[发明专利]非受控步行场景下移动设备的持续身份认证方法

权利要求书

1.一种非受控步行场景下移动设备的持续身份认证方法，其特征在于，以用户无感知的采集方式生成步态序列集，利用自适应周期分割算法生成步态模板集，构建身份认证网络模型来认证身份，该方法的步骤包括如下：

(1)构建身份认证网络模型：

(1a)搭建一个11层的身份认证网络，其结构依次是输入层，第一卷积层，第一池化层，第二卷积层，第三卷积层，第二池化层，第四卷积层，第一长短期记忆网络层，第二长短期记忆网络层，全连接层，输出层；

(1b)设置身份认证网络中的各层的参数：将输入层的通道数设置为7，特征序列长度设置为128；将第一至第四卷积层的卷积核的大小依次设置为1×9，1×5，1×5，1×3，卷积核个数依次设置为：32，64，64，128，激活函数均设置为ReLU函数；将第一和第二池化层的卷积核的大小均设置为1×2，将第一和第二长短期记忆网络层的神经元个数均设置为128，激活函数均设置为ReLU函数；将输出层的神经元个数设置为用户身份个数，激活函数为softmax函数；

(2)以用户无感知的采集方式，生成步态序列集：

(2a)利用移动设备无感知采集至少两个用户处于步行状态时的设备坐标系下的加速度数据和角速度数据；

(2b)利用三维空间坐标系变换的方法，通过设备坐标系下的加速度数据计算得到重力方向的加速度数据；

(2c)对每个用户处于步行状态时采集的重力方向的加速度序列进行快速傅里叶变换，得到单边频谱密度函数，将该函数最大值对应的频率作为主要频率；

(2d)判断每个用户处于步行状态时采集的重力方向的加速度序列是否满足可用性条件，若是，则执行步骤(2e)，否则，执行步骤(2a)；

所述可用性条件是指同时满足下述条件的情形：

条件1，用户处于步行状态时采集的重力方向的加速度序列的主要频率小于或等于5hz；

条件2，用户处于步行状态时采集的重力方向的加速度序列的长度大于1500个数据点；

条件3，用户处于步行状态时采集的重力方向的加速度序列的归一化自相关系数大于0.7；所述归一化自相关系数的计算公式为：

其中，Nac表示重力方向的加速度序列的归一化自相关系数；max表示求最大值的操作，∑表示求和操作，τ表示具有周期性的重力方向的加速度序列的周期的估计长度，i表示重力方向的加速度序列中数据点的序号，μ(i,τ)表示重力方向的加速度序列中第i个数据点到第i+τ-1个数据点的序列片段的平均值；σ(i,τ)表示重力方向的加速度序列中第i个数据点到第i+τ-1个数据点的序列片段的标准差；τ_min与τ_max分别表示τ的最小值与最大值，其计算公式为：

τ_min＝C-C×α

τ_max＝C+C×α

其中，α表示调节因子，C表示具有周期性的重力方向的加速度序列的周期的实际长度，数据的采样频率除以重力方向的加速度序列的主要频率为C的初始值，利用C＝argmax(Nac)来更新C的值，其中argmax表示获取使Nac最大时τ的值的操作；

(2e)将每个用户处于步行状态时采集的设备坐标系下的加速度序列，重力方向的加速度序列和设备坐标系下的角速度序列组成步态序列；

(2f)判断每个用户的步态序列是否满足采集结束条件，若是，则执行步骤(2g)，否则，执行步骤(2a)；

(2g)对每个用户编号，分别给每个用户的步态序列标注身份，将标注身份的步态序列组成步态序列集；

(3)利用自适应周期分割算法，生成步态模板集：

(3a)利用截止频率为10hz的一阶巴特沃斯滤波器，对步态序列集中的每一个步态序列进行滤波；

(3b)取步态序列集中的一个步态序列中重力方向的加速度序列的第一个局部最小值点作为起始点，在搜索窗口[τ_min,τ_max]内搜索步态序列中重力方向的加速度序列的局部最小值点作为截止点，将起始点到截止点的步态序列作为该步态序列截取的第一个步态模板；

(3c)将上一个步态模板的截止点作为当前步态模板的起始点；

(3d)在搜索窗口内搜索步态序列中重力方向的加速度序列的局部最小值点，判断搜索窗口内是否只有一个局部最小值点，若是，则以该点作为截止点，将当前步态模板的起始点到该截止点的步态序列作为待选模板后执行步骤(3f)，否则，执行步骤(3e)；

(3e)分别计算从当前步态模板的起始点到每个局部最小值点的步态序列与上一个步态模板的皮尔逊相关系数，选择使得皮尔逊相关系数最大的局部最小值点作为截止点，将当前步态模板的起始点到该截止点的步态序列作为待选模板；

(3f)判断待选模板与上一个步态模板的皮尔逊相关系数是否大于0.7，若是，则将该待选模板作为当前步态模板后执行步骤(3g)，否则，抛弃该待选模板，将该待选模板的截止点作为当前模板的起始点后执行步骤(3d)；

(3g)判断当前模板的截止点的序号是否小于步态序列的倒数第τ_max个点的序号，若是，则执行步骤(3c)，否则，执行步骤(3h)；

(3h)判断步态序列集中是否还有未用于截取步态模板的步态序列，若有，则执行步骤(3b)，否则，将所有的步态模板组成步态模板集后执行步骤(4)；

(4)对步态模板集进行预处理：

(4a)利用三次样条插值法，对步态模板集中的每个步态模板进行归一化处理，得到长度均为128个数据点的步态模板；

(4b)利用K-SVD算法，对每个归一化处理后的步态模板进行稀疏表示和重建，得到降噪后的步态模板；

(5)训练身份认证网络：

将降噪后的步态模板集输入到身份认证网络中，用梯度下降法更新身份认证网络的权值，直至损失值收敛为止，得到训练好的身份认证网络；

(6)认证用户身份：

(6a)采用与步骤(2)相同的方法，生成待认证用户的步态序列集；

(6b)采用与步骤(3)相同的方法，生成待认证用户的步态模板集；

(6c)采用与步骤(4)相同的方法，对待认证用户的步态模板集进行预处理，得到降噪后的步态模板集；

(6d)将待认证用户降噪后的步态模板集输入到训练好的身份认证网络中，输出认证后的用户身份；

(7)判断待认证用户的身份与认证后的用户身份是否一致，若是，则执行步骤(9)，否则，执行步骤(8)；

(8)锁定移动设备，拒绝访问；

(9)完成用户身份认证。