[发明专利]一种基于动态手势的身份认证方法

说明书

本发明公开了一种基于动态手势的身份认证方法，属于计算机视觉和生物识别技术领域，包括在线获取用户的动态手势数据；利用训练好的手势识别模型对用户的动态手势数据进行处理，提取该用户的手势生物特征；将该用户的手势生物特征与离线构建的比对库中的所有手势生物特征进行相似度比对，计算最大相似度；利用最大相似度与设置的门限值，进行该用户的身份认证。本发明手势识别模型训练完成后能够提取具有唯一性的手势生物特征，模型泛化能力强，并利用特征相似度匹配的方法提高身份认证系统的可扩展性。

技术领域

本发明涉及计算机视觉和生物识别技术领域，特别涉及一种基于动态手势的身份认证方法。

背景技术

动态手势作为主流的交互式语言，其手势动作包含的关节位移和手型变换等时序信息，不仅能表达丰富的行为语义，同时还隐含了不同用户所特有的手势习惯。不同于现有的静态生物特征(如指纹、虹膜和人脸等)，手势习惯是一种动态的、序列的生物特征，更加难以被模仿和伪造。因此，基于动态手势的认证技术在人机交互等领域有着广泛的应用前景。

现有的关于动态手势的研究主要是针对语义识别，即识别不同动态手势表达的手势含义，忽略了动态手势隐含的生物特征。这使得在人机交互系统中，非法用户很容易通过手势模仿进行系统入侵，不利于信息安全。因此，近年来出现了部分针对基于动态手势的用户身份识别研究，方法主要分为以下几类：

(1)基于轨迹匹配的方法，该类方法通过对比待测手势与模板手势的轨迹相似度，进行身份识别，常用的轨迹特征有手臂关节位置、运动加速度等。这类方法的优点是灵活性较高，能够动态添加新用户和新手势类型；缺点是身份识别精度低，且手势模板库增加时识别时间代价显著增高。

(2)基于序列分类的方法，该类方法利用动态手势数据训练身份识别分类器，通过该分类器进行身份识别，常用的训练数据为单一的图像序列或轨迹序列。这类方法的优点是身份识别精度高；缺点是训练好的模型无法注册新的用户或手势类型，可扩展性较差。

发明内容

本发明的目的在于克服现有技术存在的缺陷，提供一种可扩展的手势身份识别方法。

为实现以上目的，一方面，采用一种基于动态手势的身份认证方法，包括如下步骤：

在线获取用户的动态手势数据；

利用训练好的手势识别模型对用户的动态手势数据进行处理，提取该用户的手势生物特征；

将该用户的手势生物特征与离线构建的比对库中的所有手势生物特征进行相似度比对，计算最大相似度s；

利用最大相似度s与设置的门限值，进行该用户的身份认证。

进一步地，所述用户的动态手势数据包括彩色图像、深度图像和人体关节信息。

进一步地，所述利用训练好的手势识别模型对用户的动态手势数据进行处理，提取该用户的手势生物特征，包括：

利用所述手势识别模型中的卷积神经网络提取用户的局部手势手型特征，利用手势识别模型中的递归神经网络提取用户的全局手势轨迹特征；

融合局部手势手型特征和全局手势轨迹特征，提取用户的手势生物特征。

进一步地，所述卷积神经网络包括共享基础网络和特征聚合网络，共享基础网络的输入为单手局部RGB-D图像序列，其使用相同的网络参数分别提取用户左手和右手图像序列的时空特征，得到左、右单手特征图；

所述共享基础网络包括卷积层Conv0和3个残差模块Layer0、Layer1与Layer2，残差模块Layer0包括3个残差基础结构resBlock，残差模块Layer1和残差模块Layer2均包括4个残差基础结构resBlock；所述残差基础结构resBlock包含2个卷积操作conv_a和conv_b；