بهبود عملکرد شناسایی افراد با استفاده از ترکیب سیگنال های الکتروکاردیوگرام و بیومتریک اثر کف دست

در این مقاله ما یک سیستم بیومتریک چند مدلی متشکل از بیومتریک اثر کف دست و سیگنال های الکتروکاردیوگرام را معرفی می کنیم. در سیستم پیشنهادی، ما از روشهای MFCC و WT به منظور استخراج ویژگی سیگنال ECG و از روش PCA نیز به منظور استخراج ویژگی بیومتریک کف دست استفاده نموده ایم. بعد از استخراج ویژگی های دو بیومتریک، از روش همجوشی در مرحله تطبیق امتیازات به منظور تطبیق صحیح یا نا صحیح نمونه های آموزشی با نمونه های آزمایشی خود استفاده نموده و در نهایت دسته بندی کننده KNN را به منظور تخمین میزان شناسایی افراد توسط سیستم پیشنهادیمان به کار برده ایم. در مرحله طبقه بندی این سیستم هر کلاس را معرف یک فرد در نظر گرفته ایم. به منظور ارزیابی روش پیشنهادیمان، از پایگاه داده رایج MIT-BIH و نیز مجموعه ایی از سیگنال های الکتروکاردیوگرام جمع آوری شده با استفاده از دستگاه هولتر در بیمارستان و از POLYU که متشکل از مجموعه تصاویر کف دست می باشد. استفاده نموده ایم. نتایج آزمایشات انجام گرفته، افزایش دقت و کارایی قابل توجه سیستم پیشنهادیمان را در برابر سیستم های تک بیومتریکی به خوبی نمایش می دهد.

Keywords:

بیومتریک چند مدلی , بیومتریک الکتروکاردیوگرام (ECG) , بیومتریک کف دست , استخراج ویژگی MFCC , طبقه بندی کننده KNN