一種穿戴式設備的身份識別方法及識別裝置與流程

本發明屬于身份識別技術領域，尤其涉及一種穿戴式設備的身份識別方法及識別裝置。

背景技術：

穿戴式設備的體積較小，大多功能的設計都是與個人的健康數據、或個人的運動數據相關，在對穿戴式設備反饋的個人數據進行管理分析時，管理人難以知曉當前數據是否為該設備所有者的數據，容易出現誤判。因此，穿戴式設備大多需要對用戶的身份進行識別。

現有的身份識別方法，市場上采用最多的是兩種方法：

一種方法是采用攝像頭或者指紋識別技術進行個人身份識別，這種方法制備的產品造價昂貴，且構造較復雜，不適合應用于體積較小的穿戴式設備。

另一種常用方法是采用心電圖(ECG，electrocardiogram)技術進行個人身份識別。心電圖已經被學術界論證可以作為人體身份識別的重要特征，心電圖身份識別技術通常將用戶心電圖特征與心電圖特征模板庫進行對比，從而識別出個人身份。利用這種方法識別身份可節省成本，產品能夠得到普及。但是，目前市場上的穿戴式設備在采集個人心電圖特征參數時，一般是基于PQRST這幾種波中，每個波的峰值或起止點作為特征參數，單獨進行判斷或計算，這種判斷方式得到的結果往往并不準確，且需要非常大的計算，尤其是頻域的分析，會耗費非常多的計算，從而浪費了穿戴式設備的功耗。

技術實現要素：

本發明提供一種穿戴式設備的身份識別方法及識別裝置，旨在解決身份識別不準確且浪費功耗的問題。

為解決上述技術問題，本發明提供了一種穿戴式設備的身份識別方法，所述方法包括：

對獲取的用戶的心電信號進行濾波去噪處理；

根據濾波去噪后的心電信號得到所述用戶的心電信號特征參數，所述心電信號特征參數至少包括：R波的幅度與T波的幅度的比值，及QTC的時間間隔；

基于預先存儲的心電信號特征模板與用戶身份之間的映射關系，將所述心電信號特征參數與所述映射關系中的心電信號特征模板進行匹配，基于匹配結果識別用戶身份。

進一步地，所述對獲取的用戶的心電信號進行濾波去噪處理之前還包括：采用光電容積脈搏波描記技術獲取用戶的心率變化結果；結合所述心率變化結果對所述穿戴式設備進行離手判斷；若判斷結果為未離手，則確定用戶身份為上次識別的用戶；若判斷結果為已離手，則執行所述對獲取的用戶的心電信號進行濾波去噪處理的步驟。

進一步地，所述心電信號特征參數還包括：QR的時間間隔、QRS的時間間隔。

進一步地，所述方法還包括：在成功識別所述用戶身份后，將所述心電信號特征參數作為最新的特征模板，且利用所述心電信號特征參數對所述映射關系中所述用戶原有的心電信號特征模板進行更新。

進一步地，所述方法還包括：若未識別所述用戶身份，則確定所述用戶為新用戶，并采集所述新用戶的身份信息，保存所述身份信息及所述心電信號特征參數之間的映射關系。

本發明還提供了一種穿戴式設備的身份識別裝置，所述裝置包括：

獲取去噪模塊，用于對獲取的用戶的心電信號進行濾波去噪處理；

特征提取模塊，用于根據濾波去噪后的心電信號得到所述用戶的心電信號特征參數，所述心電信號特征參數至少包括：R波的幅度與T波的幅度的比值，及QTC的時間間隔；

識別模塊，用于基于預先存儲的心電信號特征模板與用戶身份之間的映射關系，將所述心電信號特征參數與所述映射關系中的心電信號特征模板進行匹配，基于匹配結果識別用戶身份。

進一步地，所述裝置還包括離手判斷模塊，所述離手判斷模塊具體用于：采用光電容積脈搏波描記技術獲取用戶的心率變化結果；結合所述心率變化結果對所述穿戴式設備進行離手判斷；若判斷結果為未離手，則確定用戶身份為上次識別的用戶；若判斷結果為已離手，則執行所述獲去噪模塊的操作。

進一步地，所述心電信號特征參數還包括：QR的時間間隔、QRS的時間間隔。

進一步地，所述裝置還包括：更新模塊，用于在成功識別所述用戶身份后，將所述心電信號特征參數作為最新的特征模板，且利用所述心電信號特征參數對所述映射關系中所述用戶原有的心電信號特征模板進行更新。

進一步地，所述裝置還包括：新用戶記錄模塊，用于若未識別所述用戶身份，則確定所述用戶為新用戶，并采集所述新用戶的身份信息，保存所述身份信息及所述心電信號特征參數之間的映射關系。

本發明與現有技術相比，有益效果在于：

本發明所提供的方法或裝置根據濾波去噪后的心電信號得到用戶的R波的幅度與T波的幅度的比值及QTC的時間間隔，并將這兩項參數作為用戶身份的判斷標準與預先存儲的特征模板進行對比，從而確定用戶身份。與現有技術中的僅以各種波的峰值或起始點作為判斷標準相比，本發明將R波的幅度與T波的幅度的比值、QTC的時間間隔作為重要的判斷參數，這兩項參數更加穩定，從而使得判斷更加準確；且這兩項參數是基于心電信號的實域特征進行的提取，計算量更低，從而能夠降低穿戴式設備的功耗。

附圖說明

圖1是本發明第一實施例提供的穿戴式設備的身份識別方法流程圖；

圖2是本發明第二實施例提供的穿戴式設備的身份識別方法流程圖；

圖3是本發明第三實施例提供的穿戴式設備的身份識別裝置示意圖；

圖4是本發明第四實施例提供的穿戴式設備的身份識別裝置示意圖。

具體實施方式

為了使本發明的目的、技術方案及優點更加清楚明白，以下結合附圖及實施例，對本發明進行進一步詳細說明。應當理解，此處所描述的具體實施例僅僅用以解釋本發明，并不用于限定本發明。

作為本發明的第一個實施例，如圖1所示，本發明提供了一種穿戴式設備的身份識別方法，該方法包括：

步驟S101：對獲取的用戶的心電信號進行濾波去噪處理。

步驟S102：根據濾波去噪后的心電信號得到該用戶的心電信號特征參數，該心電信號特征參數至少包括：R波的幅度與T波的幅度的比值，及QTC的時間間隔。

其中，步驟S102具體包括：分別提取經過濾波去噪處理的心電信號中Q波、R波、S波和T波的起止點參數，及分別提取R波和T波的幅度參數；基于Q波、R波、S波和T波的起止點參數，分別計算QTC時間間隔，基于R波和T波的幅度參數，計算R波的幅度與T波的幅度之間的比值。

需要說明的是，Q波、R波、S波和T波，以及QTC均為目前心電圖領域基本的指標或參數，因此在本發明中不詳加解釋說明。

步驟S103：基于預先存儲的心電信號特征模板與用戶身份之間的映射關系，將該用戶的心電信號特征參數與映射關系中的心電信號特征模板進行匹配，基于匹配結果識別用戶身份。

綜上所述，本發明第一實施例所提供的方法，根據濾波去噪后的心電信號得到用戶的R波的幅度與T波的幅度的比值及QTC的時間間隔，并將這兩項參數作為用戶身份的判斷標準與預先存儲的特征模板進行對比，從而確定用戶身份。與現有技術中的僅以各種波的峰值或起始點作為判斷標準相比，本發明將R波的幅度與T波的幅度的比值、QTC的時間間隔作為重要的判斷參數，這兩項參數更加穩定，從而使得判斷更加準確；且這兩項參數是基于心電信號的實域特征進行的提取，計算量更低，從而能夠降低穿戴式設備的功耗。

作為本發明的第二個實施例，如圖2所示，本發明提供了一種穿戴式設備的身份識別方法，該方法包括：

步驟S201：采用光電容積脈搏波描記技術(PPG，photoplethysmography)獲取用戶的心率變化結果，結合該心率變化結果對所述穿戴式設備進行離手判斷：若判斷結果為未離手，則確定該用戶身份仍為上次識別的用戶；若判斷結果為已離手，則執行步驟S202。

PPG技術與離手判斷方法均為現有技術，在本發明中不詳加說明。在步驟S201中，本發明將PPG技術應用到離手判斷方法里，PPG技術首先基于光的反射原理來判斷用戶的心率變化，然后根據該心率變化結果來進一步進行離手判斷。

步驟S202：對獲取的用戶的心電信號進行濾波去噪處理。

步驟S203：根據濾波去噪后的心電信號得到該用戶的心電信號特征參數，該心電信號特征參數至少包括：R波的幅度與T波的幅度的比值，及QTC的時間間隔。進一步地，該心電信號特征參數還包括：QR的時間間隔、QRS的時間間隔。

本發明將R波的幅度與T波的幅度的比值、QTC的時間間隔作為重要的判斷參數，這兩項參數更加穩定，從而使得判斷更加準確；且這兩項參數是基于心電信號的實域特征進行的提取，計算量更低，從而能夠降低穿戴式設備的功耗。同時，以QR的時間間隔、QRS的時間間隔也同樣具有較高的穩定性，將QR的時間間隔與QRS的時間間隔作為判斷參數，也因此使得判斷更加準確，且這兩項參數是基于心電信號的實域特征進行的提取，計算量更低，從而能夠降低穿戴式設備的功耗。

需要說明的是，步驟S203包括：分別提取經過濾波去噪處理的心電信號中Q波、R波、S波和T波的起止點參數，及分別提取R波和T波的幅度參數；基于Q波、R波、S波和T波的起止點參數，分別計算QR時間間隔、QRS時間間隔和QTC時間間隔，基于所述R波和T波的幅度參數，計算所述R波的幅度與T波的幅度之間的比值。

需要說明的是，Q波、R波、S波和T波，以及QR、QRS、QTC均為目前心電圖領域基本的指標或參數，因此在本發明中不詳加解釋說明。

步驟S204：基于預先存儲的心電信號特征模板與用戶身份之間的映射關系，將步驟S203得到的心電信號特征參數與映射關系中的心電信號特征模板進行匹配，基于匹配結果識別用戶身份。

若成功識別用戶身份，則執行步驟S205；若匹配結果表示未識別用戶身份，表示該用戶為新用戶，則執行步驟S206。

步驟S205：在成功識別用戶身份后，將該心電信號特征參數作為最新的特征模板，且利用該心電信號特征參數，對映射關系中該用戶原有的心電信號特征模板進行更新。

由于每個用戶的心電信號特征會隨著時間的變化而發生一些變化，因此，本實施例中步驟S205每次都會對用戶原有的心電信號特征模板進行更新，以保證用戶的心電信號特征模板一直處于最新、最優化的狀態，從而能夠更加精準的識別用戶身份。進一步地，本發明可將該步驟S205的執行過程設定在穿戴式設備的空閑時間進行，不占用該穿戴式設備的工作時間，從而不降低該穿戴式設備的工作效率。

步驟S206：若未識別該用戶身份，則確定該用戶為新用戶，并采集該新用戶的身份信息，保存該新用戶的身份信息及該用戶的心電信號特征參數之間的映射關系。

需要說明的是，本發明在應用心電信號特征參數進行用戶身份識別之前，首先采用離手判斷技術對用戶是否將穿戴式設備離手進行判斷，若判斷結果為未離手，則可以確定當前的用戶身份為上次識別的用戶，則無需再執行第S202至S205的步驟重復識別用戶身份。因此，先進行離手判斷操作避免了現有技術中每次開始識別用戶身份時，都需要對用戶心電信號進行獲取、濾波去噪、提取心電信號特征參數以及將心電信號特征參數與預設模板對比的操作，從而避免了許多計算過程，大大降低了計算量，減少了穿戴式設備的功耗，同時大大提高了穿戴式設備的識別用戶身份的效率。

需要說明的是，用戶可以在第一次使用該穿戴式設備時，輸入自己的身份信息，穿戴式設備保存身份信息及所述心電信號特征參數之間的映射關系，同時，穿戴式設備將第一次采集的心電信號特征參數作為該用戶的心電信號特征模板預先存儲。

綜上所述，本發明第二實施例所提供的方法，判斷更加準確、計算量更低、降低穿戴式設備的功耗，大大提高了穿戴式設備識別用戶身份的效率。

作為本發明的第三個實施例，如圖3所示，本發明提供了一種穿戴式設備的身份識別裝置，該裝置包括獲取去噪模塊11、特征提取模塊22以及識別模塊33。

獲取去噪模塊11，用于對獲取的用戶的心電信號進行濾波去噪處理。

特征提取模塊22，用于根據濾波去噪后的心電信號得到該用戶的心電信號特征參數，該心電信號特征參數至少包括：R波的幅度與T波的幅度的比值，及QTC的時間間隔。

其中，特征提取模塊22具體用于：分別提取經過濾波去噪處理的心電信號中Q波、R波、S波和T波的起止點參數，及分別提取R波和T波的幅度參數；基于Q波、R波、S波和T波的起止點參數，分別計算QTC時間間隔，基于R波和T波的幅度參數，計算R波的幅度與T波的幅度之間的比值。

需要說明的是，Q波、R波、S波和T波，以及QTC均為目前心電圖領域基本的指標或參數，因此在本發明中不詳加解釋說明。

識別模塊33，用于基于預先存儲的心電信號特征模板與用戶身份之間的映射關系，將該用戶的心電信號特征參數與映射關系中的心電信號特征模板進行匹配，基于匹配結果識別用戶身份。

綜上所述，本發明第三實施例所提供的裝置，該裝置根據濾波去噪后的心電信號得到用戶的R波的幅度與T波的幅度的比值及QTC的時間間隔，并將這兩項參數作為用戶身份的判斷標準與預先存儲的特征模板進行對比，從而確定用戶身份。與現有技術中的僅以各種波的峰值或起始點作為判斷標準相比，本發明將R波的幅度與T波的幅度的比值、QTC的時間間隔作為重要的判斷參數，這兩項參數更加穩定，從而使得判斷更加準確；且這兩項參數是基于心電信號的實域特征進行的提取，計算量更低，從而能夠降低穿戴式設備的功耗。

作為本發明的第四個實施例，如圖4所示，本發明提供了一種穿戴式設備的身份識別裝置，該裝置包括獲取去噪模塊11、特征提取模塊22、識別模塊33、離手判斷模塊44、更新模塊55以及新用戶記錄模塊66。

離手判斷模塊44，用于采用PPG技術獲取用戶的心率變化結果，結合該心率變化結果對所述穿戴式設備進行離手判斷：若判斷結果為未離手，則確定該用戶身份仍為上次識別的用戶；若判斷結果為已離手，則下一步由獲取去噪模塊11操作。

PPG技術與離手判斷方法均為現有技術，在本發明中不詳加說明。在步驟S201中，本發明將PPG技術應用到離手判斷方法里，PPG技術首先基于光的反射原理來判斷用戶的心率變化，然后根據該心率變化結果來進一步進行離手判斷。

獲取去噪模塊11，用于對獲取的用戶的心電信號進行濾波去噪處理。

特征提取模塊22，用于根據濾波去噪后的心電信號得到該用戶的心電信號特征參數，該心電信號特征參數至少包括：R波的幅度與T波的幅度的比值，及QTC的時間間隔。進一步地，該心電信號特征參數還包括：QR的時間間隔、QRS的時間間隔。

本發明將R波的幅度與T波的幅度的比值、QTC的時間間隔作為重要的判斷參數，這兩項參數更加穩定，從而使得判斷更加準確；且這兩項參數是基于心電信號的實域特征進行的提取，計算量更低，從而能夠降低穿戴式設備的功耗。同時，以QR的時間間隔、QRS的時間間隔也同樣具有較高的穩定性，將這QR的時間間隔與QRS的時間間隔作為判斷參數，也因此使得判斷更加準確，且這兩項參數是基于心電信號的實域特征進行的提取，計算量更低，從而能夠降低穿戴式設備的功耗。

需要說明的是，特征提取模塊22具體用于：分別提取經過濾波去噪處理的心電信號中Q波、R波、S波和T波的起止點參數，及分別提取R波和T波的幅度參數；基于Q波、R波、S波和T波的起止點參數，分別計算QR時間間隔、QRS時間間隔和QTC時間間隔，基于所述R波和T波的幅度參數，計算所述R波的幅度與T波的幅度之間的比值。

需要說明的是，Q波、R波、S波和T波，以及QR、QRS、QTC均為目前心電圖領域基本的指標或參數，因此在本發明中不詳加解釋說明。

識別模塊33，用于基于預先存儲的心電信號特征模板與用戶身份之間的映射關系，將特征提取模塊22得到的心電信號特征參數與映射關系中的心電信號特征模板進行匹配，基于匹配結果識別用戶身份。

若成功識別用戶身份，則下一步由更新模塊55操作；若匹配結果表示未識別用戶身份，表示該用戶為新用戶，則下一步由新用戶記錄模塊66操作。

更新模塊55，用于在成功識別用戶身份后，將該心電信號特征參數作為最新的特征模板，且利用該心電信號特征參數，對映射關系中該用戶原有的心電信號特征模板進行更新。

由于每個用戶的心電信號特征會隨著時間的變化而發生一些變化，因此，本實施例中更新模塊55每次都會對用戶原有的心電信號特征模板進行更新，以保證用戶的心電信號特征模板一直處于最新、最優化的狀態，從而能夠更加精準的識別用戶身份。進一步地，本發明可將更新模塊55的執行過程設定在穿戴式設備的空閑時間進行，不占用該穿戴式設備的工作時間，從而不降低該穿戴式設備的工作效率。

新用戶記錄模塊66，用于若未識別該用戶身份，則確定該用戶為新用戶，并采集該新用戶的身份信息，保存該新用戶的身份信息及該用戶的心電信號特征參數之間的映射關系。

需要說明的是，本發明在應用心電信號特征參數進行用戶身份識別之前，首先采用離手判斷技術對用戶是否將穿戴式設備離手進行判斷，若判斷結果為未離手，則可以確定當前的用戶身份為上次識別的用戶，則無需再經過模塊11至55的重復操作。因此，先進行離手判斷操作避免了現有技術中每次開始識別用戶身份時，都需要對用戶心電信號進行獲取、濾波去噪、提取心電信號特征參數以及將心電信號特征參數與預設模板對比的操作，從而避免了許多計算過程，大大降低了計算量，減少了穿戴式設備的功耗，同時大大提高了穿戴式設備的識別用戶身份的效率。

需要說明的是，用戶可以在第一次使用該穿戴式設備時，輸入自己的身份信息，穿戴式設備保存身份信息及所述心電信號特征參數之間的映射關系，同時，穿戴式設備將第一次采集的心電信號特征參數作為該用戶的心電信號特征模板預先存儲。

綜上所述，本發明第四實施例所提供的裝置，判斷更加準確、計算量更低、降低穿戴式設備的功耗，大大提高了穿戴式設備識別用戶身份的效率。

以上所述僅為本發明的較佳實施例而已，并不用以限制發明，凡在本發明的精神和原則之內所作的任何修改、等同替換和改進等，均應包含在本發明的保護范圍之內。