[發(fā)明專利]一種心電身份識(shí)別方法

在審

• 申請(qǐng)?zhí)枺?/td>: 202011159543.X
• 申請(qǐng)日: 2020-10-26
• 公開（公告）號(hào): CN112215196A
• 公開（公告）日: 2021-01-12
• 發(fā)明（設(shè)計(jì)）人: 張燁菲;趙治棟;鄧艷軍
• 申請(qǐng)（專利權(quán)）人: 杭州電子科技大學(xué)
• 主分類號(hào): G06K9/00
• 分類號(hào): G06K9/00;G06K9/62;G06N3/04;G06N3/08;G06K9/46
• 代理公司: 杭州天麟知識(shí)產(chǎn)權(quán)代理事務(wù)所(特殊普通合伙) 33374
• 代理人: 占宇

本發(fā)明公開了一種心電身份識(shí)別方法。它包括以下步驟：采集人體的心電(Electrocardiogram，ECG)信號(hào)；對(duì)采集到的ECG信號(hào)進(jìn)行預(yù)處理，得到干凈的短周期ECG信號(hào)；對(duì)短周期ECG信號(hào)進(jìn)行廣義S變換，提取相位域特征矢量Y₁、時(shí)域特征矢量Y₂、頻域特征矢量Y₃；將相位域特征矢量Y₁、時(shí)域特征矢量Y₂、頻域特征矢量Y₃輸入稀疏性約束的非線性逼近模型，獲取最優(yōu)字典及相應(yīng)的最優(yōu)稀疏系數(shù)矩陣，對(duì)最優(yōu)稀疏系數(shù)矩陣進(jìn)行輕量化處理后得到稀疏系數(shù)向量；將稀疏系數(shù)向量輸入到訓(xùn)練好的基于雙向長(zhǎng)短期記憶網(wǎng)絡(luò)的深度神經(jīng)網(wǎng)絡(luò)模型進(jìn)行身份識(shí)別。本發(fā)明從原始ECG心電信號(hào)中提取多模態(tài)特征矢量作為深度神經(jīng)網(wǎng)絡(luò)的輸入向量，提高了識(shí)別精度，加快了識(shí)別速率。

技術(shù)領(lǐng)域

本發(fā)明涉及身份識(shí)別技術(shù)領(lǐng)域，尤其涉及一種基于心電信號(hào)的身份識(shí)別方法。

背景技術(shù)

網(wǎng)絡(luò)信息安全對(duì)個(gè)人、企業(yè)、國(guó)家都具有十分重要的意義，涉及到有關(guān)財(cái)產(chǎn)、名譽(yù)、人身等方方面面的安全和隱私保障工作，大至刑事偵查、執(zhí)法應(yīng)用等國(guó)家安全領(lǐng)域，小至智能手機(jī)解鎖、支付等生活領(lǐng)域中。密碼、ID卡等傳統(tǒng)的身份識(shí)別方式存在易盜竊、易偽造的風(fēng)險(xiǎn)，已無法滿足金融系統(tǒng)、安防監(jiān)控等領(lǐng)域?qū)Ω甙踩⒏唠[私的要求。基于現(xiàn)代生物特征的身份識(shí)別技術(shù)應(yīng)用而生，受到越來越多的關(guān)注，例如指紋識(shí)別、人臉識(shí)別、語音識(shí)別等。然而物聯(lián)網(wǎng)和人工智能等技術(shù)在促進(jìn)語音、人臉、指紋等生物識(shí)別技術(shù)日趨成熟和廣泛應(yīng)用的同時(shí)，也間接為偽指紋、假人臉等技術(shù)提供了可能，增加了個(gè)人信息被盜和偽造的風(fēng)險(xiǎn)。與其他生物特征相比，心電信號(hào)(Electrocardiogram，ECG)本身具有“活”性，屬于人體內(nèi)源信號(hào)，具備超高防偽性，因此基于心電的身份識(shí)別技術(shù)具有更高的安全性和可靠性。

近年來，基于ECG信號(hào)的身份識(shí)別算法發(fā)展迅猛。在這些算法中，經(jīng)常涉及大量復(fù)雜的、主觀的、手動(dòng)的時(shí)域和形態(tài)學(xué)一維信號(hào)特征提取，這些局部特征被量化為特征矢量表示；或者采用小波變換、傅里葉變換等時(shí)頻域轉(zhuǎn)換方式，將原始信號(hào)的一維特性轉(zhuǎn)換為二維的圖像表示，然后進(jìn)行分類器訓(xùn)練和評(píng)估。盡管這樣的信號(hào)處理方式對(duì)于一般的信號(hào)/圖像分類非常有效，但它忽略了局部特征之間可能存在的相關(guān)性。當(dāng)應(yīng)用于ECG身份識(shí)別這種內(nèi)源性生理信號(hào)的分類任務(wù)中，其類間差異性幾乎肉眼不可見，加之噪聲干擾、個(gè)體活動(dòng)狀態(tài)、病理狀態(tài)、心理情緒等產(chǎn)生的類內(nèi)差異性也不盡相同，這對(duì)識(shí)別精度造成了很大的影響。因此，即便是支持向量機(jī)、卷積神經(jīng)網(wǎng)絡(luò)等反復(fù)訓(xùn)練、性能優(yōu)良的分類器也很難實(shí)現(xiàn)精準(zhǔn)的分類目標(biāo)。其次，過多的局部特征重疊加重了計(jì)算負(fù)擔(dān)，更細(xì)微的類間差異性和類內(nèi)差異性意味著更長(zhǎng)的特征學(xué)習(xí)和訓(xùn)練時(shí)間，無法應(yīng)用于手機(jī)端進(jìn)行實(shí)時(shí)快速的信號(hào)處理和反饋。

有鑒于此，亟需提供一種ECG信號(hào)的有效特征提取和匹配識(shí)別方式，應(yīng)用于ECG信號(hào)的身份識(shí)別技術(shù)中，在實(shí)現(xiàn)多特征矢量在多維度的聯(lián)合表示的同時(shí)，實(shí)現(xiàn)同一個(gè)體在不同狀態(tài)的身份識(shí)別和相似個(gè)體身份的有效甄別。

發(fā)明內(nèi)容

本發(fā)明為了解決上述技術(shù)問題，提供了一種心電身份識(shí)別方法，其從原始ECG心電信號(hào)中提取多模態(tài)特征矢量作為深度神經(jīng)網(wǎng)絡(luò)的輸入向量，充分提現(xiàn)了個(gè)體的獨(dú)有特性，提高了識(shí)別精度，加快了識(shí)別速率。

為了解決上述問題，本發(fā)明采用以下技術(shù)方案予以實(shí)現(xiàn)：

本發(fā)明的一種心電身份識(shí)別方法，包括以下步驟：

S1：采集人體的原始ECG心電信號(hào)；

S2：對(duì)原始ECG心電信號(hào)進(jìn)行預(yù)處理，得到短周期ECG心電信號(hào)；

S3：對(duì)短周期ECG心電信號(hào)進(jìn)行廣義S變換，提取相位域特征矢量Y₁、時(shí)域特征矢量Y₂、頻域特征矢量Y₃；