专利名称：基于握力特征量的人身份和状态识别系统的制作方法
技术领域：
本实用新型涉及一种基于人的握力而进行的身份识别系统，同时还能对人 的状态进行识别，利用此系统可以识别人对特定装置施力习惯及大小，从而形 成不同的特征识别信息，从而对人员使用权限的认证。
背景技术：
计算机技术的发展，电子商务、银行业务、门禁、网络登录、重要设备的 使用权限等无不涉及到人员身份识别问题。在常规的人员身份识别与使用授权 研究中，始终将人员身份的稳定性特征作为唯- -的视点。比如，目前最常用的 硏究得非常多的手段有密码、指纹和虹膜等，这些都属于静态的、稳定的特征。
密码人为设定，虽然可以修改，但存在破译和盗窃的可能；而指纹和虹膜作为 人的生物特征量，具有不可复制性，稳定性好。然而，在有的情况下，单纯地 采用稳定的生物学特征来确认使用授权并不一定是最好的办法。例如从汽车使 用安全角度来看，在赋予驾驶员使用车辆权力的同时，更期待车辆能够时常地 监控驾驶人员的精神状态，以防止洒后驾车和疲劳驾车。然而现有的常规密码 及较新的生物密码均无法实现此种识别。
实用新型内容
针对现有技术存在的上述不足，本实用新型的目的是提供一种基于握力特 征量而能同时对人的身份和状态进行识别的系统。
本实用新型的技术方案是这样实现的基于握力特征量的人身份和状态识 别系统，它包括依次连接的信号釆集模块、信号调理模块、信号处理模块、分 析模块、判别模块和判别结果输出模块，其特征在于所述信号采集模块为握
力特征采集器，信号采集模块将采集到的握力信号样本通过信号调理模块调理 和信号处理模块处理后使用分析模块进行样本的握力特征参数分析，由判别模 块对分析得到的握力特征参数进行判别。
所述信号调理模块由信号调理器和模数转换器构成。
所述握力特征采集器包含有三个压力传感器，该三个压力传感器分别与食 指、中指、无名指对应。
本实用新型可以利用人对特定的力输入装置施加握力，对人员的身份和状 态进行识别，同时具有较强的自适应性。且被采集的握力特征量具有较严格的 相关性，根据其分析产生的识别结果具有较好的完整性，几乎不可能被仿冒， 因为即便施力者本身也无法淸楚表述其握力特征。本实用新型可用于各种需要 身份识别的领域，如电子商务、银行业务、门禁系统等，亦可用于重要设备运 行控制，如酒后驾车判别等。
图l-本实用新型结构示意图2-对一次实验进行压力一时间函数计算获得的该次握力特征信号曲线。
具体实施方式
以下结合附图对本实用新型作进一步说明。
为了获取一种既有密码识别特点也有生物学特征的识别方法，本实用新型
利用人对特定的力输入装置的加^r特征量，构造出了--种新的基于力学特征量
的"力密码"识别授权新系统。该系统的密码特征可以利用多通道的力信号时
序来描述；它的生物学特征则可能隐含在力度、快慢、手指间施力差异和习惯 之中。由于输入的力学信号中隐含有施力习惯等生物力学特征，因此又含有人 的情绪、精神状态等信息，可有更为广泛的用途。
具体方案参见图1，从图上可以看出，本实用新型基于握力特征量的人身份 和状态识別系统，它包括依次连接的信号采集模块l、信号调理模块2、信号处
理模块3、分析模块12、判别模块13和判别结果输出模块11。其中，信号采集 模块1为握力特征采集器，所述握力特征采集器包含有三个完全独立的压力传 感器，该三个压力传感器分别与食指、中指、无名指对应。信号调理模块2由 信号调理器(如5B31信号调理器)和模数转换器(如AD9432)构成，图中有 三个这样的模块，分别与三个压力传感器对应。握力特征采集器中的各传感器 分别连接到信号调理模块2，经过信号调理模块2的信号放大和滤波之后，输入 到信号处理模块3，由信号处理模块3计算出各传感器的压力一时间函数。当人 对握力特征采集器施加握力时，通过其上各传感器所计算出的压力一时间函数 使用握力特征量分析模块12，进行握力特征参数分析，得到不同个体的握力特 征参数数据库。分析选用的特征参数主要有力度、时序、峭度、幅值以及随 机模型的概率函数。
通过得到的特征函数，釆用隐马尔可夫模型和神经网络方法建立模型库， 利用相应的隐马尔可夫模型统计方法进行分析，以求得匹配估计。根据握力特 征专家识别库，建立关于模型匹配的判别准则，并不断验证，改进判别准则， 将每个符合验证模型的样本，按加权平均原则加入模型库，使识别系统对渐变 的施力习惯具有自适应能力。根据系统中的每一判别准则，做出相应的估计， 综合所有的估计可得到输入特征是否与模型匹配的判断，并将结果输出。
本实用新型信号产生和处理过程
由握力特征采集器1上的食指、中指、无名指三个压力传感器采集施力者 的压力信号后，分别送入信号调理模块2进行信号调理和放大，再经信号处理 模块3处理而得到压力---时间函数，根据该函数可以得到该次握力特征信号曲 线，见图2 (函数或曲线则反映出不同的握力特征参数，主要有力度、时序、 峭度、幅值等)，然后采用握力特征量分析模块12对压力一时间函数进行分析。 在握力特征量分析模块12中，首先对得到的函数进行握力函数预处理，见标记 4所指子模块，预处理包括
去零误差处理若系统的任一部分存在零误差，需要进行相应的处理以消
除零误差的影响。
去噪处理压力为随时间变化的函数，该函数在任一时刻的频率必定在可 确定的范围之内，过大或过小的频率都可以认为是噪声，通过一高通滤波和一 低通滤波函数将其滤去。
归一化处理压力信号的幅度可能过大或过小，需要将其变换到统一的范 围内方便处理。
然后，对上述预处理后的握力特征参数进行分析，见标记5所指子模块。 首先对时序特征和力度特征进行分析，对已有的大量数据进行分析的结果表明， 出自不同人的握力时序特征和力度特征有较大的区别。若样本时序特征或力度 特征与验证模型不符合，则可以进行否定判别并输出识别结果，这样可提高系 统的识别速度。若样本的时序特征和力度特征均符合验证模型，为提高识别精 度，则进行幅值特征和峭度特征分析。为了获得某--验证模型，施力人可重复 多次进行握力训练，采用隐马尔可夫模型和神经网络方法进行握力特征参数建 模，见标记6所指子模块，将已获得的参数模型按一定的检索规律建立握力特 征参数库7，并^用相应的隐马尔可夫模型统计方法进行分析，进行握力特征测 度估计，见标记8所指子模块，以求得匹配概率。
其次，设i掘力特征专家知识库9，根据实验，建立关于模型匹配的判别准 则，并不断验证、改进判别准则。将毎个符合验证模型的样本，按加权平均原 则加入模型库，使识别系统对渐变的施力习惯具有自适应能力。根据系统中的 每一判别准则，做出相应的估计，综合所有的估计可得出输入特征是否与模型 匹配的判别，见标记10所指子模块，最后通过判别结果输出模块11将结果输出。
权利要求1、基于握力特征量的人身份和状态识别系统，它包括依次连接的信号采集模块(1)、信号调理模块(2)、信号处理模块(3)、分析模块(12)、判别模块(13)和判别结果输出模块(11)，其特征在于所述信号采集模块(1)为握力特征采集器，信号采集模块(1)将采集到的握力信号样本通过信号调理模块(2)调理和信号处理模块(3)处理后使用分析模块(12)进行样本的握力特征参数分析，由判别模块(13)对分析得到的握力特征参数进行判别。
2、 根据权利要求1所述的基于握力特征量的人身份和状态识别系统，其特 征在于所述信号调理模块(2)由信号调理器和模数转换器构成。
3、 根据权利要求1或2所述的基于握力特征量的人身份和状态识别系统， 其特征在于所述握力特征采集器包含有三个压力传感器，该三个压力传感器 分别与食指、中指、无名指对应。
专利摘要本实用新型公开了一种基于握力特征量的人身份和状态识别系统，包括依次连接的握力特征采集器、信号调理模块、信号处理模块、分析模块、判别模块和输出模块，握力特征采集器将采集到的握力信号通过信号调理模块和信号处理模块处理后使用分析模块进行样本的握力特征参数分析，由判别模块对分析得到的握力特征参数进行判别。本实用新型利用人对特定的力输入装置施加握力，从而实现对人身份和状态的识别，被采集的握力特征量具有较严格的相关性，根据其分析产生的识别结果具有较好的完整性。本实用新型可用于各种需要身份识别的领域，如电子商务、银行业务、门禁系统等，亦可用于重要设备运行控制，如酒后驾车判别等。
文档编号A61B5/117GK201200405SQ20082009843
公开日2009年3月4日 申请日期2008年5月29日 优先权日2008年5月29日
发明者亮 唐, 李定玉, 杨昌棋, 凯 韦 申请人:重庆大学