[发明专利]基于FMCW雷达与人脸跟踪识别的活体身份认证方法

权利要求书

1.基于FMCW雷达与人脸跟踪识别的活体身份认证方法，其特征在于，包括以下步骤：

步骤1：利用FMCW雷达监测系统采集被测对象的呼吸及心跳信号，当采集到被测对象的呼吸及心跳信号时，同时执行步骤2a1和步骤2b1，否则结束身份认证；

步骤2a1：分别利用VPD寻峰算法、归一化短时能量、HHT变换提取呼吸信号的特征，然后执行2a2，

步骤2a2：将被测对象呼吸信号的特征与呼吸样本集进行比对，判断样本集中是否存在该被测对象呼吸信号的特征，是则执行步骤三，否则结束身份认证，所述呼吸样本集中包括活体呼吸信号的特征；

步骤2b1：采集被测对象图像，利用级联分类器对被测对象图像进行人脸检测，当检测结果为人脸图像时执行步骤2b2，

步骤2b2：利用LBP算子模型对被测对象图像进行身份识别，并将识别结果与身份样本集进行比对，判断身份样本集中是否存在该识别结果，是则执行步骤三，否则结束身份认证，所述身份样本集中包括活体身份信息；

步骤3：判断步骤2a2的判断结果和当步骤2b2的判断结果是否均为是，是则被测对象身份为真，否则被测对象身份为假。

2.根据权利要求1所述的基于FMCW雷达与人脸跟踪识别的活体身份认证方法，其特征在于，FMCW雷达监测系统采集被测对象的呼吸及心跳信号的方法为：

利用合成器生成线性调频脉冲，并通过TX天线发射该线性调频脉冲，利用RX天线捕捉被测对象反射的线性调频脉冲；

将TX天线发射的线性调频脉冲与RX天线捕捉的线性调频脉冲合并，生成中频信号；

依次对中频信号进行带通滤波和AD采样；

对采样后数据进行FFT变换，获得呼吸及心跳信号的波形和频率。

3.根据权利要求1所述的基于FMCW雷达与人脸跟踪识别的活体身份认证方法，其特征在于，

呼吸信号的频率为0.1Hz～0.5Hz，振幅为1mm～12mm；

心跳信号的频率为0.8Hz～2Hz，振幅为0.1mm～0.5mm。

4.根据权利要求1所述的基于FMCW雷达与人脸跟踪识别的活体身份认证方法，其特征在于，步骤2a1利用VPD寻峰算法提取呼吸信号的特征的具体方法包括以下步骤：

步骤21：利用三点移动平均平滑滤波器消除呼吸信号在滤波时产生的相移；

步骤22：判断呼吸信号中第一个波峰位置是否位于第一个波谷位置之后，是则执行步骤33，否则将第一个波峰丢弃，然后执行步骤33；

步骤23：从第一个波谷开始计算峰谷差异值VPD(k)：

VPD(k)＝P(k)-V(k)

其中，k＝1,2,...,m，波峰和波谷的个数均由m表示，P(k)表示波峰值，V(k)表示波谷值，

步骤24：在波峰个数为m时，在VPD(k)中搜索符合下式的波峰，并将该波峰丢弃，

VPD(k)0.7*{VPD(k-1)+VPD(k)+VPD(k+1)}/3；

步骤25：判断剩余波峰个数是否等于m，是则将剩余波峰值、波谷值及峰谷差异值作为呼吸信号的第一部分特征；否则使m＝m-g，然后返回步骤24，其中g为步骤24中丢弃的波峰个数。

5.根据权利要求1所述的基于FMCW雷达与人脸跟踪识别的活体身份认证方法，其特征在于，步骤2a1利用归一化短时能量提取呼吸信号的特征的具体方法为：

对呼吸信号进行归一化处理，然后定义归一化后的呼吸信号如下：

其中，x为归一化后呼吸信号的幅值，x_max为x的最大值，x_min为x的最小值；

定义t时刻呼吸信号的短时能量E_t：

其中，w(t)为窗函数，T为窗长，r为卷积中间变量，

分别计算所有时刻呼吸信号的短时能量的平均值和标准差，并作为呼吸信号的第二部分特征。