РАЗРАБОТКА АЛГОРИТМА БИОМЕТРИЧЕСКОЙ ИДЕНТИФИКАЦИИ НА ОСНОВЕ НЕЙРОННЫХ СЕТЕЙ

Abstract

Электрокардиограмма приобрела популярность как биометрический признак благодаря выдающемуся сочетанию универсальности, постоянства и измеримости со скрытым характером, который затрудняет кражу или подделку. Современные алгоритмы в основном состоят из конвейерных алгоритмов, состоящих из отдельных этапов шумоподавления, сегментации, извлечения признаков и принятия решения. Однако сверточные нейронные сети (CNN) обладают инструментами для интеграции всех этапов обработки, от сбора данных до принятия решения, в единую модель. Эта интеграция заменяет отдельную пошаговую настройку целостным процессом оптимизации, синергетически адаптируя модель для достижения максимально возможной производительности. В этой главе мы представляем и исследуем возможности сверточных нейронных сетей для биометрической идентификации с использованием неинтрузивного сбора сигналов ЭКГ  и предложить архитектуру CNN для полной интеграции традиционных этапов конвейера в единую точную и надежную модель. Метод был оценен на очень полной и сложной коллекции UofTDB и показал многообещающие результаты в задачах идентификации по сравнению с недавними и успешными современными методами.