一个新的个人识别系统使用门把手心电图用于解锁门的无意识身份验证

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:

• 在信息密集的社会中,个人身份验证至关重要.
• 生物识别身份验证提供了增强的可用性.
• 现有的门把手ECG系统面临着由于电极接触而造成的噪音和信号质量的挑战.

研究的目的:

• 为了提高门把手式心电图 (ECG) 生物识别认证系统的准确性.
• 在日常活动中实现无意识的个人身份验证.
• 为了解决ECG信号中的噪声引起的性能下降.

主要方法:

• 实施了ECG波形的同步平均值.
• 在机器学习训练数据上应用数据增强技术.
• 使用了一种门类型的心电图测量装置,配有接触电极和电容电极.

主要成果:

• 通过5个连续波段的同步平均,精度提高了10%,精度提高了10%.
• 数据增强提高了性能,特别是在有限的心电图数据下.
• 该系统显示,尽管短期ECG测量,但识别准确度有所提高.

结论:

• 同步平均和数据增强是门ECG生物识别的有效预处理技术.
• 这些方法显著提高了基于ECG的个人身份验证的性能.
• 改进后的系统为不引人注目的,准确的生物识别提供了一个有前途的解决方案.