[发明专利]一种基于眨眼声音信号的身份验证方法

说明书

本发明公开了一种基于眨眼声音信号的身份验证方法，应用于身份验证技术领域，具体步骤包括如下：获取回波信号，其中所述回波信号包含眨眼信息；利用短时傅立叶变换将包含眨眼信息的回波信号的能量谱密度信号，并进行离群值和干扰消除；利用集成经验模态将能量谱密度信号分解为分量和残差；对获得的每个分量进行快速傅立叶变换，得到所述分量中与眨眼信息对应的信号，转换成希尔伯特频谱；利用非局部关系表示层增加所述希尔伯特频谱的频谱帧中的频域特征；构建特征提取器和训练分类器，区分合法用户与其他用户。本发明能够在不侵犯用户隐私前提下对用户的眨眼信号做出识别，从而达到身份验证的目的。

技术领域

本发明涉及身份验证技术领域，更具体的说是涉及一种基于眨眼声音信号的身份验证方法。

背景技术

智能手机已成为日常生活中不可或缺的工具。智能手机可以存储私密数据(例如照片、视频、密码)和进行安全交易(手机银行等应用程序)。智能手机上的用户身份验证对于防御潜在攻击至关重要。

智能手机的认证系统依靠指纹、面部或者声纹来实现便捷的身份认证。如今智能手机普遍采用指纹识别和人脸识别技术，作为解锁和移动支付的安全认证。电容式指纹识别是一种普遍方式，近年来有机发光二极管(OLED)屏幕的发展，使得基于光学的屏下指纹融入智能手机的屏幕中。但指纹需要用户主动参与交互，且手指的汗液将使传感器难以识别指纹信息，攻击者也可以借助指纹雕刻进行攻击。传统智能手机的面部识别技术使用摄像头，其受光照影响较大，易受到图片的攻击。用于安全应用的人脸识别则需要配合式活体检测(按照要求做指定动作，如眨眼、转头)或非配合式活体检测(通过控制屏幕光对脸部施加影响)。这使得用户不得不遵循指令要求或等待一定时间，从而导致验证过程的繁琐。iPhone的面部识别算法使用红外和3D传感器来实现精确的面部识别，不受环境光影响，但需要特殊的设备。还有的应用使用声纹作为安全接入的方式。声纹识别利用了人体发声器官的个体差异，当用户读出屏幕内容时，系统比对声纹特征与注册时话音的声纹特征进行比对判断判断是否为同一个人，从而达到精准识别。但是，基于面部识别和声纹识别的身份验证系统通常容易受到攻击。为了克服这种安全风险，研究人员利用各种生物识别技术进行身份验证，包括检测说话和3D面部轮廓时的关节振动。然而，许多方法在疫情期间因为佩戴口罩而失效。例如，如果用户在超市里想要用智能手机，则其需要摘下面具冒被感染的风险，或者使用其他身份验证方法(如手动输入PIN)。

眨眼是中枢神经系统和肌肉所控制的必不可少的半自主机体功能。不同人有独特的眨眼模式，他人难以模仿。此外，由于用户很少遮住眼睛，因此可以使用眨眼信息进行认证。因此，在全球疫情的情况下，基于眨眼的身份验证能够提供可行可靠的认证。当前有关眨眼的研究使用照相机或Electro-Oculo-Gram(EOG)和脑电图(EEG)传感器进行监视。然而，基于视觉的系统对光照条件敏感，并且图像处理具有很高的计算复杂度。并且EOG和EEG传感器在商用智能手机上不可用。

近年来，基于声音信号的感知技术逐渐兴起。智能设备使用扬声器发出特殊调制的音频，并在麦克风处接收返回的声音信号，即可通过信号变化感知对象的变化，完成用户交互、生命体征监控等功能。比较常用的技术是利用信号发生器产生脉冲信号或调频连续波(FMCW)信号。为了减少其受到外界的干扰与对人体听觉系统的影响，大部分都集中在近超声频段，从而能够达到一个较好的测量效果。例如物体移动会对声音信号的频率产生微弱影响，这种基于多普勒频移的超声波信号原理，可以粗略估计人体面部的轮廓，从而达到解读唇语的效果。声音信号是非侵入、非接触式的。与基于视觉的感应不同，基于声音信号的智能感知，对照明条件或部分遮挡(例如戴上口罩)不敏感。声音感应可以通过智能手机中已经内置的麦克风和扬声器实现，而其他无线感应技术(例如WiFi和毫米波)则需要额外的小型基站或额外的硬件，并且由于工作频段较高，会花费更多的计算资源。

当下，声音信号已用于检测不同的生理特征，以进行用户身份验证。研究人员使用被动地分析说话人语音信号或主动地发出声音信号进行用户身份验证。被动语音认证是指从接收到的人类语音中检测不同用户的语音特征。