[發明專利]一種基于動態手勢的身份認證方法

在審

• 申請號: 202010183126.2
• 申請日: 2020-03-16
• 公開（公告）號: CN111444488A
• 公開（公告）日: 2020-07-24
• 發明（設計）人: 戴亮亮;張卡;何佳;尼秀明
• 申請（專利權）人: 安徽清新互聯信息科技有限公司
• 主分類號: G06F21/32
• 分類號: G06F21/32;G06K9/00;G06K9/62;G06N3/04;G06N3/08
• 代理公司: 合肥天明專利事務所(普通合伙) 34115
• 代理人: 金凱

本發明公開了一種基于動態手勢的身份認證方法，屬于計算機視覺和生物識別技術領域，包括在線獲取用戶的動態手勢數據；利用訓練好的手勢識別模型對用戶的動態手勢數據進行處理，提取該用戶的手勢生物特征；將該用戶的手勢生物特征與離線構建的比對庫中的所有手勢生物特征進行相似度比對，計算最大相似度；利用最大相似度與設置的門限值，進行該用戶的身份認證。本發明手勢識別模型訓練完成后能夠提取具有唯一性的手勢生物特征，模型泛化能力強，并利用特征相似度匹配的方法提高身份認證系統的可擴展性。

技術領域

本發明涉及計算機視覺和生物識別技術領域，特別涉及一種基于動態手勢的身份認證方法。

背景技術

動態手勢作為主流的交互式語言，其手勢動作包含的關節位移和手型變換等時序信息，不僅能表達豐富的行為語義，同時還隱含了不同用戶所特有的手勢習慣。不同于現有的靜態生物特征(如指紋、虹膜和人臉等)，手勢習慣是一種動態的、序列的生物特征，更加難以被模仿和偽造。因此，基于動態手勢的認證技術在人機交互等領域有著廣泛的應用前景。

現有的關于動態手勢的研究主要是針對語義識別，即識別不同動態手勢表達的手勢含義，忽略了動態手勢隱含的生物特征。這使得在人機交互系統中，非法用戶很容易通過手勢模仿進行系統入侵，不利于信息安全。因此，近年來出現了部分針對基于動態手勢的用戶身份識別研究，方法主要分為以下幾類：

(1)基于軌跡匹配的方法，該類方法通過對比待測手勢與模板手勢的軌跡相似度，進行身份識別，常用的軌跡特征有手臂關節位置、運動加速度等。這類方法的優點是靈活性較高，能夠動態添加新用戶和新手勢類型；缺點是身份識別精度低，且手勢模板庫增加時識別時間代價顯著增高。

(2)基于序列分類的方法，該類方法利用動態手勢數據訓練身份識別分類器，通過該分類器進行身份識別，常用的訓練數據為單一的圖像序列或軌跡序列。這類方法的優點是身份識別精度高；缺點是訓練好的模型無法注冊新的用戶或手勢類型，可擴展性較差。

發明內容

本發明的目的在于克服現有技術存在的缺陷，提供一種可擴展的手勢身份識別方法。

為實現以上目的，一方面，采用一種基于動態手勢的身份認證方法，包括如下步驟：

在線獲取用戶的動態手勢數據；

利用訓練好的手勢識別模型對用戶的動態手勢數據進行處理，提取該用戶的手勢生物特征；

將該用戶的手勢生物特征與離線構建的比對庫中的所有手勢生物特征進行相似度比對，計算最大相似度s；

利用最大相似度s與設置的門限值，進行該用戶的身份認證。

進一步地，所述用戶的動態手勢數據包括彩色圖像、深度圖像和人體關節信息。

進一步地，所述利用訓練好的手勢識別模型對用戶的動態手勢數據進行處理，提取該用戶的手勢生物特征，包括：

利用所述手勢識別模型中的卷積神經網絡提取用戶的局部手勢手型特征，利用手勢識別模型中的遞歸神經網絡提取用戶的全局手勢軌跡特征；

融合局部手勢手型特征和全局手勢軌跡特征，提取用戶的手勢生物特征。

進一步地，所述卷積神經網絡包括共享基礎網絡和特征聚合網絡，共享基礎網絡的輸入為單手局部RGB-D圖像序列，其使用相同的網絡參數分別提取用戶左手和右手圖像序列的時空特征，得到左、右單手特征圖；

所述共享基礎網絡包括卷積層Conv0和3個殘差模塊Layer0、Layer1與Layer2，殘差模塊Layer0包括3個殘差基礎結構resBlock，殘差模塊Layer1和殘差模塊Layer2均包括4個殘差基礎結構resBlock；所述殘差基礎結構resBlock包含2個卷積操作conv_a和conv_b；