一种基于动态手势的身份认证方法
【专利摘要】本发明公开了一种基于动态手势的身份认证方法，该方法利用智能手机加速度传感器获取手势执行时的动态信息，采用结合放宽端点限制和提前终止的DTW高效方法对手势动态信息进行匹配认证。结合放宽端点限制和提前终止的DTW高效方法利用放宽匹配路径端点限制解决了手势序列间因端点不对齐而引起的认证失败问题，同时也利用弯折斜率限制和提前终止策略减少了计算量，实验表明本方法在身份认证的精度和效率方面都有较好的结果。
【专利说明】一种基于动态手势的身份认证方法
【技术领域】
[0001]本发明属于模式识别和身份认证【技术领域】，涉及一种基于android平台的动态手 势身份认证方法。
【背景技术】
[0002]身份认证是系统确认操作者的真实身份与其声称身份是否相符的过程，在手机普 及的今天，手机上的用户身份认证也成为信息安全的一个重要部分。目前手机身份认证主 要分为基于口令的身份认证和基于生物特征的身份认证。常用的基于口令的身份认证有用 户密码方式和九宫格解锁方式，基于口令的身份认证的共同特点是口令容易泄露，为了口 令的安全性频繁更换口令，又使得口令难以维护。基于生物特征的身份认证可以作为用户 口令的一个很好的替代方法，生物特征是人的天然属性，包括人的生理特征或行为特征。生 理特征为先天的特征，包括面相、指纹、掌形、声音、虹膜、视网膜等静态特征；行为特征是通 过后天的学习或发展而形成的，包括签名、击键、步态、动态手势等动态特征。生物特征不会 像密码一样容易被猜测和忘记，也不会像持有物一样容易被盗取，所以，利用生物特征进行 身份认证将会是一种更为安全可靠、方便快捷的大众化身份认证手段。
[0003]目前常用的基于生物特征的身份认证技术包括以下几种:
[0004]1.指纹认证
[0005]指纹认证是最为古老和常用的一种生物特征身份认证技术，占有生物特征认证市 场中超过一半的份额。指纹是人的手指末端表面的纹路，这些凹凸不平的皮肤纹路中包含 了丰富的断点、交叉点、结合点等细节特征，这些特征是唯一的，也是恒久不变的，通过指纹 的比对可以确定一个人的身份。指纹认证就是利用图像处理技术对采集的指纹进行匹配， 从而鉴别用户的身份。
[0006]2.虹膜认证
[0007]虹膜认证是目前所有生物特征认证技术中最方便、最精确的一种，也是二十一世 纪最具发展前景的生物认证技术。虹膜是巩膜和瞳孔之间环状区域，它包含丰富的纹理特 征，而且结构是随机的，是遗传基因决定的，不易被伪造。非接触式的虹膜图像获取卫生易 用，获取时不受光线意外的环境影响，稳定性高。
[0008]3.人脸认证
[0009]人脸认证是生物特征认证【技术领域】最困难的研究课题之一，人脸特征的抽取比较 困难，同一人不同的表情、位置、方向、光照都会对人脸特征的提取产生较大的影响，所以目 前人脸认证的准确性比指纹认证和虹膜认证低，但是非接触式的人脸特征信息获取相对比 较自然而且不易察觉，良好的用户体验使得人脸认证成为最容易被接受的生物特征认证方 式。
[0010]4.签名认证
[0011]签名认证是一种行为特征认证技术，签名认证按照数据获取方式不同分为离线签 名认证和在线签名认证。离线签名认证是通过扫描仪把纸上的字符转换为计算机可处理的图像，并提取纹理信息等特征进行认证。在线签名认证通过专用的写字板采集用户的书写信息，把签名序列转化为图像，并且记录书写的压力、加速度、速度等信息，根据用户的书写习惯对用户进行认证。
[0012]5.静脉认证
[0013]静脉认证是一种通过人们手指、手背、手掌上的静脉分布图案来对人们身份进行认证的生物特征认证技术。静脉特征是一种生理特征，不同的人的静脉特征都不同，即使同一个人的左右手的静脉特征都不一样，难于伪造，安全性非常高非接触式的数据获取，也使得用户非常容易接受。静脉认证利用红外线CCD摄像头获取静脉图像数据，运用突袭那个二值化、细化手段对数字图像提取特征，然后与主机中存储的静脉特征进行匹配，从而达到身份认证的效果。
[0014]生物特征认证方式解决了传统的口令认证方式的各种局限性，但是在智能手机平台上，生物特征认证方式的使用量却远不如口令认证方式，主要原因有以下两点:首先是因为手机平台上的资源、设备限制。目前手机上基本上都没有可以获取指纹的设备，使用指纹认证的话就需要外接设备，使用不方便；而虹膜认证对摄像头要求很高，这样摄像头最低价为7000美元，手机也难以实现，在线签名认证也需要外接设备；另外静脉认证的采集设备也有特殊要求，设计复杂，制造成本高，产品难以小型化，便携不适用。其次是认证方式本身的一些缺陷限制。虹膜认证方式极难读取黑眼睛特征，人脸认证和声音认证都非常容易受外界甚至自身的影响，离线签名认证容易被盗取和转移。
[0015]因此，有必要设计一种新型的身份认证方法。
【发明内容】
[0016]本发明所要解决的技术问题是提供一种基于动态手势的身份认证方法，该方法在匹配认证时采用结合放宽端点限制和提前终止的DTW高效方法，在DTW方法基础之上，限定弯折斜率、放宽匹配路径端点限制、并结合提前终止策略，能有效的提高DTW方法的计算效率和手势匹配认证精度，能获得理想的认证效果。
[0017]发明的技术解决方案如下:
[0018]一种基于动态手势的身份认证方法，包括以下步骤:
[0019]I)采集手势执行时的X，Y，z三个方向的加速度数据作为测试样本；
[0020]2)对测试数据进行预处理；所述的预处理包括平滑去噪和量化；
[0021]3)采用改进的动态时间规整(DTW)算法对测试样本与模版数据进行匹配；【DTW 算法基于动态规划理论，将测试模式的时间轴不均匀地弯折，直至测试数据特征与模板特征对齐。由于智能手机在从传感器获取加速度数据时会有一些时间延迟，因此获取到的手势数据的头部和尾部可能包含一些无意义的数据，为了去处这些无意义数据以避免较大系统误差，才做这些改进】取消DTW方法第2)步得到的测试样本与最优模板之间匹配时的端点对齐限制，允许动态规划匹配路径的起点在线段[(1，1)，(1，L)]或[(1，1)，(L,l)]上， 且允许终点在线段[((M-L+1)，N)，(M，N)]或[(M，(N-L+l))，(M，N)]上；也就是说某次手势的第一帧可以和另一次手势的前L帧中的任意一帧进行匹配，最后一帧可以和另一次手势末尾L帧中的 任意一帧进行匹配；并限制动态规划弯折的斜率在0.5-2之间，利用端点放宽的额度L和弯折的斜率计算出动态规划的边界条件；[0022]其中，M为最优模板长度，N为测试数据长度，L为端点放宽的额度；
[0023]4)在第3)步得到的边界条件之内进行动态规划，不需要保存所有的累积距离和帧匹配距离，声明列矢量D保存前一列的累积距离，声明列矢量d保存当前列计算的累积距离；
[0024]5)动态规划中计算并判断当前列的累积距离是否都大于阂值T，如果都大于阂值T则认证失败，提前终止；如果并不都大于阂值I则转入步骤6)；
[0025]6)判断当前数据帧是否是测试数据的最后一帧，如果不是最后一帧，则把下一帧赋值给当前数据帧，并转入步骤5);如果是最后一帧，则取D[M-L+1，…，M]中的最小值min， 并与阂值T比较，如果min小于阂值,则认证成功，结束方法；如果min大于阂值t，则认证失败，结束该认证过程。
[0026]所述的最优模板和阂值的确定方法为:
[0027]为用户采集15个某手势的样本，采用放松端点限制的DTW高效匹配方法计算两两样本之间的DTW累积距离，选择与其他样本距离和最小的样本为最优样本即最优模板，并选择最优样本与其他样本间的最大距离为阂值。
[0028]为了适应人们不同时期执行手势时可能出现的变化，采用模板自适应策略，每隔一段时间从通过认证的手势中重新选取新的最优模板代替原有的最优模板。
[0029]在步骤I)中，利用(SensorManager) context.getSystemService (context.SENSOR_SERVICE)获取android系统已经封装好的传感器管理对象SensorManager,然后通过SensorManager获取加速度传感器Sensor.TYPE_ACCELEROMETER ;传感器获取数据的频率设置为 SENSOR_DELAY_GAME ；
[0030]在步骤2)中，采用简单移动平均线(SMA)滤波器对测试数据进行平滑去噪；计算公式为:去噪后的值=(X; +? +...+ XilnJfn，其中Xi为第i个测试数据；n取5-10 中的一个值；
[0031]在步骤2)中，将采集到的浮点型的加速度数据转换为33级的整型数据；
[0032]在步骤3)中，把匹配时间轴分成 5 段，(1,L), (L+l，Xa)，(Xa+1, Xb)，(Xb+1, N-L)， (N-L+l，N)，其中Xa = (2M-N-L) /3，Xb = (2 (2N-M) +L) /3都取最相近的整数，并且必须满足 Xa≥1，Xb≥L，由此得出最优模板长度M和测试数据长度N的关系为:
[0033]
【权利要求】
1.一种基于动态手势的身份认证方法，其特征在于，包括以下步骤:1)采集手势执行时的X，Y，Z三个方向的加速度数据作为测试样本；2)对测试数据进行预处理；所述的预处理包括平滑去噪和量化；3)采用改进的动态时间规整(DTW)算法对测试样本与模版数据进行匹配；取消DTW方法第2)步得到的测试样本与最优模板之间匹配时的端点对齐限制，允许动态规划匹配路径的起点在线段[(1，1)，(1,L)]或[(1，1)，(L,l)]上，且允许终点在线段[((M-L+1)，N)， (M，N)]或[(M，(N-L+1)), (M，N)]上；也就是说某次手势的第一帧可以和另一次手势的前 L中贞中的任意一巾贞进行匹配,最后一巾贞可以和另一次手势末尾L巾贞中的任意一巾贞进行匹配； 并限制动态规划弯折的斜率在0.5-2之间，利用端点放宽的额度L和弯折的斜率计算出动态规划的边界条件；其中，M为最优模板长度，N为测试数据长度，L为端点放宽的额度；4)在第3)步得到的边界条件之内进行动态规划，不需要保存所有的累积距离和帧匹配距离，声明列矢量D保存前一列的累积距离，声明列矢量d保存当前列计算的累积距离；5)动态规划中计算并判断当前列的累积距离是否都大于阂值I如果都大于阂值T 则认证失败，提前终止；如果并不都大于阂值T，则转入步骤6)；6)判断当前数据帧是否是测试数据的最后一帧，如果不是最后一帧，则把下一帧赋值给当前数据帧，并转入步骤5);如果是最后一帧，则取D[M-L+1，…，M]中的最小值min，并与阂值T比较，如果min小于阂值,则认证成功，结束方法；如果min大于阂值t，则认证失败，结束该认证过程。
2.根据权利要求1所述的一种基于智能手机传感器设备的手势认证方法，其特征在于，所述的最优模板和阂值的确定方法为:为用户采集15个某手势的样本，采用放松端点限制的DTW高效匹配方法计算两两样本之间的DTW累积距离，选择与其他样本距离和最小的样本为最优样本即最优模板，并选择最优样本与其他样本间的最大距离为阂值。
3.根据权利要求1所述的一种基于智能手机传感器设备的手势认证方法，其特征在于，为了适应人们不同时期执行手势时可能出现的变化，采用模板自适应策略，每隔一段时间从通过认证的手势中重新选取新的最优模板代替原有的最优模板。
4.根据权利要求1-3任一项所述的一种基于智能手机传感器设备的手势认证方法，其特征在于:在步骤 I)中，利用(SensorManager) context.getSystemService (context.SENS0R_ SERVICE)获取android系统已经封装好的传感器管理对象SensorManager,然后通过 SensorManager获取加速度传感器Sensor.TYPE_ACCELEROMETER ;传感器获取数据的频率设置为 SENSOR_DELAY_GAME ；在步骤2)中，采用简单移动平均线(SMA)滤波器对测试数据进行平滑去噪；计算公式为:去噪后的值=(1, +? +...+ X,?+1)/?，其中Xi为第i个测试数据；n取5-10中的一个值；在步骤2)中，将采集到的浮点型的加速度数据转换为33级的整型数据；在步骤 3)中，把匹配时间轴分成 5 段，(I, L), (L+l, Xa), (Xa+1, Xb), (Xb+1, N-L), (N-L+1, N)，其中Xa = (2M-N-L) /3，Xb = (2 (2N-M) +L) /3都取最相近的整数，并且必须满足Xa≤1，Xa L，由此得出最优模板长度M和测试数据长度N的关系为:
【文档编号】H04M1/21GK103442114SQ201310358968
【公开日】2013年12月11日 申请日期:2013年8月16日 优先权日:2013年8月16日
【发明者】王磊, 高焕芝, 曹秀莲, 邹北骥 申请人:中南大学