基于Palm sEMG（皮肤表面肌电图）的用户识别技术：在旋转门把手时通过卷积神经网络实现身份验证

《Scientific Reports》：Palm sEMG-based user identification during doorknob rotation using a convolutional neural network

　　

摘要

在日常环境中，便捷且安全的用户身份识别变得越来越重要，尤其是在非接触式交互和物联网（IoT）设备日益普及的背景下。然而，传统的认证方法通常需要用户明确输入信息或额外的硬件设备，这限制了它们在自然日常场景中的实用性。为了解决这个问题，我们提出了一种基于门把手旋转的用户识别方法，该方法利用了手掌表面肌电图（sEMG）。从拇短展肌和小指展肌采集sEMG信号，采样频率为1,000 Hz，通过60 Hz的陷波器和20–500 Hz的带通滤波器进行去噪处理，然后利用连续小波变换将其转换为时频谱图。我们采用了DenseNet161模型进行分类。使用五名参与者的数据，该方法在测试中的准确率为94.00%，F1分数为93.99%，五折交叉验证的准确率为91.66±2.78%。该方法无需无线配对即可实现设备上的接触式识别，将日常动作转化为无缝的认证过程。这些结果证明了基于sEMG的日常动作用户识别方法的可行性和实际潜力。