[发明专利]一种物联网可穿戴设备中基于人体行为的身份识别方法

权利要求书

1.一种物联网可穿戴设备中基于人体行为的身份识别方法，其特征在于：包括如下步骤：

步骤1：将步频F、步长S划分到n个小区间，得到分布在n个小区间的步频分布序列P(F)、步长分布序列Q(S)；P_n表示步频分布在第n个区间的频数，Q_n表示步长在第n个区间的频数；

P(F)＝[P₁，P₂，...，P_n] (1)

Q(S)＝[Q₁，Q₂，...，Q_n] (2)

步骤2：将步频序列P(F)，步长序列Q(S)按照处理规则转换到规定区间[X1，X2]，[Y1，Y2]上，得到归一化后的步频序列P’(F)，步长序列Q’(S)；其中X1，X2，Y1，Y2为自定义的常量；

步骤3：判断可穿戴设备内部是否存在一个保存设备拥有者的步态行为特征数据库GDB；不存在则建立一个GDB；若存在GDB且GDB中已有数据，转步骤6；

步骤4：计算步频与步长分布在n个区间的权值因子w_n，ρ_n，记录在步频权值数组Weight(F)、步长权值数组Weight(S)中，并保存在步态行为特征数据库GDB中；

步骤5：将步骤2中的数据记录入步态行为特征数据库GDB中，作为待识别的目标人物，得到目标人物步频序列Target(F)＝[M₁，M₂，...，M_n]、目标人物步长序列Target(S)＝[N₁，N₂，...，N_n]，识别结束；

步骤6：设定最高识别次数δ；记录识别次数t，初始化值为1；计算步频序列P’(F)，步长序列Q’(S)与步态行为特征数据库GDB中的步频序列Target(F)、步长序列Target(S)累积失真距离α，β；

具体的，设定最高识别次数6；记录识别次数t，初始化值为1；由公式(7)、(8)计算步频序列P’(F)，步长序列Q’(S)与步态行为特征数据库GDB中的步频序列Target(F)、步长序列Target(S)累积失真距离α，β；

其中w_i为步态行为特征数据库GDB中步频权值数组Weight(F)的第i个位置的值，ρ_j为步态行为特征数据库GDB中步长权值数组Weight(S)的第j个位置的值；

步骤7：设定步频、步长特征对身份识别的影响因子分别为σ1、σ2；由公式(9)可计算得到判别因子θ；

θ＝σ1*α+σ2*β (9)

步骤8：设定判别因子θ的误差上阈为μ；如果由步骤7中得到的判别因子θ小于上阈值μ，则身份识别通过，识别结束，转入步骤11；

步骤9：若t大于δ，转步骤12；将识别次数t内的所有步频序列、步长序列累加作为参考数据temp，暂存在步态行为特征数据库GDB中；

步骤10：由公式(10)计算i个统计周期步频、步长累积失真距离的影响因子γ_i，其中0＜i＜t；则t份样本数据新的失真距离α，β由公式(11)和公式(12)计算，其中t＜δ；识别次数t加1；转步骤7；

其中α_i为第i份样本数据的步频累积失真距离，β_i为第i份样本数据的步长累积失真距离；

步骤11：识别成功，并将步骤9中保存在步态行为特征数据库GDB中的参考数据temp录入GDB，更新步态行为特征数据库GDB中目标人物的步频分布序列Target(F)，步长分布序列Target(S)；更新步态行为特征数据库GDB中的步频权值数组Weight(F)、步长权值数组Weight(S)；

步骤12：识别结束，识别结果不是目标人物，删除保存在步态行为特征数据库GDB中的参考数据temp。