[发明专利]基于步态的大规模手机用户快速身份识别方法

说明书

本发明公开了一种基于步态的大规模手机用户快速身份识别方法，通过采集步态样本、构建步态检索样本集、对步态样本集进行哈希编码、对步态样本集进行特征描述、识别未知身份步态，实现步态的识别。该方法通过快速检索到一批相似用户，然后进行精细比较，缩短了识别时间，且利用所设计的哈希编码和特征描述可以实现快捷的同时，准确率也有提高。

技术领域

本发明涉及人工智能和信息安全领域，具体涉及一种基于步态的大规模手机用户快速身份识别方法。

技术背景

近十年来，随着通信技术的发展，智能手机迅速发展并且在社会大众中迅速普及，手机已成为人们社会生活中最重要的工具之一。截至2017年12月，我国手机网民规模达7.53亿；以手机为中心的智能设备，已成为物联网的基础，它使构筑个性化、智能化的应用场景成为可能。然而，移动互联网服务场景不断丰富、移动终端规模加速提升、移动数据量持续扩大，也给移动互联网的安全管理带来了新的更高要求和严峻挑战。以智能手机为终端载体的移动互联网安全是国家网络安全的重要组成，手机用户的身份识别是构建移动互联网安全的重要基础。

步态作为一种非接触的生物特征，是由人在行走时各个肢体器官协调动作的模式构成。与其他生物特征相比，步态支持动态采集、容易被用户接受、并且难以被模仿，使得它具有多种优势。而新一代智能手机普遍集成了高灵敏度的惯性传感器，如加速度传感器、陀螺仪等，为采集用户行走时的步态信息提供了广泛支持，从而为基于步态识别的手机用户身份识别提供了可能。

但是，当用户规模巨大时，例如百万、千万甚至上亿的用户对象，传统的步态分类与识别方法速度很慢，难以满足实时手机用户识别的需求。因此，研发基于步态的大规模手机用户快速身份识别具有重要的意义和价值。

发明内容

本发明针对现有技术的不足，提出了一种基于步态的大规模手机用户快速身份识别方法，用于快速的手机用户身份识别，其特征在于包含以下步骤：

s1采集步态样本：利用手机采集大规模用户的运动数据；并从运动数据中分离出步行时产生的数据，构建大规模步态样本集；

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；

s3对步态样本集进行哈希编码：构建深度学习哈希网络，利用步骤s2构建的步态检索样本集对深度学习哈希网络进行训练，得到深度哈希模型；并从深度哈希模型中取出从输入层到哈希层的部分，作为哈希编码器；利用该哈希编码器对步骤s1构建的步态样本集中的步态样本进行哈希编码，从而将输入的步态样本编码成只有0和1组成的向量；

s4对步态样本集进行特征描述：构建深度学习分类网络，利用步骤s1构建的大规模步态样本集对深度学习分类网络进行训练，得到步态分类模型；从所述步态分类模型中取出从输入层到最后一个隐含层的部分，作为步态特征描述器；利用该步态特征描述器对步态样本集中的所有样本进行步态特征描述；

s5识别未知身份步态：对于待识别的未知身份步态样本i，利用步骤4所得的哈希编码器进行编码得到H_i；计算H_i与步骤5所得的已知身份的步态哈希编码的海明距离(Hamming Distance)，得到最相似的K个用户。利用所述的步态特征描述器，对待识别的未知身份步态样本i进行步态特征描述得到F_i，并分别计算F_i和最相似的K个用户的步态特征之间的相似度；并对相似度值进行排序，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。

进一步地，所述步骤s1中的运动数据包含但不限于步行，还包括跑、跳、走、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。

进一步地，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。