手势识别身份认证的连续隐马尔可夫模型
小型微型计算机系统Journal of Chinese Computer Systems
2018年3月第3期Vol.39No.32018
收稿日期:2017-03-18 收修改稿日期:2017-04-25 基金项目:国家自然科学基金项目(61373126)资助;中央高校基本科研业务费专项基金项目(JUSRP 51510)资助. 作者简介:李 富,男,1990年生,硕士研究生,研究方向为移动终端安全理论及技术的研究;孙子文,女,1968年生,
博士,教授,研究方向为无线传感器网络二信息安全二模式识别与智能系统等.
手势识别身份认证的连续隐马尔可夫模型
李 富1,孙子文1,2
1(江南大学物联网工程学院,江苏无锡214122)
2
(物联网技术应用教育部工程研究中心,江苏无锡214122)
E-mail :sunziwen @https://www.360docs.net/doc/b67635461.html,
摘 要:针对智能手机存储隐私信息所面临的安全问题,采用一种基于连续隐马尔科夫模型的手势识别身份认证方法.首先由手机触摸屏传感器采集手指滑动的原始手势特征序列,并通过大小归一化及平滑去噪预处理;接着提取手势运动轨迹的三个基本特征序列与三个隐含的特征序列;最后采用概率统计的方法,使用连续隐马尔科夫模型建立用户手势模型,用于测试比较特征序列以判断用户身份的合法性.仿真实验结果表明,与动态时间规整算法和支持向量机算法相比,方法具有较低的错误拒绝率和错误接受率,能明显提高身份认证的准确性.
关键词:手势识别;身份认证;连续隐马尔可夫模型;手机传感器
中图分类号:TP 391 文献标识码:A 文章编号:1000-1220(2018)03-0474-04
Continuous Hidden Markov Model for Hand Gesture Recognition
LI Fu 1,SUN Zi-wen 1,2
1(School of Internet of Things Engineering ,Jiangnan University ,Wuxi 214122,China )
2
(Engineering Research Center of Internet of Things Technology Applications Ministry of Education ,Wuxi 214122,China )
Abstract :Aiming at the security problem of storing privacy information in smart phone ,a method of hand gesture recognition based on continuous Hidden Markov Model is proposed.Firstly ,the original gesture sequence of the finger sliding is collected by the touch-screen sensor of the mobile phone ,and the gesture sequence will be preprocessed by using normalization and smoothing.Then the fea-tures ,which are three basic feature sequences of the hand movement trajectory and three hidden feature sequences ,will be extracted from the preprocessed sequence.Finally ,a statistical method that is continuous Hidden Markov Model is adopted to establish the user gesture model ,which will be extracted to test the feature sequence to determine the legitimacy of the user's identity.The simulation re-sults show that the proposed method has lower error rejection rate and false acceptance rate than that of the Dynamic Time Warping al-gorithm and Support Vector Machine algorithm ,and can significantly improve the accuracy of identity authentication.Key words :gesture recognition ;identity authentication ;continuous hidden markov model ;mobile phone sensor
1 引 言
随着智能手机的日益普及,针对智能手机各种安全威胁和隐私泄露的问题,需要一个安全的身份认证系统.由于人的生物特征具有唯一性,难以被其他用户模仿,安全系数高,因此可以作为用户身份认证的依据.生物特征认证主要分为生理特征认证和行为特征认证,生理特征认证包括指纹识别[1]二虹膜识别[2]二脸型识别[3]等,行为特征识别主要包括签名识别[4]二击键识别[5]二步态识别[6]等.
随着智能设备的迅速普及,手势识别生物特征身份认证
方法成为一种新型的身份认证方法.通过智能手机采集手势数据进行身份认证,较使用Kinect 设备[7]
与MEMS 传感
器
[8]
进行手势身份认证用户无需其他传感器设备,可增强用
户的舒适感;同时,由于更能体现用户的个体特征,而具有更高的准确性和可靠性.目前,主流的手势认证方法有:采用支持向量机(Support Vector Machine ,SVM )算法,通过核映射方法转化到高维空间解决线性数据可分问题,完成数据模型训
练及认证[9];采用动态时间规划(Dynamic Time Warping ,DTW )算法,通过测量两个特征时间序列之间的差异,或者预测待测特征时间序列与模板特征时间序列之间的相似程度,
通过模板匹配完成身份认证[10];采用改进的豪斯多夫距离(Modified Hausdorff Distance ,MHD )计算验证特征与模板特征的匹配值,通过对匹配值的归一化处理并采用最大-最小融合规则得出匹配结果[11];采用反向传播神经网络(Back Prop-agation Neural Network ,BPNN )模型与粒子群优化的径向基函数网络(Practical Swarm Optimisation-Radial Basis Function Network ,PSO-RBFN )模型进行特征训练与用户识别[12].然而文献[9-12]的方法存在以下不足:使用手势特征序列建立的模型不能很好地解决手势特征序列在时间上的差异性,同时,使用等错率作为建模时依据,而实际应用系统应尽可能降低错误接受率要求.
针对文献[9-12]算法中存在的不足,采用隐马尔科夫模型建立手势身份认证模型.作为一个强有力的概率统计模型,在模式识别领域里隐马尔科夫模型可用于模拟随机信号时间万方数据