一个基于PPG的新型生物识别身份验证系统,使用混合CVT-ConvMixer架构,具有密集和自我注意层
Mostafa E A Ibrahim1,2, Qaisar Abbas1, Yassine Daadaa1
1College of Computer and Information Sciences, Imam Mohammad Ibn Saud Islamic University (IMSIU), Riyadh 11432, Saudi Arabia.
Sensors (Basel, Switzerland)
|January 11, 2024
概括
这项研究引入了一种新的生物识别身份验证方法,使用光电显微镜 (PPG) 信号. 开发的CVT-ConvMixer分类器通过分析PPG信号图像来准确识别个人,实现可靠的人类身份验证的高性能指标.
科学领域:
- 生物识别信息 生物识别信息
- 信号处理 信号处理
- 机器学习 机器学习
背景情况:
- 光电显微镜 (PPG) 信号用于生物识别身份验证,但容易受到生理和外部因素的变化.
- 尽管信号变化,但准确的用户识别仍然是生物识别系统的一个重大挑战.
研究的目的:
- 开发使用PPG信号的先进生物识别身份验证系统.
- 为了提高在现实世界中的人类识别的准确性和可靠性.
主要方法:
- 预先处理PPG信号并将其转换为二维扫描图像.
- 采用带有注意力机制的混合CVT-ConvMixer分类器用于特征融合和分类.
- 在三个PPG数据集上使用灵敏度,特异性,F1得分和AUC指标来评估性能.
主要成果:
- 拟议的CVT-ConvMixer方法实现了95%的准确性,97%的灵敏性,95%的特异性和0.96.96的AUC.
- 广泛的实验证明了混合模型在分类PPG信号方面的有效性.
结论:
- 开发的CVT-ConvMixer系统显示出使用PPG信号进行准确可靠的持续人类身份验证的巨大潜力.
- 功能融合方法有效地解决了信号变化,提高了生物识别系统的性能.
