[发明专利]基于运动传感行为特征的智能手表解锁和认证方法

权利要求书

1.一种基于运动传感行为特征的智能手表解锁和认证方法，其特征在于，包括以下步骤：

第一步，用户身份模型构建：

1.1)，在用户得到智能手表后，用户根据智能手表设定的流程进行相应手部运动，智能手表采集并记录用户的手部运动数据，形成用户运动行为的训练数据集；

1.2)，针对每次手部运动，根据事先设定的标记，归类为多种运动行为模式；

1.3)，针对每种运动行为模式下的惯性传感器数据，提取特征向量，根据最小距离原则选取参考特征向量，对每个运动行为的特征向量进行距离度量，得到每个运动行为的距离特征向量，形成每个运动行为模式下的运动行为训练特征集合；

1.4)，将步骤1.1)的用户运动行为的训练数据集标记为正类，采用单类分类器对每种运动行为模式构建合法用户的身份模型，步骤1.1)的用户设定每种运动行为模式对应的合法用户的身份判定阈值；

第二步，操作者解锁进行身份认证：

2.1用户登入智能手表后，智能手表按设定的顺序提示用户进行相应动作，智能手表捕获用户的手部运动数据，依次以长度为L的观测窗口形成包含N个运动行为的用户运动行为块；

2.2)，针对运动行为块中的每个运动行为，根据事先确定的顺序对其进行标记，提取运动行为的特征向量，与合法用户的身份模型构建时获得的对应运动行为模式的参考特征向量进行距离度量，得到运动行为的距离特征向量；

2.3)，针对运动行为块中的每个运动行为，将其距离特征向量作为运动行为对应的合法用户的身份模型的输入，得到每个运动行为的检测值，并将该检测值与对应的合法用户的身份判定阈值进行比较，判定每个运动行为的异常性；

2.4)，对当前用户身份合法性进行判定：若在N次运动行为中监测到M次异常行为，M小于N，则判定当前用户为非法用户；反之则判定当前用户为合法用户，智能手表解锁；N的取值从1变化到3，M的取值为1；

步骤1.3)中的运动行为的特征向量是指由运动行为在惯性传感器所产生的时空轨迹曲线所衍生出的一系列行为测量量，包括统计特征、频域特征和小波特征，具体如下：

统计特征包括：

各传感器各方向上数据序列的均值；

各传感器各方向上数据序列的最小值；

各传感器各方向上数据序列的最大值；

各传感器各方向上数据序列的极差；

各传感器各方向上数据序列的方差；

各传感器各方向上数据序列的峰度；

各传感器各方向上数据序列的偏度；

各传感器各方向上数据序列的过零点率；

频域特征包括：

各传感器各方向上数据序列的能量；

各传感器各方向上数据序列的熵；

小波特征包括：

各传感器各方向上数据序列小波分解后各级成分的占比；

步骤1.2)具体包括：

1.2.1)，生成多组运动模式标记，代表期望用户进行的运动；

1.2.2)，用户根据提示进行相应的运动，智能手表捕获惯性传感器数据，并加入运动模式标记；

1.2.3)，形成不同运动行为模式下的运动行为训练数据集，运动行为模式包括：抬手运动、握拳运动、挥手运动、伸臂运动；

步骤1.3)具体包括：

1.3.1)，针对每种运动行为模式下的运动行为训练数据集，提取运动行为特征向量，具体为运动行为在惯性传感器上产生的时空轨迹曲线所衍生出的一系列行为测量量，包括：统计特征、频域特征和小波特征三类；其中，统计特征是对一次运动行为产生数据点的统计描述，包括各传感器各方向上数据序列的均值、最小值、最大值、极差、方差、峰度、偏度和过零率；频域特征是对一次运动行为过程的频域描述，包括各传感器各方向上数据序列的能量和熵；小波特征是对一次运动行为过程在各频段的分布的描述，其计算方法为对数据序列进行八级小波分解，提取各级小波信号的能量占比作为特征；

1.3.2)，采用欧式距离计算每个运动行为的特征向量到对应运动行为模式下的运动行为训练数据中其它运动行为特征向量的距离，得到维度为S-1的距离向量，其中S表示训练集合中特征向量的个数；

1.3.3)，计算每个距离向量的模，选择向量模值最小的特征向量作为参考特征向量；

1.3.4)，计算每个运动行为的特征向量和对应运动行为模式中的参考特征向量的差值向量，作为该行为的距离特征向量，接着形成每个运动行为模式下运动行为训练特征集合；

所述多种运动行为模式包括：抬手、握拳、挥手和伸臂；

合法用户的身份模型包括：抬手运动模型、握拳运动模型、挥手运动模型和伸臂运动模型；

步骤1.1)和步骤2.1)中的用户的手部运动数据为运动行为数据点所组成的序列，格式为：{时间,x方向加速度,y方向加速,z方向加速度,x方向角速度,y方向角速度,z方向角速度,手部运动模式}，其中手部运动模式指的是所提示事件序列中规定的运动模式标记；

步骤1.3)中根据最小距离原则选取参考特征向量的方法为：在每种运动行为模式的运动行为训练数据中，采用欧式距离计算每个运动行为的特征向量到训练数据中其它运动行为特征向量的距离，形成距离向量，选择距离向量模最小的特征向量作为该运动行为模式的参考特征向量；

步骤1.4)中的构建合法用户的身份模型由一种或多种单类分类器联合实现，所述单类分类器包括单分类支持向量机、单分类神经网络、单分类最近邻分类器。