發(fā)布時(shí)間：2020-04-08 19:39

【摘要】：隨著互聯(lián)網(wǎng)時(shí)代的高速發(fā)展,智能手機(jī)已經(jīng)成為人們生活中不可或缺的組成部分,被廣泛應(yīng)用于社交,電子商務(wù),商業(yè)以及娛樂等各個(gè)領(lǐng)域。與傳統(tǒng)通訊工具僅支持電話短信等通訊功能不同的是,智能手機(jī)上安裝的應(yīng)用程序賦予其更多的功能,再加上互聯(lián)網(wǎng)的介入,使得智能手機(jī)真正成為了功能豐富的智能終端。與此同時(shí),安裝在智能手機(jī)上的各種社交類應(yīng)用包含了用戶的私人信息,而支付寶,微信等可支付類軟件還涉及到用戶財(cái)產(chǎn)信息,因此,智能手機(jī)上的數(shù)據(jù)非常敏感,智能手機(jī)的用戶安全顯得尤為重要。由于目前智能手機(jī)普遍搭載有高精度、低功耗的內(nèi)置傳感器,為解決上述問題,本文提出根據(jù)智能手機(jī)運(yùn)動(dòng)時(shí)的傳感器數(shù)據(jù)來對(duì)用戶身份進(jìn)行識(shí)別。具體研究內(nèi)容如下:(1)分兩種場景獲取模型研究的手機(jī)傳感器數(shù)據(jù):自行采集和搜索公開數(shù)據(jù)集。編寫Android應(yīng)用程序自行采集用戶搖動(dòng)手機(jī)產(chǎn)生的數(shù)據(jù)構(gòu)建數(shù)據(jù)集;選取符合手機(jī)身份識(shí)別的公開手機(jī)傳感器數(shù)據(jù)集。(2)原始感知數(shù)據(jù)的處理。因?yàn)閷?duì)用戶的身份識(shí)別要求高準(zhǔn)確率,所以需要處理無關(guān)數(shù)據(jù)和由于傳感器硬件設(shè)備差異造成的噪聲。從頻域角度提取信息增大用戶之間的區(qū)分度,進(jìn)行輸入前的其他預(yù)處理操作。(3)針對(duì)現(xiàn)有識(shí)別方式的缺陷,從探索智能手機(jī)運(yùn)動(dòng)時(shí)產(chǎn)生的傳感器數(shù)據(jù)出發(fā),對(duì)應(yīng)于兩種數(shù)據(jù)集,提出一種結(jié)合卷積神經(jīng)網(wǎng)絡(luò)和循環(huán)神經(jīng)網(wǎng)絡(luò)的用戶身份識(shí)別模型。其中,雙流(Two-stream)卷積神經(jīng)網(wǎng)絡(luò)用于提取傳感器數(shù)據(jù)的時(shí)域和頻域特征,之后的融合卷積用于融合不同類型傳感器的時(shí)頻特征;時(shí)鐘循環(huán)神經(jīng)網(wǎng)絡(luò)進(jìn)一步分析卷積后得到的特征序列中的隱藏信息,同時(shí)挖掘時(shí)間序列的前后聯(lián)系。(4)所提模型與普通卷積神經(jīng)網(wǎng)絡(luò)和傳統(tǒng)機(jī)器學(xué)習(xí)算法進(jìn)行對(duì)比,實(shí)驗(yàn)結(jié)果表明本文提出的模型性能優(yōu)于其他方法,相較于其他類似工作在性能上也具有優(yōu)勢(shì),能夠在多種場合下有效地識(shí)別出智能手機(jī)用戶的身份,具有良好的普適性。
【圖文】：

圖 3-1 智能手機(jī)傳感器坐標(biāo)系機(jī)被平放在桌面上時(shí)，坐標(biāo)系的 x 軸平行于水平面橫穿過手平面且垂直于 x 軸；z 軸垂直于手機(jī)屏幕豎直向上。當(dāng)智能）時(shí)，該坐標(biāo)系相對(duì)于手機(jī)固定，傳感器返回某一幀中 3 手機(jī)中使用頻率較高的傳感器有如下幾種：度傳感器感器是用來測量手機(jī)運(yùn)動(dòng)時(shí)的加速度的傳感器，它返回手y、z 三軸的加速度數(shù)值。該數(shù)值包含重力的影響，單位是加速度傳感器的三軸指示的具體含義是：當(dāng)手機(jī)水平置于桌面y 軸數(shù)值為 0，z 軸數(shù)值約為 9.81m/s^2，即重力加速度的值z(mì) 軸的值變?yōu)?9.81 m/s^2；當(dāng)手機(jī)向左傾斜時(shí)，x 軸的值由時(shí)，x 軸由 0 變?yōu)樨?fù)；當(dāng)手機(jī)向上傾斜時(shí)，y 軸的值由 0 變y 軸由 0 變?yōu)檎?

(a)主界面 (b) 功能界面圖 3-2 ShakeLogin 數(shù)據(jù)集采集程序界面圖.2.2 日常行為數(shù)據(jù)相較于搖動(dòng)手機(jī)對(duì)應(yīng)于用戶有意識(shí)的感知信息，與此相對(duì)應(yīng)的，在用戶并不的情況下采集的數(shù)據(jù)則是無意識(shí)的感知信息。在這個(gè)過程中，用戶可能并不知己隨身攜帶的智能手機(jī)在收集數(shù)據(jù)，因此可以視為用戶是無意識(shí)的。更具體地于行走、騎車、上下樓梯等日常行為，若用戶在執(zhí)行這些日常行為時(shí)攜帶智能（例如放置于褲兜）并收集該段行為的數(shù)據(jù)，則這些數(shù)據(jù)可以視為是用戶日常的反應(yīng)，這種場景與本文前面所述的搖動(dòng)手機(jī)是明顯不同的，因?yàn)橛脩舨]有要執(zhí)行某種行為的意識(shí)，即此種場景下收集數(shù)據(jù)并沒有對(duì)用戶的平常生活習(xí)生任何干預(yù)，是用戶在無意識(shí)的狀態(tài)下對(duì)用戶的真實(shí)反映。本文使用的無意識(shí)器數(shù)據(jù)來源于一個(gè)公開數(shù)據(jù)集：Heterogeneity Dataset for Human Activecognition[40]，，這個(gè)數(shù)據(jù)集是一個(gè)智能手機(jī)與智能手表產(chǎn)生的行為傳感器數(shù)據(jù)集文簡稱為 HHAR。該數(shù)據(jù)集使用到的傳感器是加速度計(jì)和陀螺儀，這兩種傳
【學(xué)位授予單位】：電子科技大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2019
【分類號(hào)】：TP212;TP309;TN929.53

【參考文獻(xiàn)】

相關(guān)期刊論文 前2條

1 張鑫;李治軍;姜守旭;;基于Android手機(jī)傳感器數(shù)據(jù)識(shí)別運(yùn)動(dòng)狀態(tài)[J];智能計(jì)算機(jī)與應(yīng)用;2015年03期

2 李琴;伊?xí)粤?曹根牛;;關(guān)于支持向量基中二次函數(shù)集VC維的研究[J];科技信息(學(xué)術(shù)研究);2007年33期

相關(guān)博士學(xué)位論文 前1條

1 方東輝;最優(yōu)化問題的Fenchel對(duì)偶和Lagrange對(duì)偶之研究[D];浙江大學(xué);2010年

相關(guān)碩士學(xué)位論文 前3條

1 盧帥;基于手機(jī)傳感器的行為和手勢(shì)識(shí)別的研究與實(shí)現(xiàn)[D];電子科技大學(xué);2018年

2 薛峰濤;基于智能手機(jī)傳感器的行為檢測研究與應(yīng)用[D];西南大學(xué);2017年

3 王堯;基于手機(jī)傳感器的用戶身份認(rèn)證方案研究與實(shí)現(xiàn)[D];江南大學(xué);2015年

本文編號(hào)：2619753