[发明专利]一种快速心电身份识别的方法及其系统

说明书

本发明公开了一种快速心电身份识别的方法及其系统，其中所述方法主要包括模型训练阶段和实时测试阶段，本发明通过采集个人的心电信号来识别及验证个人的身份信息，属于生物特征身份识别技术领域，首先，任意起始点位置、任意大于一个心拍长度的窗口，截取心电窗口，每个心电窗口任意划分为定长片段，利用全自动特征提取层进行特征提取；其次，通过非线性分类器进行初步分类；然后，通过最高熵投票产生识别结果；最后，通过特征提取和非线性分类器的并行处理实现快速心电身份识别，本发明无需特征点的检测和特征融合，识别的速度快，可实时进行心电信号身份识别，验证人群广。

技术领域

本发明涉及生物特征身份识别技术领域，特别是涉及一种快速心电身份识别的方法及其系统。

背景技术

生物特征识别主要利用人体的生理或行为特征，自动实现对个人身份的识别和认证。传统的生物特征识别方法主要有指纹、掌纹、人脸、虹膜等，尤其指纹识别和人脸识别已经非常成熟。在实际应用中，指纹识别存在易于被伪造、接触式采集的缺点；掌纹识别的复杂性、多样性和可变性一定程度限制了其应用；人脸识别受到采集环境光线的影响较大；虹膜虽然精确度高，但采集困难。同时，传统生物识别往往依赖于图像或高维数据处理，计算复杂，对硬件存储与计算要求较高。

与传统识别方法相比，ECG信号具有活体实时持续生物特征，难以伪造；同时它是一维信号，在计算速度和存储等方面更具有实际应用价值。基于ECG信号的身份识别技术主要包括基于基准点特征、基于特征变化和基于特征组合进行心电身份识别。然而目前的心电身份识别方法大多数都需要进行特征点检测(如心电信号的特定波段，P波、QRS波、T波)，或者进行繁琐的特征组合。心电信号特征点检测本身具有误差，识别的准确性依赖于特征点检测的准确性，系统鲁棒性差。同时，现有方法验证人群数较少，对大规模人群缺乏验证。再者，现有的基于特征点检测对于身份识别的速度较慢，难以实时快速实现对人群的验证。

同时，目前训练的过程中，获取深度融合特征需要结合频域和时域信号进行获取，即从时域和频域上将采集到的心电信号进行转换处理，获得的时域信号通过卷积层进行训练，获得的频域信号通过频域特征提取层进行提取，结合频域特征提取层和卷积层以获得训练后的深度融合特征，这种获得深度融合特征的方法需要结合频域信号才能获得，因为获得频域心电信号需要将时域转换得到频域，而从时域转换至频域的变换方式和种类有很多种，但是并不是每一种变换都能达到对不同心电信号进行深度融合特征的提取都具有相同的效果，由于不同人的心电信号的差别，导致采用频域信号进行深度融合特征的验证人群的范围更小，所以需要根据不同人选择最优的转换方式才能做到该人群具有良好的验证效果，具有较大的局限性。

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。

发明内容

本发明目的在于提出一种快速心电身份识别的方法及其系统，以解决上述现有技术存在的验证人群少、不能实时验证和由于需要运用特征点检测存在的误差、速度慢的技术问题。

为此，本发明提出一种快速心电身份识别的方法，包括模型训练阶段和实时测试阶段，所述模型训练阶段包括以下步骤：

A1、预处理和片段提取：将用于训练和待识别的心电信号进行任意位置的采集，并对采集的心电信号预处理，对预处理后的心电信号进行片段提取得到多个特征片段；

A2、全自动特征提取层训练：根据卷积神经网络对获得的多个所述特征片段通过全自动提取训练模块的全自动特征提取层和全连接层进行训练，抽取训练后的全自动特征提取层作为特征提取器；

所述实时测试阶段包括以下步骤：

B1、预处理和片段提取：将用于待识别的心电信号进行任意位置的采集，并对采集的心电信号预处理，对预处理后的心电信号进行片段提取得到多个特征片段；