在生物识别中的高频QRS制造技术

公开了对来自多个受试者的HF

【技术实现步骤摘要】
【国外来华专利技术】在生物识别中的高频QRS

技术介绍

[0001]当今使用的大多数生物识别技术都依赖于个体特征，包括语音识别、指纹、视网膜和面部识别，并且基于可识别的可见或可听特征，因此这些特征易于被伪造，因为已经广泛使用且可购买的技术允许对这些特征进行准确复制和修改，即CCD相机、3D打印机和数字记录。然而，用于复制或修改修改后的电信号的仪器并不广泛。生成心电图仪(或ECG)需要在识别位置存在活的且生物上存在的个体，这使得难以伪造。另外，ECG信号具有安全的生物特征的所有属性：通用性、可测量性、唯一性和永久性。
[0002]可以使用通常安装在受试者胸部上的常规表面电极来传输ECG信号以进行记录。ECG信号由代表每个心跳期间不同功能阶段的若干部分组成，并根据生成组织的电取向进行投射。由于个体之间心脏组织结构和取向的变化，因此在心电信号中存在特定于受试者的多种细节。
[0003]已经将ECG作为潜在的生物特征进行了广泛的研究，但是所需要的12导联检测不方便且可靠性不足，从而阻碍了ECG的广泛应用。尽管可以使用较少的导联并查找ECG信号或衍生的ECG信号的唯一部分，但是很难使本文档来自技高网...

【技术保护点】

【技术特征摘要】
【国外来华专利技术】1.一种用于识别/验证个体的方法，所述方法包括：对来自一组受试者的HF
‑
QRS信号或衍生的特征或值进行采样，其中，每次采样对于每个受试者而言是在多个不同的时间处执行的；使用深度学习神经网络来确定下述特征或值：(i)所述特征或值对于同一个体而言在不同时间处采集的样本足够相似；以及(ii)不管何时采样，所述特征或值在所有个体之间是有足够差异的，从而用作生物测定签名；对来自个体的所述特征或值进行采样，并将所述特征或值作为与所述特征或值各自相应的生物测定签名存储在数据库中；以及稍后对来自未知的个体的所述特征或值进行采样，并确定所述特征或值是否与所存储的生物测定签名中的任意者相匹配。2.根据权利要求1所述的方法，还包括：如果未知个体的生物测定签名与所存储的生物测定签名匹配，则允许所述未知个体获得访问权或特权。3.根据权利要求1所述的方法，还包括：如果未知个体的生物测定签名与所存储的生物测定签名不匹配，则向监测器发出警报。4.根据权利要求1所述的方法，其中，所述深度学习神经网络是卷积神经网络、深度神经网络、长短期记忆递归神经网络和卷积长短期记忆深度神经网络中的一者或更多者。5.根据权利要求1所述的方法，其中，用作生物测定签名的特征或值是通过下述方式来确定的：首先建立来自所述一组受试者中的一组特征或值的训练集，其中，每个受试者的HF
‑
QRS被采样多次；将所述训练集与验证集进行比较，以用于识别分类器的过度拟合并用于对适当的特征或值进行附加验证。6.根据权利要求5所述的方法，还包括将所述训练集与验证集进行比较，以用于对用作生物测定签名的所述特征或值进行验证。7.根据权利要求5所述的方法，还包括通过正则化使过度拟合减少。8.根据权利要求1所述的方法，其中，对来自未知个体的所述特征或值与所存储的特征或值的匹配是否满足相似性阈值进行确定。9.根据权利要求8所述的方法，还包括将可变性校正存储数据结合到来自所述未知个体的所述特征或值的采样中。10.一种用于使用HF
‑
QRS信号来查找生物测定签名的方法，所述生物测定签名随时间推移是稳定的，所述方法包括：对来自一组受试者的HF
‑
QRS信号或衍生的特征或值进行采样，其中，每次采样对于每个受试者而言是在多个不同的时间处执行的；使用深度学习神经网络来确定下述特征或值：(i)所述特征或值对于同一个体而言在不同时间处采集的样本足够相似；以及(ii)不管何时采样，所述特征或值在所有个体之间是有足够差异的，从而用作生物测定签名，所述确定是通过下述方式进行的：对HF
‑
QRS信号使用带通滤波，以及/或者，衍生出HF...

【专利技术属性】
技术研发人员：雷诺兹，
申请(专利权)人：雷诺兹，
类型：发明
国别省市：