[发明专利]基于步态轨迹曲线特征的人体身份识别

说明书

本发明公开了一种基于步态轨迹曲线特征的人体身份识别方法。根据步态加速度数据在时域的曲线图，将步态身份识别问题转换为轨迹曲线形状的匹配问题。从图像学角度出发，论文利用傅里叶描述子来描述步态曲线的较粗轮廓的全局轨迹曲线特征，并提出方向角描述子的概念来进一步刻画步态曲线细致的局部轨迹曲线特征，最后将二者结合完成步态轨迹曲线的匹配。结果表明，论文所提出的步态轨迹曲线特征能够很好的用于身份识别。

技术领域

本发明属于信息安全领域，具体涉及一种基于步态轨迹曲线特征的人体身份识别方法。

背景技术

据中国台湾《电子时报》报道，工信部的统计数据显示，截止到2014年5月底中国的手机用户数量已达到12.56亿人，相较4月份增长了0.36％，比去年同期增长了7.82％，相当于中国 90.8％的人都在使用手机。2016年5月17日，中国互联网协会、国家互联网应急中心(CNCERT) 在京首次联合发布了《中国移动互联网发展状况及其安全报告(2016)》。报告显示，2015年中国境内活跃的手机网民数量达7.8亿，占全国人口数量的56.9％。手机安全问题依然严峻，而用户身份识别是保护信息安全的首要步骤。目前智能手机大都配备了摄像头、加速度传感器、陀螺仪等各种传感器，这些传感器能够记录下每个人所特有的生物特征，目前常见的生物特征有签名、指纹、声音、虹膜和步态等。由于生物特征是人本身固有的，具有不易丢失、盗取和遗忘的优点。但这些生物特征识别方式也存在一些缺点，例如指纹、虹膜、人脸等生物特征识别需要用户近距离接触，而且也需要高分辨率的图像，应用范围有限。人类的步态包含非常独特的模式，可用于身份的识别和验证。加速度传感器以其低廉的价格、高的灵敏度和较小的体积被广泛应用于智能手机中。其具有的独特优势使研究人员逐渐认识到它在基于步态的身份识别领域的应用前景。基于步态的身份识别主要的难点和重点集中在特征提取和分类识别方法上，特征提取是为了从步态加速度传感器信号中提取可以表征人体身份的特征向量，是基于智能手机传感器的用户身份识别技术中的关键所在，其好坏会直接影响分类器的识别率。

目前基于加速度信号特征提取的方法可以分为：时域分析法、频域分析法和时频域法。时域阶段提取简单特征，虽然计算量小，但是所取得识别率并不是很高；针对上述问题，在此基础上添加了频域的特征，因为频域丢弃了时域的信号特征，所以一般需要融合这两类特征，融合后识别率得到了很大的提高，但是由于频域阶段提取的特征的维数较高，需要对特征进行降维或优化处理，这些处理的好坏将直接影响最终的结果。时-频方法能够在时间和频率两个空间内更好的观察信息特性，但冗余度较大。随着基于加速度传感器的步态身份识别研究的不断深入，研究人员不断尝试通过提取新的特征来提高身份识别率。

针对上述问题，提出一种基于步态轨迹曲线特征的人体身份识别方法。该方法根据步态加速度数据在时域的曲线图，将步态身份识别问题转换为曲线轨迹的形状匹配问题。从图像学角度出发，利用傅里叶描述子来描述步态曲线的较粗轮廓的轨迹形状特征，并提出方向角描述子的概念来进一步刻画曲线细致的轨迹特征，最后将二者结合完成步态轨迹曲线的匹配。结果表明，提出的步态曲线形状特征能够很好的用于身份识别。

发明内容

针对目前基于智能手机的安全防护问题，本发明通过进一步挖掘新的步态特征用于身份识别，傅里叶描述子是一种新型的描述图像特征的数学方法，已成功运用于图形图像领域中的曲线轨迹形状匹配。因此，根据步态加速度数据在时域的曲线图，本发明将步态身份识别问题转换为轨迹曲线形状的匹配问题。从图像学角度出发，利用傅里叶描述子来描述步态曲线的较粗轮廓的全局轨迹曲线特征，为了能够进一步细致的刻画轨迹曲线特征，弥补傅里叶描述子不能描述局部特征，本发明又提出方向角描述子的概念来进一步刻画步态曲线细致的局部轨迹曲线特征，最后将二者结合形成从整体到局部的步态轨迹曲线匹配。

实现本发明的技术方案如下：

一种基于步态轨迹曲线特征的人体身份识别方法，包括较粗轮廓的曲线轨迹特征提取步骤和较细致的局部曲线轨迹特征提取步骤；

所述较粗轮廓的曲线轨迹特征提取步骤包括：