CN109784027B - 基于双重脑电信号特征的身份验证方法 - Google Patents
基于双重脑电信号特征的身份验证方法 Download PDFInfo
- Publication number
- CN109784027B CN109784027B CN201910025050.8A CN201910025050A CN109784027B CN 109784027 B CN109784027 B CN 109784027B CN 201910025050 A CN201910025050 A CN 201910025050A CN 109784027 B CN109784027 B CN 109784027B
- Authority
- CN
- China
- Prior art keywords
- electroencephalogram
- dual
- image
- event
- decryptor
- 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.)
- Active
Links
Images
Landscapes
- Measurement Of The Respiration, Hearing Ability, Form, And Blood Characteristics Of Living Organisms (AREA)
- Measurement And Recording Of Electrical Phenomena And Electrical Characteristics Of The Living Body (AREA)
Abstract
本发明公开一种基于双重脑电信号特征的身份验证方法,具体步骤包括:1、建立生物特征密码库,2、采集解密者的脑电信号,3、预处理脑电信号,4、验证解密者的图像密码,5、判断图像密码是否相同,6、验证解密者的事件相关电位。本发明克服了已有技术中利用P300成分进行身份验证准确度不高的缺陷,通过对图像密码和事件相关电位的双重验证,提高了利用脑电信号进行身份验证的安全性,减少了实验中脑电信号的采集时间,可广泛应用于身份验证类应用系统、控制类应用系统、显示和报警类应用系统。
Description
技术领域
本发明属于物理技术领域,进一步涉及到生物特征识别技术领域中的一种基于双重脑电信号特征的身份验证方法。本发明依托于计算机终端对待验证人进行身份的识别,可广泛应用于身份验证类应用系统、控制类应用系统,显示和报警类应用系统。
背景技术
生物特征是指唯一的、可以测量、可自动识别、可验证的生理特征或行为方式,而生物特征识别技术就是利用这些特征对人进行身份验证的一种技术。现有的用于身份验证的生物特征识别技术,如声纹识别、指纹识别、人脸识别、虹膜识别等方法,虽然比传统方法保密性有所提高,但还是有不足之处。例如声纹识别容易被模仿,部分残疾人无法进行指纹识别和虹膜识别,人脸识别对双胞胎的识别率低等,因此并不适用于高级别的加密设施。脑电波作为一种生物特征,同样也具备独一无二的特性,同时它还具备普遍性,每个人都会产生脑电波。而且不同于指纹等其他生物特征的易采集性,脑电波是大脑活动产生的微弱的电磁场变化,难以在被采集者不知情的情况下获取,这使得脑电波在作为生物特征身份识别方面有着得天独厚的优势。
清华大学在其申请的专利文献“基于人脑记忆特征客观检测的身份识别方法”(专利申请号200510126254.9,申请公开号CN 1803086 A)中公开了一种基于人脑记忆特征客观检测的身份识别方法。该方法根据受试者声明的身份确定其经历,选择若干与之经历相关和经历无关记忆刺激组,选择其中一组作为靶刺激,要求受试者对给出的记忆刺激判断是否含有靶刺激,依据判断时对受试者采集到的脑电信号中是否含有P300成分来验证受试者的身份,所述P300成分是指受试者辨认新奇刺激时在其头皮记录的、潜伏期为300ms的晚期正波。该方法存在的不足之处是:其一,该方法涉及到利用P300成分对受试者进行身份的验证,当受试者看到靶刺激出现产生心理反应后,脑电信号中就会出现P300成分,因此存在P300成分不稳定的缺陷。其二,该方法在处理采集到的脑电信号时剔除了其中的眼电信号,只将P300成分作为生物特征密码,而P300成分的检测难度大,导致降低了利用脑电信号验证身份的准确度。其三,该方法验证受试者的身份只有针对检测P300成分的单层安全验证,一旦这一层安全验证出现问题,利用该方法进行身份识别就毫无安全性。
Maria V.Ruiz-Blondet在其发表的论文“CEREBRE:A Novel Method for VeryHigh Accuracy Event-Related Potential Biometric Identification”(IEEETRANSACTIONS ON INFORMATION FORENSICS AND SECURITY,VOL.11, NO.7.JULY 2016)中提出了一种基于高精度事件相关电位生物特征对人进行身份识别的方法。该方法的步骤是,首先在计算机屏幕上向每名被试随机展示400 张不同的图像,其中包含100张彩色图像,其余都是黑白图像,要求被试在计算机屏幕上看到后彩色图像后做出按键反应。400张图像展示结束后向被试继续随机展示一组90张的彩色食物图像,其中包含一张汉堡图像,要求被试在每次看到汉堡图像时都做出按键反应,最后要求被试闭上眼睛休息5分钟。该方法将不同的视觉刺激所诱发出的脑电波作为被试的身份验证数据,对人身份识别的准确率达到了100%。但是,该方法仍然存在的不足之处是:该方法采集脑电信号的时间接近1个小时,对人进行身份识别的时间过长,导致该方法在工程实践中的实用性受到限制。
发明内容
本发明的目的是针对上述现有技术存在的不足,提供一种基于双重脑电信号特征的身份验证方法。
实现本发明目的的具体思路是:利用采集操作范式,采集包括加密者的事件相关电位和眼电信号的双重脑电信号,对双重脑电信号进行预处理,利用叠加平均方法得到加密者的事件相关电位,在验证解密者的身份时,利用与采集加密者脑电信号相同的操作范式,采集包括解密者的事件相关电位和眼电信号的双重脑电信号;将解密者的双重脑电信号经过滤波、分段后,通过计算每段脑电信号幅值的方差验证解密者的图像密码,如果图像密码不正确则解密者身份验证失败,如果图像密码正确再通过对脑电信号作叠加平均得到解密者的事件相关电位,验证解密者与加密者的事件相关电位是否匹配,通过两次验证判断解密者和加密者的身份是否一致。
本发明方法包括以下步骤:
(1)建立生物特征密码库:
(1a)利用采集操作范式,采集包括加密者的事件相关电位和眼电信号的双重脑电信号;
(1b)利用带通滤波器,对所采集的双重脑电信号进行滤波,得到滤波后的双重脑电信号;
(1c)利用叠加平均方法,建立生物特征密码库;
(2)采集解密者的双重脑电信号:
利用与采集加密者脑电信号相同的采集操作范式,采集包括解密者的事件相关电位和眼电信号的双重脑电信号;
(3)预处理双重脑电信号:
(3a)利用带通滤波器,对解密者的双重脑电信号进行频域滤波,得到滤波后的双重脑电信号;
(3b)按照采集操作范式中解密者观看每张图像的时间,对双重脑电信号进行分段,每段脑电信号对应一张图像;
(4)验证解密者的图像密码:
(4a)利用方差公式,计算每个脑电信号段幅值的方差;
(4b)判断每个脑电信号段中幅值的方差是否大于等于400,若是,执行步骤(4c),否则,解密者身份验证失败,执行步骤(8);
(5)判断大于等于400的脑电信号段对应的图像与加密者的图像密码是否相同,若是,执行步骤(6),否则,执行步骤(8);
(6)获得删除后的脑电信号段:
删除解密者的脑电信号段中幅值方差大于等于400的脑电信号段,得到删除后的脑电信号段后执行步骤(7);
(7)验证解密者的事件相关电位:
(7a)对删除后的脑电信号中的每段分别进行叠加平均,将所有脑电信号叠加平均值,组成解密者事件相关电位的64*250数据矩阵;
(7b)利用Pearson相关系数公式,计算加密者和解密者的事件相关电位数据矩阵中每一行数据之间的Pearson相关系数,得到64个Pearson相关系数值;
(7c)判断所有Pearson相关系数值中是否有一半或者一半以上的Pearson 相关系数值大于等于0.5,若是,则执行步骤(9),否则,身份验证失败,执行步骤(8);
(8)退出验证;
(9)解密者身份验证成功,确认加密者和解密者是同一人。
本发明与现有技术相比具有如下优点:
第一,由于本发明利用与采集加密者脑电信号相同的采集操作范式,采集包括解密者的事件相关电位和眼电信号的双重脑电信号,验证解密者的图像密码,验证解密者的事件相关电位,克服了现有技术中只将不稳定的P300成分作为生物特征密码,降低了利用脑电信号验证身份的准确度,验证受试者的身份只有针对检测P300成分的单层安全验证,一旦这一层安全验证出现故障,利用该方法进行身份识别就毫无安全性的问题,使得本发明采集的生物特征具有稳定性高的特点,提高了脑电信号验证身份的准确度,加强了利用脑电信号验证身份的安全性。
第二,由于本发明利用与采集加密者脑电信号相同的采集操作范式,采集包括解密者的事件相关电位和眼电信号的双重脑电信号,验证解密者的图像密码,验证解密者的事件相关电位,克服了现有技术中采集脑电信号时间过长的问题,使得本发明能够更好的应用在工程实践中。
附图说明
图1是本发明的流程图;
图 2(a)-2(b) 是本发明的仿真图。
具体实施方式
下面结合附图对本发明做进一步的描述。
参照图1,对本发明的具体实施步骤做进一步的描述。
步骤1,建立生物特征密码库。
利用采集操作范式,采集包括加密者的事件相关电位和眼电信号的双重脑电信号。
所述的操作范式是指,从数据集中选择4种不同类型的图像,每种类型中选取十张不同的图像,被采集者从每种类型中任选一张图像作为图像密码并记住该图像密码,将每种类型中的图像一次一张随机展示给被采集者,每张图像的展示时间相同,用g.Nautilus16导联无线干电极脑电采集设备采集被采集者的脑电信号,所采集的双重脑电信号包括被采集者观看每类图像的事件相关电位和看到密码图像时眨眼产生的眼电信号,记录被采集者观看每张图像的时间。
利用巴特沃斯有限长单位冲激响应带通滤波器,对所采集的双重脑电信号进行滤波,得到滤波后的双重脑电信号。
利用叠加平均方法,建立生物特征密码库;所述叠加平均方法的具体步骤如下。
第1步,按照加密者观看每张图像的时间,对脑电信号进行分段,每段脑电信号对应一张图像;
第2步,将非密码图像对应的脑电信号段进行叠加平均,得到加密者的事件相关电位;
第3步,将加密者的图像密码和事件相关电位录入到生物特征密码库中。
步骤2,采集解密者的双重脑电信号。
利用与采集加密者脑电信号相同的操作范式,采集包括解密者的事件相关电位和眼电信号的双重脑电信号;所述的操作范式是指,从数据集中选择4种不同类型的图像,每种类型中选取十张不同的图像,被采集者从每种类型中任选一张图像作为图像密码并记住该图像密码,将每种类型中的图像一次一张随机展示给被采集者,每张图像的展示时间相同,用g.Nautilus 16导联无线干电极脑电采集设备采集被采集者的双重脑电信号,所采集的双重脑电信号包括被采集者观看每类图像的事件相关电位和看到密码图像时眨眼产生的眼电信号,记录被采集者观看每张图像的时间。
步骤3,预处理脑电信号。
利用巴特沃斯有限长单位冲激响应带通滤波器,对解密者的双重脑电信号进行频域滤波,得到滤波后的双重脑电信号。
按照采集操作范式中解密者观看每张图像的时间,对双重脑电信号进行分段,每段脑电信号对应一张图像。
步骤4,验证解密者的图像密码。
利用方差公式,计算每个脑电信号段幅值的方差。
所述方差公式如下:
其中,σ表示方差,T表示脑电信号段的幅值,μ表示脑电信号段幅值的平均值。
判断每个脑电信号段中幅值的方差是否大于等于400,若是,执行步骤5,否则,解密者身份验证失败,执行步骤8。
步骤5,判断大于等于400的脑电信号段对应的图像与加密者的图像密码是否相同,若是,执行步骤6,否则,执行步骤8。
步骤6,获得删除后的脑电信号段。
删除解密者的脑电信号段中幅值方差大于等于400的脑电信号段,得到删除后的脑电信号段后执行步骤7。
步骤7,验证解密者的事件相关电位。
对删除后的脑电信号中的每段分别进行叠加平均,将所有脑电信号叠加平均值,组成解密者事件相关电位的64*250数据矩阵。
利用Pearson相关系数公式,计算加密者和解密者的事件相关电位数据矩阵中每一行数据之间的Pearson相关系数,得到64个Pearson相关系数。
所述Pearson相关系数公式如下:
其中,ρX,Y表示解密者的事件相关电位数据矩阵的行向量X和加密者的事件相关电位数据矩阵的行向量Y之间的Pearson相关系数,E表示数学期望操作,μX表示加密者事件相关电位数据矩阵的行向量X的均值,μY表示解密者事件相关电位数据矩阵行向量Y的均值,σX表示加密者事件相关电位数据矩阵行向量 X的方差,σY表示解密者事件相关电位数据矩阵行向量Y的方差。
判断所有Pearson相关系数值中是否有一半或者一半以上的Pearson相关系数值大于等于0.5,若是,则执行步骤9,否则,身份验证失败,执行步骤8。
步骤8,退出验证。
步骤9,解密者身份验证成功,确认加密者和解密者是同一人。
下面结合仿真实验对本发明的效果做进一步的描述。
1.仿真实验条件:
本发明仿真实验是采用g.Nautilus 16导联无线干电极脑电采集设备,使用Matlab 2014b仿真软件。
2.仿真实验内容与结果分析:
本发明的仿真实验是采用本发明方法,分别对10名解密者和1名加密者的身份进行验证。从数据集中选择动物、果蔬、符号、人脸四类图像,每种类型中选取十张不同的图像,将四类图像依次进行编号为动物0,动物1,动物2,动物3,动物4,动物5,动物6,动物7,动物8,动物9,果蔬0,果蔬1,果蔬2,果蔬3,果蔬4,果蔬5,果蔬6,果蔬7,果蔬8,果蔬9,符号0,符号1,符号 2,符号3,符号4,符号5,符号6,符号7,符号8,符号9,人脸0,人脸1,人脸2,人脸3,人脸4,人脸5,人脸6,人脸7,人脸8,人脸9。加密者从中选择四张图像作为图像密码,四张图像分别是动物1,果蔬3,符号4,人脸3。 10名解密者中有9名解密者已经知道加密者的图像密码,剩余1名解密者不知道加密者的图像密码。首先对解密者进行图像密码验证,计算每个脑电信号段幅值的方差,然后对通过图像密码验证的解密者进行事件相关电位验证,计算加密者和解密者的事件相关电位数据矩阵中每一行数据之间的Pearson相关系数,判断所有Pearson相关系数值中是否有一半或者一半以上的Pearson相关系数值大于等于0.5。
为了验证本发明方法的仿真实验的效果,采用本发明方法对10名解密者进行图像密码验证和事件相关电位验证,其中进行事件相关电位验证时一共进行了 5次测试验证。将计算出的每个脑电信号段幅值的方差用折线连接,得到方差曲线,如图2(a)所示。图2(a)是本发明两名解密者验证图像密码时每张图像对应的脑电信号段幅值的方差。其中,图2(a)中的横坐标表示图像,纵坐标表示每张图像对应的脑电信号段幅值的方差值。
计算加密者和解密者的事件相关电位数据矩阵中每一行数据之间的Pearson 相关系数,得到所有Pearson相关系数值中大于等于0.5的Pearson相关系数的个数,用折线连接,得到Pearson相关系数值中大于等于0.5的Pearson相关系数的个数曲线,如图2(b)所示。图2(b)是本发明验证事件相关电位时Pearson 相关系数值中大于等于0.5的个数。其中,图2(b)中的横坐标表示每次测试验证中的每名解密者,纵坐标表示Pearson相关系数值中大于等于0.5的Pearson 相关系数个数。
由图2(a)的仿真结果可见,其中解密者1知道加密者的图像密码,解密者 2不知道加密者的图像密码,采用本发明方法对解密者进行图像密码验证时,解密者1的脑电信号段中,方差大于等于400所对应的图像分别为动物1,果蔬3,符号4,人脸3,与加密者的图像密码相同,将继续验证事件相关电位;解密者2的脑电信号段中,方差大于等于400所对应的图像分别为动物5,果蔬2,果蔬6,果蔬9,符号6,人脸2,人脸7,与加密者的图像密码不相同,因此解密者2身份验证失败。
由图2(b)的仿真结果可见,五次验证中,只有加密者的Pearson相关系数值中大于等于0.5的Pearson相关系数的个数每次都超过了32个,其余9名解密者五次验证中没有一次Pearson相关系数值中大于等于0.5的Pearson相关系数的个数超过了32个,最终只有加密者通过验证。所以,本发明能有效利用双重脑电信号进行身份验证,保证了利用脑电信号进行身份验证的准确度和安全性。
Claims (4)
1.一种基于双重脑电信号特征的身份验证方法,其特征在于,利用与采集加密者脑电信号相同的操作范式,采集包括解密者的事件相关电位和眼电信号的双重脑电信号,验证解密者的图像密码,验证解密者的事件相关电位,该方法的步骤包括如下:
(1)建立生物特征密码库:
(1a)利用下述采集操作范式,采集包括加密者的事件相关电位和眼电信号的双重脑电信号:从数据集中选择4种不同类型的图像,每种类型中选取十张不同的图像,被采集者从每种类型中任选一张图像作为图像密码并记住该图像密码,将每种类型中的图像一次一张随机展示给被采集者,每张图像的展示时间相同,采集被采集者的双重脑电信号,所采集的双重脑电信号包括被采集者观看每类图像的事件相关电位和看到密码图像时眨眼产生的眼电信号,记录被采集者观看每张图像的时间;
(1b)利用带通滤波器,对所采集的双重脑电信号进行滤波,得到滤波后的双重脑电信号;
(1c)利用叠加平均方法,建立生物特征密码库;
(2)采集解密者的双重脑电信号:
利用与步骤(1a)采集加密者脑电信号相同的采集操作范式,采集包括解密者的事件相关电位和眼电信号的双重脑电信号;
(3)预处理双重脑电信号:
(3a)利用带通滤波器,对解密者的双重脑电信号进行频域滤波,得到滤波后的双重脑电信号;
(3b)按照采集操作范式中解密者观看每张图像的时间,对双重脑电信号进行分段,每段脑电信号对应一张图像;
(4)验证解密者的图像密码:
(4a)利用方差公式,计算每个脑电信号段幅值的方差;
(4b)判断每个脑电信号段中幅值的方差是否大于等于400,若是,执行步骤(5),否则,解密者身份验证失败,执行步骤(8);
(5)判断大于等于400的脑电信号段对应的图像与加密者的图像密码是否相同,若是,执行步骤(6),否则,执行步骤(8);
(6)获得删除后的脑电信号段:
删除解密者的脑电信号段中幅值方差大于等于400的脑电信号段,得到删除后的脑电信号段后执行步骤(7);
(7)验证解密者的事件相关电位:
(7a)对删除后的脑电信号中的每段分别进行叠加平均,将所有脑电信号叠加平均值,组成解密者事件相关电位的64*250数据矩阵;
(7b)利用Pearson相关系数公式,计算加密者和解密者的事件相关电位数据矩阵中每一行数据之间的Pearson相关系数,得到64个Pearson相关系数值;
(7c)判断所有Pearson相关系数值中是否有一半或者一半以上的Pearson相关系数值大于等于0.5,若是,则执行步骤(9),否则,身份验证失败,执行步骤(8);
(8)退出验证;
(9)解密者身份验证成功,确认加密者和解密者是同一人。
4.根据权利要求1所述的基于双重脑电信号特征的身份验证方法,其特征在于:步骤(1c)中所述叠加平均方法的具体步骤如下:
第一步,按照加密者观看每张图像的时间,对脑电信号进行分段,每段脑电信号对应一张图像;
第二步,将非密码图像对应的脑电信号段进行叠加平均,得到加密者的事件相关电位;
第三步,将加密者的图像密码和事件相关电位录入到生物特征密码库中。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910025050.8A CN109784027B (zh) | 2019-01-11 | 2019-01-11 | 基于双重脑电信号特征的身份验证方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910025050.8A CN109784027B (zh) | 2019-01-11 | 2019-01-11 | 基于双重脑电信号特征的身份验证方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN109784027A CN109784027A (zh) | 2019-05-21 |
CN109784027B true CN109784027B (zh) | 2022-03-22 |
Family
ID=66499305
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910025050.8A Active CN109784027B (zh) | 2019-01-11 | 2019-01-11 | 基于双重脑电信号特征的身份验证方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109784027B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113190122A (zh) * | 2021-05-31 | 2021-07-30 | 江苏集萃脑机融合智能技术研究所有限公司 | 基于脑信号的智能装置、方法、智慧系统及应用 |
Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
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 |
CN102755162A (zh) * | 2012-06-14 | 2012-10-31 | 天津大学 | 一种基于视听认知事件相关脑电的身份识别方法 |
CN102793540A (zh) * | 2012-06-14 | 2012-11-28 | 天津大学 | 一种视听认知事件相关电位实验范式的优化方法 |
CN105389494A (zh) * | 2015-11-04 | 2016-03-09 | 上海大学 | 基于脑电波的生物识别密码验证系统和方法 |
CN106175757A (zh) * | 2016-07-11 | 2016-12-07 | 温州大学 | 基于脑电波的行为决策预测系统 |
CN107609492A (zh) * | 2017-08-25 | 2018-01-19 | 西安电子科技大学 | 基于脑电信号的失真图像质量感知评价方法 |
CN108236749A (zh) * | 2016-12-23 | 2018-07-03 | 律维施泰因医学技术股份有限公司 | 呼吸装置系统和方法 |
CN108388846A (zh) * | 2018-02-05 | 2018-08-10 | 西安电子科技大学 | 基于典型相关分析的脑电α波检测识别方法 |
CN108960182A (zh) * | 2018-07-19 | 2018-12-07 | 大连理工大学 | 一种基于深度学习的p300事件相关电位分类识别方法 |
CN108985029A (zh) * | 2018-06-05 | 2018-12-11 | 中国科学院半导体研究所 | 基于视觉刺激的脑电身份识别方法 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US8392255B2 (en) * | 2007-08-29 | 2013-03-05 | The Nielsen Company (Us), Llc | Content based selection and meta tagging of advertisement breaks |
-
2019
- 2019-01-11 CN CN201910025050.8A patent/CN109784027B/zh active Active
Patent Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
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 |
CN102755162A (zh) * | 2012-06-14 | 2012-10-31 | 天津大学 | 一种基于视听认知事件相关脑电的身份识别方法 |
CN102793540A (zh) * | 2012-06-14 | 2012-11-28 | 天津大学 | 一种视听认知事件相关电位实验范式的优化方法 |
CN105389494A (zh) * | 2015-11-04 | 2016-03-09 | 上海大学 | 基于脑电波的生物识别密码验证系统和方法 |
CN106175757A (zh) * | 2016-07-11 | 2016-12-07 | 温州大学 | 基于脑电波的行为决策预测系统 |
CN108236749A (zh) * | 2016-12-23 | 2018-07-03 | 律维施泰因医学技术股份有限公司 | 呼吸装置系统和方法 |
CN107609492A (zh) * | 2017-08-25 | 2018-01-19 | 西安电子科技大学 | 基于脑电信号的失真图像质量感知评价方法 |
CN108388846A (zh) * | 2018-02-05 | 2018-08-10 | 西安电子科技大学 | 基于典型相关分析的脑电α波检测识别方法 |
CN108985029A (zh) * | 2018-06-05 | 2018-12-11 | 中国科学院半导体研究所 | 基于视觉刺激的脑电身份识别方法 |
CN108960182A (zh) * | 2018-07-19 | 2018-12-07 | 大连理工大学 | 一种基于深度学习的p300事件相关电位分类识别方法 |
Non-Patent Citations (3)
Title |
---|
A Novel EOG/EEG Hybrid Human–Machine Interface Adopting Eye Movements and ERPs: Application to Robot Control;Jiaxin Ma等;《IEEE Transactions on Biomedical Engineering》;20141112;第62卷(第3期);第876-889页 * |
基于EEG和fNIRS的多模态脑—机接口的特征提取与分类方法研究;朱广明;《中国优秀博硕士学位论文全文数据库(硕士)医药卫生科技辑》;20180415(第04期);第E080-30页 * |
基于脑电信号的身份识别系统研究;王英迪;《中国优秀硕士学位论文全文数据库 信息科技辑》;20200215(第02期);第I136-297页 * |
Also Published As
Publication number | Publication date |
---|---|
CN109784027A (zh) | 2019-05-21 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US9646261B2 (en) | Enabling continuous or instantaneous identity recognition of a large group of people based on physiological biometric signals obtained from members of a small group of people | |
US8065529B2 (en) | Methods for using a biometric parameter in the identification of persons | |
CN106503517B (zh) | 一种基于虚拟现实头盔脑纹采集的安全认证系统 | |
CN105249963B (zh) | 基于样本熵的n400诱发电位测谎方法 | |
Jayarathne et al. | Survey of EEG-based biometric authentication | |
CN107437011A (zh) | 基于脑电信号的身份识别的方法和装置 | |
Reshmi et al. | A novel approach to brain biometric user recognition | |
Yudhana et al. | Human emotion recognition based on EEG signal using fast fourier transform and K-Nearest neighbor | |
Falzon et al. | EEG-based biometry using steady state visual evoked potentials | |
Abbas et al. | Eye blinking EOG signals as biometrics | |
CN111616702A (zh) | 一种基于认知负荷增强的测谎分析系统 | |
CN109784027B (zh) | 基于双重脑电信号特征的身份验证方法 | |
Bak et al. | User biometric identification methodology via eeg-based motor imagery signals | |
Attallah | Multi-tasks biometric system for personal identification | |
CN109684296A (zh) | 脑纹识别数据库构建方法、装置、计算机设备和存储介质 | |
Cakmak et al. | Neuro signal based lie detection | |
Yu et al. | P300-BCI-based authentication system | |
Frank et al. | Personalizable neurological user authentication framework | |
Thomas et al. | EEG-based biometrie authentication using self-referential visual stimuli | |
Do et al. | EEG-based biometrics utilizing image recognition for patient identification | |
Shindo et al. | Person verification using electroencephalograms evoked by new imperceptible vibration stimulation | |
Saini et al. | Information detection in brain using wavelet features and K-nearest neighbor | |
Kaur et al. | A study of EEG for enterprise multimedia security | |
Yu et al. | A feasibility study of using event-related potential as a biometrics | |
Bernal et al. | Evaluation of Data Processing and Machine Learning Techniques in P300-based Authentication using Brain-Computer Interfaces |
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 |