CN110197172A - 一种基于光电血管容积信息进行身份认证的方法及装置 - Google Patents
一种基于光电血管容积信息进行身份认证的方法及装置 Download PDFInfo
- Publication number
- CN110197172A CN110197172A CN201910496051.0A CN201910496051A CN110197172A CN 110197172 A CN110197172 A CN 110197172A CN 201910496051 A CN201910496051 A CN 201910496051A CN 110197172 A CN110197172 A CN 110197172A
- Authority
- CN
- China
- Prior art keywords
- blood vessel
- vessel volume
- volume signal
- identity authentication
- photoelectric
- 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
- 210000004204 blood vessel Anatomy 0.000 title claims abstract description 190
- 238000000034 method Methods 0.000 title claims abstract description 40
- 230000005622 photoelectricity Effects 0.000 title abstract 7
- 238000012549 training Methods 0.000 claims abstract description 17
- 238000007781 pre-processing Methods 0.000 claims description 44
- 238000012545 processing Methods 0.000 claims description 36
- 230000002792 vascular Effects 0.000 claims description 29
- 238000001914 filtration Methods 0.000 claims description 15
- 238000009499 grossing Methods 0.000 claims description 12
- 238000004891 communication Methods 0.000 claims description 7
- 230000001755 vocal effect Effects 0.000 abstract 1
- 238000010586 diagram Methods 0.000 description 10
- 238000012986 modification Methods 0.000 description 5
- 230000004048 modification Effects 0.000 description 5
- 238000010801 machine learning Methods 0.000 description 3
- 230000006399 behavior Effects 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 238000004088 simulation Methods 0.000 description 2
- 230000004075 alteration Effects 0.000 description 1
- 238000013473 artificial intelligence Methods 0.000 description 1
- 238000013528 artificial neural network Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 238000001727 in vivo Methods 0.000 description 1
- 238000010606 normalization Methods 0.000 description 1
- 230000005693 optoelectronics Effects 0.000 description 1
- 238000002759 z-score normalization Methods 0.000 description 1
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
- 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)
- Human Computer Interaction (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Multimedia (AREA)
- Theoretical Computer Science (AREA)
- Measurement Of The Respiration, Hearing Ability, Form, And Blood Characteristics Of Living Organisms (AREA)
- Collating Specific Patterns (AREA)
Abstract
本申请提供一种基于光电血管容积信息进行身份认证的方法及装置，该方法包括：采集待认证用户的光电血管容积信号数据；对光电血管容积信号数据进行预处理，得到光电血管容积信号预处理数据；基于预先训练好的身份认证模型，根据光电血管容积信号预处理数据对待认证用户进行身份认证并确认待认证用户的预存身份；身份认证模型是通过采集不同合法用户的光电血管容积信号数据而训练得到的。本发明从根本上解决对人体进行身份认证的问题，不仅杜绝那些假冒，而且由于其难以克隆的动态性，可以大大降低像指纹、声纹等被假冒的可能性。
Description
技术领域
本申请涉及信息技术的技术领域，尤其涉及一种基于光电血管容积信息进行身份认证的方法及装置。
背景技术
目前在日常应用中，最常用的用户认证方法主要有：指纹识别、虹膜识别、声纹识别、人脸识别(2D和3D)、用户行为识别等。这些方法经过多年的发展，都能够达到较好的准确率，但是由于这些方法都是基于人体的“外显”特征，因此很容易被一些简单手段所欺骗、或者被克隆、或者被第三方收集而仿真，例如“指纹贴”、“照片”、“视频”、“仿真模型”等。所以，如何在本质上基于被验证对象是“活人”的这一核心特征，构建一种内在的、不可克隆的、不易被第三方收集的用户身份检测技术就变得格外的重要。
随着信息技术的发展，用户身份认证在多个方面都得到较好的应用，例如，现今在密码解锁、居家智能门锁等，甚至在智能支付等领域有着较好的应用趋势，但是仅仅使用传统的人体身份认证识别，存在较多的干扰因素，会导致身份认证结果不准确的问题。
因此，如何提供一种能够根据人体个人特征来实现准确、高速的活体用户认证的方案是本领域亟待解决的技术问题。
发明内容
本申请的目的在于提供一种基于光电血管容积信息进行身份认证的方法及装置，解决现有技术中没有能够根据人体个人特征来实现准确、高速的活体用户认证的技术问题。
为达到上述目的，本申请提供一种基于光电血管容积信息进行身份认证的方法，包括：
采集待认证用户的光电血管容积信号数据；
对所述光电血管容积信号数据进行预处理，得到光电血管容积信号预处理数据；
基于预先训练好的身份认证模型，根据所述光电血管容积信号预处理数据对所述待认证用户进行身份认证并确认所述待认证用户的预存身份；所述身份认证模型是通过采集不同合法用户的光电血管容积信号数据而训练得到的。
可选地，其中，采集待认证用户的光电血管容积信号数据，为：
利用指夹，和/或可穿戴设备，和/或无线通信采集设备，和/或视频摄像机连接或对准所述待认证用户的光电血管容积信号采取区域；
采集所述待认证用户的光电血管容积信号数据。
可选地，其中，对所述光电血管容积信号数据进行预处理，为：
对所述光电血管容积信号数据进行滤波处理；
将滤波后的所述光电血管容积信号数据进行平滑处理，得到稳定的光电血管容积信号预处理数据。
可选地，其中，该方法还包括：
根据所述光电血管容积信号预处理数据，得到所述待认证用户与现有数据库中现有用户的匹配概率；
将所述匹配概率与预设的概率阈值对比，输出成功或失败的认证结果。
可选地，其中，基于预先训练好的身份认证模型，根据所述光电血管容积信号预处理数据对所述待认证用户进行身份认证并确认所述待认证用户的预存身份，为：
根据现有数据库中预存的现有用户的光电血管容积信号数据及身份认证信息，进行训练得到身份认证模型；
基于预先训练好的身份认证模型，根据所述光电血管容积信号预处理数据对所述待认证用户进行身份认证并确认所述待认证用户的预存身份。
另一方面，本发明还提供一种基于光电血管容积信息进行身份认证的装置，包括：光电血管容积信号采集器、光电血管容积信号预处理器及身份认证处理器；其中，
所述光电血管容积信号采集器，与所述光电血管容积信号预处理器相连接，采集待认证用户的光电血管容积信号数据；
所述光电血管容积信号预处理器，与所述光电血管容积信号采集器及身份认证处理器相连接，对所述光电血管容积信号数据进行预处理，得到光电血管容积信号预处理数据；
所述身份认证处理器，与所述光电血管容积信号预处理器相连接，基于预先训练好的身份认证模型，根据所述光电血管容积信号预处理数据对所述待认证用户进行身份认证并确认所述待认证用户的预存身份；所述身份认证模型是通过采集不同合法用户的光电血管容积信号数据而训练得到的。
可选地，其中，所述所述光电血管容积信号采集器，包括：光电血管容积信号传感器及光电血管容积信号数据转换器；其中，
所述光电血管容积信号传感器，与所述光电血管容积信号数据转换器相连接，利用指夹，和/或可穿戴设备，和/或无线通信采集设备，和/或视频摄像机连接或对准所述待认证用户的光电血管容积信号采取区域；
所述光电血管容积信号数据转换器，与所述光电血管容积信号传感器及光电血管容积信号预处理器相连接，将所述光电血管容积信号传感器采集到的数据转换为所述待认证用户的光电血管容积信号数据。
可选地，其中，所述光电血管容积信号预处理器，包括：光电血管容积信号滤波处理单元及光电血管容积信号平滑处理单元；其中，
所述光电血管容积信号滤波处理单元，与所述光电血管容积信号采集器及光电血管容积信号平滑处理单元相连接，对所述光电血管容积信号数据进行滤波处理；
所述光电血管容积信号平滑处理单元，与所述光电血管容积信号滤波处理单元及身份认证处理器相连接。
可选地，其中，该装置还包括：身份认证输出处理器，
与所述身份认证处理器相连接，
根据所述光电血管容积信号预处理数据，得到所述待认证用户与现有数据库中现有用户的匹配概率；
将所述匹配概率与预设的概率阈值对比，输出成功或失败的认证结果。
可选地，其中，所述身份认证处理器，包括：身份认证模型搭建处理单元及用户身份认证处理单元；其中，
所述身份认证模型搭建处理单元，与所述用户身份认证处理单元相连接，根据现有数据库中预存的现有用户的光电血管容积信号数据及身份认证信息，进行训练得到身份认证模型；
所述用户身份认证处理单元，与所述身份认证模型搭建处理单元及光电血管容积信号预处理器相连接，基于预先训练好的身份认证模型，根据所述光电血管容积信号预处理数据对所述待认证用户进行身份认证并确认所述待认证用户的预存身份。
本申请的基于光电血管容积信息进行身份认证的方法及装置，实现的有益效果至少如下：
(1)本申请的基于光电血管容积信息进行身份认证的方法及装置，采集人体PPG波形信号数据进行身份认证判别，而PPG波形信号是无“活体”特征的图片、视频等所不具备的，因此，可以从根本上解决对人体进行身份认证的问题，可以有效防止利用图片、视频等方法的欺骗行为。
(2)本申请的基于光电血管容积信息进行身份认证的方法及装置，在身份认证过程中利用了机器学习方法，使认证结果准确率非常高。
(3)本申请的基于光电血管容积信息进行身份认证的方法及装置，利用多种PPG波形采集方法，如指夹、可穿戴设备、wifi、摄像机视频等，能够适用于更广泛的应用场景，为多种活体用户认证需求提供解决方案。
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，下面将对实施例或现有技术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中记载的一些实施例，对于本领域普通技术人员来讲，还可以根据这些附图获得其他的附图。
图1为本发明实施例中一种基于光电血管容积信息进行身份认证的方法的流程示意图；
图2为本发明实施例中第二种基于光电血管容积信息进行身份认证的方法的流程示意图；
图3为本发明实施例中第三种基于光电血管容积信息进行身份认证的方法的流程示意图；
图4为本发明实施例中第四种基于光电血管容积信息进行身份认证的方法的流程示意图；
图5为本发明实施例中第五种基于光电血管容积信息进行身份认证的方法的流程示意图；
图6为本发明实施例中一种基于光电血管容积信息进行身份认证的装置的结构示意图；
图7为本发明实施例中第二种基于光电血管容积信息进行身份认证的装置的结构示意图；
图8为本发明实施例中第三种基于光电血管容积信息进行身份认证的装置的结构示意图；
图9为本发明实施例中第四种基于光电血管容积信息进行身份认证的装置的结构示意图；
图10为本发明实施例中第五种基于光电血管容积信息进行身份认证的装置的结构示意图。
具体实施方式
实施例
如图1所示，图1为本实施例中一种基于光电血管容积信息进行身份认证的方法的流程示意图。本发明主要利用多种采集设备获取人体的光电血管容积信号(PPG)，然后将获取到的PPG波形与已有用户数据库中的数据进行对比，实现准确，高速的活体用户认证功能。由于采用了多种传感器获取PPG信号，因此本发明能够应用于多种应用场景下，为不同的活体用户认证需求提供解决方案。由于创新性的采用大数据和人工智能算法对波形进行比对，本发明用户认证的准确率很高。由于是基于只有“活体”才会具有的PPG信号，因此本发明能够有效的解决用户是否是“活人”这一问题。具体地，本实施例中方法包括步骤：
步骤101、采集待认证用户的光电血管容积信号数据。
获取待认证用户PPG波形数据的方法包括但不限于：指夹、可穿戴设备、wifi、摄像机视频等，通过触摸屏(如智能手机的触摸屏)，采集人体手指处图像的红色通道像素值，以PPG信号的相隔波峰计算心率，并与标准脉搏测量仪器进行数据对比，验证了通过PPG计算人体心率的可行性。
步骤102、对光电血管容积信号数据进行数据特征预处理，得到光电血管容积信号预处理数据。
步骤103、基于预先训练好的身份认证模型，根据光电血管容积信号预处理数据对待认证用户进行身份认证并确认待认证用户的预存身份；身份认证模型是通过采集不同合法用户的光电血管容积信号数据而训练得到的。
在一些可选的实施例中，如图2所示，为本实施例中第二种基于光电血管容积信息进行身份认证的方法的流程示意图，与图1中不同的是，步骤101、采集用户手指的光电血管容积信号数据，为：
步骤201、利用指夹，和/或可穿戴设备，和/或无线通信采集设备，和/或视频摄像机连接或对准待认证用户的光电血管容积信号采取区域。
步骤202、利用指夹，和/或可穿戴设备，和/或无线通信采集设备，和/或视频摄像机等信号采集设备采集待认证用户的光电血管容积信号数据。
在一些可选的实施例中，如图3所示，为本实施例中第三种基于光电血管容积信息进行身份认证的方法的流程示意图，与图1中不同的是，步骤102、对光电血管容积信号数据进行数据特征预处理,得到光电血管容积信号预处理数据，为：
步骤301、对光电血管容积信号数据进行滤波处理。
可选地，对PPG波形的预处理操作包括：滤波、平滑、归一化等处理方式，可以调用预设的Z-Score归一化模型对窗口输出光电血管容积波形信号数据进行归一化处理。
步骤302、将滤波后的光电血管容积信号数据进行平滑处理，得到稳定的光电血管容积信号预处理数据。
可选地，可以通过线性插值弥补接滤波后的光电血管容积信号数据中的丢包和时延，得到稳定的光电血管容积信号数据。
在一些可选的实施例中，如图4所示，为本实施例中第四种基于光电血管容积信息进行身份认证的方法的流程示意图，与图1中不同的是，还包括：
步骤401、根据光电血管容积信号预处理数据，得到待认证用户与现有数据库中现有用户的匹配概率。
步骤402、将匹配概率与预设的概率阈值对比，输出成功或失败的认证结果。
在一些可选的实施例中，为本实施例中基于光电血管容积信息进行身份认证的方法，还可以包括如下的光电血管容积信号预处理步骤：
对得到的光电血管容积信号预处理数据进行切割。
按照预设的数据切割整理策略，对切割后的光电血管容积信号预处理数据进行整理得到切割的光电血管容积信号数据。
可选地，对PPG波形的切割方法包括：根据单个心跳波形进行切割，和/或根据固定长度的滑动窗口方法进行切割。
在一些可选的实施例中，如图5所示，为本实施例中第五种基于光电血管容积信息进行身份认证的方法的流程示意图，与图1中不同的是，基于预先训练好的身份认证模型，根据光电血管容积信号预处理数据对待认证用户进行身份认证并确认待认证用户的预存身份，为：
步骤501、根据现有数据库中预存的现有用户的光电血管容积信号数据及身份认证信息，进行训练得到身份认证模型。
步骤502、基于预先训练好的身份认证模型，根据光电血管容积信号预处理数据对待认证用户进行身份认证并确认待认证用户的预存身份。
可选地，身份认证模型可以是通过将现有用户数据库中训练个体的身份信息数据及光电血管容积信号的训练数据，对神经网络搭建模型进行训练，得到身份信息认证的机器学习模型。用切割后的PPG波形训练机器学习模型，得到能够进行用户认证的模型，该模型即为所有合法用户的数据库。
将切割后的用户PPG波形与现有用户数据库中的PPG波形进行对比，给出在现有用户数据库的训练用户中，待认证用户认证的匹配概率，与事先设置好的概率阈值进行对比，给出“认证成功”或“认证失败”结果。
在一些可选的实施例中，如图6所示，为本实施例中一种基于光电血管容积信息进行身份认证的装置600的结构示意图，该装置用于实施上述的基于光电血管容积信息进行身份认证的方法。具体地，该装置包括：光电血管容积信号采集器601、光电血管容积信号预处理器602及身份认证处理器603。
其中，光电血管容积信号采集器601，与光电血管容积信号预处理器602相连接，采集待认证用户的光电血管容积信号数据。
光电血管容积信号预处理器602，与光电血管容积信号采集器601及身份认证处理器603相连接，对光电血管容积信号数据进行数据特征预处理,得到光电血管容积信号预处理数据。
身份认证处理器603，与光电血管容积信号预处理器602相连接，基于预先训练好的身份认证模型，根据光电血管容积信号预处理数据对待认证用户进行身份认证并确认待认证用户的预存身份；身份认证模型是通过采集不同合法用户的光电血管容积信号数据而训练得到的。
在一些可选的实施例中，如图7所示，为本实施例中第二种基于光电血管容积信息进行身份认证的装置700的结构示意图，与图6中不同的是，光电血管容积信号采集器601，包括：光电血管容积信号传感器611及光电血管容积信号数据转换器612。
其中，光电血管容积信号传感器611，与光电血管容积信号数据转换器612相连接，利用指夹，和/或可穿戴设备，和/或无线通信采集设备，和/或视频摄像机连接或对准待认证用户的光电血管容积信号采取区域。
光电血管容积信号数据转换器612，与光电血管容积信号传感器611及光电血管容积信号预处理器602相连接，将光电血管容积信号传感器采集到的数据转换为用户的光电血管容积信号数据。
在一些可选的实施例中，如图8所示，为本实施例中第三种基于光电血管容积信息进行身份认证的装置800的结构示意图，与图6中不同的是，光电血管容积信号预处理器602，包括：光电血管容积信号滤波处理单元621及光电血管容积信号平滑处理单元622。
其中，光电血管容积信号滤波处理单元621，与光电血管容积信号采集器601及光电血管容积信号平滑处理单元622相连接，对光电血管容积信号数据进行滤波处理。
光电血管容积信号平滑处理单元622，与光电血管容积信号滤波处理单元621及身份认证处理器603相连接。
在一些可选的实施例中，如图9所示，为本实施例中第四种基于光电血管容积信息进行身份认证的装置900的结构示意图，与图6中不同的是，还包括：身份认证输出处理器901，与及身份认证处理器603相连接，根据光电血管容积信号预处理数据，得到待认证用户与现有数据库中现有用户的匹配概率。
将匹配概率与预设的概率阈值对比，输出成功或失败的认证结果。
在一些可选的实施例中，本实施例中第四种基于光电血管容积信息进行身份认证的装置，其中的光电血管容积信号预处理器还可以包括：光电血管容积信号切割处理器，对光电血管容积信号预处理数据进行切割。
按照预设的数据切割整理策略，对切割后的光电血管容积信号预处理数据进行整理得到切割的光电血管容积信号数据。
在一些可选的实施例中，如图10所示，为本实施例中第五种基于光电血管容积信息进行身份认证的装置1000的结构示意图，与图6中不同的是，身份认证处理器603，包括：身份认证模型搭建处理单元631及用户身份认证处理单元632。
其中，身份认证模型搭建处理单元631，与用户身份认证处理单元632相连接，根据现有数据库中预存的现有用户的光电血管容积信号数据及身份认证信息，进行训练得到身份认证模型。
用户身份认证处理单元632，与身份认证模型搭建处理单元631及光电血管容积信号预处理器602相连接，基于预先训练好的身份认证模型，根据光电血管容积信号预处理数据对待认证用户进行身份认证并确认待认证用户的预存身份。
尽管已描述了本申请的优选实施例，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申请范围的所有变更和修改。显然，本领域的技术人员可以对本申请进行各种改动和变型而不脱离本申请的精神和范围。这样，倘若本申请的这些修改和变型属于本申请权利要求及其等同技术的范围之内，则本申请也意图包含这些改动和变型在内。
Claims (10)
1.一种基于光电血管容积信息进行身份认证的方法，其特征在于，包括：
采集待认证用户的光电血管容积信号数据；
对所述光电血管容积信号数据进行预处理，得到光电血管容积信号预处理数据；
基于预先训练好的身份认证模型，根据所述光电血管容积信号预处理数据对所述待认证用户进行身份认证并确认所述待认证用户的预存身份；所述身份认证模型是通过采集不同合法用户的光电血管容积信号数据而训练得到的。
2.根据权利要求1所述的基于光电血管容积信息进行身份认证的方法，其特征在于，采集待认证用户的光电血管容积信号数据，为：
利用指夹，和/或可穿戴设备，和/或无线通信采集设备，和/或视频摄像机连接或对准所述待认证用户的光电血管容积信号采取区域；
采集所述待认证用户的光电血管容积信号数据。
3.根据权利要求1所述的基于光电血管容积信息进行身份认证的方法，其特征在于，对所述光电血管容积信号数据进行预处理，为：
对所述光电血管容积信号数据进行滤波处理；
将滤波后的所述光电血管容积信号数据进行平滑处理，得到稳定的光电血管容积信号预处理数据。
4.根据权利要求1或3所述的基于光电血管容积信息进行身份认证的方法，其特征在于，还包括：
根据所述光电血管容积信号预处理数据，得到所述待认证用户与现有数据库中现有用户的匹配概率；
将所述匹配概率与预设的概率阈值对比，输出成功或失败的认证结果。
5.根据权利要求1所述的基于光电血管容积信息进行身份认证的方法，其特征在于，基于预先训练好的身份认证模型，根据所述光电血管容积信号预处理数据对所述待认证用户进行身份认证并确认所述待认证用户的预存身份，为：
根据现有数据库中预存的现有用户的光电血管容积信号数据及身份认证信息，进行训练得到身份认证模型；
基于预先训练好的身份认证模型，根据所述光电血管容积信号预处理数据对所述待认证用户进行身份认证并确认所述待认证用户的预存身份。
6.一种基于光电血管容积信息进行身份认证的装置，其特征在于，包括：光电血管容积信号采集器、光电血管容积信号预处理器及身份认证处理器；其中，
所述光电血管容积信号采集器，与所述光电血管容积信号预处理器相连接，采集待认证用户的光电血管容积信号数据；
所述光电血管容积信号预处理器，与所述光电血管容积信号采集器及身份认证处理器相连接，对所述光电血管容积信号数据进行预处理，得到光电血管容积信号预处理数据；
所述身份认证处理器，与所述光电血管容积信号预处理器相连接，基于预先训练好的身份认证模型，根据所述光电血管容积信号预处理数据对所述待认证用户进行身份认证并确认所述待认证用户的预存身份；所述身份认证模型是通过采集不同合法用户的光电血管容积信号数据而训练得到的。
7.根据权利要求6所述的基于光电血管容积信息进行身份认证的装置，其特征在于，所述所述光电血管容积信号采集器，包括：光电血管容积信号传感器及光电血管容积信号数据转换器；其中，
所述光电血管容积信号传感器，与所述光电血管容积信号数据转换器相连接，利用指夹，和/或可穿戴设备，和/或无线通信采集设备，和/或视频摄像机连接或对准所述待认证用户的光电血管容积信号采取区域；
所述光电血管容积信号数据转换器，与所述光电血管容积信号传感器及光电血管容积信号预处理器相连接，将所述光电血管容积信号传感器采集到的数据转换为所述待认证用户的光电血管容积信号数据。
8.根据权利要求6所述的基于光电血管容积信息进行身份认证的装置，其特征在于，所述光电血管容积信号预处理器，包括：光电血管容积信号滤波处理单元及光电血管容积信号平滑处理单元；其中，
所述光电血管容积信号滤波处理单元，与所述光电血管容积信号采集器及光电血管容积信号平滑处理单元相连接，对所述光电血管容积信号数据进行滤波处理；
所述光电血管容积信号平滑处理单元，与所述光电血管容积信号滤波处理单元及身份认证处理器相连接。
9.根据权利要求6或8所述的基于光电血管容积信息进行身份认证的装置，其特征在于，还包括：身份认证输出处理器，与所述身份认证处理器相连接，
根据所述光电血管容积信号预处理数据，得到所述待认证用户与现有数据库中现有用户的匹配概率；
将所述匹配概率与预设的概率阈值对比，输出成功或失败的认证结果。
10.根据权利要求6所述的基于光电血管容积信息进行身份认证的装置，其特征在于，所述身份认证处理器，包括：身份认证模型搭建处理单元及用户身份认证处理单元；其中，
所述身份认证模型搭建处理单元，与所述用户身份认证处理单元相连接，根据现有数据库中预存的现有用户的光电血管容积信号数据及身份认证信息，进行训练得到身份认证模型；
所述用户身份认证处理单元，与所述身份认证模型搭建处理单元及光电血管容积信号预处理器相连接，基于预先训练好的身份认证模型，根据所述光电血管容积信号预处理数据对所述待认证用户进行身份认证并确认所述待认证用户的预存身份。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910496051.0A CN110197172B (zh) | 2019-06-10 | 2019-06-10 | 一种基于光电血管容积信息进行身份认证的方法及装置 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910496051.0A CN110197172B (zh) | 2019-06-10 | 2019-06-10 | 一种基于光电血管容积信息进行身份认证的方法及装置 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN110197172A true CN110197172A (zh) | 2019-09-03 |
| CN110197172B CN110197172B (zh) | 2021-10-19 |
Family
ID=67754268
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201910496051.0A Active CN110197172B (zh) | 2019-06-10 | 2019-06-10 | 一种基于光电血管容积信息进行身份认证的方法及装置 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN110197172B (zh) |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111062021A (zh) * | 2019-12-19 | 2020-04-24 | 清华大学 | 一种基于可穿戴设备进行身份认证的方法及装置 |
| CN111325118A (zh) * | 2020-02-07 | 2020-06-23 | 清华大学 | 一种基于视频进行身份认证的方法及视频设备 |
Citations (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20150229341A1 (en) * | 2013-04-06 | 2015-08-13 | Honda Motor Co., Ltd. | System and method for capturing and decontaminating photoplethysmopgraphy (ppg) signals in a vehicle |
| CN106473750A (zh) * | 2016-10-08 | 2017-03-08 | 西安电子科技大学 | 基于光电容积脉搏波最佳周期波形的身份识别方法 |
| US20180067565A1 (en) * | 2015-08-07 | 2018-03-08 | Fitbit, Inc. | User identification via motion and heartbeat waveform data |
| CN108323201A (zh) * | 2016-11-16 | 2018-07-24 | 华为技术有限公司 | 一种身份认证的方法及装置 |
| CN108334868A (zh) * | 2018-03-21 | 2018-07-27 | 华南师范大学 | 一种基于ppg信号和图像增强的脉象分析方法 |
| CN108451513A (zh) * | 2017-02-22 | 2018-08-28 | 清华大学深圳研究生院 | 一种贴片式生理多参数监测设备 |
| CN109243465A (zh) * | 2018-12-06 | 2019-01-18 | 平安科技（深圳）有限公司 | 声纹认证方法、装置、计算机设备以及存储介质 |
| CN109475328A (zh) * | 2016-06-09 | 2019-03-15 | 因赛特系统公司 | 用于检测生物特性的集成发光显示器及传感器 |
| CN109858366A (zh) * | 2018-12-28 | 2019-06-07 | 龙马智芯（珠海横琴）科技有限公司 | 身份认证方法及装置 |
-
2019
- 2019-06-10 CN CN201910496051.0A patent/CN110197172B/zh active Active
Patent Citations (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20150229341A1 (en) * | 2013-04-06 | 2015-08-13 | Honda Motor Co., Ltd. | System and method for capturing and decontaminating photoplethysmopgraphy (ppg) signals in a vehicle |
| US20180067565A1 (en) * | 2015-08-07 | 2018-03-08 | Fitbit, Inc. | User identification via motion and heartbeat waveform data |
| CN109475328A (zh) * | 2016-06-09 | 2019-03-15 | 因赛特系统公司 | 用于检测生物特性的集成发光显示器及传感器 |
| CN106473750A (zh) * | 2016-10-08 | 2017-03-08 | 西安电子科技大学 | 基于光电容积脉搏波最佳周期波形的身份识别方法 |
| CN108323201A (zh) * | 2016-11-16 | 2018-07-24 | 华为技术有限公司 | 一种身份认证的方法及装置 |
| CN108451513A (zh) * | 2017-02-22 | 2018-08-28 | 清华大学深圳研究生院 | 一种贴片式生理多参数监测设备 |
| CN108334868A (zh) * | 2018-03-21 | 2018-07-27 | 华南师范大学 | 一种基于ppg信号和图像增强的脉象分析方法 |
| CN109243465A (zh) * | 2018-12-06 | 2019-01-18 | 平安科技（深圳）有限公司 | 声纹认证方法、装置、计算机设备以及存储介质 |
| CN109858366A (zh) * | 2018-12-28 | 2019-06-07 | 龙马智芯（珠海横琴）科技有限公司 | 身份认证方法及装置 |
Non-Patent Citations (1)
| Title |
|---|
| THEERAWIT WILAIPRASITPORN 等: "Affective EEG-Based Person Identification Using the Deep Learning Approach", 《JOURNAL OF LATEX CLASS FILES》 * |
Cited By (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111062021A (zh) * | 2019-12-19 | 2020-04-24 | 清华大学 | 一种基于可穿戴设备进行身份认证的方法及装置 |
| CN111062021B (zh) * | 2019-12-19 | 2022-03-11 | 清华大学 | 一种基于可穿戴设备进行身份认证的方法及装置 |
| CN111325118A (zh) * | 2020-02-07 | 2020-06-23 | 清华大学 | 一种基于视频进行身份认证的方法及视频设备 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN110197172B (zh) | 2021-10-19 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN104933344B (zh) | 基于多生物特征模态的移动终端用户身份认证装置及方法 | |
| CN107644191A (zh) | 一种人脸识别方法及系统、终端及服务器 | |
| CN103761465A (zh) | 一种身份验证的方法及装置 | |
| CN104834849A (zh) | 基于声纹识别和人脸识别的双因素身份认证方法及系统 | |
| CN111062021B (zh) | 一种基于可穿戴设备进行身份认证的方法及装置 | |
| CN107392177A (zh) | 一种人体身份识别验证方法及其装置 | |
| CN110287918A (zh) | 活体识别方法及相关产品 | |
| EP2148295A1 (en) | Vein pattern management system, vein pattern registration device, vein pattern authentication device, vein pattern registration method, vein pattern authentication method, program, and vein data structure | |
| CN110197172B (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 | |
| CN106874722A (zh) | 一种基于心电信号的身份识别方法及其装置 | |
| CN111445640A (zh) | 基于虹膜识别的快递取件方法、装置、设备及存储介质 | |
| CN110188715A (zh) | 一种多帧检测投票的视频人脸活体检测方法 | |
| CN108446690A (zh) | 一种基于多视角动态特征的人脸活体检测方法 | |
| CN103136522A (zh) | 指静脉识别技术方案 | |
| CN109409314A (zh) | 一种基于增强网络的手指静脉识别方法及系统 | |
| CN113343198A (zh) | 一种基于视频的随机手势认证方法及系统 | |
| CN100365644C (zh) | 身份识别和鉴定方法 | |
| CN110222647B (zh) | 一种基于卷积神经网络的人脸活体检测方法 | |
| EP2148302A1 (en) | Vein pattern management system, vein pattern registration device, vein pattern authentication device, vein pattern registration method, vein pattern authentication method, program, and vein data structure | |
| CN111444830A (zh) | 基于超声回波信号的成像的方法、装置、存储介质及电子装置 | |
| CN204576520U (zh) | 基于声纹识别和人脸识别的双因素身份认证装置 | |
| CN113011544B (zh) | 基于二维码的人脸生物信息识别方法、系统、终端、介质 | |
| CN111325118A (zh) | 一种基于视频进行身份认证的方法及视频设备 | |
| CN109919050B (zh) | 身份识别方法和装置 | |
| Derawi et al. | Fusion of gait and ECG for biometric user authentication |
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 | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |