[发明专利]在生物识别中的高频QRS

权利要求书

1.一种用于识别/验证个体的方法，所述方法包括：

对来自一组受试者的HF-QRS信号或衍生的特征或值进行采样，其中，每次采样对于每个受试者而言是在多个不同的时间处执行的；

使用深度学习神经网络来确定下述特征或值：(i)所述特征或值对于同一个体而言在不同时间处采集的样本足够相似；以及(ii)不管何时采样，所述特征或值在所有个体之间是有足够差异的，从而用作生物测定签名；

对来自个体的所述特征或值进行采样，并将所述特征或值作为与所述特征或值各自相应的生物测定签名存储在数据库中；以及

稍后对来自未知的个体的所述特征或值进行采样，并确定所述特征或值是否与所存储的生物测定签名中的任意者相匹配。

2.根据权利要求1所述的方法，还包括：如果未知个体的生物测定签名与所存储的生物测定签名匹配，则允许所述未知个体获得访问权或特权。

3.根据权利要求1所述的方法，还包括：如果未知个体的生物测定签名与所存储的生物测定签名不匹配，则向监测器发出警报。

4.根据权利要求1所述的方法，其中，所述深度学习神经网络是卷积神经网络、深度神经网络、长短期记忆递归神经网络和卷积长短期记忆深度神经网络中的一者或更多者。

5.根据权利要求1所述的方法，其中，用作生物测定签名的特征或值是通过下述方式来确定的：首先建立来自所述一组受试者中的一组特征或值的训练集，其中，每个受试者的HF-QRS被采样多次；将所述训练集与验证集进行比较，以用于识别分类器的过度拟合并用于对适当的特征或值进行附加验证。

6.根据权利要求5所述的方法，还包括将所述训练集与验证集进行比较，以用于对用作生物测定签名的所述特征或值进行验证。

7.根据权利要求5所述的方法，还包括通过正则化使过度拟合减少。

8.根据权利要求1所述的方法，其中，对来自未知个体的所述特征或值与所存储的特征或值的匹配是否满足相似性阈值进行确定。

9.根据权利要求8所述的方法，还包括将可变性校正存储数据结合到来自所述未知个体的所述特征或值的采样中。

10.一种用于使用HF-QRS信号来查找生物测定签名的方法，所述生物测定签名随时间推移是稳定的，所述方法包括：

对来自一组受试者的HF-QRS信号或衍生的特征或值进行采样，其中，每次采样对于每个受试者而言是在多个不同的时间处执行的；

使用深度学习神经网络来确定下述特征或值：(i)所述特征或值对于同一个体而言在不同时间处采集的样本足够相似；以及(ii)不管何时采样，所述特征或值在所有个体之间是有足够差异的，从而用作生物测定签名，所述确定是通过下述方式进行的：

对HF-QRS信号使用带通滤波，以及/或者，衍生出HF-QRS或HF-QRS的区域的其他功能表示，所述其他功能表示包括均方根电压、HFQE和HFAV中的一者或更多者；

随时间推移对一组测试受试者的选定生物测定签名进行监测，以查找稳定的一个或更多个签名，所述稳定的一个或更多个签名随时间推移是稳定的；

根据所述监测来确定偏差阈值，以使所述测试受试者的稳定签名在所测量的时间段内落在所述偏差阈值内；

建立从实际受试者得到的稳定签名的数据库；以及

至少以所述时间段为频率来对所述实际受试者的所述稳定签名进行监测。