Biometrics Heartbeat ได้มาไกลในช่วงสองทศวรรษที่ผ่านมาตามที่อธิบายให้ผู้เข้าร่วมประชุมของเหตุการณ์ที่จัดขึ้นโดยสมาคมชีวภาพแห่งยุโรปแต่จะต้องมีข้อมูลเพิ่มเติมเพื่อนำข้อได้เปรียบทางทฤษฎีของโมเดิลมาใช้ในการใช้งานจริง
การพูดคุยกับอาหารกลางวัน EAB ล่าสุดมีชื่อว่า 'I Know You By Heart: อดีตและอนาคตของ Biometrics ECG' และนำเสนอโดยJoão Ribeiro Pintoของมหาวิทยาลัยปอร์โต
Pinto เป็นนักวิจัยชั้นนำในBiometrics Electrocardiogram (ECG)สำหรับการระบุผู้ขับขี่และผู้โดยสารภายในยานพาหนะ
Pinto แนะนำแนวคิดที่อยู่เบื้องหลัง Biometrics ECG รวมถึงรูปคลื่นทั้งห้าที่วัดกระแสไฟฟ้าที่ทำให้หัวใจผ่อนคลายและหดตัว กระแสที่มีผลต่อหัวใจในลักษณะนี้แพร่กระจายไปทั่วเซลล์อื่น ๆ และสามารถวัดได้ทั่วร่างกายผ่านขั้วไฟฟ้า
เนื่องจากการเต้นของหัวใจได้รับผลกระทบจากปัจจัยต่าง ๆ รวมถึงอารมณ์ความเหนื่อยล้าและความเครียดจึงสามารถใช้ในการตรวจจับลักษณะเหล่านี้
Biometrics ECG ก็ถูกนำมาเปรียบเทียบกับรังสีอื่น ๆ ด้วยความเป็นสากลที่สมบูรณ์ของ Heartbeat ความยากลำบากในการหลีกเลี่ยงและความแตกต่างและความคงทนของสัมพัทธ์มันถูกมองว่ามีประสิทธิภาพสำหรับการระบุตัวตน
สถานการณ์ที่ต้องมีการสัมผัสใกล้ชิดระหว่างวัตถุและพื้นผิวที่สามารถมีอิเล็กโทรดได้เช่นนาฬิกาเพื่อสุขภาพและพวงมาลัยเป็นที่นิยมมากที่สุดสำหรับ Biometrics ECG
Biometrics ECG เริ่มต้นขึ้นอยู่กับการวัดระยะเวลา, แอมพลิจูดและมุมที่เป็นตัวแทน (เป็นตัวแทนเชิงพื้นที่)
ขั้นตอนแรกใน Biometrics ECG คือการลดเสียงรบกวนเนื่องจากสัญญาณสามารถถูกบดบังด้วยองค์ประกอบที่หลากหลายรวมถึงการหายใจของผู้เข้าร่วม การสกัดคุณลักษณะดังต่อไปนี้การเตรียมสัญญาณ
ข้อมูล ECG ที่บันทึกผ่านการกำหนดค่าอิเล็กโทรดแบบดั้งเดิมในร่างกายในการตั้งค่าทางการแพทย์ปัจจุบันเป็นที่รู้จักกันในชื่อ 'สัญญาณ on-the-person' Pinto กล่าว นอกเหนือจากการจัดวางอิเล็กโทรดวิธีนี้ไม่สามารถใช้งานได้สำหรับการใช้งานไบโอเมตริกซ์ในโลกแห่งความเป็นจริงเนื่องจากผู้เข้าร่วมต้องนอนลงและหยุดกิจกรรมในช่วงเวลา
ความก้าวหน้าล่าสุด
วิธีการทั่วไปในวันนี้สำหรับการรวบรวมชีวภาพ ECG นั้นเกี่ยวข้องกับการกำหนดค่าอิเล็กโทรดที่สะดวกสบายยิ่งขึ้นโดยมีอิเล็กโทรดโลหะน้อยลงซึ่งช่วยให้การเคลื่อนไหวค่อนข้างอิสระ สิ่งเหล่านี้ถูกอ้างถึงค่อนข้างเข้าใจผิดว่าเป็น 'นอกบุคคล'
อย่างไรก็ตามวิธีการที่ล่วงล้ำน้อยกว่านี้แนะนำเสียงรบกวนและความแปรปรวนมากขึ้น การเปลี่ยนแปลงดังกล่าวกระตุ้นให้นักวิจัยแสวงหาวิธีการวัดตัวอย่างข้อมูล ECG ทั้งหมดมากกว่าการเต้นของหัวใจ
การปราบปรามเสียงรบกวนที่มีประสิทธิภาพและการรับรองความถูกต้องอย่างต่อเนื่องเป็นคุณสมบัติปกติของชีวภาพ ECG และงานล่าสุดในฟิลด์ใช้แบบจำลองการเรียนรู้ลึกและโมเดลแบบ end-to-end เพื่อแทนที่ไปป์ไลน์สัญญาณ ECG แบบดั้งเดิม CNNs มีความแม่นยำไบโอเมตริกซ์สูงขึ้นเมื่อนำไปใช้กับกระบวนการ ECG ทั้งหมดมากกว่าเมื่อนำไปใช้หลังจาก denoising การเตรียมการและการสกัดคุณลักษณะ
สนามถูก จำกัด ในตอนแรกอย่างไรก็ตามโดยการขาดแบบจำลองที่ผ่านการฝึกอบรมมาก่อนซึ่งสามารถเติมเต็มฟังก์ชั่นที่ Imagenet หรือ Facenet เล่นใน Biometrics Face แสดงเป็นแบบจำลองสองมิตินักวิจัยพบว่าสัญญาณคลื่นไฟฟ้าหัวใจสามารถจับคู่ได้ แต่ไม่ได้มีความแม่นยำในระดับเดียวกับกระบวนการ CNN แบบทั้งหมด
ปินโตยังทบทวนความพยายามในการอธิบายและการศึกษาล่าสุดที่แสดงให้เห็นว่าชีวภาพ ECG สามารถปลอมแปลงและฉีดเข้าไปในโซลูชั่นเชิงพาณิชย์เพื่อเป็นการโจมตีการนำเสนอ อย่างไรก็ตามสัญญาณการเต้นของหัวใจยังคงเป็นหนึ่งในลักษณะส่วนบุคคลที่ยากที่สุดในการขโมย การติดต่อด้วยมือทั้งสองของเรื่องเป็นเวลาอย่างน้อยสองสามวินาทีจะมีความจำเป็นในการจับสัญญาณคลื่นไฟฟ้าหัวใจที่ใช้งานได้เขากล่าว
โมเดล 'Secure Triplet Loss' ปรับปรุงความปลอดภัยของเทมเพลตโดยการแนะนำการยกเลิกและการไม่เชื่อมโยงโดยไม่ต้องใช้กระบวนการเพิ่มเติมตาม Pinto
อายุทองไปข้างหน้า
แม้จะมีการปรับปรุงเหล่านี้และศักยภาพของ Biometrics ECG เป็นรูปแบบที่รวมถึงความมีชีวิตชีวาและมีความต้านทานต่อการโจมตีด้วยการปลอมแปลงการเต้นของหัวใจก็แทบจะไม่ปฏิวัติวงการชีวภาพ
ประสิทธิภาพการปฏิบัติที่ผ่านมานั้นยอดเยี่ยมผลลัพธ์ในห้องปฏิบัติการนั้นยากที่จะทำซ้ำและแอปพลิเคชั่นเชิงพาณิชย์ยังคงหายาก
Pinto แนะนำว่าปัญหาหลัก ณ จุดนี้คือการขาดข้อมูล ชุดข้อมูลที่มีขนาดใหญ่ขึ้นและสมจริงยิ่งขึ้น (จากการตั้งค่านอกบุคคล), เกณฑ์มาตรฐานที่สม่ำเสมอและแบบจำลองที่ผ่านการฝึกอบรมจะช่วยได้เช่นเดียวกับการตั้งค่าการประเมินผลที่สมจริงและฐานข้อมูลหลายรูปแบบ
หัวข้อบทความ
ไบโอเมตริกซ์-การวิจัยทางชีวภาพ-คนที่มีความสุข-คลื่นไฟฟ้าหัวใจ-สมาคมชีวภาพแห่งยุโรป-biometrics heartbeat
