[发明专利]一种基于运动传感器的步态识别方法

说明书

技术领域

本发明涉及人体生物识别的技术领域，具体涉及一种基于运动传感器的步态识别方法。

背景技术

当今世界，信息技术创新日新月异，以数字化、网络化、智能化为特征的信息化浪潮蓬勃兴起。可穿戴设备已经走进人们的生活，在人们随身的物件上，集成了智能芯片等设备，可以收集用户的生理及使用习惯相关数据，并能通过网络等手段实现习惯的记录，体验的改进，功能的延伸等。但是信息技术高速发展的同时，也给用户的个人数据安全带来了风险，这使得个人数据安全和设备使用便利性存在着一定程度上的矛盾。

当前对步态识别的研究，基本都是基于机器视觉和深度学习，需要同时有多个摄像头获取步态视频进行数据分析，这样会极大增加步态识别实现的成本。目前，亟待提出一种实现成本较低，计算量小，普通终端便可实现，应用范围更广泛的步态识别方法。

发明内容

本发明的目的是为了解决现有技术中的上述缺陷，提供一种基于运动传感器的步态识别方法，该步态识别方法利用在脚，小腿，或大腿上的运动传感器采集佩戴人的步态信息，这些传感器包括但不限于口袋中的手机，智能运动鞋，运动脚环。然后通过低功耗处理器分析后与数据库中事先采集好的数据进行比较已达到验证佩戴人身份的目的。

本发明的目的可以通过采取如下技术方案达到：

一种基于运动传感器的步态识别方法，所述步态识别方法包括下列步骤：

S1、通过运动传感器采集获得佩戴用户在行走过程中产生的步态数据；

S2、对步态数据进行步态周期估计，然后通过估计的步态周期对步态数据进行定位切割，实现步态数据的特征值提取；

S3、通过步态数据特征值曲线的上升沿延续长度及时间跨度的匹配比较，从匹配库筛选出匹配度高于判定阈值的候选人，将步态数据特征值在频域分别与每一个待识别的候选人的傅里叶变换之后的步态数据进行误差积分得到对每一个待识别的候选人的匹配度，将匹配度最大的候选人认定为身份匹配成功。

进一步地，所述步骤S2包括：

S201、通过不同的周期步态识别算法进行步态数据识别，对计算的周期进行评价，并且返回置信度，采用置信度最高的周期步态识别算法估计的步态周期值；

S202、根据估计的所述步态周期值对每一步的数据精确定位并切割单独提取出来作为特征值。

进一步地，所述步骤S3包括：

S301、对步态数据特征值曲线进行上升沿延续长度及时间跨度的匹配比较，从匹配库首先初步筛选出匹配度高于判定阈值的候选人；

S302、对候选人在匹配库中的步态数据进行压缩或者拉伸，实现步态周期标准化，对步态周期标准化后的步态数据特征值曲线进行傅里叶变换，将时域上特征不明显的数据映射到频域上，将步态数据特征值在频域分别与每一个待识别的候选人的傅里叶变换之后的步态数据进行误差积分得到对每一个待识别的候选人的匹配度，将匹配度最大的候选人认定为身份匹配成功。

进一步地，所述步态周期标准化为400个点，将从匹配库中获得的步态离散数据连续化，再将连续化的步态数据按400个点进行分离，得到各个相邻点之间相关性最好的离散数据，其中数据压缩或者拉伸变换的公式如下：

其中X_I代表变换后的数据的第I个点，Y_I代表原始步态数据的第I个点，PER为原始步态数据的周期，INT()为取整函数。

进一步地，所述匹配度的计算公式如下：

其中，s(n)为待识别步态数据，c(n)为候选人步态数据。

进一步地，所述运动传感器为佩戴在脚，小腿，或大腿上的可穿戴智能设备，其中，所述步态数据为佩戴用户在行走过程中产生的加速度数据。

进一步地，所述匹配库为事先建立的，该匹配库中存储有用户的步态数据，可自动识别出没有记录的用户的步态数据，并自动存储到匹配库中。

本发明相对于现有技术具有如下的优点及效果：

1、实现简单，方便普及，成本低廉，理论上可以装配到现有的所有带有加速度传感器的智能设备上。

2、使用方便，本发明对人身份的识别是基于人的步态特征，验证的过程可以在使用者自然行走的过程中完成，所以使用体验更加流畅。

3、安全性更高，本发明采集的是步态数据，与指纹识别等传统技术相比更难被仿造。

4、与其它基于摄像头的步态识别方案相比，本发明的实现成本更低，计算量小，应用范围更广泛。

附图说明