CN105512534A - 一种基于脑电波和虹膜及人脸识别的复合鉴证的可自毁式身份识别*** - Google Patents

一种基于脑电波和虹膜及人脸识别的复合鉴证的可自毁式身份识别*** Download PDF

Info

Publication number
CN105512534A
CN105512534A CN201511032173.2A CN201511032173A CN105512534A CN 105512534 A CN105512534 A CN 105512534A CN 201511032173 A CN201511032173 A CN 201511032173A CN 105512534 A CN105512534 A CN 105512534A
Authority
CN
China
Prior art keywords
module
brain wave
face
biological characteristic
iris
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Pending
Application number
CN201511032173.2A
Other languages
English (en)
Inventor
刘建闽
向钰
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Hunan University of Humanities Science and Technology
Original Assignee
Hunan University of Humanities Science and Technology
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Hunan University of Humanities Science and Technology filed Critical Hunan University of Humanities Science and Technology
Priority to CN201511032173.2A priority Critical patent/CN105512534A/zh
Publication of CN105512534A publication Critical patent/CN105512534A/zh
Pending legal-status Critical Current

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F21/00—Security arrangements for protecting computers, components thereof, programs or data against unauthorised activity
    • G06F21/30—Authentication, i.e. establishing the identity or authorisation of security principals
    • G06F21/31—User authentication
    • G06F21/32—User authentication using biometric data, e.g. fingerprints, iris scans or voiceprints

Landscapes

  • Engineering & Computer Science (AREA)
  • Computer Security & Cryptography (AREA)
  • Theoretical Computer Science (AREA)
  • Computer Hardware Design (AREA)
  • Software Systems (AREA)
  • Physics & Mathematics (AREA)
  • General Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Measurement Of The Respiration, Hearing Ability, Form, And Blood Characteristics Of Living Organisms (AREA)

Abstract

本发明涉及一种基于脑电波和虹膜及人脸识别的复合鉴证的可自毁式身份识别***，近年来各种需要高准确性身份识别的高安全性应用场合不断增多，也将独立的人脸识别、虹膜识别技术、脑电波初步识别技术逐渐引入身份识别***中，但是也存在诸如各生物特征使用准确率不高的不足以及单独使用一项生物特征引起的安全问题，迫切需要一种基于脑电波和虹膜及人脸识别的复合鉴证的可自毁式身份识别***在高准确性、高安全性、不损害用户体验的情况下提升安全性；包括可穿戴脑电波测试器件、脑电波特征提取模块、脸部托架、显示屏、虹膜测试模块、人脸识别匹配模块、多生物特征存储模块、身份鉴证识别模块、自毁模块。

Description

一种基于脑电波和虹膜及人脸识别的复合鉴证的可自毁式身份识别***
所属技术领域
本发明涉及一种基于脑电波和虹膜及人脸识别的复合鉴证的可自毁式身份识别***。
背景技术
近年来独立的生物特征技术逐渐被引入身份识别***中，但是也存在诸如各生物特征使用准确率不高的不足以及单独使用一项生物特征引起的安全问题，迫切需要一种基于脑电波和虹膜及人脸识别的复合鉴证的可自毁式身份识别***在高准确性、高安全性的情况下提升安全性，在遭到多次非法鉴权申请时为免泄密还可自毁。
发明内容
本发明所要解决的技术问题是提供一种基于脑电波和虹膜及人脸识别的复合鉴证的可自毁式身份识别***，它适用于对身份识别准确性和安全性要求高的场合。
本发明解决上述技术问题的方案如下：一种基于脑电波和虹膜及人脸识别的复合鉴证的可自毁式身份识别***：包括可穿戴脑电波测试器件(1)、脑电波特征提取模块(2)、脸部托架(3)、显示屏(4)、虹膜测试模块(5)、人脸识别匹配模块(6)、多生物特征存储模块(7)、身份鉴证识别模块(8)、自毁模块(9)，所述的身份鉴证识别模块(8)处于核心，联接所有其他模块；所有模块集成于一块以玻璃为基材的正方体结构内，在玻璃封装基材外以极精细喷枪均匀喷涂银溶液，以确保正方体结构内部的电磁信号辐射不能为外界感知；所有内部模块均以芯片实现，其间不存在任何正方体结构***的电路连接，消除了被非法用户通过电磁信号辐射检测和***电路信号检测被破解的可能；所述的可穿戴脑电波测试器件(1)结构符合人体工学，轻便且容易穿戴，根据人体头部大小具备一定的可收缩性和弹性，反复使用后能快速恢复原形状，内置8个测试干电极传感器，能紧密贴合用户头部8个测试位置，外接地线与可靠接地部件相连，可将背景噪音引入大地，从而可检测到极微弱的脑电波信号；所述的脸部托架(3)符合人体工学，下有支撑柱，上部形状与人脸下颚部生理曲线能够贴合，具有一定的柔韧性以适应不同类型的人脸下颚部，用户将脸部放置于脸部托架(3)上时平视视线与显示屏(4)、虹膜测试模块(5)、人脸识别匹配模块(6)基本平齐；所述的显示屏(4)，上部左侧嵌有虹膜测试模块(5)，上部右测嵌有人脸识别匹配模块(6)，虹膜测试模块(5)含夜视摄像头和红外光源，人脸识别匹配模块(6)含LED光源、Time-of-light光学摄像头、IBMTrueNorth人脸识别芯片；当用户将脸部放置于脸部托架(3)到位之后，人脸识别匹配模块(6)自动启动进行人脸生物特征检测，进行模数转换和数字信号处理后发送给身份鉴证识别模块(8)；身份鉴证识别模块(8)将收到的数据与多生物特征存储模块(7)存储的合法用户人脸生物特征对比，成功匹配后，虹膜测试模块(5)自动启动并检测用户的虹膜生物特征，进行模数转换和数字信号处理后发送给身份鉴证识别模块(8)，身份鉴证识别模块(8)将收到的数据与多生物特征存储模块(7)存储的合法用户虹膜生物特征对比，成功匹配后，依次发送多生物特征存储模块(7)三张预先关联存储的照片到显示屏(4)，每张图片将稳定保持5秒，在图片显示的同时用户应凝视图片，可穿戴脑电波测试器件(1)实时检测用户凝视不同图片时的脑电波，进行模数转换和数字信号处理后通过脑电波特征提取模块(2)提取脑电波特征，将所提取的脑电波生物特征发送给身份鉴证识别模块(8)，身份鉴证识别模块(8)将收到的数据与多生物特征存储模块(7)存储的合法用户脑电波生物特征对比，成功匹配后，身份鉴证识别模块(8)发出身份识别通过信号，若连续5次匹配不成功，自毁模块(9)将启动自毁程序。
在上述技术方案的基础上，本发明还可做如下改进。
在合法用户首次录入多生物特征时，当合法用户将脸部放置于脸部托架(3)到位之后，人脸识别匹配模块(6)自动启动进行人脸生物特征检测，进行模数转换和数字信号处理后发送人脸生物特征数据给多生物特征存储模块(7)存储并标记；然后虹膜测试模块(5)自动启动并检测合法用户的虹膜生物特征，进行模数转换和数字信号处理后发送虹膜生物特征数据给多生物特征存储模块(7)，并与已存储和标记的该合法用户人脸生物特征关联存储；然后身份鉴证识别模块(8)依次发送内部图片库中三张随机的照片到显示屏(2)并发送给多生物特征存储模块(7)，并与已存储和标记的该合法用户人脸生物特征和虹膜生物特征数据关联存储；每张图片将稳定保持5秒，在图片显示的同时合法用户应凝视图片，可穿戴脑电波测试器件(1)实时检测合法用户凝视不同图片时的脑电波，进行模数转换和数字信号处理后通过脑电波特征提取模块(2)提取脑电波特征，并将所提取的脑电波生物特征发送给多生物特征存储模块(7)，并与已存储和标记的该合法用户人脸生物特征和虹膜生物特征数据关联存储。
进一步，所述的自毁模块(9)内含一个小型电阻，启动自毁程序后接通电路，小型电阻开始快速加热，由于封装所有模块的正方体结构以玻璃为基材，加热后玻璃基材内压将快速增大，直至正方体结构碎成大量极小碎片。
所述的可穿戴脑电波测试器件(1)实时检测用户凝视不同图片时的脑电波，进行模数转换和数字信号处理，其模数转换和数字信号处理具体步骤如下：
(1)滤波；
(2)对脑电波模拟信号波形进行区间划分：
S a l l = Σ j = 1 M S j , M = 200
(3)对每个Sj抽样、量化、数字化编码；
(4)经归一化处理后为数据Vj；
并将数据Vj发送给脑电波特征提取模块(2)。
所述的脑电波特征提取模块(2)，接收可穿戴脑电波测试器件(1)发来的数据，并通过事先训练的脑电波生物特征提取模型进行脑电波生物特征提取并发送给身份鉴证识别模块(8)；所述的身份鉴证识别模块(8)采用高通Zeroth芯片，接收脑电波特征提取模块(2)、虹膜测试模块(5)、人脸识别匹配模块(6)发来的生物特征数据，并快速与多生物特征存储模块(7)存储的生物特征数据进行匹配对比，成功后输出身份识别通过信号；脑电波特征提取模块(2)其模型训练的具体步骤如下：
(1)搭建一个由第1到3层为栈式自编码器，第4层为卷积器，第5层为softmax分类识别器的5层网络模型，其中第一层栈式自编码器智能单元设为200个，第二层栈式自编码器智能单元设为50个，第三层栈式自编码器智能单元设为200个；
(2)将标注好身份的脑电波信号输入第一次智能单元，从第1到3层进行前向传播标准算法计算，得到每一层每个智能单元的激活值，然后进行后向传播计算并分别求其偏导可得：
∂ ∂ V j i ( u ) C ( V , d ) = γ 2 V j i ( u ) + ( 1 n Σ j = 1 n ∂ ∂ C j i ( u ) C ( V , d ; x ( j ) , y ( j ) ) )
(3)将第三层智能单元的输出值输入第四层进行卷积运算，由于脑电波信号波形区间划分为200个，故将卷积核设为10×10，卷积后输入第五层；
(4)选择softmax多分类器和多分类支持向量机作为脑电波信号并行分类的双识别器，在双识别器分类识别结果一致时，输出相应分类与原标注身份对比一致则完成一次成功训练；
由于显示屏(4)上显示的多生物特征存储模块(7)依次发送的三张预先关联存储的照片时，每张图片将稳定保持5秒，同一用户凝视同一张图片时所产生的脑电波信号基本是一致的，同一用户在凝视不同图片时产生的脑电波信号是不一致的，并且不同用户凝视同一张图片所产生的脑电波信号也是不一致的，这就使得通过该方式采集的脑电波信号具有极准确的标识性，由于三张图片是在合法用户首次录入多生物特征时随机选择并进行了关联存储，只有在合法用户通过了人脸生物特征识别和虹膜生物特征识别后才能再次依次重现，杜绝了非法用户尝试特定图片破解***的可能性。
附图说明
图1为本发明所述一种基于脑电波和虹膜及人脸识别的复合鉴证的可自毁式身份识别***模块示意图。
附图中，各标号所代表的模块和部件列表如下：
1.可穿戴脑电波测试器件、2.脑电波特征提取模块、3.脸部托架、4.显示屏、5.虹膜测试模块、6.人脸识别匹配模块、7.多生物特征存储模块、8.身份鉴证识别模块、9.自毁模块。
具体实施方式
下面结合实施例附图对本发明的原理和特征作进一步说明，所举实例只用于解释本发明，并非用于限定本发明的范围。
如图1所示，本实施例涉及一种基于脑电波和虹膜及人脸识别的复合鉴证的可自毁式身份识别***，包括可穿戴脑电波测试器件(1)、脑电波特征提取模块(2)、脸部托架(3)、显示屏(4)、虹膜测试模块(5)、人脸识别匹配模块(6)、多生物特征存储模块(7)、身份鉴证识别模块(8)、自毁模块(9)，所述的身份鉴证识别模块(8)处于核心，联接所有其他模块；所有模块集成于一块以玻璃为基材的正方体结构内，在正方体结构玻璃封装基材外以极精细喷枪均匀喷涂银溶液，以确保正方体结构内部的电磁信号辐射不能轻易为外界感知，所有内部模块之间不存在任何正方体结构***的电路连接，消除了被非法用户通过电磁信号辐射检测和***电路信号检测被破解的可能；当用户将脸部放置于脸部托架(3)到位之后，人脸识别匹配模块(6)自动启动进行人脸生物特征检测，进行模数转换和数字信号处理后发送给身份鉴证识别模块(8)；身份鉴证识别模块(8)将收到的数据与多生物特征存储模块(7)存储的合法用户人脸生物特征对比，成功匹配后，虹膜测试模块(5)自动启动并检测用户的虹膜生物特征，进行模数转换和数字信号处理后发送给身份鉴证识别模块(8)，身份鉴证识别模块(8)将收到的数据与多生物特征存储模块(7)存储的合法用户虹膜生物特征对比，成功匹配后，依次发送多生物特征存储模块(7)三张预先关联存储的照片到显示屏(4)，每张图片将稳定保持5秒，在图片显示的同时用户应凝视图片，可穿戴脑电波测试器件(1)实时检测用户凝视不同图片时的脑电波，进行模数转换和数字信号处理后通过脑电波特征提取模块(2)提取脑电波特征，将所提取的脑电波生物特征发送给身份鉴证识别模块(8)，身份鉴证识别模块(8)将收到的数据与多生物特征存储模块(7)存储的合法用户脑电波生物特征对比，成功匹配后，身份鉴证识别模块(8)发出身份识别通过信号，若连续5次匹配不成功，自毁模块(9)将启动自毁程序。
本实施例中，在合法用户首次录入多生物特征时，当合法用户将脸部放置于脸部托架(3)到位之后，人脸识别匹配模块(6)自动启动进行人脸生物特征检测，进行模数转换和数字信号处理后发送人脸生物特征数据给多生物特征存储模块(7)存储并标记；然后虹膜测试模块(5)自动启动并检测合法用户的虹膜生物特征，进行模数转换和数字信号处理后发送虹膜生物特征数据给多生物特征存储模块(7)，并与已存储和标记的该合法用户人脸生物特征关联存储；然后身份鉴证识别模块(8)依次发送内部图片库中三张随机的照片到显示屏(2)并发送给多生物特征存储模块(7)，并与已存储和标记的该合法用户人脸生物特征和虹膜生物特征数据关联存储；每张图片将稳定保持5秒，在图片显示的同时合法用户应凝视图片，可穿戴脑电波测试器件(1)实时检测合法用户凝视不同图片时的脑电波，进行模数转换和数字信号处理后通过脑电波特征提取模块(2)提取脑电波特征，并将所提取的脑电波生物特征发送给多生物特征存储模块(7)，并与已存储和标记的该合法用户人脸生物特征和虹膜生物特征数据关联存储。
本实施例中，所述的自毁模块(9)内含一个小型电阻，启动自毁程序后接通电路，小型电阻开始快速加热，由于封装所有模块的正方体结构以玻璃为基材，加热后玻璃基材内压将快速增大，直至正方体结构碎成大量极小碎片。
本实施例中，所述的可穿戴脑电波测试器件(1)实时检测用户凝视不同图片时的脑电波，进行模数转换和数字信号处理，其模数转换和数字信号处理具体步骤如下：
(1)滤波；
(2)对脑电波模拟信号波形进行区间划分：
S a l l = Σ j = 1 M S j , M = 200
(3)对每个Sj抽样、量化、数字化编码；
(4)经归一化处理后为数据Vj；
并将数据Vj发送给脑电波特征提取模块(2)。
本实施例中，所述的脑电波特征提取模块(2)，接收可穿戴脑电波测试器件(1)发来的数据，并通过事先训练的脑电波生物特征提取模型进行脑电波生物特征提取并发送给身份鉴证识别模块(8)；所述的身份鉴证识别模块(8)采用高通Zeroth芯片，接收脑电波特征提取模块(2)、虹膜测试模块(5)、人脸识别匹配模块(6)发来的生物特征数据，并快速与多生物特征存储模块(7)存储的生物特征数据进行匹配对比，成功后输出身份识别通过信号；脑电波特征提取模块(2)其模型训练的具体步骤如下：
(1)搭建一个由第1到3层为栈式自编码器，第4层为卷积器，第5层为softmax分类识别器的5层网络模型，其中第一层栈式自编码器智能单元设为200个，第二层栈式自编码器智能单元设为50个，第三层栈式自编码器智能单元设为200个；
(2)将标注好身份的脑电波信号输入第一次智能单元，从第1到3层进行前向传播标准算法计算，得到每一层每个智能单元的激活值，然后进行后向传播计算并分别求其偏导可得：
∂ ∂ V j i ( u ) C ( V , d ) = γ 2 V j i ( u ) + ( 1 n Σ j = 1 n ∂ ∂ C j i ( u ) C ( V , d ; x ( j ) , y ( j ) ) )
(3)将第三层智能单元的输出值输入第四层进行卷积运算，由于脑电波信号波形区间划分为200个，故将卷积核设为10×10，卷积后输入第五层；
(4)选择softmax多分类器和多分类支持向量机作为脑电波信号并行分类的双识别器，在双识别器分类识别结果一致时，输出相应分类与原标注身份对比一致则完成一次成功训练，可事先采集十万个不同人的脑电波信号后对模型进行集中批量训练，运算过程可采用GPU加速。
以上所述仅为本发明的较佳实施例，并不用以限制本发明，凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

Claims (5)

1.一种基于脑电波和虹膜及人脸识别的复合鉴证的可自毁式身份识别***，其特征在于：包括可穿戴脑电波测试器件(1)、脑电波特征提取模块(2)、脸部托架(3)、显示屏(4)、虹膜测试模块(5)、人脸识别匹配模块(6)、多生物特征存储模块(7)、身份鉴证识别模块(8)、自毁模块(9)，所述的身份鉴证识别模块(8)处于核心，联接所有其他模块；所有模块集成于一块以玻璃为基材的正方体结构内，在正方体结构玻璃封装基材外以极精细喷枪均匀喷涂银溶液，以确保正方体结构内部的电磁信号辐射不能为外界感知；所有内部模块均以芯片实现，其间不存在任何正方体结构***的电路连接，消除了被非法用户通过电磁信号辐射检测和***电路信号检测被破解的可能。
2.一种基于脑电波和虹膜及人脸识别的复合鉴证的可自毁式身份识别***，其特征在于：所述的可穿戴脑电波测试器件(1)结构符合人体工学，轻便且容易穿戴，根据人体头部大小具备一定的可收缩性和弹性，反复使用后能快速恢复原形状，内置8个测试干电极传感器，能紧密贴合用户头部8个测试位置，外接地线与可靠接地部件相连，可将背景噪音引入大地，从而可检测到极微弱的脑电波信号，原始脑电信号采样率设定为512Hz；所述的脸部托架(3)符合人体工学，下有支撑柱，上部形状与人脸下颚部生理曲线能够贴合，具有一定的柔韧性以适应不同类型的人脸下颚部，用户将脸部放置于脸部托架(3)上时平视视线与显示屏(4)、虹膜测试模块(5)、人脸识别匹配模块(6)基本平齐；所述的显示屏(4)，长20CM，宽17CM，上部左侧嵌有虹膜测试模块(5)，上部右测嵌有人脸识别匹配模块(6)，虹膜测试模块(5)含夜视摄像头和红外光源，人脸识别匹配模块(6)含LED光源、Time-of-light光学摄像头、IBMTrueNorth人脸识别芯片；当用户将脸部放置于脸部托架(3)到位之后，人脸识别匹配模块(6)自动启动进行人脸生物特征检测，进行模数转换和数字信号处理后发送给身份鉴证识别模块(8)；身份鉴证识别模块(8)将收到的数据与多生物特征存储模块(7)存储的合法用户人脸生物特征对比，成功匹配后，虹膜测试模块(5)自动启动并检测用户的虹膜生物特征，进行模数转换和数字信号处理后发送给身份鉴证识别模块(8)，身份鉴证识别模块(8)将收到的数据与多生物特征存储模块(7)存储的合法用户虹膜生物特征对比，成功匹配后，依次发送多生物特征存储模块(7)三张预先关联存储的照片到显示屏(4)，每张图片将稳定保持5秒，在图片显示的同时用户应凝视图片，可穿戴脑电波测试器件(1)实时检测用户凝视不同图片时的脑电波，进行模数转换和数字信号处理后通过脑电波特征提取模块(2)提取脑电波特征，将所提取的脑电波生物特征发送给身份鉴证识别模块(8)，身份鉴证识别模块(8)将收到的数据与多生物特征存储模块(7)存储的合法用户脑电波生物特征对比，成功匹配后，身份鉴证识别模块(8)发出身份识别通过信号，若连续5次匹配不成功，自毁模块(9)将启动自毁程序；在合法用户首次录入多生物特征时，当合法用户将脸部放置于脸部托架(3)到位之后，人脸识别匹配模块(6)自动启动进行人脸生物特征检测，进行模数转换和数字信号处理后发送人脸生物特征数据给多生物特征存储模块(7)存储并标记；然后虹膜测试模块(5)自动启动并检测合法用户的虹膜生物特征，进行模数转换和数字信号处理后发送虹膜生物特征数据给多生物特征存储模块(7)，并与已存储和标记的该合法用户人脸生物特征关联存储；然后身份鉴证识别模块(8)依次发送内部图片库中三张随机的照片到显示屏(4)并发送给多生物特征存储模块(7)，并与已存储和标记的该合法用户人脸生物特征和虹膜生物特征数据关联存储；每张图片将稳定保持5秒，在图片显示的同时合法用户应凝视图片，可穿戴脑电波测试器件(1)实时检测合法用户凝视不同图片时的脑电波，进行模数转换和数字信号处理后通过脑电波特征提取模块(2)提取脑电波特征，并将所提取的脑电波生物特征发送给多生物特征存储模块(7)，并与已存储和标记的该合法用户人脸生物特征和虹膜生物特征数据关联存储。
3.根据权利要求1，所述的一种基于脑电波和虹膜及人脸识别的复合鉴证的可自毁式身份识别***，其特征在于，所述的自毁模块(9)内含一个小型电阻，启动自毁程序后接通电路，小型电阻开始快速加热，由于封装所有模块的正方体结构以玻璃为基材，加热后玻璃基材内压将快速增大，直至正方体结构碎成大量极小碎片。
4.根据权利要求1，所述的一种基于脑电波和虹膜及人脸识别的复合鉴证的可自毁式身份识别***，其特征在于，可穿戴脑电波测试器件(1)实时检测用户凝视不同图片时的脑电波，进行模数转换和数字信号处理，其模数转换和数字信号处理具体步骤如下：
(1)滤波；
(2)对脑电波模拟信号波形进行区间划分：
S a l l = Σ j = 1 M S j , M＝200
(3)对每个Sj抽样、量化、数字化编码；
(4)经归一化处理后为数据Vj；
并将数据Vj发送给脑电波特征提取模块(2)。
5.根据权利要求1，所述的一种基于脑电波和虹膜及人脸识别的复合鉴证的可自毁式身份识别***，其特征在于，所述的脑电波特征提取模块(2)，接收可穿戴脑电波测试器件(1)发来的数据，并通过事先训练的脑电波生物特征提取模型进行脑电波生物特征提取并发送给身份鉴证识别模块(8)；所述的身份鉴证识别模块(8)采用高通Zeroth芯片，接收脑电波特征提取模块(2)、虹膜测试模块(5)、人脸识别匹配模块(6)发来的生物特征数据，并快速与多生物特征存储模块(7)存储的生物特征数据进行匹配对比，成功后输出身份识别通过信号；脑电波特征提取模块(2)其模型训练的具体步骤如下：
(1)搭建一个由第1到3层为栈式自编码器智能单元，第4层为卷积器，第5层为softmax分类识别器和多分类支持向量机识别器并联，第6层为判决器的6层网络模型，其中第一层栈式自编码器智能单元设为200个，第二层栈式自编码器智能单元设为50个，第三层栈式自编码器智能单元设为200个；
(2)将标注好身份的脑电波信号输入第一层栈式自编码器智能单元，从第1到3层进行前向传播标准算法计算，得到每一层每个栈式自编码器智能单元的激活值，然后进行后向传播计算并分别求其偏导可得：
∂ ∂ V i j ( u ) C ( V , d ) = γ 2 V j i ( u ) + ( 1 n Σ j = 1 n ∂ ∂ C j i ( u ) C ( V , d ; x ( j ) , y ( j ) ) )
(3)将第三层栈式自编码器智能单元的输出值输入第四层进行卷积运算，由于脑电波信号波形区间划分为200个，故将卷积核设为10×10，卷积后输入第五层；
(4)第五层选择softmax多分类器和多分类支持向量机识别器作为脑电波信号并行分类的双识别器，并将识别结果输入第6层进行判决运算，双分类识别结果一致时，判决输出相应分类与原标注身份对比一致则完成一次成功训练，可事先采集十万个不同人的脑电波信号后对模型进行集中批量训练，运算过程可采用GPU加速；
由于显示屏(4)上显示的多生物特征存储模块(7)依次发送的三张预先关联存储的照片时，每张图片将稳定保持6秒，同一用户凝视同一张图片时所产生的脑电波信号基本是一致的，同一用户在凝视不同图片时产生的脑电波信号是不一致的，并且不同用户凝视同一张图片所产生的脑电波信号也是不一致的，这就使得通过该方式采集的脑电波信号具有极准确的标识性，由于三张图片是在合法用户首次录入多生物特征时随机选择并进行了关联存储，只有在合法用户通过了人脸生物特征识别和虹膜生物特征识别后才能再次依次重现，杜绝了非法用户尝试特定图片破解***的可能性。
CN201511032173.2A 2015-12-31 2015-12-31 一种基于脑电波和虹膜及人脸识别的复合鉴证的可自毁式身份识别*** Pending CN105512534A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201511032173.2A CN105512534A (zh) 2015-12-31 2015-12-31 一种基于脑电波和虹膜及人脸识别的复合鉴证的可自毁式身份识别***

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201511032173.2A CN105512534A (zh) 2015-12-31 2015-12-31 一种基于脑电波和虹膜及人脸识别的复合鉴证的可自毁式身份识别***

Publications (1)

Publication Number Publication Date
CN105512534A true CN105512534A (zh) 2016-04-20

Family

ID=55720509

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201511032173.2A Pending CN105512534A (zh) 2015-12-31 2015-12-31 一种基于脑电波和虹膜及人脸识别的复合鉴证的可自毁式身份识别***

Country Status (1)

Country Link
CN (1) CN105512534A (zh)

Cited By (13)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108108603A (zh) * 2017-12-04 2018-06-01 阿里巴巴集团控股有限公司 登录方法及装置和电子设备
CN108256629A (zh) * 2018-01-17 2018-07-06 厦门大学 基于卷积网络和自编码的eeg信号无监督特征学习方法
CN108304073A (zh) * 2018-02-11 2018-07-20 广东欧珀移动通信有限公司 电子装置、解锁控制方法及相关产品
CN108334766A (zh) * 2018-02-13 2018-07-27 广东欧珀移动通信有限公司 电子装置、解锁方法及相关产品
CN108415564A (zh) * 2018-02-26 2018-08-17 广东欧珀移动通信有限公司 电子装置、设备控制方法及相关产品
CN108491699A (zh) * 2018-03-01 2018-09-04 广东欧珀移动通信有限公司 电子装置、脑电波解锁方法及相关产品
CN108563423A (zh) * 2018-04-17 2018-09-21 济南浪潮高新科技投资发展有限公司 一种随机种子的生成装置及方法
CN108959895A (zh) * 2018-08-16 2018-12-07 广东工业大学 一种基于卷积神经网络的脑电信号eeg身份识别方法
CN109271961A (zh) * 2018-10-09 2019-01-25 成都阳帆网络科技有限公司 基于人物身份特征识别的行为模式判断方法
CN109614844A (zh) * 2018-10-16 2019-04-12 阿里巴巴集团控股有限公司 一种链路验证方法、装置及设备
CN109964226A (zh) * 2016-11-16 2019-07-02 三星电子株式会社 电子装置及其控制方法
CN111338482A (zh) * 2020-03-04 2020-06-26 太原理工大学 一种基于监督自编码的脑控字符拼写识别方法及***
CN116756785A (zh) * 2023-08-16 2023-09-15 中国兵器装备集团兵器装备研究所 一种智能终端***的自毁方法和***

Cited By (21)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109964226A (zh) * 2016-11-16 2019-07-02 三星电子株式会社 电子装置及其控制方法
US11435826B2 (en) 2016-11-16 2022-09-06 Samsung Electronics Co., Ltd. Electronic device and control method thereof
CN108108603A (zh) * 2017-12-04 2018-06-01 阿里巴巴集团控股有限公司 登录方法及装置和电子设备
US11132430B2 (en) 2017-12-04 2021-09-28 Advanced New Technologies Co., Ltd. Login method and apparatus and electronic device
CN108256629A (zh) * 2018-01-17 2018-07-06 厦门大学 基于卷积网络和自编码的eeg信号无监督特征学习方法
CN108256629B (zh) * 2018-01-17 2020-10-23 厦门大学 基于卷积网络和自编码的eeg信号无监督特征学习方法
CN108304073A (zh) * 2018-02-11 2018-07-20 广东欧珀移动通信有限公司 电子装置、解锁控制方法及相关产品
CN108334766A (zh) * 2018-02-13 2018-07-27 广东欧珀移动通信有限公司 电子装置、解锁方法及相关产品
CN108334766B (zh) * 2018-02-13 2019-09-17 Oppo广东移动通信有限公司 电子装置、解锁方法及相关产品
CN108415564A (zh) * 2018-02-26 2018-08-17 广东欧珀移动通信有限公司 电子装置、设备控制方法及相关产品
CN108491699A (zh) * 2018-03-01 2018-09-04 广东欧珀移动通信有限公司 电子装置、脑电波解锁方法及相关产品
CN108491699B (zh) * 2018-03-01 2020-09-22 Oppo广东移动通信有限公司 电子装置、脑电波解锁方法及相关产品
CN108563423A (zh) * 2018-04-17 2018-09-21 济南浪潮高新科技投资发展有限公司 一种随机种子的生成装置及方法
CN108959895A (zh) * 2018-08-16 2018-12-07 广东工业大学 一种基于卷积神经网络的脑电信号eeg身份识别方法
CN109271961A (zh) * 2018-10-09 2019-01-25 成都阳帆网络科技有限公司 基于人物身份特征识别的行为模式判断方法
CN109271961B (zh) * 2018-10-09 2021-02-02 成都阳帆网络科技有限公司 基于人物身份特征识别的行为模式判断方法
CN109614844A (zh) * 2018-10-16 2019-04-12 阿里巴巴集团控股有限公司 一种链路验证方法、装置及设备
CN109614844B (zh) * 2018-10-16 2023-01-24 创新先进技术有限公司 一种链路验证方法、装置及设备
CN111338482A (zh) * 2020-03-04 2020-06-26 太原理工大学 一种基于监督自编码的脑控字符拼写识别方法及***
CN116756785A (zh) * 2023-08-16 2023-09-15 中国兵器装备集团兵器装备研究所 一种智能终端***的自毁方法和***
CN116756785B (zh) * 2023-08-16 2023-11-10 中国兵器装备集团兵器装备研究所 一种智能终端***的自毁方法和***

Similar Documents

Publication Publication Date Title
CN105512534A (zh) 一种基于脑电波和虹膜及人脸识别的复合鉴证的可自毁式身份识别***
CN108960207A (zh) 一种图像识别的方法、***及相关组件
CN105389549A (zh) 基于人体动作特征的对象识别方法及装置
CN109919031A (zh) 一种基于深度神经网络的人体行为识别方法
CN108304917A (zh) 一种基于lstm网络的p300信号检测方法
CN109176512A (zh) 一种体感控制机器人的方法、机器人及控制装置
CN110188701A (zh) 基于人体关键节点预测的服饰识别方法、***及终端
CN101642374A (zh) 疲劳检测装置及方法
CN108960182A (zh) 一种基于深度学习的p300事件相关电位分类识别方法
CN106355140B (zh) 车辆检测的方法及装置
CN108108662A (zh) 深度神经网络识别模型及识别方法
CN110610158A (zh) 一种基于卷积和门控循环神经网络的人体姿态识别方法及***
CN105046882B (zh) 摔倒检测方法以及装置
CN109255296A (zh) 一种基于深度卷积神经网络的日常人体行为识别方法
WO2023279785A1 (zh) 人岗匹配检测方法、装置、计算机设备及存储介质
CN109522775A (zh) 人脸属性检测方法、装置及电子设备
CN109858337A (zh) 一种基于瞳孔信息的人脸识别方法、***和设备
CN107016396A (zh) 一种装配连接件图像特征深度学习与识别方法
CN106650707A (zh) 一种指静脉加指纹混合型身份认证装置及方法
CN106503517A (zh) 一种基于虚拟现实头盔脑纹采集的安全认证***
CN105590011B (zh) 一种基于脉搏回归模型的心电信号数据修正方法及***
CN108845435A (zh) 一种智能控制视力矫正设备及其矫正方法
CN108958482A (zh) 一种基于卷积神经网络的相似性动作识别装置及方法
CN108937905A (zh) 一种基于信号拟合的非接触式心率检测方法
CN100365644C (zh) 身份识别和鉴定方法

Legal Events

Date Code Title Description
C06 Publication
PB01 Publication
WD01 Invention patent application deemed withdrawn after publication
WD01 Invention patent application deemed withdrawn after publication

Application publication date: 20160420