CN106897693A - 一种身份识别方法、装置及系统 - Google Patents
一种身份识别方法、装置及系统 Download PDFInfo
- Publication number
- CN106897693A CN106897693A CN201710100699.2A CN201710100699A CN106897693A CN 106897693 A CN106897693 A CN 106897693A CN 201710100699 A CN201710100699 A CN 201710100699A CN 106897693 A CN106897693 A CN 106897693A
- Authority
- CN
- China
- Prior art keywords
- human body
- signal
- identification
- biological information
- qrs wave
- 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
Links
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2218/00—Aspects of pattern recognition specially adapted for signal processing
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Artificial Intelligence (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Signal Processing (AREA)
- Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Measurement Of The Respiration, Hearing Ability, Form, And Blood Characteristics Of Living Organisms (AREA)
Abstract
本发明实施例公开了一种身份识别方法、装置及系统。该方法包括:向相接触的人体位置发送激活信号,以使激活信号通过人体传输至贴近设定人体部位设置的激励信号产生部件;通过相接触的人体位置接收返回的身份验证信号,其中,激励信号产生部件经过激活信号激活后产生标准激励信号,标准激励信号经过设定人体部位后产生身份验证信号;在身份验证信号中,提取与人体设定部位关联的生物特征信息;根据提取的生物特征信息,对人体进行身份识别。本发明实施例通过人体传输的身份验证信号来进行身份识别。人体传输信号让身份识别变得便捷、安全和有效。而设定人体部位产生的身份验证信号更加增强了身份识别的保密性和安全性。
Description
技术领域
本发明实施例涉及信号处理技术,尤其涉及一种身份识别方法、装置及系统。
背景技术
随着社会的发展,身份识别技术也取得了飞速发展。目前人们已经广泛使用到利用一些如指纹识别、语音识别、虹膜识别等的生物认证技术来实现对个体身份的识别。
在实现本发明的过程中,发明人发现现有技术存在如下缺陷:此类技术都存在着一定的隐患,虹膜识别计算复杂、操作不便,指纹识别和语音识别保密性不好,易被模仿盗用,使人们面临财务等的重大损失,不够安全,而且还会因为受到干扰而发生识别不出的情况,如指纹磨损、沾水后难以识别。
发明内容
本发明实施例提供一种身份识别方法、装置及系统,可以便捷、安全和有效地进行身份识别。
第一方面,本发明实施例提供了一种身份识别方法,包括:
向相接触的人体位置发送激活信号,以使所述激活信号通过所述人体传输至贴近设定人体部位设置的激励信号产生部件;
通过所述相接触的人体位置接收通过所述人体返回的身份验证信号,其中,所述激励信号产生部件经过所述激活信号激活后产生标准激励信号,所述标准激励信号经过所述设定人体部位后产生所述身份验证信号;
在所述身份验证信号中,提取与所述人体设定部位关联的生物特征信息;
根据提取的所述生物特征信息,对所述人体进行身份识别。
第二方面,本发明实施例还提供了一种身份识别装置,包括:
激活模块,用于向相接触的人体位置发送激活信号,以使所述激活信号通过所述人体传输至贴近设定人体部位设置的激励信号产生部件;
接收模块,与所述激活模块相连,用于通过所述相接触的人体位置接收通过所述人体返回的身份验证信号,其中,所述激励信号产生部件经过所述激活信号激活后产生标准激励信号,所述标准激励信号经过所述设定人体部位后产生所述身份验证信号;
提取模块,与所述接收模块相连,用于在所述身份验证信号中,提取与所述人体设定部位关联的生物特征信息;
识别模块,与所述提取模块相连,用于根据提取的所述生物特征信息,对所述人体进行身份识别。
第三方面,本发明实施例还提供了一种身份识别系统,包括:激励信号产生部件以及身份识别装置,所述激励信号产生部件佩戴于待识别人体的贴近设定人体部位的位置;
所述身份识别装置,用于:向相接触的人体位置发送激活信号;通过所述相接触的人体位置接收通过所述人体返回的身份验证信号;在所述身份验证信号中,提取与所述人体设定部位关联的生物特征信息;根据提取的所述生物特征信息,对所述人体进行身份识别;
所述激励信号产生部件,用于根据通过所述人体接收的所述激活信号,产生标准激励信号,将所述标准激励信号经由所述人体设定部位发送至所述身份识别装置,其中,所述标准激励信号经过所述设定人体部位后产生所述身份验证信号。
本发明实施例以人体为介质进行人体通信,使用标准激励信号通过设定人体部位后产生的,携带有该部位的生物特征信息的身份验证信号来进行身份识别。人体传输信号的低功耗、高数据率、更低的人体损害和高保密性的特点让身份识别变得便捷、安全和有效。而设定人体部位产生的身份验证信号不易被模仿盗用,更加增强了身份识别的保密性和安全性。
附图说明
图1是本发明实施例一提供的一种身份识别方法流程图;
图2是本发明实施例二提供的一种身份识别方法流程图;
图3是本发明实施例三提供的一种身份识别方法流程图;
图4是应用本发明实施例三提供的方法所提取出的一种QRS波的示意图;
图5是本发明实施例四提供的一种身份识别方法流程图;
图6是本发明实施例五提供的一种身份识别装置结构示意图;
图7是本发明实施例六提供的一种身份识别系统结构示意图。
具体实施方式
下面结合附图和实施例对本发明作进一步的详细说明。可以理解的是,此处所描述的具体实施例仅仅用于解释本发明,而非对本发明的限定。另外还需要说明的是,为了便于描述,附图中仅示出了与本发明相关的部分而非全部结构。
实施例一
图1是本发明实施例一提供的一种身份识别方法流程图,本实施例可适用于以人体作为传输介质采集设定人体部位的生物特征信息进行身份识别的情况,该方法可以由身份识别装置来执行,该装置可以由软件和/或硬件方式实现,该装置可以集成在任何提供信号发射、接收和处理的身份识别设备中,例如典型的是包括有处理器的信号处理设备。该方法包括:
S101、向相接触的人体位置发送激活信号,以使所述激活信号通过所述人体传输至贴近设定人体部位设置的激励信号产生部件。
人体不仅是共享信息的受众,同时也可成为信息传输的载体。人体通信正是利用人体作为无线通信的传输介质,通过电容耦合或者交流电耦合的方式在人体进行信息传输。由于人体通信不需要天线设计,使得人体通信的收发器可以做的非常小,可以集成到人的随身物品或近身物品中,如衣服或手表等。同时它能有效地减少外界电磁噪音的影响,具有低功耗、高数据率以及更低的人体损害等优点,同时去除了设备相互连接时的众多导线,可以高效方便的传输信息。
为了后文便于说明,首先将本发明实施例的实现过程进行简单介绍:为了实现对人体进行身份识别,需要待验证的人体在贴近设定人体部位(例如,心脏、手腕或者脚腕等)处佩戴一个激励信号产生部件。该激励信号产生部件可以被经由人体传输的激活信号所激活而产生一个标准激励信号。该标准激励信号经过上述人体部位的激励,会相应生成携带有该人体部位的生物特征信息的信号(后文将该信号称为身份验证信号),身份识别设备通过获取上述身份验证信号,可以对该待验证的人体进行身份识别。
在本实施例中,为了向激励信号产生部件发送激活信号,需要待验证人体位置接触一个激励源,接着这个激励源给予人体一个激活信号,然后这个激活信号利用人体作为传输介质到达包括设定人体部位在内的人体各处,设定人体部位附近佩戴的激励信号产生部件接收到激活信号后,该激励信号产生部件被激活。
进一步地,所述设定人体部位可以为心脏。这样设置的原因是:每个人的心脏的跳动都不一样,而且心脏的跳动信息容易采集。当把心脏作为设定人体部位时,可以方便、准确地识别身份。
S102、通过所述相接触的人体位置接收通过所述人体返回的身份验证信号,其中,所述激励信号产生部件经过所述激活信号激活后产生标准激励信号,所述标准激励信号经过所述设定人体部位后产生所述身份验证信号。
激励信号产生部件被激活信号激活后将产生一个标准激励信号,标准激励信号经过设定人体部位的激励后生成身份验证信号。由于设定人体部位的生物特征的影响(例如,心脏跳动),相较标准激励信号,身份验证信号的幅度、频率等特性发生了变化。之后该身份验证信号再以人体作为传输介质传递到与人体位置相接触的激励源上,该激励源不仅可以发射激活信号,还可以接收身份验证信号。
人体自身携带的难以完全估量的“生物密码”,每个人体内的“生物密码”都不相同,而且绝对不可伪造,很好的克服指纹、声音等生物特征易于仿造的缺陷,因而利用“生物密码”进行身份识别更可靠、更安全。本发明中身份验证信号包含了设定人体部位的“生物密码”,所以利用身份验证信号来进行身份识别是可靠且安全的。
和激励源集成在一起的处理器芯片,在接收到身份验证信号后,通过信号处理算法对身份验证信号进行提取、分析和判别,从而对待测者的身份进行正确的识别。
S103、在所述身份验证信号中,提取与所述人体设定部位关联的生物特征信息。
身份验证信号是一定时间长度的信号,不是每一时刻的信号都包含有用信息,需要把人体设定部位的生物特征信息提取出来。当以心脏作为人体设定部位时,身份验证信号就类似于心电图,这个生物特征信息可以是QRS波,每个人的QRS波是不同的。R波峰点为身份验证信号中最高的点,R波峰点前面相邻的最小极值点为Q点,R波峰点后面相邻的最小极值点为S点,从Q点到S点这一段信号为QRS波。
S104、根据提取的所述生物特征信息,对所述人体进行身份识别。
在本实施例中,可以直接根据所述生物特征信息的数字特征,例如:最大值、最小值或者均值等,对所述人体进行身份识别。
另外,虽说每个人的生物特征信息不同,但是即使将生物特征信息量化为一个波形,直接利用该波形进行身份识别还是麻烦。如果能将上述波形信息利用一定的算法转为类似于身份证号的身份编码,再将识别出的身份编码与库中已有的身份编码进行比对,可以将使得身份识别变得更为方便。
本实施例以人体为介质进行人体通信,使用标准激励信号通过设定人体部位后产生的,携带有该部位的生物特征信息的身份验证信号来进行身份识别。人体传输信号的低功耗、高数据率、更低的人体损害和高保密性的特点让身份识别变得便捷、安全和有效。而设定人体部位产生的身份验证信号不易被模仿盗用,更加增强了身份识别的保密性和安全性。
实施例二
图2是本发明实施例二提供的一种身份识别方法流程图,实施例二以上述实施例为基础,将在所述身份验证信号中,提取与所述人体设定部位关联的生物特征信息,优化为利用小波变换算法提取身份验证信号中的至少一个R波峰点,以及根据所述R波峰点所在位置,在所述身份验证信号中提取QRS波作为所述生物特征信息。
本实施例提供的身份识别方法包括以下步骤:S201、S202、S203、S204和S205。其中,S201与实施例一中的S101相同,S202与实施例一中的S102相同,S205与实施例一中的S104相同,相同的步骤不再赘述。
S201、向相接触的人体位置发送激活信号,以使所述激活信号通过所述人体传输至贴近设定人体部位设置的激励信号产生部件。
S202、通过所述相接触的人体位置接收通过所述人体返回的身份验证信号,其中,所述激励信号产生部件经过所述激活信号激活后产生标准激励信号,所述标准激励信号经过所述设定人体部位后产生所述身份验证信号。
S203、利用小波变换算法提取身份验证信号中的至少一个R波峰点。
对于这一段身份验证信号的波形来说,当设定人体部位为心脏,经过多次试验发现,QRS波表现相对平稳,基本不受心率变化的影响,我们所需要进行提取的生物特征信息就是QRS波,准确提取QRS波波形对于实现快速身份识别具有重要的意义。其中的R波峰点为特征点,确定R波峰点是提取生物特征信息的基础。R波峰点为身份验证信号中最高的点,R波峰点前面相邻的最小极值点为Q点,R波峰点后面相邻的最小极值点为S点,从Q点到S点这一段信号为QRS波。
小波变换继承和发展了短时傅立叶变换局部化的思想,同时又克服了窗口大小不随频率变化等缺点,能够提供一个随频率改变的“时间-频率”窗口,是进行信号时频分析和处理的理想工具。它的主要特点是通过变换能够充分突出问题某些方面的特征,是一个时间和频域的局域变换,能对时间(空间)频率的局部化分析,因而能有效地从信号中提取信息。通过伸缩平移运算对信号(函数)逐步进行多尺度细化,最终达到高频处时间细分,低频处频率细分,能自动适应时频信号分析的要求,从而可聚焦到信号的任意细节。它的这些特性使得小波变换特别适合用来进行信号的提取。
在本实施例中,为了有效的提取出R波峰点,采用二次样条小波对身份验证信号按多孔算法进行分解,二次样条小波作为具有非紧支撑的正交对称小波,它还具有较高的光滑性,频率特性好,分辨能力强,且具有线性相位特性的优点,能有效地提取信息。其中一种滤波器系数取值如表1:
表1小波变换的滤波器系数
对R波峰点提取步骤如下:
(l)对身份验证信号按多孔算法进行二次样条小波5尺度分解。
(2)以2s信号数据为一段,在4尺度上的小波分解高频系数分段,并计算小波分解正、负模极值点。
(3)设定可变阈值,在每一段内检测满足阈值的模极值对。可变阈值的选择则跟前2s数据中的正极值均值A1(i-1)、负极值均值A2(i-1)有关,假设本段最大正极值为M,最小负极值为N,则本段正、负阈值A1(i)、A2(i)分别为:
(4)对检测到的每一对模极值点进行时移修正,根据修正后的模极值对的位置,在身份验证信号中寻找最大值点作为R波峰点。
(5)消除多余的R波峰点。多数情况下,QRS波中仅存在单个R波峰点,但当QRS波表现为复杂波时,即单个QRS波中存在多个R波峰点时,消除幅值较小的R波峰点,选择具有最大幅值的R波峰点。
S204、根据所述R波峰点所在位置,在所述身份验证信号中提取QRS波作为所述生物特征信息。
每个R波峰点对应一个QRS波,从R波峰点往前后各取一段时间的数据作为原始QRS波。因为每次心跳都不相同,将各个原始QRS波做平均计算后可得到个人的生物特征信息。
S205、根据提取的所述生物特征信息,对所述人体进行身份识别。
本实施例利用小波变换算法提取身份验证信号中的至少一个R波峰点,利用小波变换的多分辨率的特性,能准确提取R波峰点,有利于进一步提取生物特征信息。
实施例三
图3是本发明实施例三提供的一种身份识别方法流程图,图4是本发明实施例三提供的QRS波示意图。实施例三以上述实施例为基础,根据所述R波峰点所在位置,在所述身份验证信号中提取QRS波作为所述生物特征信息,优化为,在所述身份验证信号中以所述至少一个R波峰点为基点,向前提取第一时间段的数据,向后提取第二时间段的数据,作为原始QRS波,将至少一个所述原始QRS波进行叠加平均,获得平均QRS波,将各所述原始QRS波与平均QRS波进行相关性分析,将相关性超过设定相关性阈值的原始QRS波进行叠加平均,得到作为生物特征信息的所述QRS波。
本实施例提供的身份识别方法包括以下步骤:S301、S302、S303、S304、S305、S306、S307和S308。其中,S301、S302和S308分别与实施例一中的S101、S102和S104相同,S303与实施例二中的S203相同,相同的步骤不再赘述。
S301、向相接触的人体位置发送激活信号,以使所述激活信号通过所述人体传输至贴近设定人体部位设置的激励信号产生部件。
S302、通过所述相接触的人体位置接收通过所述人体返回的身份验证信号,其中,所述激励信号产生部件经过所述激活信号激活后产生标准激励信号,所述标准激励信号经过所述设定人体部位后产生所述身份验证信号。
S303、利用小波变换算法提取身份验证信号中的至少一个R波峰点。
S304、在所述身份验证信号中以所述至少一个R波峰点为基点,向前提取第一时间段的数据,向后提取第二时间段的数据,作为原始QRS波。
图4是应用本发明实施例三提供的方法所提取出的一种QRS波的示意图,R波峰点为身份验证信号中最高的点,R波峰点前面相邻的最小极值点为Q点,R波峰点后面相邻的最小极值点为S点,从Q点到S点这一段信号为QRS波。
在正常情况下,QRS波宽度小于l20ms,其中Q点或有或无,而S点可能不止一个。因此,在反复实验论证的基础上,一个优选的提取方法是,以R点为基点,向前提取60ms左右的数据,向后提取100ms左右的数据作为原始QRS波。
S305、将至少一个所述原始QRS波进行叠加平均,获得平均QRS波。
为了进一步消除各种干扰因素及异常QRS波的影响,首先将选取的多个原始QRS波进行叠加平均,获得平均QRS波。叠加平均是将各个QRS波对应位置的点都进行平均。
S306、将各所述原始QRS波与平均QRS波进行相关性分析。
然后将各原始QRS波与平均QRS波进行相关性分析,例如可设定阈值θ=0.95,去除相关性小于阈值的原始QRS波,阈值也可根据需要设置其他合适的值。
S307、将相关性超过设定相关性阈值的原始QRS波进行叠加平均,得到作为生物特征信息的所述QRS波。
最后将相关性超过阈值的原始QRS波进行叠加平均后得到用作生物特征信息的QRS波,这样得到的QRS波是可靠的。
S308、根据提取的所述生物特征信息,对所述人体进行身份识别。
本实施例将相关性超过设定相关性阈值的原始QRS波进行叠加平均,得到作为生物特征信息的所述QRS波,能排除身份验证信号中的异常数据,得到可靠的生物特征信息。
实施例四
图5是本发明实施例四提供的一种身份识别方法流程图,实施例四以上述实施例为基础,根据提取的所述生物特征信息,对所述人体进行身份识别,优化为,将所述生物特征信息输入至预先训练的身份识别模型中,获取所述身份识别模型输出的身份编码;其中,预存有与合法用户的生物特征信息对应的合法身份编码,根据所述身份识别模型输出的身份编码,对所述人体进行身份识别。
本实施例提供的身份识别方法包括以下步骤:S401、S402、S403、S404和S405。其中,S401、S402和S403分别与实施例一中的S101、S102和S103相同,相同的步骤不再赘述。
S401、向相接触的人体位置发送激活信号,以使所述激活信号通过所述人体传输至贴近设定人体部位设置的激励信号产生部件。
S402、通过所述相接触的人体位置接收通过所述人体返回的身份验证信号,其中,所述激励信号产生部件经过所述激活信号激活后产生标准激励信号,所述标准激励信号经过所述设定人体部位后产生所述身份验证信号。
S403、在所述身份验证信号中,提取与所述人体设定部位关联的生物特征信息。
S404、将所述生物特征信息输入至预先训练的身份识别模型中,获取所述身份识别模型输出的身份编码;其中,预存有与合法用户的生物特征信息对应的合法身份编码。
将生物特征信息输入至预先训练的身份识别模型中,身份识别模型输出身份编码。每个用户的身份编码是唯一的,而且会进行预存,用于和身份识别模型输出身份编码进行比对。
进一步地,所述身份识别模型为反向传播神经网络模型。
神经网络的方法是目前应用最广泛并且已有较大成功的一种方法,在众多的神经网络算法中,反向传播神经网络是一种按误差逆传播算法训练的多层前馈网络,也叫BP神经网络,是目前应用最广泛、应用效果最好也最为明显的神经网络模型之一。BP神经网络能学习和存贮大量的输入-输出模式映射关系,而无需事前揭示描述这种映射关系的数学方程。
通过BP神经网络算法来进行身份识别。计算采用三层神经网络,即一个输入层,一个中间层和一个输出层。在网络中,信号由输入单向传至输出,且同一层的神经元之间互不传递信号。每个神经元与相邻层的所有神经元相连。某一层的神经元的输出值通过连接权系数的加强或抑制传输到下一层的神经元。除了输入层外,每一神经元的输入为前一层所有神经元之输出值的加权和。
BP网络各层的输出可由下式得到:
式中:表示q-1层第j个结点的输出到第q层第i个结点的输入的连接权系数。
BP网络是一种反向误差传播网络,它的训练是通过误差信号从输出层向输入层传播并沿途调整各层间的连接权系数实现的。给定一组样本数据,计算各层的实际输出设样本的理想输出为dpi,则可通过下面公式进行各连接权值的调整:
BP神经网络算法,具有简单、精确等特点,可以准确地进行身份识别。
S405、根据所述身份识别模型输出的身份编码,对所述人体进行身份识别。
将身份识别模型输出的身份编码与预存的身份编码进行比对,可找到唯一的对应的预存的身份编码,进而确定用户的身份。根据身份编码查找对应的身份,而不必将生物特征信息进行匹配,不仅增加了实验的可操作性而且省去了很多计算量。
本实施例通过预存有与合法用户的生物特征信息对应的合法身份编码,将所述生物特征信息输入至预先训练的身份识别模型中,获取所述身份识别模型输出的身份编码,根据所述身份识别模型输出的身份编码对所述人体进行身份识别,利用身份识别模型和身份编码可简单且精确地进行身份识别。
实施例五
图6是本发明实施例五提供的一种身份识别装置结构示意图,该装置用于执行上述实施例中的身份识别方法。该装置包括激活模块501、接收模块502、提取模块503及识别模块504。
激活模块501,用于向相接触的人体位置发送激活信号,以使所述激活信号通过所述人体传输至贴近设定人体部位设置的激励信号产生部件。
接收模块502,与所述激活模块501相连,用于通过所述相接触的人体位置接收通过所述人体返回的身份验证信号,其中,所述激励信号产生部件经过所述激活信号激活后产生标准激励信号,所述标准激励信号经过所述设定人体部位后产生所述身份验证信号。
提取模块503,与所述接收模块502相连,用于在所述身份验证信号中,提取与所述人体设定部位关联的生物特征信息。
识别模块504,与所述提取模块503相连,用于根据提取的所述生物特征信息,对所述人体进行身份识别。
本实施例以人体为介质进行人体通信,使用标准激励信号通过设定人体部位后产生的,携带有该部位的生物特征信息的身份验证信号来进行身份识别。人体传输信号的低功耗、高数据率、更低的人体损害和高保密性的特点让身份识别变得便捷、安全和有效。而设定人体部位产生的身份验证信号不易被模仿盗用,更加增强了身份识别的保密性和安全性。
进一步地,所述设定人体部位为心脏。
进一步地,所述提取模块包括R波峰点提取单元和生物特征提取单元。
R波峰点提取单元,用于利用小波变换算法提取所述身份验证信号中的至少一个R波峰点。
生物特征提取单元,与所述R波峰点提取单元相连,用于根据所述R波峰点所在位置,在所述身份验证信号中提取QRS波作为所述生物特征信息。
本实施例利用小波变换算法提取身份验证信号中的至少一个R波峰点,利用小波变换的多分辨率的特性,能准确提取R波峰点,有利于进一步提取生物特征信息。
进一步地,所述生物特征提取单元包括原始波形提取子单元、第一平均子单元、相关性分析子单元和第二平均子单元。
原始波形提取子单元,用于在所述身份验证信号中以所述至少一个R波峰点为基点,向前提取第一时间段的数据,向后提取第二时间段的数据,作为原始QRS波。
第一平均子单元,与所述原始波形提取子单元相连,用于将至少一个所述原始QRS波进行叠加平均,获得平均QRS波。
相关性分析子单元,与所述第一平均子单元相连,用于将各所述原始QRS波与平均QRS波进行相关性分析。
第二平均子单元,与所述相关性分析子单元相连,用于将相关性超过设定相关性阈值的原始QRS波进行叠加平均,得到作为生物特征信息的所述QRS波。
本实施例将相关性超过设定相关性阈值的原始QRS波进行叠加平均,得到作为生物特征信息的所述QRS波,能排除身份验证信号中的异常数据,得到可靠的生物特征信息。
进一步地,所述识别模块包括身份编码获取单元和身份识别单元。
身份编码获取单元,用于将所述生物特征信息输入至预先训练的身份识别模型中,获取所述身份识别模型输出的身份编码;其中,预存有与合法用户的生物特征信息对应的合法身份编码。
身份识别单元,与所述身份编码获取单元相连,用于根据所述身份识别模型输出的身份编码,对所述人体进行身份识别。
本实施例通过预存有与合法用户的生物特征信息对应的合法身份编码,将所述生物特征信息输入至预先训练的身份识别模型中,获取所述身份识别模型输出的身份编码,根据所述身份识别模型输出的身份编码对所述人体进行身份识别,利用身份识别模型和身份编码可简单且精确地进行身份识别。
进一步地,所述身份识别模型为反向传播神经网络模型。
本发明实施例所提供的身份识别装置可用于执行本发明任意实施例所提供的身份识别方法,具备执行该方法相应的功能和有益效果。
实施例六
图7是本发明实施例六提供的一种身份识别系统结构示意图。身份识别系统包括激励信号产生部件601以及身份识别装置602,所述激励信号产生部件601佩戴于待识别人体的贴近设定人体部位的位置。
所述身份识别装置602,用于:向相接触的人体位置发送激活信号;通过所述相接触的人体位置接收通过所述人体返回的身份验证信号;在所述身份验证信号中,提取与所述人体设定部位关联的生物特征信息;根据提取的所述生物特征信息,对所述人体进行身份识别。
所述激励信号产生部件601,用于根据通过所述人体接收的所述激活信号,产生标准激励信号,将所述标准激励信号经由所述人体设定部位发送至所述身份识别装置,其中,所述标准激励信号经过所述设定人体部位后产生所述身份验证信号。本发明实施例所提供的身份识别系统可用于执行本发明任意实施例所提供的身份识别方法,具备执行该方法相应的功能和有益效果。
注意,上述仅为本发明的较佳实施例及所运用技术原理。本领域技术人员会理解,本发明不限于这里所述的特定实施例,对本领域技术人员来说能够进行各种明显的变化、重新调整和替代而不会脱离本发明的保护范围。因此,虽然通过以上实施例对本发明进行了较为详细的说明,但是本发明不仅仅限于以上实施例,在不脱离本发明构思的情况下,还可以包括更多其他等效实施例,而本发明的范围由所附的权利要求范围决定。
Claims (13)
1.一种身份识别方法,其特征在于,包括:
向相接触的人体位置发送激活信号,以使所述激活信号通过所述人体传输至贴近设定人体部位设置的激励信号产生部件;
通过所述相接触的人体位置接收通过所述人体返回的身份验证信号,其中,所述激励信号产生部件经过所述激活信号激活后产生标准激励信号,所述标准激励信号经过所述设定人体部位后产生所述身份验证信号;
在所述身份验证信号中,提取与所述人体设定部位关联的生物特征信息;
根据提取的所述生物特征信息,对所述人体进行身份识别。
2.根据权利要求1所述的方法,其特征在于,所述设定人体部位为心脏。
3.根据权利要求1或2所述的方法,其特征在于,在所述身份验证信号中,提取与所述设定部位关联的生物特征信息包括:
利用小波变换算法提取所述身份验证信号中的至少一个R波峰点;
根据所述R波峰点所在位置,在所述身份验证信号中提取QRS波作为所述生物特征信息。
4.根据权利要求3所述的方法,其特征在于,根据所述R波峰点所在位置,在所述身份验证信号中提取QRS波作为所述生物特征信息,包括:
在所述身份验证信号中以所述至少一个R波峰点为基点,向前提取第一时间段的数据,向后提取第二时间段的数据,作为原始QRS波;
将至少一个所述原始QRS波进行叠加平均,获得平均QRS波;
将各所述原始QRS波与平均QRS波进行相关性分析;
将相关性超过设定相关性阈值的原始QRS波进行叠加平均,得到作为生物特征信息的所述QRS波。
5.根据权利要求1所述的方法,其特征在于,根据提取的所述生物特征信息,对所述人体进行身份识别包括:
将所述生物特征信息输入至预先训练的身份识别模型中,获取所述身份识别模型输出的身份编码;其中,预存有与合法用户的生物特征信息对应的合法身份编码;
根据所述身份识别模型输出的身份编码,对所述人体进行身份识别。
6.根据权利要求5所述的方法,其特征在于,所述身份识别模型为反向传播神经网络模型。
7.一种身份识别装置,其特征在于,包括:
激活模块,用于向相接触的人体位置发送激活信号,以使所述激活信号通过所述人体传输至贴近设定人体部位设置的激励信号产生部件;
接收模块,与所述激活模块相连,用于通过所述相接触的人体位置接收通过所述人体返回的身份验证信号,其中,所述激励信号产生部件经过所述激活信号激活后产生标准激励信号,所述标准激励信号经过所述设定人体部位后产生所述身份验证信号;
提取模块,与所述接收模块相连,用于在所述身份验证信号中,提取与所述人体设定部位关联的生物特征信息;
识别模块,与所述提取模块相连,用于根据提取的所述生物特征信息,对所述人体进行身份识别。
8.根据权利要求7所述的装置,其特征在于,所述设定人体部位为心脏。
9.根据权利要求7或8所述的装置,其特征在于,所述提取模块包括:
R波峰点提取单元,用于利用小波变换算法提取所述身份验证信号中的至少一个R波峰点;
生物特征提取单元,与所述R波峰点提取单元相连,用于根据所述R波峰点所在位置,在所述身份验证信号中提取QRS波作为所述生物特征信息。
10.根据权利要求9所述的装置,其特征在于,所述生物特征提取单元包括:
原始波形提取子单元,用于在所述身份验证信号中以所述至少一个R波峰点为基点,向前提取第一时间段的数据,向后提取第二时间段的数据,作为原始QRS波;
第一平均子单元,与所述原始波形提取子单元相连,用于将至少一个所述原始QRS波进行叠加平均,获得平均QRS波;
相关性分析子单元,与所述第一平均子单元相连,用于将各所述原始QRS波与平均QRS波进行相关性分析;
第二平均子单元,与所述相关性分析子单元相连,用于将相关性超过设定相关性阈值的原始QRS波进行叠加平均,得到作为生物特征信息的所述QRS波。
11.根据权利要求7所述的装置,其特征在于,所述识别模块包括:
身份编码获取单元,用于将所述生物特征信息输入至预先训练的身份识别模型中,获取所述身份识别模型输出的身份编码;其中,预存有与合法用户的生物特征信息对应的合法身份编码;
身份识别单元,与所述身份编码获取单元相连,用于根据所述身份识别模型输出的身份编码,对所述人体进行身份识别。
12.根据权利要求11所述的装置,其特征在于,所述身份识别模型为反向传播神经网络模型。
13.一种身份识别系统,其特征在于,包括:激励信号产生部件以及身份识别装置,所述激励信号产生部件佩戴于待识别人体的贴近设定人体部位的位置;
所述身份识别装置,用于:向相接触的人体位置发送激活信号;通过所述相接触的人体位置接收通过所述人体返回的身份验证信号;在所述身份验证信号中,提取与所述人体设定部位关联的生物特征信息;根据提取的所述生物特征信息,对所述人体进行身份识别;
所述激励信号产生部件,用于根据通过所述人体接收的所述激活信号,产生标准激励信号,将所述标准激励信号经由所述人体设定部位发送至所述身份识别装置,其中,所述标准激励信号经过所述设定人体部位后产生所述身份验证信号。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710100699.2A CN106897693B (zh) | 2017-02-23 | 2017-02-23 | 一种身份识别方法、装置及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710100699.2A CN106897693B (zh) | 2017-02-23 | 2017-02-23 | 一种身份识别方法、装置及系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN106897693A true CN106897693A (zh) | 2017-06-27 |
CN106897693B CN106897693B (zh) | 2021-01-08 |
Family
ID=59184857
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201710100699.2A Active CN106897693B (zh) | 2017-02-23 | 2017-02-23 | 一种身份识别方法、装置及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN106897693B (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113609336A (zh) * | 2021-08-16 | 2021-11-05 | 山东大学 | 面向多种心电信号存储的xml文档标准化方法及系统 |
CN117272274A (zh) * | 2023-10-08 | 2023-12-22 | 中国人民解放军总医院 | 一种智能电子保险柜及其身份验证方法 |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20080286074A1 (en) * | 2005-08-16 | 2008-11-20 | Sunrose Tecdesign Pte. Ltd. | Inter-Box Connector (Ibc) Storage and Handling System |
CN102281616A (zh) * | 2010-06-08 | 2011-12-14 | 索尼公司 | 通信装置、通信系统、模式切换方法和程序 |
US8632465B1 (en) * | 2009-11-03 | 2014-01-21 | Vivaquant Llc | Physiological signal denoising |
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 |
CN104182871A (zh) * | 2014-02-19 | 2014-12-03 | 钟一鸣 | 一种移动支付系统及智能手环 |
CN105286853A (zh) * | 2015-11-17 | 2016-02-03 | 安徽华米信息科技有限公司 | 基于可穿戴设备的疾病检测方法及装置、可穿戴设备 |
CN105468951A (zh) * | 2015-11-17 | 2016-04-06 | 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 |
CN106295300A (zh) * | 2016-08-15 | 2017-01-04 | 深圳先进技术研究院 | 一种穿戴式智能设备身份认证方法及装置 |
-
2017
- 2017-02-23 CN CN201710100699.2A patent/CN106897693B/zh active Active
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20080286074A1 (en) * | 2005-08-16 | 2008-11-20 | Sunrose Tecdesign Pte. Ltd. | Inter-Box Connector (Ibc) Storage and Handling System |
US8632465B1 (en) * | 2009-11-03 | 2014-01-21 | Vivaquant Llc | Physiological signal denoising |
CN102281616A (zh) * | 2010-06-08 | 2011-12-14 | 索尼公司 | 通信装置、通信系统、模式切换方法和程序 |
CN104182871A (zh) * | 2014-02-19 | 2014-12-03 | 钟一鸣 | 一种移动支付系统及智能手环 |
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 |
CN105286853A (zh) * | 2015-11-17 | 2016-02-03 | 安徽华米信息科技有限公司 | 基于可穿戴设备的疾病检测方法及装置、可穿戴设备 |
CN105468951A (zh) * | 2015-11-17 | 2016-04-06 | 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 |
CN106295300A (zh) * | 2016-08-15 | 2017-01-04 | 深圳先进技术研究院 | 一种穿戴式智能设备身份认证方法及装置 |
Non-Patent Citations (2)
Title |
---|
CUIWEI LI 等: ""Detection of ECG characteristic points using wavelet transforms"", 《IEEE TRANSACTIONS ON BIOMEDICAL ENGINEERING》 * |
刘建闽: ""基于多生物特征复合旁证的高安全性移动支付终端设计"", 《信息系统工程》 * |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113609336A (zh) * | 2021-08-16 | 2021-11-05 | 山东大学 | 面向多种心电信号存储的xml文档标准化方法及系统 |
CN113609336B (zh) * | 2021-08-16 | 2024-03-26 | 山东大学 | 面向多种心电信号存储的xml文档标准化方法及系统 |
CN117272274A (zh) * | 2023-10-08 | 2023-12-22 | 中国人民解放军总医院 | 一种智能电子保险柜及其身份验证方法 |
Also Published As
Publication number | Publication date |
---|---|
CN106897693B (zh) | 2021-01-08 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108537100A (zh) | 一种基于pca和lda分析的心电信号身份识别方法及系统 | |
Gupta et al. | Fingerprint based gender classification using discrete wavelet transform & artificial neural network | |
CN111523601A (zh) | 一种基于知识引导和生成对抗学习的潜在情绪识别方法 | |
CN110287918A (zh) | 活体识别方法及相关产品 | |
Benouis et al. | ECG based biometric identification using one-dimensional local difference pattern | |
CN106778498A (zh) | 一种增强指纹图像识别的方法 | |
Moctezuma et al. | EEG-based subjects identification based on biometrics of imagined speech using EMD | |
CN106897693A (zh) | 一种身份识别方法、装置及系统 | |
CN110141215A (zh) | 降噪自编码器的训练方法、心电信号的降噪方法及相关装置、设备 | |
Zhang et al. | A novel Riesz transforms based coding scheme for finger-knuckle-print recognition | |
Guelta et al. | An Improved Behavioral Biometric System based on Gait and ECG signals. | |
CN103345624A (zh) | 一种多通道脉冲耦合神经网络的加权特征人脸识别方法 | |
Tseng et al. | Human identification with electrocardiogram | |
Karegar et al. | Using recurrence quantification analysis and generalized Hurst exponents of ECG for human authentication | |
Guo et al. | A wavelet packet based pulse waveform analysis for cholecystitis and nephrotic syndrome diagnosis | |
Narayan et al. | Surface EMG signal classification using ensemble algorithm, PCA and DWT for robot control | |
Karegar et al. | ECG based human authentication with using Generalized Hurst Exponent | |
Chen et al. | A finger vein recognition algorithm based on deep learning | |
Lee et al. | Mobile embedded health-care system working on wireless sensor network | |
Sahu et al. | Fingerprints based gender classification using adaptive neuro fuzzy inference system | |
CN104112125A (zh) | 基于掌纹和指横纹特征融合的身份识别方法 | |
Yu et al. | The research of sEMG movement pattern classification based on multiple fused wavelet function | |
Kurzynski et al. | Multiple classifier system applied to the control of bioprosthetic hand based on recognition of multimodal biosignals | |
CN114626405A (zh) | 基于肌电信号的实时身份识别方法、装置及电子设备 | |
CN111743543A (zh) | 一种骑行者运动状态检测方法、装置及码表 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |