一种人体身份识别的方法和系统

1.一种人体身份识别的方法，其特征在于：包括以下步骤：(a)多次发射并采集人体无线电波响应信号；(b)处理人体无线电波响应信号，统计多次人体无线电波响应的样本数据；(c)处理所述人体无线电波响应的样本数据以及数据库中预存的人体响应电波基准数据，提取并对比样本数据的统计特征以及基准数据的统计特征，进行被测人体身份判定；
步骤(b)中，接收装置预置 算法处理数字基带信号，此处y(t)
代表的是接收到的信号，x*代表的是信号的复共轭，h(τ)代表的是信道的冲激响应。
2.根据权利要求1所述的人体身份识别的方法，其特征在于：所述步骤(b)中，预置算法统计窄带人体响应的数据并存储样本数据。
3.根据权利要求1所述的人体身份识别的方法，其特征在于：选取如下特征总结参数之一作为统计特征：
Ⅰ、窄带人体响应的强度统计分布，即窄带人体响应的衰落系数、衰落系数概率密度分布以及衰落系数概率累计分布；
Ⅱ、窄带人体响应的相位统计分布；
III、窄带人体响应中的确定性和随机部分的能量之比，即K因子及其统计分布；
IV、窄带人体响应所带来的频移功率谱特征；
V、宽带的人体响应的时延功率谱特征；
VI、宽带的不同人体响应之间的相关性特征，即不同时延点上的响应相关性；
其中，优选特征总结参数Ⅰ窄带人体响应的强度统计分布作为统计特征。
4.根据权利要求3所述的人体身份识别的方法，其特征在于：采用Kullback distance或者Kolmogorov Smirnov Testing原则进行窄带人体响应的强度统计分布的统计特征对比。
5.根据权利要求1所述的人体身份识别的方法，其特征在于：在步骤(a)之前还包括以下步骤：
(1)激活人体身份识别系统；
在步骤(b)之后还包括以下步骤：
(3)输出身份识别的结果，并启动后续权限操作；
(4)提示错误，判断该人不具备操作权限，并退出系统。
6.根据权利要求5所述的人体身份识别的方法，其特征在于：所述步骤(1)中，判断有人体出现在可探测的区域内，系统被激活。
7.根据权利要求1所述的人体身份识别的方法，其特征在于：所述步骤(a)中，发射装置发出无线信号，所述无线信号在存在被测人体的无线环境中传播，由接收装置所接收得到人体无线电波响应信号，所述接收装置经由采样，量化，下变频，低通滤波以及波形去除处理所述人体无线电波响应信号后，得到数字基带信号。
8.一种用于实现权利要求1所述方法的人体身份识别系统，其特征在于：包括第一处理器、分别与所述第一处理器相连的发射模块、人体感应模块，第二处理器以及与所述第二处理器相连的接收模块；
所述第一处理器接收所述人体感应模块的传输的信息以判断所述发射模块开启，所述发射模块包括发射天线以及与其相连发射装置，用于发射无线信号；所述接收模块包括接收天线以及接收装置，将接收到人体无线电波响应信号下变频到数字基带信号，所述接收装置设有单片机，所述单片机中预置信号处理算法处理所述数字基带信号并存储样本数据；
所述第二处理器的数据库中预存人体响应电波基准数据，第二处理器判断存储样本数据后，处理所述样本数据以及人体响应基准数据，以提取并对比样本数据的统计特征和人体响应基准数据的统计特征，进行被测人体身份判定进行身份的判定。
9.根据权利要求8所述的人体身份识别系统，其特征在于：所述发射装置与所述接收装置均为USRP设备，所述人体感应模块为视频、红外或重量检测感应模块。

一种人体身份识别的方法和系统\n技术领域\n[0001] 本发明属于通信技术领域，尤其涉及一种人体识别技术。\n背景技术\n[0002] 现存的人体识别技术，比较侧重于视觉/光学方式，或者被测人本身所携带的一些可以用作身份验证的工具，如USB秘钥，ID卡等。这些已有的人体识别的技术都有各自的局限。例如传统基于光波/光学的人体指纹、面容、瞳孔等识别方式，会受到被测环境的亮度，背景的光洁度，甚至伪造等因素的影响，而造成识别过程中出现误差甚至错误，使得被检测人无法正常的获得应有的权限，或使得原本无权限人获得使用权限，带来不可挽回的损失。\n[0003] 人体区域无线通信是在单独人体或者多个人体之间，将人体作为无线传播的信道，采用无线方式进行信息的传递。达到的信息传输性能。不同的人体对于无线电波的冲激响应，具有不同类型、不同参数、同时又相对稳定的特征，可作为人体识别的唯一且可靠的依据，且依靠人体的无线电波冲激响应，不会受到上述现有的人体识别技术中客观因素的限制，具有更为灵活、判决更为准确的特性数据库。\n发明内容\n[0004] 本发明的目的在于提供一种基于人体无线冲激响应的唯一性原理的人体的身份识别的方法和系统。\n[0005] 为达到上述目的，本发明的解决方案是：\n[0006] 一种人体身份识别的方法，包括以下步骤,\n[0007] （1）激活人体身份识别系统，若判断未激活，继续步骤（1），若判断已激活，转入步骤（2）；\n[0008] （2）识别被测人体身份信息，若判断信息对比相似，转入步骤（3），若判断信息对比不相似，转入步骤（4）；\n[0009] （3）输出身份识别的结果，并启动后续权限操作；\n[0010] （4）提示错误，判断该人不具备操作权限，并退出系统。\n[0011] 所述步骤（1）中，判断有人体出现在可探测的区域内，系统被激活。\n[0012] 所述步骤（2）中，具体包括以下步骤，\n[0013] （a）多次发射并采集人体无线电波响应信号；\n[0014] （b）处理人体无线电波响应信号，统计多次人体无线电波响应的样本数据；\n[0015] （c）处理将所述人体无线电波响应的样本数据以及数据库中预存的人体响应电波基准数据，提取并对比样本数据的统计特征以及基准数据的统计特征，进行被测人体身份判定。\n[0016] 所述步骤（a）中，发射装置发出无线信号，所述无线信号在存在被测人体的无线环境中传播，由接收装置所接收得到人体无线电波响应信号，所述接收装置经由采样，量化，下变频，低通滤波以及波形去除处理所述人体无线电波响应信号后，得到数字基带信号。\n[0017] 所述步骤（b）中，所述接收装置预置 算法处理所述数字\n基带信号，此处y(t)代表的是接收到的信号，x*代表的是信号的复共轭，h(τ)代表的是信道的冲激响应。\n[0018] 所述步骤（b）中，预置 算法统计窄带响人体响应的数据并存储样本数据。\n[0019] 所述步骤（3）中，选取如下特征总结参数之一作为统计特征，\n[0020] Ⅰ、窄带人体响应的强度统计分布，即窄带人体响应的衰落系数、衰落系数概率密度分布以及衰落系数概率累计分布；\n[0021] Ⅱ、窄带人体响应的相位统计分布；\n[0022] III、窄带人体响应中的确定性和随机部分的能量之比，即K因子及其统计分布；\n[0023] IV、窄带人体响应所带来的频移功率谱特征；\n[0024] V、宽带的人体响应的时延功率谱特征\n[0025] VI、宽带的不同人体响应之间的相关性特征，即不同时延点上的响应相关性；\n[0026] 其中，优选特征总结参数Ⅰ窄带人体响应的强度统计分布作为统计特征。\n[0027] 进一步的，采用Kullback distance（库贝克距离）或者Kolmogorov Smirnov Testing（寇莫郭诺夫-史密诺夫测试）原则进行特征总结参数Ⅰ窄带人体响应的强度统计分布的统计特征对比。\n[0028] 本发明还公开了一种人体身份识别系统，包括第一处理器、分别与所述第一处理器相连的发射模块、人体感应模块，第二处理器以及与所述第二处理器相连的接收模块，[0029] 所述第一处理器接收所述人体感应模块的传输的信息以判断所述发射模块开启，所述发射模块包括发射天线以及与其相连发射装置，用于发射无线信号；所述接收模块包括接收天线以及接收装置，将接收到人体无线电波响应信号下变频到数字基带信号，所述接收装置设有单片机，所述单片机中预置信号处理算法处理所述数字基带信号并存储样本数据；\n[0030] 所述第二处理器的数据库中预存人体响应电波基准数据，第二处理器判断存储样本数据后，处理所述样本数据以及人体响应基准数据，以提取并对比样本数据的统计特征和人体响应基准数据的统计特征，进行被测人体身份判定进行身份的判定。\n[0031] 优选的，所述发射装置与所述接收装置均为USRP设备，所述人体感应模块为视频、红外或重量检测感应模块。\n[0032] 由于采用上述方案，本发明的有益效果是：由于不同的人体对于无线电波的冲激响应，具有不同类型、不同参数、同时又相对稳定的特征，因此人体作为信道而产生的冲激响应特征具有了帮助识别人体身份的功能,本发明细化了人体的信道特征，建立了系统的统计特征模型和更为丰富的特征描述参数来构建不同人体的数据库，进而对人体的身份进行识别。\n附图说明\n[0033] 图1为本发明的工作流程图；\n[0034] 图2为本发明所示一实施例的结构连接图；\n[0035] 图3为本发明所示一实施例中志愿者1的衰落系数部分样本示意图；\n[0036] 图4为本发明所示一实施例中志愿者2的衰落系数部分样本示意图；\n[0037] 图5为本发明所示一实施例中志愿者3的衰落系数部分样本示意图；\n[0038] 图6为三位志愿者的衰落系数概率密度分布；\n[0039] 图7为三位志愿者的衰落系数概率累计分布。\n具体实施方式\n[0040] 以下结合附图所示实施例对本发明作进一步的说明。\n[0041] 本发明公开了一种用于人体身份识别系统，包括第一处理器、分别与第一处理器相连的发 射模块、人体感应模块，第二处理器以及与第二处理器相连的接收模块，第一处理器接受人体感应模块的信息以控制发射模块开启，发射模块包括发射天线以及与其相连的具有信号调制的模拟射频发射装置，用于发射无线射频信号；接收模块包括接收天线以及接收装置，将接收到人体无线电波响应信号下变频到数字基带信号，接收装置设有单片机，单片机中预置信号处理算法处理数字基带信号并存储样本数据。\n[0042] 第二处理器的数据库中预存人体响应基准数据，第二处理器判断存储样本数据后，处理样本数据以及人体响应基准数据，以提取并对比样本数据的统计特征和人体响应基准数据的统计特征，进行被测人体身份判定进行身份的判定。\n[0043] 本实施例中，发射装置与接收装置均为USRP设备，人体感应模块为视频、红外、重量检测感应模块。\n[0044] 本发明还公开了一种人体身份识别的方法，包括以下步骤,\n[0045] （1）激活人体身份识别系统，若判断未激活，继续步骤（1），若判断已激活，转入步骤（2）；\n[0046] 步骤（1）中，当人体感应模块确定有人体出现在可探测的区域时，将检测信息传送至第一处理器处理，第一处理器接受到此信息后判断系统激活，控制接收模块开启。本实施例中，人体感应模块可通过多种方式实现确定人体已处于可以被测量的环境，例如通过视频、红外、重量检测等方式，来确认被测人体已经处于适当的位置。\n[0047] （2）识别被测人体身份信息，若判断信息对比相似，转入步骤（3），若判断信息对比不相似，转入步骤（4），具体包括以下步骤。\n[0048] （a）多次发射并采集人体无线电波响应信号。\n[0049] 步骤（a）中，发射装置发出无线信号后，无线信号在存在被测人体的无线环境中传播，由接收装置接收得到人体无线电波响应信号，由于接收装置为USRP设备，接收装置经由采样，量化，下变频，低通滤波以及波形去除处理人体无线电波响应信号后，得到数字基带信号。系统激活后，无线信号被调制在可用射频波段，由发射装置发出，此处的可用波段可以是合法使用和共享的任何波段，如2.4GHz的WiFi波段。无线信号在存在被测人体的无线环境中传播后，被另一端的接收装置所接收，经过下变频处理得到模拟基带信号。接收到的模拟基带信号再次经过采样、量化、匹配滤波、一系列模数转换的过程，得到信号的数字基带信号数据，从而实现人体无线电波响应信号的发射与采集过程。\n[0050] （b）处理人体无线电波响应信号，统计多次人体无线电波响应的样本数据；\n[0051] 步骤（b）中，接收装置的单片机中接收装置预置 算法处\n理所述数字基带信号，此处y(t)代表的是接收到的信号,x*代表的是信号的复共轭，h(τ)代表的是信道的冲激响应。\n[0052] 为了计算的简便，同时也考虑现行的通信系统更多采用窄带随机信号，本实施例中，主要关注信道的窄带响应，即采取 算法统计窄带响人体响应的样本数据。由于单靠一次的测量很难得到确定的判别结果，因此为了能有较多的测量结果，需在短时间内完成较多的测量，以大量获得窄带响人体响应的h数据样本，并进行存储。\n[0053] （c）处理人体无线电波响应的样本数据以及数据库中预存的人体响应基准数据，提取并对比样本数据的统计特征以及人体响应基准数据的统计特征，进行被测人体身份判定。\n[0054] 为了能够识别人的身份，首先需要建立基于不同人的无线电波响应数据库，即事先对有可能需要识别的人所具有的无线电波冲激响应进行测量，形成相对完整的特征描述。该描述在不同人之间需要具有明显不同的特征区分，以达到帮助区分人的身份的目的。\n我们将在大量训练测量的基础上，为被测者建立一个响应数据库，并找到可以用来进行身份区分的维度和空间。\n[0055] 目前，已经确定的可以用来对人体响应进行特征总结的参数包括如下几种：\n[0056] Ⅰ、窄带人体响应的强度统计分布，即窄带人体响应的衰落系数、衰落系数概率密度分布以及衰落系数概率累计分布；\n[0057] Ⅱ、窄带人体响应的相位统计分布；\n[0058] III、窄带人体响应中的确定性和随机部分的能量之比，即K因子及其统计分布；\n[0059] IV、窄带人体响应所带来的频移功率谱特征；\n[0060] V、宽带的人体响应的时延功率谱特征\n[0061] VI、宽带的不同人体响应之间的相关性特征，即不同时延点上的响应相关性；\n[0062] 其中，优选方案Ⅰ窄带人体响应的强度统计分布作为统计特征。\n[0063] 可选取以上特征总结参数之一作为本发明中数据的统计特征。本实施例中，第二处理器判断单片机已经存储被检测人的无线电波响应的样本数据后，分别提取被测量人体样本数据以及数据库中预存的人体响应基准数据的如下统计特征进行人体之间的对比识别：窄带响人体响应的衰落系数、衰落系数概率密度分布以及衰落系数概率累计分布。\n[0064] 本实施例中，第二处理器采用Kullback distance或者Kolmogorov Smirnov Testing原则进行统衰落系数概率密度分布以及衰落系数概率累计分布两个统计特征的对比，以判断被检测人体的无线冲击响应是否与数据库中已存储的信息想匹配。\n[0065] （3）输出身份识别的结果，并启动后续权限操作；\n[0066] 若经第二处理器判断数据库中存储的人体响应基准数据与被检测人的样本数据的统计特征相同或相似，说明被检测人身份符合，判断启动后续权限操作。具体权限操作内容视不同系统而定不同，例如同意信息传递、同意支付或同意开启门锁等等。\n[0067] （4）提示错误，若第二处理器判断统计特征不符合，识别出该人不是数据库中已存有信息的人，则提示错误，退出系统。\n[0068] 下面结合门把手识别系统说明本发明的工作原理。\n[0069] 以门把手识别系统为例：发射模块以及人体感应模块即重力感应模块安装房门外地板上，接收模块安装于门把手中。首先，将允许进入该房间的人的某一特定频段的人体响应测量出来，作为识别的基准数据存储在门把手内部相关的接收装置中。本实施例中，采用\n433M无线电波进行测试。当有人进入房门发射装置范围时，重力感应模块判断有人体进入测量环境并将信息传送至第一处理器处理，第一处理器激活人体身份识别装置，发射装置开始发射无线电波，该无线电波以被检测人人体作为通信信道在人体内传播，接收装置立即接收并处理上述人体响应信号，试验中可以在瞬间如在1秒钟内，对传播的衰落系数收集几千次的测量结果并存储于接收模块的单片机中。第二处理器对于该衰落系数的样本做统计的分析，描绘出该衰落系数的概率密度函数和累计分布函数，并与存储在门把手内部的基准数据的衰落系数、概率密度分布以及累积分布等的对比，如果基本吻合，则此时房门自动开启，否则，紧闭不开。\n[0070] 图3至图5分别为试验过程中志愿者1、志愿者2以及志愿者3对433M无线电波响应的测试结果衰落系数部分样本。其中横轴表示测量的时间，以相邻两个采样点的间隔为单位，纵轴表示志愿者作为无线信号的传播信道的衰落数值。采集时长为1秒，由于采用的是\n5MHz带宽，约200个采样形成一次测量，即一秒钟有5000000/200=25000次测量，如此大量的数据样本经过分析可以得到较为准确的统计分布。\n[0071] 图6所示为三位志愿者的衰落测量样本的概率密度函数。图中不同形状的曲线代表着不同志愿者作为信道所带来的衰落的统计规律。图的横轴代表信道的衰落系数幅度的具体数值，纵轴代表信道的衰落系数落于该数值（左右较小间隔）区间内的概率密度。\n[0072] 图7为三位志愿者的衰落测量样本的概率累计分布函数。\n[0073] 从图3至图7的结果可以看到，不同的人具有完全不同的衰落系数、衰落概率密度函数以及衰落概率累计分布函数。并且函数所在的局域有较大的间隔。因此采用以上三种函数作为人体响应的统计特征，可有效用于区分不同被测者，实现人体的识别。\n[0074] 上述的对实施例的描述是为便于该技术领域的普通技术人员能理解和应用本发明。熟悉本领域技术的人员显然可以容易地对这些实施例做出各种修改，并把在此说明的一般原理应用到其他实施例中而不必经过创造性的劳动。因此，本发明不限于这里的实施例，本领域技术人员根据本发明的揭示，不脱离本发明范畴所做出的改进和修改都应该在本发明的保护范围之内。