隨著移動互聯(lián)網(wǎng)技術(shù)的飛速發(fā)展,智能終端設(shè)備已成為人們生活中必不可少的工具。近年來,智能手環(huán)、智能眼鏡、智能跑鞋等智能穿戴設(shè)備紛紛出現(xiàn)在人們的視野中,并逐漸成為大眾生活方式的新選擇,其所具備的可便捷采集用戶生物信息的特性,促進了基于移動終端設(shè)備的生物特征識別技術(shù)的深入研究和發(fā)展。本文對移動互聯(lián)網(wǎng)的身份認證技術(shù)進行研究,利用智能穿戴設(shè)備便于攜帶且能夠方便的采集人體生物特征的優(yōu)勢,分別針對用戶在行走過程中和穩(wěn)定狀態(tài)下兩種場景,提出了基于SVM（Support Vector Machine）的步態(tài)認證方案和基于DTW（Dynamic Time Warping）的PPG（photoplethysmography）認證方案,并且結(jié)合業(yè)界廣泛使用的通用身份認證框架FIDO UAF（Fast Identity Online Universal Authentication Framework）,實現(xiàn)了基于智能穿戴設(shè)備的身份認證系統(tǒng)原型�；赟VM的步態(tài)認證方案利用智能穿戴設(shè)備上的加速度傳感器采集人體正常行走過程中的步態(tài)加速度數(shù)據(jù),接下來對加速度數(shù)據(jù)進行平滑去噪、歸一化、標量合成等操作,提取步態(tài)模式中的... 

【文章來源】：西安電子科技大學陜西省 211工程院校 教育部直屬院校

【文章頁數(shù)】：89 頁

【學位級別】：碩士

【部分圖文】：

圖3.6兩次X軸加速度數(shù)據(jù)

時在數(shù)據(jù)采集結(jié)束階段，用戶下意識的停止動作，也會導致智能穿戴設(shè)備的加速度傳感器采集到一段不穩(wěn)定步態(tài)信息。圖3.7 加速度傳感器原始數(shù)據(jù)因此，在進行數(shù)據(jù)處理時，需要對兩端無效數(shù)據(jù)進行處理，但是不同的用戶兩端無效數(shù)據(jù)的持續(xù)時間并不相同，需要結(jié)合用戶步態(tài)的特征來進行判斷，文獻[12]研究表明，人類步態(tài)加速度數(shù)據(jù)的波峰位置更具有穩(wěn)定性，因此本方案中采用基于閾值的有效數(shù)據(jù)截取方法，結(jié)合用戶的步態(tài)數(shù)據(jù)特征以及上圖 3.7 所示，可以看到用戶在進入

頻域分析仍然以一個步態(tài)模板為單位。圖 3.8 為一個步態(tài)模板經(jīng)過快速傅里葉變換后的幅度譜。圖3.8 步態(tài)模板頻譜經(jīng)過快速傅里葉變換后的幅度譜一共有 256 組數(shù)據(jù)，如果直接送入分類器進行模型訓練，會大大增加訓練時間，降低訓練效率。本方案采用主成分分析法[36](PrincipleComponentsAnalysis,PCA)對步態(tài)模板的幅度特征進行降維操作，主要操作步驟如下：1）設(shè)數(shù)據(jù) ， ， 的觀測數(shù)據(jù)矩陣為：X = [ n n n =( ) (3-20)2）將數(shù)據(jù)矩陣 X 按列進行中心標準化。3）求相關(guān)系數(shù)矩陣 R，R=( ) 定義為如下式： = ( )( ) √ ( ) ( ) (3-21)

【參考文獻】：
期刊論文
[1]軟件與網(wǎng)絡(luò)安全研究綜述[J]. 劉劍,蘇璞睿,楊珉,和亮,張源,朱雪陽,林惠民.  軟件學報. 2018(01)
[2]高可信度加權(quán)的多分類器融合行為識別模型[J]. 王忠民,王科,賀炎.  計算機應(yīng)用. 2016(12)
[3]基于usb-key的統(tǒng)一數(shù)字證書系統(tǒng)[J]. 于佳麗.  計算機光盤軟件與應(yīng)用. 2012(18)

碩士論文
[1]面向移動云計算的用戶認證和安全傳輸研究[D]. 韓孜怡.西安電子科技大學 2018
[2]基于光電容積脈搏波的生物識別研究[D]. 滕毅.東南大學 2017
[3]FIDO服務(wù)平臺的設(shè)計與實現(xiàn)[D]. 徐李仙.電子科技大學 2017
[4]基于FIDO架構(gòu)在線指紋識別系統(tǒng)客戶端的設(shè)計與實現(xiàn)[D]. 王耀龍.北京交通大學 2015
[5]移動互聯(lián)網(wǎng)中身份認證技術(shù)的研究[D]. 劉會議.山東大學 2014
[6]基于手機加速度傳感器的身份認證關(guān)鍵技術(shù)研究[D]. 劉志丹.中南大學 2013
[7]基于人臉和指紋的多模生物特征融合識別方法[D]. 李雄.湘潭大學 2012



本文編號：3130107