可穿戴设备中基于人体通信的身份识别方法研究*

针对目前生物识别技术在穿戴式设备上应用的缺陷,提出一种可应用于可穿戴设备上的生物识别方法。利用300KHz-1.5GHz的电磁波在人体通信信道传输中产生的幅度衰减特性曲线作为生物特征。为了验证此方法的可行性,首先,利用矢量网络分析仪测量生物特征;其次,提取数据的梯度,使用支持向量机进行分类器模型训练和测试。验证结果与直接对采集的生物特征进行分析的方法对比,引入梯度的分析方法使得正确识别率从90.45%提高到94.54%、等错误率从0.95%降低到0.14%、接收者操作特征曲线下面积从0.9971增加到0.9999。因此,基于人体通信的身份识别方法可为穿戴式设备的身份认证系统研究提供一种方法。     

基于方向梯度的快速手掌静脉识别

针对目前在静脉纹理提取算法中,对图像质量要求高、算法复杂度高的问题,本文利用静脉图像的剖面线在静脉区域中,灰度值会呈现山谷状变化的特征,通过计算静脉图像多方向的梯度矩阵,提出一种计算简单、快速而且稳定的掌脉纹路中心和纹路宽度提取算法。在此基础上,采用相应的编码方法确定纹理图像灰度值分布。最后,利用模糊阈值判定以及全局灰度值匹配算法,提高算法的鲁棒性及识别精度。实验结果表明,算法纹路特征提取的速度为25.2ms;在掌脉图像两两匹配的条件下,本文算法EER达到3.21%。最终可以得出结论,本文算法在纹路提取效果、匹配正确率以及算法效率上都有较为明显的优势。