El reconocimiento biométrico surge ante la necesidad de implementar métodos de identificación o autenticación más robustos y seguros que los métodos tradicionales, ya que estos se basan en contraseñas o tarjetas identificativas, que pueden olvidarse, perderse o falsificarse con facilidad. La biometría está basada en características intrínsecas de los individuos, físicas o conductuales, como pueden ser el iris, la huella dactilar, la forma de hablar o incluso la forma de escribir. Sin embargo, estas características tampoco eliminan al completo el problema de los sistemas tradicionales, ya que se pueden copiar o falsificar. Es por ello que, en la actualidad, las investigaciones proponen rasgos biométricos alternativos como el electrocardiograma (ECG). La señal del ECG refleja la actividad eléctrica del corazón, y su inherente medida de vida asegura que el sistema biométrico no está siendo atacado. Destaca por su universalidad, unicidad y carácter continuo, además de presentar variaciones significativas entre individuos, debido a la geometría del corazón, los atributos individuales de cada sujeto o su estado de salud.
Este proyecto propone desarrollar un método robusto para el reconocimiento biométrico basado en el ECG donde se prescinde de la localización de puntos fiduciarios en la forma de onda de la señal. El método desarrollado se basa en una versión simplificada de la red neuronal convolucional VGGNet, la cual recibe como parámetros de entrada diferentes representaciones tiempo – frecuencia de las señales de los pacientes sanos presentes en la base de datos elegida. Estas representaciones se basan en la Transformada de Fourier de Tiempo Reducido (STFT) y sus versiones a escala logarítmica y escala de Mel, obteniendo así el espectrograma, espectrograma logarítmico y espectrograma de Mel. Durante la ejecución del modelo, se realizarán iteraciones (con un máximo de 100 épocas) hasta que este considere que la mejora en la precisión (accuracy) de validación es mínima, momento en que se para el entrenamiento de la red.
Tras realizar estas simulaciones y analizar los resultados, se concluye que la red ofrece altos rendimientos, sin problemas de overfitting cuando los parámetros de entrada están representados con el espectrograma de Mel. Esto abre la posibilidad a que futuros estudiantes puedan desarrollar un algoritmo que acabe con este problema en las otras representaciones e incluso realicen simulaciones con la base de datos completa, no solo los pacientes de control.
Abstract:
Biometric recognition arises from the need to implement identification or authentication methods that are more robust and secure than traditional methods, since they are based on passwords or identification cards, which can be easily forgotten, lost or forged. Biometrics is based on intrinsic physical or behavioral characteristics of individuals, such as iris, fingerprint, speech or even handwriting. However, these characteristics do not completely eliminate the problem of traditional systems, since they can be copied or falsified. This is why researchers are now proposing alternative biometric features such as the electrocardiogram (ECG). The ECG signal reflects the electrical activity of the heart, and its inherent measure of life ensures that the biometric system is not under attack. It stands out for its universality, uniqueness and continuous nature, in addition to presenting significant variations between individuals, due to the geometry of the heart, the individual attributes of each subject or their state of health.
This project proposes to develop a robust method of ECG-based biometric recognition where the localization of fiduciary points in signal waveform is dispensed with. The developed method consists of a simplified version of the convolutional neural network VGGNet, which receives as input parameter different time – frequency representations of the signals of the healthy patients present in the chosen database. These representations are based on the Short-time Fourier transform (STFT) and its logarithmic scale and Mel scale versions, thus obtaining the spectrogram, logarithmic spectrogram and Mel spectrogram. During the execution of the model, iterations (with a maximum of 100) will be carried out until the model considers that the improvement in the validation accuracy is minimal.
After performing these simulations and analyzing the results, it is concluded that the network offers high performances, without overfitting problems when the input parameters are represented with Mel spectrogram. This opens the possibility for future students to develop an algorithm that will solve this problem in the other representations and even perform simulations with the complete database, not only the control patients.
El reconocimiento biométrico surge ante la necesidad de implementar métodos de identificación o autenticación más robustos y seguros que los métodos tradicionales, ya que estos se basan en contraseñas o tarjetas identificativas, que pueden olvidarse, perderse o falsificarse con facilidad. La biometría está basada en características intrínsecas de los individuos, físicas o conductuales, como pueden ser el iris, la huella dactilar, la forma de hablar o incluso la forma de escribir. Sin embargo, estas características tampoco eliminan al completo el problema de los sistemas tradicionales, ya que se pueden copiar o falsificar. Es por ello que, en la actualidad, las investigaciones proponen rasgos biométricos alternativos como el electrocardiograma (ECG). La señal del ECG refleja la actividad eléctrica del corazón, y su inherente medida de vida asegura que el sistema biométrico no está siendo atacado. Destaca por su universalidad, unicidad y carácter continuo, además de presentar variaciones significativas entre individuos, debido a la geometría del corazón, los atributos individuales de cada sujeto o su estado de salud.
Este proyecto propone desarrollar un método robusto para el reconocimiento biométrico basado en el ECG donde se prescinde de la localización de puntos fiduciarios en la forma de onda de la señal. El método desarrollado se basa en una versión simplificada de la red neuronal convolucional VGGNet, la cual recibe como parámetros de entrada diferentes representaciones tiempo – frecuencia de las señales de los pacientes sanos presentes en la base de datos elegida. Estas representaciones se basan en la Transformada de Fourier de Tiempo Reducido (STFT) y sus versiones a escala logarítmica y escala de Mel, obteniendo así el espectrograma, espectrograma logarítmico y espectrograma de Mel. Durante la ejecución del modelo, se realizarán iteraciones (con un máximo de 100 épocas) hasta que este considere que la mejora en la precisión (accuracy) de validación es mínima, momento en que se para el entrenamiento de la red.
Tras realizar estas simulaciones y analizar los resultados, se concluye que la red ofrece altos rendimientos, sin problemas de overfitting cuando los parámetros de entrada están representados con el espectrograma de Mel. Esto abre la posibilidad a que futuros estudiantes puedan desarrollar un algoritmo que acabe con este problema en las otras representaciones e incluso realicen simulaciones con la base de datos completa, no solo los pacientes de control.
Abstract:
Biometric recognition arises from the need to implement identification or authentication methods that are more robust and secure than traditional methods, since they are based on passwords or identification cards, which can be easily forgotten, lost or forged. Biometrics is based on intrinsic physical or behavioral characteristics of individuals, such as iris, fingerprint, speech or even handwriting. However, these characteristics do not completely eliminate the problem of traditional systems, since they can be copied or falsified. This is why researchers are now proposing alternative biometric features such as the electrocardiogram (ECG). The ECG signal reflects the electrical activity of the heart, and its inherent measure of life ensures that the biometric system is not under attack. It stands out for its universality, uniqueness and continuous nature, in addition to presenting significant variations between individuals, due to the geometry of the heart, the individual attributes of each subject or their state of health.
This project proposes to develop a robust method of ECG-based biometric recognition where the localization of fiduciary points in signal waveform is dispensed with. The developed method consists of a simplified version of the convolutional neural network VGGNet, which receives as input parameter different time – frequency representations of the signals of the healthy patients present in the chosen database. These representations are based on the Short-time Fourier transform (STFT) and its logarithmic scale and Mel scale versions, thus obtaining the spectrogram, logarithmic spectrogram and Mel spectrogram. During the execution of the model, iterations (with a maximum of 100) will be carried out until the model considers that the improvement in the validation accuracy is minimal.
After performing these simulations and analyzing the results, it is concluded that the network offers high performances, without overfitting problems when the input parameters are represented with Mel spectrogram. This opens the possibility for future students to develop an algorithm that will solve this problem in the other representations and even perform simulations with the complete database, not only the control patients. Read More
Related posts:
Monitorización a través de la voz y mediante redes neuronales de pacientes de la enfermedad de Parkinson
Tecnologías de la información y de la comunicación (TIC) en educación: ventajas y desventajas: revisión sistemática
La contribución de la responsabilidad social corporativa al desarrollo sostenible: caso de estudio 15 empresas Colombianas del sector alimentario
Formas híbridas: análisis morfológico de desarrollos con mezcla de usos
Learning alignment with human values: a case on route choice modeling via Inverse Reinforcement Learning
What is biometric verification?