[发明专利]基于步态的大规模手机用户快速身份识别方法

权利要求书

1.一种基于步态的大规模手机用户快速身份识别方法，其特征在于，包括以下步骤：

s1采集步态样本：利用手机采集大规模用户的运动数据，分离出步行时产生的数据并构建步态样本集；

s2构建步态检索样本集：基于步骤s1构建的大规模步态样本集，构建步态检索样本集，具体过程如下：

根据步态样本数据集计算相似度矩阵，规定同一用户的样本相似度为1，不同用户的样本相似度为0；构建三元组步态样本，即每个样本包含三个步态样本，其中两个样本相似度为1，另一个样本与它们不相似；将所有三元组步态样本构成步态检索样本集

s3对步态样本集进行哈希编码：构建深度学习哈希网络，并利用所述大规模步态检索样本集进行训练，得到哈希编码器，利用该哈希编码器对步态样本集进行哈希编码；

s4对步态样本集进行特征描述：构建深度学习分类网络，并利用所述大规模步态样本集对深度学习分类网络进行训练，得到步态特征描述器，并利用该特征描述器对所述步态样本集进行步态特征描述；

s5识别未知身份步态：利用所述的哈希编码器对待识别步态进行编码，并计算与已知身份的步态哈希编码的海明距离，得到最相似的K个用户；利用所述的特征描述器对待识别步态进行特征描述，并与所述的K个用户的步态特征描述进行比对，将最大相似度值对应的用户身份作为未知身份步态样本的身份。

2.根据权利要求1基于步态的大规模手机用户快速身份识别方法，其特征在于：所述步骤s1中的运动数据包含但不限于步行，还包括跑、跳、乘车颠簸和静坐；所述运动数据采用手机APP程序采集并通过无线通讯传输到服务器。

3.根据权利要求1基于步态的大规模手机用户快速身份识别方法，其特征在于：所述步骤s1中构建步态样本数据时，步态样本的采用按时间分割的方式。

4.根据权利要求1基于步态的大规模手机用户快速身份识别方法，其特征在于：所述步骤s1中分离出步行时产生的数据具体为：根据步行的周期特点，采用加速度的幅度阈值、跨度阈值来对步态数据进行过滤。

5.根据权利要求1基于步态的大规模手机用户快速身份识别方法，其特征在于：所述深度学习哈希网络采用一维卷积构建。

6.根据权利要求5基于步态的大规模手机用户快速身份识别方法，其特征在于：所述深度学习哈希网络有8层，具体结构如下：第1层是输入层，即步态样本数据，第2层是卷积层，采用1×9的卷积核，卷积核个数为32，步长为2，第3层是池化层，池化尺寸为1×2，第4、5层是两个卷积层，采用1×3的卷积核，卷积核个数为64，步长为1，第6层是池化层，池化尺寸为1×2，第7层是卷积层，卷积核个数为128，步长为1，第8层是一个全连接层，称为哈希层，第9层是输出层。

7.根据权利要求1基于步态的大规模手机用户快速身份识别方法，其特征在于：所述步骤s4中的深度学习分类网络采用双向双层长短时记忆递归神经网络作为分类网络。