CN112802240B - 一种基于脑电波的保险解锁方法 - Google Patents

一种基于脑电波的保险解锁方法 Download PDF

Info

Publication number
CN112802240B
CN112802240B CN202011637445.2A CN202011637445A CN112802240B CN 112802240 B CN112802240 B CN 112802240B CN 202011637445 A CN202011637445 A CN 202011637445A CN 112802240 B CN112802240 B CN 112802240B
Authority
CN
China
Prior art keywords
brain wave
waveform
signal
unlocking
brain
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.)
Expired - Fee Related
Application number
CN202011637445.2A
Other languages
English (en)
Other versions
CN112802240A (zh
Inventor
刘俐廷
李若凡
任晓旋
邹昀廷
张凯
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Southwest Jiaotong University
Original Assignee
Southwest Jiaotong University
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Southwest Jiaotong University filed Critical Southwest Jiaotong University
Priority to CN202011637445.2A priority Critical patent/CN112802240B/zh
Publication of CN112802240A publication Critical patent/CN112802240A/zh
Application granted granted Critical
Publication of CN112802240B publication Critical patent/CN112802240B/zh
Expired - Fee Related legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G07—CHECKING-DEVICES
    • G07C—TIME OR ATTENDANCE REGISTERS; REGISTERING OR INDICATING THE WORKING OF MACHINES; GENERATING RANDOM NUMBERS; VOTING OR LOTTERY APPARATUS; ARRANGEMENTS, SYSTEMS OR APPARATUS FOR CHECKING NOT PROVIDED FOR ELSEWHERE
    • G07C9/00—Individual registration on entry or exit
    • G07C9/00174—Electronically operated locks; Circuits therefor; Nonmechanical keys therefor, e.g. passive or active electrical keys or other data carriers without mechanical keys
    • G07C9/00563—Electronically operated locks; Circuits therefor; Nonmechanical keys therefor, e.g. passive or active electrical keys or other data carriers without mechanical keys using personal physical data of the operator, e.g. finger prints, retinal images, voicepatterns
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/68—Arrangements of detecting, measuring or recording means, e.g. sensors, in relation to patient
    • A61B5/6801—Arrangements of detecting, measuring or recording means, e.g. sensors, in relation to patient specially adapted to be attached to or worn on the body surface
    • A61B5/6802—Sensor mounted on worn items
    • A61B5/6803—Head-worn items, e.g. helmets, masks, headphones or goggles
    • 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
    • G—PHYSICS
    • G07—CHECKING-DEVICES
    • G07C—TIME OR ATTENDANCE REGISTERS; REGISTERING OR INDICATING THE WORKING OF MACHINES; GENERATING RANDOM NUMBERS; VOTING OR LOTTERY APPARATUS; ARRANGEMENTS, SYSTEMS OR APPARATUS FOR CHECKING NOT PROVIDED FOR ELSEWHERE
    • G07C9/00—Individual registration on entry or exit
    • G07C9/00174—Electronically operated locks; Circuits therefor; Nonmechanical keys therefor, e.g. passive or active electrical keys or other data carriers without mechanical keys
    • G07C9/00896—Electronically operated locks; Circuits therefor; Nonmechanical keys therefor, e.g. passive or active electrical keys or other data carriers without mechanical keys specially adapted for particular uses
    • G07C9/00912—Electronically operated locks; Circuits therefor; Nonmechanical keys therefor, e.g. passive or active electrical keys or other data carriers without mechanical keys specially adapted for particular uses for safes, strong-rooms, vaults or the like

Landscapes

  • Health & Medical Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Physics & Mathematics (AREA)
  • Engineering & Computer Science (AREA)
  • Molecular Biology (AREA)
  • Animal Behavior & Ethology (AREA)
  • Veterinary Medicine (AREA)
  • Public Health (AREA)
  • General Health & Medical Sciences (AREA)
  • Surgery (AREA)
  • Biophysics (AREA)
  • Pathology (AREA)
  • Biomedical Technology (AREA)
  • Heart & Thoracic Surgery (AREA)
  • Medical Informatics (AREA)
  • General Physics & Mathematics (AREA)
  • Artificial Intelligence (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Signal Processing (AREA)
  • Psychiatry (AREA)
  • Physiology (AREA)
  • Measurement Of The Respiration, Hearing Ability, Form, And Blood Characteristics Of Living Organisms (AREA)
  • Measurement And Recording Of Electrical Phenomena And Electrical Characteristics Of The Living Body (AREA)

Abstract

本发明公开了一种基于脑电波的保险解锁方法，其包括在保险装置上设置用于处理数据的单片机和与脑电波采集装置通讯连接的信号传感器，并在单片机中存储预先训练好的脑电波检测模型；将脑电波采集装置安装于用于解锁的人头上，获取脑电波信号；将脑电波信号与脑电波检测模型中的信号对比；当对比得到的相似系数达到设定值时，保险装置开锁，否则在设定时长内停止获取脑电波信号。本发明能够解决现有技术中解锁技术存在易被破解的安全性不足的问题，效率高、准确性强、安全性好。

Description

一种基于脑电波的保险解锁方法
技术领域
本发明涉及保险解锁技术领域，具体涉及一种基于脑电波的保险解锁方法。
背景技术
目前对于保险柜解锁技术主要包含机械锁、电子密码、IC卡和指纹识别，这些解锁方式都存在安全性较差，易被人窃取的缺点。例如：传统机械锁、IC卡的开锁的方式存在钥匙与锁的可分离性问题，进而可能引起遗失、胁迫、仿制、冒用等现象，在安全上无法得到充分的保证；电子密码虽然不存在可分离性的问题，但是可以被技术破译，安全防护度并不高；即使基于生物识别(如：人脸识别、指纹识别、声纹识别等)的锁在防伪和防攻破方面有了提升，但仍存在易被篡改、被复制、被胁迫的缺点，所以现有解锁技术安全性仍能存在问题。
发明内容
本发明针对现有技术中的上述不足，提供了一种能够解决现有技术中解锁技术存在易被破解的安全性不足的问题的基于脑电波的保险解锁方法。
为解决上述技术问题，本发明采用了下列技术方案：
提供了一种基于脑电波的保险解锁方法，其包括如下步骤：
S1、在保险装置上设置用于处理数据的单片机和与脑电波采集装置通讯连接的信号传感器，并在单片机中存储预先训练好的脑电波检测模型；
S2、将脑电波采集装置安装于用于解锁的人头上，获取脑电波信号；
S3、将脑电波信号与脑电波检测模型中的信号对比；
S4、当对比得到的相似系数达到设定值时，保险装置开锁，否则在设定时长内停止获取脑电波信号。
本发明提供的上述基于脑电波的保险解锁方法的主要有益效果在于：
本发明通过脑电波对比波形数据，通过数据分析的方式，根据每个人的脑电波图形具有独特性而对使用者进行识别。
在安全性能方面相比指纹解锁来说，如果指纹遭窃，基本上是无法挽回的，因为指纹是无法更改的，而脑电波这是可更改的，而且不易窃取。相比传统的解锁技术而言脑电波解锁技术安全性能更高。利用图像识别技术来实现波形识别是一种非接触式的检测手段，可靠性高，且难以破解。
附图说明
图1为本发明基于脑电波的保险解锁方法的流程图。
图2为脑电波脑电波采集装置的连接关系示意图。
具体实施方式
下面结合附图对本发明作进一步说明：
如图1所示，其为本发明基于脑电波的保险解锁方法的流程图。
本发明的基于脑电波的保险解锁方法包括如下步骤：
S1、在保险装置上设置用于处理数据的单片机和与脑电波采集装置通讯连接的信号传感器，并在单片机中存储预先训练好的脑电波检测模型。
进一步地，如图2所示，脑电波采集装置包括若干电极片，电极片与脑电波检测设备模块电连接，脑电波检测设备模块分别与电源模块和蓝牙模块电连接，所述蓝牙模块与信号传感器通讯连接。
脑电波检测模型为采用图像识别领域中基于深度学习的目标检测算法训练得到的模型，其包括与解锁密钥对应的脑电波信号。
S2、将脑电波采集装置安装于用于解锁的人头上，获取脑电波信号。
进一步地，脑电波信号数据通过图像识别方法识别得到的若干波形组成的波形数组，表示为：
X＝{X1,X2,X3,……,Xm-1,Xm}，
其中，m为脑电波信号波形数，Xm为第m个波形的幅度值，X为波形的数组对应的向量，即波形向量。
S3、将脑电波信号与脑电波检测模型中的信号对比。
其中，波形比对算法包括：
S3-1、计算每个波形数组的标准差，表示为：
Figure BDA0002878911350000031
其中，n为波形采样点个数，xi为具体采样点采样值。
S3-2、根据标准差，对每个测量到的波形数组作归一化处理，计算波形向量Xj与脑电波检测模型中对应信号Yj的偏差值Dj，其计算方法为：
Dj＝∑(Xj-Yj)，
j＝1,2,3,……,m；
其中，Xj为单个高度计在j时刻检测到的波形向量。
进一步地，脑电波检测模型中对应信号Yj的检索方法为根据波形向量Xj中的各幅度值按顺序和设定精确度依次对比得到。
其中，精确度为波形对比个数。精确度最小值为m-3，最大值为m。以保证对比的准确性和安全性。
S3-3、引入修正参数k，使得下述关系成立：
Dj<Dj-1，Dj-Dj-1/Dj-1<rth，其中j＝k，k-1，…1，
其中，
Figure BDA0002878911350000032
rth为偏差值的阈值。通过设置阈值，以减少不必要的计算量。
S3-4、计算波形向量Xj与数据库中对应信号Yj的相似系数ρxy，其计算方法为：
Figure BDA0002878911350000041
其中，Cov(X,Y)为协方差，|ρxy|<1表示两者不相关，|ρxy|＝1表示两个信号完全形同。
S4、当对比得到的相似系数达到设定值时，保险装置开锁，否则在设定时长内停止获取脑电波信号。
优选的，相似系数的最小值为0.7。
通过比对两者之间的偏差值，可实现输入波形信号与脑电波检测模型中信号之间的拟合程度识别，从而达到快速判断相似度，从而判断是否符合解锁密钥的目的。计算简单精确，响应速度快，安全性强。
上面对本发明的具体实施方式进行描述，以便于本技术领域的技术人员理解本发明，但应该清楚，本发明不限于具体实施方式的范围，对本技术领域的普通技术人员来讲，只要各种变化在所附的权利要求限定和确定的本发明的精神和范围内，这些变化是显而易见的，一切利用本发明构思的发明创造均在保护之列。

Claims (7)

1.一种基于脑电波的保险解锁方法，其特征在于，包括如下步骤：
S1、在保险装置上设置用于处理数据的单片机和与脑电波采集装置通讯连接的信号传感器，并在单片机中存储预先训练好的脑电波检测模型；
S2、将脑电波采集装置安装于用于解锁的人头上，获取脑电波信号；
S3、将脑电波信号与脑电波检测模型中的信号对比；
S4、当对比得到的相似系数达到设定值时，保险装置开锁，否则在设定时长内停止获取脑电波信号；
所述脑电波信号数据通过图像识别方法识别得到的若干波形组成的波形数组，表示为：
X＝{X1,X2,X3,……,Xm-1,Xm}，
其中，m为脑电波信号波形数，Xm为第m个波形的幅度值，X为波形的数组对应的向量，即波形向量；
所述信号对比算法包括：
S3-1、计算每个波形数组的标准差，表示为：
Figure FDA0003467123000000011
其中，n为波形采样点个数，xi为具体采样点采样值；
S3-2、根据标准差，对每个测量到的波形数组作归一化处理，计算波形向量Xj与脑电波检测模型中对应信号Yj的偏差值Dj，其计算方法为：
Dj＝∑(Xj-Yj)，
j＝1,2,3,……,m；
S3-3、引入修正参数k，使得下述关系成立：
Dj<Dj-1，Dj-Dj-1/Dj-1<rth，其中j＝k，k-1，…1，
其中，
Figure FDA0003467123000000021
rth为偏差值的阈值；
S3-4、计算波形向量Xj与脑电波检测模型中对应信号Yj的相似系数ρxy，其计算方法为：
Figure FDA0003467123000000022
其中，Cov(X,Y)为协方差，|ρxy|<1表示两者不相关，|ρxy|＝1表示两个信号完全形同。
2.根据权利要求1所述的基于脑电波的保险解锁方法，其特征在于，所述脑电波采集装置包括若干电极片，电极片与脑电波检测设备模块电连接，脑电波检测设备模块分别与电源模块和蓝牙模块电连接，所述蓝牙模块与信号传感器通讯连接。
3.根据权利要求2所述的基于脑电波的保险解锁方法，其特征在于，所述脑电波检测模型为采用图像识别领域中基于深度学习的目标检测算法训练得到的模型。
4.根据权利要求3所述的基于脑电波的保险解锁方法，其特征在于，所述脑电波检测模型中对应信号Yj的检索方法为根据波形向量Xj中的各幅度值按顺序和设定精确度依次对比得到。
5.根据权利要求4所述的基于脑电波的保险解锁方法，其特征在于，所述精确度为波形对比个数。
6.根据权利要求5所述的基于脑电波的保险解锁方法，其特征在于，所述精确度最小值为m-3，最大值为m。
7.根据权利要求6所述的基于脑电波的保险解锁方法，其特征在于，所述相似系数的最小值为0.7。
CN202011637445.2A 2020-12-31 2020-12-31 一种基于脑电波的保险解锁方法 Expired - Fee Related CN112802240B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202011637445.2A CN112802240B (zh) 2020-12-31 2020-12-31 一种基于脑电波的保险解锁方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202011637445.2A CN112802240B (zh) 2020-12-31 2020-12-31 一种基于脑电波的保险解锁方法

Publications (2)

Publication Number Publication Date
CN112802240A CN112802240A (zh) 2021-05-14
CN112802240B true CN112802240B (zh) 2022-04-15

Family

ID=75808825

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202011637445.2A Expired - Fee Related CN112802240B (zh) 2020-12-31 2020-12-31 一种基于脑电波的保险解锁方法

Country Status (1)

Country Link
CN (1) CN112802240B (zh)

Family Cites Families (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2002318361A (ja) * 2001-04-20 2002-10-31 Matsushita Electric Ind Co Ltd ガルバノメータの位置決め制御方法
JP4685131B2 (ja) * 2008-05-30 2011-05-18 Ｎｔｔエレクトロニクス株式会社 クロック偏差変化時の移動平均演算処理方法
CN103810780B (zh) * 2014-03-18 2016-09-28 苏州大学 基于脑机交换技术的密码锁及其加密解密方法
CN106251438A (zh) * 2016-07-22 2016-12-21 三峡大学 一种脑波锁系统和方法
CN107503626A (zh) * 2017-07-10 2017-12-22 三峡大学 一种基于脑波的财务管理保险箱
CN107451446B (zh) * 2017-07-18 2020-05-26 Oppo广东移动通信有限公司 解锁控制方法及相关产品
CN108388342B (zh) * 2018-02-11 2020-01-14 Oppo广东移动通信有限公司 电子装置、设备控制方法及相关产品
CN108334766B (zh) * 2018-02-13 2019-09-17 Oppo广东移动通信有限公司 电子装置、解锁方法及相关产品
CN108415564B (zh) * 2018-02-26 2020-08-18 Oppo广东移动通信有限公司 电子装置、设备控制方法及相关产品
CN108519810B (zh) * 2018-03-07 2021-04-09 Oppo广东移动通信有限公司 电子装置、脑电波解锁方法及相关产品
CN110531234B (zh) * 2019-09-26 2021-06-04 武汉三相电力科技有限公司 一种输电线路放电脉冲的识别提取方法

Also Published As

Publication number Publication date
CN112802240A (zh) 2021-05-14

Similar Documents

Publication Publication Date Title
Ratha et al. Automated biometrics
US20110032074A1 (en) Enhanced Biometric Authentication
CN101002682A (zh) 用于身份识别的手背静脉特征提取和匹配方法
DE60020606D1 (de) Biometrische identifikation mit verwendung einzigartiger energiemerkmale eines individuellen organismus
US4789934A (en) Signature verification algorithm
Li et al. A stroke-based RNN for writer-independent online signature verification
Liliana et al. The combination of palm print and hand geometry for biometrics palm recognition
CN112802240B (zh) 一种基于脑电波的保险解锁方法
Aguilar et al. Fingerprint recognition
WO2010028517A1 (zh) 通过类神经网络生成/验证密码的方法及系统
Srinivas et al. Artificial intelligence based optimal biometric security system using palm veins
Patil et al. Palmprint recognition using DWT, DCT and PCA techniques
Stephen et al. Implementation of easy fingerprint image authentication with traditional euclidean and singular value decomposition algorithms
Barham et al. Fingerprint recognition using MATLAB
Zhu et al. Fingerprint recognition-based access controlling system for automobiles
Mahajan et al. PCA and DWT based multimodal biometric recognition system
Arakala Secure and private fingerprint-based authentication
RU2459252C1 (ru) Система и способ идентификации пользователей эвм (варианты)
Yang et al. Iris recognition based on location of key points
Henderson et al. Sensing pressure for authentication
Medvedev et al. Enhancing Keystroke Biometric Authentication Using Deep Learning Techniques
RU2734846C1 (ru) Способ автоматического формирования базы биометрических образов &#34;Свой&#34; для обучения и тестирования средств высоконадежной биометрико-нейросетевой аутентификации личности
CN115062287A (zh) 一种基于区块链的身份认证方法及系统
US20220391483A1 (en) Method and device for biometric identification and/or authentication
Kurra Nagasai et al. SIGNATURE-BASED DOOR LOCK SYSTEM USING KNN ALGORITHM

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
CF01 Termination of patent right due to non-payment of annual fee

Granted publication date: 20220415