本发明涉及心电身份识别技术领域，具体涉及一种基于云计算的心电身份识别系统及方法。
背景技术：
众所周知，人体的生理特征如指纹、虹膜、人脸或者语音可以用于个体的身份识别，该类生理特征具有普遍性、唯一性、稳定性和可测量性，保证了身份识别的有效可靠。人体的心电信号(electrocardiogram,ecg)同样具备这些特征。在过去二十多年中，该领域的专家学者发展出了很多较为完善和可靠的方法技术，在不等规模的人群中进行试验，并取得了很好的识别结果。相比于传统的身份识别技术，心电信号可连续实时采集，作弊和伪造的难度更高，且原始信号为一维数据，方便存储和处理。使用心电进行身份识别，是一种安全级别更高、更值得信赖的身份识别手段。
作为一种新的身份识别方式，心电身份识别尚未如指纹识别、人脸识别那样得到普及，也未有比较成熟的实施案例。较指纹识别、人脸识别而言，心电身份识别对计算的要求更高，在设备终端配置昂贵的计算芯片的做法是不经济的，也是直接制约心电身份识别在更大范围内普及的重要因素。怎样让设备终端能快速准确而又经济地完成心电数据的采集、处理和识别，成为当下推广运用的关键。
以上背景技术内容的公开仅用于辅助理解本发明的发明构思及技术方案，其并不必然属于本专利申请的现有技术，在没有明确的证据表明上述内容在本专利申请的申请日已经公开的情况下，上述背景技术不应当用于评价本申请的新颖性和创造性。
技术实现要素：
本发明目的在于提出一种基于云计算的心电身份识别系统和方法，以解决上述现有技术存在的心电采集、处理和识别的终端处理能力受限、无法大范围普及的技术问题。
为此，本发明提出一种基于云计算的心电身份识别系统，包括设备终端、通信网络和云服务端：
所述设备终端用于心电数据采集、工作设置、人机交互和数据通信；
所述云服务端用于接收所述设备终端发送的请求和上传的心电数据，对心电数据进行分析处理，完成心电身份模板录入或身份识别，并向所述设备终端返回识别结果；
所述通信网络用于设备终端和云服务端之间的通讯，承载设备终端和云服务端数据和请求的传输。
优选地，本发明的系统还可以具有如下技术特征：
所述云服务端包括请求交互模块、资源监管模块、业务处理模块、辅助业务模块和数据存储模块；
所述请求交互模块用于接收和分析所述设备终端发送的请求，并对请求进行应答；
所述资源监管模块用于维护和管理所述设备终端的计算资源，根据负荷情况进行动态扩容或缩容，当接收到计算资源申请时，使用负载均衡技术确定该次申请的计算节点，将节点地址返回到所述请求交互模块，发送心电数据到该计算节点；
所述业务处理模块对心电数据进行预处理和业务处理，业务处理根据请求类型的不同，选择心电身份模板录入或心电身份识别，执行具体业务；
所述辅助业务模块，用于为所述业务处理模块准备心电身份特征库，调整权值，提高身份识别精度；
所述数据存储模块用于将心电信息、特征数据和识别记录进行存储。
所述业务处理模块包括数据预处理模块、心电身份模板录入模块和心电身份识别模块；
所述数据预处理模块用于对原始心电信号进行高低通滤波和质量评估，生成质量良好的心电信号；
所述心电身份模板录入模块，用于提取用户的常态平均心电模板，绑定用户id后存入用户心电身份特征库；
所述心电身份识别模块，包括特征提取模块、模板匹配模块和决策模块，所述特征提取模块用于提取心电信号的心电身份特征，通过所述模板匹配模块将心电身份特征与心电身份模板进行匹配，所述决策模块用于对匹配结果进行决策。
所述特征提取模块由至少一种不同提取方法的提取子模块组成，所述提取子模块中封装有预定的特征提取方法，同一段心电信号经过不同所述提取子模块的并行处理，提取到不同的特征。
所述模板匹配模块由至少一种不同提取方法的匹配子模块组成，所述匹配子模块中封装有预定的模板匹配方法，同一组心电身份特征经过不同所述匹配子模块的并行处理，得到各自的匹配结果。
所述设备终端包括心电采集模块、工作设置模块、人机交互模块和数据通信模块；所述心电采集模块，使用单导联或多导联的方式采集用户体表的心电信号；所述工作设置模块，选择设置工作模式为心电身份模板录入或心电身份识别；所述人机交互模块，通过屏幕/按键形式设置工作模式，查看录入或识别结果，和开关设备；所述数据通信模块，向云服务端发送任务请求和心电数据，接收云服务端请求回应和执行结果。
本发明还提出了一种基于云计算的心电身份识别方法，包括以下步骤：
s1：通过设备终端采集心电数据，并通过所述设备终端进行工作设置、数据通信和人机交互，生成相应请求；
s2：所述设备终端通过通信网络与云服务端进行交互，完成请求和数据的传输；
s3：所述云服务端接收所述设备终端的请求和数据，根据请求类型，对心电数据选择执行心电身份模板录入或心电身份识别；
s4：所述云服务端通过通信网络将处理的结果反馈至所述设备终端，完成心电身份识别任务。
优选地，本发明的处理方法还可以具有如下技术特征：
进一步的，步骤s3中，包括以下步骤：
s31：通过请求交互模块接收所述设备终端发起的请求，分析请求类型，并根据请求类型，向资源监管模块申请计算资源；
s32：通过资源监管模块维护和管理所述云服务端的计算资源，根据负荷情况进行动态扩容或缩容，当接收到计算资源申请时，使用负载均衡技术确定该次申请的计算节点，将节点地址返回到请求交互模块，所述设备终端发送心电数据到该计算节点；
s33：通过业务处理模块进行心电身份模板录入或心电身份识别，如果是新用户注册，提取常态平均心电模板作为心电身份模板录入，并通过辅助业务模块生成与特征提取模块中方法对应的心电身份特征库；如果是正常身份验证，对心电数据进行预处理，特征提取，和心电身份特征库进行模板匹配，决策得到识别结果，完成心电身份识别；返回录入结果或身份识别结果到设备终端；
s34：通过数据存储模块将心电数据和识别记录进行存储。
进一步的，步骤s33中，包括以下步骤：
b1：在心电身份模板录入请求下，进行心电身份模板录入，所述数据预处理模块对原始心电数据预处理后，通过心电身份模板录入模块提取常态平均心电模板；
b2：将该常态平均心电模板与用户id进行绑定，并通过辅助业务模块生成与特征提取模块中方法对应的心电身份特征库，两者均存储于所述数据存储模块中，完成心电信息录入，向设备终端报告录入结果；
b3：在心电身份识别请求下，进行心电身份识别模式，所述数据预处理模块对原始数据进行预处理后，所述心电身份识别模块采用包括由至少一个的提取子模块组成的特征提取模块进行特征提取，得到至少一个的心电身份特征，将该心电身份特征采用包括由至少一个的匹配子模块组成的模板匹配模块进行模板匹配，得到至少一个的匹配结果；
b4：通过决策模块对至少一个的匹配结果使用至少一种决策方法进行决策，将最终决策结果作为最终识别结果，将该最终识别结果返回到设备终端，并通过数据存数模块存储识别记录。
进一步的，通过辅助业务模块对识别记录进行统计分析，动态调整对应所述提取子模块和所述匹配子模块识别方法的决策方法。
本发明与现有技术对比的有益效果包括：本发明采用云计算的模式，让设备终端只进行数据采集和通讯，不进行复杂的身份识别运算，只需要很简单的芯片就可以完成任务，而无需配置性能更强、成本更高的芯片，这极大地削减了终端设备的成本和体积，增强了心电身份识别的可普及性；本发明将数据处理和运算过程放到云端，虽然增加了网络依赖，但借助云端强大的运算能力，可以更为准确快速可靠地得出识别结果，而无需拘泥于终端有限的计算资源。
模块通过集群化保证计算效率，使用不同特征提取和模板匹配算法的组合，得到不同的识别结果，通过决策得到最终识别结果。
附图说明
图1是本发明实施例一的基于云计算的心电身份识别系统框图；
图2是本发明实施例一的设备终端的用户使用流程图；
图3是本发明实施例一的云服务端系统框图；
图4是本发明实施例一的资源监管模块关系图；
图5是本发明实施例一的业务处理模块的数据处理流程图。
具体实施方式
下面结合具体实施方式并对照附图对本发明作进一步详细说明。应该强调的是，下述说明仅仅是示例性的，而不是为了限制本发明的范围及其应用。
参照以下附图1-5，将描述非限制性和非排他性的实施例，其中相同的附图标记表示相同的部件，除非另外特别说明。
实施例一：
本实施例提出了一种基于云计算的心电身份识别系统，由三个部分组成，如图1所示，包括：
101：设备终端；
102：通信网络；
103：云服务端；
本实施例提出的基于云计算的心电身份识别系统中，采用了云计算模式，设备终端作为用户接口，进行心电数据采集，向云服务端发送工作数据，接收云端返回的分析处理结果；云服务端接收终端请求，进行数据处理和身份识别运算，并向设备终端返回执行结果；设备终端与云服务端通过有线或无线的方式进行数据交互。设备终端、通信网络和云服务端协同工作，完成心电身份识别任务。
现对各部分进行阐述如下：
设备终端：
本实施例中，设备终端具有四个功能模块，包括心电采集模块、工作设置模块、人机交互模块和数据通信模块，所述心电采集模块，使用单导联或多导联的方式采集用户体表的心电信号，采集位置包括但不限于左右肢和胸前体表；所述工作设置模块，可选择设置本次模式为心电身份模板录入/心电身份识别模式；所述人机交互模块，用户可通过屏幕/按键设置工作模式，查看录入或识别结果和开关设备，设备终端提示信息包括但不限于文字、语音、灯光闪烁等形式；所述数据通信模块，可以向云端及时发送任务请求和心电数据，及时接收云端请求回应和执行结果。相比于传统的设备终端而言，无需将心电身份识别的部分设置在设备终端，设备终端可仅仅设置一些进行采集、设置、交互和通信等模块，简化了设备终端的结构，降低的对设备终端芯片的数据处理要求，特别适用于移动产品终端的应用，对于心电识别技术而言，可加快该技术的普及。
通信网络：
本实施例中，通信网络可使用有线或无线的方式，实现设备终端和云服务端的数据通信。本领域的技术人员可以根据设备终端设备的不同，选择无线或者有线的方式进行连接，具体的，如果设备终端通过usb等方式连接到计算机，那么可以通过计算机的有线/无线连接方式连接到云端；如果是终端设备+蓝牙+手机端的方式，可以通过手机无线方式连接到云端；如果终端设备自带联网模块，可以直接通过自身有线/无线网卡连接到云端。
云服务端：
本实施例中，如图3所示，云服务端进行心电数据的分析和处理，存储用户心电模板等重要数据。基于云计算的云端服务器由五个功能模块构成，分别为：
301：请求交互模块；
302：资源监管模块；
303：业务处理模块；
304：辅助业务模块；
305：数据存储模块。
云服务端的部署重点在两个方面：其一为云平台的架构，使用的技术组件和搭建的服务架构应保证服务运行的可靠稳定，数据处理框架的合理高效；其二为具体业务的实现，心电数据的处理和身份识别过程要快速准确。本实施例中，云服务端包括上述的五大功能模块，其中请求交互模块除了实现设备终端的之间的请求的交互外，结合资源处理模块可实现对业务处理模块、辅助业务模块进行服务发现、负载均衡和集群管理，资源监管模块能实现计算资源的弹性调控，为心电身份识别方法合理分配计算资源，实现心电身份识别的可靠稳定运行，业务处理模块通过封装的特征提取功能和模板匹配功能，进行决策，本实施例中，决策为加权投票的过程，实现心电身份的快速准确的识别，辅助业务模块包括对心电身份特征库的生成，以及不同的组合算法中的权值调整等，可以为业务处理模块提供必要的支持和补充，云端的数据存储模块具有更高的存储效率，高冗余的特点，通过这五大功能模块组成的心电身份识别架构，可稳定可靠、快速准确的完成心电身份识别。
本实施例所设计的云端服务架构，优选的，使用容器云技术实现。容器云技术是一种轻量级的操作系统虚拟化方案，能简易有效地利用计算和存储资源，实现资源的弹性伸缩。在容器中独立运行某一线程或任务，安全可靠，便于管理。本实施例中，将云服务端所有的功能模块均封装在容器中，多个单一功能的容器协同构成功能集群，而不同的功能集群协同构成云端服务系统。本实施例的技术架构，可以处理海量用户同时接入及并发的识别请求，根据请求数量进行计算资源的弹性扩展，充分利用了系统资源，以用户请求响应时间作为负载均衡指标，保证了系统效率。
采用容器云技术会给心电身份识别云服务端的实施带来诸多好处：轻量的体积，使功能容器的分布式部署更容易实现，资源监管模块中的服务发现和集群管理能部署在多个服务器实体中，极大程度上避免了单点故障，系统更可靠；容器单元能够快速创建和销毁，能更快地实现负载均衡中计算资源的弹性伸缩；心电身份识别模块中，将多种算法封装成计算容器，形成计算集群，能加速算法的开发迭代更新。
本实施例中，基于云计算的心电身份识别方法，包括步骤如下：
s1：通过设备终端采集心电数据，并通过所述设备终端进行工作设置、数据通信和人机交互，生成相应请求；
s2：所述设备终端通过通信网络与云服务端进行交互，完成请求和数据的传输；
s3：所述云服务端接收所述设备终端的请求和数据，根据请求类型，对心电数据选择执行心电身份模板录入或心电身份识别；
s4：所述云服务端通过通信网络将处理的结果反馈至所述设备终端，完成心电身份识别任务。
如图2所示，对本实施例中用户使用的流程图进行说明如下：
201：用户设置该次心电采集的目的，选择执行的工作模式是心电信息录入模式还是心电身份识别模式。在心电信息录入模式下，还需通过工作设置终端输入要绑定的用户id，工作设置终端根据不同的工作模式生成相应的请求。心电信息录入过程应该在有监督的情况下进行，以保证该次录入的权威性；这个过程要求设备终端具有工作设置和人机交互功能，设备终端应该能通过按键/触屏进行设置和输入，并提供包括和不限于文字、图像、语音、灯光等用户提示方式。
202：在网络可靠的情况下，设备终端将用户的工作设置、设备相关信息等按照一定格式打包为数据包，在心电采集前向云端发送，等待云服务端计算节点入口地址的信息。
203：设备终端获取云服务端请求确认和分配的计算节点入口后，根据工作设置请求的类型，通过心电采集模块对心电数据进行采集；心电采集模块是设备终端设备的核心，需设置合适的高低通滤波电路和放大倍数；考虑到数据通信和存储，对心电信号的采样频率应不低于125hz，采样精度为12位比较合适；终端对同一个体的多次采集结果应具有一致性，这要求终端采集点的设置应便于用户采集姿态的重复。设备终端可以使用单导联或者多导联的方式采集用户体表心电，体表位置包括但不限于左右肢和胸前；优选的，可以使用左右肢单导联采集，即左右手食指点触两个心电采集电极的方式进行采集。
204：保持长连接(建议实时上传时间间隔为2s)，将心电数据实时上传到云端；
205：在云服务端进行心电数据的录入或者识别，根据任务类型的不同，分别进行不同处理，并且处理过程中，向用户提示任务正在执行中；任务执行结束后，将心电身份模板录入成功/失败，心电身份认证成功/失败结果提示给用户；
本实施例中，步骤s3中，包括以下步骤：
s31：通过请求交互模块接收所述设备终端发起的请求，分析请求类型，并根据请求类型，向资源监管模块申请计算资源；
s32：通过资源监管模块维护和管理所述设备云端的计算资源，根据负荷情况进行动态扩容或缩容，当接收到计算资源申请时，使用负载均衡技术确定该次申请的计算节点，将节点地址返回到请求交互模块，所述设备终端发送心电数据到该计算节点；
s33：通过业务处理模块进行心电身份模板录入或心电身份识别，如果是新用户注册，提取常态平均心电作为心电身份模板录入，并通过辅助业务模块生成与特征提取模块中方法对应的心电身份特征库；如果是正常身份验证，对心电数据进行预处理，特征提取，和心电身份特征库进行模板匹配，决策得到识别结果，完成心电身份识别；返回录入结果或身份识别结果到设备终端；
s34：通过数据存储模块将心电数据和识别记录进行存储。
更为详细的：
请求交互模块：
当心电采集终端发起请求时，请求交互模块进行应答，接收设备终端发送的数据包，解析数据包并分析请求类型。根据请求类型，向资源监管模块申请计算资源，获取数据的计算节点入口，并将计算节点数据返回到对应的设备终端。请求交互模块由多个请求处理容器组成集群，单个请求通过路由进入到其中一个请求处理容器中，使用路由的方式提高系统可并行接入的请求量。
资源监管模块：
该模块通过服务发现、集群管理和负载均衡等技术，实现对整个云计算平台计算与存储资源的管理和维护，是云计算平台能够可靠稳定运行的基础，也是实现计算节点弹性伸缩、提高资源利用率的关键。
所述资源监管模块处理包括以下步骤：
a1：所述服务发现定期检测系统中计算及存储资源的配置信息和利用情况，维护配置表单；
a2：所述负载均衡接收计算资源的请求，向所述服务发现索取配置表单，以请求的响应时间为目标，为该请求合理安排计算资源；
a3：若所述负载均衡确认现有资源节点负荷过大/过小，向集群管理发起请求申请扩容/缩荣；
a4：所述集群管理接收负载均衡的请求进行资源的编排和调度，创建/删除资源，并向所述服务发现发送报告，报告集群管理对所述业务处理模块和数据存储模块做出的修改；
a5：所述服务发现接收集群管理的报告，更新计算及存储资源的配置信息和利用情况，持续维护配置表单。
更为具体的，资源监管模块中，负载均衡、服务发现和集群管理三个功能组件的关系如图4所示：
401：负载均衡在接入数据处理请求时，负载均衡首先向服务发现索取可用的计算节点及其负载信息：以用户请求响应时间为目标，为该次请求安排计算资源；负载均衡定期检查服务发现中的配置信息，如果现有计算节点负载过大，对用户请求的响应时间大于容忍时间，那么向集群管理发起申请，请求增加计算节点容器数量，用于后续请求的分配；如果现有计算节点负载过小，向集群管理发起申请，请求缩减计算节点容器数量，节约资源。负载均衡实现了计算资源的弹性伸缩，将用户响应时间作为指标，保证了用户体验。
402：服务发现用于云端服务的注册，通过键值存储相关的配置信息，当新的服务节点被启用时，向服务发现注册自身，同时获取其需要的服务地址，如模板匹配模块可以在此获取sql服务器的ip和端口，从而获取用户模板进行身份匹配；通过定期查询，服务发现还可以存储服务容器的负载信息、健康信息等，可以作为负载均衡、集群管理的依据。通过将服务发现组件如etcd，封装到容器中，配置和构成服务发现集群。
403：集群管理包括容器的编排和调度，用于开启、关闭特定功能的容器。云平台中可能运行成千上万的容器，单独管理每一个容器是不可能的。集群管理实现了容器管理的自动化，保证了系统的弹性。在需要弹性伸缩的业务处理模块中，集群管理集群接收负载均衡的请求进行容器数目的伸缩，集群管理对容器做出的修改，向服务发现集群进行报告。
业务处理模块：
移动云端接入心电数据，业务处理模块需要进行具体的数据处理。数据处理过程中涉及到的处理方法和方法分离地封装到容器中，每一个容器即是一个或多个处理过程，初始的心电数据经过一连串的容器加工，最后输出处理结果。过程分离的原则应在功能独立和减少i/o开销间平衡。
具体的数据处理包括心电数据预处理和具体业务处理两个阶段，其整个处理流程如图5所示：
数据数据预处理如下：
501：高低通滤波，心电信号的有效频率在0.67hz～46hz左右，实际采集的信号中包含了50hz工频干扰、高频肌电干扰和低频的基线漂移等多种噪声成分，预处理过程中必须尽可能滤除掉噪声信号。符合要求的滤波方法很多，典型如差分带通滤波、巴特沃斯带通滤波、小波变换滤波等，实际采用方法应结合硬件滤波效果进行实验确定。
502：心电质量判断，信号质量判断该过程对心电信号的可用性进行判断，不可用的心电信号多为导联脱落造成的水平波形，或电极接触不良造成的高幅值尖刺，前者可以对信号进行中值检测，后者可以对信号进行最大值检测，采用幅度阈值法检出不可用信号并剔除。
503：r波检测，为了获取完整的p-qrs-t波形，需要对r波进行定位，r点也是定位其他关键点、提取解析特征的重要点；r波的定位方法很多，包括差分法、斜率法、小波变换方法，选择一种精准可靠且计算量小的方法即可。
504：波形切割，按照一定原则将实时波形切割，一种可行的方法是以r点为基点，向前取一定长度，包含完整的p波，向后取一定长度，包含完整的t波。以一段完整的p-qrs-t波作为后续数据处理的输入。应该注意的是，终端以秒为间隔实时上传数据，一个完整的心电波形可能分布于前后相继的两个数据包中，预处理过程中应该有数据的缓存和拼接机制。
本实施例中，业务处理模块选择执行心电信息录入模式或心电身份识别模式中，包括以下步骤：
b1：在心电身份模板录入请求下，进行心电身份模板录入，所述数据预处理模块对原始心电数据预处理后，通过心电身份模板录入模块提取常态平均心电模板；
b2：将该常态平均心电模板与用户id进行绑定，并通过辅助业务模块生成与特征提取模块中方法对应的心电身份特征库，两者均存储于所述数据存储模块中，完成心电信息录入，向设备终端报告录入结果；
b3：在心电身份识别请求下，进行心电身份识别模式，所述数据预处理模块对原始数据进行预处理后，所述心电身份识别模块采用包括由至少一个的提取子模块组成的特征提取模块进行特征提取，得到至少一个的心电身份特征，将该心电身份特征采用包括由至少一个的匹配子模块组成的模板匹配模块进行模板匹配，得到至少一个的匹配结果；
b4：通过决策模块对至少一个的匹配结果使用至少一种决策方法进行决策，将最终决策结果作为最终识别结果，将该最终识别结果返回到设备终端，并通过数据存数模块存储识别记录。
更为具体的，按照请求类别的不同，心电信息录入的目的是为了提取出具有代表性的心电，和用户的id绑定后存入用户数据存储模块中，其数据处理过程为：
505：提取平均波形，提取常态平均心电正常人群的心电波形基本保持一致，偶尔会有异变；病变人群的心电波形可能会在正常心电中周期性混杂异变心电，也可能所有心电发生异变。考虑到身份识别应用的普适性，心电身份模板录入的是常态心电波形，即重复率最高的心电波形。该过程中可以通过互相关聚类求取常态心电，实时获取的心电波形求取互相关系数，如果相似性低于阈值，则分为不同类，相似性高于阈值，则归为一类，最先达到规定值(大于5)的类既定为常态心电，求取该类波形的平均值，作为常态平均心电。
506：绑定用户id，存入数据库用户原始心电数据库可以为key-value形式，key为用户id，value为用户的常态平均心电数据。用户的id是选择了信息录入时输入的id，只要该id在用户群中具有唯一性即可。用户在进行信息录入时，如果信息已录入，但用户遗忘了录入行为或者需要修改模板，那么只要录入过程是权威的，就可以直接覆盖原有信息。注意存入数据库的是用户的原始心电数据，提取的心电身份模板存入数据存储模块中，形成心电身份特征库。
507：返回录入结果，向设备终端返回信息录入结果，根据录入的过程，在设备终端提示“心电信息录入成功”、“心电信息更新成功”，或者相应的失败信息。
在心电身份识别模式下：
心电身份识别过程为多算法组合决策过程，通过封装有预定的特征提取方法的提取子模块组成的特征提取模块对单个心电波形进行多种特征提取方法的特征提取，通过封装有预定的模板匹配方法的匹配子模块组成的模板匹配模块采用不同的模板匹配方法与用户心电身份特征库的心电身份特征进行比对，这里指的预定的特征提取方法是指现有的特征提取方法，模板匹配方法也是现有的，这里不再赘述，不同特征提取和模板匹配方法组合的识别结果进行决策，得到最终的识别结果。多种算法的组合可以消除单个算法的固有缺陷，使识别结果更准确。
采用了多组合算法决策的识别方法，而不指定单一的算法，并且在辅助业务模块中对算法进行性能演化。这种方式在实际生产应用中更具有实施性，避免了某种在学术中可行的算法，在实际生产中表现不佳的情况，使最终获得的心电身份识别结果更可靠，整个身份识别系统更健全。
508：特征提取在心电波形的分析中，可以使用多种特征提取方法，包括解析特征，即p-qrs-t波在形态上的幅值、间期作为特征，通过关键点定位提取实现；变换特征，如对波形进行小波分解后各层的系数，进行频域变换不同频率的成分等。特征选择的工作应在算法实验阶段完成，在此阶段直接选择即可。该过程中，不同的特征提取方法封装在不同的容器中，并行提取特征。
509：模板匹配对于连续n组提取出的心电身份特征，从相应的心电身份特征库中取出心电身份模板特征，使用不同的距离衡量方法并行进行最近邻的比较。模板匹配使用的心电身份特征库，是从用户原始心电数据库中，按照给定的特征提取方法生成的心电身份特征库，心电身份特征库的生成过程在辅助业务模块中进行。
510：决策阶段，优选的，可以使用加权投票方法，投票选举分两个阶段进行，首先，对于单个的特征提取方法和模板匹配方法的组合，只有三个以上的心电波形识别结果一致，才会认定为该种算法的识别结果；第二阶段，不同算法进行按照权值进行投票，获得票数最高的结果为最终识别结果。算法的权值由辅助业务模块得到。
511：返回识别结果投票选举出的结果是与当前心电最为匹配的模板对应的用户id，云端将该id返回到终端，显示出识别结果，完成识别。
本实施例运用多种心电识别算法的组合进行特征提取和决策的过程中，还包括：运用辅助业务模块对多种心电识别算法识别的投票结果进行统计，若多种心电识别算法中的一种心电识别算法给出的识别结果与其他识别算法认定不一致时，对该心电识别算法的投票权值进行削减。
辅助业务模块：
该辅助业务模块是对业务处理模块的必要支持和补充，该模块的功能是多方面的，包括从用户原始心电数据库中，按照给定的特征提取方法生成心电身份特征库，每一种特征提取方法都需生成一组特征数据，为心电身份识别阶段准备数据；其次，检查不同组合算法的表现，进行算法模块的演化和权值调整，当某一算法组合给出与其他算法不一致的识别结果时，认定该算法的表现随着用户的增加而减弱，存在固有缺陷，其投票权值会被逐渐减弱。
数据存储模块：
数据存储模块中存有用户原始心电数据、身份模板特征数据和识别记录等必要信息，这些数据均为整齐的关系型表格，使用mysql数据库存储。本实施例中，优选为分布式存储，分布式存储和数据库管理的技术可以借助mysqlcluster技术实现，对用户数据进行划分，并行多个mysql客户端对数据进行操作；数据节点冗余备份，防止数据丢失。整个分布式存储模块具有高效率、高冗余的特点。
本实施例基于容器的心电身份识别，可以将特定功能的线程或模块封装到独立的容器中，将许多容器互联组成整个集群即可实现系统功能。对应用开发者而言，容器使得功能模块松耦合，对特定模块的修改只需快速替换相应容器即可验证，加快了开发进度，简化了开发难度；对云服务提供商而言，容器相比传统的虚拟机方式，体积更小、资源利用率更高、管理更方便。
将心电身份识别技术和云计算结合在一起，终端硬件采集数据，上传到云端，在云端进行数据处理并返回结果，是典型的移动云计算模式。一方面，终端硬件无需承担分析任务，只需很简单的微控芯片就能完成采集任务，其成本和体积都大大减少；另一方面，借助云端强大的计算能力，数据分析任务能够更快速和准确，这都是传统一体机无法实现的。将移动云计算模式应用到心电身份识别过程中来，研发简易可靠的前端心电采集设备，搭建识别能力精准的后端服务平台，是十分可行的。
本领域技术人员将认识到，对以上描述做出众多变通是可能的，所以实施例仅是用来描述一个或多个特定实施方式。
尽管已经描述和叙述了被看作本发明的示范实施例，本领域技术人员将会明白，可以对其作出各种改变和替换，而不会脱离本发明的精神。另外，可以做出许多修改以将特定情况适配到本发明的教义，而不会脱离在此描述的本发明中心概念。所以，本发明不受限于在此披露的特定实施例，但本发明可能还包括属于本发明范围的所有实施例及其等同物。