本發(fā)明屬于模式識(shí)別與身份認(rèn)證技術(shù)領(lǐng)域,更具體地說(shuō),涉及一種基于Kinect傳感器的隔空動(dòng)態(tài)手勢(shì)用戶身份認(rèn)證方法及裝置。
背景技術(shù):
身份認(rèn)證是身份安全識(shí)別系統(tǒng)確認(rèn)操作者的真實(shí)身份與其聲明的身份是否相符的過(guò)程。也就是首先事先錄入所有合法用戶信息。然后進(jìn)入測(cè)試階段,當(dāng)一個(gè)新用戶進(jìn)入系統(tǒng)時(shí),他需要先聲明其身份,然后進(jìn)行認(rèn)證匹配,如果匹配結(jié)果表明他不屬于其聲明用戶,則提示“該用戶為入侵用戶”。
目前,身份認(rèn)證的主要方式分為基于用戶名/密碼、IC卡認(rèn)證、動(dòng)態(tài)口令、傳統(tǒng)生物特征等?;谟脩裘?密碼方式的身份認(rèn)證在目前任然大量被使用,它是一種事先給識(shí)別裝置設(shè)置一個(gè)密碼,當(dāng)需要進(jìn)行身份識(shí)別時(shí),我們就輸入設(shè)定的密碼即可完成身份的認(rèn)證,該方式的身份認(rèn)證主要用在電腦解鎖,QQ密碼登陸等。但是基于用戶名/密碼用戶身份認(rèn)證的最大缺點(diǎn)是密碼極易丟失,為了密碼的安全性,往往會(huì)不斷的更換密碼,對(duì)于不同的需要身份認(rèn)證的情景,我們往往會(huì)設(shè)置不同的密碼,這對(duì)于密碼的記憶以及維護(hù)是十分不便的。常用的基于IC卡的身份識(shí)別是給用戶一張IC卡,該卡可以用來(lái)身份認(rèn)證以及購(gòu)物消費(fèi),主要使用場(chǎng)所是學(xué)校的學(xué)生卡,購(gòu)物卡。該方法最大的缺點(diǎn)是易丟失,與此同時(shí),將會(huì)面臨著極大地安全隱患。常用的基于動(dòng)態(tài)口令方式的身份認(rèn)證是一種基于用戶名/密碼方式的完善,主要目的是增強(qiáng)安全性和幫助記憶,它的工作原理是讓用戶的密碼按照時(shí)間或使用次數(shù)不斷動(dòng)態(tài)變化,每個(gè)密碼只使用一次的方式進(jìn)行身份認(rèn)證,但是如果客戶端硬件與服務(wù)器端程序的時(shí)間或次數(shù)不能保持良好的同步,就可能發(fā)生合法用戶無(wú)法登陸的問(wèn)題,并且用戶每次登錄時(shí)還需要通過(guò)鍵盤(pán)輸入一長(zhǎng)串無(wú)規(guī)律的密碼,一旦看錯(cuò)或輸錯(cuò)就要重新來(lái)過(guò),用戶的使用非常不方便。
基于傳統(tǒng)生物特征的方式是一種使用如:人臉、指紋、虹膜等進(jìn)行身份認(rèn)證的方式。生物特征是目前最為方便、安全的身份識(shí)別技術(shù),它辨識(shí)的是人身的固有特征,不需要身外的其他標(biāo)識(shí)物。然而基于這些生物特征的用戶身份認(rèn)證仍存在一些問(wèn)題:人臉屬于一種公開(kāi)信息,人們很容易獲取,加上目前3D人臉制作技術(shù)被提出,基于人臉識(shí)別的安全問(wèn)題不斷被質(zhì)疑。指紋識(shí)別在手機(jī)上大量使用,受到廣大用戶的青睞,但是由于指紋極易保留在物體表面,竊取指紋信息極其容易,所以安全隱患很大,另外,指紋識(shí)別是一個(gè)觸碰時(shí)識(shí)別,如果錄入指紋的手指皮膚出現(xiàn)破損,識(shí)別基本很難實(shí)現(xiàn)。虹膜識(shí)別是一個(gè)安全系數(shù)高的身份認(rèn)證方式,但是繁瑣的識(shí)別過(guò)程限制了該方式的推廣,識(shí)別時(shí),我們需要將自己的眼睛對(duì)著攝像頭,讓其捕獲黑眼珠,捕獲黑眼珠是個(gè)極其復(fù)雜的過(guò)程,在一些需要反復(fù)進(jìn)行身份認(rèn)證的場(chǎng)景下,很顯然虹膜識(shí)別是不可取的。
用戶動(dòng)態(tài)手勢(shì)包含兩種類型的信息:一種是用手勢(shì)本身所表達(dá)的含義(GMI);另一種是隱藏的動(dòng)態(tài)生物特征信息(DBCI)。對(duì)于不同的用戶,執(zhí)行同一個(gè)手勢(shì)動(dòng)作,GMI基本上是相同的,但是DBCI是不同的。使用動(dòng)態(tài)手勢(shì)中蘊(yùn)含的獨(dú)特的、不可模仿的信息來(lái)進(jìn)行身份認(rèn)證,具有安全,方便,無(wú)觸碰等優(yōu)勢(shì)??紤]到基于傳統(tǒng)生物特征進(jìn)行身份認(rèn)證所存在的安全隱患和繁瑣的識(shí)別過(guò)程,使用動(dòng)態(tài)手勢(shì)進(jìn)行用戶身份認(rèn)證成為了近幾年的研究熱點(diǎn)。
經(jīng)檢索,中國(guó)專利號(hào)ZL201310358968.7,專利名稱:一種基于動(dòng)態(tài)手勢(shì)的身份認(rèn)證方法;該申請(qǐng)案利用智能手機(jī)加速度傳感器獲取手勢(shì)執(zhí)行時(shí)的動(dòng)態(tài)信息,采用結(jié)合放寬端點(diǎn)限制和提前終止的DTW方法對(duì)手勢(shì)動(dòng)態(tài)信息進(jìn)行匹配認(rèn)證。解決了手勢(shì)序列間因端點(diǎn)不對(duì)齊而引起的認(rèn)證失敗問(wèn)題,同時(shí)也利用彎折斜率限制和提前終止策略減少了計(jì)算量。該申請(qǐng)案的核心思想是使用手機(jī)自身攜帶的傳感器獲取用戶執(zhí)行時(shí)的加速度,通過(guò)將預(yù)處理的樣本輸入改善的DTW算法進(jìn)行匹配并進(jìn)行身份認(rèn)證,其認(rèn)證過(guò)程是一個(gè)觸碰式的過(guò)程,旨在使用智能手機(jī)手勢(shì)的加速度動(dòng)態(tài)信息進(jìn)行身份認(rèn)證,該申請(qǐng)案的數(shù)據(jù)采集方式、獲取的數(shù)據(jù)信息和技術(shù)實(shí)施方案均適用于手機(jī),在安全驗(yàn)證、醫(yī)學(xué)防塵、游戲安全登錄等領(lǐng)域中應(yīng)用有其局限性。
技術(shù)實(shí)現(xiàn)要素:
1.發(fā)明要解決的技術(shù)問(wèn)題
本發(fā)明的目的在于克服基于傳統(tǒng)生物特征的身份識(shí)別技術(shù)存在安全隱患和識(shí)別繁瑣的不足,提供了一種隔空動(dòng)態(tài)手勢(shì)用戶身份認(rèn)證方法及裝置;本發(fā)明使用Kinect隔空采集動(dòng)態(tài)手勢(shì)運(yùn)動(dòng)的軌跡信息并完成身份認(rèn)證,采用合成超級(jí)匹配模板和對(duì)匹配結(jié)果均值化DTW高效算法,首先對(duì)測(cè)試數(shù)據(jù)樣本進(jìn)行預(yù)處理,對(duì)每個(gè)動(dòng)態(tài)手勢(shì)制作3個(gè)超級(jí)匹配模板,身份匹配時(shí)將這3個(gè)超級(jí)模板同測(cè)試樣本的DTW匹配結(jié)果均值作為該手勢(shì)最終匹配結(jié)果,本發(fā)明能夠有效的提高身份認(rèn)證精度,獲得理想的身份認(rèn)證效果。
2.技術(shù)方案
為達(dá)到上述目的,本發(fā)明提供的技術(shù)方案為:
本發(fā)明的一種隔空動(dòng)態(tài)手勢(shì)用戶身份認(rèn)證方法,其步驟為:
步驟一、通過(guò)訓(xùn)練確定用戶動(dòng)態(tài)手勢(shì)視頻的開(kāi)始幀與結(jié)束幀;
步驟二、采集用戶動(dòng)態(tài)手勢(shì)樣本,每個(gè)手勢(shì)采集9個(gè)樣本,對(duì)采集樣本數(shù)據(jù)進(jìn)行預(yù)處理,然后,將每個(gè)手勢(shì)的9個(gè)樣本以3個(gè)為一組合成一個(gè)超級(jí)模板,獲得的超級(jí)模板構(gòu)成模板數(shù)據(jù)庫(kù);
步驟三、采集用戶測(cè)試樣本并進(jìn)行預(yù)處理,然后將測(cè)試樣本同模板數(shù)據(jù)庫(kù)中超級(jí)模板運(yùn)用DTW算法進(jìn)行匹配,依據(jù)匹配結(jié)果進(jìn)行用戶身份認(rèn)證。
更進(jìn)一步地,使用Kinect傳感器采集用戶動(dòng)態(tài)手勢(shì)視頻數(shù)據(jù),捕獲用戶全身的骨架,并對(duì)骨架25個(gè)節(jié)點(diǎn)進(jìn)行標(biāo)號(hào),所述25個(gè)節(jié)點(diǎn)為:脊底、脊中、脖子、頭蓋、左肩、左肘、左手腕、左手、右肩、右肘、右手腕、右手、左臀、左膝、左腳踝、左腳、右臀、右膝、右腳踝、右腳、肩膀、左指尖、左拇指、右指尖、右拇指。
更進(jìn)一步地,步驟一中將采集的動(dòng)態(tài)手勢(shì)視頻以幀為單位將圖片和節(jié)點(diǎn)位置數(shù)據(jù)保存起來(lái),分別給左手、右手、雙手設(shè)置參數(shù),參數(shù)設(shè)置規(guī)則為:如果當(dāng)前幀為靜止,即將該幀標(biāo)記為“0 0 0”,如果當(dāng)前幀為左手運(yùn)動(dòng),當(dāng)前幀被標(biāo)記為“1 0 0”,如果當(dāng)前幀為右手運(yùn)動(dòng),當(dāng)前幀被標(biāo)記為“0 1 0”,如果當(dāng)前幀為雙手運(yùn)動(dòng),則標(biāo)記為“1 1 1”,將標(biāo)記好的樣本放入神經(jīng)網(wǎng)絡(luò)中進(jìn)行訓(xùn)練,判斷當(dāng)前幀是運(yùn)動(dòng)幀還是靜止幀;在此基礎(chǔ)上,以前30幀有25幀為靜止幀作為運(yùn)動(dòng)開(kāi)始標(biāo)志,并開(kāi)始采集數(shù)據(jù),同時(shí)設(shè)置運(yùn)動(dòng)過(guò)程中出現(xiàn)連續(xù)10幀為靜止幀作為結(jié)束標(biāo)志。
更進(jìn)一步地,步驟二和步驟三所述的對(duì)采集視頻數(shù)據(jù)進(jìn)行預(yù)處理,包括歸一化和平滑去噪;其中,數(shù)據(jù)歸一化的具體處理方法如下:
骨架結(jié)構(gòu)的每個(gè)節(jié)點(diǎn)都有一個(gè)3維位置坐標(biāo)(x,y,z),設(shè)定變量表示某個(gè)動(dòng)態(tài)手勢(shì)g在時(shí)間幀為t第i個(gè)節(jié)點(diǎn)位置的坐標(biāo)信息,表示如下:
將每個(gè)節(jié)點(diǎn)的位置數(shù)據(jù)減去脊椎節(jié)點(diǎn)的位置坐標(biāo),得到節(jié)點(diǎn)相對(duì)位置坐標(biāo),表示如下:
最后獲取脖子到脊椎的距離,用上述所有的節(jié)點(diǎn)相對(duì)位置除以該脖子到脊椎的距離,作為歸一化的樣本數(shù)據(jù),設(shè)變量表示某個(gè)動(dòng)態(tài)手勢(shì)g在時(shí)間幀為t第i個(gè)節(jié)點(diǎn)位置的歸一化坐標(biāo),表示如下:
更進(jìn)一步地,數(shù)據(jù)歸一化后,再進(jìn)行光滑去躁處理,光滑去躁以幀為單位,前2幀和最后2幀的數(shù)據(jù)保持不變,其他幀的數(shù)據(jù)作如下處理:
設(shè)定變量Pt表示第t幀的歸一化數(shù)據(jù),從第三幀開(kāi)始選取連續(xù)5幀節(jié)點(diǎn)(Pt-2,Pt-1,Pt,Pt+1,Pt+2),得到方差:
δ=max(∑(||pt-1-pt||+||pt-2-pt-1||),∑(||pt+1-pt||+||pt+2-pt+1||))
然后,設(shè)定一個(gè)變量dt表示第t幀與第t-1幀歸一化數(shù)據(jù)的歐式距離:
接著,引進(jìn)高斯公式,對(duì)dt進(jìn)行處理,高斯公式如下:
平滑去噪處理公式如下:
更進(jìn)一步地,合成超級(jí)模板的具體過(guò)程為:將單個(gè)動(dòng)態(tài)手勢(shì)的其中2個(gè)樣本模板通過(guò)DTW匹配,獲取最優(yōu)路徑:
wr=(i,j)
其中,i,j分別表示2個(gè)樣本模板序列的幀數(shù);
然后將2個(gè)樣本模板在最優(yōu)路徑上取均值,設(shè)變量xi表示其中一個(gè)樣本模板第i幀的25個(gè)節(jié)點(diǎn)的位置數(shù)據(jù),yj表示另一個(gè)樣本模板第j幀的25個(gè)節(jié)點(diǎn)的位置數(shù)據(jù),sgr表示超級(jí)模板第r幀的25個(gè)節(jié)點(diǎn)的位置數(shù)據(jù):
最后,將合成的sgr數(shù)據(jù)再和第3個(gè)樣本模板運(yùn)用上述方法合成最終的超級(jí)模板。
更進(jìn)一步地,步驟三中將測(cè)試樣本與單個(gè)手勢(shì)的3個(gè)超級(jí)模板匹配結(jié)果的均值作為該手勢(shì)的匹配結(jié)果,再將所有動(dòng)態(tài)手勢(shì)匹配結(jié)果的最小值作為該測(cè)試樣本的最終匹配結(jié)果D[i];判斷D[i]與標(biāo)準(zhǔn)閾值的大小關(guān)系,如果D[i]>標(biāo)準(zhǔn)閾值,提示此用戶為未授權(quán)用戶,認(rèn)證結(jié)束;如果D[i]<標(biāo)準(zhǔn)閾值,則判斷D[i]與設(shè)定閾值的大小關(guān)系,如果D[i]<設(shè)定閾值,輸出認(rèn)證的用戶名,匹配成功,如果D[i]>設(shè)定閾值,則認(rèn)證失敗,結(jié)束該次認(rèn)證。
更進(jìn)一步地,所述的標(biāo)準(zhǔn)閾值,即讓所有已注冊(cè)用戶對(duì)一個(gè)手勢(shì)做10遍動(dòng)作,將所有的匹配結(jié)果的均值作為已注冊(cè)用戶動(dòng)態(tài)手勢(shì)的標(biāo)準(zhǔn)閾值。
更進(jìn)一步地,所述的設(shè)定閾值,即對(duì)每個(gè)注冊(cè)用戶的同一個(gè)動(dòng)態(tài)手勢(shì)采集10個(gè)樣本數(shù)據(jù),并將10個(gè)樣本數(shù)據(jù)分別同模板數(shù)據(jù)庫(kù)中該手勢(shì)的3個(gè)超級(jí)模板進(jìn)行匹配,取匹配距離的最大值作為該用戶動(dòng)態(tài)手勢(shì)的設(shè)定閾值。
本發(fā)明的一種隔空動(dòng)態(tài)手勢(shì)用戶身份認(rèn)證裝置,包括采集模塊、數(shù)據(jù)預(yù)處理模塊、超級(jí)模板合成模塊和用戶身份認(rèn)證模塊,其中:
采集模塊,用于采集用戶動(dòng)態(tài)手勢(shì)執(zhí)行時(shí)每一幀全身25個(gè)骨節(jié)位置數(shù)據(jù),將采集數(shù)據(jù)作為樣本數(shù)據(jù);
數(shù)據(jù)預(yù)處理模塊:用于對(duì)采集數(shù)據(jù)進(jìn)行預(yù)處理,包括歸一化和平滑去噪處理;
超級(jí)模板合成模塊:用于通過(guò)超級(jí)模板方法將每個(gè)動(dòng)態(tài)手勢(shì)的9個(gè)普通模板合成3個(gè)超級(jí)模板;
用戶身份認(rèn)證模塊:將測(cè)試樣本與超級(jí)模板進(jìn)行DTW匹配,對(duì)匹配結(jié)果進(jìn)行認(rèn)證。
3.有益效果
采用本發(fā)明提供的技術(shù)方案,與已有的公知技術(shù)相比,具有如下顯著效果:
(1)本發(fā)明一種隔空動(dòng)態(tài)手勢(shì)用戶身份認(rèn)證方法,使用Kinect隔空采集動(dòng)態(tài)手勢(shì)執(zhí)行時(shí)全身25個(gè)節(jié)點(diǎn)的骨架位置的軌跡信息,引進(jìn)在DTW最小路徑的基礎(chǔ)上合成超級(jí)匹配模板,給每個(gè)動(dòng)態(tài)手勢(shì)生成3個(gè)超級(jí)匹配模板,最終取3個(gè)超級(jí)匹配模板的均值作為該手勢(shì)的最終匹配結(jié)果,并進(jìn)行認(rèn)證判斷,該身份認(rèn)證方法一方面可以簡(jiǎn)化認(rèn)證過(guò)程,另一面可以減少污染,甚至降低裝置的耗損速度,適用范圍廣,只需要用一個(gè)Kinect即可,成本較低;
(2)本發(fā)明一種隔空動(dòng)態(tài)手勢(shì)用戶身份認(rèn)證方法,使用Kinect獲取骨架信息,和用戶的穿戴沒(méi)有任何關(guān)系,隔空采集數(shù)據(jù)并完成身份認(rèn)證,適用于無(wú)法或難于采集到生物特征的場(chǎng)景下,如能滿足無(wú)菌室中,醫(yī)護(hù)人員穿戴無(wú)菌服后的不觸碰任何細(xì)菌源的使用要求,對(duì)日益流行的體感游戲,隔空動(dòng)態(tài)手勢(shì)身份認(rèn)證與體感游戲可以無(wú)縫連接,在安全驗(yàn)證、醫(yī)學(xué)防塵、游戲安全登錄等領(lǐng)域中有著廣泛的應(yīng)用前景;
(3)本發(fā)明一種隔空動(dòng)態(tài)手勢(shì)用戶身份認(rèn)證方法,采集骨架節(jié)點(diǎn)數(shù)據(jù)增加到25個(gè),且每個(gè)手勢(shì)采集9個(gè)樣本,將每組3個(gè)樣本數(shù)據(jù)使用超級(jí)模板方法合成一個(gè)超級(jí)模板,能夠精確的描述動(dòng)態(tài)手勢(shì)的位置信息,不受用戶穿戴的干擾,引入均值的方法能夠避免極限值的干擾,增強(qiáng)系統(tǒng)的穩(wěn)定性;
(4)本發(fā)明一種隔空動(dòng)態(tài)手勢(shì)用戶身份認(rèn)證方法,經(jīng)實(shí)驗(yàn)驗(yàn)證,在100個(gè)樣本以內(nèi),左手畫(huà)“V”,右手畫(huà)“0”的FAR為0,F(xiàn)RR為3%,系統(tǒng)的認(rèn)證時(shí)間為2S。
附圖說(shuō)明
圖1是本發(fā)明通過(guò)訓(xùn)練確定開(kāi)始幀與結(jié)束幀的流程圖;
圖2是本發(fā)明制作模板數(shù)據(jù)庫(kù)的流程圖;
圖3是本發(fā)明中用戶身份認(rèn)證流程圖;
圖4是本發(fā)明中Kinect獲取的全身骨架結(jié)構(gòu)圖;
圖5是本發(fā)明中超級(jí)模板與普通模板性能對(duì)比圖;
圖6是本發(fā)明的隔空動(dòng)態(tài)手勢(shì)用戶身份認(rèn)證裝置的結(jié)構(gòu)框圖。
具體實(shí)施方式
目前的身份認(rèn)證主要是基于口令和生物特征的方式,而這些認(rèn)證過(guò)程繁瑣,大多數(shù)需要在觸碰的情況下進(jìn)行,當(dāng)出現(xiàn)遮擋會(huì)影響認(rèn)證結(jié)果,本發(fā)明針對(duì)上述問(wèn)題,提出了一種基于Kinect傳感器的隔空動(dòng)態(tài)手勢(shì)用戶身份認(rèn)證方法及裝置,既可以保證認(rèn)證過(guò)程的安全性,而且是在無(wú)觸碰條件下完成認(rèn)證,不會(huì)受到遮擋等因素的影響。為進(jìn)一步了解本發(fā)明的內(nèi)容,結(jié)合附圖和實(shí)施例對(duì)本發(fā)明作詳細(xì)描述。
實(shí)施例1
本實(shí)施例進(jìn)行隔空動(dòng)態(tài)手勢(shì)用戶身份認(rèn)證的具體過(guò)程包括以下步驟:
步驟一、通過(guò)訓(xùn)練確定用戶動(dòng)態(tài)手勢(shì)視頻的開(kāi)始幀與結(jié)束幀(參看圖1),具體為:
1-1、系統(tǒng)顯示提示界面,使用Kinect傳感器自動(dòng)采集用戶動(dòng)態(tài)手勢(shì)視頻數(shù)據(jù)用于訓(xùn)練,該Kinect傳感器是通過(guò)IColorFrameSource傳感器獲取彩色信息,使用IBodyFrameSource傳感器獲取骨架信息,并最終獲取每個(gè)節(jié)點(diǎn)的三維位置數(shù)據(jù)(x,y,z)。Kinect傳感器默認(rèn)的采集頻率為每秒30幀。
1-2、運(yùn)用神經(jīng)網(wǎng)絡(luò)確定動(dòng)態(tài)手勢(shì)開(kāi)始幀與結(jié)束幀的位置,當(dāng)系統(tǒng)能夠精準(zhǔn)的區(qū)分所有用戶的運(yùn)動(dòng)幀和靜止幀時(shí),訓(xùn)練結(jié)束,否則,繼續(xù)執(zhí)行步驟1-1。
1-3、在精準(zhǔn)區(qū)分運(yùn)動(dòng)幀與靜止幀的基礎(chǔ)上,采集某動(dòng)態(tài)手勢(shì)運(yùn)動(dòng)幀與靜止幀之間的數(shù)據(jù)作為該動(dòng)態(tài)手勢(shì)的樣本數(shù)據(jù)。
首先,使用Kinect捕獲用戶全身的骨架(如圖4所示),將圖4所示的25個(gè)節(jié)點(diǎn)標(biāo)號(hào)為0-24,依次為:脊底、脊中、脖子、頭蓋、左肩、左肘、左手腕、左手、右肩、右肘、右手腕、右手、左臀、左膝、左腳踝、左腳、右臀、右膝、右腳踝、右腳、肩膀、左指尖、左拇指、右指尖、右拇指。將錄制的用戶動(dòng)態(tài)手勢(shì)視頻,以幀為單位將圖片和節(jié)點(diǎn)位置數(shù)據(jù)都保存起來(lái),分別給左手、右手、雙手設(shè)置參數(shù),參數(shù)設(shè)置規(guī)則為:如果當(dāng)前幀為靜止,即將該幀標(biāo)記為“0 0 0”,如果當(dāng)前幀為左手運(yùn)動(dòng),當(dāng)前幀被標(biāo)記為“1 0 0”,如果當(dāng)前幀為右手運(yùn)動(dòng),當(dāng)前幀被標(biāo)記為“0 1 0”,如果當(dāng)前幀雙手運(yùn)動(dòng),則標(biāo)記為“1 1 1”,將標(biāo)記好的樣本放入神經(jīng)網(wǎng)絡(luò)中進(jìn)行訓(xùn)練,能夠判斷當(dāng)前幀是運(yùn)動(dòng)幀還是靜止幀。在此基礎(chǔ)上,以前30幀有25幀為靜止幀作為運(yùn)動(dòng)開(kāi)始標(biāo)志,并開(kāi)始采集數(shù)據(jù),同時(shí)設(shè)置運(yùn)動(dòng)過(guò)程中出現(xiàn)連續(xù)10幀為靜止幀作為結(jié)束標(biāo)志。然后,使用Kinect獲取某個(gè)動(dòng)態(tài)手勢(shì)25個(gè)節(jié)點(diǎn)的軌跡位置數(shù)據(jù)(即動(dòng)態(tài)手勢(shì)運(yùn)動(dòng)幀與靜止幀之間的數(shù)據(jù)),數(shù)據(jù)格式為每幀75列的數(shù)據(jù),若動(dòng)態(tài)手勢(shì)的軌跡信息由M幀組成,那么該軌跡信息可以表示為M*75的矩陣,該矩陣數(shù)據(jù)即為一個(gè)樣本數(shù)據(jù)。
步驟二、建立模板數(shù)據(jù)庫(kù)(參看圖2),具體為:
2-1、系統(tǒng)顯示提示界面,自動(dòng)采集用戶單個(gè)動(dòng)態(tài)手勢(shì)樣本(每個(gè)手勢(shì)采集9個(gè)樣本,每3個(gè)為一組,共分為3組)。
2-2、對(duì)動(dòng)態(tài)手勢(shì)樣本數(shù)據(jù)進(jìn)行預(yù)處理,包括歸一化和平滑去噪。由于每個(gè)測(cè)試者的體型、所處的位置,做手勢(shì)的幅度大小的差異,因此需要?dú)w一化處理樣本數(shù)據(jù);又因?yàn)闃颖緮?shù)據(jù)在采集過(guò)程中受到抖動(dòng)和傳感器自身精度的影響,不可避免有噪聲所以需要平滑去噪解決抖動(dòng)問(wèn)題。
數(shù)據(jù)歸一化的具體處理方法如下:
傳感器獲取的骨架結(jié)構(gòu)是由25個(gè)節(jié)點(diǎn)組成,每個(gè)節(jié)點(diǎn)都有一個(gè)3維位置坐標(biāo)(x,y,z),設(shè)定一個(gè)變量表示某個(gè)動(dòng)態(tài)手勢(shì)g在時(shí)間幀為t第i個(gè)節(jié)點(diǎn)位置的坐標(biāo)信息,變量表示如公式1:
為了減小不同測(cè)試者體型和做動(dòng)作所處位置的差異對(duì)實(shí)驗(yàn)結(jié)果的干擾,增強(qiáng)數(shù)據(jù)的魯棒性,對(duì)數(shù)據(jù)進(jìn)行歸一化處理,將每個(gè)節(jié)點(diǎn)的位置數(shù)據(jù)減去脊椎節(jié)點(diǎn)的位置坐標(biāo),得到的位置坐標(biāo)稱為“節(jié)點(diǎn)相對(duì)位置”,此時(shí)其他節(jié)點(diǎn)的位置只是相對(duì)于脊椎節(jié)點(diǎn)的位置,忽視空間的影響,避免了因做動(dòng)作所處的位置不同對(duì)實(shí)驗(yàn)結(jié)果的干擾,具體操作如公式2所示:
最后獲取脖子到脊椎的距離,用上述所有的節(jié)點(diǎn)相對(duì)位置除以該脖子到脊椎的距離,作為歸一化的樣本數(shù)據(jù),設(shè)變量表示某個(gè)動(dòng)態(tài)手勢(shì)g在時(shí)間幀為t第i個(gè)節(jié)點(diǎn)位置的歸一化坐標(biāo)信息,此時(shí)的位置對(duì)自身的骨骼長(zhǎng)度進(jìn)行歸一化處理,最大程度的減少體型的影響,避免了測(cè)試者體型不同對(duì)實(shí)驗(yàn)結(jié)果的干擾。具體操作如公式3所示:
歸一化處理后,再對(duì)樣本數(shù)據(jù)進(jìn)行光滑去躁處理,的每一幀數(shù)據(jù)由25個(gè)節(jié)點(diǎn)的三維位置坐標(biāo)組成的,光滑去躁是以幀為單位,對(duì)所有的歸一化數(shù)據(jù)進(jìn)行處理。前2幀和最后2幀的數(shù)據(jù)保持不變,其他幀的數(shù)據(jù)作如下處理:
設(shè)定變量Pt表示第t幀的歸一化數(shù)據(jù),從第三幀開(kāi)始選取連續(xù)5幀節(jié)點(diǎn)(Pt-2,Pt-1,Pt,Pt+1,Pt+2),得到方差如公式4:
δ=max(∑(||pt-1-pt||+||pt-2-pt-1||),Σ(||pt+1-pt||+||pt+2-pt+1||))(公式4)
然后,設(shè)定一個(gè)變量dt表示第t幀與第t-1幀的位置數(shù)據(jù)的歐式距離,如公式5:
接著,引進(jìn)高斯公式,對(duì)數(shù)據(jù)dt進(jìn)行處理,高斯公式如公式6所示:
結(jié)合公式4、5、6,使用公式7完成平滑去噪處理,公式7如下:
2-3、將步驟2-2處理后的每組3個(gè)樣本數(shù)據(jù)合成一個(gè)超級(jí)模板,每個(gè)動(dòng)態(tài)手勢(shì)制作3個(gè)超級(jí)模板,獲得的超級(jí)模板構(gòu)成模板數(shù)據(jù)庫(kù)。模板數(shù)據(jù)庫(kù)中的模板數(shù)據(jù)不是普通的動(dòng)態(tài)手勢(shì)模板,而是使用超級(jí)模板方法合成的超級(jí)模板。由于同一個(gè)測(cè)試者在重復(fù)手勢(shì)時(shí),時(shí)間幀可能存在或大或小的改變,如果我們選取的幀數(shù)較小或較大的模板作為匹配模板,都會(huì)干擾最終的匹配結(jié)果。鑒于此,本實(shí)施例采用了一種新的超級(jí)模板的技術(shù),在最優(yōu)路徑上加長(zhǎng)模板長(zhǎng)度,合成最佳的超級(jí)匹配模板。原理為:
假定模板A含有m幀,模板B含有n幀,現(xiàn)將A作為X軸,B作為Y軸,i表示A的當(dāng)前幀,j表示B的當(dāng)前幀。將2個(gè)模板進(jìn)行匹配獲取最優(yōu)路徑,即(1,1).......(i,j).........(m,n)表示最優(yōu)路徑,在合成超級(jí)模板時(shí),順序的從(1,1)開(kāi)始將最優(yōu)路徑上的每一點(diǎn)A和B的均值作為超級(jí)模板的幀數(shù)據(jù),直至(m,n)結(jié)束,此時(shí)即獲取模板A和B的超級(jí)模板。超級(jí)模板方法是利用DTW匹配算法得到的最優(yōu)路徑重新合成新的加強(qiáng)模板,增強(qiáng)每個(gè)人隱含的獨(dú)特信息,也使得超級(jí)模板的長(zhǎng)度得到一定的提高。
本實(shí)施例的具體合成過(guò)程如下:
首先將步驟2-2處理后的用戶單個(gè)動(dòng)態(tài)手勢(shì)的其中2個(gè)動(dòng)態(tài)手勢(shì)序列(即樣本數(shù)據(jù))通過(guò)DTW匹配,獲取最優(yōu)路徑并記錄,如公式8所示:
wr=(i,j)(公式8)
其中,i,j表示2個(gè)動(dòng)態(tài)手勢(shì)序列的幀數(shù),如Wr=(1,2)表示此處最優(yōu)路徑的位置為樣本模板第1幀和另一樣本模板第2幀。
然后,將2個(gè)動(dòng)態(tài)手勢(shì)序列在最優(yōu)路徑上取均值,設(shè)變量xi表示樣本模板第i幀的25個(gè)節(jié)點(diǎn)的位置數(shù)據(jù),yj表示另一樣本模板第j幀的25個(gè)節(jié)點(diǎn)的位置數(shù)據(jù),sgr表示超級(jí)模板第r幀的25個(gè)節(jié)點(diǎn)的位置數(shù)據(jù),如公式9所示:
最后,將上文合成的sgr數(shù)據(jù)再和第三個(gè)樣本模板運(yùn)用上述方法合成最終的超級(jí)模板,在步驟2-1中提到:每個(gè)動(dòng)態(tài)手勢(shì)采集9個(gè)樣本,每三個(gè)為一組,即對(duì)每個(gè)手勢(shì)合成3個(gè)超級(jí)模板。
圖5是本實(shí)施例的超級(jí)模板與普通模板性能對(duì)比圖,由圖5可以看出,三條虛線線段表示普通模板,這些數(shù)據(jù)長(zhǎng)度參差不齊,即使是同一個(gè)人做同一個(gè)手勢(shì),軌跡也有較大的偏差。實(shí)線線段是使用超級(jí)模板方法合成的超級(jí)模板,可以看出:超級(jí)模板在3個(gè)普通模板軌跡中間穿過(guò),具有普通模板的一般性,而且超級(jí)模板的長(zhǎng)度比普通模板長(zhǎng),就普通模板而言,提高了用戶身份認(rèn)證率。
步驟三、進(jìn)行用戶身份認(rèn)證(參看圖3),具體為:
3-1、系統(tǒng)顯示提示界面,自動(dòng)采集用戶測(cè)試樣本。
3-2、對(duì)用戶測(cè)試樣本進(jìn)行預(yù)處理,所述的預(yù)處理包括歸一化和光滑去噪,處理過(guò)程同上文所述,此處不在贅述。
3-3、對(duì)經(jīng)過(guò)步驟3-2預(yù)處理的測(cè)試樣本同模板數(shù)據(jù)庫(kù)中超級(jí)模板運(yùn)用DTW算法進(jìn)行匹配,假定測(cè)試樣本包含m幀而超級(jí)模板數(shù)據(jù)包含n幀,DTW算法運(yùn)用DP(動(dòng)態(tài)規(guī)劃)算法思想,找到從(1,1)至(m,n)的最小路徑,將測(cè)試樣本與模板數(shù)據(jù)庫(kù)中所有動(dòng)態(tài)手勢(shì)的3個(gè)超級(jí)模板都進(jìn)行DTW算法匹配一次,將測(cè)試樣本與某手勢(shì)3個(gè)超級(jí)模板的匹配結(jié)果的均值作為該手勢(shì)的匹配結(jié)果,再將所有動(dòng)態(tài)手勢(shì)匹配結(jié)果的最小值作為該測(cè)試樣本的最終匹配結(jié)果D[i]。
3-4、判斷D[i]與標(biāo)準(zhǔn)閾值的大小關(guān)系,如果D[i]>標(biāo)準(zhǔn)閾值,提示此用戶為未授權(quán)用戶,認(rèn)證結(jié)束;如果D[i]<標(biāo)準(zhǔn)閾值,執(zhí)行步驟3-5。所謂標(biāo)準(zhǔn)閾值,即讓所有已注冊(cè)用戶對(duì)一個(gè)手勢(shì)做10遍動(dòng)作,將所有的匹配結(jié)果的均值作為已注冊(cè)用戶動(dòng)態(tài)手勢(shì)的標(biāo)準(zhǔn)閾值。通過(guò)比較當(dāng)前用戶動(dòng)態(tài)手勢(shì)匹配距離與此閾值的大小,以確定當(dāng)前用戶是否屬于已注冊(cè)用戶。
3-5、判斷D[i]與設(shè)定閾值的大小關(guān)系,如果D[i]<設(shè)定閾值,輸出認(rèn)證的用戶名,匹配成功,如果D[i]>設(shè)定閾值,則認(rèn)證失敗,結(jié)束該次認(rèn)證。所謂設(shè)定閾值,對(duì)每個(gè)注冊(cè)用戶的同一個(gè)動(dòng)態(tài)手勢(shì)采集10個(gè)樣本數(shù)據(jù),并將這10個(gè)樣本分別同模板數(shù)據(jù)庫(kù)中的該手勢(shì)的3個(gè)超級(jí)模板進(jìn)行匹配,取匹配距離的最大值作為該用戶動(dòng)態(tài)手勢(shì)的設(shè)定閾值。通過(guò)比較當(dāng)前動(dòng)態(tài)手勢(shì)匹配距離與此設(shè)定閾值的大小,以排除該用戶異常的動(dòng)態(tài)手勢(shì)動(dòng)作。
本實(shí)施例的進(jìn)行隔空動(dòng)態(tài)手勢(shì)用戶身份認(rèn)證的方法,使用Kinect傳感器獲取數(shù)據(jù),相比傳統(tǒng)生物特征的身份認(rèn)證而言,具有以下優(yōu)勢(shì):首先本實(shí)施例獲取的是全身骨架節(jié)點(diǎn),和人的穿戴,遮擋無(wú)關(guān);其次,本實(shí)施例在無(wú)觸碰的情況完成認(rèn)證,過(guò)程方便,減少污染,降低耗材;在安全性上,使用動(dòng)態(tài)手勢(shì)中隱含的信息進(jìn)行身份認(rèn)證,安全高效。尤其在特定的環(huán)境下,例如:醫(yī)學(xué)的無(wú)菌室的身份驗(yàn)證、半導(dǎo)體生產(chǎn)場(chǎng)地的身份識(shí)別以及體感游戲的身份識(shí)別等等。在這些環(huán)境下,身份識(shí)別需要無(wú)菌的狀態(tài)下,顯然隔空的方式能夠有效地減少細(xì)菌污染,體感游戲中主要是動(dòng)作,所以基于動(dòng)態(tài)手勢(shì)的身份認(rèn)證不僅可以快速、安全的驗(yàn)證用戶身份,而且可以增加用戶的游戲體驗(yàn)。實(shí)驗(yàn)證明,在100個(gè)樣本以內(nèi),左手畫(huà)“V”,右手畫(huà)“0”的FAR為0,F(xiàn)RR為3%,系統(tǒng)的認(rèn)證時(shí)間為2S。
本實(shí)施例進(jìn)行隔空動(dòng)態(tài)手勢(shì)用戶身份認(rèn)證裝置的結(jié)構(gòu)框圖如圖6所示,該裝置包括以下模塊:
采集模塊,用于采集用戶動(dòng)態(tài)手勢(shì)執(zhí)行時(shí)每一幀全身25個(gè)骨節(jié)位置數(shù)據(jù),將這個(gè)數(shù)據(jù)作為樣本數(shù)據(jù);
數(shù)據(jù)預(yù)處理模塊:對(duì)測(cè)試樣本進(jìn)行預(yù)處理,包括歸一化、平滑去噪處理;
超級(jí)模板合成模塊:每個(gè)手勢(shì)輸入9個(gè)普通模板,通過(guò)超級(jí)模板方法合成一個(gè)超級(jí)模板并且每個(gè)手勢(shì)最終合成3個(gè)超級(jí)模板;
用戶身份認(rèn)證模塊:將測(cè)試樣本與超級(jí)模板進(jìn)行DTW匹配,對(duì)匹配結(jié)果進(jìn)行認(rèn)證。
以上示意性的對(duì)本發(fā)明及其實(shí)施方式進(jìn)行了描述,該描述沒(méi)有限制性,附圖中所示的也只是本發(fā)明的實(shí)施方式之一,實(shí)際的結(jié)構(gòu)并不局限于此。所以,如果本領(lǐng)域的普通技術(shù)人員受其啟示,在不脫離本發(fā)明創(chuàng)造宗旨的情況下,不經(jīng)創(chuàng)造性的設(shè)計(jì)出與該技術(shù)方案相似的結(jié)構(gòu)方式及實(shí)施例,均應(yīng)屬于本發(fā)明的保護(hù)范圍。