무 기준점 특징 추출을 이용한 개인 식별 방법 (Human Identification Method Using Features Extraction of Non-fiducial Point)

서지정보

· 발행기관 : 한국정보기술학회
· 수록지 정보 : 한국정보기술학회논문지 / 15권 / 3호 / 91 ~ 97페이지
· 저자명 : 정우혁, 이상국

초록

본 연구에서는 심전도 신호를 이용한 무 기준점(Non-fiducial Point) 특징 추출 기반 개인 식별 방법을 제안한다. 전 처리 단계에서는, 단일 전극으로부터 데이터를 획득하여 웨이블렛을 이용하여 불필요한 노이즈를 제거한다. 특징 추출단계에서는, Normal Sinus Rhythm(NSR)과 PTB Diagnostic Database(PTB)에서 5초 간격으로 데이터를 추출하여 자기상관(Autocorrelation) 계수에 이산 코사인 변환(DCT, Discrete Cosine Transform)를 적용하여 특징을 추출한다. 마지막 분류 단계에서는 유클리디안 기반 최근접 접근법(NN, Nearest Neighbor) 방법을 적용하여 가장 유사한 클래스로 매칭 시킨다. 그 결과, 제안한 방법은 NSR과 PTB 데이터에서 각각 피험자 인식률은 100%, 95.2%, 윈도우 인식률은 95.6%, 94.4%의 식별률을 보인다. 제안한 방법은 기준점(Fiducial Point) 방법처럼 정확한 위치의 데이터를 추출할 필요가 없을 뿐 아니라 많은 기준점 특징을 필요로 하지 않는다. 또한, 불필요한 윈도우를 사전에 효율적으로 제거함으로써 전체 결과를 향상 시킬 수 있다.

영어초록

The present study proposes a method of human identification based on features extraction of non-fiducial point using ECG signal. In the pre-processing phase, data is acquired from one-lead, and unwanted noises are removed using wavelet. In the feature extraction phase, features are extracted by applying discrete cosine transform(DCT) to autocorrelation coefficient at intervals of 5 seconds from Normal Sinus Rhythm(NSR) and PTB Diagnostic Database(PTB), respectively. In the classification phase, the test data are matched into the most similar class by applying nearest neighbor(NN) method based on euclidean. As a result, the suggested method shows subject rate 100%, 95.24%, and windows rate 95.6%, 94.4% in NSR and PTB DB, respectively. The suggested method doesn't need extract data of accurate position as well as doesn't require many point features like fiducial point method. In addition, The results can be improved by efficiently eliminating unnecessary windows in advance.

참고자료

· 없음