CN108960151A - 一种基于人体运动信息的手机机主身份识别方法 - Google Patents
一种基于人体运动信息的手机机主身份识别方法 Download PDFInfo
- Publication number
- CN108960151A CN108960151A CN201810735530.9A CN201810735530A CN108960151A CN 108960151 A CN108960151 A CN 108960151A CN 201810735530 A CN201810735530 A CN 201810735530A CN 108960151 A CN108960151 A CN 108960151A
- Authority
- CN
- China
- Prior art keywords
- owner
- mobile phone
- motion
- scatterplot
- data
- 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
Links
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
- G06V40/20—Movements or behaviour, e.g. gesture recognition
- G06V40/23—Recognition of whole body movements, e.g. for sport training
-
- 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)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Computer Security & Cryptography (AREA)
- General Physics & Mathematics (AREA)
- Psychiatry (AREA)
- Human Computer Interaction (AREA)
- Social Psychology (AREA)
- Health & Medical Sciences (AREA)
- Multimedia (AREA)
- General Health & Medical Sciences (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Computer Hardware Design (AREA)
- Software Systems (AREA)
- General Engineering & Computer Science (AREA)
- Telephone Function (AREA)
Abstract
本发明提供了一种基于人体运动信息的手机机主身份识别方法,涉及移动终端信息安全领域,利用手机中三轴加速度传感器对人体运动特征信息进行提取和处理,并建立机主自身的数据基准,通过对手机持有人和基准数据的对比实现身份识别,对非机主持有人,立即锁定手机屏幕,并且向手机机主发送电子邮件报警。本发明可以确保机主个人信息和财产安全,将发力方向纳入计算范围,使得运动模式识别的精度较高,此外,使用球面数据分布可以很好的避免手机朝向不同的问题,计算结果更为可靠。
Description
技术领域
本发明涉及移动终端信息安全领域,尤其是一种身份识别方法,通过对手机持有人的运动信息采集和识别,确认手机持有人是否为机主,能够在非机主持有手机的情况下确保机主个人信息和财产安全。
背景技术
基于人体运动信息的身份识别方法也称为步态识别,属于一种生物特征识别技术,与指纹、虹膜等生物特征识别技术相比,步态识别具有非接触性、非侵犯性、难以隐藏和伪装等优点,成为生物特征识别技术的研究热点。在智能手机普及的今天,人们在工作和生活中越来越离不开手机,通过手机可以实现电子支付和个人财产管理。由于手机中存储了大量的个人信息,一旦手机丢失将会造成机主个人信息泄露,带来难以挽回的损失。
在智能手机中配置有电容式芯片速度传感器,这是一种三轴加速度传感器,通过三轴加速度传感器可以实现手机的定位、导航、测量等功能,三轴是指有X、Y、Z三个轴向,X轴与手机屏幕左右方向(手机窄边)平行,向右为正;Y轴与屏幕上下方向(手机长边)平行,向上为正;Z轴与屏幕正对方向平行,屏幕正对方向为正。三轴加速度传感器简称为加速度传感器。
人体在做规律性运动时都呈现出显著的个人特征,如腿部周期性摆动、腰部的扭动、肩部的晃动等,这些个人特征可以作为识别人体步态的主要特征。早期的相关研究都是基于环境传感器的,其中通过图像获取步态特征的方式最为流行,即在人体活动环境中部署多个摄像头,从视频和图像数据中提取有意义的、对行为理解起关键作用的步态信息,进而解析出其中包含的个人特征信息。这种人体步态识别方法具有交互自然、提取的特征信息丰富且在小环境中易于部署等优点,但是在实际应用中也存在一些局限性,如光照条件、对象位置、场地大小、气温和湿度等均会影响识别精度和验证结果,同时也无法在没有部署摄像头的环境以及特殊环境(如手机)中应用。
发明内容
为了克服现有技术的不足,本发明提出了一种手机机主身份识别方法,利用手机中三轴加速度传感器对人体运动特征信息进行提取和处理,实现对手机持有人的身份进行识别和认证,对非机主持有人,立即锁定手机屏幕,并且向手机机主发送电子邮件报警,避免因手机丢失给机主造成个人信息泄露以及财产方面的损失。由于本发明是利用手机自带的传感器来实现,不需要额外配置硬件,具有实现成本低、不受环境影响、识别率高等特点。
本发明解决其技术问题所采用的技术方案的详细步骤如下:
步骤1:建立机主运动模型
建立机主的运动模型,机主运动模型建立步骤如下:
步骤1.1:运动信息采集
利用手机加速度传感器采集机主的运动信息,运动信息采集分为室内和室外两种环境;
(1)室外运动信息采集:机主进行行走、跑步、跳跃和骑车,采集运动数据,具体采集如下:
手机分别放置于腰带上的腰包中,裤子前侧口袋中以及胸前口袋中,手机机主进行如下运动:步行50米,快走50米,逆向行走50米,跑步100米,正步走45秒,原地跳45秒,骑车100米;
(2)室内运动信息采集:机主进行步行、上下楼梯、乘坐电梯和静坐,采集运动数据,具体采集如下:
手机分别放置于腰带上的腰包中、裤子前侧口袋中以及胸前口袋中,手机机主进行上楼梯、下楼梯、静坐和乘坐直梯4种活动,每个活动在十个周期以上,上下楼梯需二十级台阶以上;
将数据采集期间获取的运动数据保存在手机中;
步骤1.2:机主运动模型建立
机主运动模型使用特征数据来描述,其特征数据包括采样率、峰值、波长、力度和方向,使之能够与他人做同类运动时相区分,具体建模步骤如下:
(1)确定运动分段范围
对手机加速度传感器所获取的数据进行取模运算,取模公式为),其中x,y,z分别为当前状态的加速度计在X轴、Y轴和Z轴的加速度值,其中M为向量的模,X轴为手机屏幕的窄边平行方向,向右为正,Y轴为手机屏幕的宽边平行方向,向上为正,Z轴垂直于屏幕方向,垂直屏幕且远离屏幕的方向为正,由此得到一条代表用户运动时的发力大小的曲线图,曲线图横轴为采样点的顺序编号,纵轴为获取的加速度值,根据曲线特征得到峰值和周期,使用滑动平均算法去噪声求出峰值数据,而后取大于3个波峰的峰值,并二次计算出平均周期,从而确定运动的周期性波动范围;
(2)数据归一化
将步骤1.1中各个运动数据的曲线图的波长进行平均运算完成波长归一化,对运动数据中的加速度数据进行插值或删除,具体为定义每个周期内极大值和极小值的横坐标为锚点,从而确定一个周期内的子区间,根据落入子区间内采样点数量的均值来确定对点进行***或者删除,即***采样点或删除采样点后每个周期内采样点的数目均相同,且***点或删除点的位置皆位于曲线图波峰左侧或波谷左侧;
(3)确定发力方向及变化
将一个运动周期内的数据点进行标准化,标准化公式为其中分别为标准化后的坐标,使所有的数据点都分布于半径为1的单位球体曲面上,并按照采样时间先后进行由红到紫的渐变色着色,即以RGB配色,数据分布由(220,60,60)、(220,220,60)、(60,220,60)、(60,220,220)、(60,60,220)、(220,60,220)平均分布,形成若干散点,而后将球面上的所有散点取散点平均值,散点平均值为每个周期内按照采样时间顺序依次将散点与其他周期内所有相同采样时间顺序的散点进行平均,即可得到每个采样时间顺序的散点平均值,单位球体的球心与位于球面上的散点平均值之间形成连线,且以此连线为中心在球面上以球心度为5°旋转形成散点圆,散点平均值的向量方向即为当前散点的发力方向,即机主在运动周期内的发力方向;
(4)确定机主运动状态参数值
根据机主运动模型确定机主分别在散步、行走、快走、跑步、跳跃、骑车、乘电梯、休息运动状态的参数值,形成机主的运动模式,作为识别机主的基本依据;
步骤2:当前持有人身份识别
步骤2.1:运动信息采集
利用手机加速度传感器周期性采集当前持有人的运动信息;
步骤2.2:持有人运动模型建立
从采集的当前持有人运动信息中提取其特征信息,建立当前持有人运动模型,确定持有人的运动状态参数,其步骤与步骤1中机主运动模型建立步骤相同;
步骤2.3:持有人身份识别
将持有人运动状态参数值与机主运动状态参数值进行对比,首先判断手机持有人当前的运动状态,然后再与预先保存的机主运动模型相比较,即计算每个散点与对应采样时间顺序的散点平均值间的距离,如果运动状态参数值或相应运动模式的数据值在5个运动周期内落在对应采样时间顺序的散点圆之内的散点个数大于总散点个数的90%,则认为当前持有人为机主,否则为非机主,并进入步骤2.4;
步骤2.4:手机安全保护
如果当前持有人被识别为非机主,则立即锁定手机屏幕,同时向手机机主发送电子邮件报警,报警信息中包含利用手机定位***所确定的当前持有人的地理位置。
本发明的有益效果是基于本方法开发对应的手机APP软件并运行在智能手机上,在非机主持有手机的情况下,可以确保机主个人信息和财产安全。现有的可穿戴用传感器进行步态识别只能根据发力大小进行步态识别,由于在计算发力大小的取模运算时,发力方向数据被抛弃,所以容易导致精度较低。本发明将发力方向纳入计算范围,使得运动模式识别的精度较高,此外,使用球面数据分布可以很好的避免手机朝向不同的问题,计算结果更为可靠。
附图说明
图1是某用户行走的单周期运动数据波形图。
图2是滑动平均算法前后运动波形差异图
图3是单用户行走的多周运动数据叠加波形图。
图4是单周期内数据点在单位半径上的球体表面分布图。
图5是不同用户行走模式波形图。
图6是同一用户不同运动模式波形图。
具体实施方式
下面结合附图和实施例对本发明进一步说明。
步骤1:建立机主运动模型
建立机主的运动模型,以便以后与持有人的运动模型相比较,对持有人的身份进行识别和认证,确定该持有人是否为机主;机主运动模型建立步骤如下:
步骤1.1:运动信息采集
利用手机加速度传感器采集机主的运动信息,运动信息采集分为室内和室外两种环境;
(1)室外运动信息采集:机主进行行走、跑步、跳跃和骑车,采集运动数据,具体采集如下:
手机分别放置于腰带上的腰包中,裤子前侧口袋中以及胸前口袋中,手机机主进行如下运动:步行50米,快走50米,逆向行走50米,跑步100米,正步走45秒,原地跳45秒,骑车100米;
(2)室内运动信息采集:机主进行步行、上下楼梯、乘坐电梯和静坐,采集运动数据,具体采集如下:
手机分别放置于腰带上的腰包中、裤子前侧口袋中以及胸前口袋中,手机机主进行上楼梯、下楼梯、静坐和乘坐直梯4种活动,每个活动在十个周期以上,上下楼梯需二十级台阶以上;
将数据采集期间获取的运动数据保存在手机中;
步骤1.2:机主运动模型建立
机主运动模型使用特征数据来描述,其特征数据包括采样率、峰值、波长、力度和方向,使之能够与其他人做同类运动时相区分,具体建模步骤如下:
(1)确定运动分段范围
对手机加速度传感器所获取的数据进行取模运算,取模公式为),其中x,y,z分别为当前状态的加速度计在X轴、Y轴和Z轴的加速度值,其中M为向量的模,X轴为手机屏幕的窄边平行方向,向右为正,Y轴为手机屏幕的宽边平行方向,向上为正,Z轴垂直于屏幕方向,垂直屏幕且远离屏幕的方向为正,由此得到一条代表用户运动时的发力大小的曲线图,具体形态如图1所示,图1表示的是运动数据波形,按照时间先后顺序排列的采样点数值,横轴为截取的采样点的顺序编号,纵轴为获取的加速度值,由于不同型号的手机使用的加速度计不同,只考虑数值的波形的相对变化,对数据单位并没有要求。图1为用户单周期行走数据波形图,红绿蓝为xyz三轴加速度数据,黄色为取模后的数据,根据曲线特征得到其力度的峰值和发力周期,使用滑动平均算法去噪声求出峰值数据,而后取大于3个波峰的峰值,并二次计算出平均周期,从而确定运动的周期性波动范围;
(2)数据归一化
将步骤1.1中各个运动数据的曲线图的波长进行平均运算完成波长归一化,对运动数据中的加速度数据进行插值或删除,具体为定义每个周期内极大值和极小值的横坐标为锚点,从而确定一个周期内的子区间,根据落入子区间内采样点数量的均值来确定对点进行***或者删除,即***采样点或删除采样点后每个周期内采样点的数目均相同,且***点或删除点的位置皆位于曲线图波峰左侧或波谷左侧,以确保每一段运动数据的波长相同;
(3)确定发力方向及变化
将一个运动周期内的数据点进行标准化,标准化公式为其中分别为标准化后的坐标,使所有的数据点都分布于半径为1的单位球体曲面上,并按照采样时间先后进行由红到紫的渐变色着色,即以RGB配色,数据分布由(220,60,60)、(220,220,60)、(60,220,60)、(60,220,220)、(60,60,220)、(220,60,220)平均分布,形成若干散点,而后将球面上的所有散点取散点平均值,散点平均值为每个周期内按照采样时间顺序依次将散点与其他周期内所有相同采样时间顺序的散点进行平均,即可得到每个采样时间顺序的散点平均值,单位球体的球心与位于球面上的散点平均值之间形成连线,且以此连线为中心在球面上以球心度为5°旋转形成散点圆,散点平均值的向量方向即为当前散点的发力方向,即机主在运动周期内的发力方向;
(4)确定机主运动状态参数值
根据机主运动模型确定机主分别在散步、行走、快走、跑步、跳跃、骑车、乘电梯、休息运动状态的参数值,形成机主的运动模式,作为识别机主的基本依据;
步骤2:当前持有人身份识别
步骤2.1:运动信息采集
利用手机加速度传感器周期性采集当前持有人的运动信息;
步骤2.2:持有人运动模型建立
从采集的当前持有人运动信息中提取其特征信息,建立当前持有人运动模型,确定持有人的运动状态参数,其步骤与步骤1中机主运动模型建立步骤相同;
步骤2.3:持有人身份识别
将持有人运动状态参数值与机主运动状态参数值进行对比,首先判断手机持有人当前的运动状态,然后再与预先保存的机主运动模型相比较,即计算每个散点与对应采样时间顺序的散点平均值间的距离,如果运动状态参数值或相应运动模式的数据值在5个运动周期内落在对应采样时间顺序的散点圆之内的散点个数大于总散点个数的90%,则认为当前持有人为机主,否则为非机主,并进入步骤2.4;
步骤2.4:手机安全保护
如果当前持有人被识别为非机主,则立即锁定手机屏幕,对手机进行安全保护,同时向手机机主发送电子邮件报警,报警信息中包含了利用手机定位***所确定的当前持有人的地理位置。
本发明所涉及的基本概念如下:
1.手机机主和持有人
手机机主是指手机所有人,在正常情况下也是手机持有人。手机持有人是指当前持有手机的人,可能是机主,也可能是非机主。对于非机主持有手机(如手机被盗、丢失等情况),则有可能会造成机主个人信息泄露以及财产损失。
2.手机持有人运动信息
一条手机持有人运动信息由如下几个部分组成:
(1)三轴加速度数据。从手机加速度传感器中读取的实时运动数据,其中与手机屏幕左右方向为X轴,向右为正;上下方向为Y轴,向上为正;垂直于屏幕方向为Z轴,垂直屏幕向外的方向为正向。
(2)采样率。手机加速度传感器采集数据的频率,通常为60次/秒。
(3)机主身体特征信息。手机中保存的机主年龄、性别、身高、体重等身体特征信息。
(4)持有人运动状态。从实时运动数据中提取的机主上下楼梯、跑步、散步、步行、骑车、快走、乘电梯、放松以及打电话等运动信息,用来描述持有人的运动状态。
(5)手机所在位置信息。手机持有人运动时手机所处的位置,手机可以放置在腰包、裤子口袋和上衣口袋中。
本发明通过开发手机APP来实施,也可通过在已有应用中设置插件来实施。手机APP提供一个用户界面进行***管理,其主要功能如下:
1.机主注册。机主注册一个用户名和密码,设置有关个人信息,包括年龄、性别、身高、体重和邮箱。
2.机主运动信息采集。APP启动后,手机机主正常持有手机即可采集大部分运动状态信息,保存在预置对应的运动模型中。对于一些不常出现的运动模式,机主可以根据用户界面的提示,做指定的运动,包括室内和室外两种环境的运动,当采集到足够的运动信息后,***提示机主运动模型建立完成。
3.当前持有人运动采集和建模。***进入正常运行状态后,实时采集当前持有人的运动信息并建模,如果发现当前持有人运动模式与机主运动模式的匹配度低于90%,则进入手机保护状态。
4.手机保护与报警,在手机保护状态下,首先锁定手机屏幕,然后提取当前持有人的位置信息,每隔一段时间向机主预设邮箱发送报警邮件。
Claims (1)
1.一种基于人体运动信息的手机机主身份识别方法,其特征在于包括下述步骤:
步骤1:建立机主运动模型
建立机主的运动模型,机主运动模型建立步骤如下:
步骤1.1:运动信息采集
利用手机加速度传感器采集机主的运动信息,运动信息采集分为室内和室外两种环境;
(1)室外运动信息采集:机主进行行走、跑步、跳跃和骑车,采集运动数据,具体采集如下:
手机分别放置于腰带上的腰包中,裤子前侧口袋中以及胸前口袋中,手机机主进行如下运动:步行50米,快走50米,逆向行走50米,跑步100米,正步走45秒,原地跳45秒,骑车100米;
(2)室内运动信息采集:机主进行步行、上下楼梯、乘坐电梯和静坐,采集运动数据,具体采集如下:
手机分别放置于腰带上的腰包中、裤子前侧口袋中以及胸前口袋中,手机机主进行上楼梯、下楼梯、静坐和乘坐直梯4种活动,每个活动在十个周期以上,上下楼梯需二十级台阶以上;
将数据采集期间获取的运动数据保存在手机中;
步骤1.2:机主运动模型建立
机主运动模型使用特征数据来描述,其特征数据包括采样率、峰值、波长、力度和方向,使之能够与他人做同类运动时相区分,具体建模步骤如下:
(1)确定运动分段范围
对手机加速度传感器所获取的数据进行取模运算,取模公式为其中x,y,z分别为当前状态的加速度计在X轴、Y轴和Z轴的加速度值,其中M为向量的模,X轴为手机屏幕的窄边平行方向,向右为正,Y轴为手机屏幕的宽边平行方向,向上为正,Z轴垂直于屏幕方向,垂直屏幕且远离屏幕的方向为正,由此得到一条代表用户运动时的发力大小的曲线图,曲线图横轴为采样点的顺序编号,纵轴为获取的加速度值,根据曲线特征得到峰值和周期,使用滑动平均算法去噪声求出峰值数据,而后取大于3个波峰的峰值,并二次计算出平均周期,从而确定运动的周期性波动范围;
(2)数据归一化
将步骤1.1中各个运动数据的曲线图的波长进行平均运算完成波长归一化,对运动数据中的加速度数据进行插值或删除,具体为定义每个周期内极大值和极小值的横坐标为锚点,从而确定一个周期内的子区间,根据落入子区间内采样点数量的均值来确定对点进行***或者删除,即***采样点或删除采样点后每个周期内采样点的数目均相同,且***点或删除点的位置皆位于曲线图波峰左侧或波谷左侧;
(3)确定发力方向及变化
将一个运动周期内的数据点进行标准化,标准化公式为其中分别为标准化后的坐标,使所有的数据点都分布于半径为1的单位球体曲面上,并按照采样时间先后进行由红到紫的渐变色着色,即以RGB配色,数据分布由(220,60,60)、(220,220,60)、(60,220,60)、(60,220,220)、(60,60,220)、(220,60,220)平均分布,形成若干散点,而后将球面上的所有散点取散点平均值,散点平均值为每个周期内按照采样时间顺序依次将散点与其他周期内所有相同采样时间顺序的散点进行平均,即可得到每个采样时间顺序的散点平均值,单位球体的球心与位于球面上的散点平均值之间形成连线,且以此连线为中心在球面上以球心度为5°旋转形成散点圆,散点平均值的向量方向即为当前散点的发力方向,即机主在运动周期内的发力方向;
(4)确定机主运动状态参数值
根据机主运动模型确定机主分别在散步、行走、快走、跑步、跳跃、骑车、乘电梯、休息运动状态的参数值,形成机主的运动模式,作为识别机主的基本依据;
步骤2:当前持有人身份识别
步骤2.1:运动信息采集
利用手机加速度传感器周期性采集当前持有人的运动信息;
步骤2.2:持有人运动模型建立
从采集的当前持有人运动信息中提取其特征信息,建立当前持有人运动模型,确定持有人的运动状态参数,其步骤与步骤1中机主运动模型建立步骤相同;
步骤2.3:持有人身份识别
将持有人运动状态参数值与机主运动状态参数值进行对比,首先判断手机持有人当前的运动状态,然后再与预先保存的机主运动模型相比较,即计算每个散点与对应采样时间顺序的散点平均值间的距离,如果运动状态参数值或相应运动模式的数据值在5个运动周期内落在对应采样时间顺序的散点圆之内的散点个数大于总散点个数的90%,则认为当前持有人为机主,否则为非机主,并进入步骤2.4;
步骤2.4:手机安全保护
如果当前持有人被识别为非机主,则立即锁定手机屏幕,同时向手机机主发送电子邮件报警,报警信息中包含利用手机定位***所确定的当前持有人的地理位置。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810735530.9A CN108960151A (zh) | 2018-07-06 | 2018-07-06 | 一种基于人体运动信息的手机机主身份识别方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810735530.9A CN108960151A (zh) | 2018-07-06 | 2018-07-06 | 一种基于人体运动信息的手机机主身份识别方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN108960151A true CN108960151A (zh) | 2018-12-07 |
Family
ID=64484253
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810735530.9A Pending CN108960151A (zh) | 2018-07-06 | 2018-07-06 | 一种基于人体运动信息的手机机主身份识别方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN108960151A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110674801A (zh) * | 2019-12-04 | 2020-01-10 | 展讯通信(上海)有限公司 | 基于加速度计识别用户运动模式的方法、装置及电子设备 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103925929A (zh) * | 2013-01-14 | 2014-07-16 | 北京中交兴路信息科技有限公司 | 一种移动目标运动距离统计方法和装置 |
CN105354465A (zh) * | 2015-10-27 | 2016-02-24 | 上海斐讯数据通信技术有限公司 | 一种应用安全的实现方法、***及移动终端 |
-
2018
- 2018-07-06 CN CN201810735530.9A patent/CN108960151A/zh active Pending
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103925929A (zh) * | 2013-01-14 | 2014-07-16 | 北京中交兴路信息科技有限公司 | 一种移动目标运动距离统计方法和装置 |
CN105354465A (zh) * | 2015-10-27 | 2016-02-24 | 上海斐讯数据通信技术有限公司 | 一种应用安全的实现方法、***及移动终端 |
Non-Patent Citations (1)
Title |
---|
李勇谋: "基于智能手机的活动识别和身份识别技术研究", 《中国优秀硕士学位论文全文数据库 信息科技辑》 * |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110674801A (zh) * | 2019-12-04 | 2020-01-10 | 展讯通信(上海)有限公司 | 基于加速度计识别用户运动模式的方法、装置及电子设备 |
CN110674801B (zh) * | 2019-12-04 | 2020-03-20 | 展讯通信(上海)有限公司 | 基于加速度计识别用户运动模式的方法、装置及电子设备 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Nickel et al. | Authentication of smartphone users based on the way they walk using k-NN algorithm | |
Coskun et al. | Phone position/placement detection using accelerometer: Impact on activity recognition | |
Sun et al. | Accelerometer-based speed-adaptive gait authentication method for wearable IoT devices | |
CN108109336B (zh) | 一种基于加速度传感器的人体跌倒识别方法 | |
Muaaz et al. | Influence of different walking speeds and surfaces on accelerometer-based biometric gait recognition | |
Gu et al. | Wifi-assisted human activity recognition | |
Tang et al. | An empirical evaluation of activities and classifiers for user identification on smartphones | |
KR102081245B1 (ko) | 사용자가 휴대하는 휴대용 전자 장치의 정보 결정 | |
CN107358248B (zh) | 一种提高跌倒检测***精度的方法 | |
Sun et al. | Physical activity monitoring with mobile phones | |
Peng et al. | Indoor floor plan construction through sensing data collected from smartphones | |
Guo et al. | OpenSesame: Unlocking smart phone through handshaking biometrics | |
CN107270889A (zh) | 一种基于地磁图谱的室内定位方法及定位*** | |
Azimi et al. | Fast decentralized power capping for server clusters | |
CN108960151A (zh) | 一种基于人体运动信息的手机机主身份识别方法 | |
CN107169334B (zh) | 用于手部可穿戴设备的基于直拳动作检测的用户认证方法 | |
KR20200130234A (ko) | 카메라 모듈 및 무선통신 장치를 활용하여 이벤트감지를 수행하는 웨어러블 기기 | |
Li et al. | Collaborative recognition of queuing behavior on mobile phones | |
Samiei-Zonouz et al. | Smartphone-centric human posture monitoring system | |
CN107991718A (zh) | 一种基于多模态数据分析的手机佩戴方式自动检测方法 | |
Hsu et al. | Two-phase activity recognition with smartphone sensors | |
Derawi | Biometric options for mobile phone authentication | |
Ye et al. | Research of fall detection and alarm applications for the elderly | |
Guo et al. | Multimode pedestrian dead reckoning gait detection algorithm based on identification of pedestrian phone carrying position | |
Singh et al. | Biometric gait recognition with carrying and clothing variants |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
WD01 | Invention patent application deemed withdrawn after publication |
Application publication date: 20181207 |
|
WD01 | Invention patent application deemed withdrawn after publication |