초록

용어보기논문에서 용어와 풀이말을 자동 추출한 결과로, 시범 서비스 중입니다. AI-Helper

본 논문은 심전도의 리드III 파형을 이용하여 신원확인이 가능한 생체인식 기술을 제안한다. 인식을 위한 심전도의 리드III파형을 특징추출하기 위해 $4{\sim}30Hz$의 대역통과 필터를 사용하여 피크(peak)점만 남겨놓고 모든 잡음을 제거한 후, AAV(absolute amplitude value)를 이용하여 피크점의 값을 추출한다. 추출된 피크 점은 원신호의 피크점과 같으므로 이를 기준으로 전체파형을 특징추출을 위한 단위 파형으로 분리한다. 분리된 신호는 정의된 4가지 형태(type)의 파형 중 가장 유사한 파형타입으로 분류되며, 분류된 형태를 기준으로 꼭지점, 최대 피크점, 최소 피크점, 최대.최소 피크점 비, 파형 간격(interval) 및 파형의 세부 모양 등 총22가지의 특징들을 추출한다. 추출된 특징들은 오류역전파 신경회로망(back-propagation neural network)의 입력으로 사용되었으며, 성인남녀 31명을 대상으로 제한된 파형 내에서 실험한 결과 100%의 인식률을 보였다.

본 논문은 심전도의 리드III 파형을 이용하여 신원확인이 가능한 생체인식 기술을 제안한다. 인식을 위한 심전도의 리드III파형을 특징추출하기 위해 $4{\sim}30Hz$의 대역통과 필터를 사용하여 피크(peak)점만 남겨놓고 모든 잡음을 제거한 후, AAV(absolute amplitude value)를 이용하여 피크점의 값을 추출한다. 추출된 피크 점은 원신호의 피크점과 같으므로 이를 기준으로 전체파형을 특징추출을 위한 단위 파형으로 분리한다. 분리된 신호는 정의된 4가지 형태(type)의 파형 중 가장 유사한 파형타입으로 분류되며, 분류된 형태를 기준으로 꼭지점, 최대 피크점, 최소 피크점, 최대.최소 피크점 비, 파형 간격(interval) 및 파형의 세부 모양 등 총22가지의 특징들을 추출한다. 추출된 특징들은 오류역전파 신경회로망(back-propagation neural network)의 입력으로 사용되었으며, 성인남녀 31명을 대상으로 제한된 파형 내에서 실험한 결과 100%의 인식률을 보였다.

AI 본문요약

엑셀 다운로드 AI-Helper

* AI 자동 식별 결과로 적합하지 않은 문장이 있을 수 있으니, 이용에 유의하시기 바랍니다.

• 연구 주제
• 연구 방법
• 연구 결과

문제 정의

• 본 논문은 심전도의 리드Ⅲ 파형을 측정하여 생체인식에 적용할 수 있음을 밝혔다. 성인 남녀 31명을 대상으로 정적인 상태에서 심전도를 측정하여, 파형의 타입을 정의하고 총 22개의 특징을 추출한 후 역전파 신경회로망의 입력으로 사용하여 생체인식을 한 결과 정적인 상황에서의 측정데이터에 대해 100%의 인식률을 보였다.

대상 데이터

• 측정자 한명으로 부터 약 350개의 파형을 얻어 90개 파형씩, 22개의 특징추출 값으로 이루어진 데이터를 4부분으로 나누어 평균을 내고 두개는 신경회로망의 학습 데이터로 나머지 두개는 테스트 데이터의 입력으로 사용하였다. 인식을 위해 정적인 상태에서 측정된 31명의 테스트 데이터를 입력으로 실험한 결과 100%의 인식률을 보였다.

성능/효과

• 본 논문은 심전도의 리드Ⅲ 파형을 측정하여 생체인식에 적용할 수 있음을 밝혔다. 성인 남녀 31명을 대상으로 정적인 상태에서 심전도를 측정하여, 파형의 타입을 정의하고 총 22개의 특징을 추출한 후 역전파 신경회로망의 입력으로 사용하여 생체인식을 한 결과 정적인 상황에서의 측정데이터에 대해 100%의 인식률을 보였다. 심전도를 이용한 생체인식 방법은 차세대 생체인식 기술로 발전할 가능성이 있으며 게임, 오락, 교육 등 다양한 분야에 감성인지 및 표현을 위한 기반 기술로서 응용이 가능할 것으로 기대되며, 다양한 적용을 위해서는 향후 동적인 환경에서의 인식 방법에 대한 연구가 필요할 것으로 본다.
• 측정자 한명으로 부터 약 350개의 파형을 얻어 90개 파형씩, 22개의 특징추출 값으로 이루어진 데이터를 4부분으로 나누어 평균을 내고 두개는 신경회로망의 학습 데이터로 나머지 두개는 테스트 데이터의 입력으로 사용하였다. 인식을 위해 정적인 상태에서 측정된 31명의 테스트 데이터를 입력으로 실험한 결과 100%의 인식률을 보였다.

후속연구

• 성인 남녀 31명을 대상으로 정적인 상태에서 심전도를 측정하여, 파형의 타입을 정의하고 총 22개의 특징을 추출한 후 역전파 신경회로망의 입력으로 사용하여 생체인식을 한 결과 정적인 상황에서의 측정데이터에 대해 100%의 인식률을 보였다. 심전도를 이용한 생체인식 방법은 차세대 생체인식 기술로 발전할 가능성이 있으며 게임, 오락, 교육 등 다양한 분야에 감성인지 및 표현을 위한 기반 기술로서 응용이 가능할 것으로 기대되며, 다양한 적용을 위해서는 향후 동적인 환경에서의 인식 방법에 대한 연구가 필요할 것으로 본다.

본문요약 정보가 도움이 되었나요? 예 아니오 제출

이 논문을 인용한 문헌

더보기