[发明专利]一种基于交互行为的儿童手机用户识别方法

摘要

本发明公开了一种基于交互行为的儿童手机用户识别方法，采用收集用户与手机之间的交互行为数据，提取手掌几何特征及手指灵巧度特征的方式，区分当前手机用户是否为儿童，从而限制儿童对敏感应用、信息的访问。与现有基于特定软件的限制访问方法相比，该方法不需要成人用户提前开启特定软件，提高了用户体验。与现有基于摄像头、3D深度传感器及音频的访问认证方法相比，该方法无需提取上述身份相关的敏感信息，不易造成隐私信息泄露，具有更高的安全性。本发明方法的识别精确度在97％左右。

主权项

1.一种基于交互行为的儿童手机用户识别方法，其特征在于，该方法包括以下步骤：1)用户与智能手机进行交互操作，用户交互手势包括点击、和滑动，同时手机压力传感器采集相应的交互数据；2)对采集到的压力传感器数据提取：(1)x轴相对起始位置，(2)x轴相对终止位置，(3)y轴相对起始位置，(4)y轴相对终止位置，(5)起始点到终止点的直线距离，(6)整个滑动轨迹的长度，(7)起始点与终止点的直线方向，(8)在起始时刻指尖与屏幕的接触面积，(9)在滑动中间时刻指尖与屏幕的接触面积，(10)整个滑动过程中接触面积的均值，(11)整个滑动过程中接触面积的方差，(12)在起始时刻指尖对屏幕的压力，(13)在滑动中间时刻指尖对屏幕的压力，(14)整个滑动过程中指尖对屏幕压力的均值，(15)整个滑动过程中指尖对屏幕压力的方差，(16)两次连续滑动或点击屏幕的起始点的x轴位移，(17)两次连续滑动或点击屏幕的起始点的y轴位移，(18)上一次手指离开和下一次触碰屏幕的位置在x轴的位移，(19)上一次手指离开和下一次手指触碰屏幕的位置在y轴的位移，(20)滑动的平均速度，(21)最大紧邻两点的速度，(22)最大紧邻两点的速度的相对发生时间，(23)所有紧邻两点的速度的方差，(24)最大紧邻两点的加速度，(25)最大紧邻两点的加速度的相对发生时间，(26)所有紧邻两点的加速度的方差，(27)前三个接触点的速度中位数，(28)最后三个接触点的速度中位数，(29)滑动中间时刻的速度，(30)前三个接触点的加速度中位数，(31)最后三个接触点的加速度中位数，(32)滑动中间时刻的加速度，(33)合向量长度的均值，(34)滑动或点击的持续时间，(35)两次滑动或点击的时间间隔；共计35个特征，其中前19个特征为手掌几何特征，后16个特征为手指灵巧度特征；其中针对滑动手势提取全部35个特征，针对点击手势提取(1)(3)(8)(12)(16)(17)(34)(35)共计8个特征；35个特征的计算方式依次对应F1‐F35，分别如下：其中xstart，xstop，ystart，ystop分别表示开始和结束接触屏幕时的x轴、y轴位置；Wph和Hph分别代表屏幕的宽度和高度。其中n代表一次滑动中采集的接触点总个数，xi和yi表示第i个接触点的x轴、y轴位置；F8＝sstart其中s_start，s_i分别表示开始与屏幕接触时指尖与屏幕的接触面积，在接触中间时刻指尖与屏幕的接触面积，第i个接触点时指尖与屏幕的接触面积，n代表一次滑动中采集的接触点总个数；F12＝Pstart其中P_start，p_i分别表示开始与屏幕接触时指尖对屏幕的压力，在接触中间时刻指尖对屏幕的压力，第i个接触点时指尖对屏幕的压力，n代表一次滑动中采集的接触点总个数；其中(k)代表第k个点击或滑动；其中tstart，tstop分别表示一次滑动中手指与屏幕开始、结束接触的时间；其中ti表示第i个接触点的时间，n代表一次滑动中采集的接触点总个数；F22＝tF21F25＝tF24F34＝tstop‑tstart3)使用机器学习中Random Forest的方法建立单分类训练器，其中儿童用户特征数据作为正样本，成人用户特征数据作为负样本；对于滑动手势，Random Forest分类器的tree数量设定为200，对于点击手势，tree的数量设为100；4)使用上述单分类器对手机用户进行识别，若分类器判定当前用户属于正样本，则认为当前手机用户为儿童，限制其对该手机或特定应用的访问；反之，则认为当前用户是成人用户，不进行访问限制。