本發(fā)明涉及身份識別技術領域，特別涉及一種通過用戶行為軌跡確定其身份特質的方法。

背景技術：

隨著移動互聯(lián)網(wǎng)的普及，智能手機因其便攜性、獨占性和私密性，被廣泛應用于線下小額支付、門禁、公交地鐵等場景，在帶來便捷性的同時，仍存在安全性問題，例如：因手機丟失或信息被盜造成的非用戶本人使用手機，引起財產(chǎn)損失。

為提高安全性，在上述應用場景中需要對用戶身份進行識別認證，常用方法包括：基于密碼的識別技術(如：數(shù)字密碼、手勢密碼)、基于生物特征的識別技術(如臉部識別、指紋識別、虹膜識別、聲紋識別)，以及基于用戶行為特征的識別技術(手勢簽名、自然晃動等)。

現(xiàn)有的識別技術存在如下缺點：(1)安全級別低：密碼容易在存儲或傳輸過程中被復制或截獲。另外，在公共場合輸入密碼時，容易被周圍的人窺見、模仿，安全性降低。(2)難于記憶：為了增加安全性，同一用戶在多個設備、多個應用中通常會設置不同的密碼，容易導致忘記密碼而無法通過認證的情況。(3)便捷性差：在公交、地鐵閘機等需要快速完成認證和授權的場景下，輸入復雜密碼或忘記密碼時，嚴重影響速度，用戶體驗差。

技術實現(xiàn)要素：

本發(fā)明要解決的技術問題在于針對現(xiàn)有技術中的不足之處，提供一種通過用戶行為軌跡確定其身份特質的方法。用于解決現(xiàn)有技術中安全級別低：密碼容易在存儲或傳輸過程中被復制或截獲。另外，在公共場合輸入密碼時，容易被周圍的人窺見、模仿，安全性降低。難于記憶：為了增加安全性，同一用戶在多個設備、多個應用中通常會設置不同的密碼，容易導致忘記密碼而無法通過認證的情況。便捷性差：在公交、地鐵閘機等需要快速完成認證和授權的場景下，輸入復雜密碼或忘記密碼時，嚴重影響速度，用戶體驗差的問題。

本發(fā)明解決技術問題采用的技術手段是提供一種通過用戶行為軌跡確定其身份特質的方法，包括步驟：S1、獲取檢測空間內用戶行為軌跡的數(shù)據(jù)樣本，根據(jù)所述數(shù)據(jù)樣本生成驗證信息庫；S2、實時采集所述檢測空間內用戶的行為軌跡，并與所述驗證信息庫中的所述數(shù)據(jù)樣本相匹配，并判斷所述行為規(guī)矩和所述數(shù)據(jù)樣本是否匹配；若匹配，則符合用戶的身份特質；若不匹配，則不符合用戶的身份特質，返回重新驗證或關閉驗證。

于本發(fā)明的一實施例中，所述步驟S1包括步驟：S11、生成檢測空間；S12、對檢測空間邊緣的檢測點進行定位測量，將所述檢測點進行連接，形成完整的檢測區(qū)域輪廓線并根據(jù)所述檢測區(qū)域輪廓線生成三維檢測坐標；S13、采集用戶的行為軌跡的所述數(shù)據(jù)樣本，并將每個所述數(shù)據(jù)樣本與所述檢測坐標相對應生成對應的樣本坐標數(shù)據(jù)和樣本變化向量，并根據(jù)所述樣本坐標數(shù)據(jù)和所述樣本變化向量生成驗證信息庫。

于本發(fā)明的一實施例中，所述步驟S2包括步驟：S21、觸發(fā)身份特質驗證；S22、實時采集用戶用于驗證的驗證行為軌跡，將每個所述驗證行為軌跡與所述檢測坐標相對應生成對應的驗證坐標數(shù)據(jù)和驗證變化向量；S23、將所述驗證坐標數(shù)據(jù)和所述驗證變化向量分別和所述樣本坐標數(shù)據(jù)和樣本變化向量進行匹配，并判斷誤差是否在預設范圍內；若在預設范圍內，則符合用戶的身份特質；若不在預設范圍內，則不符合用戶的身份特質，返回重新驗證或關閉驗證。

于本發(fā)明的一實施例中，所述步驟S13還包括步驟：實時采集所述數(shù)據(jù)樣本時，同步采集所述數(shù)據(jù)樣本在所述三維檢測坐標內移動的樣本行為時間，并將所述樣本行為時間添加進所述樣本變化向量；所述步驟S22還包括步驟：實時采集所述驗證行為軌跡時，同步采集所述驗證行為軌跡在所述三維檢測坐標內移動的驗證行為時間，并將所述驗證行為時間添加進所述驗證變化向量。

于本發(fā)明的一實施例中，所述步驟S1之前還包括步驟：根據(jù)用戶的行為特征在所述三維檢測坐標中的類型，配置每種類型的所述數(shù)據(jù)樣本的數(shù)量的上限值和下限值；所述類型包括行為路徑和行為姿勢。

于本發(fā)明的一實施例中，所述步驟S2之后還包括步驟：S3、使用通過身份特質驗證的所述驗證行為軌跡更新所述驗證信息庫。

于本發(fā)明的一實施例中，所述步驟S3包括步驟：S31、將通過驗證的所述驗證坐標數(shù)據(jù)和所述驗證變化向量作為新的所述數(shù)據(jù)樣本帶入預先設置好的訓練器中；S32、訓練所述數(shù)據(jù)樣本的行為軌跡向量，生成新的所述驗證信息庫。

于本發(fā)明的一實施例中，所述步驟S3之后還包括步驟：S4、當所述驗證信息庫中的樣本數(shù)量達到上限后，每增加一個新樣本時，通過所述樣本坐標數(shù)據(jù)和所述樣本變化向量的比對，刪除掉一個相似度最低的樣本。

于本發(fā)明的一實施例中，所述步驟S2還包括步驟：對所述三維檢測坐標進行區(qū)塊分割為子區(qū)塊，并將對應的所述樣本變化向量和所述行為變化向量進行區(qū)塊分割生成樣本變化子向量和行為變化子向量；當用戶的行為軌跡為局部行為軌跡時，根據(jù)局部行為軌跡所在的所述子區(qū)塊中的所述樣本變化子向量和所述行為變化子向量分別進行匹配判斷是否符合用戶的身份特質。

實施本發(fā)明中的通過用戶行為軌跡確定其身份特質的方法具有以下有益效果：

可以根據(jù)用戶的行為軌跡直接確定其身份特質，方便快捷；并且，通過持續(xù)采集和更新用戶行為數(shù)據(jù)，以及引入三維檢測坐標將行為軌跡向量化，提高檢測的效果和安全性。

附圖說明

圖1顯示為本發(fā)明中通過用戶行為軌跡確定其身份特質的方法的流程示意圖。

本發(fā)明目的的實現(xiàn)、功能特點及優(yōu)點將結合實施例，參照附圖做進一步說明。

具體實施方式

為了使本發(fā)明的目的、技術方案及優(yōu)點更加清楚明白，以下結合附圖及實施例，對本發(fā)明進行進一步詳細說明。應當理解，此處所描述的具體實施例僅僅用以解釋本發(fā)明，并不用于限定本發(fā)明。

需要說明的是，當元件被稱為“固定于”另一個元件，它可以直接在另一個元件上或者也可以存在居中的元件。當一個元件被認為是“連接”另一個元件，它可以是直接連接到另一個元件或者可能同時存在居中元件。本文所使用的術語“垂直的”、“水平的”、“左”、“右”以及類似的表述只是為了說明的目的。

除非另有定義，本文所使用的所有的技術和科學術語與屬于本發(fā)明的技術領域的技術人員通常理解的含義相同。本文中在本發(fā)明的說明書中所使用的術語只是為了描述具體的實施例的目的，不是旨在于限制本發(fā)明。本文所使用的術語“及/或”包括一個或多個相關的所列項目的任意的和所有的組合。

如圖1所示，圖1顯示為本發(fā)明中通過用戶行為軌跡確定其身份特質的方法的流程示意圖。本發(fā)明提供了一種通過用戶行為軌跡確定其身份特質的方法，包括步驟：S1、獲取檢測空間內用戶行為軌跡的數(shù)據(jù)樣本，根據(jù)數(shù)據(jù)樣本生成驗證信息庫；S2、實時采集檢測空間內用戶的行為軌跡，并與驗證信息庫中的數(shù)據(jù)樣本相匹配，并判斷行為規(guī)矩和數(shù)據(jù)樣本是否匹配；若匹配，則符合用戶的身份特質；若不匹配，則不符合用戶的身份特質，返回重新驗證或關閉驗證。

在本發(fā)明的一實施例中，步驟S1包括步驟：

S11、生成檢測空間；通常，采用探測器或者感應器生成立方體的三維檢測空間，方便用戶在檢測空間中做出動作。

S12、對檢測空間邊緣的檢測點進行定位測量，將檢測點進行連接，形成完整的檢測區(qū)域輪廓線并根據(jù)檢測區(qū)域輪廓線生成三維檢測坐標；在本實施例中，檢測點之間進行相互連線，形成水平和豎直的檢測線，水平和豎直的檢測線之間的交點形成坐標點。

S13、采集用戶的行為軌跡的數(shù)據(jù)樣本，并將每個數(shù)據(jù)樣本與檢測坐標相對應生成對應的樣本坐標數(shù)據(jù)和樣本變化向量，并根據(jù)樣本坐標數(shù)據(jù)和樣本變化向量生成驗證信息庫。本實施例中，用戶的每個行為軌跡會占用多個坐標點，根據(jù)行為軌跡前后坐標點的裱花即可生成變化向量。數(shù)據(jù)樣本相對應轉換后生成的即為樣本坐標數(shù)據(jù)，再根據(jù)前后樣本坐標數(shù)據(jù)的變化即可計算出樣本變化向量。

進一步地，步驟S2包括步驟：

S21、觸發(fā)身份特質驗證；在進行驗證之前要先出發(fā)身份特質驗證，才能開始驗證。

S22、實時采集用戶用于驗證的驗證行為軌跡，將每個驗證行為軌跡與檢測坐標相對應生成對應的驗證坐標數(shù)據(jù)和驗證變化向量；同理，本實施例中，用戶的每個行為軌跡會占用多個坐標點，根據(jù)行為軌跡前后坐標點的裱花即可生成變化向量。驗證行為軌跡相對應轉換后生成的即為驗證坐標數(shù)據(jù)，再根據(jù)前后驗證坐標數(shù)據(jù)的變化即可計算出驗證變化向量。

S23、將驗證坐標數(shù)據(jù)和驗證變化向量分別和樣本坐標數(shù)據(jù)和樣本變化向量進行匹配，并判斷誤差是否在預設范圍內；若在預設范圍內，則符合用戶的身份特質；若不在預設范圍內，則不符合用戶的身份特質，返回重新驗證或關閉驗證。

在本發(fā)明的一實施例中，步驟S13還包括步驟：實時采集數(shù)據(jù)樣本時，同步采集數(shù)據(jù)樣本在三維檢測坐標內移動的樣本行為時間，并將樣本行為時間添加進樣本變化向量；步驟S22還包括步驟：實時采集驗證行為軌跡時，同步采集驗證行為軌跡在三維檢測坐標內移動的驗證行為時間，并將驗證行為時間添加進驗證變化向量。通過將樣本行為時間和驗證行為時間分別加入樣本變化向量和驗證變化向量中并進行比對和匹配，可以更精確的辨別出驗證行為軌跡是否是貼合用戶習慣，使得驗證更加準確。

進一步地，步驟S1之前還包括步驟：根據(jù)用戶的行為特征在三維檢測坐標中的類型，配置每種類型的數(shù)據(jù)樣本的數(shù)量的上限值和下限值；類型包括行為路徑和行為姿勢。與之相對應的，本發(fā)明中，可以通過變化向量和坐標數(shù)據(jù)分別驗證行為路徑和行為姿勢。

在本發(fā)明的一實施例中，步驟S2之后還包括步驟：S3、使用通過身份特質驗證的驗證行為軌跡更新驗證信息庫。進一步地，步驟S3包括步驟：S31、將通過驗證的驗證坐標數(shù)據(jù)和驗證變化向量作為新的數(shù)據(jù)樣本帶入預先設置好的訓練器中；S32、訓練數(shù)據(jù)樣本的行為軌跡向量，生成新的驗證信息庫。通過不斷的對數(shù)樣本進行訓練以實現(xiàn)數(shù)據(jù)庫的更新。

在本發(fā)明的一實施例中，步驟S3之后還包括步驟：S4、當驗證信息庫中的樣本數(shù)量達到上限后，每增加一個新樣本時，通過樣本坐標數(shù)據(jù)和樣本變化向量的比對，刪除掉一個相似度最低的樣本。

在本發(fā)明的一實施例中，步驟S2還包括步驟：對三維檢測坐標進行區(qū)塊分割為子區(qū)塊，并將對應的樣本變化向量和行為變化向量進行區(qū)塊分割生成樣本變化子向量和行為變化子向量；當用戶的行為軌跡為局部行為軌跡時，根據(jù)局部行為軌跡所在的子區(qū)塊中的樣本變化子向量和行為變化子向量分別進行匹配判斷是否符合用戶的身份特質。在本實施例中，若用戶只做了局部的動作，如只是揮手或者搖頭，即可將三維檢測坐標分割為子區(qū)塊，只進行局部檢測即可。這樣即可減少檢測的工作量，又可以增加檢測的準確性。

綜上所述，本發(fā)明提供的一種通過用戶行為軌跡確定其身份特質的方法，可以根據(jù)用戶的行為軌跡直接確定其身份特質，方便快捷；并且，通過持續(xù)采集和更新用戶行為數(shù)據(jù)，以及引入三維檢測坐標將行為軌跡向量化，提高檢測的效果和安全性。具有很高的商業(yè)利用和推廣的價值。

上面結合附圖對本發(fā)明的實施例進行了描述，但是本發(fā)明并不局限于上述的具體實施方式，上述的具體實施方式僅僅是示意性的，而不是限制性的，本領域的普通技術人員在本發(fā)明的啟示下，在不脫離本發(fā)明宗旨和權利要求所保護的范圍情況下，還可做出很多形式，這些均屬于本發(fā)明的保護之內。