识别用户身份的单类分类器、识别方法、介质及计算设备

摘要

本发明涉及一种用于识别用户身份的单类分类器、识别方法、介质及计算设备，其包括：通过对手机传感器采集到的惯性数据进行预处理，获得低噪声的陀螺仪和加速度计数据；获取用户的姿态变化信息，作为用户身份识别的一个特征；提取惯性数据的统计特征，对数据采集者身份作标签；训练神经网络作为特征提取函数，并将接收到的统计特征利用MLP的单类分类器实现特征聚类，基于对比损失函数训练多层感知机，将其映射到高维特征空间的超球面中，并增加不同行人特征之间的欧氏距离，找出超球面的中心，计算用户特征与超球中心的距离，通过预先设置的阈值实现在大样本惯性数据中身份的准确认证。本发明能对用户的身份进行高可靠性和高精度的识别。