[发明专利]基于微动探测技术和神经网络算法的生物特征识别方法

说明书

本发明涉及一种基于微动探测技术和神经网络算法的生物特征识别方法。该方法包括：收集特定目标或特定目标集合的微动数据集；使用微动数据集训练基于神经网络算法的深度学习模型，使深度学习模型具备将微动数据与特定目标建立映射的能力；采用深度学习模型识别未知目标的微动数据，将未知目标的微动数据映射至特定目标。该方法具有收集隐蔽、识别准确、不易泄露、微动特征无法伪造的特点，因此可广泛应用医疗与健康领域、刑侦与安保领域、动物研究领域等。

技术领域

本发明总地涉及微动特征识别领域，具体涉及一种基于微动探测技术和神经网络算法的识别方法。

背景技术

在本文范围内，微动指一种生物特有的、无意识的、无法主观控制的细微运动，如：呼吸时胸口的起伏，行走时身体的晃动，四肢的抖动，由于声带振动、心脏跳动、血液流动、内脏蠕动等生理活动所引起的皮肤、骨骼、毛发、体外器官的轻微运动。由于每个生物的生理特征不可能完全相同，如：心脏跳动频率、体重、身体重心等，因此每个生物的微动特征也是独一无二的。

目前，为了识别、跟踪、监控目标，传统的方法包括识别人脸、指纹、DNA等，监控手段主要包括窃听、安装秘密摄像头等，搜索目标的方法主要包括人力布控、社会工程学、人脸识别、身份证、银行卡监控、手机、网络监听监控等。其主要缺陷有：1，侵犯隐私，存在法律风险，为了筛选、搜索目标，往往需要大量调阅各种数据，在筛选的同时，调阅者也同时获得了大量普通公民的个人信息；2.容易被目标发现，摄像头窃听器都需要近距离安装才能工作；3.容易被反侦查，被监控目标可以通过整容、伪造证件、伪造指纹等手段脱离监控；4.无法探知目标的生理心理状况。

也有使用步态作为识别依据的技术，这也可以归入微动识别范畴，但现在的步态特征识别的依据是人体整体轮廓特征和宏观移动规律，对于体形相似的个体识别效果并不精确。

发明内容

本发明的目的在于提供基于微动探测技术和神经网络算法的生物特征识别方法。

本发明提供了一种基于微动探测技术和神经网络算法的生物特征识别方法包括：

收集特定目标或特定目标集合的微动数据集；

使用所述微动数据集训练基于神经网络算法的深度学习模型，使所述深度学习模型具备将所述微动数据集中的微动数据与所述特定目标建立映射的能力；

采用所述深度学习模型识别未知目标的微动数据，将所述未知目标的微动数据映射至所述特定目标。

所述未知目标是指与所述特定目标相同类型的目标。

可选地，根据上述的生物特征识别方法，所述微动数据集中的参数包括微动周期、微动部位、微动类型、微动幅度、微动位移、采样率、微动速度、微动方向、微动时间点中的多种。优选地，所述微动数据集根据不同的微动模式包括不同的参数。其中，微动幅度是指振动的幅度，微动位移是指移动的距离，如果一个微小的运动，而不是周期性的振动，就属于位移。

可选地，根据上述的生物特征识别方法，所述收集特定目标的微动数据集包括：

采用电磁波和/或光波获取特定目标的回波信号；

处理所述回波信号以获得微动数据；

优选地，所述采用电磁波和/或光波获取特定目标的回波信号为根据不同的微动模式获取所述回波信号。

可选地，根据上述的生物特征识别方法，所述使用所述微动数据集训练基于神经网络算法的深度学习模型，使所述深度学习模型具备将所述微动数据与所述特定目标建立映射的能力，包括：

将特定目标的所述微动数据集分为训练数据集和测试数据集；

采用所述训练数据集对基于神经网络算法的深度学习模型进行训练；

采用所述测试数据集验证训练结果。