基于智能穿戴设备的身份认证系统研究

发布时间：2021-04-10 18:14

　　随着移动互联网技术的飞速发展,智能终端设备已成为人们生活中必不可少的工具。近年来,智能手环、智能眼镜、智能跑鞋等智能穿戴设备纷纷出现在人们的视野中,并逐渐成为大众生活方式的新选择,其所具备的可便捷采集用户生物信息的特性,促进了基于移动终端设备的生物特征识别技术的深入研究和发展。本文对移动互联网的身份认证技术进行研究,利用智能穿戴设备便于携带且能够方便的采集人体生物特征的优势,分别针对用户在行走过程中和稳定状态下两种场景,提出了基于SVM（Support Vector Machine）的步态认证方案和基于DTW（Dynamic Time Warping）的PPG（photoplethysmography）认证方案,并且结合业界广泛使用的通用身份认证框架FIDO UAF（Fast Identity Online Universal Authentication Framework）,实现了基于智能穿戴设备的身份认证系统原型。基于SVM的步态认证方案利用智能穿戴设备上的加速度传感器采集人体正常行走过程中的步态加速度数据,接下来对加速度数据进行平滑去噪、归一化、标量合成等操作,提取步态模式中的... 

【文章来源】：西安电子科技大学陕西省 211工程院校 教育部直属院校

【文章页数】：89 页

【学位级别】：硕士

【部分图文】：

图3.6两次X轴加速度数据

时在数据采集结束阶段，用户下意识的停止动作，也会导致智能穿戴设备的加速度传感器采集到一段不稳定步态信息。图3.7 加速度传感器原始数据因此，在进行数据处理时，需要对两端无效数据进行处理，但是不同的用户两端无效数据的持续时间并不相同，需要结合用户步态的特征来进行判断，文献[12]研究表明，人类步态加速度数据的波峰位置更具有稳定性，因此本方案中采用基于阈值的有效数据截取方法，结合用户的步态数据特征以及上图 3.7 所示，可以看到用户在进入

频域分析仍然以一个步态模板为单位。图 3.8 为一个步态模板经过快速傅里叶变换后的幅度谱。图3.8 步态模板频谱经过快速傅里叶变换后的幅度谱一共有 256 组数据，如果直接送入分类器进行模型训练，会大大增加训练时间，降低训练效率。本方案采用主成分分析法[36](PrincipleComponentsAnalysis,PCA)对步态模板的幅度特征进行降维操作，主要操作步骤如下：1）设数据 ， ， 的观测数据矩阵为：X = [ n n n =( ) (3-20)2）将数据矩阵 X 按列进行中心标准化。3）求相关系数矩阵 R，R=( ) 定义为如下式： = ( )( ) √ ( ) ( ) (3-21)

【参考文献】：
期刊论文
[1]软件与网络安全研究综述[J]. 刘剑,苏璞睿,杨珉,和亮,张源,朱雪阳,林惠民.  软件学报. 2018(01)
[2]高可信度加权的多分类器融合行为识别模型[J]. 王忠民,王科,贺炎.  计算机应用. 2016(12)
[3]基于usb-key的统一数字证书系统[J]. 于佳丽.  计算机光盘软件与应用. 2012(18)

硕士论文
[1]面向移动云计算的用户认证和安全传输研究[D]. 韩孜怡.西安电子科技大学 2018
[2]基于光电容积脉搏波的生物识别研究[D]. 滕毅.东南大学 2017
[3]FIDO服务平台的设计与实现[D]. 徐李仙.电子科技大学 2017
[4]基于FIDO架构在线指纹识别系统客户端的设计与实现[D]. 王耀龙.北京交通大学 2015
[5]移动互联网中身份认证技术的研究[D]. 刘会议.山东大学 2014
[6]基于手机加速度传感器的身份认证关键技术研究[D]. 刘志丹.中南大学 2013
[7]基于人脸和指纹的多模生物特征融合识别方法[D]. 李雄.湘潭大学 2012



本文编号：3130107