스마트미디어저널 (Smart Media Journal)

  • 제8권3호
  • /
  • Pages.62-69
  • /
  • 2019
  • /
  • 2287-1322(pISSN)
  • /
  • 2288-9671(eISSN)
한국스마트미디어학회 (THE KOREAN INSTITUTE OF SMART MEDIA)
권호 표지
DOI QR코드

DOI QR Code

심전도 신호의 커플링 이미지를 이용한 개인 인식 방법

Personal Recognition Method using Coupling Image of ECG Signal

  • 투고 : 2019.08.14
  • 심사 : 2019.09.08
  • 발행 : 2019.09.30
PDF 다운로드
⟨ 이전 논문 다음 논문 ⟩

초록

심전도 신호는 위조가 불가능하며 양쪽 손목에서 신호를 간편히 취득할 수 있는 장점이 있다. 본 논문에서는 심전도 신호의 방향 정보를 이용해 커플링 이미지를 생성하고, 이를 이용한 개인 인식 방법을 제안한다. 제안하는 커플링 이미지는 정방향 심전도 신호와 R-peak를 기준으로 회전된 역방향 심전도 신호를 이용해 생성하며, 생성한 커플링 이미지는 개인별로 고유한 패턴과 명암을 나타낸다. 또한 같은 주기의 심전도 신호 연산을 통해 R-peak 영역 데이터가 증가하여 개인 인식 성능 향상이 가능하다. 생성한 커플링 이미지는 제안한 합성곱 신경망을 이용해 패턴 및 명암에 대한 특징을 추출하며, 네트워크 속도 향상을 위해 다수의 풀링층을 사용해 데이터 크기를 축소한다. 실험은 47명의 공개된 심전도 데이터를 이용하며, 공개된 네트워크 중 top-5 성능이 상위권인 5개 네트워크와 제안한 네트워크를 이용해 비교 실험을 진행한다. 실험 결과 제안한 네트워크의 개인인식 성능이 99.28%로 가장 높게 나타남에 따라, 제안한 커플링 이미지를 이용한 개인 인식 방법이 유효함을 확인하였다.

Electrocardiogram (ECG) signals cannot be counterfeited and can easily acquire signals from both wrists. In this paper, we propose a method of generating a coupling image using direction information of ECG signals as well as its usage in a personal recognition method. The proposed coupling image is generated by using forward ECG signal and rotated inverse ECG signal based on R-peak, and the generated coupling image shows a unique pattern and brightness. In addition, R-peak data is increased through the ECG signal calculation of the same beat, and it is thus possible to improve the recognition performance of the individual. The generated coupling image extracts characteristics of pattern and brightness by using the proposed convolutional neural network and reduces data size by using multiple pooling layers to improve network speed. The experiment uses public ECG data of 47 people and conducts comparative experiments using five networks with top 5 performance data among the public and the proposed networks. Experimental results show that the recognition performance of the proposed network is the highest with 99.28%, confirming potential of the personal recognition.

키워드

참고문헌

  1. Z.Y. Ong, A. Saidatul, and Z. Ibrahim, "Power spectral density analysis for human EEG-based biometric identification," International Conference on Computational Approach in Smart Systems Design and Applications, Kuching, Malaysia, Aug. 2018.
  2. 임원철, 곽근창, "심전도 신호기반 개인식별을 위한 텐서표현의 다선형 판별분석기법," 스마트미디어저널, 제7권, 제4호, 90-98쪽, 2018년 12월 https://doi.org/10.30693/smj.2018.7.4.90
  3. T.W. Shen, W.J. Tompkins, and Y.H. Hu, "One-lead ECG for identity verification", Proc. of the Second Joint 24th Annual Conference and the Annual Fall Meeting of the Biomedical Engineering Society/Engineering in Medicine and Biology, pp. 62-63, Houston, USA, Oct. 2002.
  4. J.J. Wu and Y. Zhang, "ECG identification based on neural networks", 11th International Computer Conference on Wavelet Active Media Technology and Information Processing, pp. 92-96, Miedzyzdroje, Poland, Aug. 2014.
  5. M. Jahiruzzaman and A.B.M.A. Hossain, "ECG based biometric human identification using chaotic encryption," International Conference on Electrical Engineering and Information Communication Technology, pp. 1-5, Dhaka, Bangladesh, May 2015.
  6. R. D. Labati, et al., "Deep-ECG: convolutional neural networks for ECG biometric recognition," Pattern Recognition Letters, Mar. 2018.
  7. B. Pourbabaee, et al., "Deep convolutional neural network for ECG-based human identification," CMBES, vol. 41, May 2018.
  8. L. Biel, et al., "EEG analysis: a new approach in human identification," IEEE Transaction on Instrumentation and measurement. vol. 50, no. 3, pp. 808-812, Jun. 2001. https://doi.org/10.1109/19.930458
  9. 김진수, 김성혁, 반성범, "합성곱 신경망 기반 2차원 심전도 이미지를 이용한 개인 인식에 관한 연구," 제31회 영상처리 및 이해에 관한 워크샵, 2019년 2월
  10. 최규호, 문해민, 반성범, "생체신호 기반 바이오인식 시스템 기술 동향," 디지털융복합연구, 제15권, 제1호, 381-391쪽, 2017년 1월 https://doi.org/10.14400/JDC.2017.15.1.381
  11. G.H. Choi, et al., "User authentication system based on baseline-corrected ECG for biometrics," Intelligent Automation and Soft Computing, vol. 25, no. 1, pp. 193-204, Jan. 2019.
  12. J. Pan and W.J. Tompkins, "A real-time QRS detection algorithm," IEEE Transactions on Biomedical Engineering, vol. BME-32, no. 3, pp. 230-236, Mar. 1985. https://doi.org/10.1109/TBME.1985.325532
  13. M. Taherisadr, et al., "ECG-based driver inattention identification during naturalistic driving using mel-frequency cepstrum 2-D transform and convolutional neural networks," Smart Health, vol. 9-10, pp. 50-61, Dec. 2018. https://doi.org/10.1016/j.smhl.2018.07.022
  14. 김서정, 이재수, 김형석, "딥러닝을 이용한 양파밭의 잡초 검출 연구," 스마트미디어저널, 제7권, 제3호, 16-21쪽, 2018년 9월 https://doi.org/10.30693/SMJ.2018.7.3.16
  15. 서다솜, 오강한, 오일석, 유태웅, "딥러닝 설명을 위한 슈퍼픽셀 제외.포함 다중스케일 접근법," 스마트미디어저널, 제8권, 제2호, 39-45쪽, 2019년 6월 https://doi.org/10.30693/smj.2019.8.2.39
  16. G.B. Moody and R.G. Mark, "The impact of the MIT-BIH arrhythmia database," IEEE Engineering in Medicine and Biology Magazine, vol. 20, no. 3, pp. 45-50, May 2001. https://doi.org/10.1109/51.932724
  17. A.L. Goldberger, et al., "Physiobank, physiotoolkit, and physionet: components of a new research resource for complex physiologic signals," Circulation, vol. 101, no. 23, pp. 215-220, Jun. 2000. https://doi.org/10.1161/01.CIR.101.23.e215