(19)中华 人民共和国 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 202111609672.9 (22)申请日 2021.12.27 (71)申请人 福州大学 地址 350108 福建省福州市闽侯县福州大 学城乌龙江北 大道2号福州大 学 (72)发明人 黄志华　 (74)专利代理 机构 福州元创专利商标代理有限 公司 35100 代理人 张灯灿　蔡学俊 (51)Int.Cl. G06K 9/00(2022.01) G06F 3/01(2006.01) G06N 20/00(2019.01) (54)发明名称 无负担问答式c -VEP身份识别方法 (57)摘要 本发明涉及一种无负担问答式c ‑VEP身份识 别方法， 该方法由用户身份c ‑VEP模型构建和基 于c‑VEP的身份识别两个部分组成， 用户身份c ‑ VEP模型构建和基于c ‑VEP的身份识别都要求用 户佩戴脑电帽参与设定的人机交互过程， 记录下 用户在交互过程中的脑电信号； 用户身份c ‑VEP 模型构建部分将交互过程中的脑电信号转化为 c‑VEP样本， 并运用机器 学习的方法在c ‑VEP样本 集合上构建用户身份c ‑VEP模型； 基于c ‑VEP的身 份识别部分将当前用户的脑电信号转化为身份 c‑VEP样本， 送入用户身份c ‑VEP模型进行计算， 识别出当前用户的身份。 该方法要求用户在人机 交互过程中回答没有认知负担的问题， 仅保留用 户正确回答问题时的脑电信号用于识别身份。 该 方法有利于提高采用脑电信号进行身份识别的 可靠性和准确性。 权利要求书1页 说明书3页 附图1页 CN 114298097 A 2022.04.08 CN 114298097 A 1.一种无负担问答式c ‑VEP身份识别方法， 其特征在于， 该方法由用户身份c ‑VEP模型 构建和基于c ‑VEP的身份识别两个部分组成， 用户身份c ‑VEP模型构建和基于c ‑VEP的身份 识别都要求用户佩戴脑电帽参与设定的人机交互过程， 记录下用户在交互过程中的脑电信 号； 用户身份c ‑VEP模型构建部分将交互过程中的脑电信号转化为c ‑VEP样本， 并运用机器 学习的方法在c ‑VEP样本集合上构建用户身份c ‑VEP模型； 基于c ‑VEP的身份识别部分将当 前用户的脑电信号转化为身份c ‑VEP样本， 送入用户身份c ‑VEP模型进行计算， 识别出当前 用户的身份。 2.根据权利要求1所述的无负担问答式c ‑VEP身份识别方法， 其特征在于， 一次人机交 互过程包含提示、 凝视、 询问和间歇四个阶段； 在提示阶段， 屏幕正中显示一个十字， 用户被 要求关注十字聚焦注意力； 在凝视阶段， 在所述十字的左右或上下各出现一个圆盘， 一个圆 盘有洞， 另一个圆盘无洞， 有洞的圆盘出现在哪一边完全随机， 两个圆盘依照不同的模式同 时闪烁， 用户被要求关注有洞的圆盘； 在询问阶段， 屏幕正中出现一个 问号， 用户被要求通 过按键回答在凝视阶段有洞的圆盘出现在左边还是右边或者上边还是下边， 用户按键后询 问阶段随即结束； 在间歇阶段， 屏幕变黑引导用户休息 。 3.根据权利 要求2所述的无负担问答式c ‑VEP身份识别方法， 其特征在于， 在凝视阶段， 圆盘的闪烁用m ‑sequence序列来控制； 任选四个63  bit的m‑sequence序列， 它们 对应上下 左右四个位置， 称作M1闪烁方案， 上下对调左右对调后称作M2闪烁方案； 一半用户采用M1闪 烁方案， 另一半用户采用方案M2闪烁方案； m ‑sequence序列中每个比特对应一帧， 0表 示暗， 1表示亮， 控制对应的圆盘闪烁。 4.根据权利要求1所述的无负担问答式c ‑VEP身份识别方法， 其特征在于， 用户身份c ‑ VEP模型构建部分要求用户执行多次人机交互， 收集用户正确回答问题 时凝视阶段的脑电 信号， 用收集到的凝视阶段脑电信号为每个用户构造大量的c ‑VEP样本； 构造方法为， 把用 户关注左边或者上边的一次脑电信号和用户关注右边或者下边的一次脑电信号拼接为该 用户的一个c ‑VEP样本； 用户身份c ‑VEP模型构建部分采用机器学习方法在所有用户的c ‑ VEP样本集 合上训练出 所述用户身份c ‑VEP模型。 5.根据权利要求1所述的无负担问答式c ‑VEP身份识别方法， 其特征在于， 基于c ‑VEP的 身份识别部 分要求用户执行少量的人机交互， 收集用户正确回答问题时凝视阶段的脑电信 号， 把用户关注左边或者上边的一次脑电信号和用户关注右 边或者下边的一次脑电信号拼 接为该用户的一个待识别的c ‑VEP样本； 将每个待识别c ‑VEP样本输入到所述用户身份c ‑ VEP模型中运 算得出关于身份的判断。权　利　要　求　书 1/1 页 2 CN 114298097 A 2无负担问答式c‑VEP身份识别方 法 技术领域 [0001]本发明属于生物 识别领域， 具体涉及一种无负担问答式c ‑VEP身份识别方法。 背景技术 [0002]当前， 信息技术飞速 发展。 而身份识别是保证信息安全的重要前提。 传统的身份识 别方法包括基于身份标识物品的身份识别和基于身份标识知识的身份识别。 但是标识物品 容易遗失或被假冒， 而 标识知识容易遗忘或被破译。 因此， 基于生物特征识别技术的身份识 别方法， 由于具有更好的安全性和可靠性， 得到越来越多的重 视和研究。 [0003]目前， 被广泛研究和应用的生物特征识别技术包括指纹识别、 人脸识别、 虹膜识 别、 声纹识别等。 但是， 这些生物识别技术仍存在这样或那样的问题， 无法充分保证安全性。 脑电信号 （EE G） 是一种很好的用于身份识别的生物特征。 每个人都有脑电波， 且由于每个人 的大脑特性、 思维方式等各不相同造成不同个人存在不同的EEG信号， 因此， 其具有普遍性 和特异性。 此外， 由于EE G信号来源于大脑的思维活动， 难以伪造， 因此， 具有很高的鲁棒性。 基于这种特点， 可以通过提取脑电信号特 征来实现身份识别。 发明内容 [0004]本发明的目的在于提供一种无负担问答式c ‑VEP身份识别方法， 该方法有利于提 高基于脑电信号进行身份识别的准确性。 [0005]为实现上述目的， 本 发明采用的技术方案是： 一种无负担问答式c ‑VEP身份识别方 法， 该方法由用户身份c ‑VEP模型构建和基于c ‑VEP的身份识别两个部分组成， 用户身份c ‑ VEP模型构建和基于c ‑VEP的身份识别都要求用户佩戴脑电帽参与设定的人机交互过程， 记 录下用户在交互过程中的脑电信号； 用户身份c ‑VEP模型构建部分将交互过程中的脑电信 号转化为c ‑VEP样本， 并运用机器学习的方法在c ‑VEP样本集合上构建用户身份c ‑VEP模型； 基于c‑VEP的身份识别部 分将当前用户的脑电信号转化为身份c ‑VEP样本， 送入用户身份c ‑ VEP模型进行计算， 识别出当前用户的身份。 [0006]进一步地， 一次人机交互过程包含提示、 凝视、 询问和间歇四个阶段； 在提示阶段， 屏幕正中显示一个十字， 用户被要求关注十字聚焦注意力； 在凝视阶段， 在所述十字的左右 或上下各出现一个圆盘， 一个圆盘有洞， 另一个圆盘无洞， 有洞的圆盘出现在哪一边完全随 机， 两个圆盘依照不同的模式同时闪烁， 用户被要求关注有洞的圆盘； 在询问阶段， 屏幕正 中出现一个问号， 用户被要求通过按键回答在凝视阶段有洞的圆盘出现在左边还是右边或 者上边还是 下边， 用户按键后询问阶段随即结束； 在间歇阶段， 屏幕变黑引导用户休息 。 [0007]进一步地， 在凝视阶段， 圆盘的闪烁用m ‑sequence序列来控制； 任选四个63  bit的 m‑sequence序列， 它们对应上下左右四个位置， 称作M1闪烁方案， 上下对调左右对调后称作 M2闪烁方案； 一半用户采用M1闪烁方案， 另一半用户采用方案M2闪烁方案； m ‑sequence序列 中每个比特对应一帧， 0表示暗， 1表示亮， 控制对应的圆盘闪烁。 [0008]进一步地， 用户身份c ‑VEP模型构建部分要求用户执行多次人机交互， 收集用户正说　明　书 1/3 页 3 CN 114298097 A 3