研究目的
研究时间深度神经网络利用移动惯性传感器解读自然人运动学特征以实现主动生物特征认证的能力。
研究成果
该研究表明，人体运动学能传递关于用户身份的重要信息，可作为多模态认证系统中有价值的组成部分。所提出的模型在视觉情境中的应用也展现出良好前景。
研究不足
该研究的局限性在于：从实际和法律角度收集数据存在挑战、惯性数据具有噪声特性，以及在资源有限的情况下需要高效学习并将特征融入生物识别系统。
1：实验设计与方法选择：
本研究通过比较多种神经网络架构以实现时序多模态数据表征的高效学习，提出优化的平移不变密集卷积机制，并将判别式训练的动态特征融入概率生成框架。
2：样本选取与数据来源：
首个由1500名志愿者通过智能手机持续数月日常被动采集的人体运动数据集。
3：实验设备与材料清单：
采用配备惯性传感器（加速度计与陀螺仪）的智能手机进行数据采集。
4：实验流程与操作步骤：
通过志愿者智能手机被动采集自然人体运动学数据，用于训练和比较多种神经网络架构。
5：数据分析方法：
运用概率生成框架与判别式训练进行动态特征提取与分析。
独家科研数据包，助您复现前沿成果，加速创新突破
获取完整内容-
smartphone
LG Nexus 5
Data collection of human movements using inertial sensors
-
accelerometer
Captures linear acceleration
-
gyroscope
Provides angular velocity
-
magnetometer
Measures magnetic field
-
登录查看剩余2件设备及参数对照表
查看全部
