基于步态信息的身份认证研究

发布时间：2021-10-12 01:26

　　随着互联网的发展,用户使用智能手机进行访问多种服务如通信,娱乐,社交网络,商业,金融,旅游等等。智能手机不仅成为我们日常生活中不可分割的一部分,也存储了多种敏感信息例如银行详细信息,个人或业务相关的电子邮件,图片等,因此基于智能设备的身份认证越来越成为了现今的研究热点。对于需要互联网身份认证的智能设备,在其嵌入的内嵌设备（例如可穿戴设备和智能传感器）可以收集人类生物特征并促进身份验证。人体步态可被这些设备可收集,并且根据这些标识可做到对用户身份的辨别及认证。而使用步态数据拥有其他生物特征不存在的优点:进行认证用户的过程中可以不用主动输入口令,并可做到连续被动认证,具有较大意义。但同时也面对许多的挑战与需要解决的问题。如何针对步态数据进行用户的身份认证,保证安全且高效,这份工作需要长时间的匹配搜索,同时也受到了准确性的挑战。而且使用传统神经网络模型处理步态身份不能做到拒绝未知用户。针对上述问题本文提出了一种基于神经网络和极限分析的步态模糊身份认证模型。主要贡献如下:1.本研究提出的一种融合神经网络,在循环网络的基础上进行了改进,可适应多传感器的融合,做到了可共享网络的权重。在网络中保留了... 

【文章来源】：电子科技大学四川省 211工程院校 985工程院校 教育部直属院校

【文章页数】：76 页

【学位级别】：硕士

【部分图文】：

学习过程

电子科技大学硕士学位论文102.2.1.神经元机理神经网络是一个由大量处理单元组成的网络，它们通过广泛的互相连接来模拟脑神经系统的结构和功能。而这些处理单元它称作神经元。神经元类似于人脑细胞中的神经细胞。神经细胞之间相互刺激传递信息，网络就是模拟了人脑的神经细胞的处理功能，将各个细胞节点之间的信息进行传递，神经网络可以看作是以神经元为节点，用有向加权连接起来的有向图。在此有向图中，神经元之间通过轴突对神经细胞的刺激进行传递信息和连接，就像有向加权图之间经过权重将每个带有权值的边进行连接在一起，通过一定的权值将节点进行连接。神经网络从两个方面模拟大脑：一是神经网络通过学习知识来获取经验，进行对知识的理解，第二个是网络之间进行存储经验知识，这一部分模拟内部神经元之间的连接强度，称为突触权重。神经网络系统由能够处理人类大脑不同部分之间信息传递的由大量神经元连接形成的拓扑结构组成，这些大量树木的神经元和它们彼此之间的联系给神经网络提供了依靠。人类的大脑接受输入的信息的刺激，如图2-2所示，人脑细胞中的神经元由细胞核，树突，轴突组成，树突在人脑中用于接收刺激，轴突用于在树突之间传递刺激，使得树突之间传递信号。图2-2神经元细胞神经网络便是这样的处理机制，并且由神经元相互连接从而进行非线性映射处理，可实现复杂的数据处理和推测任务。神经元具体处理可如图2-3所示。对于神经元来说，模型的输入来自数据中的自变量，比如来自其他处理单元（神经元）i的信息为iX，也就是有向图中的节点。它们与本处理节点的互相作用的连接权值为i,，即就是神经元之间相互影响的结果，接收的输入变量相当于神经元中的细

电子科技大学硕士学位论文22图3-2加速度序列3.2.2.周期划分步态周期用于简化复杂步行模式的表示，如图3-3所示一个步态周期由几个部分组成，从一只脚的初始接触地面开始，一直持续到另一个脚迈步到再次到达地面为止，可以定义为一个左步一个右步加过渡期，并且根据步态行走产生的高振幅峰值来进行周期的划分，具体流程如图3-4所示。步态周期的划分由寻找有效步态信号的、检测z轴极大值极小值、查看时间间隔是否满足序列、更新步态序列，这几部分组成，最终提取有效的步态周期信号。下面将详细介绍这几个部分。第二步检测步态信号的极大极小值，通过测量到的步态信号图，可以观察到随着人体行走，加速度数据是随着时间进行变化的，类似于一个震荡，每一段数


本文编号：3431618