Метод виділення ітерацій пульсових хвиль фотоплетизмограми для біометричної ідентифікації

Скорочена інформація про документ
dc.contributor.authorЯковенко, Ірина Олександрівна
dc.contributor.authorВонсевич, Костянтин Петрович
dc.contributor.authorГребень, Ілля Євгенович
dc.date.accessioned2021-04-06T11:58:26Z
dc.date.available2021-04-06T11:58:26Z
dc.date.issued2020
dc.description.abstractenBackground. In recent years, the development of an automated identification process using biometric authentication has been observed, which has a high level of protection, since it allows you to evaluate the physical parameters and characteristics of a particular person. Such access control is more reliable since identifiers cannot be transferred to third parties or duplicated to bypass security systems. Over the past decades, a significant number of systems with biometric identification has been developed, but systems with identification according to the characteristics of the photoplethysmogram still receive little attention. The main task of biometric personality identification using photoplethysmogram is the search and implementation of machine learning methods to determine their belonging to a particular patient. Objective. The purpose of the paper is to develop an algorithm for distinguishing pulse wave iterations using the calculation of the temporal characteristics of photoplethysmograms, such as the maximum amplitude value, variance, mean absolute deviation, Wilson amplitude and the total sum of signal amplitude values. Methods. Based on the study of the temporal characteristics of the photoplethysmogram, an algorithm for distinguishing pulse wave iterations is created, which can be used for further biometric identification of a person using machine-learning methods. Results. The results can be used for further development of automated access control and management systems using biometric identification. Conclusions. Known methods of biometric identification are usually based on the static parameters of a person (the structure of the cornea of the eye, palm, fingerprints, geometry of the auricle, etc.), but have a low level of protection, since using special equipment you can create a copy of the biometric key. Therefore, today, the use of methods based on the parameters of dynamic biometric identification (plethysmogram, cardiogram and others) provides the highest degree of protection, but requires a more accurate software device to isolate and determine common symptoms. The proposed approach to calculating individual parameters of the photoplethysmogram with the aim of their subsequent classification by machine learning methods may be an acceptable solution for patient biometric identification systems.uk
dc.description.abstractruПроблематика. В последние годы наблюдается развитие процесса автоматизированной идентификации с использованием биометрической аутентификации, которая имеет высокий уровень защиты, поскольку позволяет оценить физические параметры и характеристики конкретной личности. Такой контроль доступа является более надежным, поскольку идентификаторы не могут быть переданы третьим лицам или быть продублированы для обхода систем защиты. За последние десятилетия разработано значительное количество систем с биометрической идентификацией, однако системам с идентификацией по характеристикам фотоплетизмограммы до сих пор уделяется довольно мало внимания. Основной задачей биометрической идентификации личности с помощью фотоплетизмограммы являются поиск и реализация методов машинного обучения для определения их принадлежности определенному пациенту. Цель исследования. Цель работы – с помощью расчета временных характеристик фотоплетизмограммы, таких как максимальное значение амплитуды, дисперсия, среднее абсолютное отклонение, амплитуда Уилсона и общая сумма значений амплитуды сигнала, разработать алгоритм для выделения итераций пульсовых волн. Методика реализации. На основе исследования временных характеристик фотоплетизмограммы создан алгоритм выделения итераций пульсовых волн, который может быть использован для дальнейшей биометрической идентификации личности методами машинного обучения. Результаты исследования. Полученные результаты могут быть использованы для дальнейшей разработки автоматизированных систем контроля и управления доступом с помощью биометрической идентификации. Выводы. Известные методы биометрической идентификации основаны, как правило, на статических параметрах человека (строение роговицы глаза, ладони, отпечатки пальца, геометрия ушной раковины и т.д.), но имеют низкий уровень защиты, поскольку с помощью специального оборудования можно создать копию биометрического ключа. Поэтому на сегодняшний день использование методов, основанных на параметрах динамической биометрической идентификации (плетизмограмма, кардиограмма и другие), обеспечивает наивысшую степень защиты, но требует более точного программного аппарата для выделения и определения общих признаков. Предложенный подход к расчету отдельных параметров фотоплетизмограммы с целью последующей их классификации методами машинного обучения может быть приемлемым решением для систем биометрической идентификации пациента.uk
dc.description.abstractukПроблематика. Останніми роками спостерігається розвиток процесу автоматизованої ідентифікації з використанням біометричної автентифікації, що має високий рівень захисту, оскільки дає можливість оцінити фізичні параметри і характеристики конкретної особи. Такий контроль доступу є більш надійним, оскільки ідентифікатори не можуть бути передані третім особам або бути продубльованими для обходу систем захисту. За останні десятиліття розроблено значну кількість систем із біометричною ідентифікацією, однак системам з ідентифікацією за характеристиками фотоплетизмограми досі приділяється замало уваги. Основним завданням біометричної ідентифікації особи за допомогою фотоплетизмограми є пошук та реалізація методів машинного навчання для визначення їх приналежності певному пацієнту. Мета дослідження. Мета роботи – за допомогою розрахунку часових характеристик фотоплетизмограми, таких як максимальне значення амплітуди, дисперсія, середнє абсолютне відхилення, амплітуда Уілсона та загальна сума значень амплітуди сигналу, розробити алгоритм для виділення ітерацій пульсових хвиль. Методика реалізації. На основі дослідження часових характеристик фотоплетизмограми створено алгоритм виділення ітерацій пульсових хвиль, що може бути використаний для подальшої біометричної ідентифікації особи методами машинного навчання. Результати дослідження. Отримані результати можуть бути використані для подальшої розробки автоматизованих систем контролю та управління доступом за допомогою біометричної ідентифікації. Висновки. Відомі методи біометричної ідентифікації базуються, як правило, на статичних параметрах людини (будова рогівки ока, долоні, відбитки пальця, геометрія вушної раковини тощо), але мають низький рівень захисту, оскільки за допомогою спеціального обладнання можна створити копію біометричного ключа. Тому на сьогодні використання методів, що базуються на параметрах динамічної біометричної ідентифікації (плетизмограма, кардіограма та інші), забезпечує найвищий ступінь захисту, але потребує більш точного програмного апарату для виділення та визначення спільних ознак. Запропонований підхід до розрахунку окремих параметрів фотоплетизмограми з метою подальшої їх класифікації методами машинного навчання може бути прийнятним рішенням для систем біометричної ідентифікації пацієнта.uk
dc.format.pagerangeС. 73-78uk
dc.identifier.citationЯковенко, І. О. Метод виділення ітерацій пульсових хвиль фотоплетизмограми для біометричної ідентифікації / І. О. Яковенко, К. П. Вонсевич, І. Є. Гребень // Наукові вісті КПІ : міжнародний науково-технічний журнал. – 2020. – № 3(130). – С. 73–78. – Бібліогр.: 13 назв.uk
dc.identifier.doihttps://doi.org/10.20535/kpi-sn.2020.3.209881
dc.identifier.urihttps://ela.kpi.ua/handle/123456789/40450
dc.language.isoukuk
dc.publisherКПІ ім. Ігоря Сікорськогоuk
dc.publisher.placeКиївuk
dc.relation.ispartofНаукові вісті КПІ : міжнародний науково-технічний журнал, 2020, № 3(130)uk
dc.rights.urihttp://creativecommons.org/licenses/by/4.0/uk
dc.subjectфотоплетизмограмаuk
dc.subjectмашинне навчанняuk
dc.subjectбіометрична ідентифікаціяuk
dc.subjectпульсова хвиляuk
dc.subjectphotoplethysmogramuk
dc.subjectmachine learninguk
dc.subjectbiometric identificationuk
dc.subjectpulse waveuk
dc.subjectфотоплетизмограммаuk
dc.subjectмашинное обучениеuk
dc.subjectбиометрическая идентификацияuk
dc.subjectпульсовая волнаuk
dc.subject.udc57.087.1uk
dc.titleМетод виділення ітерацій пульсових хвиль фотоплетизмограми для біометричної ідентифікаціїuk
dc.title.alternativeMethod for Determining a Periodic Wave Iteracy of Photopletismogram for Biometric Identificationuk
dc.title.alternativeМетод выделения итераций пульсовой волны фотоплетизмограммы для биометрической идентификацииuk
dc.typeArticleuk

Файли

Контейнер файлів
Зараз показуємо 1 - 1 з 1
Ескіз
Назва:
NVKPI2020-3_09.pdf
Розмір:
622.66 KB
Формат:
Adobe Portable Document Format
Опис:
Завантажити
Ліцензійна угода
Зараз показуємо 1 - 1 з 1
Ескіз недоступний
Назва:
license.txt
Розмір:
9.01 KB
Формат:
Item-specific license agreed upon to submission
Опис:
Завантажити

Зібрання

Наукові вісті КПІ: міжнародний науково-технічний журнал, № 3(130)