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P_t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)(P_t-2，P_t-1，P_t，P_t+1，P_t+2)，得到方差：

δ＝max(∑(||p_t-1-p_t||+||p_t-2-p_t-1||),∑(||p_t+1-p_t||+||p_t+2-p_t+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：

w_r＝(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x_i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)，y_j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P_t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)(P_t-2，P_t-1，P_t，P_t+1，P_t+2)，得到方差如公式4：

δ＝max(∑(||p_t-1-p_t||+||p_t-2-p_t-1||),Σ(||p_t+1-p_t||+||p_t+2-p_t+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：

w_r＝(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x_i表示樣本模板第i幀的25個(gè)節(jié)點(diǎn)的位置數(shù)據(jù)，y_j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。