基于PPG的实时生物识别:通过2D语法矩阵和深度学习模型推进安全

科学领域:

• 生物识别和安全工程
• 信号处理和机器学习

背景情况:

• 活力检测对于生物识别系统的安全性至关重要,防止伪造.
• 传统方法面临挑战,需要先进的,防伪的替代方案.
• 光电显微镜 (PPG) 信号是一个有希望的,非侵入性的生物识别方式.

研究的目的:

• 评估PPG信号在生物识别身份验证中的生命检测效果.
• 开发和验证使用PPG实时生物识别系统的强大系统.
• 通过利用 PPG 信号固有的防伪能力来提高安全性.

主要方法:

• 采集了40名受试者的PPG信号,使用定制采集系统.
• 通过格拉姆矩阵转换将PPG信号转换为2D表示.
• 使用EfficientNetV2 B0模型与LSTM网络进行分析和认证.

主要成果:

• 在生物识别身份验证测试套件中获得了99%的准确性.
• 证明了高精度,回忆和F1分数,表明了强大的性能.
• 在实时识别场景中成功验证了模型.

结论:

• PPG信号是一种成本高效且高度防伪的生物识别源.
• 开发的EfficientNetV2 B0-LSTM模型为下一代生物识别系统提供了卓越的解决方案.
• 该系统为生物识别提供了更高的安全性和有效性.