CN108513665A - 用户身份识别的方法、装置和系统 - Google Patents
用户身份识别的方法、装置和系统 Download PDFInfo
- Publication number
- CN108513665A CN108513665A CN201780005525.6A CN201780005525A CN108513665A CN 108513665 A CN108513665 A CN 108513665A CN 201780005525 A CN201780005525 A CN 201780005525A CN 108513665 A CN108513665 A CN 108513665A
- Authority
- CN
- China
- Prior art keywords
- signal
- user
- active user
- photoplethysmographic
- target user
- 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.)
- Pending
Links
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
- G06V40/10—Human or animal bodies, e.g. vehicle occupants or pedestrians; Body parts, e.g. hands
-
- 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
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L9/00—Cryptographic mechanisms or cryptographic arrangements for secret or secure communications; Network security protocols
- H04L9/32—Cryptographic mechanisms or cryptographic arrangements for secret or secure communications; Network security protocols including means for verifying the identity or authority of a user of the system or for message authentication, e.g. authorization, entity authentication, data integrity or data verification, non-repudiation, key authentication or verification of credentials
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
- G06V40/10—Human or animal bodies, e.g. vehicle occupants or pedestrians; Body parts, e.g. hands
- G06V40/15—Biometric patterns based on physiological signals, e.g. heartbeat, blood flow
Landscapes
- Engineering & Computer Science (AREA)
- Computer Security & Cryptography (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Physics & Mathematics (AREA)
- Multimedia (AREA)
- Human Computer Interaction (AREA)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- Computer Hardware Design (AREA)
- Software Systems (AREA)
- General Engineering & Computer Science (AREA)
- Measurement Of The Respiration, Hearing Ability, Form, And Blood Characteristics Of Living Organisms (AREA)
Abstract
本申请提供了一种用户身份识别的方法、装置和系统,能够在智能手表、手环的表面积较小时,提供了比较便捷的用户身份识别方式,同时避免了指纹解锁的安全隐患。该方法包括:获取当前用户的光电容积脉搏波信号;根据所述当前用户的光电容积脉搏波信号,以及用于识别目标用户的基于光电容积脉搏波信号建立的识别模型,识别所述当前用户是否为所述目标用户。
Description
技术领域
本申请涉及电子领域,并且更具体地,涉及一种用户身份识别方法、装置和系统。
背景技术
目前在移动端常用的识别技术是指纹识别技术。人体的指纹具有永久不变性和唯一性,能够精确的对不同的人进行识别。这种用户身份识别技术在手机移动端以及一些门禁系统应用最为广泛。
但是对于一些可穿戴设备,比如智能手表、手环等,如果使用指纹识别技术,每次都使用输入密码进行验证,比较繁琐,造成使用上的不便,并且智能手表、手环的表面积较小,不便使用指纹识别技术。同时,有些用户为了使用方便,会在移动终端同时添加多人的指纹,但是在支付场景下或者移动终端上有一些私密的文件夹,当指纹验证通过之后全部用户都可以进行操作,一定程度上也会造成用户的信息安全隐患。
因此,如何提供一种新的用户身份识别技术,可以便捷的在可穿戴设备上进行用户身份识别,进而提高用户信息的安全性是一项亟待解决的问题。
发明内容
本申请提供了一种用户身份识别的方法、装置和系统,可以便捷的识别用户身份,并且提高了用户信息的安全性。
第一方面,本申请提供了一种用户身份识别的方法,该方法包括:获取当前用户的光电容积脉搏波信号;根据该当前用户的光电容积脉搏波信号,以及用于识别目标用户的基于光电容积脉搏波信号建立的识别模型,识别该当前用户是否为该目标用户。
因此,在本申请中,通过获取当前用户的光电容积脉搏波信号,并且根据用于识别目标用户的基于光电容积脉搏波信号建立的识别模型识别该当前用户是否为该目标用户,可以便捷可靠地识别用户身份,提高了用户信息的安全性。
可选地,在第一方面的一种实现方式中,该当前用户为该目标用户时,该方法还包括:
解锁该目标用户的待解锁设备。
可选地,在第一方面的一种实现方式中,该获取当前用户的光电容积脉搏波信号,包括:
从检测到的信号中,获取当前用户的光电容积脉搏波信号。
可选地,在第一方面的一种实现方式中,该从检测到的信号中,获取当前用户的光电容积脉搏波信号,包括:
对该检测到的信号与光电容积脉搏波信号进行匹配,将匹配的检测信号确定为当前用户的光电容积脉搏波信号。
可选地,建立光电容积脉搏波信号的匹配模型。
获取一些杂散信号,提取出这些杂散信号的参数特征值,预存到建模系统中;获取一些光电容积脉搏波信号(Photo Plethysmo Graphy,PPG),提取出该PPG信号的参数特征值。设定该杂散信号的标签值和该PPG信号的标签值,根据这些杂散信号的参数特征值和该PPG信号的参数特征值以及该杂散信号的标签值和该PPG信号的标签值进行算法训练,确定该匹配模型。
建立好该匹配模型后,将检测到的信号的参数输入该匹配模型,如果该匹配模型输出的标签值为该PPG信号的标签值,确定该检测信号为PPG信号,对该检测的信号进一步进行识别,判断该当前用户是否为该目标用户;如果该识别模型输出的标签值为杂散信号的标签值,确定该检测信号为杂散信号,并且对该检测的信号不再进行判断。
可选地,在第一方面的一种实现方式中,根据该当前用户的光电容积脉搏波信号,以及用于识别目标用户的基于光电容积脉搏波信号建立的识别模型,识别该当前用户是否为该目标用户,包括:
对该当前用户的光电容积脉搏波信号进行预处理,得到处理后的当前用户的光电容脉搏波信号;
根据处理后的当前用户的光电容积脉搏波信号和该识别模型,识别该当前用户是否为该目标用户。
可选地,在第一方面的一种实现方式中,在该获取当前用户的光电容积脉搏波信号之前,该方法还包括:根据该目标用户的光电容积脉搏波信号建立该识别模型。
可选地,在第一方面的一种实现方式中,该根据该目标用户的光电容积脉搏波信号建立该识别模型,包括:
根据第一参数集合和该第一标签值,以及第二参数集合和第二标签值进行算法训练,确定该识别模型,该第一标签值用于指示该目标用户,该第二标签值用于指示非该目标用户,
其中,该第一参数集合为多次获取的该目标用户的光电容积脉搏波信号的参数集合,该第二参数集合为预存的其他用户的光电容积脉搏波信号的参数集合;
该根据该当前用户的光电容积脉搏波信号,以及用于识别目标用户的基于光电容积脉搏波信号建立的识别模型,识别该当前用户是否为该目标用户,包括:
将该当前用户的光电容积脉搏波信号的参数输入该识别模型,得到该识别模型输出的标签值;
如果该识别模型输出的标签值为第一标签值,确定该当前用户为该目标用户。
可选地,如果该方法没有对杂散信号进行过滤,那么在建立该识别模型时,可以设定该第三标签值,该第三标签值用于表示该检测的信号不是PPG信号,在建立该识别模型之前,获取一些杂散信号,提取该杂散信号的参数特征值,标记为第三参数集合。因此根据该第一参数集合和该第一标签值、第二参数集合和第二标签值以及该第三参数集合和该第三标签值进行算法训练,确定该识别模型。
可选地,在第一方面的一种实现方式中,该光电容积脉搏波信号包括以下参数中的至少一种:
主波峰、主波谷、次波峰、次波谷、主波峰-主波谷斜率和次波峰-主波谷斜率。
第二方面,本申请提供了一种用户身份识别的装置,包括:获取模块和识别模块,可以执行第一方面或第一方面的任一可选的实现方式中的方法。
第三方面,本申请提供了一种用户身份识别的系统,包括:包括该第二方面的装置和信号采集装置,
所述信号采集装置用于:采集当前用户的光电容积脉搏波信号。
第四方面,本申请提供了一种用户身份识别的装置,包括存储器和处理器,所述存储器上存储有可以用于指示执行上述第一或其任意可选的实现方式的程序代码,当所述代码被执行时,所述处理器可以实现方法中用户身份识别的装置执行各个操作。
第五方面,本申请提供了一种计算机存储介质,所述计算机存储介质中存储有程序代码,所述程序代码可以用于指示执行上述第一方面或第一方面的任意可选的实现方式中的方法。
附图说明
图1是根据本申请的一种用户身份识别的方法和装置的系统示意性图。
图2是根据本申请的一种用户身份识别的方法的示意性流程图。
图3是根据本申请的光电容积脉搏波信号的波形图。
图4是根据本申请的一种用户身份识别的装置的示意性框图。
图5是根据本申请的一种用户身份识别的装置的示意性框图。
图6是根据本申请的一种用户身份识别的系统的示意性框图。
图7是根据本申请的信号采集装置的示意性结构图。
图8是根据本申请的一种用户身份识别的设备的示意性框图。
具体实施方式
下面将结合附图,对本申请中的技术方案进行描述。
图1示出了本申请的一种用户身份识别的方法和装置的系统示意性图。该用户身份识别的方法可以用于可穿戴设备,比如手表或者手环,为这些可穿戴设备进行开机或支付场景提供便捷可靠地保护;该用户身份识别的方法还可以应用于移动终端,比如手机,在进行指纹识别的时候,同时采集用户的光电容积脉搏波进行建模。结合指纹识别和光电容积脉搏波识别算法可以为手机系统设置更高复杂度的操作权限。
为了更好地理解本申请,以下将结合图2-图8,对本申请进行说明。
图2示出了本申请的一种用户身份识别的方法200的示意性流程图。如图2所示,该方法200包括以下内容:
在210中,获取当前用户的光电容积脉搏波信号(Photo Plethysmo Graphy,PPG)。
可选地,该获取当前用户的光电容积脉搏波信号,包括:从检测到的信号中,获取当前用户的光电容积脉搏波信号。
具体而言,光电容积传感器获取的信号除了光电容积脉搏波信号之外,可能还包括一些杂散信号,该杂散信号是指一些杂乱无章的信号、白噪声等非光电容积脉搏波信号。因此,需要从检测到的信号中,获取当前用户的光电容积脉搏波信号。
当一束光通过透射和漫反射的方式穿过人体组织,到达对应的光电传感器,由于人体组织会对光束有一定的吸收,那么光电传感器检测的光电信号就会有一定程度上的衰减,从而产生光电容积脉搏波信号。由于每个人的身体状况不同,例如泵血能力、血压、血液成分等各种因素的不同,造成每个人的光电容积脉搏波具有唯一性,因此,可以通过对光电容积脉搏波信号进行分析,来进行人体用户身份识别。
人体的组织是一个稳定的系统,但并不是一个静态的系统,以腕部组织为例,包含皮肤组织、骨骼、静脉血液和动脉血液。在其中,皮肤组织、静脉血液和骨骼对光线的吸收保持不变。动脉血液也分为两个部分,在血液循环的过程中,只有部分的动脉血液进行周期循环,称之为脉动的动脉血。当人体心脏周期性的跳动的过程中,血液会进入周期性的循环。当心脏收缩,血液被挤压到身体的各个器官,此时动脉血管充盈,对光束的吸收达到最大值,光电传感器检测得到的光电信号最小;当心脏舒张,血液从身体的各个器官回流到心脏当中,此时动脉血管收缩,对光束的吸收达到最小值,光电传感器检测得到的光电信号最大。基于这个过程,能过得到稳定的光电容积脉搏波信号。
根据上面的分析过程,光电容积脉搏波包含两部分的信息:(1)反映皮肤组织、肌肉、骨骼和静脉血液等保持不变的成分对光束的吸收情况,由于这部分组织基本不会发生变化,体现在光电容积脉搏波信号中就是直流信号分量;(2)反映了脉动的动脉血对光束的吸收情况,由于血液循环的周期性导致这部分血液对光束的吸收也呈现出周期性的变化,体现在光电容积脉搏波信号中就是交流信号分量。
可选地,该从检测到的信号中,获取当前用户的光电容积脉搏波信号,包括:对该检测到的信号与光电容积脉搏波信号进行匹配,将匹配的检测信号确定为当前用户的光电容积脉搏波信号。
具体而言,该检测到的信号除了光电容积脉搏波信号之外,还包括一些其他杂散信号,该杂散信号是指:杂乱无章的信号、白噪声等非光电容积脉搏波信号。如果不对该杂散信号进行过滤,会增加识别模型的容错性。因此可以建立光电容积脉搏波信号的匹配模型。获取一些杂散信号,提取出这些杂散信号的参数特征值,预存到建模系统中;其次,获取一些PPG信号,提取出该PPG信号的参数特征值。设定该杂散信号的标签值和该PPG信号的标签值,根据这些杂散信号的参数特征值和该PPG信号的参数特征值以及该杂散信号的标签值和该PPG信号的标签值进行算法训练,确定该匹配模型。
建立好该匹配模型后,将检测到的信号的参数输入该匹配模型,如果该匹配模型输出的标签值为该PPG信号的标签值,确定该检测信号为PPG信号,对该检测的信号进一步进行识别,判断该当前用户是否为该目标用户;如果该识别模型输出的标签值为杂散信号的标签值,确定该检测信号为杂散信号,并且对该检测的信号不再进行判断。
例如,获取其他物体,例如桌子、显示屏等多个物体的检测信号,提取出这些杂散信号的参数特征值,预存到建模系统中,设定该杂散信号的标签值为“0”;获取该PPG信号,提取出该PPG信号的参数特征值,设定该PPG信号的标签值为“1”。根据这些杂散信号的参数特征值,和该杂散信号的标签值“0”以及该PPG信号的参数特征值和该PPG信号的标签值为“1”进行神经网络算法训练,确定该匹配模型。
建立好该匹配模型后,将检测信号的参数输入该匹配模型,如果该匹配模型输出的标签值为“1”,确定该检测信号为该PPG信号,对该检测的信号进一步进行识别,判断该当前用户是否为该目标用户;如果该匹配模型输出的标签值为“0”,确定该检测信号不为该PPG信号,并且对该检测的信号不再进行判断。
应理解,在本申请中使用神经网络算法确定该匹配模型仅作为示例,并不构成任何限定,也可以使用支持向量机、PCM等算法确定该识别模型。
还应理解,如果该设备具有显示装置,可以观察该检测的信号是否为光电脉搏波信号。
在220中,根据该当前用户的光电容积脉搏波信号,以及用于识别目标用户的基于光电容积脉搏波信号建立的识别模型,识别该当前用户是否为该目标用户。
可选地,该根据该当前用户的光电容积脉搏波信号,以及用于识别目标用户的基于光电容积脉搏波信号建立的识别模型,识别该当前用户是否为该目标用户,包括:
对该当前用户的光电容积脉搏波信号进行预处理,得到处理后的当前用户的光电容脉搏波信号;
根据处理后的当前用户的光电容积脉搏波信号和该识别模型,识别该当前用户是否为该目标用户。
具体而言,获取到当前用户的光电容积脉搏波信号包含很多噪音,需要对该当前用户的PPG信号进行预处理,包括去除直流分量、去除基线漂移、滤波处理以及对获取的当前用户的PPG信号进行放大,得到预处理后的当前用户的PPG信号。由于PPG信号的交流分量频率范围是0.5Hz到10Hz范围内,因此所选用的滤波器的范围是0Hz-0.5Hz的低频滤波和10Hz的高频滤波。
一般采用滤波电路和放大电路对该当前用户的PPG信号进行预处理,可以使用运放、电阻、电容等器件搭建滤波电路和放大电路。
可选地,在该获取当前用户的光电容积脉搏波信号之前,该方法还包括:根据该目标用户的光电容积脉搏波信号建立该识别模型。
可选地,根据该目标用户的光电容积脉搏波信号建立该识别模型,包括:
根据第一参数集合和该第一标签值,以及第二参数集合和第二标签值进行算法训练,确定该识别模型,该第一标签值用于指示该目标用户,该第二标签值用于指示非该目标用户,
其中,该第一参数集合为多次获取的该目标用户的光电容积脉搏波信号的参数集合,该第二参数集合为预存的其他用户的光电容积脉搏波信号的参数集合;
根据该当前用户的光电容积脉搏波信号,以及用于识别目标用户的基于光电容积脉搏波信号建立的识别模型,识别该当前用户是否为该目标用户,包括:
将该当前用户的光电容积脉搏波信号的参数输入该识别模型,得到该识别模型输出的标签值;
如果该识别模型输出的标签值为第一标签值,确定该当前用户为该目标用户。
具体而言,首先获取多人的PPG信号,例如老人、儿童、青年男女,提取出这些PPG信号的参数特征值,预存到建模系统中,标记为该第二参数集合;其次,获取该目标用户的PPG信号,提取出该目标用户的PPG信号的参数特征值,标记为该第一参数集合。设定该第一参数集合的第一标签值和该第二参数集合的第二标签值,该第一标签值用于指示该目标用户,该第二标签值用于指示非该目标用户,根据第一参数集合和该第一标签值,以及第二参数集合和第二标签值进行算法训练,确定该识别模型。
建立好该识别模型后,获取当前用户的PPG信号的参数输入该识别模型,如果该识别模型输出的标签值为第一标签值,确定该当前用户为该目标用户;如果该识别模型输出的标签值为第二标签值,确定该当前用户不为该目标用户。
例如,获取多个老人、儿童、青年男女,提取出这些PPG信号的参数特征值,预存到建模系统中,标记为该第二参数集合;获取该目标用户的PPG信号,提取出该目标用户的PPG信号的参数特征值,标记为该第一参数集合。设定该第一参数集合的第一标签值为“1”,设定该第二参数集合的第二标签值为“0”,根据第一参数集合和该第一标签值“1”,以及第二参数集合和第二标签值“0”进行神经网络算法训练,确定该识别模型。
建立好该识别模型后,获取当前用户的PPG信号的参数输入该识别模型,如果该识别模型输出的标签值为“1”,确定该当前用户为该目标用户;如果该识别模型输出的标签值为“0”,确定该当前用户不为该目标用户。
可选地,如果该方法没有对杂散信号进行过滤,那么在建立该识别模型时,可以设定该第三标签值,该第三标签值用于表示该检测的信号不是PPG信号,在建立该识别模型之前,获取一些杂散信号,提取该杂散信号的参数特征值,标记为第三参数集合。因此根据该第一参数集合和该第一标签值、第二参数集合和第二标签值以及该第三参数集合和该第三标签值进行算法训练,确定该识别模型。
应理解,在本申请中根据第一参数集合和该第一标签值“1”,以及第二参数集合和第二标签值“0”进行神经网络算法训练,确定该识别模型仅作为示例,并不构成任何限定,也可以使用支持向量机、PCM等算法确定该识别模型。
基于该识别模型识别当前用户是否为该目标用户的同时,也进行了对该识别模型的修正。
可选地,该光电容积脉搏波信号包括以下参数中的至少一种:
主波峰、主波谷、次波峰、次波谷、主波峰-主波谷、主波峰-主波谷斜率和次波峰-主波谷斜率。
具体而言,如图3所示,在本申请中,选取光电容积脉搏波的以下特征值:主波峰K2、主波谷K1、次波峰K4、次波谷K3、主波谷-主波谷n3、主波峰-主波谷斜率n1、次波峰-主波谷斜率n2,共7个特征值作为该神经网络建模的输入参数。
应理解,在本申请中使用了PPG信号的时域特征值,同样也可以使用PPG信号的频域特征值,比如说频谱范围、频谱的能量集中的范围等。
可选地,该方法还包括:在确定该当前用户为该目标用户时,解锁该目标用户的待解锁设备。
因此,对于可穿戴设备,比如说手表和手环,其上配备的用户身份识别并不适用于指纹识别技术,但是用输入密码的方式进行身份验证非常繁琐,在本申请中,通过识别该当前用户的光电容积脉搏波信号来判断该当前用户是否为该目标用户,实现了在可穿戴设备便利的使用光电容积脉搏波信号进行用户身份识别,并且提高了安全性。
除此之外,对于终端设备同时也可以配置光电容积脉搏波用户身份识别,集合指纹传感器和光电容积脉搏波传感器,就能够为手机提供复杂度更高的应用保护方案:比如说某些应用可以使用指纹就能开启,而对于私密性比较高的应用,只有当PPG信号识别和指纹识别同时验证通过的时候才能够打开。
图4示出了本申请的一种用户身份识别的装置300的示意性框图。如图4所示,该装置300包括:
获取模块310,用于获取当前用户的光电容积脉搏波信号。
识别模块320,用于根据该当前用户的光电容积脉搏波信号,以及用于识别目标用户的基于光电容积脉搏波信号建立的识别模型,识别该当前用户是否为该目标用户。
可选地,该装置300还包括:
解锁模块330,如图5所示,该解锁模块330用于在该当前用户为该目标用户时,解锁该目标用户的待解锁设备。
可选地,该获取模块310和该识别模块320用于执行本申请的一种用户身份识别的方法200的各个操作,为了简洁,在此不再赘述。
图6示出了本申请的一种用户身份识别的系统400的示意性框图。如图6所示,该系统400包括:
信号采集装置410,用于采集当前用户的光电容积脉搏波信号。
该信号采集装置410包括红外对管,一般包括近红外发射管和近红外接收管。
用户身份识别装置420,该用户身份识别装置420包括获取模块,用于获取当前用户的光电容积脉搏波信号。
用户身份识别装置420还包括识别模块,用于根据该当前用户的光电容积脉搏波信号,以及用于识别目标用户的基于光电容积脉搏波信号建立的识别模型,识别该当前用户是否为该目标用户。
用户身份识别装置420还包括解锁模块,用于在该当前用户为该目标用户时,解锁该目标用户的待解锁设备。
图7示出了该信号采集装置410的电路模块图,该信号采集装置410可以采集人体手腕、指尖、颈部等多处的光电脉搏波信号。
可选地,该信号采集装置410用于执行本申请的一种用户身份识别的方法200的各个操作,为了简洁,在此不再赘述。
图8示出了本申请提供的用户身份识别设备500的示意性框图,该图像处理设备500包括:
存储器510,用于存储程序,该程序包括代码;
处理器520,用于执行存储器510中的程序代码。
可选地,当该代码被执行时,该处理器520可以实现方法200中用户身份识别设备执行各个操作。为了简洁,在此不再赘述。
应理解,在本申请实施例中,该处理器520可以是中央处理单元(CentralProcessing Unit,CPU),该处理器520还可以是其他通用处理器、数字信号处理器、专用集成电路、现成可编程门阵列或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。
该存储器510可以包括只读存储器和随机存取存储器,并向处理器520提供指令和数据。存储器510的一部分还可以包括非易失性随机存取存储器。例如,存储器510还可以存储设备类型的信息。
本领域普通技术人员可以意识到,结合本文中所公开的实施例描述的各示例的单元及算法步骤,能够以电子硬件、或者计算机软件和电子硬件的结合来实现。这些功能究竟以硬件还是软件方式来执行,取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能,但是这种实现不应认为超出本申请的范围。
所属领域的技术人员可以清楚地了解到,为描述的方便和简洁,上述描述的系统、装置和单元的具体工作过程,可以参考前述方法实施例中的对应过程,在此不再赘述。
在本申请所提供的几个实施例中,应该理解到,所揭露的系统、装置和方法,可以通过其它的方式实现。例如,以上所描述的装置实施例仅仅是示意性的,例如,所述单元的划分,仅仅为一种逻辑功能划分,实际实现时可以有另外的划分方式,例如多个单元或组件可以结合或者可以集成到另一个系统,或一些特征可以忽略,或不执行。另一点,所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口,装置或单元的间接耦合或通信连接,可以是电性,机械或其它的形式。
所述作为分离部件说明的单元可以是或者也可以不是物理上分开的,作为单元显示的部件可以是或者也可以不是物理单元,即可以位于一个地方,或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
另外,在本申请各个实施例中的各功能单元可以集成在一个处理单元中,也可以是各个单元单独物理存在,也可以两个或两个以上单元集成在一个单元中。
所述功能如果以软件功能单元的形式实现并作为独立的产品销售或使用时,可以存储在一个计算机可读取存储介质中。基于这样的理解,本申请的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来,该计算机软件产品存储在一个存储介质中,包括若干指令用以使得一台计算机设备(可以是个人计算机,服务器,或者网络设备等)执行本申请各个实施例所述方法的全部或部分步骤。而前述的存储介质包括:U盘、移动硬盘、只读存储器(Read-Only Memory,ROM)、随机存取存储器(Random Access Memory,RAM)、磁碟或者光盘等各种可以存储程序代码的介质。
以上所述,仅为本申请的具体实施方式,但本申请的保护范围并不局限于此,任何熟悉本技术领域的技术人员在本申请揭露的技术范围内,可轻易想到变化或替换,都应涵盖在本申请的保护范围之内。因此,本申请的保护范围应以所述权利要求的保护范围为准。
Claims (17)
1.一种用户身份识别的方法,其特征在于,包括:
获取当前用户的光电容积脉搏波信号;
根据所述当前用户的光电容积脉搏波信号,以及用于识别目标用户的基于光电容积脉搏波信号建立的识别模型,识别所述当前用户是否为所述目标用户。
2.根据权利要求1所述的方法,其特征在于,所述当前用户为所述目标用户时,所述方法还包括:
解锁所述目标用户的待解锁设备。
3.根据权利要求1或2所述的方法,其特征在于,所述获取当前用户的光电容积脉搏波信号,包括:
从检测到的信号中,获取当前用户的光电容积脉搏波信号。
4.根据权利要求3所述的方法,其特征在于,所述从检测到的信号中,获取当前用户的光电容积脉搏波信号,包括:
对所述检测到的信号与光电容积脉搏波信号进行匹配,将匹配的检测信号确定为当前用户的光电容积脉搏波信号。
5.根据权利要求1至4中任一项所述的方法,其特征在于,所述根据所述当前用户的光电容积脉搏波信号,以及用于识别目标用户的基于光电容积脉搏波信号建立的识别模型,识别所述当前用户是否为所述目标用户,包括:
对所述当前用户的光电容积脉搏波信号进行预处理,得到处理后的当前用户的光电容脉搏波信号;
根据处理后的当前用户的光电容积脉搏波信号和所述识别模型,识别所述当前用户是否为所述目标用户。
6.根据权利要求1至5中任一项所述的方法,其特征在于,在所述获取当前用户的光电容积脉搏波信号之前,所述方法还包括:根据所述目标用户的光电容积脉搏波信号建立所述识别模型。
7.根据权利要求6所述的方法,其特征在于,所述根据所述目标用户的光电容积脉搏波信号建立所述识别模型,包括:
根据第一参数集合和所述第一标签值,以及第二参数集合和第二标签值进行算法训练,确定所述识别模型,所述第一标签值用于指示所述目标用户,所述第二标签值用于指示非所述目标用户,
其中,所述第一参数集合为多次获取的所述目标用户的光电容积脉搏波信号的参数集合,所述第二参数集合为预存的其他用户的光电容积脉搏波信号的参数集合;
所述根据所述当前用户的光电容积脉搏波信号,以及用于识别目标用户的基于光电容积脉搏波信号建立的识别模型,识别所述当前用户是否为所述目标用户,包括:
将所述当前用户的光电容积脉搏波信号的参数输入所述识别模型,得到所述识别模型输出的标签值;
如果所述识别模型输出的标签值为第一标签值,确定所述当前用户为所述目标用户。
8.根据权利要求1至7中任一项所述的方法,其特征在于,所述光电容积脉搏波信号包括以下参数中的至少一种:
主波峰、主波谷、次波峰、次波谷、主波谷-主波谷、主波峰-主波谷斜率和次波峰-主波谷斜率。
9.一种用户身份识别的装置,其特征在于,包括:
获取模块,用于获取当前用户的光电容积脉搏波信号;
识别模块,用于根据所述当前用户的光电容积脉搏波信号,以及用于识别目标用户的基于光电容积脉搏波信号建立的识别模型,识别所述当前用户是否为所述目标用户。
10.根据权利要求9所述的装置,其特征在于,所述装置还包括:
解锁模块,用于在所述当前用户为所述目标用户时,解锁所述目标用户的待解锁设备。
11.根据权利要求9或10所述的装置,其特征在于,所述获取模块具体用于:
从检测到的信号中,获取当前用户的光电容积脉搏波信号。
12.根据权利要求11所述的装置,其特征在于,所述获取模块具体用于:
对所述检测到的信号与光电容积脉搏波信号进行匹配,将匹配的检测信号确定为当前用户的光电容积脉搏波信号。
13.根据权利要求9至12中任一项所述的装置,其特征在于,所述识别模块具体用于:
对所述当前用户的光电容积脉搏波信号进行预处理,得到处理后的当前用户的光电容脉搏波信号;
根据处理后的当前用户的光电容积脉搏波信号和所述识别模型,识别所述当前用户是否为所述目标用户。
14.根据权利要求9至13中任一项所述的装置,其特征在于,所述装置还包括:
建立识别模型模块,用于在所述获取当前用户的光电容积脉搏波信号之前,根据所述目标用户的光电容积脉搏波信号建立所述识别模型。
15.根据权利要求14所述的装置,其特征在于,所述建立识别模型模块具体用于:
根据第一参数集合和所述第一标签值,以及第二参数集合和第二标签值进行算法训练,确定所述识别模型,所述第一标签值用于指示所述目标用户,所述第二标签值用于指示非所述目标用户,
其中,所述第一参数集合为多次获取的所述目标用户的光电容积脉搏波信号的参数集合,所述第二参数集合为预存的其他用户的光电容积脉搏波信号的参数集合;
所述识别模块具体用于:
将所述当前用户的光电容积脉搏波信号的参数输入所述识别模型,得到所述识别模型输出的标签值;
如果所述识别模型输出的标签值为第一标签值,确定所述当前用户为所述目标用户。
16.根据权利要求9至15中任一项所述的装置,其特征在于,所述光电容积脉搏波信号包括以下参数中的至少一种:
主波峰、主波谷、次波峰、次波谷、主波谷-主波谷、主波峰-主波谷斜率和次波峰-主波谷斜率。
17.一种用户身份识别的系统,其特征在于,包括权利要求9至16中任一项所述的装置和信号采集装置,
所述信号采集装置用于:采集当前用户的光电容积脉搏波信号。
Applications Claiming Priority (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN2017100680210 | 2017-02-07 | ||
CN201710068021 | 2017-02-07 | ||
PCT/CN2017/087615 WO2018145377A1 (zh) | 2017-02-07 | 2017-06-08 | 用户身份识别的方法、装置和系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN108513665A true CN108513665A (zh) | 2018-09-07 |
Family
ID=63107104
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201780005525.6A Pending CN108513665A (zh) | 2017-02-07 | 2017-06-08 | 用户身份识别的方法、装置和系统 |
Country Status (2)
Country | Link |
---|---|
CN (1) | CN108513665A (zh) |
WO (1) | WO2018145377A1 (zh) |
Cited By (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110598626A (zh) * | 2019-09-10 | 2019-12-20 | 北京望问信息科技有限公司 | 一种基于脉搏波的解锁方法 |
CN110598625A (zh) * | 2019-09-10 | 2019-12-20 | 北京望问信息科技有限公司 | 一种基于脉搏波非基准特征的身份识别技术 |
CN110599188A (zh) * | 2019-09-10 | 2019-12-20 | 北京望问信息科技有限公司 | 一种基于脉搏波的支付手段 |
CN111444489A (zh) * | 2020-01-06 | 2020-07-24 | 北京理工大学 | 一种基于光电容积脉搏波传感器的双因子认证方法 |
CN112022611A (zh) * | 2020-08-20 | 2020-12-04 | 无锡商业职业技术学院 | 一种被动式关节训练器械的识别电路结构 |
WO2021135974A1 (zh) * | 2019-12-31 | 2021-07-08 | 华为技术有限公司 | 业务处理方法和系统、可穿戴设备、计算机可读存储介质 |
CN113343200A (zh) * | 2021-07-12 | 2021-09-03 | 武汉华星光电技术有限公司 | 一种电子设备解锁系统及电子设备 |
Families Citing this family (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111166310B (zh) * | 2018-11-13 | 2023-08-22 | 深圳市松恩电子科技有限公司 | 一种ppg脉搏波人体识别方法、电路及智能穿戴设备 |
CN110897622A (zh) * | 2019-12-31 | 2020-03-24 | 深圳宇朔工业设计有限公司 | 一种身份识别手环与智能物联网应用管理系统 |
CN111222498A (zh) * | 2020-03-19 | 2020-06-02 | 桂林电子科技大学 | 一种基于光电容积脉搏波的身份识别方法 |
CN111603151B (zh) * | 2020-06-17 | 2023-05-16 | 深圳智领人工智能健康科技有限公司 | 一种基于时频联合分析的无创血液成分检测方法及系统 |
CN114596097B (zh) * | 2022-05-10 | 2022-08-26 | 富算科技(上海)有限公司 | 用户识别方法、装置、电子设备和计算机可读存储介质 |
CN115830656B (zh) * | 2022-12-08 | 2023-07-14 | 辽宁科技大学 | 基于脉搏波的身份识别方法及装置 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103220564A (zh) * | 2013-04-07 | 2013-07-24 | 深圳Tcl新技术有限公司 | 识别用户身份的方法及遥控装置 |
CN103400069A (zh) * | 2013-07-29 | 2013-11-20 | 东北大学 | 一种基于功率谱分析的脉搏波身份识别装置及方法 |
US20150135310A1 (en) * | 2013-10-04 | 2015-05-14 | Salutron, Inc. | Persistent authentication using sensors of a user-wearable device |
CN105193423A (zh) * | 2015-09-25 | 2015-12-30 | 北京大学深圳研究生院 | 无创血糖检测方法、装置及系统 |
CN204926092U (zh) * | 2015-07-31 | 2015-12-30 | 北京信息科技大学 | 身份识别终端及系统 |
CN106096369A (zh) * | 2016-06-16 | 2016-11-09 | 北京小米移动软件有限公司 | 对终端用户身份验证的方法、装置及移动终端 |
-
2017
- 2017-06-08 CN CN201780005525.6A patent/CN108513665A/zh active Pending
- 2017-06-08 WO PCT/CN2017/087615 patent/WO2018145377A1/zh active Application Filing
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103220564A (zh) * | 2013-04-07 | 2013-07-24 | 深圳Tcl新技术有限公司 | 识别用户身份的方法及遥控装置 |
CN103400069A (zh) * | 2013-07-29 | 2013-11-20 | 东北大学 | 一种基于功率谱分析的脉搏波身份识别装置及方法 |
US20150135310A1 (en) * | 2013-10-04 | 2015-05-14 | Salutron, Inc. | Persistent authentication using sensors of a user-wearable device |
CN204926092U (zh) * | 2015-07-31 | 2015-12-30 | 北京信息科技大学 | 身份识别终端及系统 |
CN105193423A (zh) * | 2015-09-25 | 2015-12-30 | 北京大学深圳研究生院 | 无创血糖检测方法、装置及系统 |
CN106096369A (zh) * | 2016-06-16 | 2016-11-09 | 北京小米移动软件有限公司 | 对终端用户身份验证的方法、装置及移动终端 |
Cited By (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110598626A (zh) * | 2019-09-10 | 2019-12-20 | 北京望问信息科技有限公司 | 一种基于脉搏波的解锁方法 |
CN110598625A (zh) * | 2019-09-10 | 2019-12-20 | 北京望问信息科技有限公司 | 一种基于脉搏波非基准特征的身份识别技术 |
CN110599188A (zh) * | 2019-09-10 | 2019-12-20 | 北京望问信息科技有限公司 | 一种基于脉搏波的支付手段 |
WO2021135974A1 (zh) * | 2019-12-31 | 2021-07-08 | 华为技术有限公司 | 业务处理方法和系统、可穿戴设备、计算机可读存储介质 |
CN113127829A (zh) * | 2019-12-31 | 2021-07-16 | 华为技术有限公司 | 业务处理方法和系统、可穿戴设备、计算机可读存储介质 |
CN111444489A (zh) * | 2020-01-06 | 2020-07-24 | 北京理工大学 | 一种基于光电容积脉搏波传感器的双因子认证方法 |
CN111444489B (zh) * | 2020-01-06 | 2022-10-21 | 北京理工大学 | 一种基于光电容积脉搏波传感器的双因子认证方法 |
CN112022611A (zh) * | 2020-08-20 | 2020-12-04 | 无锡商业职业技术学院 | 一种被动式关节训练器械的识别电路结构 |
CN112022611B (zh) * | 2020-08-20 | 2022-06-21 | 无锡商业职业技术学院 | 一种被动式关节训练器械的识别电路结构 |
CN113343200A (zh) * | 2021-07-12 | 2021-09-03 | 武汉华星光电技术有限公司 | 一种电子设备解锁系统及电子设备 |
Also Published As
Publication number | Publication date |
---|---|
WO2018145377A1 (zh) | 2018-08-16 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108513665A (zh) | 用户身份识别的方法、装置和系统 | |
CN101773394B (zh) | 身份识别方法及应用该方法的身份识别系统 | |
CN105740680B (zh) | 用于基于生物信号对用户进行认证的方法和设备 | |
CA2835460C (en) | System and method for enabling continuous or instantaneous identity recognition based on physiological biometric signals | |
CN105266772B (zh) | 一种生理参数的测量方法 | |
CN108323201B (zh) | 一种身份认证的方法及装置 | |
Dar et al. | ECG based biometric identification for population with normal and cardiac anomalies using hybrid HRV and DWT features | |
CN106372611A (zh) | 基于手掌静脉特征的身份识别方法、系统及图像采集装置 | |
JP6529369B2 (ja) | 心電図信号を用いたユーザ認証方法と認証装置及びその登録装置 | |
CN109770862A (zh) | 心电信号分类方法、装置、电子设备和存储介质 | |
CN110367968B (zh) | 一种右束支阻滞检测方法、装置、设备及存储介质 | |
CN109044340B (zh) | 心电数据分类方法、装置、电子设备以及存储介质 | |
Chin et al. | Bayesian real-time QRS complex detector for healthcare system | |
KR101578167B1 (ko) | 심전도 생체정보를 이용한 실시간 개인 인증방법 | |
Pangerc et al. | Robust detection of heart beats in multimodal records using slope-and peak-sensitive band-pass filters | |
CN108992054A (zh) | 一种脉搏信号峰值点检测方法及装置 | |
CN108334766A (zh) | 电子装置、解锁方法及相关产品 | |
Hwang et al. | Variation-stable fusion for PPG-based biometric system | |
CN111067505A (zh) | 心律失常检测的方法、装置以及存储介质 | |
Bastos et al. | Double authentication model based on ppg and ecg signals | |
CN100365644C (zh) | 身份识别和鉴定方法 | |
Regouid et al. | Shifted 1d-lbp based ecg recognition system | |
Derawi et al. | Fusion of gait and ECG for biometric user authentication | |
KR101587874B1 (ko) | 단일 채널 심전도를 이용한 생체 인식 장치 및 그 방법 | |
CN110197172A (zh) | 一种基于光电血管容积信息进行身份认证的方法及装置 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
RJ01 | Rejection of invention patent application after publication | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20180907 |