CN107067519A - 一种基于脑电身份识别的保险箱 - Google Patents

一种基于脑电身份识别的保险箱 Download PDF

Info

Publication number
CN107067519A
CN107067519A CN201710334056.4A CN201710334056A CN107067519A CN 107067519 A CN107067519 A CN 107067519A CN 201710334056 A CN201710334056 A CN 201710334056A CN 107067519 A CN107067519 A CN 107067519A
Authority
CN
China
Prior art keywords
eeg
brain
safety box
user
data
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Granted
Application number
CN201710334056.4A
Other languages
English (en)
Other versions
CN107067519B (zh
Inventor
苏渝校
苏成悦
陈禧琛
程俊淇
吴泽龙
陈沛鑫
黄恩妮
余德亮
蒲贺贺
彭志聪
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Guangdong University of Technology
Original Assignee
Guangdong University of Technology
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Guangdong University of Technology filed Critical Guangdong University of Technology
Priority to CN201710334056.4A priority Critical patent/CN107067519B/zh
Publication of CN107067519A publication Critical patent/CN107067519A/zh
Application granted granted Critical
Publication of CN107067519B publication Critical patent/CN107067519B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • G—PHYSICS
    • G07—CHECKING-DEVICES
    • G07C—TIME OR ATTENDANCE REGISTERS; REGISTERING OR INDICATING THE WORKING OF MACHINES; GENERATING RANDOM NUMBERS; VOTING OR LOTTERY APPARATUS; ARRANGEMENTS, SYSTEMS OR APPARATUS FOR CHECKING NOT PROVIDED FOR ELSEWHERE
    • G07C9/00—Individual registration on entry or exit
    • G07C9/00174—Electronically operated locks; Circuits therefor; Nonmechanical keys therefor, e.g. passive or active electrical keys or other data carriers without mechanical keys
    • G07C9/00563—Electronically operated locks; Circuits therefor; Nonmechanical keys therefor, e.g. passive or active electrical keys or other data carriers without mechanical keys using personal physical data of the operator, e.g. finger prints, retinal images, voicepatterns
    • E—FIXED CONSTRUCTIONS
    • E05—LOCKS; KEYS; WINDOW OR DOOR FITTINGS; SAFES
    • E05G—SAFES OR STRONG-ROOMS FOR VALUABLES; BANK PROTECTION DEVICES; SAFETY TRANSACTION PARTITIONS
    • E05G1/00—Safes or strong-rooms for valuables
    • E05G1/02—Details
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/24—Classification techniques
    • G—PHYSICS
    • G07—CHECKING-DEVICES
    • G07C—TIME OR ATTENDANCE REGISTERS; REGISTERING OR INDICATING THE WORKING OF MACHINES; GENERATING RANDOM NUMBERS; VOTING OR LOTTERY APPARATUS; ARRANGEMENTS, SYSTEMS OR APPARATUS FOR CHECKING NOT PROVIDED FOR ELSEWHERE
    • G07C9/00—Individual registration on entry or exit
    • G07C9/00174—Electronically operated locks; Circuits therefor; Nonmechanical keys therefor, e.g. passive or active electrical keys or other data carriers without mechanical keys
    • G07C9/00896—Electronically operated locks; Circuits therefor; Nonmechanical keys therefor, e.g. passive or active electrical keys or other data carriers without mechanical keys specially adapted for particular uses
    • G07C9/00912—Electronically operated locks; Circuits therefor; Nonmechanical keys therefor, e.g. passive or active electrical keys or other data carriers without mechanical keys specially adapted for particular uses for safes, strong-rooms, vaults or the like

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Data Mining & Analysis (AREA)
  • Theoretical Computer Science (AREA)
  • Artificial Intelligence (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Evolutionary Biology (AREA)
  • Evolutionary Computation (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • General Engineering & Computer Science (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Measurement And Recording Of Electrical Phenomena And Electrical Characteristics Of The Living Body (AREA)

Abstract

本发明公开了一种基于脑电身份识别的保险箱，其通过对用户阅读纯色图片时的脑电信号对用户身份进行识别，其包括显示屏、开关按钮、模式选择按钮、脑电信号采集按钮、脑电采集仪器接口、电源、脑电数据存储器和脑电处理系统，其中显示屏，用于展示为诱发脑电的产生所用的图片；模式选择按钮，用于选择保险箱工作于初始化加密模式和开锁模式；脑电信号采集按钮，用于命令保险箱内部采集脑电信号，按下脑电信号采集按钮则显示屏展示图片，保险箱内部采集至少一个图案显示周期的时间长度的脑电数据；脑电数据存储器用于存储脑电数据，脑电处理系统用于根据用户的脑电信号以及脑电数据存储器存储的数据完成用户的身份识别。

Description

一种基于脑电身份识别的保险箱
技术领域
本发明涉及一种保险箱，其尤其指一种基于脑电身份识别的保险箱。
背景技术
目前市面上可见的保险箱基本为密码锁加密或钥匙锁加密，但是尚未出现利用个体脑电信号加密的保险箱。
而密码锁和钥匙锁都存在密码泄漏或钥匙丢失的可能，同时具有仿制性、可胁迫性。
为了克服上述现有技术的不足，本发明提供了一种基于脑电身份识别的保险箱，其克服了传统加密方式可能存在的密码泄漏或钥匙丢失的问题，采用脑电信号特征进行身份识别来控制保险箱的锁闭与开启，具有个体唯一性、隐蔽性、不可仿制性和不可胁迫性等优势。
发明内容
本发明一方面提供了一种基于脑电身份识别的保险箱，其包括显示屏、开关按钮、模式选择按钮、脑电信号采集按钮、脑电采集仪器接口、电源、脑电数据存储器和脑电处理系统，其中：
显示屏，用于显示操作系统界面和展示为诱发脑电的产生所用的图片；
开关按钮，用于开启与关闭保险箱操作系统；
模式选择按钮，用于选择保险箱工作于“初始化加密模式”和“开锁模式”。
脑电信号采集按钮，用于命令保险箱内部采集脑电信号，按下脑电信号采集按钮则显示屏展示图片，保险箱内部采集至少一个图案显示周期的时间长度的脑电数据；
脑电采集仪器接口，用于连接脑电信号采集仪器(Brain Product,Brain Amp MRPlus型放大器,采用64导电极帽)；
保险箱内置电池或后部配有接线，用于给保险箱工作上电。
保险箱内部含脑电数据存储器和脑电处理系统。
(一)脑电数据存储器
脑电数据存储器用于存储脑电数据，其在初始时就已经存有足够多数量的非使用者的脑电数据。
1、“初始化加密模式”下，采集的“本人”脑电数据将被存储到保险箱内部脑电数据存储器中，组成样本库。
2、“开锁模式”下，采集到的脑电数据仅用于做身份识别，不存储到样本库中。
(二)脑电处理系统
脑电处理系统的功能由初始化加密处理功能和后续正常开锁处理功能组成。脑电处理系统在保险箱的初始化加密的时候，其算法原理由以下步骤组成：
1组建训练库与测试库
将样本库中80％的使用者的脑电数据和等量随机选取“他人”的脑电数据组成训练库，将样本库中余下的20％的使用者脑电数据和全部“他人”脑电数据组成测试库。
2脑电数据的预处理
利用fir滤波器将采集的脑电原始信号截取出α波段(8～12HZ)。
3利用AR模型提取脑电特征参数
3.1对每个试验者的每个电极通道的脑电数据，使用最小二乘估计法得到匹配的AR模型。
3.2以匹配的AR模型的参数作为该段脑电信号数据的特征参数来表征这段脑电信号。
说明：
AR模型的表示如式(1)：
其中是εt零均值，方差σ2的平稳白噪声过程。)
AR模型的阶数p由BIC准则确定。BIC准则函数定义如式(2)：
BIC(p)＝Nlnσ2+pln N (2)
N是样本数据的长度，p是最优阶数。与AIC准则相比，BIC准则确保了估计的阶具有相容性。
设剩余的每个电极数据的最优阶数为pi(1≤i≤64)，取估计的阶p＝min(pi)。
εt和各阶系数ai就是所要提取的脑电特征参数，提取后的脑电特征参数ei,j是一个64×(p+1)的矩阵数据。
4建立BP神经网络的分类器
对提取的脑电特征参数ei,j的第j列(j＝1,2,...p+1)数据，建立第j个BP神经网络，输入层的节点数为64个，输出层节点1个，输出为“1”时代表识别为“本人”，输出为“0”时代表识别为“他人”。
5构建BP分类器串联的分类网络
5.1用第4步建立的p+1个BP分类器串联形成身份识别的分类网络(如图4所示)。
即第j(j＝1,2,...,p+1)个分类器负责训练学习第j列脑电特征参数。
5.2由于分类器串联的结构，对于最终的身份识别，判断结果由各个分类器的判断结果进行逻辑“与”运算后得到，如图5所示。
5.3安全性等级的选择：使用者为保险箱输入一个[0.1，0.5]的数值作为阈值r。
对于分类网络的身份识别，每份数据的识别都是输出一个[0，1]的结果。定义当输出结果不接近于1或不接近于0时，对于给定的阈值r,若输出结果大于r，认为识别为“1”，若小于等于r，认为识别为“0”。
r称为安全等级，r值越大，安全性越高，但相对应的，使用者自身脑电数据被识别通过的概率将越低。
6加密情况测试
6.1将测试库里面的所有非使用者的脑电数据逐一输入到已训练好的分类网络中，若身份识别的输出结果全部都小于等于r，则排他性可靠；若输出结果不全小于等于r，则加密失败，从样本库中删去已采集的使用者数据，重新采集多份使用者脑电数据然后返回第1步。
6.2将测试库里面的使用者的脑电数据逐一输入到分类网络中，统计输出结果大于r的比例，若该比例大于50％，同时满足排他性可靠，则加密成功；若该比例小于等于50％，则使用者自身脑电数据识别通过率过低，加密失败，新采集多份使用者脑电数据然后返回第1步。
7存储分类网络，加密完成
将通过加密测试的分类网络的各个参数存储起来，完成保险箱的初始化加密。
初始化加密成功后，脑电处理系统在保险箱后续正常开锁使用的时候，其工作由以下步骤组成：
1将采集的脑电数据截取出α波段(8～12HZ)。
2使用最小二乘法估计每个通道脑电数据的p阶AR模型参数，取得到的εt和各阶系数ai作为该份脑电数据的特征参数，得到一个64×(p+1)的矩阵数据ei,j。
3将矩阵数据ei,j输入到已存储的分类网络中，若输出结果大于r，则识别为本人，保险箱开锁，若输出结果小于等于r，则识别不通过。
与现有技术相比，本发明的有益效果是：
1、采用脑电信号加密，具有个体唯一性、隐蔽性、不可仿制性和不可胁迫性等优势；
2、本发明保险箱的脑电身份识别基于一种分类器串联的分类网络，实验验证具有可靠的“排他性”，符合安全要求。
附图说明
图1为本发明的基于脑电身份识别的保险箱外观图。
图2为保险箱工作流程图。
图3为本发明的BP神经网络分类器原理图。
图4为本发明的多个BP分类器串联而成的分类网络。
图5为串联BP分类器形成的分类网络的身份识别原理图。
具体实施例
以下结合图1-5对本发明做进一步的说明。
本发明的硬件结构参见图1，其中：
(1)为显示屏，用于显示操作系统界面和展示为诱发脑电的产生所用的图片。
(2)为开关按钮，用于开启与关闭保险箱操作系统。
(3)为模式选择按钮，用于选择保险箱工作于“加密采集模式”和“开锁采集模式”。
(4)为脑电信号采集按钮，用于命令保险箱内部加密系统采集脑电信号。按下(4)则显示屏(1)展示图片，保险箱内部采集至少一个图案显示周期的时间长度的脑电数据。
(5)为脑电采集仪器接口，用于连接脑电信号采集仪器(Brain Product,BrainAmp MR Plus型放大器,采用64导电极帽)。
保险箱内置电池或后部配有接线，用于给保险箱工作上电。
其具体操作方式为：
使用该脑电身份识别的保险箱时，先长按开关(2)，保险箱开始工作。
使用者带上连接在(5)处的脑电采集仪器的电极帽，按下按钮(3)开始选择工作模式：
a.选择初始化加密模式后，使用者按下脑电采集按钮(4)，其正面显示屏(1)开始播放布满全屏的颜色图片，保险箱内部开始采集多份使用者脑电数据，每份脑电数据采集一个图案显示周期的时间长度。之后保险箱内部脑电处理系统依据其内部算法进行初始化加密处理，加密情况验证成功后保存分类网络，保险箱身份加密完成；
b.在已经初始化加密成功后，可选择开锁模式。此时按下脑电采集按钮(4)，正面显示屏(1)开始播放布满全屏的颜色图片，保险箱内部将采集至少一个图案显示周期的时间长度的脑电数据，输入到脑电处理系统已存储的分类网络中，验证是使用者本人则开锁，否则不开锁。此外，在开锁模式下成功开锁后，使用者可按(3)进入初始化加密模式，即可变更使用者。

Claims (6)

1.一种基于脑电身份识别的保险箱，其通过对用户阅读图片时的脑电信号对用户身份进行识别，其包括显示屏、开关按钮、模式选择按钮、脑电信号采集按钮、脑电采集仪器接口、电源、脑电数据存储器和脑电处理系统，其特征在于，其中：
所述显示屏，用于显示操作系统界面和展示为诱发脑电的产生所用的图片；
所述开关按钮，用于开启与关闭保险箱操作系统；
所述模式选择按钮，用于选择保险箱工作于初始化加密模式和开锁模式；
所述脑电信号采集按钮，用于命令保险箱内部采集脑电信号，按下脑电信号采集按钮则显示屏展示图片，保险箱内部采集至少一个图案显示周期的时间长度的脑电数据；
所述脑电采集仪器接口，用于连接脑电信号采集仪器；
所述电源包括保险箱内置电池和/或后部配置的电源接线，用于给保险箱工作上电；
所述脑电数据存储器用于存储脑电数据，所述脑电处理系统用于根据用户的脑电信号以及脑电数据存储器存储的数据完成用户的身份识别。
2.如权利要求1所述的脑电身份识别的保险箱，其特征在于，其中所述脑电数据存储器用于存储脑电数据，并且，当保险箱工作于初始化加密模式下时，采集用户的脑电数据将被存储到保险箱内部脑电数据存储器中，并存储到样本库；当保险箱工作于开锁模式下时，采集到的脑电数据仅用于做身份识别，不存储到样本库中。
3.如权利要求2所述的脑电身份识别的保险箱，其特征在于，所述脑电处理系统的功能由初始化加密处理功能和后续正常开锁处理功能组成。
4.如权利要求3所述的脑电身份识别的保险箱，其特征在于，脑电处理系统的初始化加密处理功能包括以下处理步骤：
a组建训练库与测试库
将样本库中80％的使用者的脑电数据和等量随机选取他人的脑电数据组成训练库，将样本库中余下的20％的使用者脑电数据和全部他人脑电数据组成测试库；
b脑电数据的预处理
利用FIR滤波器将采集的脑电原始信号截取出频率在8～12Hz的波段信号；
c利用AR模型提取脑电特征参数
应用BIC准则计算采集的脑电数据匹配的AR模型的阶数；
对每个试验者的每个电极通道的脑电数据，使用最小二乘估计法得到匹配的AR模型；
以匹配的AR模型的参数作为该段脑电信号数据的特征参数来表征这段脑电信号；其中，
AR模型的表示如式(1)：
<mrow> <msub> <mi>x</mi> <mi>t</mi> </msub> <mo>=</mo> <munderover> <mi>&amp;Sigma;</mi> <mrow> <mi>i</mi> <mo>=</mo> <mn>1</mn> </mrow> <mi>p</mi> </munderover> <msub> <mi>a</mi> <mi>i</mi> </msub> <msub> <mi>x</mi> <mrow> <mi>t</mi> <mo>-</mo> <mi>i</mi> </mrow> </msub> <mo>+</mo> <msub> <mi>&amp;epsiv;</mi> <mi>t</mi> </msub> <mo>-</mo> <mo>-</mo> <mo>-</mo> <mrow> <mo>(</mo> <mn>1</mn> <mo>)</mo> </mrow> </mrow>
其中是εt零均值，方差σ2的平稳白噪声过程；)
AR模型的阶数p由BIC准则确定，BIC准则函数定义如式(2)：
BIC(p)＝Nlnσ2+plnN (2)
其中N是样本数据的长度，p是最优阶数；
采集脑电数据有k个电极通道，每个电极数据的最优阶数为pi，其中1≤i≤k，取估计的阶p＝min(pi)；
εt和各阶系数ai就是所要提取的脑电特征参数，提取后的脑电特征参数ei,j是一个k×(p+1)的矩阵数据；
d建立BP神经网络的分类器
对提取的脑电特征参数ei,j的第j列(其中j＝1,2,...p+1)数据，建立第j个BP神经网络，输入层的节点数为k个，输出层节点1个，输出为1时代表识别为本人，输出为0时代表识别为他人；
e构建BP分类器串联的分类网络
用步骤d建立的p+1个BP分类器串联形成身份识别的分类网络，即第j个分类器负责训练学习第j列脑电特征参数；
由于分类器串联的结构，对于最终的身份识别，判断结果由各个分类器的判断结果进行逻辑“与”运算后得到；
由使用者为保险箱输入一个[0.1，0.5]的数值作为阈值r，r称为安全等级；
对于分类网络的身份识别，每份数据的识别都是输出一个[0，1]的结果，当输出结果不接近于1或不接近于0时，对于给定的阈值r,若输出结果大于r，认为识别为1，若小于等于r，认为识别为0；
f加密情况测试
将测试库里面的所有非使用者的脑电数据逐一输入到已训练好的分类网络中，若身份识别的输出结果全部都小于等于r，则排他性可靠；若输出结果不全小于等于r，则加密失败，从样本库中删去已采集的使用者数据，重新采集多份使用者脑电数据然后返回第1步；
将测试库里面的使用者的脑电数据逐一输入到分类网络中，统计输出结果大于r的比例，若该比例大于50％，同时满足排他性可靠，则加密成功；若该比例小于等于50％，则使用者自身脑电数据识别通过率过低，加密失败，新采集多份使用者脑电数据然后返回第1步；
g存储分类网络，加密完成
将通过加密测试的分类网络的各个参数存储起来，完成保险箱的初始化加密。
5.如权利要求4所述的脑电身份识别的保险箱，其特征在于，脑电处理系统的后续正常开锁处理功能包括以下处理步骤：
用滤波器将采集的脑电原始信号截取出频率在8～12Hz的波段信号；
使用最小二乘法估计每个通道脑电数据的p阶AR模型参数，取得到的εt和各阶系数ai作为该份脑电数据的特征参数，得到一个k×(p+1)的矩阵数据ei,j；
将矩阵数据ei,j输入到已存储的分类网络中，若输出结果大于r，则识别为本人，保险箱开锁，若输出结果小于等于r，则识别不通过。
6.如权利要求4所述的脑电身份识别的保险箱，其特征在于，使用者输入的[0.1，0.5]的阈值r称为安全等级，r的值越大，保险箱的安全性越高。
CN201710334056.4A 2017-05-12 2017-05-12 一种基于脑电身份识别的保险箱 Active CN107067519B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201710334056.4A CN107067519B (zh) 2017-05-12 2017-05-12 一种基于脑电身份识别的保险箱

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201710334056.4A CN107067519B (zh) 2017-05-12 2017-05-12 一种基于脑电身份识别的保险箱

Publications (2)

Publication Number Publication Date
CN107067519A true CN107067519A (zh) 2017-08-18
CN107067519B CN107067519B (zh) 2023-02-03

Family

ID=59597045

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201710334056.4A Active CN107067519B (zh) 2017-05-12 2017-05-12 一种基于脑电身份识别的保险箱

Country Status (1)

Country Link
CN (1) CN107067519B (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107669267A (zh) * 2017-10-17 2018-02-09 山东大学 一种基于深度学习的脑电信号开锁系统及方法
CN109171753A (zh) * 2018-08-16 2019-01-11 广东工业大学 一种基于深度自编码神经网络的脑电信号eeg身份识别方法

Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
DE10000939A1 (de) * 1999-01-13 2000-07-27 Yazaki Corp Rufantwortverfahren für Fahrzeuge
CN101716079A (zh) * 2009-12-23 2010-06-02 江西蓝天学院 基于多特征算法的脑纹身份识别认证方法
CN101828921A (zh) * 2010-06-13 2010-09-15 天津大学 基于视觉诱发脑电vep的身份识别方法
CN102509103A (zh) * 2011-09-29 2012-06-20 天津大学 基于视觉诱发p3脑电的身份识别
CN203250345U (zh) * 2013-04-22 2013-10-23 南京邮电大学 基于脑电波身份识别的门禁系统
CN103929311A (zh) * 2014-04-28 2014-07-16 无锡北斗星通信息科技有限公司 一种基于脑电波波形特征的挑战型动态口令认证方法
CN104052612A (zh) * 2013-03-13 2014-09-17 中国移动通信集团广东有限公司 一种电信业务的故障识别与定位的方法及系统
US20160219047A1 (en) * 2012-10-22 2016-07-28 Tata Consultancy Services Limited Secure data communication

Patent Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
DE10000939A1 (de) * 1999-01-13 2000-07-27 Yazaki Corp Rufantwortverfahren für Fahrzeuge
CN101716079A (zh) * 2009-12-23 2010-06-02 江西蓝天学院 基于多特征算法的脑纹身份识别认证方法
CN101828921A (zh) * 2010-06-13 2010-09-15 天津大学 基于视觉诱发脑电vep的身份识别方法
CN102509103A (zh) * 2011-09-29 2012-06-20 天津大学 基于视觉诱发p3脑电的身份识别
US20160219047A1 (en) * 2012-10-22 2016-07-28 Tata Consultancy Services Limited Secure data communication
CN104052612A (zh) * 2013-03-13 2014-09-17 中国移动通信集团广东有限公司 一种电信业务的故障识别与定位的方法及系统
CN203250345U (zh) * 2013-04-22 2013-10-23 南京邮电大学 基于脑电波身份识别的门禁系统
CN103929311A (zh) * 2014-04-28 2014-07-16 无锡北斗星通信息科技有限公司 一种基于脑电波波形特征的挑战型动态口令认证方法

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
官金安等: "非监督特征学习方法在脑电身份识别中的应用", 《中南民族大学学报(自然科学版)》 *
胡剑锋等: "基于脑电信号的身份识别方法", 《中国组织工程研究与临床康复》 *

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107669267A (zh) * 2017-10-17 2018-02-09 山东大学 一种基于深度学习的脑电信号开锁系统及方法
CN107669267B (zh) * 2017-10-17 2020-06-19 山东大学 一种基于深度学习的脑电信号开锁系统及方法
CN109171753A (zh) * 2018-08-16 2019-01-11 广东工业大学 一种基于深度自编码神经网络的脑电信号eeg身份识别方法
CN109171753B (zh) * 2018-08-16 2021-05-11 广东工业大学 一种基于深度自编码神经网络的脑电信号eeg身份识别方法

Also Published As

Publication number Publication date
CN107067519B (zh) 2023-02-03

Similar Documents

Publication Publication Date Title
EP1307258B1 (de) Vorrichtung für den geschützten betrieb von neuroprothesen
CN107437011A (zh) 基于脑电信号的身份识别的方法和装置
WO2014060134A2 (de) Verwenden einer puf zur prüfung einer authentisierung, insbesondere zum schutz vor unberechtigtem zugriff auf eine funktion eines ics oder steuergerätes
CN107633573A (zh) 一种智能门锁的开锁方法及智能门锁
CN107067519A (zh) 一种基于脑电身份识别的保险箱
CN106650706A (zh) 一种指纹采集方法、装置及移动终端
CN104809783A (zh) 一种安全门禁系统
CN104809780A (zh) 一种基于指纹识别和面部识别的门禁控制方法
CN108124490A (zh) 智能锁及解锁方法
CN116127524B (zh) 一种基于大数据分析的企业信息安全管理系统
CN105046792A (zh) 保险箱开启系统
CN103207963A (zh) 指纹加静脉识别双重验证系统
CN107957780A (zh) 一种基于稳态视觉诱发电位生理特性的脑机接口系统
US20210133311A1 (en) Privacy management method and system for smart devices and social software
CN106452746A (zh) 一种具有安全威胁监测能力的生物密钥智能密码钥匙
CN107169434A (zh) 一种具备排他性的脑电身份识别方法
CN107169460A (zh) 一种信息发送方法及装置、用户设备
CN110113423A (zh) 一种基于互联网推送智能门锁使用消息的方法
WO1999060531A1 (de) Vorrichtung zur erkennung von lebewesen oder gegenständen
CN106408690A (zh) 核电厂人员出入口控制装置和方法
CN105447369A (zh) 一种基于虹膜特征打开应用的方法及移动终端
Müller-Gerking et al. Detecting non-linearities in neuro-electrical signals: a study of synchronous local field potentials
CN207776615U (zh) 一种锁具
CN107483189B (zh) 一种基于量子纠缠的量子密码锁系统
Rafi et al. Survey for Interlinking of DNA Models with Aadhaar Real-Time Records for Enhanced Authentication

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant