论文部分内容阅读
随着社会的不断发展,数字信息与个人生活息息相关。当今社会面临信息泄露及盗取的安全挑战,同时高科技犯罪及恐怖袭击威胁着社会安全,社会需要新的认证技术来解决这些安全问题。生物特征识别技术以其出色的防伪性受到了大量关注,步态作为人体的行为特征,以其极高的隐蔽性和防伪性引来大批学者研究。步态身份识别是步态研究中较新的一个方向,在社会安全及信息安全方面有极大的研究价值。本文进行了基于加速度计的步态身份识别研究。加速度传感器普及率高和信号容易采集等特点给步态身份识别的研究带来极大的便利,本文使用步态加速度信号,通过识别步态加速度信号而达到识别步态采集者个体的目的。本文主要工作如下:本文对步态加速度信号的数据处理过程做了详细的研究,并对设计了区域最大值寻找周期分割点的方法。为了验证步态身份识别效果,对步态典型周期进行了DTW匹配识别。x轴加速度信号最佳实验结果:FRR=2.56%,FAR=3.21%;y轴加速度信号最佳实验结果:FRR=5.98%,FAR=5.63%;z轴加速度信号最佳实验结果:FRR=6.84%,FAR=7.69%。通过实验观察对比发现,x轴加速度信号识别效果最好,同时稳定性最高。融合x轴与y轴DTW距离进行了进一步实验,得到最佳实验结果:FRR=0.85%,FAR=1.78%,识别效果进一步提高。本文创新点如下:(1)对步态加速度信号使用基于周期提取的特征提取方法,针对周期提取的易错性,本文提出了通过区域最大值寻找周期分割点的方法。此方法对区域最大值所在的尖峰高度及宽度双重限制,并结合周期长度共同判断周期分割点,有效解决了尖峰双极值点的问题,大大减小了周期提取的错误率。为了去除不良周期及数据冗余,同时减小时间消耗,本文设计了通过平均周期提取典型周期的方法,大大减小了时间复杂度。(2)针对步态加速度信号在采集时传感器安装角度的变化对步态信号有较大影响的问题,本文设计了旋转DTW匹配方法。两步态样本典型周期通过旋转来寻找样本间的角度差异,为了快速的找到样本间角度差异,本文设计了二分法寻找方法,大大提高了效率。使用旋转DTW方法,对步态典型周期进行匹配实验,得到最佳实验结果:FRR=0.92%,FAR=0.59%,FAR有较大的下降。