用户身份识别方法、识别系统及健康仪

暂无

用户身份识别方法、识别系统及健康仪\n技术领域\n[0001] 本发明涉及用户身份识别方法、识别系统及健康仪，具体而言，涉及用于医学领域中的用户身份识别方法、识别系统及健康仪。\n背景技术\n[0002] 目前家庭多成员的体征参数的测量、历史数据的查看、体征参数的变化趋势，需要家庭成员进行大量的主动操作，无法自动识别家庭成员的身份，无法自动针对各家庭成员提供方便连续的数据跟踪。例如：现在市面上的家用体重秤，只能是用户的单次的主动测量，虽然被测用户当时知道目前的体重，也可以通过手动的记录一段时间的体重信息，但是这个操作起来相对比较复杂，手动记录也可能会出错。\n发明内容\n[0003] 本发明的目的在于提供一种用户身份识别方法、识别系统及健康仪，以解决体征参数测量后无法自动识别用户归属的问题。\n[0004] 本发明实施例提供了一种用户身份识别方法，其包括：\n[0005] 提取步骤，提取待识别用户的一个以上体征参数；\n[0006] 第一分析步骤，将每一个所述体征参数与用户群中的各已存用户对应的历史体征参数分别相结合进行分析，得出每一个所述体征参数与每一个所述已存用户的相关几率；\n[0007] 第二分析步骤，根据每一个所述体征参数的预设权重，对所有所述体征参数与同一个所述已存用户的相关几率进行综合分析，分别得到所有体征参数与各所述已存用户的对应几率；\n[0008] 比较步骤，对所有对应几率进行比较，将最大的所述对应几率对应的已存用户确定为身份用户，所述身份用户为待识别用户的身份。\n[0009] 在一些实施例中，优选为，所述体征参数包括以下一种或多种：体温、体重、身高、血压、心率、血氧、声音、容貌、虹膜、指纹、脚纹、足底成像图、气味。\n[0010] 在一些实施例中，优选为，在所述比较步骤之后，所述用户身份识别方法还包括：\n将所述提取步骤中提取的所有所述体征参数分别存入所述身份用户的各体征参数数据库中；则，所述第一分析步骤中的所述历史体征参数包括相应的所述体征参数数据库中所有的数据。\n[0011] 在一些实施例中，优选为，所述第二分析步骤之前，所述用户身份识别方法还可包括下述步骤：记录测量时间，将所述测量时间也定义为一个体征参数；将所述测量时间与每一个所述已存用户的历史测量时间相结合，分析所述测量时间与每一个所述已存用户的时间相关几率；则，测量时间的预设权重和时间相关几率也参与所述第二分析步骤中的综合分析。\n[0012] 在一些实施例中，优选为，所述第一分析步骤的计算方式为：\n[0013]\n[0014] 其中，n为记录的次数，当前测量的次数为第n次测量；t为所述体征参数的编号；W为体征参数的数值；K为参数；P为每一个体征参数与每一个已存用户的相关几率；i为历史数据的标号；Ki为对应的历史数据的权重参数，Ki-1为对应的历史参数的上一个数据的权重参数；\n[0015] Wi为每一个具体的历史参数数据，Wi+1为当前测量的此参数的当前值，“W参”为根据此历史参数以及参数的权重计算出的历史参考值；所述第二分析步骤的计算公式为：\n[0016]\n[0017] Ai+Ajk+Ajkl+……+Ajkl……m＝1，\n[0018] 其中，j,k,l…..m为参数的标号，总计m-j+1个参数；A为每一个所述体征参数或者每几个所述体征参数的组合的预设权重；Aj为Pj参数的对应权重参数，Ajk为Pj，Pk两个参数的组合的对应权重参数，Ajkl……m为Pj，Pk，Pl，……Pm多个参数的组合的对应的权重参数。\n[0019] 本发明还提供了一种采用上述用户身份识别方法的用户身份识别系统，其包括：\n[0020] 提取模块，用于提取待识别用户的一个以上体征参数；\n[0021] 第一分析模块，用于将每一个所述体征参数与用户群中的各已存用户对应的历史体征参数分别相结合进行分析，得出每一个所述体征参数与每一个所述已存用户的相关几率；\n[0022] 第二分析模块，用于根据每一个所述体征参数的预设权重，对所有所述体征参数与同一个所述已存用户的相关几率进行综合分析，分别得到所有体征参数与各所述已存用户的对应几率；\n[0023] 比较模块，用于对所有对应几率进行比较，将最大的所述对应几率对应的已存用户确定为身份用户，所述身份用户为待识别用户的身份。\n[0024] 在一些实施例中，优选为，所述的用户身份识别系统还可包括：存储模块，用于将所述提取模块提取的所有所述体征参数存入所述身份用户的各体征参数数据库中；则，所述第一分析模块还可用于从所述存储模块中调取所述历史体征参数。\n[0025] 在一些实施例中，优选为，所述的用户身份识别系统还包括：时间提取模块，用于记录测量时间，将所述测量时间也定义为一个体征参数；其中，所述第一分析模块还可用于将所述测量时间与每一个所述已存用户的历史测量时间相结合，分析所述测量时间与每一个所述已存用户的时间相关几率；所述第二分析模块还可用于将测量时间的预设权重和时间相关几率参与所述综合分析。\n[0026] 本发明还提供了一种健康仪，其包括上述任一项所述的用户身份识别系统、体征参数提取组件和用户健康数据仪，其中，所述用户身份识别系统的提取模块与所述体征参数提取组件相连接，所述用户身份识别系统的比较模块与所述用户健康数据仪通过有线或无线方式相连接，所述用户健康数据仪用于存储和显示用户群中每一位已存用户的体征参数。\n[0027] 在一些实施例中，优选为，所述体征参数提取组件可包括以下一种或多种：体温计、体重秤、身高测量器、血压仪、心率测量仪、血氧测量仪、声音记录仪、容貌记录仪、虹膜采集器、指纹采集器、脚纹采集器、足底成像图采集器、气味采集器。\n[0028] 本发明实施例提供的用户身份识别方法、识别系统和健康仪，与现有技术相比，提取多个体征参数，对多个体征参数分别与已存用户分别进行相关几率分析，又结合体征参数的预设权重，将所有体征参数与同一个已存用户进行关联性分析，得出所有体征参数分别与不同已存用户之间的对应几率，最后再将所有对应几率进行比较，将对应几率最大者对应的已存用户列为待识别用户的身份。这种方法借助了用户体征参数长期稳定，且用户之间的同一体征参数存在一定的区别的基础上，将多个体征参数进行综合分析，能够通过模糊计算得到待识别用户的准确身份。\n[0029] 应当理解，前面的概述和下面的详细描述都是示例性的、说明性的，并且旨在提供对要求保护的本发明的进一步的说明。\n附图说明\n[0030] 根据下面的结合附图对实施例的描述，本发明的这些和/或其他方面将变得更明显并且更加容易被认识到，在附图中：\n[0031] 图1为一个实施例中用户识别方法的流程示意图；\n[0032] 图2为一个实施例中用户识别系统的结构示意图；\n[0033] 图3为一个实施例中健康仪的结构示意图。\n具体实施方式\n[0034] 现在将详细地描述本发明的实施例，其例子在附图中示出，其中，相同的附图标记在全部附图中都表示相同的元件。但是，本发明可以以诸多不同的形式实施，并且不应当被解释为仅仅局限与本文中陈述的实施例。确切地，提供这些实施例使得本发明是彻底的，并且，将本发明的范围全面地传达给本领域的技术人员。\n[0035] 对于本领域的技术人员来说是显而易见的，在不脱离本发明的精神或范围的情况中可以在本发明中进行各种修改和改变。因此，本发明旨在涵盖本发明的修改和改变，只要他们在权利要求及其等同形式的范围内。\n[0036] 在整个附图和详细描述中，除了另有说明或提供以外，相同的附图标记被理解为是指相同的元件、特征和结构。为了清楚起见，这些元件的相对尺寸和描述可以被扩大。\n[0037] 虽然可以针对各实施例描述一些特征，但是各方面不必局限于此，使得来自一个或多个实施例的特征可以与来自一个或多个实施例的其他特征组合。\n[0038] 考虑到目前体征参数测量后需要手动存储，系统无法自动辨认测量者身份的问题，在本发明实施例提供了一种用户身份识别方法，其包括下述步骤：\n[0039] 提取步骤，提取待识别用户的一个以上体征参数；\n[0040] 第一分析步骤，将每一个体征参数与用户群中的各已存用户对应的历史体征参数分别相结合进行分析，得出每一个体征参数与每一个已存用户的相关几率；\n[0041] 第二分析步骤，根据每一个体征参数的预设权重，对所有体征参数与同一个已存用户的相关几率进行综合分析，分别得到所有体征参数与各已存用户的对应几率；\n[0042] 比较步骤，对所有对应几率进行比较，将最大的对应几率对应的已存用户确定为待识别用户的身份。\n[0043] 采用上述用户身份识别方法的用户身份识别系统可以为一个独立的设备，也可以为一个集成于体征参数采集设备上的一个处理芯片或处理器，其包括：\n[0044] 提取模块，用于提取待识别用户的一个以上体征参数；\n[0045] 第一分析模块，用于将每一个体征参数与用户群中的各已存用户对应的历史体征参数分别相结合进行分析，得出每一个体征参数与每一个已存用户的相关几率；\n[0046] 第二分析模块，用于根据每一个体征参数的预设权重，对所有体征参数与同一个已存用户的相关几率进行综合分析，分别得到所有体征参数与各已存用户的对应几率；\n[0047] 比较模块，用于对所有对应几率进行比较，将最大的对应几率对应的已存用户确定身份用户，身份用户为待识别用户的身份。\n[0048] 将上述用户身份识别系统应用到健康仪上，该健康仪包括：上述的用户身份识别系统，用户身份识别系统的提取模块与体征参数提取组件相连接，用户身份识别系统的比较模块与用户健康数据仪通过有线或无线方式相连接，用户健康数据仪用于存储和显示用户群中每一位已存用户的体征参数。\n[0049] 与现有技术相比，提取多个体征参数，对多个体征参数分别与已存用户分别进行相关几率分析，又结合体征参数的预设权重，将所有体征参数与同一个已存用户进行关联性分析，得出所有体征参数分别与不同已存用户之间的对应几率，最后再将所有对应几率进行比较，将对应几率最大者对应的已存用户列为待识别用户的身份。这种方法借助了用户体征参数长期稳定，且用户之间的同一体征参数存在一定的区别的基础上，将多个体征参数进行综合分析，能够通过模糊计算得到待识别用户的准确身份。\n[0050] 接下来，本发明将详细介绍该用户身份识别方法，如图1所示：\n[0051] 步骤101，提取待识别用户的一个以上的体征参数；\n[0052] 鉴于同一个用户的体征参数在一定时间内均呈稳定趋势，变化轻微，且随着时间的推移，体征参数的改变具备连续性，不会出现突变，因此，本发明采用多个体征参数综合判断的方法鉴别用户身份。\n[0053] 同时需要说明的是，该种方法需要建各用户的同一体征参数存在一定的差别，尤其差别越大，用户身份识别准确度越高，用户提取体征参数的时间最好比较固定，至少变化不能太大，比如高血压患者由于吃药前后血压变化巨大，血压值不具备连续性，不利于用户身份识别，因此，对一些特殊患者需要建立较为统一的提取习惯。\n[0054] 体征参数可以选取任一种身体反应的特征，比如：体温、体重、身高、血压、心率、血氧、声音、容貌、虹膜、指纹、脚纹、足底成像图、气味。其中，虹膜、指纹、脚纹具有身份唯一性，比较有利于用户身份识别，但是，这几种体征参数的采集会耗用较多的成本，因此，并非最好的选择；如果采用除虹膜、指纹、脚纹之外的其他的体征参数，除了能够用于用户身份识别外，还可以进行健康状况分析，所以，效果较多，相比来说是一种非常好的选择。\n[0055] 另外，还需要说明的是，在后续用户身份识别中需要用到历史体征参数，因此，本步骤的执行是多次实施的，前面多次提取的过程中，用户身份需要手动输入或选择，目的是为了历史体征参数数据的积累。当历史体征参数数据具备一定的积累量(比如：已经提取5次以上)，就可以进入后续的根据提取体征参数进行自动用户身份识别、自动存储的工作。\n[0056] 步骤102，将每一个体征参数与用户群中的各已存用户对应的历史体征参数分别相结合进行分析，得出每一个体征参数与每一个已存用户的相关几率；\n[0057] 为了确认提取的体征参数属于哪一位已存用户，需要将提取的体征参数与每一位已存用户进行相关性分析。\n[0058] 同上文所说，遵从提取习惯提取的体征参数具备连续性、稳定性，因此，通过与历史体征参数相结合分析，就可以粗略的得出体征参数与已存用户之间的关联性。\n[0059] 具体的做法是多种多样的，本领域技术人员可以将提取的体征参数与历史体征参数直接减法对比，也可以通过加权平均，并求纵向增长比例相似算法进行计算。或者采用如下方法：\n[0060]\n[0061] 其中，n为记录的次数，当前测量的次数为第n次测量；t为所述体征参数的编号；W为体征参数的数值；K为参数。\n[0062] 总之，具体算法不做具体限定，本领域技术人员可以根据已存用户的数目设计出从简单到复杂的不同的计算方式。\n[0063] 步骤103，设定每一个体征参数在用户身份识别中的权重；\n[0064] 由于参与身份识别的待识别用户的身份不同，年龄不同，性别不同，他们的体征参数会存在或多或少的区别，比如：男女之间声音差别较大，老人、孩子之间心率差别较大；成人与未成人之间身高差别较大，因此，针对不同的已存用户的身份，需要结合不同体征参数的身份识别强度、辨识度来分配相应的权重。\n[0065] 步骤104，记录提取的时间；\n[0066] 长期关注并实施健康数据管理的用户为了得到更为准确和统一的体征参数，往往会形成自己的提取习惯(或称为使用习惯，当然使用习惯还有很多，比如秤体重时，左右脚的先后顺序等)，因此，在用户身份识别的过程中，提取体征参数的时间，也是一个非常重要的判断因素，在实际操作中，可以将测量时间也定义为一个体征参数；\n[0067] 步骤105，将测量时间与每一个已存用户的历史测量时间相结合，分析测量时间与每一个已存用户的时间相关几率；\n[0068] 将测量时间与历史测量时间进行结合分析，一方面能够遵从规律性的使用习惯，同时也能够避免使用习惯打乱的偶然现象。\n[0069] 在一些实施例中，计算方法为： 其中，n为记录的次\n数，当前测量的次数为第n次测量；t为所述体征参数的编号；W为体征参数的数值；K为参数；\nP为每一个体征参数与每一个已存用户的相关几率。\n[0070] 需要指出的是，步骤104-105并不严格遵循步骤排序，可以与步骤101-103同时进行。\n[0071] 步骤106，根据每一个体征参数的预设权重和测量时间的预设权重，对所有体征参数与同一个已存用户的相关几率、时间相关几率进行综合分析，分别得到所有体征参数与各已存用户的对应几率；\n[0072] 由上面的步骤已经得出了每一个体征参数对应每一个已存用户的相关几率以及时间相关几率，下面，需要将所有的体征参数(包含测量时间)相对同一个已存用户进行综合性分析，进而提高身份识别的准确性，并且，将相关几率高的进一步提高，将相关几率低的压得更低。\n[0073] 具体采用的计算方式不做严格限定，比如：可以将所有相关几率进行加减处理，加法能够提高相似性，减法会降低相似性。\n[0074] 在一些实施例中可以采用如下的算法：\n[0075]\n[0076] A为每一个所述体征参数的预设权重；\n[0077] Ai+Ajk+Ajkl+……+Ajkl……m＝1\n[0078] 需要说明的是，所有体征参数(包括测量时间)的预先设定的权重的之和为1。\n[0079] 步骤107，对所有对应几率进行比较，将最大的对应几率对应的已存用户确定为身份用户，身份用户为待识别用户的身份。\n[0080] 所有对应几率的比较其实也可以理解为降序排序，在最上面的一定是最有可能的，因此，将最大的对应几率对应的已存用户确定为身份用户，该身份用户为待识别用户的身份。\n[0081] 需要说明的是，本方法在实施过程中，实施的时间越长，身份识别的准确度就越高，因此，每一次提取的体征参数，在确定好待识别用户的身份后，会将这些体征参数存于相应的已存用户(即身份用户)的各体征参数数据库中，在下一次身份识别时，新存入的体征参数会参与到步骤102中，这种处理方式体现了一种动态的识别方式，巧妙的利用了体征参数随时间连续性变化的特性。\n[0082] 下面，给出一个用户身份识别方法的具体例子:\n[0083] 使用环境：家庭(包括成员爸爸，妈妈，爷爷，奶奶，儿子)\n[0084] 使用设备：体脂称(包含测体重，体脂,测量时间)，接收设备智能手机[0085] 采集的参数：体重w，测量时间T,体脂b\n[0086] 使用方法：\n[0087] 1.首先在app上建立家庭成员用户，前N次(N>＝5)测量时需手动选择指定用户接收数据。\n[0088] 2.对于每个用户的每个参数，系统会自动采用加权平均的方式计算出当前的参数匹配值。以W为例，W0为最近一个数据，W(-1)为前一次的数据，W(-N)为倒数第N次的数据，记Wm＝k0*W0+K1*W(-1)+……+Kn*W(-N)，其中k0+K1+……+Kn＝1，K0>＝K1>＝K2……>＝Kn。采用同样的方式计算出来的测量时间Tm和体脂Bm。\n[0089] 3.当前测量值定义为W，ΔW＝W-Wm，Wp＝ΔW/Wm，Pw＝1-K0*Wp-K1*Wp^2-……-Kn*Wp^n，Kn<＝1，同样计算出来PT和Pb。\n[0090] 4.针对每一个用户，综合多个P，计算出每一个用户的对应几率值。um＝Aw*Pw+AT*PT+Ab*Pb+……Ax*Px+Awb*Pw*Pb+AwT*Pw*PT+……，(Ax为相应的权重值，满足Aw+Ab+……+Ax+Awb+AwT+……+Ax……＝1)\n[0091] 5.对应几率值最大的人即为当前用户。然后将数据保存在此用户下。\n[0092] 本方案就是为了简化操作，方便数据的记录和存储而提出的。采用本方案的体脂秤，用户只需要站在体脂秤上，就可以达到体脂、体重信息的自动记录，并且数据会自动传输到中心设备，数据可以长期存储，便于以后对数据的查看和分析。\n[0093] 实施该用户身份识别方法的用户身份识别系统，如图2所示，包括：\n[0094] 提取模块，用于提取待识别用户的一个以上体征参数；\n[0095] 第一分析模块，用于将每一个体征参数与用户群中的各已存用户对应的历史体征参数分别相结合进行分析，得出每一个体征参数与每一个已存用户的相关几率；\n[0096] 第二分析模块，用于根据每一个体征参数的预设权重，对所有体征参数与同一个已存用户的相关几率进行综合分析，分别得到所有体征参数与各已存用户的对应几率；\n[0097] 比较模块，用于对所有对应几率进行比较，将最大的对应几率对应的已存用户确定为身份用户，身份用户为待识别用户的身份。\n[0098] 其中，考虑到历史体征参数被调用，该用户身份识别系统还包括了存储模块，用于将提取模块提取的所有体征参数存入身份用户的各体征参数数据库中；则，第一分析模块，还用于从存储模块中调取历史体征参数。\n[0099] 其中，考虑到用户使用习惯的问题，该用户身份识别系统还包括：时间提取模块，用于记录测量时间，将测量时间也定义为一个体征参数；\n[0100] 其中，第一分析模块还用于将测量时间与每一个已存用户的历史测量时间相结合，分析测量时间与每一个已存用户的时间相关几率；第二分析模块还用于将测量时间的预设权重和时间相关几率参与综合分析。\n[0101] 上述用户身份识别方法、用户身份识别系统可以在医学上广泛应用，尤其应用于健康管理，尤其是家庭或小区域人群的健康管理，比如：健康仪。\n[0102] 该健康仪包括：上述用户身份识别系统、体征参数提取组件和用户健康数据仪，如图3所示，其中，\n[0103] 上述用户身份识别系统，其作用如上文所讲；\n[0104] 用户身份识别系统的提取模块与体征参数提取组件相连接，体征参数提取组件能够提取待识别用户的体征参数；\n[0105] 该体征参数提取组件可以参照上文用户身份识别方法中提到的体征参数进行设置，比如：体温计、体重秤、身高测量器、血压仪、心率测量仪、血氧测量仪、声音记录仪、容貌记录仪、虹膜采集器、指纹采集器、脚纹采集器、足底成像图采集器、气味采集器中的一种或多种。\n[0106] 这些体征参照提取组件可以继承于一个提取设备上，也可以分属于不同的提取设备(根据具体情况而定)，然后通过有线或无线的连接方式，将提取的体征参数数据传输给用户身份处理系统。\n[0107] 用户身份识别系统的比较模块与用户健康数据仪通过有线或无线方式(比如：无线包括但不限于公频自定义协议、zigbee、蓝牙、低功耗蓝牙，有线包括但不限于232、usb、\n485、并口等)相连接，用户健康数据仪用于存储和显示用户群中每一位已存用户的体征参数。该用户健康数据仪可以集成于电脑上，也可以集成于手机客户端或其它的移动终端设备等，只要利于管理、信息接收都是可以作为可选择的设备。\n[0108] 另一方面，用户健康数据仪可以允许用户对自动判断的结果进行用户的更改或者添加新用户。\n[0109] 另外，确定好用户身份后，可以通过互联网或物联网或移动通信网将数据上传到云端或指定的用户手机或通过手机应用分发分享。\n[0110] 就该健康仪来说，举两个简单的例子，(集身高、体脂、体重为一体的)体脂仪或体重秤，都是比较好的选择，目前对于大多数家庭来说，采集的体征参数定位体重、身高、体脂足够识别唯一的用户。\n[0111] 但也有特殊的情况，可以添加指纹或者叫脚掌纹额外的参数进行判断。\n[0112] 另外，对上述的用户身份识别系统，以及健康仪，都可以采用低功耗的或可直流外部供电的体征参数测量设备。\n[0113] 本发明即解决上述问题，本发明通过对一种或多种体征参数测量值进行分析以及分析结果的组合，包括但不限于体重、身高、血压、心率、血氧、声音、容貌，指纹、脚纹、足底成像图,气味等多种体征参数的组合分析，建立综合分析结果与家庭成员的一对一模糊关系。系统可以自动识别当前处于测量过程的家庭成员，并将测量结果上传至中心处理设备，对每个家庭成员的数据做长期连续的记录。并可以根据长期的监测数据，对各体征参数给出有针对性的分析，并根据分析结果提供生活改进建议给用户，提高用户的生活质量。\n[0114] 以上所述仅为本发明的优选实施例而已，并不用于限制本发明，对于本领域的技术人员来说，本发明可以有各种更改和变化。凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。