[发明专利]心电信号用于身份识别的方法

说明书

技术领域

本发明属于生物信息识别技术领域，特别涉及一种基于心电图的身份识别方法。

背景技术

在信息安全领域中，新的生物信息特征的发现必然会引起多学科、多领域的广泛关注，它与其它已有的生物信息的融合，以及多生物信息识别系统模型的泛化、应用的实现，都在为更高安全级别的领域要求提供了实现的可能性。ECG（心电信号）正是符合这一特征的生物信息。

由于ECG与心脏具有疾病特征的对应性，ECG在其诞生的百年中，不断提高其诊断心脏疾病的可靠性，目前成为心脏病诊断的重要方法。近十年来，对ECG的研究拓展到生物信息领域，特别是生物信息识别领域。由于其本身具有“活”性，使得以ECG为“原料”加工的密码，具备了其他生物识别信息（指纹、虹膜、掌纹、人脸……）所不具备的优势，即ECG时时刻刻都在变化，不同人、同一人的ECG信号在不同时刻、不同采集环境、人的不同姿势（静止、运动、静卧、站立……）等状况下都会有不同程度的变化。ECG用于身份识别的生物信息需要具备两个关键特征：

1、不同人的ECG是有差异的，这使得ECG成为出色的生物信息识别材料。

2、同一人的ECG具有非常强的共性，而且共性足以将同一人在不同状态下获得的有区别的ECG识别为一个人。

关于这两方面的研究已有一些成果，但基本上是针对1中的情况。Hoekema[1]提出并论证了不同人之间的心电信号的变化大部分源于心脏的几何（geometrical）结构和电生理（physiological）信息。Simon[3]1997发表的文章也说明了这一点，同时也说明了ECG作为区分身份的生物信息的可行性。Biel[2]也在同年提出ECG作为身份识别的具体方法，指出了心电图具有“活性”，以及可以进行非主动采集等有别于其他用于身份识别的生物信息（指纹、虹膜、掌纹、人脸等）。并具体的提出了利用ECG的波形信息（关键点之间的时间距离、振幅、斜率等）作为ECG的信息特征，同时指出单导联数据信息即可完成身份识别。自1999年至今已在国际刊物、国际会议上发表了多篇学术论文。1997年M.Ogawa[4]通过小波和NN分析ECG区分两个个体，而最早的专门文章来自1999年瑞典orebro大学的Biel[2]，此篇文章后来被多次引用，她提出了30个源于基准点的备选参数，再利用PCA进行降维，实验数据来源于自测的20名个体，识别平均准确率为97.14%，同时，她还提出单导联数据即可用于ECG身份识别。2001年，M. Kyoso [5]利用马氏距离区分9个个体。2002年华盛顿大学的Shen[6]也提出了基于7个特征点的识别，通过20个单导联个体数据，采用模式识别和人工神经网络分类，达到100% 的准确率。 2005年韩国青州大学Kim[7]通过提取ECG基准的间期特征，在10个个体，30秒I导联 ECG数据上进行分析。来自SAIC（Science Applications International Corporation）的Israel[9]和Irvine[8]于2005年和2008年在Pattern Recognition上发表文章，提出了基于15个ECG基准点和自动提取它们的身份识别方法。另一个此方面的研究团队来自加拿大多伦多大学的Edward S. Rogers Sr.电子与计算机工程系的Dimitrios Hatzinas, 这个团队自2003年起发表了多篇文章进行ECG用于身份识别的研究。文献[10]2006发表，在很大程度上继承了Israel[9]所提出的方法，为了进一步提高识别准确性提出了一种将analytic features和appearance features相结合的层次化的模式识别方法。此方法利用了21个基准点的间期和振幅参数，在分析特征后，进行分类，再利用了两类信息的融合，即：利用LDA对ECG的间期和振幅参数分类，再利用PCA进行降维，最后用KNN进行分类，达到100%的识别率。2008年来自加拿大安大略理工大学研究团队，分别利用了24个基于ECG基准点的特征进行ECG身份识别研究，达到100%识别率，但识别个体的数目仅为16人。同一团队在2009年对以往的研究做了综述分析，认为ECG作为身份识别是可行的。综上文献对于ECG的身份识别给出了有效的解决方法。

目前的研究集中于两种方法

1、基于特征点的选择方法，对心电图中的特征进行挑选：

1）心率；

2）特征点幅度（如：R、P、Q、S、T等）；

3）特征点间期（RR、PR、QT、ST等）；

4）连续信息（如HRV，心率变异率等）。

2、基于心电的向量信息