[发明专利]一种基于时域短时及长时特征融合的脉纹识别方法

说明书

本发明公开了一种基于时域短时及长时特征融合的脉纹识别方法，通过设计一种多维脉纹信息提取策略来获得基于时域周期内的短时特征和长时特征。其中短时特征由主波包络，次波包络，主次波包络组成，而长时特征是与呼吸周期对应的多周期特征。本发明将上述基于时域周期内的长短特征与起点规整后的单周期脉搏波信号相结合，输入到双路分支神经网络中进行特征融合识别。利用本发明提出的脉纹识别方法进行身份识别，具有准确性高，可靠性强，泛化能力强的特点，适用于各种身份验证的现实场景。

技术领域

本发明涉及人工智能机器学习技术领域，具体涉及一种基于时域短时及长时特征融合的脉纹识别方法。

背景技术

随着信息化服务和数字化系统的爆炸性增长，密码管理在现实生活中变得越来越困难。近年来，科学家利用生物识别技术来建模人的个性化特征，从而利用人的独一无二性代替密码。然而，常见的生物识别技术，包括指纹、虹膜、手的几何形状和人脸等生物信息容易被攻击，且大多生物识别技术需要昂贵的采集和活体检测，提取成本较高。而新型的光电容积脉搏波(PPG)和心电图是目前进行心血管诊断所使用的非侵入性技术，在近年来作为生物识别技术的数据来源被广泛研究利用。PPG是一种简单、低成本的光学技术，通过测量皮肤表面来检测血管中的血量变化。如今，PPG传感器已被应用于许多不同的可穿戴设备中。与心电图不同的是，PPG传感器的信号采集只需要在身体的一侧完成，易用性和实用性更强。

目前脉纹信息的提取大多基于单维时域特征或者是频域特征。单维时域特征提取分为两种，一种是将脉搏波信号的整体作为输入，另一种是将信号按照周期切分后输入。前者容易造成模型的复杂度高，参数量大，而且需要处理不同脉搏波信号起点不对齐的情况，而后者信号在切分后容易使模型过分关注周期内部的特征提取，而忽略了不同周期间的关系。

发明内容

本发明的目的是为了解决现有技术中的上述缺陷，提供一种基于时域短时及长时特征融合的脉纹识别方法。

本发明的目的可以通过采取如下技术方案达到：

一种基于时域短时及长时特征融合的脉纹识别方法，所述脉纹识别方法包括以下步骤：

S1、自建脉搏波数据库，通过小波去噪、平滑滤波以及数据归一化对脉搏波数据库中存储的脉搏波信号进行预处理，接着通过多维脉纹信息提取策略获得短时特征、长时特征和起点规整后的单周期脉搏波信号，其中短时特征包括主波包络、次波包络、主次波包络，长时特征是呼吸周期对应的多周期长时特征；

S2、构建双路分支神经网络，其中，双路分支神经网络包括短时信号处理分支和长时信号处理分支，构建卷积层加非线性激活函数的短时信号处理分支，将短时特征输入短时信号处理分支；构建卷积-循环结构的长时信号处理分支，将长时特征以及起点规整后的单周期脉搏波信号输入长时信号处理分支；

S3、将步骤S2中双路分支神经网络输出结果进行特征融合，得到脉纹识别结果。

进一步地，所述脉搏波数据库的建立过程如下：

通过脉搏血氧仪，在实验室条件下，在不同用户的手腕和手指处进行数据的采集，从而获得不同用户的脉搏波信号。

进一步地，所述步骤S1中脉搏波信号进行预处理的过程如下：

通过小波去噪和平滑滤波来滤除脉搏波信号中的高频噪声，保留低频部分；之后去除基线漂移，以及进行数据归一化，得到处理后的脉搏波信号。

进一步地，所述步骤S1中短时特征和长时特征的特征提取过程如下：

连接所有脉搏波信号的主波峰值，并使用三次样条内插的方式进行数据增强，得到主波包络；

连接所有脉搏波信号的次波峰值，并使用三次样条内插的方式进行数据增强，得到次波包络；