digits air writing
Khan et al. Gesture recognition using Open-CV
KR101605740B1 (ko) 스마트폰 사용자의 개인화된 동작인식 방법 및 이를 이용한 게임방법
Zhao et al. Motion gesture delimiters for smartwatch interaction
CN112034975B (zh) 手势过滤方法、系统、装置及可读存储介质
Quiroga et al. A novel competitive neural classifier for gesture recognition with small training sets

Legal Events

Date Code Title Description
C06 Publication
PB01 Publication
EXSB Decision made by sipo to initiate substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant