身份识别方法、装置、电子设备及计算机存储介质与流程

1.本发明涉及信息处理技术领域，特别涉及一种身份识别方法、装置、电子设备及计算机存储介质。


背景技术：

2.目前，高血压、心绞痛、心肌梗塞等疾病频发，为了能够及时发现心律失常以及心肌梗塞等症状。所以在生活中能检测用户心电数据的设备来越流行，例如，智能马桶等设备，以智能马桶为例，用户每次使用智能马桶时，都可以进行心电数据的检测以及其他人体数据的检测，并将检测的各数据与该用户进行关联，以便用户可以查看检测结果。
3.但是，现有技术中，若想要使用智能马桶等具有检测用户心电数据的设备来进行检测和查看，每次都需要先进行扫描登录或者指纹登录以进行用户的身份识别，然后才能检测显示，由此，导致用户的身份识别的效率较低，影响用户的体验。


技术实现要素：

4.本公开示例性的实施方式中提供一种身份识别方法、装置、电子设备及计算机存储介质，用于自动识别用户的身份信息，以提高用户身份识别的效率，提高用户的体验。
5.本公开的第一方面提供一种身份识别方法，所述方法包括：
6.获取用户至少两个导联的心电数据，其中，所述导联包括肢体导联和/或胸导联；
7.对各心电数据进行轮廓识别，得到所述各心电数据中指定类型的各波的轮廓，其中，所述指定类型的各波包括p波、t波和qrs波中的至少一个；
8.将各心电数据对应的各波的轮廓在指定平面中进行投影，得到所述用户的心电向量环；
9.将所述用户的心电向量环和预设的各模板心电向量环分别进行匹配，得到各匹配值，其中，所述预设的各模板心电向量环分别对应不同的用户身份信息；
10.根据所述各匹配值，确定所述用户的身份信息。
11.本实施例中通过获取用户至少两个导联的心电数据，并通过该心电数据得到用户的心电向量环，然后基于该心电向量环分别与预设的各模板心电向量环进行匹配来确定用户的身份信息，由此，本实施例可以自动识别出用户的身份信息，并不需要用户做其他额外的操作来进行身份识别，提高了用户身份识别的效率，提高用户的体验。
12.与此同时，当人体体态或坐姿变化导致心脏在体内的相对位置变化时，通过至少两个导联的心电数据所形成的心电向量环还可以提高身份识别的准确性，进一步提高用户体验。
13.在一个实施例中，任意一个波的轮廓是由心脏在各时间点的电势差值所组成的；
14.所述将各心电数据对应的各波的轮廓在指定平面中进行投影，得到所述用户的心电向量环，包括：
15.针对任意一个心电数据中的任一指定类型的任意一个波，基于所述波的轮廓，得
到所述波在各时间点对应的电势差值；并，
16.根据所述波在各时间点对应的电势差值，得到所述波在各时间点对应的各投影点在目标坐标轴上的位置坐标，其中，所述目标坐标轴是基于所述心电数据对应的导联确定的；
17.根据各心电数据中在相同时间点对应的投影点在目标坐标轴上的位置坐标，得到所述投影点的目标位置坐标；
18.通过各投影点的目标位置坐标，得到与指定类型的各波对应的心电向量环；
19.利用所述指定类型的各波对应的心电向量环，得到所述用户的心电向量环，其中，所述用户的心电向量环的数量与波的类型的数量相同。
20.本实施例通过将各心电数据对应的各波的轮廓在指定平面中进行投影确定出用户的心电向量环，使得确定出的心电向量环更加准确。
21.在一个实施例中，所述根据所述各匹配值，确定所述用户的身份信息，包括：
22.若所述各匹配值中存在大于指定阈值的匹配值，则将大于指定阈值的各匹配值中数值最大的匹配值对应的模板心电向量环确定为目标模板心电向量环，并利用预设的模板心电向量环与身份信息的对应关系，确定与所述目标模板心电向量环对应的身份信息之后，将确定的所述身份信息确定为所述用户的身份信息；或，
23.若所述各匹配值中不存在大于指定阈值的匹配值，则将所述心电向量环分别向各指定方向旋转各指定角度，得到多个中间心电向量环，并针对任意一个中间心电向量环，利用多个不同的收缩比例分别对所述中间心电向量环进行收缩处理，得到多个目标心电向量环；针对预设的所述各模板心电向量环中的任意一个模板心电向量环，利用预设的匹配算法将所述多个目标心电向量环与所述模板心电向量环进行匹配，得到各匹配值，并将各匹配值中的最大值确定为所述用户的心电向量环与所述模板心电向量环的目标匹配值；将目标匹配值大于指定阈值的模板心电向量环确定为所述目标模板心电向量环，并利用预设的模板心电向量环与身份信息的对应关系，确定与所述目标模板心电向量环对应的身份信息之后，将确定的所述身份信息确定为所述用户的身份信息。
24.本实施例中首先确定各匹配值中是否存在大于指定阈值的匹配值，若确定出存在大于指定阈值的匹配值，则将大于指定阈值的各匹配值中数值最大的匹配值对应的模板心电向量环确定为目标模板心电向量环，并基于目标模板心电向量环确定用户的身份信息，若确定出不存在大于指定阈值的匹配值，则对心电向量环进行旋转和收缩处理，然后基于收缩处理后的心电向量环与各模板心电向量环进行匹配，得到目标模板心电向量环，并基于目标模板心电向量环确定用户的身份信息，由此，提高了用户身份信息的准确率。
25.在一个实施例中，所述对各心电数据进行轮廓识别，得到所述各心电数据中指定类型的各波的轮廓之前，所述方法还包括：
26.对所述心电数据进行滤波去噪处理。
27.本实施例在对心电数据进行轮廓识别之前，需要对所述心电数据进行滤波去噪处理，以此使得轮廓识别的结果更加准确。
28.在一个实施例中，获取用户至少两个导联的心电数据之前，所述方法还包括：
29.当确定用户坐到智能马桶上后，获取所述用户的人体参数，其中，所述人体参数包括体脂和体重；
30.利用所述用户的体重对所述用户的体脂进行修正，得到修正后的体脂；
31.将所述修正后的体脂和与所述智能马桶对应的各注册人体参数分别进行匹配，得到各匹配值；
32.基于所述各匹配值，得到与所述用户修正后的体脂相对应的目标注册人体参数，并将与所述目标注册人体参数相对应的注册身份信息确定为所述用户的身份信息；
33.确定所述目标注册人体参数的数量不等于指定数量。
34.本实施例通过利用用户的体重对用户的体脂进行修正，并通过修正后的体脂来实现对用户的身份信息的识别。由于人体的坐姿的变化会导致测量得到的用户体脂变化，所以，本实施例中通过用户的体重来对用户的体脂进行修正，再使用修正后的体脂来进行识别用户的身份信息。由此，提高了用户身份识别的准确率，进而提高用户体验。
35.此外，用户在如厕过程中，坐于智能马桶上时，会自然脱下外裤，使下肢肌肤可以与智能马桶的座圈直接接触，而一般智能马桶上进行体脂和体重检测的传感器一般布设于座圈上，如此，不仅提高了体脂检测的准确率，进一步提高用户身份识别的准确率，而且可以在用户如厕过程中自动识别用户身份信息，无需用户主动登录关联，提升用户身份识别效率，也进一步提高了用户体验。
36.在一个实施例中，所述体重包括至少两个压力值，其中，各压力值为在所述智能马桶的不同位置对所述用户的体重进行测量得到的；
37.所述利用所述用户的体重对所述用户的体脂进行修正，得到修正后的体脂，包括：
38.若所述体重包括的压力值的数量为两个，则根据所述体重包括的两个压力值，得到比例系数，基于所述比例系数和预先设置的拟合系数，得到目标修正系数，并利用所述目标修正系数对所述用户的体脂进行修正，得到所述修正后的体脂；或，
39.若所述用户的体重包括的压力值的数量大于两个，则将所述体重包括的各压力值和所述体脂输入至预先训练好的体脂修正模型中，得到所述修正后的体脂。
40.本实施例中通过体重对应的压力值的数量的不同来使用对应的方式来对体脂进行修正，以此修正后的体脂更加正确。
41.在一个实施例中，所述拟合系数包括第一拟合系数和第二拟合系数；
42.所述基于所述比例系数和预先设置的拟合系数，得到目标修正系数，包括：
43.将所述比例系数与所述第一拟合系数相乘，得到中间拟合系数，将所述中间拟合系数与所述第二拟合系数相加，得到所述目标修正系数；
44.所述根据所述体重包括的两个压力值，得到比例系数，包括：
45.将所述两个压力值相除，得到所述比例系数；
46.所述利用所述目标修正系数对所述用户的体脂进行修正，得到所述修正后的体脂，包括：
47.将所述目标修正系数与所述体脂相乘，得到所述修正后的体脂。
48.本实施例通过体重对应的两个压力值的比值有效的建立了不同坐姿与体脂之间检测的波动，有效校准了用户的体脂值，提高体脂的准确率。
49.在一个实施例中，通过以下公式得到所述修正后的体脂：
50.51.其中，f0为所述用户的体脂，f1为所述修正后的体脂，p1为所述两个压力值中的一个压力值，p2为所述两个压力值中的另一压力值，n1为所述第一拟合系数，n2为所述第二拟合系数。
52.在一个实施例中，所述将所述修正后的体脂和与所述智能马桶对应的各注册人体参数分别进行匹配，得到各匹配值，包括：
53.针对任意一个注册人体参数，将修正后的体脂与所述注册人体参数中的注册体脂相除，得到第一相似值；并将所述第一相似值与指定数值的差值的绝对值确定为所述修正后的体脂和所述注册人体参数的匹配值；或，
54.针对任意一个注册人体参数，将所述注册人体参数中的注册体重中的各注册压力值相加得到第一总压力值，以及将所述用户的体重中的各压力值相加，得到第二总压力值；将所述第二总压力值和所述第一总压力值相减，得到压力差值后，将所述压力差值与所述第一总压力值相除，得到第二相似值，并将所述第二相似值的绝对值和所述第一相似值与指定数值的差值的绝对值确定为所述修正后的体脂和所述注册人体参数的匹配值，其中，所述注册体重包括的压力值的数量与所述用户的体重包括的压力值的数量相同。
55.本实施例中通过修正后的体脂和注册体脂的相似值得到修正后的体脂和注册体脂的匹配值或者是通过修正后的体脂和体重来确定出匹配值，由此，使得确定出匹配值更加准确，提高了匹配值的准确率。
56.在一个实施例中，所述基于所述各匹配值，得到与所述用户修正后的体脂相对应的目标注册人体参数，包括：
57.当所述匹配值包括体脂匹配值，则针对任意一个注册人体参数，若所述注册人体参数对应的匹配值中体脂匹配值小于预设体脂阈值，则将所述注册人体参数确定为与所述用户修正后的体脂对应的目标注册人体参数，其中，所述体脂匹配值为基于修正后的体脂确定出的匹配值；或，
58.当所述匹配值包括体脂匹配值和体重匹配值，则针对任意一个注册人体参数，若所述注册人体参数对应的匹配值中体脂匹配值小于预设体脂阈值，且体重匹配值小于预设体重阈值，则将所对注册人体参数确定为与所述用户修正后的体脂对应的所述目标注册人体参数，其中，所述体重匹配值为基于所述用户的体重确定出的匹配值。
59.本实施例通过注册人体参数中的体脂匹配值或者是结合体重匹配值来确定出目标注册人体参数。使得确定出的目标注册人体参数更加准确。
60.本公开第二方面提供一种身份识别装置，所述装置包括：
61.第一获取模块，用于获取用户至少两个导联的心电数据，其中，所述导联包括肢体导联和/或胸导联；
62.轮廓识别模块，用于对各心电数据进行轮廓识别，得到所述各心电数据中指定类型的各波的轮廓，其中，所述指定类型的各波包括p波、t波和qrs波中的至少一个；
63.心电向量环确定模块，用于将各心电数据对应的各波的轮廓在指定平面中进行投影，得到所述用户的心电向量环；
64.第一匹配模块，用于将所述用户的心电向量环和预设的各模板心电向量环分别进行匹配，得到各匹配值，其中，所述预设的各模板心电向量环分别对应不同的用户身份信息；
65.第一身份信息确定模块，用于根据所述各匹配值，确定所述用户的身份信息。
66.在一个实施例中，任意一个波的轮廓是由心脏在各时间点的电势差值所组成的；
67.所述心电向量环确定模块，具体用于：
68.针对任意一个心电数据中的任一指定类型的任意一个波，基于所述波的轮廓，得到所述波在各时间点对应的电势差值；并，
69.根据所述波在各时间点对应的电势差值，得到所述波在各时间点对应的各投影点在目标坐标轴上的位置坐标，其中，所述目标坐标轴是基于所述心电数据对应的导联确定的；
70.根据各心电数据中在相同时间点对应的投影点在目标坐标轴上的位置坐标，得到所述投影点的目标位置坐标；
71.通过各投影点的目标位置坐标，得到与指定类型的各波对应的心电向量环；
72.利用所述指定类型的各波对应的心电向量环，得到所述用户的心电向量环，其中，所述用户的心电向量环的数量与波的类型的数量相同。
73.在一个实施例中，所述第一身份信息确定模块，具体用于：
74.若所述各匹配值中存在大于指定阈值的匹配值，则将大于指定阈值的各匹配值中数值最大的匹配值对应的模板心电向量环确定为目标模板心电向量环，并利用预设的模板心电向量环与身份信息的对应关系，确定与所述目标模板心电向量环对应的身份信息之后，将确定的所述身份信息确定为所述用户的身份信息；或，
75.若所述各匹配值中不存在大于指定阈值的匹配值，则将所述心电向量环分别向各指定方向旋转各指定角度，得到多个中间心电向量环，并针对任意一个中间心电向量环，利用多个不同的收缩比例分别对所述中间心电向量环进行收缩处理，得到多个目标心电向量环；针对预设的所述各模板心电向量环中的任意一个模板心电向量环，利用预设的匹配算法将所述多个目标心电向量环与所述模板心电向量环进行匹配，得到各匹配值，并将各匹配值中的最大值确定为所述用户的心电向量环与所述模板心电向量环的目标匹配值；将目标匹配值大于指定阈值的模板心电向量环确定为所述目标模板心电向量环，并利用预设的模板心电向量环与身份信息的对应关系，确定与所述目标模板心电向量环对应的身份信息之后，将确定的所述身份信息确定为所述用户的身份信息。
76.在一个实施例中，所述装置还包括：
77.预处理模块，用于对各心电数据进行轮廓识别，得到所述各心电数据中指定类型的各波的轮廓之前，对所述心电数据进行滤波去噪处理。
78.在一个实施例中，所述装置还包括：
79.第二获取模块，用于获取用户至少两个导联的心电数据之前，当确定用户坐到智能马桶上后，获取所述用户的人体参数，其中，所述人体参数包括体脂和体重；
80.修正模块，用于利用所述用户的体重对所述用户的体脂进行修正，得到修正后的体脂；
81.第二匹配模块，用于将所述修正后的体脂和与所述智能马桶对应的各注册人体参数分别进行匹配，得到各匹配值；
82.第二身份信息确定模块，用于基于所述各匹配值，得到与所述用户修正后的体脂相对应的目标注册人体参数，并将与所述目标注册人体参数相对应的注册身份信息确定为
所述用户的身份信息。
83.在一个实施例中，所述体重包括至少两个压力值，其中，各压力值为在所述智能马桶的不同位置对所述用户的体重进行测量得到的；
84.所述修正模块，具体用于：
85.若所述体重包括的压力值的数量为两个，则根据所述体重包括的两个压力值，得到比例系数，基于所述比例系数和预先设置的拟合系数，得到目标修正系数，并利用所述目标修正系数对所述用户的体脂进行修正，得到所述修正后的体脂；或，
86.若所述用户的体重包括的压力值的数量大于两个，则将所述体重包括的各压力值和所述体脂输入至预先训练好的体脂修正模型中，得到所述修正后的体脂。
87.在一个实施例中，所述拟合系数包括第一拟合系数和第二拟合系数；
88.所述修正模块执行所述基于所述比例系数和预先设置的拟合系数，得到目标修正系数，具体用于：
89.将所述比例系数与所述第一拟合系数相乘，得到中间拟合系数，将所述中间拟合系数与所述第二拟合系数相加，得到所述目标修正系数；
90.所述修正模块执行所述根据所述体重包括的两个压力值，得到比例系数，具体用于：
91.将所述两个压力值相除，得到所述比例系数；
92.所述修正模块执行所述利用所述目标修正系数对所述用户的体脂进行修正，得到所述修正后的体脂，具体用于：
93.将所述目标修正系数与所述体脂相乘，得到所述修正后的体脂。
94.在一个实施例中，所述修正模块，具体用于：
95.通过以下公式得到所述修正后的体脂：
[0096][0097]
其中，f0为所述用户的体脂，f1为所述修正后的体脂，p1为所述两个压力值中的一个压力值，p2为所述两个压力值中的另一压力值，n1为所述第一拟合系数，n2为所述第二拟合系数。
[0098]
在一个实施例中，所述第二匹配模块，具体用于：
[0099]
针对任意一个注册人体参数，将修正后的体脂与所述注册人体参数中的注册体脂相除，得到第一相似值；并将所述第一相似值与指定数值的差值的绝对值确定为所述修正后的体脂和所述注册人体参数的匹配值；或，
[0100]
针对任意一个注册人体参数，将所述注册人体参数中的注册体重中的各注册压力值相加得到第一总压力值，以及将所述用户的体重中的各压力值相加，得到第二总压力值；将所述第二总压力值和所述第一总压力值相减，得到压力差值后，将所述压力差值与所述第一总压力值相除，得到第二相似值，并将所述第二相似值的绝对值和所述第一相似值与指定数值的差值的绝对值确定为所述修正后的体脂和所述注册人体参数的匹配值，其中，所述注册体重包括的压力值的数量与所述用户的体重包括的压力值的数量相同。
[0101]
在一个实施例中，所述第二身份信息确定模块，具体用于：
[0102]
当所述匹配值包括体脂匹配值，则针对任意一个注册人体参数，若所述注册人体
参数对应的匹配值中体脂匹配值小于预设体脂阈值，则将所述注册人体参数确定为与所述用户修正后的体脂对应的目标注册人体参数，其中，所述体脂匹配值为基于修正后的体脂确定出的匹配值；或，
[0103]
当所述匹配值包括体脂匹配值和体重匹配值，则针对任意一个注册人体参数，若所述注册人体参数对应的匹配值中体脂匹配值小于预设体脂阈值，且体重匹配值小于预设体重阈值，则将所对注册人体参数确定为与所述用户修正后的体脂对应的所述目标注册人体参数，其中，所述体重匹配值为基于所述用户的体重确定出的匹配值。
[0104]
根据本公开实施例的第三方面，提供一种电子设备，包括：
[0105]
至少一个处理器；以及与所述至少一个处理器通信连接的存储器；其中，所述存储器存储有被所述至少一个处理器执行的指令；所述指令被所述至少一个处理器执行，以使所述至少一个处理器能够执行如第一方面所述的方法。
[0106]
根据本公开实施例提供的第四方面，提供一种计算机存储介质，所述计算机存储介质存储有计算机程序，所述计算机程序用于执行如第一方面所述的方法。
附图说明
[0107]
为了更清楚地说明本公开实施例中的技术方案，下面将对实施例描述中所需要使用的附图作简要介绍，显而易见地，下面描述中的附图仅仅是本公开的一些实施例，对于本领域的普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。
[0108]
图1为根据本公开一个实施例中的适用场景示意图；
[0109]
图2为根据本公开一个实施例的身份识别方法的流程示意图之一；
[0110]
图3为根据本公开一个实施例的心电图示意图；
[0111]
图4为根据本公开一个实施例的心电数据中的波的示意图；
[0112]
图5为根据本公开一个实施例的确定用户的心电向量环的流程示意图；
[0113]
图6为根据本公开一个实施例的波的心电向量环的示意图；
[0114]
图7为根据本公开一个实施例的基于人体参数的身份识别方法的流程示意图；
[0115]
图8为根据本公开一个实施例的修正体脂的流程示意图；
[0116]
图9为根据本公开一个实施例的身份识别方法的流程示意图之二；
[0117]
图10为根据本公开一个实施例的身份识别装置；
[0118]
图11为根据本公开一个实施例的电子设备的结构示意图。
具体实施方式
[0119]
为使本公开实施例的目的、技术方案和优点更加清楚，下面将结合本公开实施例中的附图，对本公开实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本公开一部分实施例，而不是全部的实施例。基于本公开中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本公开保护的范围。
[0120]
本公开实施例中术语“和/或”，描述关联对象的关联关系，表示可以存在三种关系，例如，a和/或b，可以表示：单独存在a，同时存在a和b，单独存在b这三种情况。字符“/”一般表示前后关联对象是一种“或”的关系。
[0121]
本公开实施例描述的应用场景是为了更加清楚的说明本公开实施例的技术方案，并不构成对于本公开实施例提供的技术方案的限定，本领域普通技术人员可知，随着新应用场景的出现，本公开实施例提供的技术方案对于类似的技术问题，同样适用。其中，在本公开的描述中，除非另有说明，“多个”的含义是两个或两个以上。
[0122]
现有技术中，若想要使用智能马桶等具有检测用户心电数据的设备来进行检测和查看，每次都需要先进行扫描登录或者指纹登录以进行用户的身份识别，然后才能检测显示，由此，导致用户的身份识别的效率较低，影响用户的体验。
[0123]
因此，本公开提供一种身份识别方法、装置、电子设备及计算机存储介质，通过获取用户至少两个导联的心电数据，并通过该心电数据得到用户的心电向量环，然后基于该心电向量环分别与预设的各模板心电向量环进行匹配来确定用户的身份信息，由此，本实施例可以自动识别出用户的身份信息，并不需要用户做其他额外的操作来进行身份识别，提高了用户身份识别的效率，提高用户的体验。下面，结合附图对本公开的方案详细的进行介绍。
[0124]
如图1所示，一种身份识别方法的应用场景，该应用场景中是以电子设备为智能马桶为例进行说明的，该应用场景中包括终端设备110和智能马桶120。
[0125]
在一种可能的应用场景中，智能马桶120获取坐在智能马桶上的用户的至少两个导联的心电数据，其中，所述导联包括肢体导联和/或胸导联；智能马桶120对各心电数据进行轮廓识别，得到所述各心电数据中指定类型的各波的轮廓，其中，所述指定类型的各波包括p波、t波和qrs波中的至少一个；并将各心电数据对应的各波的轮廓在指定平面中进行投影，得到所述用户的心电向量环；然后智能马桶120将所述用户的心电向量环和预设的各模板心电向量环分别进行匹配，得到各匹配值，其中，所述预设的各模板心电向量环分别对应不同的用户身份信息；根据所述各匹配值，确定所述用户的身份信息，并将所述用户的身份信息发送至终端设备110中进行显示。
[0126]
其中，图1中的智能马桶120与终端设备110之间可通过通信网络进行信息交互，其中，通信网络采用的通信方式可分为无线通信方式或有线通信方式。
[0127]
示例性的，智能马桶120可通过蜂窝移动通信技术接入网络，与终端设备110进行通信，其中，所述蜂窝移动通信技术，比如，包括第五代移动通信(5th generation mobile networks，5g)技术。
[0128]
可选的，智能马桶120可通过短距离无线通信方式接入网络，与终端设备110进行通信，其中，所述短距离无线通信方式，比如，包括无线保真(wireless fidelity，wi-fi)技术。
[0129]
并且，本技术中的描述中仅就单个终端设备110、智能马桶120加以详述，但是本领域技术人员应当理解的是，示出的终端设备110、智能马桶120旨在表示本技术的技术方案涉及的终端设备110和智能马桶120的操作。而非暗示对终端设备110和智能马桶120数量、类型或是位置等具有限制。应当注意，如果向图示环境中添加附加模块或从其中去除个别模块，不会改变本公开的示例实施例的底层概念。
[0130]
示例性的，终端设备110包括但不限于：可视化大屏、平板电脑、笔记本电脑、掌上电脑、移动互联网设备(mobile internet device，mid)、可穿戴设备，虚拟现实(virtual reality，vr)设备、增强现实(augmented reality，ar)设备、工业控制中的无线终端设备、
无人驾驶中的无线终端设备、智能电网中的无线终端设备、运输安全中的无线终端设备、智慧城市中的无线终端设备，或智慧家庭中的无线终端设备等设备；终端设备上可以安装有相关的客户端，该客户端可以是软件(例如，浏览器、短视频软件等)，也可以是网页、小程序等。
[0131]
需要说明的是，本技术提出的身份识别方法不仅适用于图1所示的应用场景，还适用于任何有身份识别的装置。
[0132]
下面结合上述描述的应用场景，参考附图来描述本技术示例性实施方式身份识别方法，需要注意的是，上述应用场景仅是为了便于理解本技术的方法和原理而示出，本技术的实施方式在此方面不受任何限制。
[0133]
如图2所示，为本公开的身份识别方法的流程示意图，可包括以下步骤：
[0134]
步骤201：获取用户至少两个导联的心电数据，其中，所述导联包括肢体导联和/或胸导联；
[0135]
例如，如图3所示，为心电图示意图，其中，心电图包括导联i、导联ii、导联iii、导联avr、导联avf、导联avl以及导联v1～v6。本实施例中的导联的心电数据为导联i、导联ii、导联iii、导联avr、导联avf、导联avl以及导联v1～v6中的至少两个心电数据。
[0136]
其中，本实施例中是通过具有检测心电数据的设备来获取心电数据的，以智能马桶为例，获取用户至少两个导联的心电数据的具体方式为用户双腿坐在智能马桶上接触马桶盖上的电极，并且双手握住把手电极来获取用户的心电数据。获取心电数据的具体方式不同的设备可使用不同的方式进行获取，具体的获取方式可根据实际情况来进行设置，本实施例在此不再进行限定。
[0137]
为了使得身份信息的识别结果更加准确，在一个实施例中，对所述心电数据进行滤波去噪处理。
[0138]
需要说明的是：本实施例中的滤波去噪处理可以使用时频域数字信号处理方法、小波变换处理方法以及自适应滤波处理方法等。具体的滤波去噪方式可以根据实际情况来进行设置，本实施例在此并不对滤波去噪的方式进行限定，并且滤波去噪处理是需要对心电数据进行全波段处理的。
[0139]
步骤202：对所述各心电数据进行轮廓识别，得到所述各心电数据中指定类型的各波的轮廓，其中，所述指定类型的各波包括p波、t波和qrs波中的至少一个；
[0140]
例如，如图4所示，为心电数据中的各波，其中，深灰色的实线波为p波，浅灰色的实线波q波、深灰色的虚线波为r波、黑色虚线波为s波、以及黑色虚线波为t波。本实施例中波的颜色以及线条是仅用于举例说明各波对应的波段，并不对各波进行限定。
[0141]
本实施例中进行轮廓识别的方法可为信号处理特征提取方法以及深度学习轮廓识别方法等，具体的进行轮廓识别的方法可根据实际情况来进行设置，本实施例在此并不进行限定。
[0142]
步骤203：将各心电数据对应的各波的轮廓在指定平面中进行投影，得到所述用户的心电向量环；
[0143]
如图5所示，为确定用户的心电向量环的流程示意图，包括以下步骤：
[0144]
步骤501：针对任意一个心电数据中的任一指定类型的任意一个波，基于所述波的轮廓，得到所述波在各时间点对应的电势差值；
[0145]
例如，如图3所示的心电图，心电图中的任意一个导联的心电数据对应的波的横坐标为时间点，纵坐标为电势差值。其中，常规的心电图一般是一种1mm﹡1mm的方格坐标纸。并且心电图的常规是25mm/s走纸速度，所以常规心电图的横坐标中每小格表示0.04s，纵坐标中每小格表示0.1mv。
[0146]
步骤502：根据所述波在各时间点对应的电势差值，得到所述波在各时间点对应的各投影点在目标坐标轴上的位置坐标，其中，所述目标坐标轴是基于所述心电数据对应的导联确定的；
[0147]
其中，目标坐标轴包括x轴、y轴和z轴。每个导联的心电数据对应的目标坐标轴是预先设置好的。
[0148]
在一个实施例中，可通过公式(1)确定波在各时间点对应的各投影点在目标坐标轴为x轴的目标位置坐标：
[0149]
x0＝cos a
°×yt
ꢀꢀꢀ
(1)；
[0150]
其中，x0为波在时间点t在目标坐标轴x上的位置坐标，a是预先设置好的投影角度。y
t
为波在时间点t对应的电势差值。
[0151]
若心电数据包括导联i的心电数据，则本实施例中a等于0。且a的值是基于当前导联i与目标坐标轴x得到的。
[0152]
在一个实施例中，可通过公式(2)确定波在各时间点对应的各投影点在目标坐标轴为y轴的目标位置坐标：
[0153]
y0＝cos b
°×yt
ꢀꢀ
(2)；
[0154]
其中，y0为波在时间点t在目标坐标轴y上的位置坐标，b
°
是预先设置好的投影角度。y
t
为波在时间点t对应的电势差值。
[0155]
若心电数据包括导联ii的心电数据，则本实施例中的b等30，且b的值是基于当前导联ii与目标坐标轴y得到的。
[0156]
在一个实施例中，可通过公式(3)确定波在各时间点对应的各投影点在目标坐标轴为z轴的目标位置坐标：
[0157]
z0＝cos c
°×yt
ꢀꢀꢀ
(3)；
[0158]
其中，z0为波在时间点t在目标坐标轴z上的位置坐标，c
°
是预先设置好的投影角度。y
t
为波在时间点t对应的电势差值。
[0159]
步骤503：根据各心电数据中在相同时间点对应的投影点在目标坐标轴上的位置坐标，得到所述投影点的目标位置坐标；
[0160]
例如，本实施例中使用的导联的心电数据为导联i和导联ii,且导联i对应的目标坐标轴是x轴，导联ii对应的目标坐标轴是y轴。则时间点t对应的投影点的目标位置坐标为(x
t
，y
t
)。
[0161]
步骤504：通过各投影点的目标位置坐标，得到与指定类型的各波对应的心电向量环；
[0162]
例如，如图6所示，为导联数据i中p波，根据p波中各时间点对应的投影点的位置坐标，得到p波对应的心电向量环。
[0163]
步骤505：利用所述指定类型的各波对应的心电向量环，得到所述用户的心电向量环，其中，所述用户的心电向量环的数量与波的类型的数量相同。
[0164]
其中，针对任意一个指定类型，利用预设算法对所述指定类型的各波的心电向量环进行修正，得到所述用户的心电向量环。
[0165]
其中，预设算法可包括几何平均和分段拟合等方式，可根据实际情况来进行设置，本实施例在此并不进行限定。
[0166]
步骤204：将所述用户的心电向量环和预设的各模板心电向量环分别进行匹配，得到各匹配值，其中，所述预设的各模板心电向量环分别对应不同的用户身份信息；
[0167]
其中，模板心电向量环为用户在首次使用具有心电监测设备时通过app(application，应用程序)等常规途径录入个人信息，通过具有检测心电数据的设备测量用户的心电数据，基于用户的心电数据得到模板心电向量环。其中，同一用户可以建立多个心电向量环模板，例如，可以基于人体的不同体态(例如，身体前倾、后倾以及正常坐姿等)建立对应的模板心电向量环。以此可以提高匹配效率。
[0168]
需要说明的是：本实施例中的预设匹配算法包括hu矩等匹配算法，具体的可根据实际情况来进行设置，本实施例在此并不进行限定，且所述用户的心电向量环的数量可为一个或多个，以及所述用户的心电向量环的数量与所述模板心电向量环中的数量相同。
[0169]
在一个实施例中，步骤204可实施为以下两种情况：
[0170]
若所述用户的心电向量环的数量为多个，则针对任意一个模板心电向量环，将所述用户的心电向量环和所述模板心电向量环中类型相同的心电向量环进行匹配，得到中间匹配值，将各类型对应的中间匹配值进行加权求和，得到所述用户的心电向量环与所述模板心电向量环的匹配值。
[0171]
若所述用户的心电向量环的数量为一个，则将所述用户的心电向量环和预设的各模板心电向量环分别进行匹配，得到各匹配值。
[0172]
步骤205：根据所述各匹配值，确定所述用户的身份信息。
[0173]
在一个实施例中，通过以下两种方式确定所述用户的身份信息：
[0174]
方式一：若所述各匹配值中存在大于指定阈值的匹配值，则将大于指定阈值的各匹配值中数值最大的匹配值对应的模板心电向量环确定为目标模板心电向量环，并利用预设的模板心电向量环与身份信息的对应关系，确定与所述目标模板心电向量环对应的身份信息之后，将确定的所述身份信息确定为所述用户的身份信息。
[0175]
例如，以用户的心电向量环的数量为一个为例进行说明，用户1的心电向量环与模板心电向量环1的匹配值为65％，用户1的心电向量环与模板心电向量环2的匹配值为30％，用户1的心电向量环与模板心电向量环3的匹配值为90％，若指定阈值为60％，则确定目标模板心电向量环为模板心电向量环1和模板心电向量环3，其中，模板心电向量环3的匹配值大于模板心电向量环1的匹配值，则将模板心电向量环3对应的身份信息确定为用户1的身份信息。
[0176]
方式二：若所述各匹配值中不存在大于指定阈值的匹配值，则将所述心电向量环分别向各指定方向旋转各指定角度，得到多个中间心电向量环，并针对任意一个中间心电向量环，利用多个不同的收缩比例分别对所述中间心电向量环进行收缩处理，得到多个目标心电向量环；针对预设的所述各模板心电向量环中的任意一个模板心电向量环，利用预设的匹配算法将所述多个目标心电向量环与所述模板心电向量环进行匹配，得到各匹配值，并将各匹配值中的最大值确定为所述用户的心电向量环与所述模板心电向量环的目标
匹配值；将目标匹配值大于指定阈值的模板心电向量环确定为所述目标模板心电向量环，并利用预设的模板心电向量环与身份信息的对应关系，确定与所述目标模板心电向量环对应的身份信息之后，将确定的所述身份信息确定为所述用户的身份信息。
[0177]
其中，由于身体坐姿前倾或者后仰而导致心脏轴向小角度变化，以及饭前或饭后运动前后等生理导致的收缩强度变化，所以，本实施例中将旋转的指定角度可设置为正负20度，以及将收缩比例的范围设置为0.67～1.5。但是，本实施例中并不对旋转的指定角度以及收缩比例进行限定，可根据实际情况进行设置。表1为模板心电向量环与身份信息的对应关系：
[0178]
模板心电向量环身份信息模板心电向量环1身份信息a模板心电向量环2身份信息b模板心电向量环3身份信息c
……
[0179]
表1
[0180]
需要说明的是：本实施例中的身份信息包括姓名、性别、年龄等信息，具体的可根据实际情况来进行设置，本实施例在此不再进行限定。且每次匹配上目标模板心电向量环之后，可以采用几何平均或分段拟合等方式进行用户的心电向量环的跟踪，以对模板心电向量环进行更新，以更好地进行匹配。
[0181]
在确定出用户的身份信息之后，可以将检测数据与该用户的身份信息进行关联，以便于用户可以自身的检测数据，其中，该检测数据包括心电数据、尿检等数据。
[0182]
在一个实施例中，若没有确定出用户的身份信息，则需要提示用户身边识别失败，并提醒用户通过app等常规途径进行登录，以便于能够将用户的检测数据与用户的身份信息进行关联，同时将此次检测到的该用户的心电向量环设置为该用户的模板心电向量环，以便于下次可以自动识别出该用户的身份信息。
[0183]
若该用户是新用户，则可通过语音提醒用户通过app等常规途径进行注册登录，以便于能够将用户的检测数据与用户的身份信息进行关联。同时将此次检测到的该用户的心电向量环设置为该用户的模板心电向量环。
[0184]
为了确保能够自动识别用户的身份信息，在一个实施例中，在执行步骤201之前，如图7所示，包括以下步骤：
[0185]
步骤701：当确定用户坐到智能马桶上后，获取所述用户的人体参数，其中，所述人体参数包括体脂和体重；
[0186]
需要说明的是：体脂是通过智能马桶上面的测量体脂的电极来获取的，且所述体重时通过智能马桶上的压力传感器测量得到的，以及可通过压力传感器来确定用户是否坐到智能马桶上，即当压力传感器的数值大于指定阈值，则确定用户坐到该智能马桶上，具体的确定方式可根据实际情况来进行设置，本实施例仅用于举例说明，并不对具体的确定方式进行限定。
[0187]
步骤702：利用所述用户的体重对所述用户的体脂进行修正，得到修正后的体脂；
[0188]
在一个实施例中，通过以下两种方式来对体脂进行修正，具体为：
[0189]
方式一：如图8所示，为修正体脂的流程示意图，包括以下步骤：
[0190]
步骤801：若所述用户的体重包括的压力值的数量为两个，则根据所述体重包括的两个压力值，得到比例系数；
[0191]
在一个实施例中，步骤801可具体实施为：将所述两个压力值相除，得到所述比例系数。
[0192]
步骤802：基于所述比例系数和预先设置的拟合系数，得到目标修正系数；
[0193]
其中，所述拟合系数为线性系数或非线性系数，具体的可根据实际情况来进行设置，例如当智能马桶的座圈的前后位置布设了压力传感器时，当用户坐于座圈上，坐姿向前或向后倾斜时，拟合系数可以为线性系数；当用户坐姿处于其他状态时，拟合系数可以为非线性系数；本实施例在此不进行限定。本实施例中的拟合系数包括第一拟合系数和第二拟合系数。
[0194]
在一个实施例中，步骤802可具体实施为：将所述比例系数与所述第一拟合系数相乘，得到中间拟合系数，将所述中间拟合系数与所述第二拟合系数相加，得到所述目标修正系数。
[0195]
步骤803：利用所述目标修正系数对所述用户的体脂进行修正，得到所述修正后的体脂。
[0196]
在一个实施例中，步骤803可实施为将所述目标修正系数与所述体脂相乘，得到所述修正后的体脂。其中，可通过公式(4)来确定修正后的体脂：
[0197][0198]
其中，f0为所述用户的体脂，f1为所述修正后的体脂，p1为所述两个压力值中的一个压力值，p2为所述两个压力值中的另一压力值，n1为所述第一拟合系数，n2为所述第二拟合系数。
[0199]
方式二：若所述用户的体重包括的压力值的数量大于两个，则将所述体重包括的各压力值和所述体脂输入至预先训练好的体脂修正模型中，得到所述修正后的体脂。
[0200]
需要说明的是：本实施例中体脂修正模型的训练方式可根据实际情况来进行训练，本实施例在此并不对体脂修正模型的训练方式进行限定。
[0201]
步骤703：将所述修正后的体脂和与所述智能马桶对应的各注册人体参数分别进行匹配，得到各匹配值；
[0202]
在一个实施例中，通过以下两种方式确定各匹配值：
[0203]
方式一：针对任意一个注册人体参数，将修正后的体脂与所述注册人体参数中的注册体脂相除，得到第一相似值；并将所述第一相似值与指定数值的差值的绝对值确定为所述修正后的体脂和所述注册人体参数的匹配值。其中，可通过公式(5)得到所述匹配值：
[0204][0205]
其中，sn为所述匹配值，f1为所述修正后的体脂，fn为注册体脂，a为所述指定数值。
[0206]
需要说明的是：本实施例中指定数值a为1，但是并不对指定数值进行限定，指定数值的具体值可根据实际情况来进行设置。
[0207]
方式二：针对任意一个注册人体参数，将所述注册人体参数中的注册体重中的各注册压力值相加得到第一总压力值，以及将所述用户的体重中的各压力值相加，得到第二
总压力值；将所述第二总压力值和所述第一总压力值相减，得到压力差值后，将所述压力差值与所述第一总压力值相除，得到第二相似值，并将所述第二相似值的绝对值和所述第一相似值与指定数值的差值的绝对值确定为所述修正后的体脂和所述注册人体参数的匹配值，其中，所述注册体重包括的压力值的数量与所述用户的体重包括的压力值的数量相同。其中，通过公式(6)得到所述第二相似值：
[0208][0209]
其中，h为所述第二相似值，p1～pn为用户的体重中的各压力值，p
10
～p
n0
为注册体重中各注册压力值。
[0210]
步骤704：基于所述各匹配值，得到与所述用户修正后的体脂相对应的目标注册人体参数，并将与所述目标注册人体参数相对应的注册身份信息确定为所述用户的身份信息。
[0211]
在一个实施例中，可通过以下两种方式确定所述目标注册人体参数：
[0212]
方式一：当所述匹配值包括体脂匹配值，则针对任意一个注册人体参数，若所述注册人体参数对应的匹配值中体脂匹配值小于预设体脂阈值，则将所述注册人体参数确定为与所述用户修正后的体脂对应的目标注册人体参数，其中，所述体脂匹配值为基于修正后的体脂确定出的匹配值。
[0213]
例如，用户修正后的体脂与注册人体参数1中的注册体脂1的匹配值为a，用户修正后的体脂与注册人体参数1中的注册体脂2的匹配值为b，用户修正后的体脂与注册人体参数3中的注册体脂3的匹配值为c。若确定出c小于预设体脂阈值，则确定与匹配值c对应的注册人体参数3为与用户修正后的体脂匹配的目标注册人体参数。
[0214]
方式二：当所述匹配值包括体脂匹配值和体重匹配值，则针对任意一个注册人体参数，若所述注册人体参数对应的匹配值中体脂匹配值小于预设体脂阈值，且体重匹配值小于预设体重阈值，则将所对注册人体参数确定为与所述用户修正后的体脂对应的所述目标注册人体参数，其中，所述体重匹配值为基于所述用户的体重确定出的匹配值。
[0215]
例如，用户修正后的体脂与注册人体参数1中的注册体脂1的匹配值为a，且与注册人体参数1中的注册体重1的匹配值为m。用户修正后的体脂与注册人体参数2中的注册体脂2的匹配值为b，用户修正后的体重与注册人体参数2中的注册体重2的匹配值为n。用户修正后的体脂与注册人体参数3中的注册体脂3的匹配值为c，用户修正后的体重与注册人体参数3中的注册体重3的匹配值为q。若确定出匹配值c小于预设体脂阈值，且匹配值q小于预设体重阈值，则确定与注册体脂3和注册体重3相对应的注册人体参数3为所述目标注册人体参数。
[0216]
需要说明的是：本实施例中的预设体脂阈值和预设体重阈值可根据实际情况来进行设置，本实施例在此并不进行限定。
[0217]
在确定出用户的身份信息之后，在一个实施例中，通过以下方式对该用户的注册人体参数中的注册体脂进行更新：
[0218]
将所述用户修正后的体脂和所述用户的注册体脂进行加权求和，得到更新后的注册体脂，并将所述更新后的注册体脂确定为所述用户的注册体脂。其中，通过公式(7)得到所述更新后的注册体脂：
[0219]f′n＝m
×fn
+n
×
f1……
(7)；
[0220]
其中，f
′n为更新后的注册体脂，fn为所述注册体脂，f1为所述用户修正后的体脂，m为所述注册体脂的预设权重，n为所述修正后的体脂的预设权重。
[0221]
需要说明的是：本实施例中的m为0.9，n为0.1，但是并不对m和n的具体值进行限定，m和n的具体值可根据实际情况来进行设置。
[0222]
为了保证能够自动识别出用户的身份信息，在基于所述各匹配值，得到与所述用户的人体参数匹配的注册人体参数之后，可包括以下两种情况：
[0223]
情况1：若与所述用户的人体参数匹配的注册人体参数的数量为指定数量，则执行将与所述注册人体参数相对应的身份信息确定为所述用户的身份信息的步骤。例如，表2为注册人体参数与身份信息的对应关系：
[0224]
注册人体参数(体脂和/或体重)身份信息注册人体参数1身份信息a注册人体参数2身份信息b注册人体参数3身份信息c......
[0225]
表2
[0226]
其中，身份信息包括姓名、年龄、性别等信息，可根据实际情况来进行设置，本实施例在此并不进行限定。
[0227]
如表2所示，若确定出与用户的人体参数相匹配的注册人体参数为注册人体参数1，且指定数量为1，则将与注册人体参数1相对应的身份信息a确定为用户的身份信息。
[0228]
情况2：若与所述用户的人体参数匹配的注册人体参数的数量不等于指定数量，则使用心电信号来识别用户身份。需要说明的是：本实施例中的指定数量为1，但是本实施例并不对指定数量进行限定，指定数量可根据实际情况来进行设置。
[0229]
为了进一步的了解本公开的技术方案，下面结合图9进行详细的说明，可包括以下步骤：
[0230]
步骤901：当确定用户坐到智能马桶上后，获取所述用户的人体参数，其中，所述人体参数包括体脂和体重；
[0231]
步骤902：利用所述用户的体重对所述用户的体脂进行修正，得到修正后的体脂；
[0232]
步骤903：将所述修正后的体脂和与所述智能马桶对应的各注册人体参数分别进行匹配，得到各匹配值；
[0233]
步骤904：基于所述各匹配值，得到与所述用户修正后的体脂相对应的目标注册人体参数，并将与所述目标注册人体参数相对应的注册身份信息确定为所述用户的身份信息；
[0234]
步骤905：判断所述目标注册人体参数的数量是否等于指定数量，若是，则执行步骤906，若否，则执行步骤907；
[0235]
步骤906：将与所述目标注册人体参数相对应的身份信息确定为所述用户的身份信息；
[0236]
步骤907：获取用户至少两个导联的心电数据，其中，所述导联包括肢体导联和/或胸导联；
[0237]
步骤908：对各心电数据进行轮廓识别，得到所述各心电数据中指定类型的各波的轮廓，其中，所述指定类型的各波包括p波、t波和qrs波中的至少一个；
[0238]
步骤909：将各心电数据对应的各波的轮廓在指定平面中进行投影，得到所述用户的心电向量环；
[0239]
步骤910：将所述用户的心电向量环和预设的各模板心电向量环分别进行匹配，得到各匹配值，其中，所述预设的各模板心电向量环分别对应不同的用户身份信息；
[0240]
步骤911：根据所述各匹配值，确定所述用户的身份信息。
[0241]
基于相同的公开构思，本公开如上所述的身份识别方法还可以由一种身份识别装置实现。该身份识别装置的效果与前述方法的效果相似，在此不再赘述。
[0242]
图10为根据本公开一个实施例的身份识别装置的结构示意图。
[0243]
如图10所示，本公开的身份识别装置1000可以包括第一获取模块1010、轮廓识别模块1020、心电向量环确定模块1030、第一匹配模块1040和第一身份信息确定模块1050。
[0244]
第一获取模块1010，用于获取用户至少两个导联的心电数据，其中，所述导联包括肢体导联和/或胸导联；
[0245]
轮廓识别模块1020，用于对各心电数据进行轮廓识别，得到所述各心电数据中指定类型的各波的轮廓，其中，所述指定类型的各波包括p波、t波和qrs波中的至少一个；
[0246]
心电向量环确定模块1030，用于将各心电数据对应的各波的轮廓在指定平面中进行投影，得到所述用户的心电向量环；
[0247]
第一匹配模块1040，用于将所述用户的心电向量环和预设的各模板心电向量环分别进行匹配，得到各匹配值，其中，所述预设的各模板心电向量环分别对应不同的用户身份信息；
[0248]
第一身份信息确定模块1050，用于根据所述各匹配值，确定所述用户的身份信息。
[0249]
在一个实施例中，任意一个波的轮廓是由心脏在各时间点的电势差值所组成的；
[0250]
所述心电向量环确定模块1030，具体用于：
[0251]
针对任意一个心电数据中的任一指定类型的任意一个波，基于所述波的轮廓，得到所述波在各时间点对应的电势差值；并，
[0252]
根据所述波在各时间点对应的电势差值，得到所述波在各时间点对应的各投影点在目标坐标轴上的位置坐标，其中，所述目标坐标轴是基于所述心电数据对应的导联确定的；
[0253]
根据各心电数据中在相同时间点对应的投影点在目标坐标轴上的位置坐标，得到所述投影点的目标位置坐标；
[0254]
通过各投影点的目标位置坐标，得到与指定类型的各波对应的心电向量环；
[0255]
利用所述指定类型的各波对应的心电向量环，得到所述用户的心电向量环，其中，所述用户的心电向量环的数量与波的类型的数量相同。
[0256]
在一个实施例中，所述第一身份信息确定模块1050，具体用于：
[0257]
若所述各匹配值中存在大于指定阈值的匹配值，则将大于指定阈值的各匹配值中数值最大的匹配值对应的模板心电向量环确定为目标模板心电向量环，并利用预设的模板心电向量环与身份信息的对应关系，确定与所述目标模板心电向量环对应的身份信息之后，将确定的所述身份信息确定为所述用户的身份信息；或，
[0258]
若所述各匹配值中不存在大于指定阈值的匹配值，则将所述心电向量环分别向各指定方向旋转各指定角度，得到多个中间心电向量环，并针对任意一个中间心电向量环，利用多个不同的收缩比例分别对所述中间心电向量环进行收缩处理，得到多个目标心电向量环；针对预设的所述各模板心电向量环中的任意一个模板心电向量环，利用预设的匹配算法将所述多个目标心电向量环与所述模板心电向量环进行匹配，得到各匹配值，并将各匹配值中的最大值确定为所述用户的心电向量环与所述模板心电向量环的目标匹配值；将目标匹配值大于指定阈值的模板心电向量环确定为所述目标模板心电向量环，并利用预设的模板心电向量环与身份信息的对应关系，确定与所述目标模板心电向量环对应的身份信息之后，将确定的所述身份信息确定为所述用户的身份信息。
[0259]
在一个实施例中，所述装置还包括：
[0260]
预处理模块1060，用于对各心电数据进行轮廓识别，得到所述各心电数据中指定类型的各波的轮廓之前，对所述心电数据进行滤波去噪处理。
[0261]
在一个实施例中，所述装置还包括：
[0262]
第二获取模块1070，用于获取用户至少两个导联的心电数据之前，当确定用户坐到智能马桶上后，获取所述用户的人体参数，其中，所述人体参数包括体脂和体重；
[0263]
修正模块1080，用于利用所述用户的体重对所述用户的体脂进行修正，得到修正后的体脂；
[0264]
第二匹配模块1090，用于将所述修正后的体脂和与所述智能马桶对应的各注册人体参数分别进行匹配，得到各匹配值；
[0265]
第二身份信息确定模块1091，用于基于所述各匹配值，得到与所述用户修正后的体脂相对应的目标注册人体参数，并将与所述目标注册人体参数相对应的注册身份信息确定为所述用户的身份信息。在一个实施例中，所述体重包括至少两个压力值，其中，各压力值为在所述智能马桶的不同位置对所述用户的体重进行测量得到的；
[0266]
在一个实施例中，所述修正模块1080，具体用于：
[0267]
若所述体重包括的压力值的数量为两个，则根据所述体重包括的两个压力值，得到比例系数，基于所述比例系数和预先设置的拟合系数，得到目标修正系数，并利用所述目标修正系数对所述用户的体脂进行修正，得到所述修正后的体脂；或，
[0268]
若所述用户的体重包括的压力值的数量大于两个，则将所述体重包括的各压力值和所述体脂输入至预先训练好的体脂修正模型中，得到所述修正后的体脂。
[0269]
在一个实施例中，所述拟合系数包括第一拟合系数和第二拟合系数；
[0270]
所述修正模块1080执行所述基于所述比例系数和预先设置的拟合系数，得到目标修正系数，具体用于：
[0271]
将所述比例系数与所述第一拟合系数相乘，得到中间拟合系数，将所述中间拟合系数与所述第二拟合系数相加，得到所述目标修正系数；
[0272]
所述修正模块1080执行所述根据所述体重包括的两个压力值，得到比例系数，具体用于：
[0273]
将所述两个压力值相除，得到所述比例系数；
[0274]
所述修正模块1080执行所述利用所述目标修正系数对所述用户的体脂进行修正，得到所述修正后的体脂，具体用于：
[0275]
将所述目标修正系数与所述体脂相乘，得到所述修正后的体脂。
[0276]
在一个实施例中，所述修正模块1080，具体用于：
[0277]
通过以下公式得到所述修正后的体脂：
[0278][0279]
其中，f0为所述用户的体脂，f1为所述修正后的体脂，p1为所述两个压力值中的一个压力值，p2为所述两个压力值中的另一压力值，n1为所述第一拟合系数，n2为所述第二拟合系数。
[0280]
在一个实施例中，所述第二匹配模块1090，具体用于：
[0281]
针对任意一个注册人体参数，将修正后的体脂与所述注册人体参数中的注册体脂相除，得到第一相似值；并将所述第一相似值与指定数值的差值的绝对值确定为所述修正后的体脂和所述注册人体参数的匹配值；或，
[0282]
针对任意一个注册人体参数，将所述注册人体参数中的注册体重中的各注册压力值相加得到第一总压力值，以及将所述用户的体重中的各压力值相加，得到第二总压力值；将所述第二总压力值和所述第一总压力值相减，得到压力差值后，将所述压力差值与所述第一总压力值相除，得到第二相似值，并将所述第二相似值的绝对值和所述第一相似值与指定数值的差值的绝对值确定为所述修正后的体脂和所述注册人体参数的匹配值，其中，所述注册体重包括的压力值的数量与所述用户的体重包括的压力值的数量相同。
[0283]
在一个实施例中，所述第二身份信息确定模块1091，具体用于：
[0284]
当所述匹配值包括体脂匹配值，则针对任意一个注册人体参数，若所述注册人体参数对应的匹配值中体脂匹配值小于预设体脂阈值，则将所述注册人体参数确定为与所述用户修正后的体脂对应的目标注册人体参数，其中，所述体脂匹配值为基于修正后的体脂确定出的匹配值；或，
[0285]
当所述匹配值包括体脂匹配值和体重匹配值，则针对任意一个注册人体参数，若所述注册人体参数对应的匹配值中体脂匹配值小于预设体脂阈值，且体重匹配值小于预设体重阈值，则将所对注册人体参数确定为与所述用户修正后的体脂对应的所述目标注册人体参数，其中，所述体重匹配值为基于所述用户的体重确定出的匹配值。
[0286]
在介绍了本公开示例性实施方式的一种身份识别方法及装置之后，接下来，介绍根据本公开的另一示例性实施方式的电子设备。
[0287]
所属技术领域的技术人员能够理解，本公开的各个方面可以实现为系统、方法或程序产品。因此，本公开的各个方面可以具体实现为以下形式，即：完全的硬件实施方式、完全的软件实施方式(包括固件、微代码等)，或硬件和软件方面结合的实施方式，这里可以统称为“电路”、“模块”或“系统”。
[0288]
在一些可能的实施方式中，根据本公开的电子设备可以至少包括至少一个处理器、以及至少一个计算机存储介质。其中，计算机存储介质存储有程序代码，当程序代码被处理器执行时，使得处理器执行本说明书上述描述的根据本公开各种示例性实施方式的身份识别方法中的步骤。例如，处理器可以执行如图2中所示的步骤201-205。
[0289]
下面参照图11来描述根据本公开的这种实施方式的电子设备1100。图11显示的电子设备1100仅仅是一个示例，不应对本公开实施例的功能和使用范围带来任何限制。
[0290]
如图11所示，电子设备1100以通用电子设备的形式表现。电子设备1100的组件可以包括但不限于：上述至少一个处理器1101、上述至少一个计算机存储介质1102、连接不同系统组件(包括计算机存储介质1102和处理器1101)的总线1103。
[0291]
总线1103表示几类总线结构中的一种或多种，包括计算机存储介质总线或者计算机存储介质控制器、外围总线、处理器或者使用多种总线结构中的任意总线结构的局域总线。
[0292]
计算机存储介质1102可以包括易失性计算机存储介质形式的可读介质，例如随机存取计算机存储介质(ram)1121和/或高速缓存存储介质1122，还可以进一步包括只读计算机存储介质(rom)1123。
[0293]
计算机存储介质1102还可以包括具有一组(至少一个)程序模块1124的程序/实用工具1125，这样的程序模块1124包括但不限于：操作系统、一个或者多个应用程序、其它程序模块以及程序数据，这些示例中的每一个或某种组合中可能包括网络环境的实现。
[0294]
电子设备1100也可以与一个或多个外部设备1104(例如键盘、指向设备等)通信，还可与一个或者多个使得用户能与电子设备1100交互的设备通信，和/或与使得该电子设备1100能与一个或多个其它电子设备进行通信的任何设备(例如路由器、调制解调器等等)通信。这种通信可以通过输入/输出(i/o)接口1105进行。并且，电子设备1100还可以通过网络适配器1106与一个或者多个网络(例如局域网(lan)，广域网(wan)和/或公共网络，例如因特网)通信。如图所示，网络适配器1106通过总线1103与用于电子设备1100的其它模块通信。应当理解，尽管图中未示出，可以结合电子设备1100使用其它硬件和/或软件模块，包括但不限于：微代码、设备驱动器、冗余处理器、外部磁盘驱动阵列、raid系统、磁带驱动器以及数据备份存储系统等。
[0295]
在一些可能的实施方式中，本公开提供的一种身份识别方法的各个方面还可以实现为一种程序产品的形式，其包括程序代码，当程序产品在计算机设备上运行时，程序代码用于使计算机设备执行本说明书上述描述的根据本公开各种示例性实施方式的身份识别方法中的步骤。
[0296]
程序产品可以采用一个或多个可读介质的任意组合。可读介质可以是可读信号介质或者可读存储介质。可读存储介质例如可以是但不限于电、磁、光、电磁、红外线、或半导体的系统、装置或器件，或者任意以上的组合。可读存储介质的更具体的例子(非穷举的列表)包括：具有一个或多个导线的电连接、便携式盘、硬盘、随机存取计算机存储介质(ram)、只读计算机存储介质(rom)、可擦式可编程只读计算机存储介质(eprom或闪存)、光纤、便携式紧凑盘只读计算机存储介质(cd-rom)、光计算机存储介质件、磁计算机存储介质件、或者上述的任意合适的组合。
[0297]
本公开的实施方式的身份识别的程序产品可以采用便携式紧凑盘只读计算机存储介质(cd-rom)并包括程序代码，并可以在电子设备上运行。然而，本公开的程序产品不限于此，在本文件中，可读存储介质可以是任何包含或存储程序的有形介质，该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。
[0298]
可读信号介质可以包括在基带中或者作为载波一部分传播的数据信号，其中承载了可读程序代码。这种传播的数据信号可以采用多种形式，包括但不限于电磁信号、光信号或上述的任意合适的组合。可读信号介质还可以是可读存储介质以外的任何可读介质，该
可读介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。
[0299]
可读介质上包含的程序代码可以用任何适当的介质传输，包括但不限于无线、有线、光缆、rf等等，或者上述的任意合适的组合。
[0300]
可以以一种或多种程序设计语言的任意组合来编写用于执行本公开操作的程序代码，程序设计语言包括面向对象的程序设计语言—诸如java、c++等，还包括常规的过程式程序设计语言—诸如“c”语言或类似的程序设计语言。程序代码可以完全地在用户电子设备上执行、部分地在用户设备上执行、作为一个独立的软件包执行、部分在用户电子设备上部分在远程电子设备上执行、或者完全在远程电子设备或服务器上执行。在涉及远程电子设备的情形中，远程电子设备可以通过任意种类的网络包括局域网(lan)或广域网(wan)连接到用户电子设备，或者，可以连接到外部电子设备(例如利用因特网服务提供商来通过因特网连接)。
[0301]
应当注意，尽管在上文详细描述中提及了装置的若干模块，但是这种划分仅仅是示例性的并非强制性的。实际上，根据本公开的实施方式，上文描述的两个或更多模块的特征和功能可以在一个模块中具体化。反之，上文描述的一个模块的特征和功能可以进一步划分为由多个模块来具体化。
[0302]
此外，尽管在附图中以特定顺序描述了本公开方法的操作，但是，这并非要求或者暗示必须按照该特定顺序来执行这些操作，或是必须执行全部所示的操作才能实现期望的结果。附加地或备选地，可以省略某些步骤，将多个步骤合并为一个步骤执行，和/或将一个步骤分解为多个步骤执行。
[0303]
本领域内的技术人员应明白，本公开的实施例可提供为方法、系统、或计算机程序产品。因此，本公开可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本公开可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘计算机存储介质、cd-rom、光学计算机存储介质等)上实施的计算机程序产品的形式。
[0304]
本公开是参照根据本公开的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
[0305]
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读计算机存储介质中，使得存储在该计算机可读计算机存储介质中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
[0306]
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
[0307]
显然，本领域的技术人员可以对本公开进行各种改动和变型而不脱离本公开的精神和范围。这样，倘若本公开的这些修改和变型属于本公开权利要求及其等同技术的范围之内，则本公开也意图包含这些改动和变型在内。