[發明專利]一種心率身份識別的方法

有效

• 申請號: 201911003140.3
• 申請日: 2019-10-22
• 公開（公告）號: CN110750775B
• 公開（公告）日: 2021-12-03
• 發明（設計）人: 陳衛亮
• 申請（專利權）人: 西安云暉獵豹智能科技有限公司
• 主分類號: G06F21/32
• 分類號: G06F21/32;A61B5/024
• 代理公司: 杭州奇炬知識產權代理事務所(特殊普通合伙) 33393
• 代理人: 賀心韜

本發明涉及一種心率身份識別的方法，采集心率曲線，進行濾波處理；進行二階導數處理，得到二階導數曲線；與預設的參考曲線進行擬合，若擬合度超過擬合閾值，則判斷身份可識別。通過上述的技術手段，創造性的使用心率曲線的二階導數值作為參考，并且考慮誤差設置超時比例，可以單獨通過手表的心率采集器，而不用增加其他的部件，使得用戶的身份識別準確率達到80%以上。

技術領域

本發明涉及一種身份識別的方法，具體涉及一種心率身份識別的方法。

背景技術

目前的智能手表在內置了NFC或者其他可以進行身份識別的芯片之后，可以根據其芯片的唯一性，進行快速的支付。隨著科技的發展，如微信、支付寶，根據手機的特性，已經摒棄了內置芯片，直接依靠軟件和手機本身的身份識別特征來進行身份識別并且進行支付確認。手機的處理器較為強大，可以對圖像進行較為清晰的識別，因此，識別成功率比較高。在將智能手機的功能逐步移植到智能手表的過程中，存在相當大的難度，這些難度存在的一個基本的原因就是手表的體積小、電池小，無法支持高功率的處理器芯片，而手表本身的特征也決定了手表中基本不會安裝如手機一樣具有強大計算功能的處理器。

因此，目前，當智能手表用于支付（如地鐵進站出站、掃碼支付）等等情況的時候，主要是利用手表本身的唯一可識別的芯片（需要另外安裝），或者利用藍牙將采集到的特征傳輸給手機，利用手機的處理器進行判斷。技術和算法的因素，極大制約著智能手表支付市場的發展。

CN104257389B公開了一種心率識別設備及基于該設備的煤礦井下放炮人員識別方法，該方法公開了使用可穿戴設備進行心率識別的方法。蘋果WATCH也在16年就提出關于心率身份識別的手表。

但是事實上，心率的識別特別是PPG心率的識別，主要依賴于光線的傳輸與反射，測量心率的數量可以比較準確，但是在對比測量上，識別成功的幾率不是特別達。申請人做出多種實驗，在心率識別的基礎上，僅僅依靠心率的數據來進行模板或者其他方面的識別，是遠遠不能解決身份識別的問題的，很多時候都是，心率的對比模板通過，但是事實上是多個人可以匹配同一個模板，達不到心率數據和用戶一一匹配的結果。

發明內容

有鑒于此，本發明提供一種心率身份識別的方式，通過該方式，可以得到去掉無用因素的對比曲線，使得采集的信號能夠精確模擬對比曲線，從而依據心率單因素即可進行相對準確的身份識別。

本發明具體的技術方案如下：

一種心率身份識別的方法，所述方法包括：

采集心率曲線，進行濾波處理；

進行二階導數處理，得到二階導數曲線；

與預設的參考曲線進行擬合，若擬合度超過擬合閾值，則判斷身份可識別。

進一步地，對濾波后的心率曲線進行一階導數處理，得到一階曲線；對一階導數再次進行導數處理，得到二階導數，形成二階曲線。

進一步地，對所述參考曲線進行容忍化處理，所述容忍化處理為對參考曲線中每個時間坐標對應的數值按照比例閾值進行擴大，從而形成參考曲線帶。

進一步地，所述比例閾值為1%-5%。

進一步地，與預設的參考曲線帶進行擬合，若容納在所述參考曲線帶的時間比例超過擬合閾值，則判斷身份可識別。

進一步地，所述擬合閾值為95%-100%。

進一步地，所述參考曲線為學習曲線，所述學習曲線獲得方法為：

S11，取至少具有N個波峰和N個波谷的心率曲線，取每個波峰為中點的前后第一時長內的波峰曲線，以及每個波谷為中點的前后第一時長內的波谷曲線；