CN110968854A - 坐姿身份认证方法及装置 - Google Patents

Abstract

本发明公开了一种坐姿身份认证方法及装置，其中，方法包括以下步骤：获取当前用户使用的身份认证类型；采集当前用户的坐姿压力数据；根据身份认证类型和坐姿压力数据获取身份认证结果，和/或向与坐姿身份认证相关联的设备发送身份认证结果、身份认证类型和/或坐姿压力数据，以执行相应业务。该方法通过采集用户的坐姿压力数据，实现对用户进行身份认证的功能，改善了传统生物认证方式需要人为录入数据的不便性，从而有效提高了身份认证的便捷性，提升用户的使用体验，简单易实现。

Description

坐姿身份认证方法及装置

技术领域

本发明涉及人工智能和信息安全的交叉技术领域，特别涉及一种坐姿身份认证方法及装置。

背景技术

基于生物特征进行身份认证的方法已经在许多系统和设备中得到应用。例如利用人脸和指纹对设备进行解锁，获得应用的访问权限，或者进行网上支付等。由于生物特征具有不易遗忘，不易伪造等优势，使用生物特征进行身份认证的系统和设备也越来越受到用户欢迎。

但是对于某些特定场合，如办公室考勤打卡，保密会议的参会者身份认证，汽车的车主身份认证等，在使用指纹或者人脸进行认证时，由于用户需要主动配合参与指纹和人脸图像的采集，会在一定程度上给用户造成心理负担。另外，考虑到这些场合中，用户一般保持坐着的状态，而且用户的身份一般都是固定的，系统可以源源不断地获取用户的坐姿数据，这些坐姿数据可以用于后续模型改进和性能升级。

发明内容

本发明旨在至少在一定程度上解决相关技术中的技术问题之一。

为此，本发明的一个目的在于提出一种坐姿身份认证方法，该方法有效提高了身份认证的便捷性，提升用户的使用体验，简单易实现。

本发明的另一个目的在于提出一种坐姿身份认证装置。

为达到上述目的，本发明一方面实施例提出了一种坐姿身份认证方法，包括以下步骤：获取当前用户使用的身份认证类型；采集所述当前用户的坐姿压力数据；根据所述身份认证类型和所述坐姿压力数据获取身份认证结果，和/或向与所述坐姿身份认证相关联的设备发送所述身份认证结果、所述身份认证类型和/或所述坐姿压力数据，以执行相应业务。

本发明实施例的坐姿身份认证方法，通过采集用户的坐姿压力数据，实现对用户进行身份认证的功能，改善了传统生物认证方式需要人为录入数据的不便性，从而有效提高了身份认证的便捷性，提升用户的使用体验，简单易实现。

另外，根据本发明上述实施例的坐姿身份认证方法还可以具有以下附加的技术特征：

进一步地，在本发明的一个实施例中，所述获取用户当前使用的身份认证类型，进一步包括：如果所述当前用户拥有选择身份认证类型的权限，并发起身份认证类型选择请求时，则确定所述身份认证类型为用户所选择的身份认证类型；如果所述当前用户无拥有所述选择身份认证类型的权限，或未发起所述身份认证类型选择请求时，则所述身份认证类型为预设的身份认证类型。

进一步地，在本发明的一个实施例中，所述身份认证类型包括第一身份认证类型和第二身份认证类型，其中，如果所述身份认证类型为第一身份认证类型时，在采集所述当前用户的坐姿压力数据之前，还包括：获取所述当前用户的登录账号。

进一步地，在本发明的一个实施例中，所述根据所述身份认证类型和所述坐姿压力数据获取身份认证结果，进一步包括：在所述身份认证类型为所述第一身份认证类型时，通过所述登录账号获取对应的注册账号；获取所述注册账号相对应的预存储的坐姿压力信息；对所述坐姿压力数据进行预处理；根据预处理后的坐姿压力数据与所述注册账号相对应的预存储的坐姿压力信息之间的相似度；如果所述相似度大于第一预设阈值，则判定所述登录账号与所述坐姿压力数据相匹配，并获取所述身份证结果。

进一步地，在本发明的一个实施例中，所述根据所述身份认证类型和所述坐姿压力数据获取身份认证结果，进一步包括：在所述身份认证类型为所述第二身份认证类型时，获取所有注册账号相对应的预存储的坐姿压力信息；对所述坐姿压力数据进行预处理；获取所述预处理后的坐姿压力数据与每个注册账号相对应的预存储的坐姿压力信息之间的相似度；将所有相似度进行排序，并将最高的相似度与第二预设阈值进行比较；如果所述最高的相似度得分高于第二预设阈值，则判定相似度最高的坐姿压力信息所对应的注册账号为所述身份认证结果，并判定身份验证成功，否则判定身份验证失败。

进一步地，在本发明的一个实施例中，所述采集所述当前用户的坐姿压力数据，进一步包括：启动压力传感器，并采集初始坐姿压力数据；判断所述当前用户是否以预设方式坐在所述压力传感器上；如果是，则采集一帧或多帧所述坐姿压力数据。

进一步地，在本发明的一个实施例中，所述判断所述当前用户是否以预设方式坐在所述压力传感器上，进一步包括：获取所述初始坐姿压力数据的一种或多种统计信息；在所述一种或多种统计信息符合预设条件时，确定用户以所述预设方式坐在所述压力传感器上。

为达到上述目的，本发明另一方面实施例提出了一种坐姿身份认证装置，包括：确认模块，用于获取当前用户使用的身份认证类型；获取模块，用于采集所述当前用户的坐姿压力数据；认证和输出模块，用于根据所述身份认证类型和所述坐姿压力数据获取身份认证结果，和/或向与所述坐姿身份认证相关联的设备发送所述身份认证结果、所述身份认证类型和/或所述坐姿压力数据，以执行相应业务。

本发明实施例的坐姿身份认证装置，通过采集用户的坐姿压力数据，实现对用户进行身份认证的功能，改善了传统生物认证方式需要人为录入数据的不便性，从而有效提高了身份认证的便捷性，提升用户的使用体验，简单易实现。

另外，根据本发明上述实施例的坐姿身份认证装置还可以具有以下附加的技术特征：

进一步地，在本发明的一个实施例中，所述确认模块进一步用于在所述当前用户拥有选择身份认证类型的权限，并发起身份认证类型选择请求时，确定所述身份认证类型为用户所选择的身份认证类型；在所述当前用户无拥有所述选择身份认证类型的权限，或未发起所述身份认证类型选择请求时，所述身份认证类型为预设的身份认证类型，其中，所述身份认证类型包括第一身份认证类型和第二身份认证类型。

进一步地，在本发明的一个实施例中，所述认证和输出模块进一步用于：

在所述身份认证类型为所述第一身份认证类型时，通过所述登录账号获取对应的注册账号，且获取所述注册账号相对应的预存储的坐姿压力信息，并对所述坐姿压力数据进行预处理，并根据预处理后的坐姿压力数据与所述注册账号相对应的预存储的坐姿压力信息之间的相似度，且在所述相似度大于第一预设阈值时，判定所述登录账号与所述坐姿压力数据相匹配，并获取所述身份证结果；

在所述身份认证类型为所述第二身份认证类型时，获取所有注册账号相对应的预存储的坐姿压力信息，且对所述坐姿压力数据进行预处理，并获取所述预处理后的坐姿压力数据与每个注册账号相对应的预存储的坐姿压力信息之间的相似度，并将所有相似度进行排序，并将最高的相似度与第二预设阈值进行比较，且在所述最高的相似度得分高于第二预设阈值时，判定相似度最高的坐姿压力信息所对应的注册账号为所述身份认证结果，并判定身份验证成功，否则判定身份验证失败。

本发明附加的方面和优点将在下面的描述中部分给出，部分将从下面的描述中变得明显，或通过本发明的实践了解到。

附图说明

本发明上述的和/或附加的方面和优点从下面结合附图对实施例的描述中将变得明显和容易理解，其中：

图1为根据本发明一个实施例的坐姿身份认证方法的流程图；

图2为根据本发明另一个实施例的坐姿身份认证方法的流程图；

图3为根据本发明再一个实施例的坐姿身份认证方法的流程图；

图4为根据本发明一个实施例的坐姿身份认证装置的结构示意图；

图5为根据本发明另一个实施例的坐姿身份认证装置的结构示意图；

图6为根据本发明再一个实施例的坐姿身份认证装置的结构示意图。

具体实施方式

下面详细描述本发明的实施例，所述实施例的示例在附图中示出，其中自始至终相同或类似的标号表示相同或类似的元件或具有相同或类似功能的元件。下面通过参考附图描述的实施例是示例性的，旨在用于解释本发明，而不能理解为对本发明的限制。

下面参照附图描述根据本发明实施例提出的坐姿身份认证方法及装置，首先将参照附图描述根据本发明实施例提出的坐姿身份认证方法。

图1是本发明一个实施例的坐姿身份认证方法的流程图。

如图1所示，该坐姿身份认证方法包括以下步骤：

步骤101，确定用户当前使用的身份认证类型；

步骤102，采集用户的坐姿压力数据；

步骤103，根据用户当前所使用的身份认证类型来进行身份认证；

步骤104，给出身份认证的结果，或向与坐姿身份认证装置相关联的设备发送身份认证信息，以执行相应业务。

为了便于理解，下面以一具体实施例对本发明中的坐姿身份认证方法进行描述，如图2所示，图2示出了本发明坐姿身份认证方法的另一个实施例，本发明实施例方法包括：

步骤21，确定用户当前使用的身份认证类型；

其中，所属的身份认证类型包括第一身份认证类型和第二身份认证类型，首先需要确定用户当前所使用的是哪一种身份认证类型，然后根据身份认证类别进行后续操作。

具体地，若用户拥有选择身份认证类型的权限并发起了身份认证类型选择的请求时，系统就将身份认证类型设定为用户所选择的身份类型；若用户不拥有选择身份认证类型的权限或未发起身份认证类型选择请求时，系统就将身份认证类型设定为默认的身份认证类型。默认的身份认证类型为第一身份认证类型或第二身份认证类型，具体设定可根据实际情况确定。

需要说明的是，对于系统只能提供一种身份认证类型或被设定为只使用一种身份认证类型的情况，系统可自动跳过确定用户当前使用的身份认证类型这一步骤，直接使用预先设定的身份认证类型。

若确定用户当前使用的身份认证类型为第一身份认证类型，则执行步骤2201，若为第二身份认证类型，则执行步骤2211；

步骤2201，采集用户的坐姿压力数据；

在采集用户的坐姿压力数据之前，系统首先启动压力传感器采集初始压力数据，并获取初始压力数据的一种或多种统计信息，然后通过检测其是否符合预设的可变化范围来确定用户是否以预设的方式坐在压力传感器上。这样一方面可以有效减少不合格的压力数据，提高识别准确率，另一方面可以避免其他物体位于压力传感器上时对数据采集产生干扰。

在确定用户以预设的方式坐在压力传感器上之后，采集一帧或多帧用户的坐姿压力数据。

步骤2202，获取用户的登录账号，并通过用户的登录账号找到与之对应的注册账号；

步骤2202是针对身份认证类型为第一身份认证类型的情况。在这种情况下，系统需要获取用户的登录账号，获取的方式可以是用户提供，也可以是系统自动确定。系统根据登录账号找到数据库中与之对应的注册账号，此处相对应的意思是两者为同一账户。如果在系统无法在数据库中找到注册账号，则该登录账号无效，系统给出提示后退出。

步骤2203，获取注册账号相对应的预存储的坐姿压力数据；

系统找到与登录账号对应的注册账号以后，获取存储在数据库中的该注册账号所对应的坐姿压力数据。

步骤2204，对采集的坐姿压力数据和预存储的坐姿压力数据进行预处理；

坐姿压力数据的表示形式可以是二维或三维的矩阵，也可以是二维或三维的场量。对于采集的压力数据，常常需要进行数据预处理，以便后续操作。当预存储的坐姿压力数据与采集的坐姿压力数据为同一形式时，需要同时对两者进行预处理。

可选地，对于二维矩阵形式的坐姿压力数据，可以作为图片的形式进行数据处理。具体地，预处理的方式包括但不限于降噪、平滑处理、数值归一化、平移、旋转、裁剪等。

步骤2205，使用第一神经网络算法计算采集的坐姿压力数据与注册账号相对应的预存储的坐姿压力数据之间的相似度得分；

将经预处理过后的采集的坐姿压力数据和经预处理过后的注册账号相对应的预存储的坐姿压力数据输入到第一神经网络算法中。第一神经网络算法的功能为对于任意的两组坐姿压力数据，可以得到一个唯一的输出，相似度得分，表示两组数据之间的相似程度。相似度得分越高，表明两组数据越相似，因此来自于同一个人的可能性就越大。神经网络的网络类型、网络的运算方式和运算次数、输入类别、组成结构、是否有子网络以及各个子网络之间的逻辑连接方式等，本发明实施例在此都不做限制。

步骤2206，若相似度得分高于第一预设阈值，则判定用户的登录账号与用户的坐姿压力信息相匹配，用户通过身份验证；

对于第一身份认证类型来说，该坐姿身份认证方法实施例提供的身份认证功能为检测用户的登录账号与用户的坐姿压力信息是否相匹配。若相似度得分高于第一预设阈值，则表明采集的坐姿压力数据和注册账号对应的预存储的坐姿压力数据来自于同一个人，由于注册账号通过登录账号来确定，因此可判定用户的登录账号与用户的坐姿压力信息相匹配，故用户通过身份验证。

第一预设阈值的取值需根据实际情况来进行设定，以达到满足应用需求的容错率和误判率。另外，第一预设阈值也可以通过自适应方法得到，即通过系统状态来更新取值。本发明实施例对此不做具体限定。

步骤2211，采集用户的坐姿压力数据；

具体操作方法同步骤2201；

步骤2212，获取所有注册账号相对应的预存储的坐姿压力数据；

对于第二身份认证类型，系统无法或无需获得用户的登录账号，因此需要调取所有注册账号相对应的预存储的坐姿压力数据。

步骤2213，对采集的坐姿压力数据和预存储的坐姿压力数据进行预处理；

预处理的方法请参阅步骤2204；

步骤2214，对于每一个注册账号，使用第一神经网络算法计算采集的坐姿压力数据与注册账号相对应的预存储的坐姿压力数据之间的相似度得分；

对每一个注册账号，系统计算得到一个该注册账号所对应的预存储的坐姿压力数据和采集的坐姿压力数据之间的相似度得分。计算相似度得分的内容请参阅步骤2205。

步骤2215，将所有相似度得分进行排序，并将最高的相似度得分与第二预设阈值进行比较；

步骤2216，若最高的相似度得分高于第二预设阈值，则判定相似度得分最高的坐姿压力信息所对应的注册账号为用户身份认证的结果，并判定用户通过身份验证，否则，判定用户无法通过身份验证。

在步骤2215和步骤2216中，系统通过比较所有的相似度得分，可以得到按序排列的一组相似度得分。选取最高的那个相似度得分与第二预设阈值进行比较，若其高于第二预设阈值，则该组坐姿压力数据所对应的注册账号与用户的坐姿压力数据相匹配。

用户身份认证的结果可以给出相匹配的注册账号，例如考勤系统，也可以只给出用户已存在的判定结果,例如门禁系统。

步骤23，给出身份认证的结果，或向与坐姿身份认证装置相关联的设备发送身份认证信息，以执行相应业务。

由于选取算法的不同，本发明中坐姿身份认证方法的具体实施方式也有不同，下面以另一具体实施例对本发明中的坐姿身份认证方法进行描述，请参阅图3，图3示出了本发明坐姿身份认证方法的另一个实施例，本发明实施例方法包括：

步骤31，确定用户当前使用的身份认证类型；

具体操作方法同步骤21；

步骤3201，采集用户的坐姿压力数据；

具体操作方法同步骤2201；

步骤3202，获取用户的登录账号，并通过用户的登录账号找到与之对应的注册账号；

具体操作方法同步骤2202；

步骤3203，获取注册账号相对应的预存储的坐姿压力特征值；

与步骤2203不同的是，预存储的坐姿压力信息不是坐姿压力数据，而是坐姿压力特征值。坐姿压力特征值的获取方法请参阅步骤3205。

步骤3204，对采集的坐姿压力数据进行预处理；

预处理的方法请参阅步骤2204；

步骤3205，使用神经网络或机器学习的方法计算采集的坐姿压力数据的特征值，得到采集的坐姿压力特征值；

神经网络或机器学习的方法用来将采集的一组坐姿压力数据映射到某一数据空间中，得到一个或多个一维向量、二维或三维矩阵、二维或三维张量或它们的任意组合形式，称之为坐姿压力特征值。

对于预存储的注册账号来说，预存储的坐姿压力特征值唯一代表了这个注册账号的坐姿压力数据，同样对于采集的坐姿压力数据来说，也是如此。本发明实施例对神经网络算法和机器学习算法的类型均不做具体限定。

步骤3206，使用第二神经网络算法计算采集的坐姿压力特征值与注册账号相对应的预存储的坐姿压力特征值之间的相似度得分；

将采集的坐姿压力特征值和预存储的坐姿压力特征值输入到第二神经网络算法中。第二神经网络算法的功能为对于任意的两组坐姿压力特征值，可以得到一个唯一的输出，相似度得分，表示两组特征值之间的相似程度。相似度得分越高，表明两组特征值越相似，同时由于坐姿压力特征值与坐姿压力数据之间的唯一对应关系，也表明两组压力数据越相似，因此来自于同一个人的可能性就越大。神经网络的网络类型、网络的运算方式和运算次数、输入类别、组成结构、是否有子网络以及各个子网络之间的逻辑连接方式等，本发明实施例在此都不做限制。

步骤3207，若相似度得分高于第一预设阈值，则判定用户的登录账号与用户的坐姿压力信息相匹配，用户通过身份验证；

具体操作方法同步骤2206；

步骤3211，采集用户的坐姿压力数据；

具体操作方法同步骤2201；

步骤3212，获取所有注册账号相对应的预存储的坐姿压力特征值；

具体操作方法同步骤2202；

步骤3213，对采集的坐姿压力数据进行预处理；

预处理的方法请参阅步骤2204；

步骤3214，使用神经网络或机器学习的方法计算采集的坐姿压力数据的特征值，得到采集的坐姿压力特征值；

步骤3215，对于每一个注册账号，使用第二神经网络算法计算采集的坐姿压力特征值与注册账号相对应的预存储的坐姿压力特征值之间的相似度得分；

步骤3216，将所有相似度得分进行排序，并将最高的相似度得分与第二预设阈值进行比较；

步骤3217，若最高的相似度得分高于第二预设阈值，则判定相似度得分最高的坐姿压力信息所对应的注册账号为用户身份认证的结果，并判定用户通过身份验证，否则，判定用户无法通过身份验证。

步骤33，给出身份认证的结果，或向与坐姿身份认证装置相关联的设备发送身份认证信息，以执行相应业务。

根据本发明实施例提出的坐姿身份认证方法，通过采集用户的坐姿压力数据，实现对用户进行身份认证的功能，改善了传统生物认证方式需要人为录入数据的不便性，从而有效提高了身份认证的便捷性，提升用户的使用体验，简单易实现。

其次参照附图描述根据本发明实施例提出的坐姿身份认证装置。

图4是本发明一个实施例的坐姿身份认证装置的结构示意图。

如图4所示，该坐姿身份认证装置40包括：

确定模块41，用于确定用户当前使用的身份认证类型；

获取模块42，用于采集用户的坐姿压力数据；

认证模块43，用于根据用户当前所使用的身份认证类型来进行身份认证；

输出模块44，用于给出身份认证的结果，或向与坐姿身份认证装置相关联的设备发送身份认证信息，以执行相应业务。

本发明实施例中的坐姿身份认证装置40可应用在办公室、会议室、教室、候车室、汽车飞机等的驾驶舱内。可将压力传感设备安装在座椅上，通过实时采集坐姿压力数据，对坐在座椅上的用户的身份进行识别或认证。

为了便于理解，下面以一具体实施例对本发明中的坐姿身份认证装置40进行描述，请参阅图5，坐姿身份认证装置40包括：

确定模块41，用于确定用户当前使用的身份认证类型；

当坐姿身份认证装置处于工作状态时，若用户拥有选择身份认证类型的权限时，确定模块41发出选择身份认证类型的提示，如果用户在规定时间内成功选择了身份认证类型，确定模块41就将身份认证类型设定为用户所选择的身份类型；若用户不拥有选择身份认证类型的权限或未在规定时间内选择身份认证类型，确定模块41就将身份认证类型设定为默认的身份认证类型。默认的身份认证类型为第一身份认证类型或第二身份认证类型，具体设定可根据实际情况确定。

获取模块42，用于采集用户的坐姿压力数据；

获取模块42包括部署在座椅上的压力传感器设备以及位于处理器上相对应的处理程序；

认证模块43，用于根据用户当前所使用的身份认证类型来进行身份认证；

输出模块44，用于给出身份认证的结果，或向与坐姿身份认证装置相关联的设备发送身份认证信息，以执行相应业务。

具体地，获取模块42包括：

坐姿核对单元421，用于启动压力传感器，采集初始压力数据，并确定用户以预设的方式坐在压力传感器上；

在采集用户的坐姿压力数据之前，坐姿核对单元421首先启动压力传感器采集初始压力数据，并获取初始压力数据的一种或多种统计信息，然后通过检测其是否符合预设的可变化范围来确定用户是否以预设的方式坐在压力传感器上。

压力采集单元422，用于采集一帧或多帧用户的坐姿压力数据。

当坐姿核对单元421确定用户以预设方式坐在传感器上以后，压力采集单元422使用坐姿压力传感器来采集一帧或多帧用户的坐姿压力数据。压力采集单元422的工作频率可以设定为5帧/秒、10帧/秒、10帧/秒等，本发明实施例对此不作具体限定。在采集数据的过程中，应提醒用户尽量避免大幅度的移动或高频率的晃动。

具体地，认证模块43包括：

存储单元431，用于存储注册账号和预存储的坐姿压力数据；

预处理单元432，用于对采集的坐姿压力数据和预存储的坐姿压力数据进行预处理；

比较单元433，用于根据用户当前所使用的身份类型来计算相似度得分，获得身份认证的结果，并判定用户是否通过身份验证。

进一步地，当用户当前所使用的身份类型为第一身份认证类型时，比较单元433具体用于：

获取用户的登录账号,并通过用户的登录账号找到与之对应的注册账号；

获取注册账号相对应的预存储的坐姿压力数据；

使用第一神经网络算法计算采集的坐姿压力数据与注册账号相对应的预存储的坐姿压力数据之间的相似度得分；

若相似度得分高于第一预设阈值，则判定用户的登录账号与用户的坐姿压力信息相匹配，用户通过身份验证。

当用户当前所使用的身份类型为第二身份认证类型时，比较单元433具体用于：

获取所有注册账号相对应的预存储的坐姿压力数据；

对于每一个注册账号，使用第一神经网络算法计算采集的坐姿压力数据与注册账号相对应的预存储的坐姿压力数据之间的相似度得分；

将所有相似度得分进行排序，并将最高的相似度得分与第二预设阈值进行比较；

若最高的相似度得分高于第二预设阈值，则判定相似度得分最高的坐姿压力信息所对应的注册账号为用户身份认证的结果，并判定用户通过身份验证，否则，判定用户无法通过身份验证。

由于涉及到的身份认证方法不同，坐姿身份认证装置功能模块的结构和执行的功能也不同，下面以另一具体实施例对本发明中的坐姿身份认证装置40进行描述，请参阅图6，坐姿身份认证装置40包括：

确定模块41，用于确定用户当前使用的身份认证类型；

获取模块42，用于采集用户的坐姿压力数据；

认证模块43，用于根据用户当前所使用的身份认证类型来进行身份认证；

输出模块44，用于给出身份认证的结果，或向与坐姿身份认证装置相关联的设备发送身份认证信息，以执行相应业务。

具体地，获取模块44包括：

坐姿核对单元421，用于启动压力传感器，采集初始压力数据，并确定用户以预设的方式坐在压力传感器上；

压力采集单元422，用于采集一帧或多帧用户的坐姿压力数据。

具体地，认证模块43包括：

存储单元431，用于存储注册账号和预存储的坐姿压力数据；

预处理单元432，用于对采集的坐姿压力数据和预存储的坐姿压力数据进行预处理；

映射单元434，用于根据坐姿压力数据来获得坐姿压力特征值；

比较单元433，用于根据用户当前所使用的身份类型来计算相似度得分，获得身份认证的结果，并判定用户是否通过身份验证。

进一步地，映射单元434具体用于使用神经网络或机器学习的方法计算采集的坐姿压力数据的特征值，得到采集的坐姿压力特征值。

进一步地，当用户当前所使用的身份类型为第一身份认证类型时，比较单元433具体用于：

获取用户的登录账号，并通过用户的登录账号找到与之对应的注册账号；

获取注册账号相对应的预存储的坐姿压力特征值；

使用第二神经网络算法计算采集的坐姿压力特征值与注册账号相对应的预存储的坐姿压力特征值之间的相似度得分；

若相似度得分高于第一预设阈值，则判定用户的登录账号与用户的坐姿压力信息相匹配，用户通过身份验证。

当用户当前所使用的身份类型为第二身份认证类型时，比较单元433具体用于：

获取所有注册账号相对应的预存储的坐姿压力特征值；

对于每一个注册账号，使用第二神经网络算法计算采集的坐姿压力特征值与注册账号相对应的预存储的坐姿压力特征值之间的相似度得分；

将所有相似度得分进行排序，并将最高的相似度得分与第二预设阈值进行比较；

若最高的相似度得分高于第二预设阈值，则判定相似度得分最高的坐姿压力信息所对应的注册账号为用户身份认证的结果，并判定用户通过身份验证，否则，判定用户无法通过身份验证。

根据本发明实施例提出的坐姿身份认证装置，通过采集用户的坐姿压力数据，实现对用户进行身份认证的功能，改善了传统生物认证方式需要人为录入数据的不便性，从而有效提高了身份认证的便捷性，提升用户的使用体验，简单易实现。

此外，术语“第一”、“第二”仅用于描述目的，而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量。由此，限定有“第一”、“第二”的特征可以明示或者隐含地包括至少一个该特征。在本发明的描述中，“多个”的含义是至少两个，例如两个，三个等，除非另有明确具体的限定。

在本说明书的描述中，参考术语“一个实施例”、“一些实施例”、“示例”、“具体示例”、或“一些示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本发明的至少一个实施例或示例中。在本说明书中，对上述术语的示意性表述不必须针对的是相同的实施例或示例。而且，描述的具体特征、结构、材料或者特点可以在任一个或多个实施例或示例中以合适的方式结合。此外，在不相互矛盾的情况下，本领域的技术人员可以将本说明书中描述的不同实施例或示例以及不同实施例或示例的特征进行结合和组合。

尽管上面已经示出和描述了本发明的实施例，可以理解的是，上述实施例是示例性的，不能理解为对本发明的限制，本领域的普通技术人员在本发明的范围内可以对上述实施例进行变化、修改、替换和变型。

Claims (10)

1.一种坐姿身份认证方法，其特征在于，包括以下步骤：

获取当前用户使用的身份认证类型；

采集所述当前用户的坐姿压力数据；以及

根据所述身份认证类型和所述坐姿压力数据获取身份认证结果，和/或向与所述坐姿身份认证相关联的设备发送所述身份认证结果、所述身份认证类型和/或所述坐姿压力数据，以执行相应业务。

2.根据权利要求1所述的坐姿身份认证方法，其特征在于，所述获取用户当前使用的身份认证类型，进一步包括：

如果所述当前用户拥有选择身份认证类型的权限，并发起身份认证类型选择请求时，则确定所述身份认证类型为用户所选择的身份认证类型；

如果所述当前用户无拥有所述选择身份认证类型的权限，或未发起所述身份认证类型选择请求时，则所述身份认证类型为预设的身份认证类型。

3.根据权利要求1或2所述的坐姿身份认证方法，其特征在于，所述身份认证类型包括第一身份认证类型和第二身份认证类型，其中，如果所述身份认证类型为第一身份认证类型时，在采集所述当前用户的坐姿压力数据之前，还包括：

获取所述当前用户的登录账号。

4.根据权利要求3所述的坐姿身份认证方法，其特征在于，所述根据所述身份认证类型和所述坐姿压力数据获取身份认证结果，进一步包括：

在所述身份认证类型为所述第一身份认证类型时，通过所述登录账号获取对应的注册账号；

获取所述注册账号相对应的预存储的坐姿压力信息；

对所述坐姿压力数据进行预处理；

根据预处理后的坐姿压力数据与所述注册账号相对应的预存储的坐姿压力信息之间的相似度；

如果所述相似度大于第一预设阈值，则判定所述登录账号与所述坐姿压力数据相匹配，并获取所述身份证结果。

5.根据权利要求4所述的坐姿身份认证方法，其特征在于，所述根据所述身份认证类型和所述坐姿压力数据获取身份认证结果，进一步包括：

在所述身份认证类型为所述第二身份认证类型时，获取所有注册账号相对应的预存储的坐姿压力信息；

对所述坐姿压力数据进行预处理；

获取所述预处理后的坐姿压力数据与每个注册账号相对应的预存储的坐姿压力信息之间的相似度；

将所有相似度进行排序，并将最高的相似度与第二预设阈值进行比较；

如果所述最高的相似度得分高于第二预设阈值，则判定相似度最高的坐姿压力信息所对应的注册账号为所述身份认证结果，并判定身份验证成功，否则判定身份验证失败。

6.根据权利要求1所述的坐姿身份认证方法，其特征在于，所述采集所述当前用户的坐姿压力数据，进一步包括：

启动压力传感器，并采集初始坐姿压力数据；

判断所述当前用户是否以预设方式坐在所述压力传感器上；

如果是，则采集一帧或多帧所述坐姿压力数据。

7.根据权利要求6所述的坐姿身份认证方法，其特征在于，所述判断所述当前用户是否以预设方式坐在所述压力传感器上，进一步包括：

获取所述初始坐姿压力数据的一种或多种统计信息；

在所述一种或多种统计信息符合预设条件时，确定用户以所述预设方式坐在所述压力传感器上。

8.一种坐姿身份认证装置，其特征在于，包括：

确认模块，用于获取当前用户使用的身份认证类型；

获取模块，用于采集所述当前用户的坐姿压力数据；以及

认证和输出模块，用于根据所述身份认证类型和所述坐姿压力数据获取身份认证结果，和/或向与所述坐姿身份认证相关联的设备发送所述身份认证结果、所述身份认证类型和/或所述坐姿压力数据，以执行相应业务。

9.根据权利要求8所述的坐姿身份认证装置，其特征在于，所述确认模块进一步用于在所述当前用户拥有选择身份认证类型的权限，并发起身份认证类型选择请求时，确定所述身份认证类型为用户所选择的身份认证类型；在所述当前用户无拥有所述选择身份认证类型的权限，或未发起所述身份认证类型选择请求时，所述身份认证类型为预设的身份认证类型，其中，所述身份认证类型包括第一身份认证类型和第二身份认证类型。

10.根据权利要求9所述的坐姿身份认证装置，其特征在于，所述认证和输出模块进一步用于：

在所述身份认证类型为所述第一身份认证类型时，通过所述登录账号获取对应的注册账号，且获取所述注册账号相对应的预存储的坐姿压力信息，并对所述坐姿压力数据进行预处理，并根据预处理后的坐姿压力数据与所述注册账号相对应的预存储的坐姿压力信息之间的相似度，且在所述相似度大于第一预设阈值时，判定所述登录账号与所述坐姿压力数据相匹配，并获取所述身份证结果；

在所述身份认证类型为所述第二身份认证类型时，获取所有注册账号相对应的预存储的坐姿压力信息，且对所述坐姿压力数据进行预处理，并获取所述预处理后的坐姿压力数据与每个注册账号相对应的预存储的坐姿压力信息之间的相似度，并将所有相似度进行排序，并将最高的相似度与第二预设阈值进行比较，且在所述最高的相似度得分高于第二预设阈值时，判定相似度最高的坐姿压力信息所对应的注册账号为所述身份认证结果，并判定身份验证成功，否则判定身份验证失败。

Images