[发明专利]基于步态行为的身份认证方法、装置、设备及存储介质

说明书

本公开提供一种基于步态行为的身份认证方法、装置、设备及存储介质，方法包括：获取目标对象的步态惯性数据；基于所述步态惯性数据进行步态周期特征提取，得到步态周期序列；将所述步态周期序列可转换为可视化的二维图形，包括：对所述步态周期序列进行可视化处理，得到基于递归图、马尔可夫变迁场、或格拉姆角场的二维图形；基于所述二维图形进行身份认证，得到所述目标对象的身份认证结果。根据本公开，通过对目标对象的步态惯性数据进行特征提取得到稳定的步态周期，形成步态周期序列，再将该步态周期序列转换为可视化的二维图形，可以有效利用二维神经网络，提高身份认证的准确性和效率。

技术领域

本公开涉及身份认证技术领域，尤其涉及一种基于步态行为的身份认证。

背景技术

近年来随着移动终端的迅猛发展，隐式身份认证的研究已成为一种趋势。这种隐式身份认证机制静默收集各种可测量的用户行为模式来对用户进行身份认证。现有的隐式身份认证框架通常需要用户与设备进行交互，例如基于点击和基于滑动手势的隐式身份认证。目前仍然存在许多缺陷，例如点击或滑动过程具有随机化的缺点，实际环境下的噪声问题对检测模型带来的影响较大，并且使用原始传感器输出的一维信号数据作为输入，未考虑到原始信号的时间相性，无法使用高维神经网络。因此，现有技术中的隐式身份认证技术存在噪声大、认证不精确等问题。

发明内容

有鉴于此，本公开的目的在于提出一种基于步态行为的身份认证方法、装置、设备及存储装置。

基于上述目的，根据本公开的第一方面，提供了一种基于步态行为的身份认证方法，包括：

获取目标对象的步态惯性数据；

基于所述步态惯性数据进行步态周期特征提取，得到步态周期序列；

将所述步态周期序列转换为可视化的二维图形，包括：对所述步态周期序列进行可视化处理，得到基于递归图、马尔可夫变迁场、或格拉姆角场的二维图形；

基于所述二维图形进行身份认证，得到所述目标对象的身份认证结果。

可选地，所述基于所述步态惯性数据进行步态周期特征提取，得到步态周期序列，包括：

将所述步态惯性数据合成得到步态时间序列；

基于所述步态时间序列进行步态周期划分，得到所述步态周期序列。

可选地，所述步态惯性数据包括至少一个方向上的加速度信号；所述将所述步态惯性数据合成得到步态时间序列，包括：

计算所述至少一个方向上的加速度信号的平方和的方根，得到所述步态时间序列；或，

将所述步态惯性数据经过移除异常数据、插值处理、或噪声过滤中至少一种处理，得到经处理的步态惯性数据；

计算所述经处理的步态惯性数据中的所述至少一个方向上的加速度信号的平方和的方根，得到所述步态时间序列。

可选地，所述基于所述步态时间序列进行步态周期划分，得到所述步态周期序列，包括：

检测所述步态时间序列的步态周期，得到初始步态周期序列；

根据所述初始步态周期序列中的每个步态周期得到所述每个步态周期的平均值；

计算每个步态周期与所述平均值的相似度；

基于所述相似度对所述初始步态周期序列中的所有步态周期进行聚类，得到正常周期类和非正常周期类；

基于所述正常周期类中的步态周期形成所述步态周期序列。

可选地，所述检测所述步态时间序列的步态周期，得到初始步态周期序列，包括：

对所述步态时间序列进行峰值检测，得到峰值检测结果；