CN111859338A - 一种身份识别方法、系统、存储介质、计算机程序、终端 - Google Patents
一种身份识别方法、系统、存储介质、计算机程序、终端 Download PDFInfo
- Publication number
- CN111859338A CN111859338A CN202010650672.2A CN202010650672A CN111859338A CN 111859338 A CN111859338 A CN 111859338A CN 202010650672 A CN202010650672 A CN 202010650672A CN 111859338 A CN111859338 A CN 111859338A
- Authority
- CN
- China
- Prior art keywords
- electroencephalogram
- signal
- identity
- algorithm
- signals
- 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
- 238000000034 method Methods 0.000 title claims abstract description 28
- 238000004590 computer program Methods 0.000 title claims abstract description 10
- 238000004422 calculation algorithm Methods 0.000 claims abstract description 50
- 238000001914 filtration Methods 0.000 claims abstract description 31
- 238000004364 calculation method Methods 0.000 claims description 26
- 238000007781 pre-processing Methods 0.000 claims description 12
- 238000000605 extraction Methods 0.000 claims description 9
- 239000011159 matrix material Substances 0.000 claims description 9
- 210000004556 brain Anatomy 0.000 claims description 8
- 238000012545 processing Methods 0.000 claims description 7
- 238000013528 artificial neural network Methods 0.000 claims description 6
- 238000013527 convolutional neural network Methods 0.000 claims description 3
- 230000009467 reduction Effects 0.000 claims description 3
- 238000013519 translation Methods 0.000 claims description 3
- 230000009466 transformation Effects 0.000 claims 2
- 239000000284 extract Substances 0.000 claims 1
- 238000005516 engineering process Methods 0.000 abstract description 18
- 230000007547 defect Effects 0.000 description 8
- 230000000694 effects Effects 0.000 description 5
- 238000004458 analytical method Methods 0.000 description 3
- 230000008569 process Effects 0.000 description 3
- 238000003491 array Methods 0.000 description 2
- 230000002457 bidirectional effect Effects 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 210000000887 face Anatomy 0.000 description 2
- 210000002569 neuron Anatomy 0.000 description 2
- 230000033764 rhythmic process Effects 0.000 description 2
- 238000000926 separation method Methods 0.000 description 2
- 230000002123 temporal effect Effects 0.000 description 2
- 208000003443 Unconsciousness Diseases 0.000 description 1
- 230000002411 adverse Effects 0.000 description 1
- 230000003190 augmentative effect Effects 0.000 description 1
- 238000005336 cracking Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000005611 electricity Effects 0.000 description 1
- 238000005242 forging Methods 0.000 description 1
- 230000003340 mental effect Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 210000000653 nervous system Anatomy 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000008092 positive effect Effects 0.000 description 1
- 238000012827 research and development Methods 0.000 description 1
- 210000001525 retina Anatomy 0.000 description 1
- 210000004761 scalp Anatomy 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
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
- G06F21/31—User authentication
- G06F21/32—User authentication using biometric data, e.g. fingerprints, iris scans or voiceprints
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/72—Signal processing specially adapted for physiological signals or for diagnostic purposes
- A61B5/7203—Signal processing specially adapted for physiological signals or for diagnostic purposes for noise prevention, reduction or removal
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/72—Signal processing specially adapted for physiological signals or for diagnostic purposes
- A61B5/7235—Details of waveform analysis
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/72—Signal processing specially adapted for physiological signals or for diagnostic purposes
- A61B5/7235—Details of waveform analysis
- A61B5/725—Details of waveform analysis using specific filters therefor, e.g. Kalman or adaptive filters
Landscapes
- Health & Medical Sciences (AREA)
- Engineering & Computer Science (AREA)
- Life Sciences & Earth Sciences (AREA)
- Signal Processing (AREA)
- Physics & Mathematics (AREA)
- Heart & Thoracic Surgery (AREA)
- Animal Behavior & Ethology (AREA)
- Physiology (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Biophysics (AREA)
- Pathology (AREA)
- Biomedical Technology (AREA)
- Artificial Intelligence (AREA)
- Medical Informatics (AREA)
- Molecular Biology (AREA)
- Surgery (AREA)
- Psychiatry (AREA)
- General Health & Medical Sciences (AREA)
- Public Health (AREA)
- Veterinary Medicine (AREA)
- Computer Security & Cryptography (AREA)
- Theoretical Computer Science (AREA)
- Computer Hardware Design (AREA)
- Software Systems (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Measurement And Recording Of Electrical Phenomena And Electrical Characteristics Of The Living Body (AREA)
Abstract
本发明属于信息识别技术领域,公开了一种身份识别方法、系统、存储介质、计算机程序、终端,获得电极帽采集到的脑电信号,输入至身份识别系统;对输入的脑电信号进行噪声去除使用ICA算法和滤波使用带通滤波器进行预处理,滤波操作过后获得有效频段的脑电;将预处理之后的脑电信号使用AR和SWT算法提取脑电信号特征;最后使用图卷积网络算法计算,输出用户ID,对脑电信号进行身份识别。本发明能够根据人体在不同状态下产生的EEG信号,自动的识别用户的身份,降低了对人状态的限制,解决了将人体限制于某一种状态下的EEG信号对人身份的识别;提供了高级的安全的防伪技术,使得黑客和用户都无法获取身份识别口令。
Description
技术领域
本发明属于信息识别技术领域,尤其涉及一种身份识别方法、系统、存储介质、计算机程序、终端。
背景技术
目前,在进行人的身份识别时,通常采用的身份识别技术主要为密码技术、指纹和人脸识别技术。这些身份识别技术中都有一个共同的缺点就是可以通过巧妙的复制指纹和仿照我们的人脸假冒我们的身份以及通过暴力破解也可以破解出我们的密码,进而冒用用户的身份进行违法活动,其带来的损伤不可估量,因此需要对我们身份识别的技术还需进一步提升,增强其安全性。通过脑电对身份进行识别就可以做到这一点,保护系统的同时又保护其身份识别信息。因为脑电是多变的,没有其规律可言无法复制,而且每个人的脑电是不同的,因此极大的增加了用户的安全性。同时不会担心黑客窃取密码和仿制用户的指纹和人脸,并且合法用户也无法泄露自己的身份识别口令,即做到了双向的保护即既保护了系统又保护了用户的隐私。
目前,经过在神经系统领域中的不断研究与发展,便携式电极帽已经被广泛的应用与科研当中,证明电极帽采集的EEG数据是可靠的。由于EEG丰富的动态特性和高的时间分辨率,为自动识别人最具安全性和可靠性的生物信号。传统的身份识别技术主要有密码、指纹、面部和视网膜扫描的识别技术。传统的身份识别技术主要的缺陷是通过口令的获取和破解以及通过高分辨率照片精心伪造和复制,就能够伪造身份进行不法活动,造成不良影响。
通过上述分析,现有技术存在的问题及缺陷为:传统的身份识别技术身份识别口令容易泄露。
解决以上问题及缺陷的难度为:在解决传统身份识别技术的缺陷时,主要的难度为用户的脑电信号的采集和解析。在实际的应用中,在采集得到的脑电可能受人体各种因素的影响,采集到的脑电信号包含很多混杂信号那么需要有效的噪声去除方法,才能够较好的识别用户的身份ID。其次,是用户系统的实时性要求方面,需要将采集得到的EEG信号实时的传输至系统中进行分析和判定用户的身份。因此,对系统的时间要求较高,需要在采集完用户脑电之后就给出正确的用户身份ID,因此对系统的实时性要求较高。最后,为了提高用户身份识别的准确率,通过给用户相应的任务进行采集脑电,进而提高在身份识别中的准确率。
解决以上问题及缺陷的意义为:通过解决传统身份识别技术的不足,能够有效推进身份识别技术向安全高效的方向发展。随着网络的迅速发展,网络信息安全是我们必须解决的一个难题。首先,脑电信号是人大脑中神经细胞交换信息时所产生的放电现象,与传统的生物特征信号相比,这种新兴的生物特征具有以下几个特点:脑电信号作为大脑神经元细胞的活动表现,对被采集者本身没有限制,只要是活体就可以采集;并且由于人与人的思维模式不同,脑电信号也不可能相同,所以用脑电信号做身份识别具有较高的安全性;人在不同情况下的脑电信号会有所差异,精神高度紧张状态下与任务态和静息态下的脑电信号截然不同,所以可防止人在受到胁迫的时候被动地进行身份认证,增加了系统的安全性;其次,用到军事当中,使得敌方无法通过口令破解系统增强了系统的安全性。二十一世纪的战争是信息战,信息已成为赢得这场战争的关键因素。解决传统的身份识别技术的缺陷就显得尤为重要。
发明内容
针对现有技术存在的问题,本发明提供了一种身份识别方法、系统、存储介质、计算机程序、终端。
本发明是这样实现的,一种身份识别方法,所述身份识别方法包括:
第一步,获得电极帽采集到的脑电信号,输入至身份识别系统;
第二步,对输入的脑电信号进行噪声去除使用ICA算法和滤波使用带通滤波器进行预处理,滤波操作过后获得有效频段的脑电;
第三步,将预处理之后的脑电信号使用AR和SWT算法提取脑电信号特征。
第四步,将提取特征之后的脑电信号使用算法图卷积网络算法进行计算,输出ID,对脑电信号进行身份识别。
进一步,所述第二步使用ICA算法根据公式求得混合矩阵分离信号,同时去噪,将分离的脑电信号使用公式带通滤波器得到有效频段的EEG。
进一步,根据输入的脑电,使用ICA算法进行去噪和带通滤波得到β和γ节律的脑电信号,ICA算法计算公式为:
x=As;
其中,x=[x1,x2,x3,...,xn]T表示观测信号,A是n*m维的未知混合矩阵。s=[s1,s2,s3,...,sm]T表示未知的源信号;
带通滤波算法计算公式为:
其中,x1和x2表示截止频率,在x1和x2范围内的信号输出,否则输出型号为0。
进一步,所述第三步使用AR和SWT公式对信号进行特征提取得到四个脑电特征,最后使用图卷积神经网络公式进行计算,输出ID,识别出身份。
进一步,根据获得的有效频段脑电信号,使用AR和SWT算法,提取EEG信号特征,输出提取到的四个脑电特征,AR的计算公式为:
其中,P表示p阶自回归模型;w(n)表示白噪声;ak表示模型参数。
SWT的计算公式为:
其中a表示伸缩因子,b表示平移因子。
计算小波系数均值,计算公式为:
计算小波系数标准差,计算公式为:
计算小波系数能量,计算公式为:
经过AR和SWT计算后的得到AR模型系数、小波系数均值、小波系数方差、小波系数能量四个特征,将得到的数据输入至图卷积神经网络中计算,得到用户身份的ID值。图卷积的计算公式为:
其中,θ为:切比雪夫的向量系数;Tk(L)表示k阶切比雪夫多项式,L’=2L/λmax-IN;IN表示:单位矩阵;L为特征向量;x表示处理之后的EEG信号。
进一步,所述身份识别方法从64导联的电极帽获取到的EEG,经过降噪处理,滤波处理使用带通滤波通常选择使用的阶数为8;然后计算输出有效频段的脑电信号,使用AR和SWT公式对处理之后的EEG进行特征提取,经过计算输出提取到的四个脑电特征,又输入到图卷积神经网络中进行身份识别的判断。
本发明的另一目的在于提供一种接收用户输入程序存储介质,所存储的计算机程序使电子设备执行权利要求任意一项所述包括下列步骤:
第一步,获得电极帽采集到的脑电信号,输入至身份识别系统;
第二步,对输入的脑电信号进行噪声去除使用ICA算法和滤波使用带通滤波器进行预处理,滤波操作过后获得有效频段的脑电;
第三步,将预处理之后的脑电信号使用AR和SWT算法进行计算,提取脑电信号特征,输出四个脑电信号特征。。
第四步,将提取特征之后的脑电信号使用算法图卷积网络算法进行计算,输出ID,对脑电信号进行身份识别。
本发明的另一目的在于提供一种存储在计算机可读介质上的计算机程序产品,包括计算机可读程序,供于电子装置上执行时,提供用户输入接口以实施所述的身份识别方法。
本发明的另一目的在于提供一种实施所述的身份识别方法的身份识别系统,所述身份识别系统包括:
脑电信号采集模块,用于获得电极帽采集到的脑电信号,输入至身份识别系统;
脑电信号预处理模块,用于对输入的脑电信号进行噪声去除使用ICA算法和滤波使用带通滤波器进行预处理,滤波操作过后获得有效频段的脑电;
脑电信号特征提取模块,用于将预处理之后的脑电信号使用AR和SWT算法进行特征提取,输出提取到的四个脑电信号特征。
脑电信号识别模块,将提取到的四个脑电特征使用算法图卷积网络算法进行计算,输出ID,对用户脑电信号进行身份识别。
本发明的另一目的在于提供一种终端,所述终端搭载所述的身份识别系统。
结合上述的所有技术方案,本发明所具备的优点及积极效果为:由于EEG丰富的动态特性和高的时间分辨率,为自动识别人最具安全性和可靠性的生物信号。EEG信号的获取是在人有意识的前提下获取的脑电信号,如果人没有意识就无法获得脑电图信号,并且不同人的脑电信号都是不同的,使得EEG信号具有独特的识别能力。同时EEG具有双向的防护能力,EEG的许多特征是非意志性的活动,使得用户自己不能故意泄露自己的标识符同时黑客获取到的密码标识符没有规律可循,因此EEG生物特征的高安全级别使得用户和系统两方面都得到了保证。更加安全可靠的人的身份识别技术,为防止黑客攻击以及泄漏密码导致等不安全因素的发生。
本发明能够根据人体在不同状态下产生的EEG信号,自动的识别用户的身份,降低了对人状态的限制,解决了将人体限制于某一种状态下的EEG信号对人身份的识别。利用本发明技术,为系统和用户提供了高级的安全的防伪技术,使得黑客和用户都无法获取身份识别口令,彻底解决了口令泄露的问题。本发明基于EEG的身份识别系统装置中,可以对硬件设备要求较低,可以广泛的应用到军事、医疗等要求高度保密等领域中。
附图说明
图1是本发明实施例提供的身份识别方法流程图。
图2是本发明实施例提供的身份识别系统的结构示意图;
图中:1、脑电信号采集模块;2、脑袋你信号预处理模块;3、脑电信号特征提取模块4、脑电信号识别模块。
图3是本发明实施例提供的身份识别方法的实现流程图。
图4是本发明实施例提供的身份识别方法原理图。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白,以下结合实施例,对本发明进行进一步详细说明。应当理解,此处所描述的具体实施例仅仅用以解释本发明,并不用于限定本发明。
针对现有技术存在的问题,本发明提供了一种身份识别方法、系统、存储介质、计算机程序、终端,下面结合附图对本发明作详细的描述。
如图1所示,本发明提供的身份识别方法包括以下步骤:
S101:获得电极帽采集到的脑电信号,输入至身份识别系统;
S102:对输入的脑电信号进行噪声去除使用ICA算法和滤波使用带通滤波器进行预处理,滤波操作过后获得有效频段的脑电;
S103:将预处理之后的脑电信号使用AR和SWT算法进行计算,提取脑电信号特征,输出四个脑电信号特征。
S104:将提取特征之后的脑电信号使用算法图卷积网络算法进行计算,输出ID,对脑电信号进行身份识别。
如图2所示,本发明提供的身份识别系统包括:
脑电信号采集模块1,用于获得电极帽采集到的脑电信号,输入至身份识别系统。
脑电信号预处理模块2,用于对输入的脑电信号进行噪声去除使用ICA算法和滤波使用带通滤波器进行预处理,滤波操作过后获得有效节律的脑电。
脑电信号特征提取模块3,将预处理之后的脑电信号使用AR和SWT算法进行计算,提取脑电信号特征,输出四个脑电信号特征。
脑电信号识别模,4,将提取特征得到的四个脑电信号使用算法图卷积网络算法进行计算,输出ID,对脑电信号进行身份识别
下面结合附图对本发明的技术方案作进一步的描述。
如图3所示,使用电极帽装置获得脑电之后,输入到身份识别系统当中,通过身份识别系统判别当前用户是否为合法用户,若为合法用户,那么久允许用户进入系统进行操作,否则将将用户排斥在系统之外即不允许用户进入系统。身份识别系统实现过程:首先获得电极帽采集到的脑电,输入至身份识别系统,身份识别系统首先对输入的脑电进行噪声去除使用ICA算法和滤波使用带通滤波器进行预处理,滤波操作过后获得有效频段的脑电;将预处理之后的脑电使用AR+SWT算法提取脑电信号特征;将提取的脑电特征使用图卷积网络算法对用户脑电进行身份识别。身份识别的过程将全部集成到一个系统当中,形成一个身份识别系统装置。
如图4所示,由EEG信号采集和用户身份识别两部份构成。身份识别技术的技术路线图从64导联的电极帽获取到的EEG,然后经过降噪处理,滤波处理使用带通滤波通常选择使用的阶数为8,然后计算输出有效频段的脑电,然后使用AR和SWT算分对处理之后的EEG进行特征提取,经过计算输出脑电信号的四个特征,然后又输入到图卷积神经网络中进行用户身份识别的判断。
本发明为了能够将人体头皮产生的EEG信号有效的应用与人的身份识别当中,利用湿电极帽64导联采集用户脑电,然后使用蓝牙将脑电传输至电脑,身份识别系统开始对信号的预处理和身份识别,最后输出身份识别结果。
(1)使用电极帽采集EEG信号,输入至电脑;
(2)根据输入的脑电,使用ICA算法进行去噪和带通滤波得到有效频段的脑电信号。ICA算法计算公式可为:
x=As (1);
其中,x=[x1,x2,x3,...,xn]T表示观测信号,A是n*m维的未知混合矩阵。s=[s1,s2,s3,...,sm]T表示未知的源信号;
带通滤波算法计算公式可为:
其中,x1和x2表示截止频率,在x1和x2范围内的信号输出,否则输出型号为0。
(3)根据获得的有效频段脑电,使用AR和SWT算法,提取EEG信号特征,输出四个脑电信号特征,AR计算公式为:
其中,P表示p阶自回归模型;w(n)表示白噪声;ak表示模型参数。
SWT的计算公式为:
其中a表示伸缩因子,b表示平移因子。
计算小波系数均值,计算公式为:
计算小波系数标准差,计算公式为:
计算小波系数能量,计算公式为:
(4)经过AR和SWT计算后得到四个脑电信号特征。然后将得到的数据输入至图卷积神经网络中计算,得到用户身份的ID值。图卷积的计算公式为:
其中,θ为:切比雪夫的向量系数;Tk(L)表示k阶切比雪夫多项式,L’=2L/λmax-IN;IN表示:单位矩阵;L为特征向量;x表示处理之后的EEG信号。
本发明根据公式(1)可知,求得混合矩阵分离信号,同时达到去噪的过程,将分离的信号使用公式(2)带通滤波器得到有效的EEG,然后使用AR和SWT公式(3)-(7)计算脑电信号的特征,最后使用图卷积神经网络公式(4)进行计算,最后输出用户的ID。从而识别出用户的身份。
应当注意,本发明的实施方式可以通过硬件、软件或者软件和硬件的结合来实现。硬件部分可以利用专用逻辑来实现;软件部分可以存储在存储器中,由适当的指令执行系统,例如微处理器或者专用设计硬件来执行。本领域的普通技术人员可以理解上述的设备和方法可以使用计算机可执行指令和/或包含在处理器控制代码中来实现,例如在诸如磁盘、CD或DVD-ROM的载体介质、诸如只读存储器(固件)的可编程的存储器或者诸如光学或电子信号载体的数据载体上提供了这样的代码。本发明的设备及其模块可以由诸如超大规模集成电路或门阵列、诸如逻辑芯片、晶体管等的半导体、或者诸如现场可编程门阵列、可编程逻辑设备等的可编程硬件设备的硬件电路实现,也可以用由各种类型的处理器执行的软件实现,也可以由上述硬件电路和软件的结合例如固件来实现。
以上所述,仅为本发明的具体实施方式,但本发明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发明揭露的技术范围内,凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等,都应涵盖在本发明的保护范围之内。
Claims (10)
1.一种身份识别方法,其特征在于,所述身份识别方法包括:
第一步,获得电极帽采集到的脑电信号,输入至身份识别系统;
第二步,对输入的脑电信号进行噪声去除使用ICA算法和滤波使用带通滤波器进行预处理,滤波操作过后有效的脑电频段;
第三步,将预处理之后的脑电信号使用AR算法和SWT算法提取脑电信号的特征;
第四步,将提取到的脑电特征使用图卷积网络算法判断是否为合法用户,若为合法用户进行用户身份识别,反之则以非法用户进行警告。
2.如权利要求1所述的身份识别方法,其特征在于,所述第二步使用ICA算法根据公式求得混合矩阵分离信号,同时去噪,将分离的脑电信号使用公式带通滤波器得到有效频段的EEG。
4.如权利要求1所述的身份识别方法,其特征在于,所述第三步使用AR和SWT算法公式提取脑电信号特征,最后使用图卷积神经网络算法输出ID,识别出身份。
5.如权利要求4所述的身份识别方法,其特征在于,根据获得的有效频段的脑电信号,使用AR和SWT提取EEG信号特征。AR计算公式为:
其中,P表示p阶自回归模型;w(n)表示白噪声;ak表示模型参数;
SWT的计算公式为:
其中a表示伸缩因子,b表示平移因子;
计算小波系数均值,计算公式为:
计算小波系数标准差,计算公式为:
计算小波系数能量,计算公式为:
经过AR和SWT计算后得到脑电信号的四个特征,即AR模型参数、小波变换均值、小波变换标准差、小波系数能量四个特征,将得到的数据输入至图卷积神经网络进行身份识别,图卷积的计算公式为:
其中,θ为:切比雪夫的向量系数;Tk(L)表示k阶切比雪夫多项式,L’=2L/λmax-IN;IN表示:单位矩阵;L为特征向量;x表示处理之后的EEG信号。
6.如权利要求1所述的身份识别方法,其特征在于,所述身份识别方法从64导联的电极帽获取到的EEG,经过降噪处理,滤波处理使用带通滤波,然后使用AR和SWT算法对EEG进行特征提取,经过计算输出提取到的脑电信号四个特征,又输入到图卷积神经网络中进行身份识别的判断。
7.一种接收用户输入程序存储介质,所存储的计算机程序使电子设备执行权利要求任意一项所述包括下列步骤:
第一步,获得电极帽采集到的脑电信号,输入至身份识别系统;
第二步,对输入的脑电信号进行噪声去除使用ICA算法和滤波使用带通滤波器进行预处理,滤波操作过后获得有效频段的脑电;
第三步,将预处理之后的脑电信号使用AR+SWT算法进行脑电信号特征提取,输出提取到的四个脑电信号特征。
第四步,将特征提取之后的四个脑电信号特征使用算法图卷积网络算法进行计算,输出ID,对脑电信号进行身份识别。
8.一种存储在计算机可读介质上的计算机程序产品,包括计算机可读程序,供于电子装置上执行时,提供用户输入接口以实施如权利要求1~6任意一项所述的身份识别方法。
9.一种实施权利要求1~6任意一项所述的身份识别方法的身份识别系统,其特征在于,所述身份识别系统包括:
脑电信号采集模块,用于获得电极帽采集到的脑电信号,输入至身份识别系统;
脑电信号预处理模块,用于对输入的脑电信号进行噪声去除使用ICA算法和滤波使用带通滤波器进行预处理,滤波操作过后获得有效频段的脑电;
脑电信号识别模块,用于将预处理和特征提取之后的脑电信号使用算法图卷积网络算法进行计算,输出ID,对用户脑电信号进行身份识别。
10.一种终端,其特征在于,所述终端搭载权利要求9所述的身份识别系统。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010650672.2A CN111859338A (zh) | 2020-07-08 | 2020-07-08 | 一种身份识别方法、系统、存储介质、计算机程序、终端 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010650672.2A CN111859338A (zh) | 2020-07-08 | 2020-07-08 | 一种身份识别方法、系统、存储介质、计算机程序、终端 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN111859338A true CN111859338A (zh) | 2020-10-30 |
Family
ID=73153301
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010650672.2A Pending CN111859338A (zh) | 2020-07-08 | 2020-07-08 | 一种身份识别方法、系统、存储介质、计算机程序、终端 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111859338A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113190122A (zh) * | 2021-05-31 | 2021-07-30 | 江苏集萃脑机融合智能技术研究所有限公司 | 基于脑信号的智能装置、方法、智慧系统及应用 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101491441B (zh) * | 2009-02-26 | 2011-01-05 | 江西蓝天学院 | 基于脑电信号的身份识别方法 |
US20120172682A1 (en) * | 2005-12-21 | 2012-07-05 | Norconnect Inc. | Method and apparatus for biometric analysis using eeg and emg signals |
CN106803081A (zh) * | 2017-01-25 | 2017-06-06 | 东南大学 | 一种基于多分类器集成的脑电分类方法 |
CN110399857A (zh) * | 2019-08-01 | 2019-11-01 | 西安邮电大学 | 一种基于图卷积神经网络的脑电情感识别方法 |
CN110558977A (zh) * | 2019-09-09 | 2019-12-13 | 西北大学 | 基于机器学习模糊特征选择的癫痫发作脑电信号分类方法 |
CN111329474A (zh) * | 2020-03-04 | 2020-06-26 | 西安电子科技大学 | 基于深度学习的脑电身份识别方法、系统及信息更新方法 |
-
2020
- 2020-07-08 CN CN202010650672.2A patent/CN111859338A/zh active Pending
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20120172682A1 (en) * | 2005-12-21 | 2012-07-05 | Norconnect Inc. | Method and apparatus for biometric analysis using eeg and emg signals |
CN101491441B (zh) * | 2009-02-26 | 2011-01-05 | 江西蓝天学院 | 基于脑电信号的身份识别方法 |
CN106803081A (zh) * | 2017-01-25 | 2017-06-06 | 东南大学 | 一种基于多分类器集成的脑电分类方法 |
CN110399857A (zh) * | 2019-08-01 | 2019-11-01 | 西安邮电大学 | 一种基于图卷积神经网络的脑电情感识别方法 |
CN110558977A (zh) * | 2019-09-09 | 2019-12-13 | 西北大学 | 基于机器学习模糊特征选择的癫痫发作脑电信号分类方法 |
CN111329474A (zh) * | 2020-03-04 | 2020-06-26 | 西安电子科技大学 | 基于深度学习的脑电身份识别方法、系统及信息更新方法 |
Non-Patent Citations (1)
Title |
---|
翟延祥 等: "基于小波变换和AR模型的脑电信号注意力状态识别" * |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113190122A (zh) * | 2021-05-31 | 2021-07-30 | 江苏集萃脑机融合智能技术研究所有限公司 | 基于脑信号的智能装置、方法、智慧系统及应用 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111329474B (zh) | 基于深度学习的脑电身份识别方法、系统及信息更新方法 | |
Abdullah et al. | Analysis of the EEG signal for a practical biometric system | |
CN109784023B (zh) | 基于深度学习的稳态视觉诱发脑电身份识别方法及系统 | |
Zhang et al. | Review on EEG‐Based Authentication Technology | |
Alyasseri et al. | The effects of EEG feature extraction using multi-wavelet decomposition for mental tasks classification | |
Su et al. | A biometric-based covert warning system using EEG | |
Dan et al. | An identification system based on portable EEG acquisition equipment | |
CN109766751A (zh) | 基于频域编码的稳态视觉诱发脑电身份识别方法及系统 | |
Sabaghi et al. | Retinal identification system based on the combination of fourier and wavelet transform | |
Kumari et al. | Brainwave's energy feature extraction using wavelet transform | |
Almehmadi et al. | The state of the art in electroencephalogram and access control | |
Srivastava | Personal identification using iris recognition system, a review | |
CN111859338A (zh) | 一种身份识别方法、系统、存储介质、计算机程序、终端 | |
Bak et al. | User biometric identification methodology via eeg-based motor imagery signals | |
Zhao et al. | Improving individual identification in security check with an EEG based biometric solution | |
Karthikeyan et al. | Enhancement of multi-modal biometric authentication based on iris and brain neuro image coding | |
CN110598522A (zh) | 一种基于人脸和掌纹掌静脉识别的身份比对方法 | |
Rosli et al. | The wavelet packet decomposition features applied in EEG based authentication system | |
CN113918912A (zh) | 一种基于脑纹识别的身份认证方法、系统、设备及介质 | |
CN113082448A (zh) | 基于脑电信号和眼动仪的虚拟沉浸式自闭症儿童治疗系统 | |
Shu et al. | Identification authentication scheme using human body odour | |
Hendrawan et al. | Identification of optimum segment in single channel EEG biometric system | |
CN111444489B (zh) | 一种基于光电容积脉搏波传感器的双因子认证方法 | |
Ferreira et al. | Advances in EEG-based biometry | |
SI | New Heart Features for More Effective Human Identification. |
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 |
Application publication date: 20201030 |
|
RJ01 | Rejection of invention patent application after publication |