面向步态变化场景的智能终端身份认证研究.docx

面向步态变化场景的智能终端身份认证研究摘要受到当前大数据趋势的推动，生物识别技术的进步逐渐成为国内外研究人员关注的焦点。步态是人体重要的生理行为之一，通过分析人的步态信息可以获得其身体内部各种器官的功能活动情况以及健康状况，从而为人类疾病诊断及治疗提供依据。尽管传统的生物特征信号如指纹和虹膜等具有一定的价值，但随着生物特征识别技术的不断进步,步态识别作为一种基于受试者行走步态来进行身份识别的新技术，因其采集简便、识别范围广泛和不易被隐藏的特点，已经吸引了国内外多个研究机构和高等教育机构的高度关注。同时，智能手机作为移动设备中最普及的终端之一，其功能不断增加，因此，将智能手机应用到步态识别方法中有着重要意义。现阶段，步态识别的研究主要集中在图像序列和运动传感器上，但基于智能手机的步态识别技术仍是一个尚未完全探索的领域。文在智能手机的基础上设计并实施了一个实时身份验证系统。本论文首先分析了当前国内外关于身份识别技术发展现状并进行了比较与选择。该项目主要涵盖了四个核心部分:总体设计、身份验证模块的设计、数据库的构建以及系统的测试。其中身份识别模块包括人脸检测与匹配算法、特征提取与分类算法两个功能模块。在整体设计的章节中，我们主要探讨了整体框架、开发环境和移动端的功能特点。在身份识别模块方面，主要描述了指纹采集和匹配算法。在身份识别模块的部分，我们主要探讨了身份识别的整体结构和操作流程。在数据库设计部分则介绍了用户信息的管理和权限控制，并给出了相关流程图。在数据库设计的章节中，我们主要探讨了用于保存数据的表格设计方法。识别系统在系统测试环节得到了全面的检验。第一章绪论1.1 研究背景与目的在最近的几年中，群智感知逐渐受到科研工作者的重视，这为大数据收集提供了一个非常有利的环境。群智感知就是在这样的背景下提出的一个概念。其核心目标是利用用户及其所佩戴的移动设备来完成大型的社会感知任务。传统的传感器采集数据需要耗费大量人力物力，且不能够实时更新，这极大地限制了其应用范围。然而，随着智能手机技术的飞速进步，用户现在可以通过其内部的传感器（例如加速度和陀螺仪）来收集和分享数据，这无疑将极大地提高人们的生活品质和水平。这篇文章探讨的是基于智能手机步态识别的概念，即人们使用智能手机进行数据收集、分析和处理，从而准确地识别自己的步态。目前该领域研究人员已经开始将这种新技术应用于智能交通、安防以及健康监护等多个方面。该技术旨在通过手机内部的加速度传感器和陀螺仪等设备，运用机器学习的方法来识别人们的步态信息，并通过精心设计的模型结构来增强识别的准确度和稳健性。目前国内外对于智能手机上步态识别方法的研究还不是很多。利用智能手机内置的传感器来收集步态信息，能够突破依赖摄像头和惯性传感器进行数据采集的传统限制。本文以人体运动学原理为基础，结合计算机视觉算法实现了人行走时的姿态变化以及步态周期特征的提取，并最终将这些参数作为步态识别的输入变量，进而得到步态序列图像。本研究的识别成果不仅适用于身份鉴别，而且在这一研究成果里，通过使用智能手机来收集步态信息，为步态数据采集开辟了一条全新的途径。由于基于智能手机采集步态数据所需设备简单且成本低廉，因此该系统具有很好的实用性和经济性。这种通过智能手机收集步态数据并进行深入分析的创新数据采集方法，不仅可以用于其他多种场景，如情绪检测、健康检查和醉驾检查等，而且在不同的场景中，所采集的数据对象和信号都会有所不同。1.2 国内外研究综述目前，智能手机正变得日益普及，其内置的高精度传感器为数据采集开辟了一条全新的途径。在过去几年中，一些研究人员通过对人体行走时产生的震动进行分析，发现其可以作为生物特征用于身份认证。NickelC及其团队采用了智能手机内部的加速度传感器来收集参与者走路和上下楼梯的数据信号，并在识别过程中使用了隐马尔科夫模型。YodpijitN及其团队开发了一种可以预测健康状态并减少医疗开销的备选技术。本文在这些方法基础上提出了一种基于智能手机加速度的特征提取方法，并通过实验验证其有效性。经过研究，我们发现利用峰值检测算法从智能手机的加速度数据中抽取特征是完全切实可行的。本文基于智能手机采集的人体行走时的加速度信息对现有的特征提取方法进行改进，并将改进后的算法应用于模式识别领域。通过峰值检测算法计算出的步态特征涵盖了步幅时间、摆动时间以及步频等多个方面。这些特征与健康状态密切相关，因此对它们进行训练并应用于智能辅助驾驶系统将具有重要意义。ZouQ及其团队M在没有外部限制的情况下，利用智能手机收集了118名参与者的步态信息，并采用深度学习方法进行模型构建，他们提出了一种混合深度神经网络技术，该技术的识别准确率高达93%o实验表明，该模型具有较高的准确度，能够用于对运动行为的分类。ZakiTHM及其团队利用智能手机的内置加速度和陀螺仪传感器，收集了饮酒者在饮酒前后的步态数据。通过应用深度神经网络算法，他们能够预测用户是否在饮酒，预测准确率高达79%。根据上面的调查研究，使用步态方法来识别人的身份是完全切实可行的。此外,许多研究人员在这一领域已经取得了相应的研究成果。因此，在未来，为了进一步优化身份识别的即时性和效率，使用基于智能手机的身份识别技术将成为一个更为优越和广泛应用的选择。用户可以使用智能手机内部的传感器来收集受试者的步态数据，并将这些数据上传到服务器。在PC端，用户可以对这些数据进行分析和处理。通过滑动窗口技术，用户可以提取每个窗口的步态数据特征，并将这些特征输入到分类算法模型中进行训练,从而建立一个身份识别模型，实现对用户的识别。1.3 本文的主要工作在AndrOid操作系统的基础上，我们设计并开发了一个步态识别系统，该系统的功能被划分为四大部分：用户界面、修改功能、数据收集功能以及身份验证功能。在该平台上对人体行走过程中产生的步态特征数据和运动参数等信息进行提取和分析，然后利用分类器实现步态分类识别。用户模块负责管理用户的注册和登录流程，而修改模块则负责修改用户的基础信息。数据采集模块则负责收集受试者的步态数据并将其上传到服务器。身份识别模块则负责构建身份识别分类模型，以便受试者能够通过步态识别来确认自己的身份。1.4 本文的结构安排这篇文章重点探讨了如何利用智能手机内部的加速度和陀螺仪传感器来识别受试者的步态的技术策略。在对人体运动机理分析的基础上，通过实验验证了基于手机内置的加速度和陀螺测量数据与步态参数之间存在较好的相关性，并以此为依据提出了一种新的步态识别方法。这篇文章主要被划分为六个章节，每个章节的详细结构如下所示:首章，引言部分。其次，阐述了目前在人体运动状态检测和分类方面存在的问题以及对其进行研究的必要性。首先，我们探讨了基于智能手机步态识别技术的研究背景和其深远的意义。其次，提出了本文的技术路线和研究方法。接下来，对目前国内外的研究状况进行了简洁的概述。文末，我们概述了这篇文章的核心内容和框架结构。在第二章中，我们将介绍相关的知识背景。这篇文章详细描述了在移动设备上使用的AndrOid开发操作系统的相关知识。在第三章中，我们研究了数据的收集和识别方法，选择了加速度和陀螺仪传感器来收集步态信息，并运用机器学习技术对这些步态数据进行了深入的分析和处理，最后采用经过参数优化的随机森林算法作为步态识别的分类模型。在第四章中，我们探讨了基于智能手机的身份识别系统的设计。首先，我们对整个系统的整体框架、开发环境以及移动端的各个功能模块进行了详细介绍。再次，对各个功能实现的方法及步骤做了详细说明。接下来，文章详细描述了身份识别模块的整体结构和详细的操作步骤。最终，我们对系统内的数据库设VHS行了详细说明。最终，进行总结并对未来进行展望。本文对目前已经完成的各项工作进行了全面的总结，并明确指出了本研究工作中需要改进的方面、存在的问题和挑战，同时也对未来的研究方向进行了前瞻性的展望。第二章相关知识背景介绍2.1Android操作系统Android是谷歌公司推出的基于1.inux平台的操作系统，经过十几年的不断更新和迭代，对于用户来说，它的功能日益完善，同时用户的体验人数也在不断增加。随着移动终端技术的不断发展，智能手机成为人们生活中不可或缺的一部分。目前，它在市场上的份额已经大大超过了IOS,像华为和小米这样的手机在这一领域已经获得了显著的成就。随着智能手机用户的增加，智能手机终端硬件性能不断提升，安卓系统成为主流的操作系统之一，同时也推动了整个软件市场的发展。同时，对于开发者来说,开发工具的进一步完善使得整个开发流程变得更为高效和简便。Android的开发方向可以细分为应用程序开发和底层开发两大类，正如图2.1展示的那样。本研究中设计的移动端APP开发是应用程序开发领域的一部分。应用程序开发方向一A-A软件泅试优化Androld开发名双体开发业动开发内核改造一"-底层开发方向一A系统移植'定制忏发图2.1Android开发的两大方向图Android管理系统是为移动设备设计的平台，包括操作系统、中间件和应用程序。从框架图出发，可分为操作系统层、各种库、Android执行环境、应用程序框架和应用程序。每层结构详见图2.2。面向步态变化场景的智能终端身份认证研究应用程序层主屏幕、电话、联系人、浏览器等应用程序框架层活动管理器、窗口管理器、内容管理器、视图系统等系统库1.ibC函数旅、数据存储等持久层库、Dalvik虚拟机器AndrOid运行环境1.inUX内核层显示驱动、相机驱动、蓝牙驱动.键盘抠动等图2.2Android操作系统的组件结构图2.2传感器2.2.1 传感器介绍近几年，随着物联网技术的飞速发展，传感器也逐渐为大众所熟知。在日常生活中,我们经常可以看到或使用这些传感器，如智能手机上的步计或楼道中的声音指示灯等。在这些应用当中，最常见的是通过使用各种传感器来感知环境信息以及人体状态信息。在这一章节里，我们将深入探讨AndrOid系统中传感器的基础知识，并特别强调本文所使用的加速度和陀螺仪的详细描述。在AndrOid的操作系统里，主要的内部传感器涵盖了加速度、陀螺仪、磁场、方向和压力等功能。其中,加速度和磁力是最常见且最为重要的传感器，其准确性直接决定着整个系统的稳定性。在传感器控制系统里，该系统不仅会主动地向上级报告传感器在准确性和数值方面的变化，还会提供传感器准确度的接口，这些接口可以在JaVa技术的应用场景中进行操作。通过这些接口可以使用户能够直接查看传感器数据的准确性和精确度。图2.3展示了AndrOid传感器操作系统的基础层次结构。第二章相关知识背景介绍.Xndrol'JIJAiidroid系统,r靠向泞也'Scnsg的户a先本他也基S<crJNI和硬件抽象层硬件和驱动图2.3传感器系统的层次结构图依据图2.3展示的系统架构，Android的传感器系统包括JaVa应用层、在JaVa环境下的传感器应用、各种传感器类别、传感器硬件的抽象层以及传感器的驱动方式。2.2.2 加速度在Android操作系统上，力口速度传感器的型号是TYPE_ACCE1.EROMETER,其单位是ms20这种传感器能够测量设备在X、y、Z轴上的加速度，如图2.4展示的那样,它也被简称为G-SenSor。在移动终端上使用加速度传感器时，需要对其进行标定。利用Android系统内部的加速度传感器，我们可以获取x、y>Z三个方向的加速度信息，但这些数据可能会受到重力加速度的干扰。通常情况下，当人们获取到智能手机内置的加速度传感器数据时，如果手持该智能手机的人的手臂出现抖动，或者在获取加速度数据时处于摇晃的环境中，那么手机内置的加速度传感器的数值增幅将会受到震动影响。因此，为了获得准确的结果，必须去除这些短时记忆信息所引起的长波