《基于步态识别的移动设备身份认证模型》PDF+DOC
作者:蒋伟,王瑞锦,余苏喆,秦圣智,李蝉娟,李冬芬
单位:电子科技大学
出版:《电子科技大学学报》2019年第02期
页数:6页 (PDF与DOC格式可能不同)
PDF编号:PDFDKDX2019020180
DOC编号:DOCDKDX2019020189
下载格式:PDF + Word/doc 文字可复制、可编辑
《基于手机放置变化的步态识别》PDF+DOC2016年第21期 杨文辉,杨明静
《基于相邻风机相关性模型的风速计监测方法》PDF+DOC2016年第01期 吴立增
《基于方向补偿匹配算法和脚跟着地特征的鲁棒步态识别》PDF+DOC2017年第03期 黄华林
《利用惯性传感器和AdaBoost算法的步态识别方法》PDF+DOC2019年第04期 杨叶梅,陈新
《基于传感器融合的步态识别方法》PDF+DOC2019年第21期 陶加贝,邹雅淇,步子豪,李志俊
《基于步态特征的移动平台持续认证方案》PDF+DOC2019年第07期 杨力,马卓茹,张程辉,裴庆祺
《基于手机加速度与步态不对称特征的身份识别》PDF+DOC2018年第06期 梁西银,何书芹,颜昌林,马玲,倪波波
《身份识别,除了“刷脸”,还有这些“黑科技”》PDF+DOC2018年第Z1期 苏更林,史峰
《结构化步态特征表征和快速步态识别方法》PDF+DOC2012年第02期 韦素媛,宁超,高有行,李刚
《基于分数阶傅里叶变换步态特征提取》PDF+DOC2012年第06期 张军
智能移动设备遗失时,隐私泄露是一个大问题。现在的生物特征识别技术必须借助相应的辅助设备,如指纹识别、人脸识别等,认证操作复杂且成本较高。针对以上问题,该文提出一种基于步态识别的移动设备身份认证模型。在训练阶段,通过移动设备自带的加速度传感器对用户在日常生活中不同行为下的步态数据进行收集,提取特征形成特征向量并建立步态模型;在识别阶段,利用基于神经网络的模型匹配算法进行身份识别。系统实现采用C/S架构,所有传输数据采用国密SMS4对称加密算法进行加密,保证了数据传输的安全性。实验表明,神经网络算法的平均识别率为78.13%,综合反馈机制之后,可以达到98.96%的认证准确率。
提示:百度云已更名为百度网盘(百度盘),天翼云盘、微盘下载地址……暂未提供。