[发明专利]一种基于智能手机加速度传感器的身份认证方法

权利要求书

1.一种基于智能手机加速度传感器的身份认证方法，其特征在于，主要包括以下步骤：

步骤一、在某用户携带手机走路的时候，收集某时间段t内该手机加速度传感器产生的数据并进行预处理，得到欧式距离曲线；

具体为：

首先，针对某时间段t，手机加速度传感器产生若干组连续的三轴数据，将每组数据分别合成为子合加速度；

针对数据A组，该组数据的子合加速度计算公式如下：

r_A为数据A组的子合加速度；x_A表示数据A组的加速度传感器X轴上的数值；y_A表示数据A组的加速度传感器Y轴上的数值；z_A表示数据A组的加速度传感器Z轴上的数值；

将时间段t的若干组数据各自的子合加速度合成在一起，形成时间上连续的合加速度r_t；

r_t＝{r₁,r₂,....r_A,...}；

然后，对连续的合加速度r_t进行预处理，得到欧式距离曲线；

得到欧式距离曲线的方法具体为：从连续的合加速度r_t中截取第1秒的所有组子合加速度数据作为基准，将基准数据连续向右滑动，计算基准数据与对应位置的合加速度数据的欧式距离，从而得到一条欧式距离曲线；

起始对应位置为1，欧式距离为1与基准数据之间的距离；依次为2与基准数据+1之间的距离，依次类推；

步骤二、根据欧式距离曲线随着步态周期呈现规律的周期性，进行步态周期划分，并计算每一个步态周期对应的步态向量g_v；

每一个步态周期各对应一个表示走路行为的步态向量，每个步态周期内包括若干组连续的三轴数据；

步态向量g_v计算公式如下：

g_v＝(x₁,x₂,x₃,x₄,x₅,x₆,x₇)

x₁～x₇为当前步态周期内所有组的加速度传感器值x_t，y_t和z_t的统计学值；

步骤三，依次选择时间段t内的各步态向量，将每一个步态向量与上一个步态向量进行比较计算这两个向量的欧式距离；

步骤四、判断欧式距离是否小于2.5，如果是，则将这两个步态向量记录为连续相似步态向量，并将个数加一；否则，记录连续的相似步态向量个数为0；

步骤五、当连续相似步态向量的个数达到6，则取最后一个步态向量作为生成的步态向量模板；

步骤六、将新生成的步态向量与当前步态向量模板进行对比，根据对比结果进行身份认证；

具体为：计算新生成的步态向量与已经获得的步态向量模板的欧式距离，判断此距离是否小于2.5，如果是，则新生成的步态向量认证成功，否则认证失败；

步骤七、使用新生成的步态向量对步态向量模板进行更新，并返回步骤六；

更新步态向量模板公式为：

t_n＝0.8*t₀+0.2*v

t₀为更新之前的步态向量模板；t_n为更新之后的步态向量模板；v为用于更新步态向量模板的步态向量；

步骤八、判断认证成功的步态向量个数是否达到用户设定的阈值，如果是，则用户的身份认证成功，否则，用户的身份认证失败。

2.如权利要求1所述的一种基于智能手机加速度传感器的身份认证方法，其特征在于，所述的步骤二具体为：x₁为当前步态周期内所有三轴数据组中，加速度传感器Z轴的上四分位数；x₂为当前步态周期内所有三轴数据组中，加速度传感器X轴的偏度；x₃为当前步态周期内所有三轴数据组中，加速度传感器X轴的峰度；x₄为当前步态周期内所有三轴数据组中，加速度传感器Y轴的峰度；x₅为当前步态周期内所有三轴数据组合成的合加速度；x₆为当前步态周期内所有三轴数据组中，加速度传感器X轴的上四分位数；x₇为当前步态周期内所有三轴数据组中，加速度传感器X轴的平均值。