[发明专利]一种基于人手内部生物特征的身份认证方法及系统

权利要求书

1.一种基于人手内部生物特征的身份认证方法，其特征在于，包括以下步骤：

步骤1，利用射频信号采集人手内部生物特征，获取包含人手内部生物特征的射频信号；

步骤2，基于步骤1获得的射频信号，构建获得能够输入神经网络的维度规则的特征块；

步骤3，将步骤2获得的特征块输入3D身份分类器中进行身份认证；其中，所述3D身份分类器通过预采集的预设数量的人手内部生物特征信息训练获得；

其中，步骤2具体包括：

步骤2.1，探测获取人手放到标签阵列和阅读器的天线之间的起始时间点；在起始时间点后对标签阵列中每个标签截取预设数量个时间点，构成预设维度的特征块；所述特征块包括信号强度值和相位值，所述预设数量个时间点，标签阵列的尺寸；

步骤2.2，对步骤2.1获得的特征块中的相位值进行矫正，获得矫正后的特征块；

步骤2.3，将步骤2.2获得的矫正后的特征块进行降噪处理，获得最终用于识别认证的特征块；

步骤3具体包括：

步骤3.1，将特征块输入3D身份分类器，得到所述特征块属于每个预采集的预设数量的人手内部生物特征信息的概率，获得最大概率值；

步骤3.2，将最大概率值与预设定的接受阈值进行比较；其中，如果最大概率值大于接受阈值，则所述特征块属于最大概率值对应的用户且认证成功；否则，就认为所述特征块是非法用户提供的并拒绝认证请求；

步骤3中，所述3D身份分类器为一个双分支的卷积神经网络，其两个卷积分支分别对信号强度子块和相位子块进行特征提取；两个分支的输出的概率值被分别乘以0.8和0.2再进行相加；信号强度卷积分支的权重是0.8，相位分支的是0.2；每个卷积层使用的卷积核都是三维卷积。

2.根据权利要求1所述的一种基于人手内部生物特征的身份认证方法，其特征在于，步骤1具体包括：

基于射频识别中的被动式标签构建标签阵列；将阅读器的天线与所述标签阵列平行放置；

其中，当人手置于标签阵列和阅读器的天线之间时，射频信号从阅读器的天线发射，穿透人手，将人手内部生物特征带出后到达标签阵列。

3.根据权利要求1所述的一种基于人手内部生物特征的身份认证方法，其特征在于，步骤2.1中，所述探测获取人手放到标签阵列和阅读器的天线之间的起始时间点的具体步骤包括：

通过监测中心标签的信号强度值来获取起始时间点；其中，信号强度下降幅度超过预设值，认为发起认证请求。

4.根据权利要求1所述的一种基于人手内部生物特征的身份认证方法，其特征在于，步骤2.2中，所述相位值进行矫正的具体步骤包括：

探测特征块中的相位值是大部分大于圆周率还是小于圆周率；利用多数派中的相位值的均值去替代少数派中的相位值以完成矫正。

5.根据权利要求1所述的一种基于人手内部生物特征的身份认证方法，其特征在于，步骤2.3中，所述降噪处理的具体步骤包括：将特征块中的信号强度值和相位值分别按行相减。

6.根据权利要求1所述的一种基于人手内部生物特征的身份认证方法，其特征在于，所述3D身份分类器的训练通过计算交叉熵损失并反向传播更新梯度来完成。

7.一种基于人手内部生物特征的身份认证系统，其特征在于，包括：

射频信号获取模块，利用射频信号采集人手内部生物特征，获取包含人手内部生物特征的射频信号；

特征块获取模块，基于射频信号获取模块获得的射频信号，构建获得能够输入神经网络的维度规则的特征块；

认证模块，将特征块获取模块获得的特征块输入3D身份分类器中进行身份认证；其中，所述3D身份分类器通过预采集的预设数量的人手内部生物特征信息训练获得；

其中，所述特征块获取模块中，基于射频信号获取模块获得的射频信号，构建获得能够输入神经网络的维度规则的特征块的步骤包括：

探测获取人手放到标签阵列和阅读器的天线之间的起始时间点；在起始时间点后对标签阵列中每个标签截取预设数量个时间点，构成预设维度的特征块；所述特征块包括信号强度值和相位值，所述预设数量个时间点，标签阵列的尺寸；对获得的特征块中的相位值进行矫正，获得矫正后的特征块；将获得的矫正后的特征块进行降噪处理，获得最终用于识别认证的特征块；

所述认证模块中，将特征块获取模块获得的特征块输入3D身份分类器中进行身份认证的步骤包括：

将特征块输入3D身份分类器，得到所述特征块属于每个预采集的预设数量的人手内部生物特征信息的概率，获得最大概率值；将最大概率值与预设定的接受阈值进行比较；其中，如果最大概率值大于接受阈值，则所述特征块属于最大概率值对应的用户且认证成功；否则，就认为所述特征块是非法用户提供的并拒绝认证请求；其中，所述3D身份分类器为一个双分支的卷积神经网络，其两个卷积分支分别对信号强度子块和相位子块进行特征提取；两个分支的输出的概率值被分别乘以0.8和0.2再进行相加；信号强度卷积分支的权重是0.8，相位分支的是0.2；每个卷积层使用的卷积核都是三维卷积。