[发明专利]一种基于多轴力平台步态分析的用户身份识别方法

说明书

技术领域

本发明属于用户身份识别技术领域，具体涉及一种基于多轴力平台步态分析的用户身份识别方法。

背景技术

安全问题与人们的日常工作、生活密切相关。随着人们日常工作、生活范围的不断拓展，用户身份识别问题的重要性日益突显。作为安全体系基础中的基础，用户身份识别对于有效保障访问的安全性至关重要。

用户身份识别技术伴随着信息技术的诞生而诞生，传统的用户身份识别方法包括基于密码的方法和基于智能卡的方法，它们在日常生活中曾经并且正在起着非常重要的作用。然而，由于密码容易被遗忘，智能卡易于丢失等常使得合法用户被排斥，甚至于会被恶意获得进而导致合法身份被非法冒用，这些固有的缺陷使得它们与现代生活日益不相容。随着科技的发展，用户身份识别技术也在快速演化中。当前，身份识别领域的研究热点主要是基于用户生理特征与/或行为特征的身份识别技术。

用户的生理特征包括脸型、虹膜、指纹、静脉、DNA等人与生俱来的个人特征，借助于生理特征进行用户身份识别已经是当前的实用方法，典型的方法包括人脸识别、指纹识别，手掌形状及轮廓识别、静脉识别、DNA身份认证等。指纹锁是目前最为成熟的基于生理特征的用户身份识别方法之一，已经得到广泛应用，它具有成本低廉的优势，但也由于它必须要求用户手指与识别装置发生物理接触而带来诸如卫生、易磨损等不足；人脸识别技术由于其非接触性具有直观方便、友好、易被接受的优点，随着人工智能重新激起人们的兴趣，近年来迅速成为用户身份识别中的活跃分支，然而，人脸识别技术也具有计算机视觉技术的内在缺点，即易于受环境光照、拍照角度、遮挡、人脸化妆甚至表情等的影响，从而造成识别困难；虹膜特征识别的安全度和精准度非常高，但虹膜特征库的建立困难重重；作为新兴的基于生理特征的用户身份识别技术，基于用户手部静脉结构和基于DNA的用户身份识别方法已浮出水面。

用户的行为特征，如笔迹、挥手姿势、行走姿态等是人后天习得的个人特征，基于笔迹的用户身份识别是最为传统的方法，由于容易模仿，而易于出现用户身份被冒用；当前基于步态的用户身份识别方法中，往往采用一段用户行走的视频序列最为输入，数据量大，计算复杂，处理困难且识别率不高；最近，随着微软Kinect深度相机逐渐得到业界认可，已有研究人员尝试基于三维手势动作进行用户身份识别。

用户生理特征和行为特征统称为用户生物特征。除了上述基于生物特征的用户身份识别方法，近年来，随着可穿戴装置的日益升温，也出现了一些基于可穿戴装置的用户身份识别方法，如基于特制笔的用户身份识别方法、基于特制手套的用户身份识别方法、基于智能移动终端的用户身份识别方法等。总体上说，这些识别方法只是一些努力，尚未能进入实际应用。

此外，目前大部分的这类身份识别系统仅仅利用了用户的生理属性和运动学(或行为)属性，我们认为，用户的动力学属性，即用户在执行某一动作时的施力或受力，应该成为刻画用户个体差异的重要特征。

发明内容

针对现有技术中的问题，本发明的主要目的在于提供一种基于多轴力平台步态分析的用户身份识别方法，从运动学、动力学两个维度提取特征用于身份识别。

为达到以上目的，本发明采用的技术方案为：

一种基于多轴力平台步态分析的用户身份识别方法，包括以下步骤：a.离线用户身份特征库建立；b.在线用户身份实时识别；所述步骤a中包括以下步骤：a1.使用多轴力平台采集用户运动时的足部受力数据，将该数据归入特征库中，或用于新建特征库；a2.使用影像装置采集用户运动时的轨迹数据与时长数据，将该数据归入特征库中，或用于新建特征库；所述步骤b中包括以下步骤：b1.使用多轴力平台采集用户运动时的足部受力数据，将该数据与特征库中的数据进行对比；b2.使用影像装置采集用户运动时的轨迹数据与时长数据，将该数据与特征库中的数据进行对比；b3.将对比结果与预设阈值比较后输出身份识别结果。

作为优选，所述步骤a1、a2中采集到的数据经过处理后归入特征库中，所述步骤b1、b2中采集到的数据经过处理后与特征库中的数据做对比，该处理方法包括以下步骤：c1.将数据拟合成曲线，对曲线进行平滑处理，并基于峰谷进行分割，将整条曲线分割为若干条子轨迹；c2.基于子轨迹的用户特征提取。