手势认证中基于能量熵的端点检测方法研究

计算机工程与应用 ›› 2016, Vol. 52 ›› Issue (4): 205-210.

手势认证中基于能量熵的端点检测方法研究

苗敏敏，周治平

江南大学物联网工程学院，江苏无锡 214122

出版日期:2016-02-15 发布日期:2016-02-03

Endpoint detection method research in gesture authentication based on energy entropy

MIAO Minmin, ZHOU Zhiping

School of Internet of Things Engineering, Jiangnan University, Wuxi, Jiangsu 214122, China

Online:2016-02-15 Published:2016-02-03

摘要/Abstract

摘要： 为了保证智能手机敏感信息的安全性，设计实现了一种基于手机内置三轴加速度传感器的三维手势认证方案。在手势端点检测部分，在定性分析手势加速度信号能量分布特性的基础上，提出了一种基于能量熵的新方法实现有效手势截取。进一步设计基于欧式距离的动态时间规整算法对截取后的手势序列信号进行匹配认证，当他人模仿手势错误接受率趋近0%时，本人认证手势错误拒绝率维持在7%左右，从而实现智能手机用户身份识别。

关键词: 三维手势认证, 手势端点检测, 短时傅里叶变换, 能量熵, 动态时间规整

Abstract: In order to guarantee the security of sensitive information in intelligent mobile phone, a 3D gesture authentication scheme based on a mobile phone with three-axial accelerometer embedded is put forward. On the basis of analyzing the energy distribution characteristics of gesture acceleration signal, a new gesture endpoint detection algorithm based on energy entropy was proposed. Euclidean Dynamic Time Warping（EDTW） method is used to analyze these temporal signals after gesture endpoint detection for authentication, False Rejection Rate（FRR）is around 7 percent while the False Acceptance Rate（FAR） is approaching 0 percent, so intelligent mobile phone user identification can be achieved.

Key words: 3D gesture authentication, gesture endpoint detection, Short Time Fourier Transform（STFT）, energy entropy, Dynamic Time Warping（DTW）

苗敏敏，周治平. 手势认证中基于能量熵的端点检测方法研究[J]. 计算机工程与应用, 2016, 52(4): 205-210.

MIAO Minmin, ZHOU Zhiping. Endpoint detection method research in gesture authentication based on energy entropy[J]. Computer Engineering and Applications, 2016, 52(4): 205-210.

[1]	倪宗军，陈辉，张昀，苏敏，郑秀娟. 自适应去噪的非接触式生理参数检测方法[J]. 计算机工程与应用, 2021, 57(5): 153-160.
[2]	胡青渝，刘广臣. DBN在蛋白质编码区识别问题中的应用研究[J]. 计算机工程与应用, 2020, 56(4): 247-255.
[3]	王见，毛黎明，尹爱军. 结合形状特征及其上下文的多维DTW[J]. 计算机工程与应用, 2020, 56(22): 42-47.
[4]	胡章芳，刘鹏飞，蒋勤，罗飞，王明丽. 基于3DC-BGRU的脑电情感识别[J]. 计算机工程与应用, 2020, 56(20): 111-117.
[5]	周元，于明，黄炜嘉，李效龙. 能量熵与峰值窗口结合去除眼电伪迹研究[J]. 计算机工程与应用, 2020, 56(19): 168-175.
[6]	范纯龙，崔宇斌，滕一平. 基于自适应搜索窗口的序列相似比对算法[J]. 计算机工程与应用, 2019, 55(2): 54-59.
[7]	王浩，夏利民. 基于堆叠深度卷积沙漏网络的步态识别[J]. 计算机工程与应用, 2019, 55(14): 127-133.
[8]	谢小雨1，刘喆颉1，2. 基于DTW算法的肌电信号手势识别方法[J]. 计算机工程与应用, 2018, 54(5): 132-137.
[9]	谭洋波，程进军，刘帅. 基于EMD与邻域粗糙集的液体电磁阀故障诊断[J]. 计算机工程与应用, 2017, 53(12): 255-260.
[10]	李鸿利，单征，郭浩然. 基于MDTW的飞行动作识别算法[J]. 计算机工程与应用, 2015, 51(9): 267-270.
[11]	刘阳，尚赵伟. 基于Kinect骨架信息的交通警察手势识别[J]. 计算机工程与应用, 2015, 51(3): 157-161.
[12]	陈玲，杨天奇. 基于质心和轮廓关键点的步态识别[J]. 计算机工程与应用, 2015, 51(19): 173-177.
[13]	涂辉1，刘丽1，2，张正金1. 改进DTW算法的心电信号相似性度量[J]. 计算机工程与应用, 2015, 51(16): 215-218.
[14]	王杰锋，周治平，苗敏敏. 移动终端手势识别中DTW匹配算法研究[J]. 计算机工程与应用, 2015, 51(13): 197-201.
[15]	马宁，陈晓冬，李亚楠，尹青云，汪毅，郁道银. 内窥镜自动定位语音识别系统[J]. 计算机工程与应用, 2014, 50(8): 207-210.