基于手势动作的人员（手机用户）身份识别模型

成果编号：37632

价格：面议

完成单位：南京邮电大学

单位类别：其他高校

完成时间：2023年

成熟程度：

服务产业领域：电子信息

我要对接关注发送消息

发布人：liulinfeng 在线

发送消息

近年来，身份识别技术不断更新迭代，从传统的密码识别，到出现生物识别技术，通过计算机与光学、声学、生物传感器和生物统计学原理等高科技手段密切结合，利用人体固有的生理特性（如指纹、脸象、虹膜等）和行为特征（如笔迹、声音、步态等）来进行个人身份的鉴定。随着机器学习的不断发展，出现了使用人体动作的生物特征作为识别特征的生物特征识别技术，使用神经网络来进行训练和识别身份的技术例如步态识别。本成果使用手势动作作为生物识别特征，通过手机传感器对于手势动作进行动作数据的获取，并且使用LSTM时序模型和全连接神经网络进行深度学习来完成通过手势动作进行身份识别。

69 次浏览分享到

成果介绍

科技计划：

成果形式：新技术

合作方式：技术开发、技术服务

参与活动： 2023年高校院所走进镇江产学研合作对接活动第二届江苏产学研合作对接大会 2023年高校院所服务苏北五市产学研合作对接活动

专利情况：正在申请 ,其中:发明专利 1 项
已授权专利,其中:发明专利 0 项

成果简介

综合介绍

创新要点

该成果使用手机传感器的方式获取加速度、角速度和倾角等动作数据，对于输入的动作进行过滤，使用函数偏离程度来作为动作是否标准合格的衡量指标。对于动作数据进行预处理，对于动作函数图像进行动作强度划分不同的动作等级，对比直接输入动作函数，对于动作函数的重现性和识别的精确度有较大的提升。使用嵌入层对于特征进行提取，进行特征升维，将处理好的特征通过LSTM时序模型的处理，传入全连接层，将时序模型的所有时序输出进行处理，最后通过分类函数进行身份识别。

技术指标

该模型对于加速度、角速度和倾角的动作数据都进行了搜集和训练，相对于其他模型特征更加多样和全面，并且对于动作数据进行预处理，进行强度分级，相对于其他模型，放宽了对于用户的要求，从而使得用户能更容易做出相似的动作，并且使用时序模型，利用了动作的时序关系，对比一般模型，识别更加精准。

其他说明

完成人信息

姓名：对接成功后可查看

所在部门：对接成功后可查看

职务：对接成功后可查看

职称：对接成功后可查看

手机：对接成功后可查看

E-mail：对接成功后可查看

电话：对接成功后可查看

传真：对接成功后可查看

邮编：对接成功后可查看

通讯地址：对接成功后可查看

联系人信息