CN109117614A - 身份验证方法、装置、计算机设备和存储介质 - Google Patents
身份验证方法、装置、计算机设备和存储介质 Download PDFInfo
- Publication number
- CN109117614A CN109117614A CN201810844183.3A CN201810844183A CN109117614A CN 109117614 A CN109117614 A CN 109117614A CN 201810844183 A CN201810844183 A CN 201810844183A CN 109117614 A CN109117614 A CN 109117614A
- Authority
- CN
- China
- Prior art keywords
- ecg
- data
- electrocardiogram
- stored
- database
- 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
- 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
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/24—Detecting, measuring or recording bioelectric or biomagnetic signals of the body or parts thereof
- A61B5/316—Modalities, i.e. specific diagnostic methods
- A61B5/318—Heart-related electrical modalities, e.g. electrocardiography [ECG]
Landscapes
- Engineering & Computer Science (AREA)
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Theoretical Computer Science (AREA)
- Computer Security & Cryptography (AREA)
- Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- Medical Informatics (AREA)
- Software Systems (AREA)
- Cardiology (AREA)
- Computer Hardware Design (AREA)
- Biophysics (AREA)
- Pathology (AREA)
- Biomedical Technology (AREA)
- Heart & Thoracic Surgery (AREA)
- General Physics & Mathematics (AREA)
- Molecular Biology (AREA)
- Surgery (AREA)
- Animal Behavior & Ethology (AREA)
- General Health & Medical Sciences (AREA)
- Public Health (AREA)
- Veterinary Medicine (AREA)
- Measurement And Recording Of Electrical Phenomena And Electrical Characteristics Of The Living Body (AREA)
Abstract
本申请涉及一种身份验证方法、***、装置、计算机设备和存储介质。所述方法包括：获取采集的心电数据；对该心电数据进行量化处理；将量化处理的心电数据与心电数据库中存储的心电数据进行比对；当该量化处理的心电数据与该心电数据库中存储的心电数据相匹配时，则验证成功。采用本方法进行身份验证的安全性高，破解难度大且不容易被复制，能方便数据的传输、数据的比对，提高了验证效率。
Description
技术领域
本申请涉及信息安全技术领域，特别是涉及一种身份验证方法、装置、计算机设备和计算机可读存储介质。
背景技术
随着信息安全技术的发展，为了验证个人身份,防止身份轻易被人盗用造成损失，在各个领域出现了指纹识别等技术用来验证个人身份。然而，目前的指纹识别技术，易被他人盗取指纹进行复制，存在安全性较低、容易被破解等问题。
发明内容
基于此，有必要针对上述技术问题，提供一种安全性高,避免个人信息被盗用的身份验证方法、装置、计算机设备和计算机可读存储介质。
一种身份验证方法，该方法包括：获取采集的心电数据；对心电数据进行量化处理；将量化处理的心电数据与心电数据库中存储的心电数据进行比对；当量化处理的心电数据与心电数据库中存储的心电数据相匹配时，则验证成功。
在其中一个实施例中，在获取采集的心电数据之前，还包括：采集用户不同状态的心电数据；对不同状态的心电数据进行量化处理；将量化处理的心电数据存储至心电数据库。
在其中一个实施例中，不同状态包括平静状态、紧张状态和运动状态。
在其中一个实施例中，对心电数据进行量化处理，包括：从采集的心电数据中提取在预设周期内连续的心电数据；将连续的心电数据转化为离散的心电数据；对所述离散的心电数据进行幅度离散。
在其中一个实施例中，该方法还包括：当检测到用户某个状态的心电数据未存储在心电数据库中，则将采集的用户的心电数据存储至心电数据库。
在其中一个实施例中，量化处理的心电数据与心电数据库中的数据相匹配，包括：量化处理的心电数据与心电数据库中存储的心电数据的相似度超过预设阈值,则认为两者相匹配。
在其中一个实施例中，该方法还包括：若量化处理的心电数据与心电数据库中存储的心电数据不匹配，则验证失败；当验证失败后，获取输入的密码；将输入的密码与预存储的密码进行比较；当输入的密码与预存储的密码相同，则验证成功。
一种身份验证装置，包括：获取模块，用于获取采集的心电数据；量化模块，用于对用户的心电数据进行量化处理；比对模块，用于将量化处理的心电数据与心电数据库中存储的数据进行比对；判断模块，用于检测若量化处理的心电数据与心电认证***中的数据相同，则验证成功。
一种计算机设备，包括存储器和处理器，存储器存储有计算机程序，处理器执行计算机程序时实现以下步骤：获取采集的心电数据；对心电数据进行量化处理；将量化处理的心电数据与心电数据库中存储的心电数据进行比对；当量化处理的心电数据与心电数据库中存储的心电数据相匹配时，则验证成功。
一种计算机可读存储介质，其上存储有计算机程序，计算机程序被处理器执行时实现以下步骤：获取采集的心电数据；对心电数据进行量化处理；将量化处理的心电数据与心电数据库中存储的心电数据进行比对；当量化处理的心电数据与心电数据库中存储的心电数据相匹配时，则验证成功。
上述身份验证方法、装置、计算机设备和计算机可读存储介质，由于每个人的心脏构造独一无二，产生的心电数据也具有独一无二的性质，故通过比对量化处理的心电数据与已存储的心电数据可以验证用户的身份,且心电信号容易比对、不容易被复制，能提高验证效率并且安全性高,破解难度大，能有效避免个人信息被盗。另外，通过实时检测用户不同状态下的心电数据，能保证数据库的完整，避免终端识别错误。
附图说明
图1为一个实施例中身份验证方法的应用环境图；
图2为一个实施例中身份验证方法的流程示意图；
图3为一个实施例中心电数据库建立的流程示意图；
图4为一个实施例中对心电数据进行量化处理的流程示意图；
图5为另一个实施例中身份验证方法的流程示意图；
图6为又一个实施例中身份验证方法的流程示意图；
图7为一个实施例中身份验证装置的结构框图；
图8为一个实施例中量化模块的结构框图；
图9为另一个实施例中身份验证装置的结构框图；
图10为一个实施例中计算机设备的内部结构图。
具体实施方式
为了使本申请的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本申请进行进一步详细说明。应当理解，此处描述的具体实施例仅仅用以解释本申请，并不用于限定本申请。
本申请实施例提供的身份验证方法，可以应用于如图1所示的应用环境中。其中，心电检测设备102与终端104通过网络、蓝牙、数据线等方式进行通信。其中网络包括有线网络和无线网络，有线网络例如数据线等，无线网络例如互联网、无线局域网、蓝牙等。心电检测设备102采集用户的心电数据，并将心电数据传输至终端104；终端104对心电数据进行量化处理，并将量化处理的心电数据与心电数据库中存储的心电数据进行比对；当量化处理的心电数据与心电数据库中存储的心电数据相匹配时，则验证成功。其中，心电检测设备102可以但不限于是心电图机、手环、手表、腕带，终端104可以但不限于是各种个人计算机、笔记本电脑、智能手机、平板电脑、便携式可穿戴设备、门禁设备、汽车上的身份识别器等设备。
在一个实施例中，如图2所示，提供了一种身份验证方法，以该方法应用于图1中的终端104为例进行说明，包括以下步骤：
步骤202，获取采集的心电数据。
其中，心电数据是通过心电图机、手环、手表、腕带、心电检测仪等心电检测设备记录的心脏电活动。心电数据可以是心电图，也可以是以时间和电压之间的关系构建的函数或者点。具体地，终端通过心电图机、手环、手表、腕带等心电检测设备采集并获取用户的心电数据。
步骤204，对该心电数据进行量化处理。
在一个实施例中，该量化处理包括：从采集的心电数据中提取在预设周期内连续的心电数据；将连续的心电数据转化为离散的心电数据；对离散的心电数据进行幅度离散。
具体地，采集的心电数据为模拟信号数据，通过采样之后得到离散数据，再通过幅度离散得到最终的幅度数据。预设周期指的是终端根据心电数据的特征点，例如找出QRS波，并以Q点为起始点对整个心电数据进行周期的区分，并将5个周期但不限于5个周期作为一组心电数据。其中，QRS波群反映左、右心室除极电位和时间的变化，第一个向下的波为Q波，向上的波为R波，接着向下的波是S波。幅度离散是在心电数据出现的时域内，用一个单位时间所对应的心电数幅值，近似地代替原心电数据在此时域内的无数个幅值。
步骤206，将量化处理的心电数据与心电数据库中存储的心电数据进行比对。
具体地，心电数据库中存储的心电数据是用户在验证身份前通过心电检测设备采集的心电数据，并存储在心电数据库中。在将心电数据进行比对时，取心电数据库中存储的心电数据的5个周期但不限于5个周期的量化后的心电数据与终端采集的量化后的心电数据进行比对。
步骤208，当该量化处理的心电数据与该心电数据库中存储的心电数据相匹配时，则验证成功。
具体地，若量化处理的心电数据与所述心电数据库中存储的心电数据的相似度超过预设阈值，则认为两者相匹配，那么身份验证成功。预设阈值可以是百分比，例如70％、80％、90％等，以预设阈值为80％为例，当量化处理的心电数据与心电数据库中存储的心电数据相似度超过80％时，则认为两者匹配。
上述身份验证方法中，由于每个人的心脏构造独一无二，产生的心电数据也具有独一无二的性质，故通过比对量化处理的心电数据与已存储的心电数据可以验证用户的身份，方便数据的传输、数据的比对且不容易被复制，能提高验证效率并且安全性高，破解难度大。
在一个实施例中，如图3所示，提供了一种身份验证方法，以该方法应用于图1中的终端为例进行说明，在获取采集的心电数据之前，还包括以下步骤：
步骤302，采集用户不同状态的心电数据。
具体地，不同状态的心电数据指的是用户处于平静状态、紧张状态、运动状态、生病状态等情况下的心电数据。在身份验证之前，用户使用心电检测设备将本人的心电数据长时间记录，而不仅仅记录一种状态。
本实施例中，在验证用户的身份信息之前，终端根据用户的请求，通过心电检测设备采集用户的动态心电数据，长时间连续记录并存储用户的心电数据，有利于捕捉一些偶发心电事件。用户在做动态心电图时，记录下本人在某一时间的活动内容，例如进食、跑步、散步等以便核查终端记录的心电数据。终端将波形不同或数值不同的心电数据分别进行存储。用户根据自己的时间记录，从终端存储的不同状态的心电数据中筛选出已记录活动内容的心电数据，最终存储在数据库中。
本实施例中，用户可多次将本人不同状态下的心电数据存储至心电数据库，扩大心电数据库的数据量。
步骤304，对不同状态的心电数据进行量化处理。
具体地，将筛选出的心电数据在预设时间内采样，得到幅度数据，离散幅度数据，然后再将幅度数据转化为数字信息。
本实施例中，用户根据自己的时间记录，从终端存储的不同状态的心电数据中筛选出已记录活动内容的心电数据。终端根据心电数据的特征点，例如找出QRS波，并以Q点为起始点对整个心电数据进行周期的区分，并以5个周期但不限于5个周期为一组心电数据。心电数据的一个周期为0.6s～1s，终端取5个周期但不限于5个周期作为比对样本，利用采样脉冲从该心电数据中抽取一系列的离散值，该抽样脉冲的抽样频率可以为100Hz～166Hz等但不限于此，每个周期得出约100个离散数据，5个周期即为约500个离散数据；再用有限个幅度值近似原来连续变化的幅度值，把心电数据的幅度离散化，得到量化后的心电数据。
步骤306，将量化处理的心电数据存储至心电数据库。
具体地，将筛选出的已记录活动内容的量化后的心电数据存储在心电数据库中，用户可对该心电数据进行加入标签等操作。
上述身份验证方法，在进行身份验证前将用户不同状态的心电数据和量化后的心电数据记录并存储在数据库中，数据库中的心电数据能够不断更新、不断扩充，确保个人心电数据库的完整，有效避免无法识别或识别错误的情况。
在一个实施例中，上述不同状态包括平静状态、紧张状态和运动状态。
具体地，平静状态可以是睡眠、坐立、平躺、进食等情绪稳定时的状态；紧张状态可以是当用户精神处于高度准备的状态，例如惧怕、惊讶、慌张、焦虑、亢奋、暴躁、哀伤、愤怒、大笑等；运动状态可以是用户在散步、跑步、瑜伽、打篮球等情况下的状态。
本实施例中，用户在做动态心电图时，记录下本人在某一时间的活动内容，例如睡眠、进食、生气、跑步、散步等状态以便核查终端记录的心电数据。终端将波形不同或数值不同的心电数据分别进行存储。用户根据自己的记录，从终端存储的不同状态的心电数据中筛选出已记录活动内容的心电数据，最终存储在数据库中。
在一个实施例中，对心电数据进行量化处理，包括：
步骤402，从采集的心电数据中提取在预设周期内连续的心电数据。
具体地，终端采集需要进行身份验证的用户的心电数据，并从采集的心电数据中提取在预设周期内连续的心电数据。终端根据心电数据的特征点，例如找出QRS波，并以Q点为起始点对整个心电数据进行周期的区分，并将5个周期但不限于5个周期作为一组心电数据。
步骤404，将连续的心电数据转化为离散的心电数据。
具体地，终端采集的心电数据是连续的心电数据，心电数据的一个周期为0.6s～1s，终端取5个周期但不限于5个周期作为比对样本，利用采样脉冲从该心电数据中抽取一系列的离散值，该抽样脉冲的抽样频率可以为100Hz～166Hz等但不限于此，每个周期得出约100个离散数据，5个周期即为约500个离散数据。
步骤406，对该离散的心电数据进行幅度离散。
在心电数据出现的时域内，用一个单位时间所对应的心电数幅值，近似地代替原心电数据在此时域内的无数个幅值。具体地，用有限个幅度值近似原来连续变化的幅度值，把离散数据经过四舍五入等方式变为只有有限个有效数字的数值。
上述身份验证方法，通过对心电数据进行采样、量化，将模拟信号转化为数字信号，方便数据传输以及数据的比对。
在一个实施例中，上述身份验证方法还包括：当检测到用户某个状态的心电数据未存储在心电数据库中，则将采集的用户的心电数据存储至心电数据库。
本实施例中，用户可多次将本人不同状态下的心电数据存储至心电数据库，扩大心电数据库的数据量。具体地，用户在非验证身份的状态下对自身做心电检测，心电检测设备获取用户的心电数据，提取5个周期但不限于5个周期的数据并对该用户的心电数据进行量化处理，与心电数据库中量化处理后的数据相比对，若确定用户该状态下的心电数据未存储在心电数据库中，则将用户在该状态下的心电数据存储至心电数据库中。
上述身份验证方法，通过不断增加心电数据库中的心电数据,提高心电验证的准确度。
在一个实施例中，该量化处理的心电数据与心电数据库中存储的心电数据相匹配的步骤包括：量化处理的心电数据与心电数据库中存储的心电数据的相似度超过预设阈值,则认为两者相匹配。
具体地，预设阈值可以是百分比，例如70％、80％、90％等，以预设阈值为80％为例，当量化处理的心电数据与心电数据库中存储的心电数据相似度超过80％时，则认为两者匹配。
本实施例中，以一个抽样脉冲对获取的心电数据进行采样，心电数据的一个周期为0.6s～1s，终端取5个周期作为比对样本，抽样脉冲的抽样频率可以为100Hz～166Hz等但不限于此，每个周期得出约100个幅度数据，5个周期即为约500个幅度数据。终端用有限个幅度值近似原来连续变化的幅度值，把离散数据经过四舍五入等方式变为只有有限个有效数字的数值。再将该数据与心电数据库中存储的不同状态的数据进行比对，若存在两者的相似度超过80％，即400个幅度数据相同，则认为进行验证的用户与存储库中存储的数据所有者属同一人。
上述身份验证方法，通过比对量化处理的心电数据与心电数据库中的心电数据的相似度，采用大量数据来确认用户身份，提高了身份验证的准确性，且不易伪造数据。
在一个实施例中，上述身份验证方法还包括：
步骤502，当该量化处理的心电数据与心电数据库中存储的心电数据不匹配时，则验证失败。
具体地，量化处理的心电数据与心电数据库中存储的心电数据不匹配指的是量化处理的心电数据与心电数据库中存储的心电数据的相似度未达到预设阈值。
步骤504，当验证失败后，获取输入的密码。
具体地，当验证失败后，终端可根据用户的请求，显示输入密码的界面。用户输入密码后，终端获取该输入的密码。
步骤506，将输入的密码与预存储的密码进行比较。
具体地，终端将用户输入的密码与已存储的密码进行比较。
步骤508，当输入的密码与该预存储的密码相同，则验证成功。
具体地，终端将用户输入的密码与在终端中已存储的密码进行比对，若用户输入的密码与预存储的密码相同，则身份验证成功。
本实施例中，当终端判定量化处理的心电数据与心电数据库中存储的数据不匹配时，验证失败。此时用户可采用另外一种方式验证身份，即输入密码。当终端判定用户输入的密码与预存储的密码相同，那么身份验证成功。
上述身份验证方法，在通过心电验证失败后，用户还可选择另一种身份验证方式，以确保在无法通过心电身份验证时，采用应急的验证方式。
在一个实施例中，如图6所示，步骤602，采集用户不同状态的心电数据。
具体地，不同状态的心电数据指的是用户处于平静状态、紧张状态、运动状态、生病状态等情况下的心电数据。在身份验证之前，用户使用心电检测设备将本人的心电数据长时间记录，而不仅仅记录一种状态。
本实施例中，在验证用户的身份信息之前，终端根据用户的请求，通过心电检测设备采集用户的动态心电数据，长时间连续记录并存储用户的心电数据，有利于捕捉一些偶发心电事件。用户在做动态心电图时，记录下本人在某一时间的活动内容，例如进食、跑步、散步等以便核查终端记录的心电数据。终端将波形不同或数值不同的心电数据分别进行存储。用户根据自己的时间记录，从终端存储的不同状态的心电数据中筛选出已记录活动内容的心电数据，最终存储在数据库中。
本实施例中，用户可多次将本人不同状态下的心电数据存储至心电数据库，扩大心电数据库的数据量。用户在非验证身份的状态下对自身做心电检测，心电检测设备获取用户的心电数据，提取5个周期但不限于5个周期的数据并对该用户的心电数据进行量化处理，与心电数据库中量化处理后的数据相比对，若确定用户该状态下的心电数据未存储在心电数据库中，则将用户在该状态下的心电数据存储至心电数据库中。
步骤604，对该不同状态的心电数据进行量化处理。
具体地，将筛选出的心电数据在预设时间内采样，得到幅度数据，离散幅度数据，然后再将幅度数据转化为数字信息。
本实施例中，用户根据自己的时间记录，从终端存储的不同状态的心电数据中筛选出已记录活动内容的心电数据。终端根据心电数据的特征点，例如找出QRS波，并以Q点为起始点对整个心电数据进行周期的区分，并以5个周期但不限于5个周期为一组心电数据。心电数据的一个周期为0.6s～1s，终端取5个周期但不限于5个周期作为比对样本，利用采样脉冲从该心电数据中抽取一系列的离散值，该抽样脉冲的抽样频率可以为100Hz～166Hz等但不限于此，每个周期得出约100个离散数据，5个周期即为约500个离散数据；再用有限个幅度值近似原来连续变化的幅度值，把心电数据的幅度离散化，得到量化后的心电数据。
步骤606，将量化处理的心电数据存储至心电数据库。
具体地，将筛选出的已记录活动内容的量化后的心电数据存储在心电数据库中，用户可对该心电数据进行加入标签等操作。
步骤608，获取采集的心电数据。
其中，心电数据是通过心电图机、手环、手表、腕带、心电检测仪等心电检测设备记录的心脏电活动。心电数据可以是心电图，也可以是以时间和电压为坐标的函数或者点。具体地，终端通过心电图机、手环、手表、腕带、心电检测仪等心电检测设备采集并获取用户的心电数据。
步骤610，对该心电数据进行量化处理。
具体地，该量化处理指的是从采集的心电数据中提取在预设周期内连续的心电数据；将连续的心电数据转化为离散的心电数据；对离散的心电数据进行幅度离散。
本实施例中，终端采集需要进行身份验证的用户的心电数据，并从采集的心电数据中提取在预设周期内连续的心电数据。终端根据心电数据的特征点，例如找出QRS波，并以Q点为起始点对整个心电数据进行周期的区分，并将5个周期但不限于5个周期作为一组心电数据。终端采集的心电数据是连续的心电数据，心电数据的一个周期为0.6s～1s，终端取5个周期但不限于5个周期作为比对样本，利用采样脉冲从该心电数据中抽取一系列的离散值，该抽样脉冲的抽样频率可以为100Hz～166Hz等但不限于此，每个周期得出约100个离散数据，5个周期即为约500个离散数据。在心电数据出现的时域内，用一个单位时间所对应的心电数幅值，近似地代替原心电数据在此时域内的无数个幅值。即用有限个幅度值近似原来连续变化的幅度值，把离散数据经过四舍五入等方式变为只有有限个有效数字的数值。
步骤612，将量化处理的心电数据与心电数据库中存储的心电数据进行比对。
具体地，心电数据库中存储的心电数据是用户在验证身份前通过心电检测设备采集的心电数据，并存储在心电数据库中。在将心电数据进行比对时，取心电数据库中存储的心电数据的5个周期但不限于5个周期的量化后的心电数据与终端采集的量化后的心电数据进行比对。
步骤614，当该量化处理的心电数据与该心电数据库中存储的心电数据相匹配时，则验证成功。
具体地，预设阈值可以是百分比，例如70％、80％、90％等，以预设阈值为80％为例，当量化处理的心电数据与心电数据库中存储的心电数据相似度超过80％时，则认为两者匹配。
本实施例中，以一个抽样脉冲对获取的心电数据进行采样，心电数据的一个周期为0.6s～1s，终端取5个周期作为比对样本，抽样脉冲的抽样频率可以为100Hz～166Hz等但不限于此，每个周期得出约100个幅度数据，5个周期即为约500个幅度数据。终端用有限个幅度值近似原来连续变化的幅度值，把离散数据经过四舍五入等的方式变为只有有限个有效数字的数值。再将该数据与心电数据库中存储的不同状态的数据进行比对，若存在两者的相似度超过80％，即400个幅度数据相同，则认为进行验证的用户与存储库中存储的数据所有者属同一人。
本实施例中，上述身份验证方法还包括：若量化处理的心电数据与心电数据库中存储的心电数据不匹配，则验证失败；当验证失败后，获取输入的密码；将输入的密码与预存储的密码进行比较；当输入的密码与预存储的密码相同，则验证成功。
具体地，量化处理的心电数据与心电数据库中存储的心电数据不匹配指的是量化处理的心电数据与心电数据库中存储的心电数据的相似度未达到预设阈值。当验证失败后，终端可根据用户的请求，显示输入密码的界面。用户输入密码后，终端获取该输入的密码，将用户输入的密码与已存储的密码进行比较；若用户输入的密码与预存储的密码相同，则身份验证成功。
本实施例中，当终端判定量化处理的心电数据与心电数据库中存储的数据不匹配时，验证失败。此时用户可采用另外一种方式验证身份，即输入密码。当终端判定用户输入的密码与预存储的密码相同，那么身份验证成功。
上述身份验证方法，由于每个人的心脏构造独一无二,产生的心电数据也具有独一无二的性质,故在进行身份验证前将用户不同状态的心电数据和量化后的心电数据记录并存储在数据库中、比对采集的心电数据与已存储的心电数据可以验证用户的身份。且心电信号不容易被复制,所以安全性高,破解难度大。另外，数据库中的心电数据能够不断更新、不断扩充，确保个人心电数据库的完整，有效避免无法识别或识别错误的情况。
应该理解的是，虽然图2-5的流程图中的各个步骤按照箭头的指示依次显示，但是这些步骤并不是必然按照箭头指示的顺序依次执行。除非本文中有明确的说明，这些步骤的执行并没有严格的顺序限制，这些步骤可以以其它的顺序执行。而且，图2-5中的至少一部分步骤可以包括多个子步骤或者多个阶段，这些子步骤或者阶段并不必然是在同一时刻执行完成，而是可以在不同的时刻执行，这些子步骤或者阶段的执行顺序也不必然是依次进行，而是可以与其它步骤或者其它步骤的子步骤或者阶段的至少一部分轮流或者交替地执行。
在一个实施例中，如图所示，提供了一种身份验证装置，包括：获取模块702、量化模块704、比对模块706和判断模块708，其中：
获取模块702，用于获取采集的心电数据。
具体地，终端通过心电图机、手环、手表、腕带等心电检测设备采集并获取用户的心电数据。
量化模块704，用于对用户的心电数据进行量化处理。
具体地，该量化处理指的是从采集的心电数据中提取在预设周期内连续的心电数据；将连续的心电数据转化为离散的心电数据；对离散的心电数据进行幅度离散。
比对模块706，用于将量化处理的心电数据与心电数据库中存储的数据进行比对。
具体地，心电数据库中存储的心电数据是用户在验证身份前通过心电检测设备采集的心电数据，并存储在心电数据库中。在将心电数据进行比对时，取心电数据库中存储的心电数据的5个周期但不限于5个周期的量化后的心电数据与终端采集的量化后的心电数据进行比对。
判断模块708，用于检测若该量化处理的心电数据与所述心电认证***中的数据相匹配，则验证成功。
具体地，若量化处理的心电数据与所述心电数据库中存储的心电数据的相似度超过预设阈值，则认为两者相匹配，那么身份验证成功。
上述身份验证装置中，由于每个人的心脏构造独一无二，产生的心电数据也具有独一无二的性质，故通过比对量化处理的心电数据与已存储的心电数据可以验证用户的身份，方便数据的传输、数据的比对且不容易被复制，能提高验证效率并且安全性高，破解难度大。
在一个实施例中，该身份验证装置还包括采集模块902和存储模块904。在获取模块702获取采集的心电数据之前，采集模块902用于采集用户不同状态的心电数据；量化模块704对不同状态的心电数据进行量化处理；存储模块904用于将量化处理的心电数据存储至心电数据库。
具体地，上述平静状态可以是睡眠、坐立、平躺、进食等情绪稳定时的状态；上述紧张状态可以是当用户精神处于高度准备的状态例如惧怕、惊讶、慌张、焦虑、亢奋、暴躁、哀伤、愤怒、大笑等；上述运动状态可以是用户在散步、跑步、瑜伽、打篮球等情况下的状态。
本实施例中，在验证用户的身份信息之前，终端的采集模块902根据用户的请求，通过心电检测设备采集用户的动态心电数据，长时间连续记录并存储用户的心电数据，有利于捕捉一些偶发心电事件。用户在做动态心电图时，记录下本人在某一时间的活动内容，例如进食、跑步、散步等以便核查终端记录的心电数据。存储模块904用于将波形不同或数值不同的心电数据分别进行存储。用户根据自己的时间记录，从存储模块904中的不同状态的心电数据中筛选出已记录活动内容的心电数据，最终存储在数据库中。量化模块704根据心电数据的特征点，例如找出QRS波，并以Q点为起始点对整个心电数据进行周期的区分，并以5个周期但不限于5个周期为一组心电数据,利用采样脉冲从该心电数据中抽取一系列的离散值。该抽样脉冲的抽样频率可以为100Hz～166Hz等但不限于此，每个周期得出约100个离散数据，5个周期即为约500个离散数据；再用有限个幅度值近似原来连续变化的幅度值，把心电数据的幅度离散化，得到量化后的心电数据。存储模块904用于将筛选出的已记录活动内容的量化后的心电数据存储在心电数据库中，用户可对该心电数据进行加入标签等操作。
本实施例中，存储模块904还可以用于多次将用户不同状态下的心电数据存储至心电数据库，扩大心电数据库的数据量。具体地，用户在非身份验证的状态下，通过采集模块902采集自身的心电数据。量化模块704对该采集的心电数据进行量化处理，并与已存储至数据库中的心电数据进行比对，若该心电数据未被存储，则存储模块904将采集的心电数据存储至心电数据库。具体地，用户在非验证身份的状态下对自身做心电检测，采集模块902获取用户的心电数据，提取5个周期但不限于5个周期的数据且量化模块704对该用户的心电数据进行量化处理，与心电数据库中量化处理后的数据相比对，若存储模块904确定用户该状态下的心电数据未存储在心电数据库中，则将用户在该状态下的心电数据存储至心电数据库中。
在一个实施例中，量化模块704包括提取单元802、转化单元804和离散单元806。提取单元802用于从采集的心电数据中提取在预设周期内连续的心电数据；转化单元804用于将连续的心电数据转化为离散的心电数据；离散单元806用于对离散的心电数据进行幅度离散。
具体地，量化模块704还用于从采集的心电数据中提取在预设周期内连续的心电数据，根据心电数据的特征点，例如找出QRS波，并以Q点为起始点对整个心电数据进行周期的区分，并将5个周期但不限于5个周期作为一组心电数据。
本实施例中，采集模块902采集的心电数据是连续的心电数据，心电数据的一个周期为0.6s～1s，量化模块704用于取5个周期但不限于5个周期作为比对样本，利用采样脉冲从该心电数据中抽取一系列的离散值，该抽样脉冲的抽样频率可以为100Hz～166Hz等但不限于此，每个周期得出约100个离散数据，5个周期即为约500个离散数据。在心电数据出现的时域内，用一个单位时间所对应的心电数幅值，近似地代替原心电数据在此时域内的无数个幅值。具体地，用有限个幅度值近似原来连续变化的幅度值，把离散数据经过四舍五入等方式变为只有有限个有效数字的数值。
在一个实施例中，判断模块708还用于判断量化处理的心电数据与心电数据库中存储的心电数据的相似度超过预设阈值,则认为两者相匹配。
具体地，预设阈值可以是百分比，例如70％、80％、90％等，以预设阈值为80％为例，当量化处理的心电数据与心电数据库中存储的心电数据相似度超过80％时，则认为两者匹配。
本实施例中，量化模块704用于以一个抽样脉冲对获取的心电数据进行采样，心电数据的一个周期为0.6s～1s，终端取5个周期作为比对样本，抽样脉冲的抽样频率可以为100Hz～166Hz等但不限于此，每个周期得出约100个幅度数据，5个周期即为约500个幅度数据。量化模块704用有限个幅度值近似原来连续变化的幅度值，把离散数据经过四舍五入等方式变为只有有限个有效数字的数值。对比模块再将该数据与心电数据库中存储的不同状态的数据进行比对，若判断模块708检测到两者的相似度超过80％，即400个幅度数据相同，则认为进行验证的用户与存储库中存储的数据所有者属同一人。
在一个实施例中，上述身份验证装置还包括密码验证模块914。密码验证模块914用于若量化处理的心电数据与心电数据库中存储的心电数据不匹配，则验证失败；当验证失败后，获取输入的密码；将输入的密码与预存储的密码进行比较；当输入的密码与预存储的密码相同，则验证成功。
具体地，判断模块708还用于判断量化处理的心电数据与心电数据库中存储的心电数据是否匹配。二者数据不匹配指的是量化处理的心电数据与心电数据库中存储的心电数据的相似度未达到预设阈值。
本实施例中，当验证失败后，密码验证模块可根据用户的请求，显示输入密码的界面。用户输入密码后，密码验证模块用于获取该输入的密码。密码验证模块将用户输入的密码与已存储的密码进行比较。密码验证模用于将用户输入的密码与在终端中已存储的密码进行比对，若用户输入的密码与预存储的密码相同，则身份验证成功。
本实施例中，当终端的判断模块708判定量化处理的心电数据与心电数据库中存储的数据不匹配时，验证失败。此时用户可采用另外一种方式验证身份，即输入密码。当密码验证模块判定用户输入的密码与预存储的密码相同，那么身份验证成功。
关于身份验证装置的具体限定可以参见上文中对于身份验证方法的限定，在此不再赘述。上述身份验证装置中的各个模块可全部或部分通过软件、硬件及其组合来实现。上述各模块可以硬件形式内嵌于或独立于计算机设备中的处理器中，也可以以软件形式存储于计算机设备中的存储器中，以便于处理器调用执行以上各个模块对应的操作。
在一个实施例中，提供了一种计算机设备，该计算机设备可以是终端，其内部结构图可以如图7所示。该计算机设备包括通过***总线连接的处理器、存储器、网络接口、显示屏和输入装置。其中，该计算机设备的处理器用于提供计算和控制能力。该计算机设备的存储器包括非易失性存储介质、内存储器。该非易失性存储介质存储有操作***和计算机程序。该内存储器为非易失性存储介质中的操作***和计算机程序的运行提供环境。该计算机设备的网络接口用于与外部的终端通过网络连接通信。该计算机程序被处理器执行时以实现一种身份验证方法。该计算机设备的显示屏可以是液晶显示屏或者电子墨水显示屏，该计算机设备的输入装置可以是显示屏上覆盖的触摸层，也可以是计算机设备外壳上设置的按键、轨迹球或触控板，还可以是外接的键盘、触控板或鼠标等。
本领域技术人员可以理解，图7中示出的结构，仅仅是与本申请方案相关的部分结构的框图，并不构成对本申请方案所应用于其上的计算机设备的限定，具体的计算机设备可以包括比图中所示更多或更少的部件，或者组合某些部件，或者具有不同的部件布置。
在一个实施例中，提供了一种计算机设备，包括存储器和处理器，存储器中存储有计算机程序，该处理器执行计算机程序时实现以下步骤：获取采集的心电数据；对该心电数据进行量化处理；将量化处理的心电数据与心电数据库中存储的心电数据进行比对；当量化处理的心电数据与心电数据库中存储的心电数据相匹配时，则验证成功。该计算机设备可为图1中的终端。
在其中一个实施例中，处理器执行计算机程序时还实现以下步骤：在获取采集的心电数据之前,还包括：采集用户不同状态的心电数据；对不同状态的心电数据进行量化处理；将量化处理的心电数据存储至心电数据库。
在其中一个实施例中，该不同状态包括平静状态、紧张状态和运动状态。
在其中一个实施例中，对心电数据进行量化处理，包括：从采集的心电数据中提取在预设周期内连续的心电数据；将连续的心电数据转化为离散的心电数据；对该离散的心电数据进行幅度离散。
在一个实施例中，当检测到用户某个状态的心电数据未存储在心电数据库中，则将该采集的用户的心电数据存储至心电数据库。
在一个实施例中，量化处理的心电数据与心电数据库中的数据相匹配，包括：量化处理的心电数据与心电数据库中存储的心电数据的相似度超过预设阈值,则认为两者相匹配。
在一个实施例中，处理器执行计算机程序时还实现以下步骤：若该量化处理的心电数据与该心电数据库中存储的心电数据不匹配，则验证失败；当验证失败后，获取输入的密码；将输入的密码与预存储的密码进行比较；当输入的密码与预存储的密码相同，则验证成功。
在一个实施例中，提供了一种计算机可读存储介质，其上存储有计算机程序，计算机程序被处理器执行时实现以下步骤：获取采集的心电数据；对心电数据进行量化处理；将量化处理的心电数据与心电数据库中存储的心电数据进行比对；当量化处理的心电数据与心电数据库中存储的心电数据相匹配时，则验证成功。
在一个实施例中，计算机程序被处理器执行时还实现以下步骤：在获取采集的心电数据之前,还包括：采集用户不同状态的心电数据；对不同状态的心电数据进行量化处理；将量化处理的心电数据存储至心电数据库。
在一个实施例中，不同状态包括平静状态、紧张状态和运动状态。
在一个实施例中，对心电数据进行量化处理，包括：从采集的心电数据中提取在预设周期内连续的心电数据；将连续的心电数据转化为离散的心电数据；对所述离散的心电数据进行幅度离散。
在一个实施例中，当检测到用户某个状态的心电数据未存储在心电数据库中，则将采集的用户的心电数据存储至心电数据库。
在一个实施例中，量化处理的心电数据与心电数据库中的数据相匹配，包括：量化处理的心电数据与心电数据库中存储的心电数据的相似度超过预设阈值,则认为两者相匹配。
在一个实施例中，计算机程序被处理器执行时还实现以下步骤：若量化处理的心电数据与心电数据库中存储的心电数据不匹配，则验证失败；当验证失败后，获取输入的密码；将输入的密码与预存储的密码进行比较；当输入的密码与预存储的密码相同，则验证成功。
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程，是可以通过计算机程序来指令相关的硬件来完成，所述的计算机程序可存储于一非易失性计算机可读取存储介质中，该计算机程序在执行时，可包括如上述各方法的实施例的流程。其中，本申请所提供的各实施例中所使用的对存储器、存储、数据库或其它介质的任何引用，均可包括非易失性和/或易失性存储器。非易失性存储器可包括只读存储器(ROM)、可编程ROM(PROM)、电可编程ROM(EPROM)、电可擦除可编程ROM(EEPROM)或闪存。易失性存储器可包括随机存取存储器(RAM)或者外部高速缓冲存储器。作为说明而非局限，RAM以多种形式可得，诸如静态RAM(SRAM)、动态RAM(DRAM)、同步DRAM(SDRAM)、双数据率SDRAM(DDRSDRAM)、增强型SDRAM(ESDRAM)、同步链路(Synchlink)DRAM(SLDRAM)、存储器总线(Rambus)直接RAM(RDRAM)、直接存储器总线动态RAM(DRDRAM)、以及存储器总线动态RAM(RDRAM)等。
以上实施例的各技术特征可以进行任意的组合，为使描述简洁，未对上述实施例中的各个技术特征所有可能的组合都进行描述，然而，只要这些技术特征的组合不存在矛盾，都应当认为是本说明书记载的范围。
以上所述实施例仅表达了本申请的几种实施方式，其描述较为具体和详细，但并不能因此而理解为对发明专利范围的限制。应当指出的是，对于本领域的普通技术人员来说，在不脱离本申请构思的前提下，还可以做出若干变形和改进，这些都属于本申请的保护范围。因此，本申请专利的保护范围应以所附权利要求为准。
Claims (10)
1.一种身份验证方法，所述方法包括：
获取采集的心电数据；
对所述心电数据进行量化处理；
将量化处理的心电数据与心电数据库中存储的心电数据进行比对；
当所述量化处理的心电数据与所述心电数据库中存储的心电数据相匹配时，则验证成功。
2.根据权利要求1所述的方法，其特征在于，在所述获取采集的心电数据之前,还包括：
采集用户不同状态的心电数据；
对所述不同状态的心电数据进行量化处理；
将量化处理的心电数据存储至心电数据库。
3.根据权利要求2所述的方法，其特征在于，所述不同状态包括平静状态、紧张状态和运动状态。
4.根据权利要求1所述的方法，其特征在于，所述对所述心电数据进行量化处理，包括：
从所述采集的心电数据中提取在预设周期内连续的心电数据；
将所述连续的心电数据转化为离散的心电数据；
对所述离散的心电数据进行幅度离散。
5.根据权利要求1所述的方法，其特征在于，所述方法还包括：
当检测到用户某个状态的心电数据未存储在心电数据库中，则将采集的用户的心电数据存储至心电数据库。
6.根据权利要求1的所述的方法，其特征在于，所述量化处理的心电数据与所述心电数据库中存储的心电数据相匹配，包括：
所述量化处理的心电数据与所述心电数据库中存储的心电数据的相似度超过预设阈值,则认为两者相匹配。
7.根据权利要求1所述的方法，其特征在于，所述方法还包括：
当所述量化处理的心电数据与所述心电数据库中存储的心电数据不匹配时，则验证失败；
当验证失败后，获取输入的密码；
将输入的密码与预存储的密码进行比较；
当输入的密码与预存储的密码相同，则验证成功。
8.一种身份验证装置，其特征在于，所述装置包括：
获取模块，用于获取采集的心电数据；
量化模块，用于对所述用户的心电数据进行量化处理；
比对模块，用于将量化处理的心电数据与心电数据库中存储的数据进行比对；
判断模块，用于检测若所述量化处理的心电数据与所述心电认证***中的数据相同，则验证成功。
9.一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，其特征在于，所述处理器执行所述计算机程序时实现权利要求1至7中任一项所述方法的步骤。
10.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现权利要求1至7中任一项所述的方法的步骤。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201810844183.3A CN109117614A (zh) | 2018-07-27 | 2018-07-27 | 身份验证方法、装置、计算机设备和存储介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201810844183.3A CN109117614A (zh) | 2018-07-27 | 2018-07-27 | 身份验证方法、装置、计算机设备和存储介质 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN109117614A true CN109117614A (zh) | 2019-01-01 |
Family
ID=64863440
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201810844183.3A Pending CN109117614A (zh) | 2018-07-27 | 2018-07-27 | 身份验证方法、装置、计算机设备和存储介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN109117614A (zh) |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110263520A (zh) * | 2019-06-21 | 2019-09-20 | 深圳市奋达智能技术有限公司 | 一种身份验证方法以及*** |
| CN116028914A (zh) * | 2023-03-27 | 2023-04-28 | 深圳市魔样科技有限公司 | 一种智能戒指身份认证方法及*** |
Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2013109154A1 (en) * | 2012-01-19 | 2013-07-25 | Instituto Superior Tecnico | Device and method for continuous biometric recognition based on electrocardiographic signals |
| CN106156558A (zh) * | 2015-04-14 | 2016-11-23 | 广州杰赛科技股份有限公司 | 一种自动周期性认证方法 |
| CN107260161A (zh) * | 2017-07-18 | 2017-10-20 | 上海图灵医疗科技有限公司 | 一种心电动力学数据量化分析方法 |
| CN108306736A (zh) * | 2017-01-11 | 2018-07-20 | 北京三星通信技术研究有限公司 | 使用心电信号进行身份认证的方法及设备 |
| CN108309259A (zh) * | 2018-02-02 | 2018-07-24 | 中国建设银行股份有限公司山西省分行 | 服务推送方法、服务器及可测生理参数的银行终端*** |
-
2018
- 2018-07-27 CN CN201810844183.3A patent/CN109117614A/zh active Pending
Patent Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2013109154A1 (en) * | 2012-01-19 | 2013-07-25 | Instituto Superior Tecnico | Device and method for continuous biometric recognition based on electrocardiographic signals |
| CN106156558A (zh) * | 2015-04-14 | 2016-11-23 | 广州杰赛科技股份有限公司 | 一种自动周期性认证方法 |
| CN108306736A (zh) * | 2017-01-11 | 2018-07-20 | 北京三星通信技术研究有限公司 | 使用心电信号进行身份认证的方法及设备 |
| CN107260161A (zh) * | 2017-07-18 | 2017-10-20 | 上海图灵医疗科技有限公司 | 一种心电动力学数据量化分析方法 |
| CN108309259A (zh) * | 2018-02-02 | 2018-07-24 | 中国建设银行股份有限公司山西省分行 | 服务推送方法、服务器及可测生理参数的银行终端*** |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110263520A (zh) * | 2019-06-21 | 2019-09-20 | 深圳市奋达智能技术有限公司 | 一种身份验证方法以及*** |
| CN116028914A (zh) * | 2023-03-27 | 2023-04-28 | 深圳市魔样科技有限公司 | 一种智能戒指身份认证方法及*** |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US20230131876A1 (en) | Systems and methods of identity analysis of electrocardiograms | |
| Chu et al. | ECG authentication method based on parallel multi-scale one-dimensional residual network with center and margin loss | |
| US9946942B2 (en) | Method, apparatus and system for biometric identification | |
| Wieclaw et al. | Biometrie identification from raw ECG signal using deep learning techniques | |
| Prakash et al. | BAED: A secured biometric authentication system using ECG signal based on deep learning techniques | |
| JP2020528336A (ja) | 心電信号の検出 | |
| Blanco‐Gonzalo et al. | Performance evaluation of handwritten signature recognition in mobile environments | |
| CN104573458A (zh) | 一种基于心电信号的身份识别方法、装置及*** | |
| Nasseri et al. | Non-invasive wearable seizure detection using long–short-term memory networks with transfer learning | |
| KR20170001490A (ko) | 전자 장치 및 생체 센서를 이용한 전자 장치의 기능 제어 방법 | |
| Chun et al. | ECG based user authentication for wearable devices using short time Fourier transform | |
| CN104503592A (zh) | 头部动作确定方法和装置 | |
| CN109117614A (zh) | 身份验证方法、装置、计算机设备和存储介质 | |
| KR101709983B1 (ko) | 복수의 디바이스를 매칭시키는 방법, 그리고 상기 매칭이 가능하게끔 하여 주는 디바이스 및 서버 시스템 | |
| WO2022047272A2 (en) | Electronic devices with a static artificial intelligence model for contextual situations, including age blocking for vaping and ignition start, using data analysis and operating methods thereof | |
| US20220386966A1 (en) | Non-invasive prediction of risk for sudden cardiac death | |
| Gullapalli et al. | Opitrack: a wearable-based clinical opioid use tracker with temporal convolutional attention networks | |
| Hassan et al. | Performance comparison of CNN and LSTM algorithms for arrhythmia classification | |
| Mortensen et al. | Multi-class stress detection through heart rate variability: A deep neural network based study | |
| Siuly et al. | Comparisons between motor area EEG and all-channels EEG for two algorithms in motor imagery task classification | |
| Vivek et al. | ST-GNN for EEG motor imagery classification | |
| CN114327074A (zh) | 界面功能选择方法、装置、计算机设备、存储介质 | |
| Progonov et al. | Heartbeat-based authentication on smartwatches in various usage contexts | |
| DE102016107250A1 (de) | Verfahren, Einrichtung und Computerprogramm zur Multi-Faktor-Authentifizierung und/oder -Identifizierung von Benutzern | |
| CN110897626A (zh) | 基于深度神经网络的心电图分析方法、装置、计算机设备和*** |
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 | ||
| RJ01 | Rejection of invention patent application after publication | ||
| RJ01 | Rejection of invention patent application after publication |
Application publication date: 20190101 |