一个基于步态生物特征的移动设备身份认证方法
【技术领域】
[0001] 本发明属于生物技术识别及移动端安全领域，旨在研究出一个基于步态生物特征 的移动设备身份认证方法，使移动设备变得更加智能和安全。
【背景技术】
[0002] 随着人们生活水平的提高，智能移动设备逐渐成为人们的消费方向。据市场调查 报告来看，全球移动设备市场规模将继续扩大。智能设备体格娇小，携带便捷，因此，不少不 法分子会对其进行偷盗活动，获取非法收入，或使用偷盗得到设备中的重要信息进行非法 活动。不仅如此，移动设备作为人们的随身用品，功能众多，不仅存储了联系人的电话，也许 还有邮箱、生日等一系列敏感信息，甚至还包括用户的照片、短信等隐私信息。当设备不慎 遗失，隐私的泄漏将成为让人急需解决的问题。
[0003] 对于智能设备的防护技术变得日益重要。从现有的安全软件来看，他们大多是基 于口令或手势等方式进行防护的，但运种方式有其固有的缺陷，如易仿制，易泄露，没有特 异性等，而且防护十分被动，所W生物识别成为主流的安全防护手段。相对于其它的生物特 征识别，步态识别具有自身的特点和优势。近几年，随着计算机视觉技术的研究和发展，利 用计算机视觉技术来分析和识别人的步态成为可能。同时人们对社会安全的要求越来越 高，需要一种方法方便快速地识别人的身份，步态识别作为一种新的安全保卫手段得到重 视。作为行为特征步态特征具有非接触性、难W隐藏和伪装、易于采集、可远距离感知等优 点。
【发明内容】
[0004] 系统采用C/S架构，客户端和服务器采用国密SM4进行加密通讯。客户端包括数 据收集、特征提取、识别响应和远程控制模块。服务器包括步态建模和控制命令生成模块。 阳0化]数据收集模块采用加速度传感器收集用户不同行为下的步态数据，包括行走、跑 步、上下楼梯等行为。
[0006] 特征提取模块首先使用时间窗口平滑、位置校准和滤波器过滤等技术对原始数据 进行降噪，然后根据数学公式对优化后的数据提取特征向量，运些特征包括平均值、标准 差、平均绝对差、平均合成加速度、峰值之间的时间、离散化分布等。
[0007] 步态建模利用神经网络算法对特征提取模块产生的特征向量进行建模，分别生成 行为检测模型和用户检测模型，然后将模型传输给客户端。
[0008] 识别响应模块首先利用行为检测模型检测用户当前状态，然后调用用户检测模型 识别当前用户是否合法并作出响应，如果用户非法，则自动锁定设备并发送解锁密码给设 备合法持有者，解锁密码是使用国密进行加密的128位密文。合法用户收到密文后在服务 器web页面输入必要信息即可解密得到明文。
[0009] 控制命令生成模块根据用户邮箱、密码、当前时间和一个随机值生成相应控制命 令，包括响铃、震动、定位、清除数据、设定解锁密码。当用户得知设备丢失时，可W使用定位 功能确定设备大致位置，如果设备在附近，可w使用响铃或震动功能找到设备；如果确定设 备无法找回时，可W使用清除数据功能清除设备全部数据，将损失降到最低。当用户忘记密 码时，可W使用设定解锁密码功能设置新的解锁密码。上述功能由远程控制模块控制设备 实现。
【附图说明】
[0010] 图1是数据采集流程图
[0011] 图2是特征提取流程图
[0012] 图3是模型建立流程图 阳013] 图4是模型匹配流程图
[0014] 图5是通知响应流程图
【具体实施方式】
[0015] 下面将结合附图对本发明的【具体实施方式】进行描述。
[0016] 一、数据采集 因为人在不同的行走状态下的步态特征是不相同的，所W数据采集子系统设想为不同 的行走状态打上不同的标签，那么在数据处理子系统建立步态模型阶段，根据不同的标签 对同一个人建立不同的模型，因此，本系统的身份识别率会大大提高。
[0017] 在我们收集的步态数据分为W下几种类型：平常的走路，跑步，上楼梯下楼梯，其 他。 阳〇1引二、数据处理
[0019] 对数据的处理包括了时间窗口平滑、位置校准、滤波器过滤W及特征选择四部分， 其中，时间窗口是对基础数据的基本操作，之后通过位置校准来重定位坐标系，再由滤波器 进行进一步的降噪，最后得到该数据的特征值。
[0020] (1)时间窗口：对于时间窗口，将其设置为10秒，即一个时间窗口记录10秒钟的 数据，即Τα 10。同时采用窗口重叠技术，运里使用的是50%的窗口重叠，即当前一 个时间窗口Ci记录进行至5秒时，下一个时间窗口Ci+1就开启，即町。>^ 5。当进行 平滑操作的时候，选取当前的时间窗口Ci、前一个时间窗口Ci-1和后一个时间窗口Ci+1， 取其平均值，H(Tcurretn)二化运样就能平 滑掉数据中的一些噪声而又不至于损失太多数据。之后便能够进行进一步的处理。
[0021] (2)位置校准处理：运里使用到了空间几何知识。由于用户摆放手机的方向有所 差别，运样加速度传感器的竖直方向无法与重力加速度一致，就会导致传感器的数据产生 误差，所W要进行位置的校准操作。当测试者静止时手机只会受到重力加速度的影响，但在 实际情况下，各个方向都产生了加速度。我们可W假设g的方向与传感器的竖直方向夹角 为α，g在传感器水平面上的投影与人体前进方向的夹角为β。在进行测量时传感器Ξ个 轴的数值为Α，Β，C，则真正的加速度值为： Α'二Asin0-Bcos0+Ccos0 B' =Bsinβsina-Csinβcosa+Ccosβsina C' =Bsinβcosa+Csinβsina-Ccosβcoaa 经过w上操作后便能校准到标准的坐标系下。
[0022] (3)滤波器过滤：运里利用互补滤波器在Ξ维空间内的走行方向再投影到平面正 交。之后参照步态模型，在最大减速时间段平方处通过一个低通滤波器去除高频噪声与其 他影响因素，最终将得到的向量通过中值滤波器，然后输出。 阳〇2引S、特征提取
[0024] 虽然收集到的数据不能直观的体现出一个人的步态，但通过提取出来的