一种穿戴式设备的身份识别方法及识别装置与流程

本发明属于身份识别技术领域，尤其涉及一种穿戴式设备的身份识别方法及识别装置。

背景技术：

穿戴式设备的体积较小，大多功能的设计都是与个人的健康数据、或个人的运动数据相关，在对穿戴式设备反馈的个人数据进行管理分析时，管理人难以知晓当前数据是否为该设备所有者的数据，容易出现误判。因此，穿戴式设备大多需要对用户的身份进行识别。

现有的身份识别方法，市场上采用最多的是两种方法：

一种方法是采用摄像头或者指纹识别技术进行个人身份识别，这种方法制备的产品造价昂贵，且构造较复杂，不适合应用于体积较小的穿戴式设备。

另一种常用方法是采用心电图(ECG，electrocardiogram)技术进行个人身份识别。心电图已经被学术界论证可以作为人体身份识别的重要特征，心电图身份识别技术通常将用户心电图特征与心电图特征模板库进行对比，从而识别出个人身份。利用这种方法识别身份可节省成本，产品能够得到普及。但是，目前市场上的穿戴式设备在采集个人心电图特征参数时，一般是基于PQRST这几种波中，每个波的峰值或起止点作为特征参数，单独进行判断或计算，这种判断方式得到的结果往往并不准确，且需要非常大的计算，尤其是频域的分析，会耗费非常多的计算，从而浪费了穿戴式设备的功耗。

技术实现要素：

本发明提供一种穿戴式设备的身份识别方法及识别装置，旨在解决身份识别不准确且浪费功耗的问题。

为解决上述技术问题，本发明提供了一种穿戴式设备的身份识别方法，所述方法包括：

对获取的用户的心电信号进行滤波去噪处理；

根据滤波去噪后的心电信号得到所述用户的心电信号特征参数，所述心电信号特征参数至少包括：R波的幅度与T波的幅度的比值，及QTC的时间间隔；

基于预先存储的心电信号特征模板与用户身份之间的映射关系，将所述心电信号特征参数与所述映射关系中的心电信号特征模板进行匹配，基于匹配结果识别用户身份。

进一步地，所述对获取的用户的心电信号进行滤波去噪处理之前还包括：采用光电容积脉搏波描记技术获取用户的心率变化结果；结合所述心率变化结果对所述穿戴式设备进行离手判断；若判断结果为未离手，则确定用户身份为上次识别的用户；若判断结果为已离手，则执行所述对获取的用户的心电信号进行滤波去噪处理的步骤。

进一步地，所述心电信号特征参数还包括：QR的时间间隔、QRS的时间间隔。

进一步地，所述方法还包括：在成功识别所述用户身份后，将所述心电信号特征参数作为最新的特征模板，且利用所述心电信号特征参数对所述映射关系中所述用户原有的心电信号特征模板进行更新。

进一步地，所述方法还包括：若未识别所述用户身份，则确定所述用户为新用户，并采集所述新用户的身份信息，保存所述身份信息及所述心电信号特征参数之间的映射关系。

本发明还提供了一种穿戴式设备的身份识别装置，所述装置包括：

获取去噪模块，用于对获取的用户的心电信号进行滤波去噪处理；

特征提取模块，用于根据滤波去噪后的心电信号得到所述用户的心电信号特征参数，所述心电信号特征参数至少包括：R波的幅度与T波的幅度的比值，及QTC的时间间隔；

识别模块，用于基于预先存储的心电信号特征模板与用户身份之间的映射关系，将所述心电信号特征参数与所述映射关系中的心电信号特征模板进行匹配，基于匹配结果识别用户身份。

进一步地，所述装置还包括离手判断模块，所述离手判断模块具体用于：采用光电容积脉搏波描记技术获取用户的心率变化结果；结合所述心率变化结果对所述穿戴式设备进行离手判断；若判断结果为未离手，则确定用户身份为上次识别的用户；若判断结果为已离手，则执行所述获去噪模块的操作。

进一步地，所述心电信号特征参数还包括：QR的时间间隔、QRS的时间间隔。

进一步地，所述装置还包括：更新模块，用于在成功识别所述用户身份后，将所述心电信号特征参数作为最新的特征模板，且利用所述心电信号特征参数对所述映射关系中所述用户原有的心电信号特征模板进行更新。

进一步地，所述装置还包括：新用户记录模块，用于若未识别所述用户身份，则确定所述用户为新用户，并采集所述新用户的身份信息，保存所述身份信息及所述心电信号特征参数之间的映射关系。

本发明与现有技术相比，有益效果在于：

本发明所提供的方法或装置根据滤波去噪后的心电信号得到用户的R波的幅度与T波的幅度的比值及QTC的时间间隔，并将这两项参数作为用户身份的判断标准与预先存储的特征模板进行对比，从而确定用户身份。与现有技术中的仅以各种波的峰值或起始点作为判断标准相比，本发明将R波的幅度与T波的幅度的比值、QTC的时间间隔作为重要的判断参数，这两项参数更加稳定，从而使得判断更加准确；且这两项参数是基于心电信号的实域特征进行的提取，计算量更低，从而能够降低穿戴式设备的功耗。

附图说明

图1是本发明第一实施例提供的穿戴式设备的身份识别方法流程图；

图2是本发明第二实施例提供的穿戴式设备的身份识别方法流程图；

图3是本发明第三实施例提供的穿戴式设备的身份识别装置示意图；

图4是本发明第四实施例提供的穿戴式设备的身份识别装置示意图。

具体实施方式

为了使本发明的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本发明进行进一步详细说明。应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。

作为本发明的第一个实施例，如图1所示，本发明提供了一种穿戴式设备的身份识别方法，该方法包括：

步骤S101：对获取的用户的心电信号进行滤波去噪处理。

步骤S102：根据滤波去噪后的心电信号得到该用户的心电信号特征参数，该心电信号特征参数至少包括：R波的幅度与T波的幅度的比值，及QTC的时间间隔。

其中，步骤S102具体包括：分别提取经过滤波去噪处理的心电信号中Q波、R波、S波和T波的起止点参数，及分别提取R波和T波的幅度参数；基于Q波、R波、S波和T波的起止点参数，分别计算QTC时间间隔，基于R波和T波的幅度参数，计算R波的幅度与T波的幅度之间的比值。

需要说明的是，Q波、R波、S波和T波，以及QTC均为目前心电图领域基本的指标或参数，因此在本发明中不详加解释说明。

步骤S103：基于预先存储的心电信号特征模板与用户身份之间的映射关系，将该用户的心电信号特征参数与映射关系中的心电信号特征模板进行匹配，基于匹配结果识别用户身份。

综上所述，本发明第一实施例所提供的方法，根据滤波去噪后的心电信号得到用户的R波的幅度与T波的幅度的比值及QTC的时间间隔，并将这两项参数作为用户身份的判断标准与预先存储的特征模板进行对比，从而确定用户身份。与现有技术中的仅以各种波的峰值或起始点作为判断标准相比，本发明将R波的幅度与T波的幅度的比值、QTC的时间间隔作为重要的判断参数，这两项参数更加稳定，从而使得判断更加准确；且这两项参数是基于心电信号的实域特征进行的提取，计算量更低，从而能够降低穿戴式设备的功耗。

作为本发明的第二个实施例，如图2所示，本发明提供了一种穿戴式设备的身份识别方法，该方法包括：

步骤S201：采用光电容积脉搏波描记技术(PPG，photoplethysmography)获取用户的心率变化结果，结合该心率变化结果对所述穿戴式设备进行离手判断：若判断结果为未离手，则确定该用户身份仍为上次识别的用户；若判断结果为已离手，则执行步骤S202。

PPG技术与离手判断方法均为现有技术，在本发明中不详加说明。在步骤S201中，本发明将PPG技术应用到离手判断方法里，PPG技术首先基于光的反射原理来判断用户的心率变化，然后根据该心率变化结果来进一步进行离手判断。

步骤S202：对获取的用户的心电信号进行滤波去噪处理。

步骤S203：根据滤波去噪后的心电信号得到该用户的心电信号特征参数，该心电信号特征参数至少包括：R波的幅度与T波的幅度的比值，及QTC的时间间隔。进一步地，该心电信号特征参数还包括：QR的时间间隔、QRS的时间间隔。

本发明将R波的幅度与T波的幅度的比值、QTC的时间间隔作为重要的判断参数，这两项参数更加稳定，从而使得判断更加准确；且这两项参数是基于心电信号的实域特征进行的提取，计算量更低，从而能够降低穿戴式设备的功耗。同时，以QR的时间间隔、QRS的时间间隔也同样具有较高的稳定性，将QR的时间间隔与QRS的时间间隔作为判断参数，也因此使得判断更加准确，且这两项参数是基于心电信号的实域特征进行的提取，计算量更低，从而能够降低穿戴式设备的功耗。

需要说明的是，步骤S203包括：分别提取经过滤波去噪处理的心电信号中Q波、R波、S波和T波的起止点参数，及分别提取R波和T波的幅度参数；基于Q波、R波、S波和T波的起止点参数，分别计算QR时间间隔、QRS时间间隔和QTC时间间隔，基于所述R波和T波的幅度参数，计算所述R波的幅度与T波的幅度之间的比值。

需要说明的是，Q波、R波、S波和T波，以及QR、QRS、QTC均为目前心电图领域基本的指标或参数，因此在本发明中不详加解释说明。

步骤S204：基于预先存储的心电信号特征模板与用户身份之间的映射关系，将步骤S203得到的心电信号特征参数与映射关系中的心电信号特征模板进行匹配，基于匹配结果识别用户身份。

若成功识别用户身份，则执行步骤S205；若匹配结果表示未识别用户身份，表示该用户为新用户，则执行步骤S206。

步骤S205：在成功识别用户身份后，将该心电信号特征参数作为最新的特征模板，且利用该心电信号特征参数，对映射关系中该用户原有的心电信号特征模板进行更新。

由于每个用户的心电信号特征会随着时间的变化而发生一些变化，因此，本实施例中步骤S205每次都会对用户原有的心电信号特征模板进行更新，以保证用户的心电信号特征模板一直处于最新、最优化的状态，从而能够更加精准的识别用户身份。进一步地，本发明可将该步骤S205的执行过程设定在穿戴式设备的空闲时间进行，不占用该穿戴式设备的工作时间，从而不降低该穿戴式设备的工作效率。

步骤S206：若未识别该用户身份，则确定该用户为新用户，并采集该新用户的身份信息，保存该新用户的身份信息及该用户的心电信号特征参数之间的映射关系。

需要说明的是，本发明在应用心电信号特征参数进行用户身份识别之前，首先采用离手判断技术对用户是否将穿戴式设备离手进行判断，若判断结果为未离手，则可以确定当前的用户身份为上次识别的用户，则无需再执行第S202至S205的步骤重复识别用户身份。因此，先进行离手判断操作避免了现有技术中每次开始识别用户身份时，都需要对用户心电信号进行获取、滤波去噪、提取心电信号特征参数以及将心电信号特征参数与预设模板对比的操作，从而避免了许多计算过程，大大降低了计算量，减少了穿戴式设备的功耗，同时大大提高了穿戴式设备的识别用户身份的效率。

需要说明的是，用户可以在第一次使用该穿戴式设备时，输入自己的身份信息，穿戴式设备保存身份信息及所述心电信号特征参数之间的映射关系，同时，穿戴式设备将第一次采集的心电信号特征参数作为该用户的心电信号特征模板预先存储。

综上所述，本发明第二实施例所提供的方法，判断更加准确、计算量更低、降低穿戴式设备的功耗，大大提高了穿戴式设备识别用户身份的效率。

作为本发明的第三个实施例，如图3所示，本发明提供了一种穿戴式设备的身份识别装置，该装置包括获取去噪模块11、特征提取模块22以及识别模块33。

获取去噪模块11，用于对获取的用户的心电信号进行滤波去噪处理。

特征提取模块22，用于根据滤波去噪后的心电信号得到该用户的心电信号特征参数，该心电信号特征参数至少包括：R波的幅度与T波的幅度的比值，及QTC的时间间隔。

其中，特征提取模块22具体用于：分别提取经过滤波去噪处理的心电信号中Q波、R波、S波和T波的起止点参数，及分别提取R波和T波的幅度参数；基于Q波、R波、S波和T波的起止点参数，分别计算QTC时间间隔，基于R波和T波的幅度参数，计算R波的幅度与T波的幅度之间的比值。

需要说明的是，Q波、R波、S波和T波，以及QTC均为目前心电图领域基本的指标或参数，因此在本发明中不详加解释说明。

识别模块33，用于基于预先存储的心电信号特征模板与用户身份之间的映射关系，将该用户的心电信号特征参数与映射关系中的心电信号特征模板进行匹配，基于匹配结果识别用户身份。

综上所述，本发明第三实施例所提供的装置，该装置根据滤波去噪后的心电信号得到用户的R波的幅度与T波的幅度的比值及QTC的时间间隔，并将这两项参数作为用户身份的判断标准与预先存储的特征模板进行对比，从而确定用户身份。与现有技术中的仅以各种波的峰值或起始点作为判断标准相比，本发明将R波的幅度与T波的幅度的比值、QTC的时间间隔作为重要的判断参数，这两项参数更加稳定，从而使得判断更加准确；且这两项参数是基于心电信号的实域特征进行的提取，计算量更低，从而能够降低穿戴式设备的功耗。

作为本发明的第四个实施例，如图4所示，本发明提供了一种穿戴式设备的身份识别装置，该装置包括获取去噪模块11、特征提取模块22、识别模块33、离手判断模块44、更新模块55以及新用户记录模块66。

离手判断模块44，用于采用PPG技术获取用户的心率变化结果，结合该心率变化结果对所述穿戴式设备进行离手判断：若判断结果为未离手，则确定该用户身份仍为上次识别的用户；若判断结果为已离手，则下一步由获取去噪模块11操作。

PPG技术与离手判断方法均为现有技术，在本发明中不详加说明。在步骤S201中，本发明将PPG技术应用到离手判断方法里，PPG技术首先基于光的反射原理来判断用户的心率变化，然后根据该心率变化结果来进一步进行离手判断。

获取去噪模块11，用于对获取的用户的心电信号进行滤波去噪处理。

特征提取模块22，用于根据滤波去噪后的心电信号得到该用户的心电信号特征参数，该心电信号特征参数至少包括：R波的幅度与T波的幅度的比值，及QTC的时间间隔。进一步地，该心电信号特征参数还包括：QR的时间间隔、QRS的时间间隔。

本发明将R波的幅度与T波的幅度的比值、QTC的时间间隔作为重要的判断参数，这两项参数更加稳定，从而使得判断更加准确；且这两项参数是基于心电信号的实域特征进行的提取，计算量更低，从而能够降低穿戴式设备的功耗。同时，以QR的时间间隔、QRS的时间间隔也同样具有较高的稳定性，将这QR的时间间隔与QRS的时间间隔作为判断参数，也因此使得判断更加准确，且这两项参数是基于心电信号的实域特征进行的提取，计算量更低，从而能够降低穿戴式设备的功耗。

需要说明的是，特征提取模块22具体用于：分别提取经过滤波去噪处理的心电信号中Q波、R波、S波和T波的起止点参数，及分别提取R波和T波的幅度参数；基于Q波、R波、S波和T波的起止点参数，分别计算QR时间间隔、QRS时间间隔和QTC时间间隔，基于所述R波和T波的幅度参数，计算所述R波的幅度与T波的幅度之间的比值。

需要说明的是，Q波、R波、S波和T波，以及QR、QRS、QTC均为目前心电图领域基本的指标或参数，因此在本发明中不详加解释说明。

识别模块33，用于基于预先存储的心电信号特征模板与用户身份之间的映射关系，将特征提取模块22得到的心电信号特征参数与映射关系中的心电信号特征模板进行匹配，基于匹配结果识别用户身份。

若成功识别用户身份，则下一步由更新模块55操作；若匹配结果表示未识别用户身份，表示该用户为新用户，则下一步由新用户记录模块66操作。

更新模块55，用于在成功识别用户身份后，将该心电信号特征参数作为最新的特征模板，且利用该心电信号特征参数，对映射关系中该用户原有的心电信号特征模板进行更新。

由于每个用户的心电信号特征会随着时间的变化而发生一些变化，因此，本实施例中更新模块55每次都会对用户原有的心电信号特征模板进行更新，以保证用户的心电信号特征模板一直处于最新、最优化的状态，从而能够更加精准的识别用户身份。进一步地，本发明可将更新模块55的执行过程设定在穿戴式设备的空闲时间进行，不占用该穿戴式设备的工作时间，从而不降低该穿戴式设备的工作效率。

新用户记录模块66，用于若未识别该用户身份，则确定该用户为新用户，并采集该新用户的身份信息，保存该新用户的身份信息及该用户的心电信号特征参数之间的映射关系。

需要说明的是，本发明在应用心电信号特征参数进行用户身份识别之前，首先采用离手判断技术对用户是否将穿戴式设备离手进行判断，若判断结果为未离手，则可以确定当前的用户身份为上次识别的用户，则无需再经过模块11至55的重复操作。因此，先进行离手判断操作避免了现有技术中每次开始识别用户身份时，都需要对用户心电信号进行获取、滤波去噪、提取心电信号特征参数以及将心电信号特征参数与预设模板对比的操作，从而避免了许多计算过程，大大降低了计算量，减少了穿戴式设备的功耗，同时大大提高了穿戴式设备的识别用户身份的效率。

需要说明的是，用户可以在第一次使用该穿戴式设备时，输入自己的身份信息，穿戴式设备保存身份信息及所述心电信号特征参数之间的映射关系，同时，穿戴式设备将第一次采集的心电信号特征参数作为该用户的心电信号特征模板预先存储。

综上所述，本发明第四实施例所提供的装置，判断更加准确、计算量更低、降低穿戴式设备的功耗，大大提高了穿戴式设备识别用户身份的效率。

以上所述仅为本发明的较佳实施例而已，并不用以限制发明，凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等，均应包含在本发明的保护范围之内。