一种用户身份认证的方法及装置的制造方法
【技术领域】
[0001] 本发明涉及身份认证技术领域，尤其涉及一种用户身份认证的方法及装置。
【背景技术】
[0002] 目前，在网络环境下，传统的身份认证技术通过鉴别用户名、密码、身份证、信用 卡、智能卡等标识用户身份的事物来判定一个人的身份。但这些方法存在密码容易被遗忘、 泄露和仿冒，智能卡等物品容易丢失、被盗窃等安全问题。为了解决安全性不高的问题，可 以以每个人具有的惟一而且终生稳定的生物特征为依据，通过图像处理和模式识别技术 来实现身份认证，进而提高身份认证的安全性。这些生物特征包括人脸、虹膜、指纹、掌纹、 声音等生理特征，还包括签名、步态、语音等后天性的行为特征，以及他们之间的组合。
[0003] 目前，终端中还可集成加速度传感器来获取用户的生物特征。比如，利用手机内 置的加速度传感器可以获取用户的运动特征，比如肌肉震动规律。每个人的运动特征通常 具有唯一性，但目前还缺少基于终端中的加速度传感器对用户的静态手势所产生的运动特 征进行检测以进行身份认证的技术方案。
【发明内容】
[0004] 本发明实施例提供一种用户身份认证的方法及装置，用以实现基于终端中的加速 度传感器对用户的静态手势所产生的运动特征进行检测以进行身份认证。
[0005] 本发明实施例一种用户身份认证的方法，包括：
[0006] 获取加速度传感器检测到的加速度数据，所述加速度数据是所述加速度传感器检 测到的待认证用户在保持静态姿势时肌肉震动带动终端震动所产生的加速度数据；
[0007] 基于高阶统计量对获得的加速度数据进行特征提取，得到特征向量集合；
[0008] 根据所述特征向量集合以及最小分类超球面对所述待认证用户进行身份认证，所 述最小分类超球面是通过对合法用户在保持静态姿势时肌肉震动带动终端震动所产生的 加速度数据进行训练得到的。实现了基于终端中的加速度传感器对用户的静态手势所产生 的运动特征进行检测以进行身份认证。
[0009] 进一步地，所述通过对合法用户在保持静态姿势时肌肉震动带动终端震动所产生 的加速度数据进行训练得到所述最小分类超球面，包括：
[0010] 获取加速度传感器检测到的加速度数据，所述加速度数据是所述加速度传感器检 测到的合法用户在保持静态姿势时肌肉震动带动终端震动所产生的多组加速度数据；
[0011] 基于高阶统计量对获得的多组加速度数据进行特征提取，得到多组特征向量集 合；
[0012] 根据所述多组特征向量集合，采用一类分类支持向量机One Class-SVM，对所述最 小分类超球面进行训练。实现了基于终端中的加速度传感器多次对合法用户的静态手势所 产生的运动特征进行检测并得到训练的最小分类超球面以进行身份认证。
[0013] 进一步地，所述加速度传感器检测加速度数据的过程，包括：
[0014] 所述加速度传感器检测用户在连续时间长度内保持静态姿势时肌肉震动带动终 端震动的震动信号；
[0015] 所述加速度传感器根据检测到的震动信号生成所述震动信号在三维空间的加速 度数据。实现了对用户的静态手势所产生的运动特征的采集。
[0016] 进一步地，所述获取加速度传感器检测到的加速度数据，包括：
[0017] 接收所述加速度传感器检测到的加速度数据；
[0018] 根据设定时间窗口截取得到所述设定时间窗口内接收到的加速度数据，所述设定 时间窗口的长度小于起始检测时刻到结束检测时刻之间的时间长度，且所述设定时间窗口 的起始边界位于所述起始检测时刻之后，所述设定时间窗口的结束边界位于所述结束检测 时刻之前。以减少检测震动信号的过程中开始和结束阶段的噪声信号的影响，得到一段稳 定可靠的信号的加速度数据，能够提高身份认证的精度并降低匹配的数据量。
[0019] 进一步地，基于高阶统计量对获得的加速度数据进行特征提取，包括：
[0020] 根据获取到的所述加速度数据，计算得到三维空间内所述加速度数据的至少一个 高阶谱；
[0021] 根据得到的至少一个高阶谱，计算得到至少一个高阶谱的高阶统计量；
[0022] 从得到的至少一个高阶谱的高阶统计量中提取设定数量的特征值。基于高阶统计 量对获得的加速度数据进行特征提取，保证可较为精确地根据加速度数据提取特征信息。
[0023] 进一步地，所述从得到的至少一个高阶谱的高阶统计量中提取设定数量的特征 值，包括：
[0024] 若根据获取到的所述加速度数据，得到三维空间内所述加速度数据的二阶谱，则 分别提取以下高阶统计量为特征值：所述二阶谱的峰值频率(PSD)、所述二阶谱未归一 化的峰值max (PSD)、所述二阶谱未归一化的所有样本点数之和S (PSD)、所述二阶谱未归一 化的所有样本点数之和与未归一化的最大值的比值(PSD)、所述二阶谱归一化后的一阶 谱矩 mi (PSD)、所述二阶谱归一化后的二阶谱矩m2 (PSD)、所述二阶谱归一化后的四阶谱矩 m4(PSD)、所述二阶谱比归一化后的最大值的0. 05倍大的所有样本点数N5% (PSD)、所述二阶 谱比归一化后的最大值的0. 95倍大的所有样本点数N95% (PSD);
[0025] 若根据获取到的所述加速度数据，得到三维空间内所述加速度数据的三阶谱的 对角切片，则分别提取以下高阶统计量为特征值：所述三阶谱的对角切片未归一化峰值 max(diag|Bisp |)、所述三阶谱的对角切片未归一化的所有样本点数之和S(diag|Bisp |)、 所述三阶谱的对角切片未归一化的所有样本点数之和与未归一化的最大值的比值 Sjdiag | Bisp |)、所述三阶谱的对角切片归一化后的一阶谱矩叫（diag | Bisp |)、所述三阶谱 的对角切片归一化后的二阶谱矩m2 (diag | Bisp |)、所述三阶谱的对角切片归一化后的五阶 谱矩m5 (diag | Bisp |)、所述三阶谱的对角切片比归一化后的最大值的0. 05倍大的所有样本 点数N5% (diag | Bisp | )、所述三阶谱的对角切片比归一化后的最大值的0· 95倍大的所有样 本点数 N95% (diag|Bisp |);
[0026] 若根据获取到的所述加速度数据，得到三维空间内所述加速度数据的四阶 谱的对角切片，则分别提取以下高阶统计量为特征值：所述四阶谱的对角切片未归 一化的峰值max (diag | Trisp | )、所述四阶谱的对角切片未归一化的所有样本点数之 和S (d i ag | Tr i sp |)、所述四阶谱的对角切片未归一化的所有样本点数之和与未归一 化的最大值的比值S, (d i ag I Tr i sp I)、所述四阶谱的对角切片归一化后的一阶谱矩 1? (diag | Tr i sp |)、所述四阶谱的对角切片归一化后的二阶谱矩m2 (diag | Tr i sp |)、所述四阶 谱的对角切片归一化后的三阶谱矩1113(虹&8|1^叩|)、所述四阶谱的对角切片比归一化后 的最大值的〇. 05倍大的所有样本点数N5% (diag | Trisp |)、所述四阶谱的对角切片比归一 化后的最大值的0. 95倍大的所有样本点数N5% (diag | Trisp |)。通过上述方式获取设定数 量的特征值能有效识别用户的生理震动特征，以提高用户身份认证的安全性。
[0027] 进一步地，所述根据所述特征向量集合以及身份认证模板对所述待认证用户进行 身份认证，包括：
[0028] 若分类器判断所述特征向量集合中的特征向量位于所述最小分类超球面外，则用 户身份认证失败；
[0029] 若所述分类器判断所述特征向量集合中的特征向量位于所述最小分类超球面内， 则用户身份认证成功；
[0030] 其中，所述分类器用于根据所述特征向量集合以及所述最小分类超球面对所述待 认证用户进行身份认证。分类器根据最小分类超球面对待认证用户进行身份认证，实现了 用户身份认证的安全性。
[0031] 本发明实施例提供一种用户身份认证的装置，包括：
[0032] 获取模块，用于获取加速度传感器检测到的加速度数据，所述加速度数据是所述 加速度传感器检测到的待认证用户在保持静态姿势时肌肉震动带动终端震动所产生的加 速度数据；
[0033] 提取模块，应与基于高阶统计量对获得的加速度数据进行特征提取，得到特征向 量集合；
[0034] 认证模块，用于根据所述特征向量集合以及最小分类超球面对所述待认证用户进 行身份认证，所述最小分类超球面是通过对合法用户在保持静态姿势时肌肉震动带动终端 震动所产生的加速度数据进行训练得到的。实现了基于终端中的加速度传感器对用户的静 态手势所产生的运动特征进行检测以进行身份认证。
[0035] 进一步地，还包括训练模块，所述训练模块具体用于：
[0036] 获取加速度传感器检测到的加速度数据，所述加速度数据是所述加速度传感器检 测到的合法用户在保持静态姿势时肌肉震动带动终端震动所产生的多组加速度数据；
[0037] 基于高阶统计量对获得的多组加速度数据进行特征提取，得到多组特征向量集 合；
[0038] 根据所述多组特征向量集合，采用一类分类支持向量机One Class-SVM，对所述最 小分类超球面进行训练。实现了基于终端中的加速度传感器多次对合法用户的静态手势所 产生的运动特征进行检测并得到训练的最小分类超球面以进行身份认证。
[0039] 进一步地，所述获取模块具体用于
[0040] 接收所述加速度传感器检测到的加速度数据；
[0041] 根据设定时间窗口截取得到所述设定时间窗口内接收到的加速度数据，所述设定 时间窗口的长度小于起始检测时刻到结束检测时刻之间的时间长度，且所述设定时间窗口 的起始边界位于所述起始检测时刻之后，所述设定时间窗口的结束边界位于所述结束检测 时刻之前。以减少检测震动信号的过程中开始和结束阶段的噪声信号的影响，得到一段稳 定可靠的信号的加速度数据，能够提高身份认证的精度并降低匹配的数据量。
[0042] 进一步地，所述提取模块具体用于：
[0043] 根据获取到的所述加速度数据，计算得到三维空间内所述加速度数据的至少一个 高阶谱；
[0044] 根据得到的至少一个高阶谱，计算得到至少一个高阶谱的高阶统计量；
[0045] 从得到的至少一个高阶谱的高阶统计量中提取设定数量的特征值。基于高阶统计 量对获得的加速度数据进行特征提取，保证可较为精确地根据加速度数据提取特征信息。
[0046] 进一步地，所述提取模块具体用于：
[0047] 若根据获取到的所述加速度数据，得到三维空间内所述加速度数据的二阶谱，则 分别提取以下高阶统计量为特征值：所述二阶谱的峰值频率(PSD)、所述二阶谱未归一 化的峰值max (PSD)、所述二阶谱未归一化的所有样本点数之和S (PSD)、所述二阶谱未归一 化的所有样本点数之和与未归一化的最大值的比值(PSD)、所述二阶谱归一化后的一阶 谱矩 mi (PSD)、所述二阶谱归一化后的二阶谱矩m2 (PSD)、所述二阶谱归一化后的四阶谱矩 m4(PSD)、所述二阶谱比归一化后的最大值的0. 05倍大的所有样本点数