[发明专利]一种基于步行加速度信息分割的人员识别方法

说明书

本发明公开了一种基于步行加速度信息分割的人员识别方法。利用手机内置的加速度传感器采集人员步行时加速度数据，为了进一步发掘加速度信息，细化特征向量，探究加速度变化率，提出基于HMM的信息分割方法，根据加速度数据采样点前后的关系将加速度数据划分为动态与稳态两个部分。分别从上述两个部分抽取特征，形成动态与静态两个特征集合，运用Relief算法从两个集合中选取特征形成新的特征集合，提高人员识别率。利用手机进行人员识别，提高了识别的实时性，成本低廉。

技术领域

本发明属于信息安全领域，具体涉及一种基于步行加速度信息分割的人员识别方法。

背景技术

随着社会的进步移动计算技术的发展和,诸多电子设备如手机、平板电脑等便携式电子设备日益普及,成为人们日常工作和生活中的重要工具。这些电子产品中往往保存了用户的大量个人敏感信息如网上银行账户,各种账号以及电子证书等。信息安全在便携式电子产品中的重要性日趋明显,而身份认证作为保证信息、安全的必要前提,成为保障个人隐私和财产不受侵犯的重要保障。

针对上述问题，提出一种基于步行加速度信息分割的人员识别方法。该方法利用手机内置的加速度传感器记录人员步行数据，为了更加精确的获取步行时的信息特点，采用HMM(隐马尔科夫)的方法对加速信息做分割，更深层次的挖掘人员步行时的信息，从而提高后人员的是识别率。

发明内容

针对目前利用人体行为特征识别人员的问题，本发明利用手机内置的加速度传感解决这些难题。一方面可以利用智能手机内置的运动传感器进行身份识别，无需其他设备装置。另一方面利用HMM方法进行步态信息分割，进一步发掘人员步行时的信息，提高信息的使用效率。

实现本发明的技术方案如下：

一种基于步行加速度信息分割的人员识别方法，包括人员步行加速度信息的采集分割和特征抽取模型建立人员识别步骤；

所述步行加速度信息分割的人员识别步骤包括：

(1)手机位置的固定：手机固定位置在裤子口袋位置；

(2)数据获取：利用手机内置的三轴加速度计收集人员步行加速度数据其收集数据的软件平台为Sensor Log，主要分析手机加速度传感器Z轴测量的加速度数据；

(3)数据处理：采用3阶巴特沃斯低通滤波器对原始加速度信息进行滤波去除高频噪声；

(4)数据分割：将处理后的人员步行加速信息，根据加速度的变化率，利用HMM分割成动态与稳态两个部分；

(5)特征抽取：首先将将整段数据进行切分，使用滑动窗口方式分割处理后的加速度数据，以窗口为单位提取特征。利用Relief算法对特征进行选择，选择优秀的特征进行后期的模型建立；

(6)建立识别模型：利用步骤(5)选取的特征，进行识别模型的建立。模型建立采用模式识别的方式，采用四种经典的分类器：贝叶斯(Bayes)，多层神经网络(MLP)，随机森林(RF)和K邻近(K-NN)，使用十折交叉的方法建模。

进一步，所述步骤(4)的具体步骤如下：

1)研究人员步行加速变化率，根据人员步行加速度数据以及其变化率，初始化HMM的三要素λ＝(π,A,B)，A状态间的转移概率，B观测序列的概率分布，π初始状态概率分布；

2)运用K–means聚类算法对，对加速度变化x*＝{x₁,x₂,x₃,….,x_m}进行聚类，获得隐藏初始化状态序列。选取一维数列x*的聚类中心点，大于V值为动态序列，小于V值为稳态序列，序列为g*＝{g₁,g₂,g₃,g₄,….,g_m}，g_i∈G；