(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202210623398.9 (22)申请日 2022.06.01 (71)申请人 江西师范大学 地址 330000 江西省南昌市紫阳 大道99号 (72)发明人 张光河　刘芳华　蒋德民　肖辉　 (74)专利代理 机构 南昌华成联合知识产权代理 事务所(普通 合伙) 36126 专利代理师 张建新 (51)Int.Cl. G06V 40/18(2022.01) G06V 10/44(2022.01) G06T 7/13(2017.01) G06T 5/00(2006.01) G06K 9/00(2022.01) G06F 21/32(2013.01) (54)发明名称 一种基于虹膜特征和ECG特征的两级WBAN认 证方法 (57)摘要 本发明属于信息安全 领域， 具体涉及一种基 于虹膜特征和ECG特征的两级WBAN认证方法， 其 包括以下步骤： 通过虹膜采集仪采集虹膜图像， 经过虹膜图像预处理、 虹膜图像特征提取和量 化、 虹膜模板制作和虹膜模板匹配四个阶段， 对 用户的身份进行第一级的识别和认证； 在通过第 一级认证后， 再使用传感器采集用户的心电信 号， 经过ECG信号预处理、 ECG特征提取、 ECG特征 量化和基于模糊承诺的密钥协商机制四个阶段， 对用户的身份进行第二级认证。 只有通过这两级 认证的用户， 才算通过了认证。 该方法采取了两 级身份认证， 提升了身份识别的准确性， 有利于 保护WBAN的安全， 保护用户隐私。 权利要求书3页 说明书12页 附图4页 CN 115147912 A 2022.10.04 CN 115147912 A 1.一种基于虹膜特 征和ECG特征的两级WBAN认证方法， 其特 征在于， 包括以下步骤： 步骤S1， 通过虹膜采集仪采集虹膜图像后， 采用道格曼提出的积分微分算子对采集到 的虹膜图像预 处理， 然后利用Log  Gabor滤波器对虹膜图像进 行特征提取和量化， 然后制作 虹膜模板， 精简量化长度， 再引入汉明距离来判断待测样 本与虹膜模板的相似程度， 进行虹 膜模板匹配， 对用户的身份进行第一级的识别和认证； 步骤S2， 在通过一级认证后， 使用传感器采集用户的心电信号， 先采用小波变换处理对 ECG信号进行预处理， 然后对 预处理后的ECG信号进行特征提取， 再采用融合的方法进 行ECG 特征量化， 最后通过模糊承诺的密钥协商机制分发密钥， 对用户的身份进 行第二级认证； 只 有通过这两级认证的用户， 才算 通过了认证。 2.根据权利要求1所述的基于虹膜特征和ECG特征的两级WBAN认证方法， 其特征在于， 步骤S1中， 虹膜图像预处 理的具体步骤为： 先采用道格曼提出的积分微分算子对采集到的虹膜图像进行虹膜定位， 该算子定义 为： 式(1)中， (x,y)是指采集到的包含眼睛的图像的像素点坐标， Gσ(r)为高斯平滑函数， * 符号代表卷积操作， ds是指以r为半径、 (x0,y0)为圆心的圆上的曲线积分； 该算子表现为一 个圆形检测器， 随着半径的增大， 使用偏导数的方式搜索区域内的局部最大值； 然后， 使用Hough变换和Canny边缘检测的方法， 查找虹膜图像中的直线和曲线部分， 对 虹膜区域进行规范化以获得 标准化的虹膜图像。 3.根据权利要求2所述的基于虹膜特征和ECG特征的两级WBAN认证方法， 其特征在于， 步骤S1中， 对虹膜图像进行 特征提取和量 化的具体步骤为： 利用Log Gabor滤波器对虹膜图像进行特征提取和量化， Lo g Gabor滤波器的频率响应 公式如下： 式(2)中， f0代表滤波器的中心频率， σ 代 表滤波器的带宽； 其中， 提取和量化的具体过程是： 把标准化之后的虹膜图像的每一行都视为一维向量， 并分别与Log  Gabor滤波器进 行卷积操作， 卷积结果存在实部和虚部， 我们记录实部和虚部 的正负情况， 并分别用1表示正数， 0表示负数， 这样每个像素点会被量化成2bit； 最后把计 算结果按行串联， 便可以把虹膜图片量 化为长度为X  bit的二进制虹膜编码。 4.根据权利要求3所述的基于虹膜特征和ECG特征的两级WBAN认证方法， 其特征在于， 步骤S1中， 制作虹膜模板的具体步骤为： 首先， 选择一张最清晰的虹膜图像， 把其对应的二进制虹膜编码称为参考编码D1， 然后， 依次记录参考编码D1与同一只眼睛的其他虹膜编码数值相同的索引， 最后取这些索引的交 集， 称为预模板Df； 预模板Df的定义如下： Df＝D12∩D13∩…∩D1k                              (3) 式(3)中， Dij指的是Di和Dj拥有相同位的索引序列； 其次， 对于不同的 眼睛， 所得到的预模板长度是不一致的， 因此需要对Df进行区间映射；权　利　要　求　书 1/3 页 2 CN 115147912 A 2为了充分利用Df的全部信 息， 我们把每个眼睛所得到的Df序列映射在[0,N)区间中， 并选择 最接近整数(0， 1， 2， …， N‑1)的N个索引作为新的预模 板Dfnew； 即将不同长度的Df转换成相同 长度的Dfnew； 然后， 对Dfnew进行进一步的简化， 具体过程为， 将Dfnew的二进制序列分为每段长度为b的 比特块(b为奇数)， 然后将每个比特块的中间元素与同一块中的其他所有元素依 次进行异 或操作， 当异或操作结束后， 会得到一个新的、 更短的比特块， 最后将所有比特块串联， 得到 新的二进制序列， 即得到新的索引 序列Dirisindex， 并在参考编码D1中按Dirisindex中的值为索 引提取对应的二进制数， 得到最终的虹膜编码模板Diris。 5.根据权利要求4所述的基于虹膜特征和ECG特征的两级WBAN认证方法， 其特征在于， 步骤S1中， 虹膜模板匹配的具体步骤为： 引入汉明距离来判断待测样本与虹膜模板的相似程度； 汉明距离可简单描述为两个等 长序列在相同位置上不同字符的数目； 汉明距离越小， 则表 示两个序列越相似； 取虹膜阈值 THiris， 当待测样本的汉明距离小于阈值THiris时， 用户通过第一级虹膜 认证。 6.根据权利要求1所述的基于虹膜特征和ECG特征的两级WBAN认证方法， 其特征在于， 步骤S2中， 对ECG信号进行预处理是采用小波变换方法对获得的ECG信号进行预处理， 以去 除噪声， 具体步骤为： 首先， 以L2(R)表示能量有限的信号全体， 当满足f(t)∈L2(R)时， 可以定义信号f(t)的 连续小波变换公式为： 式(4)中， a是尺度因子， b是平移因子， 表示 的复共轭； 然后需要把连续小波 变换进行二进制的离散化， 将连续小波变换的尺度因子a和平移因子b离散化即可获得离散 小波序列， 常用的离散化为a＝2j,b＝2jk(j,k∈Z)， 其中j代表分解尺度， Z代表所有整数集 合， 可得离散小波变换表示 为： 其次， 选择Sym4小 波作为基函数； 选取 软硬折中的阈值 函数， 函数的表达式为： 式(5)中， 表示阈值函数处理后的小波系数， ωj,k表示分解后的小波系数， λ表示阈 值， T的取值在(0,1)区间内； 其中， 阈值 λ 的选取的计算公式如下： 式(6)中， σn代表方差， N代表信 号长度， j代表分解尺度； 随着分解尺度j的增大， 改进 阈 值λ逐渐减小， 并且与小波变换在不同尺度下噪声的传播特性相一致， 从而保证去噪 的有效 性。 7.根据权利要求6所述的基于虹膜特征和ECG特征的两级WBAN认证方法， 其特征在于， 步骤S2中， 对 预处理后的ECG信号进行特征提取的具体为查找ECG信号的R峰并计算R峰对应 的IPI序列， 记为{IPIi}； 其中， IPI的定义如下： IPIi＝Ri‑Ri‑1                                  (7)权　利　要　求　书 2/3 页 3 CN 115147912 A 3