EKG sinyalleri kullanılarak kişi tespiti
[ X ]
Tarih
2021
Yazarlar
Dergi Başlığı
Dergi ISSN
Cilt Başlığı
Yayıncı
Siirt Üniversitesi
Erişim Hakkı
info:eu-repo/semantics/openAccess
Özet
Son zamanlarda, kişilerin biyometrik bilgilerine dayalı olarak tanınması için güvenilir sistemler oluşturmak için çok sayıda araştırma yapılmıştır. Kişi Tanıma (PI) sistemleri, farklı yöntemler kullanan araştırmacılar arasında popüler hale gelmiştir. Elektrokardiyogram (EKG) sinyallerinin benzersiz avantajları göz önüne alındığında, kişi tanımlama çalışmaları için araştırmacıların ilgisini çeken önemli bir araştırma alanı olmuştur. EKG verilerinin taklit edilmesi veya kopyalanması zor olduğundan, bu veriler kişi tanımlama gibi biyometrik çalışmalarda diğer verilere göre daha avantajlı hale gelmektedir. Bu çalışmada, tek boyutlu sinyallerden güçlü bir öznitelik seti elde edebilmeyi sağlayan Bir Boyutlu Çok Katmanlı Eş Oluşum Matrisleri (1D-MLGLCM) yöntemi geliştirilmiştir ve bu yöntem EKG sinyallerine dayalı olarak bireyleri tanımak için uygulanmıştır. Deneylerde kullanılan veri seti, yaşları 13 ile 75 arasında değişen 90 deneğin EKG verilerini içermektedir. Öncelikle EKG sinyalleri kişi tanımlama sistemi için 32 farklı aralıklarla normalize edilmiştir. Elde edilen bu çok katlı sinyallerin her birine, eş oluşum matrisleri elde edebilmek için Bir Boyutlu Eş Oluşum Matrisleri (1D-GLCM) yöntemi uygulanmıştır. Daha sonra, Rastsal Orman (RF), Destek Vektör Makinesi (SVM), Naive Bayes (NB), Bayes Net (BN) ve K-en Yakın Komşu (KNN) gibi sınıflandırma algoritmalarına girdi olarak verilmesi için bu matrislerin Haralick öznitelikleri elde edilmiştir. Önerilen yöntem, SVM kullanılarak %93,414 başarı oranına ulaşmıştır. Sonuç olarak çalışma, önerilen yöntemin kişi tanımlama problemlerinde EKG sinyallerini kullanarak çok etkili sonuçlar elde ettiğini kanıtlamaktadır.
Recently, numerous researches have been executed to create reliable systems to recognize persons based on their biometric information. Person Identification (PI) systems have become popular among researchers using different methods. Considering the unique advantages of electrocardiogram (ECG) signals, it has been an important research area that has attracted the attention of researchers for person identification studies. Since ECG data are difficult to imitate or copy, these data become more advantageous than other data in biometric studies such as person identification. In this study, the One-Dimensional Multilayer Co-occurrence Matrices (1D-MLGLCM) method was developed, which enables to obtain a strong feature set from one-dimensional signals and this method has been applied to recognize individuals based on ECG signals. The dataset used in the experiments contains ECG data of 90 subjects whose ages ranged from 13 to 75 years. In the study, first of all, ECG signals are normalized at 32 different intervals for person identification system. One-Dimensional Co-occurrence Matrices (1D-GLCM) method is applied to each of these multiplex signals obtained to obtain co-occurrence matrices. Then, the Haralick features of these matrices are obtained to be given as inputs to classification algorithms such as Random Forest (RF), Support Vector Machine (SVM), Naive Bayes (NB), Bayes Net (BN) and K-Nearest Neighbors (KNN). The proposed method achieved a success rate of 93,414% using SVM. In conclusion, the study proves that the proposed method achieves very effective results in person identification problems by using ECG signals.
Recently, numerous researches have been executed to create reliable systems to recognize persons based on their biometric information. Person Identification (PI) systems have become popular among researchers using different methods. Considering the unique advantages of electrocardiogram (ECG) signals, it has been an important research area that has attracted the attention of researchers for person identification studies. Since ECG data are difficult to imitate or copy, these data become more advantageous than other data in biometric studies such as person identification. In this study, the One-Dimensional Multilayer Co-occurrence Matrices (1D-MLGLCM) method was developed, which enables to obtain a strong feature set from one-dimensional signals and this method has been applied to recognize individuals based on ECG signals. The dataset used in the experiments contains ECG data of 90 subjects whose ages ranged from 13 to 75 years. In the study, first of all, ECG signals are normalized at 32 different intervals for person identification system. One-Dimensional Co-occurrence Matrices (1D-GLCM) method is applied to each of these multiplex signals obtained to obtain co-occurrence matrices. Then, the Haralick features of these matrices are obtained to be given as inputs to classification algorithms such as Random Forest (RF), Support Vector Machine (SVM), Naive Bayes (NB), Bayes Net (BN) and K-Nearest Neighbors (KNN). The proposed method achieved a success rate of 93,414% using SVM. In conclusion, the study proves that the proposed method achieves very effective results in person identification problems by using ECG signals.
Açıklama
Fen Bilimleri Enstitüsü, Elektrik ve Elektronik Mühendisliği Ana Bilim Dalı
Anahtar Kelimeler
Elektrik ve Elektronik Mühendisliği, Electrical and Electronics Engineering
