CN110968857A - 基于抬臂动作的智能手表身份认证方法 - Google Patents
基于抬臂动作的智能手表身份认证方法 Download PDFInfo
- Publication number
- CN110968857A CN110968857A CN201911217626.7A CN201911217626A CN110968857A CN 110968857 A CN110968857 A CN 110968857A CN 201911217626 A CN201911217626 A CN 201911217626A CN 110968857 A CN110968857 A CN 110968857A
- Authority
- CN
- China
- Prior art keywords
- data
- lifting action
- identity authentication
- arm
- method based
- 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
Images
Classifications
-
- 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
- G06F21/44—Program or device authentication
-
- 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
- G06F21/45—Structures or tools for the administration of authentication
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F3/00—Input arrangements for transferring data to be processed into a form capable of being handled by the computer; Output arrangements for transferring data from processing unit to output unit, e.g. interface arrangements
- G06F3/01—Input arrangements or combined input and output arrangements for interaction between user and computer
- G06F3/017—Gesture based interaction, e.g. based on a set of recognized hand gestures
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N20/00—Machine learning
-
- 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
- G06V40/20—Movements or behaviour, e.g. gesture recognition
- G06V40/28—Recognition of hand or arm movements, e.g. recognition of deaf sign language
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- General Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Software Systems (AREA)
- Computer Security & Cryptography (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Computer Hardware Design (AREA)
- Human Computer Interaction (AREA)
- Social Psychology (AREA)
- Multimedia (AREA)
- Health & Medical Sciences (AREA)
- Psychiatry (AREA)
- General Health & Medical Sciences (AREA)
- Artificial Intelligence (AREA)
- Data Mining & Analysis (AREA)
- Evolutionary Computation (AREA)
- Medical Informatics (AREA)
- Computing Systems (AREA)
- Mathematical Physics (AREA)
- Collating Specific Patterns (AREA)
- Measurement Of The Respiration, Hearing Ability, Form, And Blood Characteristics Of Living Organisms (AREA)
Abstract
本发明公开了一种基于抬臂动作的智能手表身份认证方法,包括以下步骤:(1)通过智能手表内置的加速度传感器和陀螺仪传感器收集智能手表佩戴者的抬臂动作产生的加速度传感器和陀螺仪传感器的数据;(2)基于步骤(1)得到的数据,使用机器学习算法获取佩戴者的个人特征;(3)将智能手表佩戴者的抬臂动作作为身份认证的方式,对智能手表进行解锁。本发明将生物行为特征作为用户认证解决方案,能够在不影响识别准确率的前提下提高解锁效率的和增加使用的流畅性。
Description
技术领域
本发明涉及身份认证技术领域,特别涉及智能手表身份认证方法。
背景技术
智能手表内置了智能化系统,可以实现多种功能,在为用户带来便利的同时也储存了许多个人隐私信息,如短信、邮件、支付密码等等。因此我们要重视智能手表的安全问题,尤其是身份认证问题,保护好用户的个人信息。
用户身份认证是保护这些隐私数据的第一道门槛。关于智能手表的身份认证问题已经有了大量的研究,主要可以总结为下面三种认证方式:基于屏幕触控交互的密码解锁;基于额外输入设备的生物信息识别认证;以及基于智能手表原有传感器系统的姿态识别认证。目前市面上主流的方式还是密码解锁,如PIN码和图案解锁。但是该方法存在很大的缺陷,比如步骤较为繁琐,在公共场合下容易被偷窥等等。而生物识别认证如指纹,结构光等方式又需要额外的硬件成本,并且无法应用到现存的设备上去。
发明内容
本发明的目的是提供一种基于抬臂动作的智能手表身份认证方法,以在不影响识别准确率的前提下提高解锁效率的和增加使用的流畅性。
为实现上述目的,本发明采用的技术方案为:
一种基于抬臂动作的智能手表身份认证方法,包括以下步骤:
(1)通过智能手表内置的加速度传感器和陀螺仪传感器收集智能手表佩戴者的抬臂动作产生的加速度传感器和陀螺仪传感器的数据;
(2)基于步骤(1)得到的数据,使用机器学习算法获取佩戴者的个人特征;
(3)将智能手表佩戴者的抬臂动作作为身份认证的方式,对智能手表进行解锁。
进一步的,所述抬臂动作为:佩戴者佩戴智能手表的手从在身侧自然下垂开始,摆动至胸口高度,直到佩戴者的小臂与地面水平,处于一个便于查看智能手表界面的位置。
进一步的,所述步骤(2)中,个人特征的获取方法为:在得到加速度传感器和陀螺仪传感器的数据后,以数据图像的特殊点为分割点,将连续数据图像分为若干个区间;然后获取各个分割点之间的特征。
进一步的,所述图像的特殊点为起始点、极值点、局部峰值点的一种或多种;根据选取不同的特殊点,构成多种不同的特征集。
进一步的,所述分割点之间的特征为各个分割点之间连线的斜率、各区间内图像的曲线下面积、各区间内图像的曲线曲率的一种或多种;根据选取不同的特征,构成多种不同的特征集。
进一步的,在计算各区间内图像的曲线下面积时,由于存在数值小于0的区间,为了确保面积值为正,将数据的最小值作为0点。
有益效果:1)本发明提出的身份认证方式具有极强的抗泄露性。即使偷窥者清晰无误地观测到用户解锁的整个过程,也无法复制用户的解锁动作;2)本发明的身份认证方式具有良好的时间性能。仅需要一秒以内的时间即可完成身份认证;3)本发明软件设计简单,不需要额外硬件支持,便于实现和移植,因此设计方案应用范围广;4)本发明提出的文本密码输入方式与非常简单,使用者没有学习的负担,也保障了使用体验的连贯性;5)采用了新的特征提取方案,极大程度的提高了识别正确率。
附图说明
图1为本发明的抬臂动作示意图;
图2为本发明的个人特征提取方法示意图。
具体实施方式
下面结合附图对本发明做更进一步的解释。
本发明的一种基于抬臂动作的智能手表身份认证方法,包括以下步骤:
(1)通过智能手表内置的加速度传感器和陀螺仪传感器收集智能手表佩戴者的抬臂动作产生的加速度传感器和陀螺仪传感器的数据;
(2)基于步骤(1)得到的数据,使用机器学习算法获取佩戴者的个人特征;
(3)将智能手表佩戴者的抬臂动作作为身份认证的方式,对智能手表进行解锁。
本发明的中,将抬臂动作作如下定义:佩戴者佩戴智能手表的手从在身侧自然下垂开始,摆动至胸口高度,直到佩戴者的小臂与地面水平,处于一个便于查看智能手表界面的位置。如图1,佩戴者的右手佩戴智能手表,其右手从在身体一侧自然下垂开始,摆动至胸口高度,直到小臂基本与地面水平,处于一个方便查看自己手表界面的位置。只要使用者是处于站立静止不动的状态使用手表,便必定会执行上述动作,因此本发明不需要执行额外的解锁流程。并且用户不需要输入文本密码,偷窥者即使观察到输入的整个过程,也无法复制用户的解锁动作,因此具有很强的抗泄露性。
本发明的基本原理是收集用户手臂运动产生的加速度计和陀螺仪数据,使用机器学习算法从中获取佩戴者的个人特征。为了提高解锁识别的正确率,本发明提出了一种个人特征的获取方法,其步骤为:在得到加速度传感器和陀螺仪传感器的数据后,以数据图像的特殊点为分割点,将连续数据图像分为若干个区间;然后获取各个分割点之间的特征。其中,图像的特殊点为起始点、极值点、局部峰值点的一种或多种;根据选取不同的特殊点,构成多种不同的特征集;分割点之间的特征为各个分割点之间连线的斜率、各区间内图像的曲线下面积、各区间内图像的曲线曲率的一种或多种;根据选取不同的特征,构成多种不同的特征集。
图2展示了本发明的个人特征提取方法的一个实施方式,在获得加速度传感器和陀螺仪传感器的数据后,依据数据图像的局部峰值点以及起始点,将连续图像分为许多个区间;随后计算出每个分割点之间的连线的斜率大小,以及各区间内图像的曲线下面积。假设数据图像为范围从0到2π的正弦曲线,按照上述的提取规则,首先把图像分为0~三个区间段,计算出各个分界点间共三段连线的斜率值,以及三段区间内的函数图像的曲线下面积值。由于存在数值小于0的函数段,为了确保面积值为正,可以将数据的最小值作为0点。
经实验和计算证明,我们所提出的新特征确实对于用户识别具有积极推动作用,可以有效的提高识别的正确率。
由于每个人的身体条件不同,身高臂长都存在差异,运动的习惯也各不一样。而智能手表作为穿戴式设备,且佩戴的位置非常固定,因此可以最大程度的反映出这些区别。这是本发明可行性的基础。本发明将生物行为特征作为用户认证解决方案,能够在不影响识别准确率的前提下提高解锁效率的和增加使用的流畅性。
以上所述仅是本发明的优选实施方式,应当指出,对于本技术领域的普通技术人员来说,在不脱离本发明原理的前提下,还可以做出若干改进和润饰,这些改进和润饰也应视为本发明的保护范围。
Claims (7)
1.一种基于抬臂动作的智能手表身份认证方法,其特征在于:包括以下步骤:
(1)通过智能手表内置的加速度传感器和陀螺仪传感器收集智能手表佩戴者的抬臂动作产生的加速度传感器和陀螺仪传感器的数据;
(2)基于步骤(1)得到的数据,使用机器学习算法获取佩戴者的个人特征;
(3)将智能手表佩戴者的抬臂动作作为身份认证的方式,对智能手表进行解锁。
2.根据权利要求1所述的基于抬臂动作的智能手表身份认证方法,其特征在于:所述抬臂动作为:佩戴者佩戴智能手表的手从在身侧自然下垂开始,摆动至胸口高度,直到佩戴者的小臂与地面水平,处于一个便于查看智能手表界面的位置。
3.根据权利要求1所述的基于抬臂动作的智能手表身份认证方法,其特征在于:所述步骤(2)中,个人特征的获取方法为:在得到加速度传感器和陀螺仪传感器的数据后,以数据图像的特殊点为分割点,将连续数据图像分为若干个区间;然后获取各个分割点之间的特征。
4.根据权利要求3所述的基于抬臂动作的智能手表身份认证方法,其特征在于:所述图像的特殊点为起始点、极值点、局部峰值点的一种或多种;根据选取不同的特殊点,构成多种不同的特征集。
5.根据权利要求3所述的基于抬臂动作的智能手表身份认证方法,其特征在于:所述分割点之间的特征为各个分割点之间连线的斜率、各区间内图像的曲线下面积、各区间内图像的曲线曲率的一种或多种;根据选取不同的特征,构成多种不同的特征集。
6.根据权利要求5所述的基于抬臂动作的智能手表身份认证方法,其特征在于:在计算各区间内图像的曲线下面积时,由于存在数值小于0的区间,为了确保面积值为正,将数据的最小值作为0点。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911217626.7A CN110968857B (zh) | 2019-12-03 | 2019-12-03 | 基于抬臂动作的智能手表身份认证方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911217626.7A CN110968857B (zh) | 2019-12-03 | 2019-12-03 | 基于抬臂动作的智能手表身份认证方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110968857A true CN110968857A (zh) | 2020-04-07 |
CN110968857B CN110968857B (zh) | 2022-04-08 |
Family
ID=70032764
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201911217626.7A Active CN110968857B (zh) | 2019-12-03 | 2019-12-03 | 基于抬臂动作的智能手表身份认证方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110968857B (zh) |
Citations (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20160021081A1 (en) * | 2014-07-15 | 2016-01-21 | Verizon Patent And Licensing Inc. | Mobile device user authentication based on user behavior information |
CN105980008A (zh) * | 2014-02-24 | 2016-09-28 | 索尼公司 | 用于智能可穿戴设备的身体位置优化和生物信号反馈 |
CN106267774A (zh) * | 2015-05-25 | 2017-01-04 | 腾讯科技(深圳)有限公司 | 运动状态识别方法和装置 |
CN106470192A (zh) * | 2015-08-19 | 2017-03-01 | 阿里巴巴集团控股有限公司 | 身份验证方法、装置及系统 |
WO2017144768A1 (en) * | 2016-02-26 | 2017-08-31 | Nokia Technologies Oy | Behavioural biometric authentication |
CN108629167A (zh) * | 2018-05-09 | 2018-10-09 | 西安交通大学 | 一种结合可穿戴设备的多智能设备身份认证方法 |
CN109242475A (zh) * | 2018-09-07 | 2019-01-18 | 广东小天才科技有限公司 | 一种支付方法、支付装置及终端设备 |
CN109275596A (zh) * | 2018-10-09 | 2019-01-29 | 南京航空航天大学 | 一种适用于鸟类野外在体实验的可穿戴辅助设备 |
CN109302532A (zh) * | 2018-11-02 | 2019-02-01 | 北京航空航天大学 | 一种基于智能手机加速度传感器的身份认证方法 |
CN109508728A (zh) * | 2018-08-31 | 2019-03-22 | 深圳大学 | 一种用于可穿戴设备的新型身份验证方法 |
CN109684812A (zh) * | 2018-12-29 | 2019-04-26 | 西安电子科技大学 | 一种移动设备采集用户运动行为的持续身份认证方法 |
CN109815881A (zh) * | 2019-01-18 | 2019-05-28 | 成都旷视金智科技有限公司 | 行为识别模型的训练方法、行为识别方法、装置及设备 |
-
2019
- 2019-12-03 CN CN201911217626.7A patent/CN110968857B/zh active Active
Patent Citations (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105980008A (zh) * | 2014-02-24 | 2016-09-28 | 索尼公司 | 用于智能可穿戴设备的身体位置优化和生物信号反馈 |
US20160021081A1 (en) * | 2014-07-15 | 2016-01-21 | Verizon Patent And Licensing Inc. | Mobile device user authentication based on user behavior information |
CN106267774A (zh) * | 2015-05-25 | 2017-01-04 | 腾讯科技(深圳)有限公司 | 运动状态识别方法和装置 |
CN106470192A (zh) * | 2015-08-19 | 2017-03-01 | 阿里巴巴集团控股有限公司 | 身份验证方法、装置及系统 |
WO2017144768A1 (en) * | 2016-02-26 | 2017-08-31 | Nokia Technologies Oy | Behavioural biometric authentication |
CN108629167A (zh) * | 2018-05-09 | 2018-10-09 | 西安交通大学 | 一种结合可穿戴设备的多智能设备身份认证方法 |
CN109508728A (zh) * | 2018-08-31 | 2019-03-22 | 深圳大学 | 一种用于可穿戴设备的新型身份验证方法 |
CN109242475A (zh) * | 2018-09-07 | 2019-01-18 | 广东小天才科技有限公司 | 一种支付方法、支付装置及终端设备 |
CN109275596A (zh) * | 2018-10-09 | 2019-01-29 | 南京航空航天大学 | 一种适用于鸟类野外在体实验的可穿戴辅助设备 |
CN109302532A (zh) * | 2018-11-02 | 2019-02-01 | 北京航空航天大学 | 一种基于智能手机加速度传感器的身份认证方法 |
CN109684812A (zh) * | 2018-12-29 | 2019-04-26 | 西安电子科技大学 | 一种移动设备采集用户运动行为的持续身份认证方法 |
CN109815881A (zh) * | 2019-01-18 | 2019-05-28 | 成都旷视金智科技有限公司 | 行为识别模型的训练方法、行为识别方法、装置及设备 |
Non-Patent Citations (2)
Title |
---|
YUE HE等: "A MEMD Method of Human Emotion Recognition Based on Valence–Arousal Model", 《网页在线公开:HTTPS://IEEEXPLORE.IEEE.ORG/STAMP/STAMP.JSP?TP=&ARNUMBER=8048185》 * |
柳亚男等: "PUF轻量级设备认证及其实现", 《金陵科技学院学报》 * |
Also Published As
Publication number | Publication date |
---|---|
CN110968857B (zh) | 2022-04-08 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Alsaadi | Physiological biometric authentication systems, advantages, disadvantages and future development: A review | |
US10877568B2 (en) | Three-dimensional in-the-air finger motion based user login framework for gesture interface | |
Li et al. | Unobservable re-authentication for smartphones. | |
Delac et al. | A survey of biometric recognition methods | |
Tian et al. | KinWrite: Handwriting-Based Authentication Using Kinect. | |
US20210150006A1 (en) | Obscuring data when gathering behavioral data | |
EP2984599A1 (en) | The identity caddy: a tool for real-time determination of identity in the mobile environment | |
CN204695313U (zh) | 基于虹膜识别解锁的移动通信终端设备 | |
Jain et al. | Gender recognition in smartphones using touchscreen gestures | |
Ibrahim et al. | Recent advances in mobile touch screen security authentication methods: A systematic literature review | |
WO2018161893A1 (zh) | 用户身份识别方法及装置 | |
CN107124560A (zh) | 一种自拍系统、媒质和方法 | |
CN107153780A (zh) | 基于手腕穿戴电子设备的书写行为特征认证方法 | |
EP4099198A1 (en) | Unlocking method and apparatus based on facial expression, and computer device and storage medium | |
Tanviruzzaman et al. | Your phone knows you: Almost transparent authentication for smartphones | |
Wijewickrama et al. | Write to know: on the feasibility of wrist motion based user-authentication from handwriting | |
CN107368717A (zh) | 一种身份识别的方法和终端 | |
Fang et al. | Palmprint classification | |
Hossain et al. | Incorporating deep learning into capacitive images for smartphone user authentication | |
CN110968857B (zh) | 基于抬臂动作的智能手表身份认证方法 | |
CN111160332B (zh) | 一种掌静脉自适应移动抓取定位方法、装置及存储介质 | |
JPWO2016132617A1 (ja) | 情報処理装置、情報処理方法、およびプログラム | |
CN112990261B (zh) | 一种基于敲击节奏的智能手表用户识别方法 | |
Genovese et al. | Advanced biometric technologies: emerging scenarios and research trends | |
Miyazawa et al. | Multi-factor Behavioral Authentication Using Correlations Enhanced by Neural Network-based Score Fusion |
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 |