CN105024817B - 一种身份认证方法及装置 - Google Patents
一种身份认证方法及装置 Download PDFInfo
- Publication number
- CN105024817B CN105024817B CN201410177162.2A CN201410177162A CN105024817B CN 105024817 B CN105024817 B CN 105024817B CN 201410177162 A CN201410177162 A CN 201410177162A CN 105024817 B CN105024817 B CN 105024817B
- Authority
- CN
- China
- Prior art keywords
- sequence
- points
- test sample
- sample sequence
- acceleration information
- 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
Landscapes
- Collating Specific Patterns (AREA)
- Image Analysis (AREA)
Abstract
本发明公开了一种身份认证方法及装置，该方法包括：将采集的认证手势执行时的加速度数据序列作为测试样本序列；预处理所述测试样本序列；确定预处理后的测试样本序列和参考样本序列之间对齐的序列点；纠正对齐的序列点之间的序列编号错位，量化纠正后的测试样本序列和纠正后的参考样本序列之间的差异；在该差异小于等于设定值时，确定认证成功；在该差异大于设定值时，确定认证失败。采用本发明的技术方案能取得较好的身份认证效果。
Description
技术领域
本发明涉及模式识别和信息安全技术领域，尤其涉及一种身份认证方法及装置。
背景技术
身份认证是系统确认操作者的真实身份与其声称身份是否相符的过程，在手机普及的今天，手机上的用户身份认证也成为信息安全的一个重要部分。
目前手机身份认证主要分为基于口令的身份认证和基于生物特征的身份认证。常用的基于口令的身份认证有用户密码方式和九宫格解锁方式，基于口令的身份认证的共同特点是口令容易泄露，为了口令的安全性频繁更换口令，又使得口令难以维护。基于生物特征的身份认证可以作为用户口令的一个很好的替代方法，生物特征是人的天然属性，包括人的生理特征或行为特征。生理特征为先天的特征，包括面相、指纹、掌形、声音、虹膜、视网膜等静态特征；行为特征是通过后天的学习或发展而形成的，包括签名、击键、步态、动态手势等动态特征。生物特征不会像密码一样容易被猜测和忘记，也不会像持有物一样容易被盗取，所以，利用生物特征进行身份认证将会是一种更为安全可靠、方便快捷的大众化身份认证手段。
目前常用的基于生物特征的身份认证技术包括以下几种：
1.指纹认证
指纹认证是最为古老和常用的一种生物特征身份认证技术，占有生物特征认证市场中超过一半的份额。指纹是人的手指末端表面的纹路，这些凹凸不平的皮肤纹路中包含了丰富的断点、交叉点、结合点等细节特征，这些特征是唯一的，也是恒久不变的，通过指纹的比对可以确定一个人的身份。指纹认证就是利用图像处理技术对采集的指纹进行匹配，从而鉴别用户的身份。
2.虹膜认证
虹膜认证是目前所有生物特征认证技术中最方便、最精确的一种，也是二十一世纪最具发展前景的生物认证技术。虹膜是巩膜和瞳孔之间环状区域，它包含丰富的纹理特征，而且结构是随机的，是遗传基因决定的，不易被伪造。非接触式的虹膜图像获取卫生易用，获取时不受光线意外的环境影响，稳定性高。
3.人脸认证
人脸认证是生物特征认证技术领域最困难的研究课题之一，人脸特征的抽取比较困难，同一人不同的表情、位置、方向、光照都会对人脸特征的提取产生较大的影响，所以目前人脸认证的准确性比指纹认证和虹膜认证低，但是非接触式的人脸特征信息获取相对比较自然而且不易察觉，良好的用户体验使得人脸认证成为最容易被接受的生物特征认证方式。
4.签名认证
签名认证是一种行为特征认证技术，签名认证按照数据获取方式不同分为离线签名认证和在线签名认证。离线签名认证是通过扫描仪把纸上的字符转换为计算机可处理的图像，并提取纹理信息等特征进行认证。在线签名认证通过专用的写字板采集用户的书写信息，把签名序列转化为图像，并且记录书写的压力、加速度、速度等信息，根据用户的书写习惯对用户进行认证。
生物特征认证方式解决了传统的口令认证方式的各种局限性，但是在智能手机平台上，生物特征认证方式的使用量却远不如口令认证方式，主要原因有以下两点：首先是因为手机平台上的资源、设备限制。目前手机上基本上都没有可以获取指纹的设备，使用指纹认证的话就需要外接设备，使用不方便；而虹膜认证对摄像头要求很高，手机也难以实现，在线签名认证也需要外接设备。其次是认证方式本身的一些缺陷限制。虹膜认证方式极难读取黑眼睛特征，人脸认证和声音认证都非常容易受外界甚至自身的影响，离线签名认证容易被盗取和转移。
因此，有必要设计一种新型的身份认证方法。
发明内容
有鉴于此，本发明实施例提供了一种身份认证方法及装置，该方法对设备的硬件性能要求相对较低，利用加速度传感器采集手势动作执行时的加速度数据序列，受外部因素影响相对较小，能取得较好的认证效果。
本发明实施例提供了一种身份认证方法及装置，具体如下：
一种身份认证方法，所述方法包括：
将采集的认证手势执行时的加速度数据序列作为测试样本序列；
预处理所述测试样本序列；
确定预处理后的测试样本序列和参考样本序列之间对齐的序列点；
通过对预处理后的测试样本序列和参考样本序列分别进行插值操作，纠正对齐的序列点之间的序列编号错位，获得纠正后的测试样本序列和纠正后的参考样本序列；其中，所述序列编号是按照采集序列点的先后顺序确定的，先采集到的加速度数据序列点的序列编号小于后采集到的加速度数据序列点的序列编号；纠正后的测试样本序列中的序列点与纠正后的参考样本序列中的序列点按序列编号顺序一一对应；
量化纠正后的测试样本序列和纠正后的参考样本序列之间的差异；
在该差异小于等于设定值时，确定认证成功；在该差异大于设定值时，确定认证失败。
一种身份认证装置，所述装置包括：
获取单元，用于将采集的认证手势执行时的加速度数据序列作为测试样本序列；
预处理单元，用于预处理所述测试样本序列；
对齐的序列点确定单元，用于确定预处理后的测试样本序列和参考样本序列之间对齐的序列点；
插值单元，用于通过对预处理后的测试样本序列和参考样本序列分别进行插值操作，纠正对齐的序列点之间的序列编号错位，获得纠正后的测试样本序列和纠正后的参考样本序列；其中，所述序列编号是按照采集序列点的先后顺序确定的，先采集到的加速度数据序列点的序列编号小于后采集到的加速度数据序列点的序列编号；纠正后的测试样本序列中的序列点与纠正后的参考样本序列中的序列点按序列编号顺序一一对应；
量化单元，用于量化纠正后的测试样本序列和纠正后的参考样本序列之间的差异；
认证单元，用于在该差异小于等于设定值时，确定认证成功；在该差异大于设定值时，确定认证失败。
本发明实施例的方案中，采用动态手势的加速度数据序列对用户身份进行认证，在确定加速度数据的测试样本序列和参考样本序列之间的对齐点后，对序列间的差异进行量化，并将量化结果与设定值对比，进而确定认证通过还是失败，对设备的硬件要求相对较低，仅需加速度传感器来采集手势动作执行时的加速度数据序列，受外部因素影响相对较小，能较为理想的认证效果。
附图说明
为了更清楚地说明本发明实施例中的技术方案，下面将对实施例描述中所需要使用的附图作简要介绍，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，对于本领域的普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。
图1为本发明实施例一中的身份认证方法的流程图示意图；
图2为本发明实施例二中的一组手势动作的原始加速度数据序列；
图3为本发明实施例二中的一组手势数据的X轴的加速度数据序列；
图4为本发明实施例二中的部分加速度数据放大图；
图5为本发明实施例三中的一种身份认证装置的结构示意图；
图6A为本发明方案应用测试中的原始手势数据序列图；
图6B为本发明方案应用测试中的手势数据平滑去噪后的图；
图6C为本发明方案应用测试中的手势标准化后的图；
图6D为本发明方案应用测试中的去除非手势动作数据后的图；
图7A为本发明方案应用测试中的插值前的加速度数据序列图；
图7B为本发明方案应用测试中的插值后的加速度数据序列图；
图8为本发明方案应用测试中不同精度系数下错误接受率和错误拒绝率的结果图。
具体实施方式
为了使本发明的目的、技术方案和优点更加清楚，下面将结合附图对本发明作进一步地详细描述，显然，所描述的实施例仅仅是本发明一部份实施例，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它实施例，都属于本发明保护的范围。
本发明的身份认证原理是基于生物个体之间存在行为特征上的差异来识别出不同的生物个体。本发明实施例的方案中，用户需手持置有加速度传感器的设备(如手机)做出身份认证手势，即可判断出用户的真伪，并且用户身份认证手势可由用户自己选取。
下面通过具体实施例对本发明方案进行详细描述，当然，本发明并不限于以下实施例。
实施例一
如图1所示，为本发明实施例一提供的身份认证方法的流程图示意图，具体包括以下步骤：
步骤101，将采集的认证手势执行时的加速度数据序列作为测试样本序列；
手势执行时，加速度传感器采集用户手持手机做出身份认证手势时的加速度数据，采集的加速度数据是与使用的坐标轴的方向对应的，可以是三维笛卡尔坐标系上x、y、z三个方向上的加速度数据序列，也可以是任两个方向上的加速度数据序列，还可以是其中一个方向上的加速度数据序列。
步骤102，预处理所述测试样本序列。
本步骤102中对测试样本序列的预处理包括以下几个步骤：
第一步：平滑测试样本序列；
第二步：标准化平滑后的测试样本序列；
第三步：去除标准化后的测试样本序列中表示非手势动作的序列点。
上述对测试样本序列进行预处理的目的去除采集的加速度数据序列中的噪声。上述第三步中去除表示非手势动作的序列点，获得了有效数据，能较好的提高身份认证的准确性，减少了后续身份认证步骤的计算量。
步骤103，确定预处理后的测试样本序列和参考样本序列之间对齐的序列点。
本发明实施例一中采集的加速度数据序列属于时间序列，因此，可以使用时间序列对齐算法来确定预处理后的测试样本序列和参考样本序列之间对齐的序列点，例如可利用动态时间规整(Dynamic Time Warping，DTW)算法或连续轮廓模型(Continuous ProfileModel，CPM)算法等。
步骤104，通过对预处理后的测试样本序列和参考样本序列分别进行插值操作，纠正对齐的序列点之间的序列编号错位，获得纠正后的测试样本序列和纠正后的参考样本序列。
其中，所述序列编号是按照采集序列点的先后顺序确定的，先采集到的加速度数据序列点的序列编号小于后采集到的加速度数据序列点的序列编号；纠正后的测试样本序列中的序列点与纠正后的参考样本序列中的序列点按序列编号顺序一一对应。
步骤105，量化纠正后的测试样本序列和纠正后的参考样本序列之间的差异。
若测试样本序列为是坐标系的一个方向上的加速度数据序列，则参考样本序列也同样使用该方向上的加速度数据序列；若是W个方向上的加速度数据序列，则针对每个方向，利用该方向上的测试样本序列和参考样本序列执行上述步骤103至步骤105的操作，获得量化的各个方向上的差异，所述W为大于1的正整数。
若使用多个参考样本序列进行身份认证，则可针对每一参考序列，将其与预处理后的测试样本序列，分别执行上述步骤103至步骤105的操作，获得多个量化的差异。
步骤106，判断该差异是否不大于设定值，若是，则执行步骤107；若否，则执行步骤108。
在获得是各个方向上的差异时，可将各个方向的差异求平均值，将该平均值与设定值进行比较。
若使用多个参考样本序列进行身份认证时，可将获得的所述多个量化的差异求平均值，将该平均值与设定值进行比较。
步骤107，确定认证成功。
步骤108，确定认证失败。
在本发明实施例一的技术方案中，采用动态手势的加速度数据序列对用户身份进行认证，在确定加速度数据的测试样本序列和参考样本序列之间的对齐点后，对序列间的差异进行量化，并将量化结果与设定值对比，进而确定认证通过还是失败，对设备的硬件要求相对较低，仅需加速度传感器来采集手势动作执行时的加速度数据序列，受外部因素影响相对较小，能较为理想的认证效果。
下面通过实施例二中的方案对本发明实施例一的方案进行详细地说明。
实施例二
本发明实施例二提供的身份认证方法，具体包括以下步骤：
第一步，采集的认证手势执行时的加速度数据序列，并将其作为测试样本序列。
本发明实施例二中要求用户手势动作开始前和结束后手机应处于平稳状态，采用设备(如手机)内置的加速度传感器采集用户手持手机做出身份认证手势时的加速度数据，记录下整个手势动作引起的三维笛卡尔坐标系三轴(X、Y、Z轴)加速度数据。
其中手势的三轴加速度数据序列Ak用数学语言描述为：其中分别表示X、Y、Z轴的加速度数据值，上标k表示第k次采集的手势数据，下标i表示第i时刻采集到的数据，也即数据编号，n表示序列时间点长度，1≤i≤n，n、k、i取正整数。
第二步，对采集的加速度数据序列进行预处理。
具体包括以下a)、b)和c)三个步骤。
a)步骤：采用移动平均法对采集的加速度数据序列进行平滑降噪，其计算公式如公式(1)所示。
其中表示第i时刻三轴加速度数据平滑后的值，Δ取正整数，一般为2。
采集的加速度数据序列经过平滑去噪处理后的三轴加速度序列SAk描述为：
b)步骤：采用均值-标准差的方式对加速度数据序列进行标准化处理，其计算公式如式(2)：
其中，表示第i时刻三轴加速度数据序列标准化后的值， 表示各个轴加速度数据序列的平均值，计算公式如式(3)，σxk、σyk、σzk表示各个轴加速度数据序列的标准差，计算公式如式(4)。
平滑后的手势加速度数据序列经过标准化处理后，三轴加速度数据序列NAk描述为：
c)步骤：去除标准化后的测试样本序列中表示非手势动作的序列点。
该c)步骤分两种情况，
第一种情况：
采集的手势执行时的加速度数据序列为设定的一个方向上的加速度数据序列，此时去除标准化后的测试样本序列中表示非手势动作序列的点，包括：
分别按照序列编号顺序的正序和逆序，依次将标准化后的测试样本序列中的序列点的值与上门限值和下门限值对比，确定出第一个幅值不在上门限值和下门限值之间的序列点的序列编号；所述上门限和下门限值根据标准化后的测试样本数据序列中的平稳序列点的平均值确定；
将标准化后的测试样本序列中序列编号小于第一序列编号的序列点及序列编号大于第二序列编号的序列点去除，所述第一序列编号为按照序列编号的正序确定出的所述第一个幅值不在上门限值和下门限值之间的序列点的序列编号，所述第二序列编号为按照序列编号的逆序确定出的所述第一个幅值不在上门限值和下门限值之间的序列点的序列编号；
第二种情况：
采集的手势执行时的加速度数据序列为设定的W个方向上的加速度数据序列，此时去除标准化后的测试样本序列中表示非手势动作的序列点，包括：
针对每个方向，分别按照上述在采集的手势执行时的加速度数据序列为设定的一个方向上的加速度数据序列时，去除标准化后的测试样本序列中的非手势动作序列点的方法初步去除该方向上的标准化的测试样本序列中的表示非手势动作的序列点，不改变该初步去除表示非手势动作的序列点后的测试样本序列中序列点的原有序列编号；
从确定的W个第一序列编号中挑选出最小的序列编号以及从确定出的W第二序列编号中挑选出最大的序列编号；
针对每个方向上的标准化后的测试样本序列中，将序列编号小于挑选出的最小的序列编号的序列点及序列编号大于挑选出的最大的序列编号的序列点去除。
可将去除标准化后的测试样本序列中表示非手势动作的序列点后的三轴加速度数据序列CAk描述为式(5)：
其中CXk、CYk、CZk分别表示X、Y、Z轴去除表示非手势动作的序列点后的加速度数据序列，p1、q1为时刻点，也即序列编号，取正整数。
下面对上述第一种情况下的上限值和下限值的设置以及上述第二种情况使用的去除测试样本序列中表示非手势动作的序列点的原理进行说明。
图2为一组手势动作的原始加速度数据序列，通过图2中波形可发现，手势动作开始和结束后加速度数据序列较平稳，波动很小。因此，可根据该平稳数据序列点来确定上门限值和下门限值。
例如各取标准化后的测试样本序列X、Y、Z轴前100个平稳数据序列点，并分别求出其对应的平均值，以平均值加减某一固定值(本发明实施例二方案中此固定值取0.2)作为上门限值和下门限值，按序列编号的正序，当各轴加速度数据的幅值不在上门限值和下门限值范围之内时即认为手势动作开始，手势动作结束判断的原理与此相类似，在此不再赘述。
图3中所示是一组手势数据的X轴的加速度数据序列，黑色曲线表示数据经过平滑及标准化以后的序列，由于手势动作开始之前及结束之后手机处于平稳状态，所以得到的加速度数据基本保持不变，图3中也说明这点。由此取手势动作开始之前的一些平稳点求其平均值，如图3取序列的前40个点求得其平均值为0.4567，以此均值通过加减某一固定值(根据具体应用要求可取不同的值，一般在0.05-0.5之间，本实施例二的方案取0.2)即可得到手势动作数据的上下门限值，即上限值为图3中黑色点划线虚线所示(值为0.6567)，下限值为图3中黑色点线所示(值为0.2567)。
开始点检测：从前向后检索序列，也即按序列编号的正序检索序列，若序列幅值超过上下门限值的范围，则认为手势动作开始，图3中开始点为点A。
结束点检测：从后向前检索序列，也即按序列编号的逆序检索序列，若序列幅值超出上下门限值的范围，则认为手势动作结束，图3中结束点为点B。
由此可知，此上述方法可有效的检测出手势动作的开始及结束点。
另外从图2中也可发现手势动作开始后X、Y、Z轴加速度数据并不是在同一时刻点开始变化，从图4部分加速度数据放大图能更明显的看出这一问题，这种现象是由手势动作所决定的。实验也证明了各轴手势动作的开始点和结束点不同，例如：假设X轴手势动作的开始点序列编号为600的序列点，Y轴手势动作的开始点是序列编号为590的序列点，Z轴手势动作的开始点是序列编号为610的序列点，为了保持用户的完整手势信息方案中取最小的手势动作开始点作为整个三轴手势的开始点，即手势动作从序列编号为590的序列点开始。公式(5)中p1＝590；结束点的判断与此类似不再赘述。
第三步：确定预处理后的测试样本序列和参考样本序列之间对齐的序列点。
受人体自身生理特征的影响，即使同一人的两条序列点也不可能一一对应，都会存在时间和幅值上的差异，本方案采用动态时间规整DTW算法对齐不同加速度数据序列。其计算公式如式(6)、(7)所示：
D(tn,rm)＝d(tn,rm)+min(D(tn-1,rm),D(tn-1,rm-1),D(tn-1,rm-2))(7)
其中，tn表示测试样本序列的第n个数据(也即序列编号为n的序列点)，rm表示参考样本序列的第m个数据(也即序列编号为m的序列点)，，d(tn,rm)表示tn与rm的欧式距离，D(tn,rm)表示从点(t1,r1)到点(tn,rm)路径的最小累积距离，以此方式从后向前逐点找出一条最优路径，此最优路径通过的点即为两序列对齐的点。
下面对该第三步进行举例说明。
假设测试样本序列为T(N)＝(t1,t2,…,tn,…,tN)、参考样本序列为R(M)＝(r1,r2,…,rm,…,rM)，并且T＝[1 2 3 4 5 6]、R＝[2 3 4 5 7]，即t1＝1、t2＝2、t3＝3、t4＝4、t5＝5、t6＝6，r1＝2、r2＝3、r3＝4、r4＝5、r5＝7。直观的可发现序列T和R有相似之处，同一用户做出的两组动态手势也与此相似，虽然不是完全相同，但两组数据之间存在很大的相似性。动态时间规整算法就是在两序列之间找到一条最优路径，在此路径上序列之间的差异最小，即能量化两序列之间的差异性。
通过动态时间规整算法处理序列T和R后，从起点到终点两序列之间的最优路径为(t1,r1)、(t2,r1)、(t3,r2)、(t4,r3)、(t5,r4)、(t6,r5)，即点(t1,r1)、(t2,r1)、(t3,r2)、(t4,r3)(t5,r4)、(t6,r5)为两序列对齐的点，从例子中可以看出算法的有效性。虽然动态时间规整算法可以量化序列之间的差异，但算法简单且对于复杂序列之间的量化效果一般。本方案未采用动态时间规整算法直接量化两序列之间的差异，仅用于分别找取两组手势动作之间三轴序列的对齐的点，便于后续的插值操作。
第四步，对测试样本序列和参考样本序列分别进行插值操作，纠正对齐的序列点之间的序列编号错位，获得纠正后的测试样本序列和纠正后的参考样本序列。
该第四步具体包括：
针对确定的预处理后的测试样本序列T(N)＝(t1,t2,…,tn,…,tN)与参考样本序列R(M)＝(r1,r2,…,rm,…,rM)之间的每一对齐的序列点(tp,rq)，比较p和q的大小，并根据比较结果，对T(N)＝(t1,t2,…,tn,…,tN)和R(M)＝(r1,r2,…,rm,…,rM)执行以下操作：
若p>q，则在点tp与tp+1之间插入(p-q)个零值点，且在rq之前插入(p-q)个零值点；
若p>q且p＝N，则仅在rq之前插入(p-q)个零值点；
若p<q，则在点rq与rq+1之间插入(q-p)个零值点，且在tp之前插入(q-p)个零值点；
若p<q且q＝M，则仅在tp之前插入(q-p)个零值点；
若p＝q，则不进行插值操作；
其中，p为测试样本序列的序列点的序列编号，q为参考样本序列的序列点的序列编号，且0<p≤N、0<q≤M，所述M、N均为大于1的正整数。
仍然使用第三步中的例子，假设两组序列T＝[1 2 3 4 5 6]、R＝[2 3 4 5 7]，第一个对齐点为(t1,r1)，不进行插值操作；第二个对齐点为(t2,r1)根据插值规则，由2>1则在序列T的t2和t3之间插入1个(2-1＝1)零值，即序列T变为[1 2 0 3 4 5 6]，同时在r1前面插入一个零值，即序列R变为[0 2 3 4 5 7]；原第三对齐点(t3,r2)现变为(t4,r3)，同样的方式插入零值点，序列T变为[1 2 0 3 0 4 5 6]，R变为[0 2 0 3 4 5 7]。
同样依次对其余对齐点进行插值，得到T’＝[1 2 0 3 0 4 0 5 0 6]、R’＝[0 2 03 0 4 0 5 0 7]。
较优的，为了缩小序列之间的误差，需对插入的零值点进行修正，可利用以下方法对纠正后的测试样本序列T′(A)＝(t′1,t′2,...,t′a,...,t′A)中的每一零值点t′j进行修正：
其中，t′l+1＝t′l+2＝...＝t′k-1＝0且t′l≠0、t′k≠0，也即纠正后的参考样本序列T′(A)＝(t′1,t′2,...,t′a,...,t′A)中t′l与t′k之间均为插入的零值点，j为纠正后的测试样本序列中的序列点的序列编号；
以及利用以下方法对纠正后的参考样本序列R'(B)＝(r'1,r'2,…,r'b,…,r'B)中的每一零值点r'h进行修正：
r'f+1＝r'f+2＝…＝r'e-1＝0且r'f≠0、r'e≠0，也即纠正后的参考样本序列R'(B)＝(r'1,r'2,…,r'b,…,r'B)中r'f与r'e之间均为插入的零值点，h为纠正后的参考样本序列的序列点的序列编号，A、B均为大于1的正整数。
仍以上述得到的T’＝[1 2 0 3 0 4 0 5 0 6]、R’＝[0 2 0 3 0 4 0 5 0 7]为例，根据公式(8)和公式(9)修正零值点，修正后的测试样本序列T’＝[1 2 2.5 3 3.5 44.5 5 5.5 6]，修正后的参考样本序列R’＝[1 2 2.5 3 3.5 4 4.5 5 6 7]。
当修正的零值处于起点时，直接取离其最近点值的1/2，通过序列插值及零点修正后两序列点按照顺序一一对应，能更好的显示序列之间的差异。
第五步，量化纠正后的测试样本序列和纠正后的参考样本序列之间的差异。
为了更好的判断两序列之间的相似性，本发明是实施例二采用绝对值距离来量化插值后序列的差异，计算公式如式(10)：
其中，δ(T′,R′)表示插值后序列T′与R′的绝对值序列，L′表示插值后序列长度，j取正整数。
若使用多个参考样本序列进行身份认证时，则将得到的每两组三轴加速度数据序列之间的绝对值距离为每个轴之间绝对值距离的平均值。
第六步，判断该差异是否不大于设定值，若是，则执行第七步；若否，则执行第八步。
在获得是各个方向上的差异时，可将各个方向的差异求平均值，将该平均值与设定值进行比较。
若使用多个参考样本序列进行身份认证时，可将获得的所述多个量化的差异求平均值，将该平均值与设定值进行比较。
第七步，确定认证成功。
第八步，确定认证失败。
下面对所述参考样本序列的确定方法进行说明：
采集用户执行认证手势时的第一至第J组加速度数据序列；
对第一至第J组加速度数据序列分别进行预处理，并将预处理后的第一至第J组加速度数据序列作为J个参考样本序列。
较优的，所述设定值的取值通过以下方式确定：
针对预处理后的第一至第J组加速度数据序列中的每两组加速度数据序列，将其中的一组加速度数据序列作为测试样本序列，另一组加速度数据序列作为参考样本序列，分别进行所述确定对齐的序列点、纠正对齐的序列点之间的序列编号错位和量化差异的操作，也即上述第三步、第四步和第五步的操作；
将获得的个差异的平均值与精度系数θ的乘积作为所述设定值。
根据身份认证系统的安全级别及应用要求不同，方案建议的θ值可取1-3；根据实验仿真结果知，本发明实施例二中方案的最优θ值取1.8。
θ的取值与识别精度相关，如果θ过大，则真实用户通过身份认证的概率将会增大，同时入侵用户通过身份认证的概率也会增大，如果θ过小则相反。
考虑到同一个用户执行同一个手势时，随着时间的变化采集的手势加速度数据序列与参考样本数据序列之间的差异会变得越来越大，因此在匹配计算过程中，不仅要注重算法的合理性，同时还要注重参考样本数据序列的合理性。本发明实施例二中的方案采用参考样本序列更新的策略达到降低用户行为习惯对识别系统影响的目的，当测试样本序列通过身份认证时，则用此测试样本序列交替更新J个参考样本序列之一，当参考样本序列被更新产生变化时，平均值也会改变。
根据阅览的相关文献、实验仿真及考虑到实际的可操作性，采集三次手势动作的加速度数据序列进行预处理后作为参考样本序列为最优方案。根据现有资料的说明，对参考样本序列的个数没有严格要求，但不同的个数会对身份认证技术的安全性、实用性及可靠性产生影响，在此该个数的取值范围为2-5次。
本发明实施例中用户的身份认证手势采取用户自己选取的方式，降低了对用户选择认证手势的要求，提高了用户体验度，而且操作简单方便，也适合一些特殊群体如老人、儿童的使用。
实施例三
基于与实施例一和实施例二的同一发明构思，本发明实施例三提供一种身份认证装置，其结构示意图如图5所示，包括：获取单元501、预处理单元502、对齐的序列点确定单元503、插值单元504、量化单元505和认证单元506，其中：
获取单元501，用于将采集的认证手势执行时的加速度数据序列作为测试样本序列；
预处理单元502，用于预处理所述测试样本序列；
对齐的序列点确定单元503，用于确定预处理后的测试样本序列和参考样本序列之间对齐的序列点；
插值单元504，用于通过对预处理后的测试样本序列和参考样本序列分别进行插值操作，纠正对齐的序列点之间的序列编号错位，获得纠正后的测试样本序列和纠正后的参考样本序列；其中，所述序列编号是按照采集序列点的先后顺序确定的，先采集到的加速度数据序列点的序列编号小于后采集到的加速度数据序列点的序列编号；纠正后的测试样本序列中的序列点与纠正后的参考样本序列中的序列点按序列编号顺序一一对应；
量化单元505，用于量化纠正后的测试样本序列和纠正后的参考样本序列之间的差异；
认证单元506，用于在该差异小于等于设定值时，确定认证成功；在该差异大于设定值时，确定认证失败。
较优的，所述预处理单元502具体用于平滑测试样本序列，标准化平滑后的测试样本序列和去除标准化后的测试样本序列中表示非手势动作的序列点。
较优的，所述预处理单元502具体用于在采集的手势执行时的加速度数据序列为设定的一个方向上的加速度数据序列时，分别按照序列编号顺序的正序和逆序，依次将标准化后的测试样本序列中的序列点的值与上门限值和下门限值对比，确定出第一个幅值不在上门限值和下门限值之间的序列点的序列编号；所述上门限和下门限值根据标准化后的测试样本数据序列中的平稳序列点的平均值确定；将标准化后的测试样本序列中序列编号小于第一序列编号的序列点及序列编号大于第二序列编号的序列点去除，所述第一序列编号为按照序列编号的正序确定出的所述第一个幅值不在上门限值和下门限值之间的序列点的序列编号，所述第二序列编号为按照序列编号的逆序确定出的所述第一个幅值不在上门限值和下门限值之间的序列点的序列编号；在采集的手势执行时的加速度数据序列为设定的W个方向上的加速度数据序列时，针对每个方向，执行上述在采集的手势执行时的加速度数据序列为设定的一个方向上的加速度数据序列时，去除标准化后的测试样本序列中的非手势动作序列点的操作初步去除该方向上的标准化的测试样本序列中的表示非手势动作的序列点，不改变该初步去除表示非手势动作的序列点后的测试样本序列中序列点的原有序列编号；从确定的W个第一序列编号中挑选出最小的序列编号以及从确定出的W第二序列编号中挑选出最大的序列编号；针对每个方向上的标准化后的测试样本序列中，将序列编号小于挑选出的最小的序列编号的序列点及序列编号大于挑选出的最大的序列编号的序列点去除，所述W为大于1的正整数。
较优的，所述插值单元504具体用于针对确定的预处理后的测试样本序列T(N)＝(t1,t2,…,tn,…,tN)与参考样本序列R(M)＝(r1,r2,…,rm,…,rM)之间的每一对齐的序列点(tp,rq)，比较p和q的大小，并根据比较结果，对T(N)＝(t1,t2,…,tn,…,tN)和R(M)＝(r1,r2,…,rm,...,rM)执行以下操作：若p>q，则在点tp与tp+1之间插入(p-q)个零值点，且在rq之前插入(p-q)个零值点；若p>q且p＝N，则仅在rq之前插入(p-q)个零值点；若p<q，则在点rq与rq+1之间插入(q-p)个零值点，且在tp之前插入(q-p)个零值点；若p<q且q＝M，则仅在tp之前插入(q-p)个零值点；若p＝q，则不进行插值操作；其中，p为测试样本序列的序列点的序列编号，q为参考样本序列的序列点的序列编号，且0<p≤N、0<q≤M，，所述M、N均为大于1的正整数。
较优的，所述装置还包括：
修正单元507，用于利用以下公式对纠正后的测试样本序列T′(A)＝(t′1,t′2,...,t′a,…,t′A)中的每一零值点tj′进行修正：任意j＝l+1,...,k-1其中，t′l+1＝t′l+2＝…＝t′k-1＝0且t′l≠0、t′k≠0，j为纠正后的测试样本序列中的序列点的序列编号；以及利用以下公式对纠正后的参考样本序列R'(B)＝(r'1,r'2,…,r'b,…,r'B)中的每一零值点r'h进行修正：任意h＝f+1,...,e-1，r'f+1＝r'f+2＝…＝r'e-1＝0且r'f≠0、r'e≠0，h为纠正后的参考样本序列的序列点的序列编号，所述A、B均为大于1的正整数。
较优的，所述装置还包括参考样本序列确定单元508，用于触发获取单元501获取第一至第J组加速度数据序列，并将预处理单元502输出的预处理后的第一至第J组加速度数据序列作为J个参考样本序列。
较优的，所述装置还包括设定值确定单元509，用于针对预处理后的第一至第J组加速度数据序列中的每两组加速度数据序列，将其中的一组加速度数据序列作为测试样本序列，另一组加速度数据序列作为参考样本序列，触发对齐的序列点确定单元503，并将量化单元505输出的个差异的平均值与精度系数θ的乘积作为所述设定值。
较优的，所述装置还包括更新单元510，用于在认证通过时，利用当前预处理后的测试样本序列交替更新J个参考样本序列之一。
下面通过方案应用测试对本发明实施例中技术方案的技术效果进行说明。
1)加速度数据序列的采集
采用android系统的三星GT-I9001手机采集加速度序列，通过手机内置的加速度传感器获取用户做手势动作时的实时加速度数据序列，共采集真实用户手势加速度数据序列280组，其他入侵用户的手势加速度数据序列1180组，数据序列由用户多次采集完成，花费近一个月的时间，真实用户和入侵用户的手势动作均为同一手势图形，即入侵用户均模仿真实用户的身份认证手势做出手势动作，且真实用户应尽量保持每次做出的身份认证手势相同。
2)数据的预处理
通过上述实施例中介绍的数据预处理过程对所有数据进行平滑、标准化、去除非手势动作数据，也即数据去噪，得到1460组处理后的加速度数据序列，数据去噪效果如图6D所示所示，其中，图6A为原始手势数据序列图；图6B为手势数据平滑去噪后的图；图6C为手势标准化后的图；图6D为测试中的去除非手势动作数据后的图。
3)序列插值
通过上述实施例中介绍的动态时间规整算法，将序列对齐后，然后通过插值算法进行插值，插值后效果如图7B所示，其中图7A为序列插值对齐前的图。
4)参考样本序列注册
选用真实用户的三组加速度数据序列作为参考样本序列进行注册，并计算得到平均值参数μ。其余数据均作为测试样本序列，分别求得与三组参考样本序列之间的绝对值距离的均值ψ，并通过身份认证决策规则判断用户的真伪。
5)精度系数θ的选取
由于θ为ψ和μ之间的比值，可以初步确定θ值应取大于1的值，选取真实用户数据100组，入侵用户数据100组，分别求出不同精度系数下错误接受率和错误拒绝率，结果如图8所示。
图8中错误拒绝率和错误接受率的交点即为模式识别中常用的等错率点，该点对应的点即为最优点，所以从图中可知θ的取值在1.8和1.9之间，为了最大程度的降低错误接受率，本发明中θ取1.8。
6)仿真结果
通过上述实施例中介绍的步骤对所有加速度数据序列进行仿真实验，计算得到错误拒绝率为2.86％、错误接受率为0％，结果表明本发明实施例的方案具有可行性，且识别率高，可用于电子设备(如手机)身份认证的实际操作中。
本领域内的技术人员应明白，本发明的实施例可提供为方法、系统、或计算机程序产品。因此，本发明可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本发明可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
本发明是参照根据本发明实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
尽管已描述了本发明的优选实施例，但本领域内的技术人员一旦得知了基本创造性概念，则可对这些实施例作出另外的变更和修改。所以，所附权利要求意欲解释为包括优选实施例以及落入本发明范围的所有变更和修改。
显然，本领域的技术人员可以对本发明进行各种改动和变型而不脱离本发明的精神和范围。这样，倘若本发明的这些修改和变型属于本发明权利要求及其等同技术的范围之内，则本发明也意图包含这些改动和变型在内。
Claims (16)
1.一种身份认证方法，其特征在于，所述方法包括：
将采集的认证手势执行时的加速度数据序列作为测试样本序列；
预处理所述测试样本序列；
确定预处理后的测试样本序列和参考样本序列之间对齐的序列点；
通过对预处理后的测试样本序列和参考样本序列分别进行插值操作，纠正对齐的序列点之间的序列编号错位，获得纠正后的测试样本序列和纠正后的参考样本序列；其中，所述序列编号是按照采集序列点的先后顺序确定的，先采集到的加速度数据序列点的序列编号小于后采集到的加速度数据序列点的序列编号；所述纠正后的测试样本序列中的序列点与纠正后的参考样本序列中的序列点按序列编号顺序一一对应；
量化纠正后的测试样本序列和纠正后的参考样本序列之间的差异；
在该差异小于等于设定值时，确定认证成功；在该差异大于设定值时，确定认证失败。
2.如权利要求1所述的方法，其特征在于，对所述测试样本序列进行预处理，包括：
平滑测试样本序列；
标准化平滑后的测试样本序列；
去除标准化后的测试样本序列中表示非手势动作的序列点。
3.如权利要求2所述的方法，其特征在于，在采集的手势执行时的加速度数据序列为设定的一个方向上的加速度数据序列时，去除标准化后的测试样本序列中表示非手势动作序列的点，包括：
分别按照序列编号顺序的正序和逆序，依次将标准化后的测试样本序列中的序列点的值与上门限值和下门限值对比，确定出第一个幅值不在上门限值和下门限值之间的序列点的序列编号；所述上门限和下门限值根据标准化后的测试样本数据序列中的平稳序列点的平均值确定；
将标准化后的测试样本序列中序列编号小于第一序列编号的序列点及序列编号大于第二序列编号的序列点去除，所述第一序列编号为按照序列编号的正序确定出的所述第一个幅值不在上门限值和下门限值之间的序列点的序列编号，所述第二序列编号为按照序列编号的逆序确定出的所述第一个幅值不在上门限值和下门限值之间的序列点的序列编号；
在采集的手势执行时的加速度数据序列为设定的W个方向上的加速度数据序列时，去除标准化后的测试样本序列中表示非手势动作的序列点，包括：
针对每个方向，分别按照上述在采集的手势执行时的加速度数据序列为设定的一个方向上的加速度数据序列时，去除标准化后的测试样本序列中的非手势动作序列点的方法初步去除该方向上的标准化的测试样本序列中的表示非手势动作的序列点，不改变该初步去除表示非手势动作的序列点后的测试样本序列中序列点的原有序列编号；
从确定的W个第一序列编号中挑选出最小的序列编号以及从确定出的W第二序列编号中挑选出最大的序列编号；
针对每个方向上的标准化后的测试样本序列中，将序列编号小于挑选出的最小的序列编号的序列点及序列编号大于挑选出的最大的序列编号的序列点去除，所述W为大于1的正整数。
4.如权利要求1-3任一所述的方法，其特征在于，通过对测试样本序列和参考样本序列分别进行插值操作，纠正对齐的序列点之间的序列编号错位，获得纠正后的测试样本序列和纠正后的参考样本序列，包括：
针对确定的预处理后的测试样本序列T(N)＝(t1,t2,…,tn,…,tN)与参考样本序列R(M)＝(r1,r2,…,rm,…,rM)之间的每一对齐的序列点(tp,rq)，比较p和q的大小，并根据比较结果，对T(N)＝(t1,t2,…,tn,…,tN)和R(M)＝(r1,r2,…,rm,…,rM)执行以下操作：
若p>q，则在点tp与tp+1之间插入(p-q)个零值点，且在rq之前插入(p-q)个零值点；
若p>q且p＝N，则仅在rq之前插入(p-q)个零值点；
若p<q，则在点rq与rq+1之间插入(q-p)个零值点，且在tp之前插入(q-p)个零值点；
若p<q且q＝M，则仅在tp之前插入(q-p)个零值点；
若p＝q，则不进行插值操作；
其中，p为测试样本序列的序列点的序列编号，q为参考样本序列的序列点的序列编号，且0<p≤N、0<q≤M，所述M、N均为大于1的正整数。
5.如权利要求4所述的方法，其特征在于，在获得纠正后的测试样本序列和纠正后的参考样本序列之后，以及量化纠正后的测试样本序列和纠正后的参考样本序列之间的差异之前，所述方法还包括：
利用以下公式对纠正后的测试样本序列T′(A)＝(t′1,t′2,…,t′a,…,t′A)中的每一零值点t′j进行修正：
任意j＝l+1,...,k-1
其中，t′l+1＝t′l+2＝…＝t′k-1＝0且t′l≠0、t′k≠0，j为纠正后的测试样本序列中的序列点的序列编号；
以及利用以下公式对纠正后的参考样本序列R'(B)＝(r'1,r'2,…,r'b,…,r'B)中的每一零值点r'h进行修正：
任意h＝f+1,...,e-1
r'f+1＝r'f+2＝…＝r'e-1＝0且r'f≠0、r'e≠0，h为纠正后的参考样本序列的序列点的序列编号，所述A、B均为大于1的正整数。
6.如权利要求1所述的方法，其特征在于，所述参考样本序列通过以下方法确定：
采集用户执行认证手势时的第一至第J组加速度数据序列；
对第一至第J组加速度数据序列分别进行预处理，并将预处理后的第一至第J组加速度数据序列作为J个参考样本序列，所述J为大于1的正整数。
7.如权利要求6所述的方法，其特征在于，所述设定值的取值通过以下方式确定：
针对预处理后的第一至第J组加速度数据序列中的每两组加速度数据序列，将其中的一组加速度数据序列作为测试样本序列，另一组加速度数据序列作为参考样本序列，分别进行所述确定对齐的序列点、纠正对齐的序列点之间的序列编号错位和量化差异的操作；
将获得的个差异的平均值与精度系数θ的乘积作为所述设定值。
8.如权利要求6所述的方法，其特征在于，所述方法还包括：
在认证通过时，利用当前预处理后的测试样本序列交替更新J个参考样本序列之一。
9.一种身份认证装置，其特征在于，所述装置包括：
获取单元，用于将采集的认证手势执行时的加速度数据序列作为测试样本序列；
预处理单元，用于预处理所述测试样本序列；
对齐的序列点确定单元，用于确定预处理后的测试样本序列和参考样本序列之间对齐的序列点；
插值单元，用于通过对预处理后的测试样本序列和参考样本序列分别进行插值操作，纠正对齐的序列点之间的序列编号错位，获得纠正后的测试样本序列和纠正后的参考样本序列；其中，所述序列编号是按照采集序列点的先后顺序确定的，先采集到的加速度数据序列点的序列编号小于后采集到的加速度数据序列点的序列编号；纠正后的测试样本序列中的序列点与纠正后的参考样本序列中的序列点按序列编号顺序一一对应；
量化单元，用于量化纠正后的测试样本序列和纠正后的参考样本序列之间的差异；
认证单元，用于在该差异小于等于设定值时，确定认证成功；在该差异大于设定值时，确定认证失败。
10.如权利要求9所述的装置，其特征在于，所述预处理单元具体用于平滑测试样本序列，标准化平滑后的测试样本序列和去除标准化后的测试样本序列中表示非手势动作的序列点。
11.如权利要求10所述的装置，其特征在于，所述预处理单元具体用于在采集的手势执行时的加速度数据序列为设定的一个方向上的加速度数据序列时，分别按照序列编号顺序的正序和逆序，依次将标准化后的测试样本序列中的序列点的值与上门限值和下门限值对比，确定出第一个幅值不在上门限值和下门限值之间的序列点的序列编号；所述上门限和下门限值根据标准化后的测试样本数据序列中的平稳序列点的平均值确定；将标准化后的测试样本序列中序列编号小于第一序列编号的序列点及序列编号大于第二序列编号的序列点去除，所述第一序列编号为按照序列编号的正序确定出的所述第一个幅值不在上门限值和下门限值之间的序列点的序列编号，所述第二序列编号为按照序列编号的逆序确定出的所述第一个幅值不在上门限值和下门限值之间的序列点的序列编号；在采集的手势执行时的加速度数据序列为设定的W个方向上的加速度数据序列时，针对每个方向，执行上述在采集的手势执行时的加速度数据序列为设定的一个方向上的加速度数据序列时，去除标准化后的测试样本序列中的非手势动作序列点的操作初步去除该方向上的标准化的测试样本序列中的表示非手势动作的序列点，不改变该初步去除表示非手势动作的序列点后的测试样本序列中序列点的原有序列编号；从确定的W个第一序列编号中挑选出最小的序列编号以及从确定出的W第二序列编号中挑选出最大的序列编号；针对每个方向上的标准化后的测试样本序列中，将序列编号小于挑选出的最小的序列编号的序列点及序列编号大于挑选出的最大的序列编号的序列点去除，所述W为大于1的正整数。
12.如权利要求9-11任一所述的装置，其特征在于，所述插值单元具体用于针对确定的预处理后的测试样本序列T(N)＝(t1,t2,…,tn,…,tN)与参考样本序列R(M)＝(r1,r2,…,rm,…,rM)之间的每一对齐的序列点(tp,rq)，比较p和q的大小，并根据比较结果，对T(N)＝(t1,t2,…,tn,…,tN)和R(M)＝(r1,r2,…,rm,…,rM)执行以下操作：若p>q，则在点tp与tp+1之间插入(p-q)个零值点，且在rq之前插入(p-q)个零值点；若p>q且p＝N，则仅在rq之前插入(p-q)个零值点；若p<q，则在点rq与rq+1之间插入(q-p)个零值点，且在tp之前插入(q-p)个零值点；若p<q且q＝M，则仅在tp之前插入(q-p)个零值点；若p＝q，则不进行插值操作；其中，p为测试样本序列的序列点的序列编号，q为参考样本序列的序列点的序列编号，且0<p≤N、0<q≤M，所述M、N均为大于1的正整数。
13.如权利要求12所述的装置，其特征在于，还包括：
修正单元，用于利用以下公式对纠正后的测试样本序列T′(A)＝(t′1,t′2,…,t′a,…,t′A)中的每一零值点t′j进行修正：任意j＝l+1,...,k-1其中，t′l+1＝t′l+2＝…＝t′k-1＝0且t′l≠0、t′k≠0，j为纠正后的测试样本序列中的序列点的序列编号；以及利用以下公式对纠正后的参考样本序列R'(B)＝(r'1,r'2,…,r'b,…,r'B)中的每一零值点r'h进行修正：任意h＝f+1,...,e-1，r'f+1＝r'f+2＝…＝r'e-1＝0且r'f≠0、r'e≠0，h为纠正后的参考样本序列的序列点的序列编号，所述A、B均为大于1的正整数。
14.如权利要求9所述的装置，其特征在于，还包括参考样本序列确定单元，用于触发获取单元获取第一至第J组加速度数据序列，并将预处理单元输出的预处理后的第一至第J组加速度数据序列作为J个参考样本序列。
15.如权利要求14所述的装置，其特征在于，还包括设定值确定单元，用于针对预处理后的第一至第J组加速度数据序列中的每两组加速度数据序列，将其中的一组加速度数据序列作为测试样本序列，另一组加速度数据序列作为参考样本序列，触发对齐的序列点确定单元，并将量化单元输出的个差异的平均值与精度系数θ的乘积作为所述设定值。
16.如权利要求14所述的装置，其特征在于，还包括：更新单元，用于在认证通过时，利用当前预处理后的测试样本序列交替更新J个参考样本序列之一。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201410177162.2A CN105024817B (zh) | 2014-04-29 | 2014-04-29 | 一种身份认证方法及装置 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201410177162.2A CN105024817B (zh) | 2014-04-29 | 2014-04-29 | 一种身份认证方法及装置 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN105024817A CN105024817A (zh) | 2015-11-04 |
| CN105024817B true CN105024817B (zh) | 2018-11-02 |
Family
ID=54414553
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201410177162.2A Active CN105024817B (zh) | 2014-04-29 | 2014-04-29 | 一种身份认证方法及装置 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN105024817B (zh) |
Families Citing this family (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN105530357A (zh) * | 2015-12-02 | 2016-04-27 | 武汉理工大学 | 一种手机上基于传感器的手势身份认证系统及方法 |
| CN109886080A (zh) * | 2018-12-29 | 2019-06-14 | 深圳云天励飞技术有限公司 | 人脸活体检测方法、装置、电子设备及可读存储介质 |
| CN110087235B (zh) * | 2019-05-08 | 2022-07-29 | 北京芯盾时代科技有限公司 | 一种身份认证、认证方式调整的方法及装置 |
Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN103345627A (zh) * | 2013-07-23 | 2013-10-09 | 清华大学 | 动作识别方法和装置 |
| CN103442114A (zh) * | 2013-08-16 | 2013-12-11 | 中南大学 | 一种基于动态手势的身份认证方法 |
| CN103543826A (zh) * | 2013-07-30 | 2014-01-29 | 广东工业大学 | 一种基于加速度传感器的手势识别方法 |
| CN103595538A (zh) * | 2013-11-25 | 2014-02-19 | 中南大学 | 基于手机加速度传感器的身份认证方法 |
Family Cites Families (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US8863307B2 (en) * | 2012-06-05 | 2014-10-14 | Broadcom Corporation | Authenticating users based upon an identity footprint |
-
2014
- 2014-04-29 CN CN201410177162.2A patent/CN105024817B/zh active Active
Patent Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN103345627A (zh) * | 2013-07-23 | 2013-10-09 | 清华大学 | 动作识别方法和装置 |
| CN103543826A (zh) * | 2013-07-30 | 2014-01-29 | 广东工业大学 | 一种基于加速度传感器的手势识别方法 |
| CN103442114A (zh) * | 2013-08-16 | 2013-12-11 | 中南大学 | 一种基于动态手势的身份认证方法 |
| CN103595538A (zh) * | 2013-11-25 | 2014-02-19 | 中南大学 | 基于手机加速度传感器的身份认证方法 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN105024817A (zh) | 2015-11-04 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN103442114B (zh) | 一种基于动态手势的身份认证方法 | |
| Volaka et al. | Towards continuous authentication on mobile phones using deep learning models | |
| Yang et al. | Motionauth: Motion-based authentication for wrist worn smart devices | |
| EP2523149B1 (en) | A method and system for association and decision fusion of multimodal inputs | |
| US10169640B2 (en) | Method for fingerprint identification and terminal | |
| KR101252454B1 (ko) | 대표 지문 템플릿 생성 장치 및 방법 | |
| CN111292092A (zh) | 刷脸支付方法、装置及电子设备 | |
| CN105024817B (zh) | 一种身份认证方法及装置 | |
| Sun et al. | A 3‐D hand gesture signature based biometric authentication system for smartphones | |
| Bhatnagar et al. | A survey on behavioral biometric techniques: mouse vs keyboard dynamics | |
| US20180247105A1 (en) | High speed reference point independent database filtering for fingerprint identification | |
| JP2007058683A (ja) | 認証装置 | |
| CN106411952A (zh) | 一种隔空动态手势用户身份认证方法及装置 | |
| Fantana et al. | Movement based biometric authentication with smartphones | |
| Sae-Bae et al. | Emerging NUI-based methods for user authentication: A new taxonomy and survey | |
| Lu et al. | Hand motion with eyes-free interaction for authentication in virtual reality | |
| Guna et al. | Intuitive gesture based user identification system | |
| CN108960003A (zh) | 基于Gabor和混沌映射的掌纹特征生成及认证方法 | |
| CN106650685B (zh) | 一种基于心电图信号的身份识别方法及装置 | |
| CN111160247A (zh) | 一种扫描掌静脉进行立体三维建模、识别的方法 | |
| Fu et al. | Artificial intelligence meets kinesthetic intelligence: Mouse-based user authentication based on hybrid human-machine learning | |
| CN110298159B (zh) | 一种智能手机动态手势身份认证方法 | |
| Cervantes et al. | Comparison between fingerprint and behavioral biometric authentication using 2D and 3D gestures | |
| Yao et al. | A study on the effect of ageing in facial authentication and the utility of data augmentation to reduce performance bias across age groups | |
| CN110826047A (zh) | 基于行为特征的用户验证方法及装置 |
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 |