技術(shù)特征：

1.一種基于姿勢變化的手勢行為認證模式的構(gòu)建方法，其特征在于，包括：

從移動終端接收通過其觸摸屏采集的手勢行為數(shù)據(jù)，以及通過所述移動終端的動作傳感器收集的姿勢行為數(shù)據(jù)；

根據(jù)所述手勢行為數(shù)據(jù)計算手勢特征，并根據(jù)所述姿勢行為數(shù)據(jù)計算姿勢特征；

對所述姿勢特征進行聚類，以得到每個姿勢特征的預(yù)測姿勢標簽；

通過所述預(yù)測姿勢標簽將各所述姿勢特征劃分為K組，每組對應(yīng)一個姿勢；

根據(jù)所述手勢行為數(shù)據(jù)對每個姿勢類別分別訓練一個手勢認證子模型，供驗證處于一姿勢下的用戶手勢行為是否合法。

2.根據(jù)權(quán)利要求1所述的方法，其特征在于，所述從移動終端接收通過其觸摸屏采集的手勢行為數(shù)據(jù)、以及通過所述移動終端的動作傳感器收集的姿勢行為數(shù)據(jù)，包括：若用戶使用手勢密碼登錄，則利用手機觸摸屏采集手指位置信息、壓力、接觸面積和時間戳；利用手機的方向傳感器來采集手機屏幕方向信息；用手機加速度傳感器來采集手機加速度信息，作為用戶的姿勢行為數(shù)據(jù)。

3.根據(jù)權(quán)利要求2所述的方法，其特征在于，所述根據(jù)所述手勢行為數(shù)據(jù)計算手勢特征，并根據(jù)所述姿勢行為數(shù)據(jù)計算姿勢特征，包括：

根據(jù)預(yù)設(shè)邏輯從所述姿勢行為數(shù)據(jù)中提取姿勢特征信息和手勢特征信息；

對每個特征都進行特征變換，即對于每個特征x，均使用公式：

(x_i-x_min)/(x_max-x_min)，

進行處理，其中x_i為當前特征，x_min為最小特征，x_max為最大特征；

根據(jù)預(yù)設(shè)邏輯對所述姿勢行為特征信息和所述手勢特征信息進行降維處理，處理得出特征向量；

根據(jù)預(yù)設(shè)向量邏輯將所述姿勢特征信息處理為姿勢特征分向量，將所述手勢特征分向量處理為手勢特征分向量；

計算所述手勢特征分向量和所述姿勢特征分向量，得出特征向量，形成特征向量集，每個所述特征向量對應(yīng)一次手勢密碼輸入。

4.根據(jù)權(quán)利要求1所述的方法，其特征在于，所述對所述姿勢特征進行聚類，以得到每個姿勢特征的預(yù)測姿勢標簽，包括：

根據(jù)所述特征信息，使用輪廓系數(shù)確定簇的個數(shù)K。所述簇與所述姿勢類別一一對應(yīng)；

根據(jù)預(yù)設(shè)邏輯計算得到所述簇的簇中心；

根據(jù)用戶所有特征向量到其所屬的所述簇中心的距離，按照公式：

$threshold=a\×\stackrel{\‾}{d}+b\×\mathrm{var},$

計算閾值threshold，其中為所述距離的平均值，var為所述距離的方差，a∈[1，5]，b∈[1，10]，a，b∈N^*：

根據(jù)Kmeans方法，使用所述閾值threshold確定所述特征向量的所在的所述簇。

5.根據(jù)權(quán)利要求1或4所述的方法，其特征在于，通過所述預(yù)測姿勢標簽將各所述姿勢特征劃分為K組，每組對應(yīng)一個姿勢，包括：

經(jīng)過姿勢聚類得到每個特征向量的預(yù)測姿勢標簽，根據(jù)所述預(yù)測姿勢標簽可以將所述特征向量分為K個姿勢標簽組；

對每個所述姿勢標簽組對應(yīng)的姿勢訓練得到一個手勢認證子模型，所述手勢認證子模型適于判定處于該姿勢下的用戶的手勢行為是否合法。

6.根據(jù)權(quán)利要求4或5所述的方法，其特征在于，所述根據(jù)所述手勢行為數(shù)據(jù)對每個姿勢類別分別訓練一個手勢認證子模型，供驗證處于一姿勢下的用戶手勢行為是否合法，包括：

若有客戶輸入的手勢密碼與預(yù)設(shè)的手勢密碼相同，則使用采集到的行為數(shù)據(jù)計算出姿勢特征和手勢特征，計算姿勢特征到K個簇中心的距離，取其中的最小值；

根據(jù)所述閾值threshold和所述最小值判斷用戶輸入的手勢密碼與預(yù)設(shè)的手勢密碼是否相同；

若所述最小值大于threshold，則認為當前用戶的姿勢不屬于合法用戶的姿勢，判定該用戶非法；

若所述最小值小于或等于threshold，則該最小值對應(yīng)的姿勢為當前用戶的姿勢，判定該用戶合法；

取出該所述姿勢所下的所述手勢判定模型判斷用戶的手勢特征是否匹配；

若是，則判定為合法用戶；

若否，則判定為非法用戶。

7.一種基于基于姿勢變化的手勢行為認證模式的構(gòu)建裝置，其特征在于，用于為傳統(tǒng)技術(shù)中的手勢密碼添加行為認證，包括：數(shù)據(jù)收集模塊、特征信息提取模塊、姿勢聚類模塊、手勢認證子模型訓練模塊和密碼輸入認證模塊；

數(shù)據(jù)收集模塊，用于利用手機觸屏和傳感器收集手勢行為信息；

特征信息提取模塊，用于根據(jù)預(yù)設(shè)邏輯處理所述手勢行為信息，提取出特征信息；

姿勢聚類模塊，用于根據(jù)預(yù)設(shè)聚類邏輯聚類出姿勢類別，所述姿勢類別與不同用戶姿勢一一對應(yīng)；

手勢認證子模型訓練模塊，用于根據(jù)預(yù)設(shè)訓練邏輯訓練出手勢認證子模型，所述手勢認證子模型與所述姿勢標簽組一一對應(yīng)；

密碼輸入認證模塊，用于在用戶輸入密碼時，則根據(jù)預(yù)設(shè)邏輯提取用戶的手勢特征，根據(jù)預(yù)設(shè)比較邏輯對比所述手勢特征與所述手勢認證子模型，得出行為認證結(jié)果。

8.根據(jù)權(quán)利要求7所述的裝置，其特征在于，所述數(shù)據(jù)收集模塊，包括：觸控收集模塊、方向收集模塊和加速度收集模塊；

觸控收集模塊，用于在用戶使用手勢密碼登錄時，則利用手機觸摸屏采集手指位置信息、壓力、接觸面積和時間戳；

方向收集模塊，用于利用手機的方向傳感器來采集手機屏幕方向信息；

加速度收集模塊，用于使用手機加速度傳感器來采集手機加速度信息，作為用戶的姿勢行為數(shù)據(jù)。

9.根據(jù)權(quán)利要求8所述的裝置，其特征在于，所述特征信息提取模塊，包括：特征提取模塊、特征變換模塊、降維處理模塊、分向量計算模塊和向量集模塊；

特征提取模塊，用于根據(jù)預(yù)設(shè)邏輯從所述姿勢行為數(shù)據(jù)中提取姿勢特征信息和手勢特征信息；

特征變換模塊，對每個特征都進行特征變換，即對于每個特征x，均使用公式：

(x_i-x_min)/(x_max-x_min)，

進行處理，其中x_i為當前特征，x_min為最小特征，x_max為最大特征；

降維處理模塊，根據(jù)預(yù)設(shè)邏輯對所述姿勢行為特征信息和所述手勢特征信息進行降維處理；

分向量計算模塊，根據(jù)預(yù)設(shè)向量邏輯將所述姿勢特征信息處理為姿勢特征分向量，將所述手勢特征分向量處理為手勢特征分向量；

向量集模塊，計算所述手勢特征分向量和所述姿勢特征分向量，得出特征向量，形成特征向量集，每個所述特征向量對應(yīng)一次手勢密碼輸入。

10.根據(jù)權(quán)利要求7所述的裝置，其特征在于，所述姿勢聚類模塊，包括：簇個數(shù)確定模塊、簇中心計算模塊、閾值計算模塊、特征向量聚類模塊；

簇個數(shù)確定模塊，用于根據(jù)所述特征信息，使用輪廓系數(shù)確定簇的個數(shù)K。所述簇與所述姿勢類別一一對應(yīng)；

簇中心計算模塊，用于根據(jù)預(yù)設(shè)邏輯計算得到所述簇的簇中心；

閾值計算模塊，用于根據(jù)用戶所有特征向量到其所屬的所述簇中心的距離，按照公式：

$threshold=a\×\stackrel{\‾}{d}+b\×\mathrm{var},$

計算閾值threshold，其中為所述距離的平均值，var為所述距離的方差，a∈[1，5]，b∈[1，10]，a，b∈N^*；

特征向量聚類模塊，用于根據(jù)Kmeans方法，使用所述閾值threshold確定所述特征向量的所在的所述簇。

11.根據(jù)權(quán)利要求7或10所述的裝置，其特征在于，所述手勢認證子模型訓練模塊，包括：標簽?zāi)K和模型訓練模塊；

標簽?zāi)K，用于通過姿勢聚類得到每個特征向量的預(yù)測姿勢標簽，根據(jù)所述預(yù)測姿勢標簽可以將所述特征向量分為K個姿勢標簽組；

模型訓練模塊，用于對每個所述姿勢標簽組對應(yīng)的姿勢訓練得到一個手勢認證子模型，所述手勢認證子模型適于判定處于該姿勢下的用戶的手勢行為是否合法。

12.根據(jù)權(quán)利要求10或11所述的裝置，其特征在于，所述密碼輸入認證模塊，包括：標簽?zāi)K和模型訓練模塊；

最小值計算模塊，用于在輸入的手勢密碼與預(yù)設(shè)的手勢密碼相同時，使用采集到的行為數(shù)據(jù)計算出姿勢特征和手勢特征，計算姿勢特征到K個簇中心的距離，取其中的最小值；

姿勢合法性判斷模塊，用于根據(jù)閾值threshold和所述最小值判斷用戶輸入的手勢密碼與預(yù)設(shè)的手勢密碼是否相同；

非法姿勢判定模塊，用于在所述最小值大于threshold時，認為當前用戶的姿勢不屬于合法用戶的姿勢，判定該用戶非法；

合法姿勢判定模塊，用于在所述最小值小于或等于threshold時，該最小值對應(yīng)的姿勢為當前用戶的姿勢，判定該用戶合法；

手勢合法判斷模塊，用于取出該所述姿勢所對應(yīng)的所述手勢判定模型判斷用戶的手勢特征是否匹配；

合法手勢判定模塊，用于在所述用戶的所述手勢特征與所述手勢判定模型匹配時，判定所屬用戶為合法用戶；

非法手勢判定模塊，用于在所述用戶的所述手勢特征與所述手勢判定模型不匹配時，判定所屬用戶為非法用戶。