CN109814096A - 识别装置及识别方法 - Google Patents

识别装置及识别方法 Download PDF

Info

Publication number
CN109814096A
CN109814096A CN201811364184.4A CN201811364184A CN109814096A CN 109814096 A CN109814096 A CN 109814096A CN 201811364184 A CN201811364184 A CN 201811364184A CN 109814096 A CN109814096 A CN 109814096A
Authority
CN
China
Prior art keywords
mentioned
organism
signal
antenna element
identification device
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
CN201811364184.4A
Other languages
English (en)
Other versions
CN109814096B (zh
Inventor
中山武司
饭冢翔一
本间尚树
屉川大
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.)
Panasonic Intellectual Property Management Co Ltd
Original Assignee
Panasonic Intellectual Property Management Co Ltd
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
Priority claimed from JP2018105032A external-priority patent/JP7065404B2/ja
Application filed by Panasonic Intellectual Property Management Co Ltd filed Critical Panasonic Intellectual Property Management Co Ltd
Publication of CN109814096A publication Critical patent/CN109814096A/zh
Application granted granted Critical
Publication of CN109814096B publication Critical patent/CN109814096B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/72—Signal processing specially adapted for physiological signals or for diagnostic purposes
    • A61B5/7235—Details of waveform analysis
    • A61B5/7264—Classification of physiological signals or data, e.g. using neural networks, statistical classifiers, expert systems or fuzzy systems
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L63/00—Network architectures or network communication protocols for network security
    • H04L63/08—Network architectures or network communication protocols for network security for authentication of entities
    • H04L63/0861—Network architectures or network communication protocols for network security for authentication of entities using biometrical features, e.g. fingerprint, retina-scan
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/05—Detecting, measuring or recording for diagnosis by means of electric currents or magnetic fields; Measuring using microwaves or radio waves 
    • A61B5/053—Measuring electrical impedance or conductance of a portion of the body
    • A61B5/0536—Impedance imaging, e.g. by tomography
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/117—Identification of persons
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
    • G06F17/10—Complex mathematical operations
    • G06F17/15—Correlation function computation including computation of convolution operations
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F21/00—Security arrangements for protecting computers, components thereof, programs or data against unauthorised activity
    • G06F21/30—Authentication, i.e. establishing the identity or authorisation of security principals
    • G06F21/31—User authentication
    • G06F21/32—User authentication using biometric data, e.g. fingerprints, iris scans or voiceprints
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
    • G06V40/40—Spoof detection, e.g. liveness detection
    • G06V40/45—Detection of the body part being alive
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L25/00—Baseband systems
    • H04L25/02—Details ; arrangements for supplying electrical power along data transmission lines
    • H04L25/06—Dc level restoring means; Bias distortion correction ; Decision circuits providing symbol by symbol detection
    • H04L25/061—Dc level restoring means; Bias distortion correction ; Decision circuits providing symbol by symbol detection providing hard decisions only; arrangements for tracking or suppressing unwanted low frequency components, e.g. removal of dc offset
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F2218/00—Aspects of pattern recognition specially adapted for signal processing
    • G06F2218/12—Classification; Matching
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F2218/00—Aspects of pattern recognition specially adapted for signal processing
    • G06F2218/12—Classification; Matching
    • G06F2218/16—Classification; Matching by matching signal segments
    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
    • G16H50/00—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics
    • G16H50/20—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for computer-aided diagnosis, e.g. based on medical expert systems

Abstract

本发明的识别装置具备：M个发送天线元件，向包括第1生物体的规定范围发送第1发送信号；N个接收部，分别具有接收天线元件、将规定范围的周围包围而配置，分别使用该接收天线元件将包含第1发送信号被第1生物体反射后的反射信号的第1接收信号在规定期间接收；存储器(41)，存储对第2生物体得到的M×N个第2接收信号即教师信号(42)；电路(40)，根据教师信号(42)、和N个接收部分别接收第1接收信号而得到的M×N个第1接收信号，计算多个相关系数，根据计算出的多个相关系数的最大值是否超过了阈值来进行第1生物体的生物体认证，在进行第1生物体的生物体认证的情况下，用规定的方法识别为第1生物体与第2生物体相同。

Description

识别装置及识别方法
技术领域
本发明涉及向生物体照射无线信号并接收其反射信号而进行生物体的识别的识别装置及识别方法。
背景技术
已知向生物体照射无线信号并接收其反射信号而进行生物体的识别的技术(例如专利文献1、2)。在专利文献1中，公开了对汽车的驾驶者照射电磁波、使用其反射波提取心率及心音信号来识别驾驶者个人的装置。此外，在专利文献2中，公开了使用多个收发机对汽车的驾驶者测量受检者的心率数的方法。
此外，例如在专利文献3中，公开了通过多个天线对受检者进行360度放射模式的测量装置。
专利文献1：日本特开2015－042293号公报
专利文献2：日本特开2009－055997号公报
专利文献3：日本特开2007－325621号公报
可是，在利用电磁波的生物体识别中，比较教师数据与测量被测量者而得的测量数据来进行生物体识别的情况较多。
但是，在教师数据中不包含被测量者的数据的情况下，有将与该被测量者的数据最接近的教师数据辨识为本人、误将他人接纳的问题。
发明内容
本发明是鉴于上述情况而做出的，目的在于提供识别装置及识别方法，能够减小作为他人接纳率(FAR：False Acceptance Rate)及本人拒绝率(FRR：False RejectionRate)的平衡点的等价错误率(EER：Equal Error Rate)。
为了达到上述目的，本发明的一技术方案的识别装置，具备：M个发送天线元件，向包括第1生物体的规定范围发送第1发送信号，M是1以上的整数；N个接收部，分别具有接收天线元件并将上述规定范围的周围包围而配置，分别使用该接收天线元件将包含上述第1发送信号被上述第1生物体反射后的反射信号的第1接收信号在规定期间中接收，N是3以上的整数；存储器，存储有教师信号，该教师信号是使上述N个接收部预先接收第2接收信号而得到的M×N个第2接收信号，上述第2接收信号包含从上述M个发送天线元件对第2生物体发送的第2发送信号被上述第2生物体反射后的反射信号；以及电路，根据上述教师信号、和上述N个接收部分别接收上述第1接收信号而得到的M×N个上述第1接收信号，计算多个相关系数，根据计算出的上述多个相关系数的最大值是否超过了阈值来进行上述第1生物体的生物体认证，在进行上述第1生物体的生物体认证的情况下，用规定的方法识别为上述第1生物体与上述第2生物体相同。
另外，这些整体性或具体性的技术方案也可以由系统、方法、集成电路、计算机程序或计算机可读取的CD－ROM等记录介质实现，也可以由系统、方法、集成电路、计算机程序及记录介质的任意组合来实现。
根据本发明的识别装置，能够减小生物体识别的等价错误率。
附图说明
图1是表示实施方式的识别装置的结构的一例的结构图。
图2是表示图1所示的教师信号的一例的图。
图3是表示图1所示的电路的详细结构的一例的结构图。
图4是表示实施方式的识别装置的动作的一例的流程图。
图5是表示图4所示的步骤S14的详细动作的流程图。
图6是表示图4所示的步骤S15的详细动作的流程图。
图7是表示在实施方式的识别装置的辨识测试中使用的环境的图。
图8是表示根据在图7所示的环境中接收到的接收信号计算出的传输通道的一例的图。
图9是表示从图8所示的传输通道中除去DC成分后的DC除去通道的一例的图。
图10是表示记载了多个相关系数的最大值的曲线图的一例的图。
图11是将变更了实施方式的阈值时的FAR及FRR标绘出的图。
附图标记说明
10 识别装置
30A～30H 收发部
31A～31H 天线元件
40 电路
41 存储器
42 教师信号
50 生物体
50a 受检者
401 DC除去部
402 相关系数计算部
403 识别判定部
404 识别部
具体实施方式
(作为本发明的基础的认识)
在专利文献1及2中，向坐在汽车的驾驶席上的人物照射电磁波，测量来自该人物的反射波。并且，通过对测量的结果进行运算处理，进行心率或心音的测量，通过取得测量出的心率或心音的时间相关，实现了生物体识别。但是，如上述那样，在教师数据中不包含被测量者的数据的情况下，有将与该被测量者的数据最接近的教师数据辨识为本人、将他人误接纳的问题。
此外，如果将在这样的生物体识别的判定中使用的阈值放宽松，则有本人拒绝率(FRR)减小、他人接纳率(FAR)增加的关系。另一方面，如果使该阈值严格，则有本人拒绝率增加、他人接纳率减小的关系。即，仅使他人接纳率(FAR)降低也没有意义，需要兼顾本人拒绝率(FRR)的降低和他人接纳率(FAR)的降低。换言之，要求减小他人接纳率(FAR)及本人拒绝率(FRR)变得相等的(作为平衡点的)错误率即等价错误率。
发明者们对于该课题反复进行了研究，结果，关于使对生物体进行识别的识别装置的等价错误率(EER)降低，发现了以下这样的情况。即，在识别对象生物体的周围设置天线元件而从各种各样的方向将发送波进行发送，并且，在各种各样的方向上接收反射波、散射波从而取得更多地补充了生物体的特征的接收信号。并且发现，通过计算接收信号与教师数据之间的多个相关系数，能够精度良好地识别在教师数据中是否有测量对象生物体。
更具体而言，为了达到上述目的，本发明的一技术方案的识别装置，具备：M个发送天线元件，向包括第1生物体的规定范围发送第1发送信号，M是1以上的整数；N个接收部，分别具有接收天线元件并将上述规定范围的周围包围而配置，分别使用该接收天线元件将包含上述第1发送信号被上述第1生物体反射后的反射信号的第1接收信号在规定期间中接收，N是3以上的整数；存储器，存储有教师信号，该教师信号是使上述N个接收部预先接收第2接收信号而得到的M×N个第2接收信号，上述第2接收信号包含从上述M个发送天线元件对第2生物体发送的第2发送信号被上述第2生物体反射后的反射信号；以及电路，根据上述教师信号、和上述N个接收部分别接收上述第1接收信号而得到的M×N个上述第1接收信号，计算多个相关系数，根据计算出的上述多个相关系数的最大值是否超过了阈值来进行上述第1生物体的生物体认证，在进行上述第1生物体的生物体认证的情况下，用规定的方法识别为上述第1生物体与上述第2生物体相同。
由此，能够根据从设置在第1生物体周围的接收天线元件得到的测量信号即第1接收信号和教师信号来计算多个相关系数。并且，根据多个相关系数中的最大值是否超过了阈值，识别第1生物体与教师数据中包含的第2生物体相同，从而能够进行生物体认证。由此，能够抑制当第1生物体不包含在教师数据中时将他人接纳为本人的错误，所以能够减小等价错误率(EER)。
这里，例如，上述电路在计算出的上述多个相关系数的最大值超过了阈值的情况下进行上述第1生物体的生物体认证，在上述多个相关系数的最大值低于上述阈值的情况下不进行上述第1生物体的生物体认证。
此外，例如，上述电路识别为与具有上述最大值的相关系数对应的上述第1生物体和上述第2生物体相同。
此外，例如，上述电路可以对于上述第1接收信号及上述第2接收信号中的至少上述第1接收信号，用规定的方法将DC(Direct Current)成分除去。
由此，能够从接收信号抑制作为在生物体的识别中不需要的噪声成分的DC成分，能够效率良好地进行生物体识别。
此外，例如，作为上述多个相关系数，上述电路可以通过滑动相关运算，计算上述教师信号与上述M×N个上述第1接收信号的各自之间的多个相关系数。
由此，能够利用滑动相关的时间相关系数的最大值来判定是否进行生物体认证。由此，能够抑制当第1生物体不包含在教师数据中时将他人接纳为本人的错误，所以能够减小等价错误率(EER)。
此外，例如，上述教师信号可以是在上述规定期间的K倍(K是2以上)的期间、上述N个接收部预先接收上述第2接收信号从而得到的上述M×N个上述第2接收信号。
另外，这些整体性或具体性的技术方案也可以由系统、方法、集成电路、计算机程序或计算机可读取的CD－ROM等记录介质实现，也可以由系统、方法、集成电路、计算机程序及记录介质的任意组合来实现。
以下，使用附图对本发明的实施方式详细地进行说明。另外，以下说明的实施方式都是表示本发明的优选的一具体例的。在以下的实施方式中表示的数值、形状、材料、构成要素、构成要素的配置位置及连接形态、步骤、步骤的顺序等是一例，不是限定本发明的意思。此外，关于以下的实施方式的构成要素中的、在表示最上位概念的独立权利要求中没有记载的构成要素，设为构成更优选的实施方式的任意的构成要素而进行说明。另外，在本说明书及附图中，对于实质上具有相同的功能结构的构成要素，通过赋予相同的标号而省略重复说明。
(实施方式)
[识别装置10的结构]
图1是表示实施方式的识别装置10的结构的一例的结构图。图2是表示图1所示的教师信号42的一例的图。图3是表示图1所示的电路40的详细结构的一例的结构图。
本发明的识别装置10具备M个(M是1以上的整数)发送天线元件、分别具有接收天线元件的N个(N是3以上的整数)接收部、电路40和存储器41。
M个发送天线元件将发送信号向包括生物体50的规定范围A1发送。发送信号是由发送机等生成的微波等高频的信号。生物体50是人等。生物体50是识别装置10的识别对象，是被进行生物体认证的生物体。所谓规定范围A1，是预先设定的范围的空间，是包括生物体50的空间。换言之，规定范围A1是识别装置10识别生物体50而使用的空间。
M个发送天线元件例如向包括测量对象生物体50即第1生物体的规定范围A1发送第1发送信号。此外，M个发送天线元件向包括第2生物体的规定范围A1发送第2发送信号，所述第2生物体是作为教师数据的已知的生物体50。
N个接收部分别具有接收天线元件，将规定范围A1的周围包围而配置。N个接收部分别使用该接收天线元件，将包含由生物体50将发送信号反射而得的反射信号的接收信号在规定期间中接收。例如，N个接收部分别使用该接收天线元件，将包含由第1生物体将第1发送信号反射而得的反射信号的第1接收信号在规定期间中接收。此外，例如，N个接收部分别使用该接收天线元件，将包含由第2生物体将第2发送信号反射而得的反射信号的第2接收信号即教师信号在规定期间的K倍(K是2以上)的期间中接收。
在本实施方式中，识别装置10如图1所示，例如具备8个收发部30A～30H、电路40和存储器41。即，M个发送天线元件及N个接收部可以由8个收发部30A～30H构成。另外，收发部并不限于8个。
[收发部30A～30H]
在本实施方式中，8个收发部30A～30H配置在规定范围A1的周围的位置，通过将发送信号对包括人等生物体50的规定范围A1发送，来接收包含被生物体50反射后的反射信号的接收信号。例如，8个收发部30A～30H既可以分别等间隔地配置为圆形，也可以配置在规定范围A1的外侧的位置。
如图1所示，收发部30A～30H分别具有1个天线元件31A～31H。收发部30A～30H使用天线元件31A～31H将发送信号向规定范围A1发送。更具体地讲，收发部30A～30H使用天线元件31A～31H，将微波作为发送信号，对人等生物体50发射。另外，收发部30A～30H可以使用天线元件31A～31H将无调制的发送信号发送，也可以将被进行了调制处理的发送信号发送。在发送被进行了调制处理的发送信号的情况下，收发部30A～30H可以还包括用来进行调制处理的电路。
此外，收发部30A～30H使用天线元件31A～31H，将包含反射信号的接收信号在规定期间中接收，该反射信号是由生物体50将发送信号反射后的信号。收发部30A～30H将接收到的接收信号向电路40输出。另外，收发部30A～30H也可以分别包括用来对接收信号进行处理的电路。在此情况下，收发部30A～30H可以分别将接收到的接收信号进行频率变换，变换为低频信号。此外，收发部30A～30H也可以分别对接收信号进行解调处理。并且，收发部30A～30H分别向电路40输出通过进行频率变换及/或解调处理而得到的信号。
另外，在图1所示的例子中，将发送部和接收部表现为由分别具有通用于发送和接收的1个天线元件的8个收发部30A～30H构成，但并不限于此。8个收发部30A～30H并不限于8个，也可以由N个(N是3以上的整数)收发部构成。此外，也可以分别地设置M个(M是1以上的整数)具有发送天线元件的发送部和N个具有接收天线元件的接收部。
[存储器41]
存储器41是具有非易失性的存储区域的辅助存储装置，例如是ROM(Read OnlyMemory)、闪存存储器、HDD(Hard Disk Drive)等。存储器41例如存储有在使识别装置10动作的各种处理中利用的信息。
存储器41如图1所示，存储有教师信号42。该教师信号42是对处于规定范围A1中的已知生物体50即第2生物体预先取得的信号波形。更具体地讲，教师信号42是使N个接收部预先接收包含反射信号的第2接收信号而得到的M×N个第2接收信号，该反射信号是由第2生物体将从M个发送天线元件对第2生物体发送的第2发送信号进行反射而得到的信号。这里，教师信号42可以是在规定期间的K倍(K是2以上)的期间、N个接收部预先接收第2接收信号而得到的M×N个第2接收信号。
在本实施方式中，M个发送天线元件及N个接收部如图1所示那样由8个收发部30A～30H构成。使用图2对该情况下的教师信号42的一例进行说明。图2所示的教师信号42是1个接收部在测量期间中接收到的接收信号的一例。
图2所示的教师信号42是收发部30A～30H预先接收包含反射信号的接收信号而得到的多个接收信号的时间响应波形，该反射信号是从天线元件31A～31H对处于规定范围A1中的已知生物体50(第2生物体)发送的发送信号被该生物体50的表面反射后的反射信号。即，图2所示的教师信号42是收发部30A～30H将包含反射信号的接收信号在测量期间中预先接收而得到的多个接收信号。这里，测量期间是上述规定期间的K倍(K是2以上)的期间。测量期间例如是120〔s〕，但并不限于此。只要是人的心率的周期以上就可以，也可以是3〔s〕，也可以是10〔s〕，也可以是30〔s〕。
另外，教师信号42也可以对多个已知的第2生物体分别预先取得。在此情况下，与多个已知的第2生物体分别对应的多个教师信号42只要以与将对应的第2生物体进行识别的识别信息建立了对应的状态存储到存储器41中就可以。
[电路40]
电路40执行使识别装置10动作的各种处理。电路40例如由执行控制程序的处理器、和当执行该控制程序时使用的被用作工作区的易失性的存储区域(主存储装置)构成。该存储区域例如是RAM(Random Access Memory)。
电路40在规定期间中将从N个接收部分别取得的第1接收信号在存储区域中暂时存储。电路40也可以在规定期间中将第1接收信号的相位及振幅在该存储区域中暂时存储。在本实施方式中，电路40在规定期间中将从收发部30A～30H分别取得的接收信号在存储区域中暂时存储。
另外，电路40也可以由用来进行使识别装置10动作的各种处理的专用电路构成。即，电路40既可以是进行软件处理的电路，也可以是进行硬件处理的电路。此外，电路40也可以具有非易失性的存储区域。
接着，对电路40的功能性结构进行说明。
电路40如图3所示，具有DC除去部401、相关系数计算部402、识别判定部403和识别部404。另外，DC除去部401不是必须的。
<DC除去部401>
DC除去部401通过规定的方法，将第1接收信号及第2接收信号中的至少第1接收信号的DC(Direct Current)成分除去。
更具体地讲，首先，DC除去部401使用存储在电路40的存储区域中的接收信号和存储在存储器41中的教师信号，计算各个传输通道H(t)。
这里，将由Mr个接收天线元件和Mt个发送天线元件构成的MIMO(Multiple－Inputand Multiple－Output)阵列天线配置在生物体50周围的情况下得到的传输通道H(t)由以下(式1)表示。
[数学式1]
在(式1)中，hij表示从第j个发送机到第i个接收机的复通道响应，t表示观测时间。
接着，DC除去部401计算从由以下(式2)表示的接收信号与教师信号的传输通道中、将作为在生物体50的识别中不需要的噪声成分的DC成分除去后的DC除去通道。DC除去部401可以将计算出的DC除去通道存储到存储器41中，也可以存储到电路40的存储区域中。
这里，接收信号与教师信号的DC除去通道Hw/o DC(t)如以下(式3)及(式4)所示那样，通过从传输通道的各成分减去用各成分的测量时间平均值计算出的DC成分来计算。
[数学式2]
[数学式3]
[数学式4]
N＝Fs·T…(式4)
这里，N表示速射(snapshot)数，Fs表示采样频率，T表示测量时间。
另外，DC成分的除去方法并不限于在(式3)的右边表示的方法。例如，也可以通过将在没有生物体50的无人的规定范围A1中得到的传输通道减去来除去DC成分。
<相关系数计算部402>
相关系数计算部402通过将存储在存储器41中的教师信号42与存储在电路40的存储区域中的多个接收信号进行比较，计算多个相关系数。更具体地讲，相关系数计算部402根据教师信号、和N个接收部分别接收第1接收信号而得到的M×N个第1接收信号，计算多个相关系数。
这里，多个相关系数可以通过滑动相关(sliding correlation)运算来计算。即，作为多个相关系数，相关系数计算部402可以通过滑动相关运算来计算教师信号与M×N个第1接收信号的各自之间的多个相关系数。另外，所谓滑动相关运算，是能够一边使观测到的接收信号滑动一边与教师信号进行比较、从而找到2个信号的相关最高的时间关系的运算。
此外，相关系数计算部402，在DC除去部401计算多个接收信号及教师信号的DC除去通道并存储在存储器41或电路40的存储区域中的情况下，使用多个接收信号及教师信号42的DC除去通道来计算多个相关系数即可。并且，多个相关系数可以通过滑动相关运算来计算。换言之，相关系数计算部402可以使用教师信号42及多个接收信号的DC除去通道、通过滑动相关运算来计算与各自之间的多个相关系数。
这里，对计算多个相关系数的方法的一例进行说明。
使用(式1)，当设速射数为NT时，设对包含第1生物体的规定范围A1得到的测量通道为识别用通道HT(t)。此外，设登录者数为S，设速射数为ND，将同样使用(式1)预先测量出的第q个登录者的数据库通道定义为HD(t，q)。另外，HD(t，q)相当于对包含教师信号所含的第q个第2生物体的规定范围A1得到的测量通道。
此时，为了缩短用来得到识别用通道的测量时间，将速射数NT与ND的关系设定为(式5)所示的关系。并且，将滑动相关的时间窗的长度设为NT。
[数学式5]
NT＜ND…(式5)
此外，关于使时间窗合计后的识别用通道及数据库通道，将使用(式2)将DC成分去除后的通道设为HTW/o DC(t)及HDW/o DC(t，q)。使用这些，利用了滑动相关的评价函数ρ(p，q)通过由(式6)及(式7)表示的求出相关系数的运算来计算。在(式6)及(式7)中，p表示用来计算滑动相关的循环数。
[数学式6]
[数学式7]
另外，利用了滑动相关的评价函数ρ(p，q)并不限于由上述(式6)及(式7)表示的情况，例如也可以由(式8)表示。此外，利用了滑动相关的评价函数ρ(p，q)也可以由从(式8)去除了试验(trial)数r后的(式9)或(式10)表示。在(式9)中，用时间相关的期望值运算相关。在(式10)中，用具有最大时间相关的天线的组合来运算相关，即，从MIMO的组合之中选择相关高的组合，来对相关进行运算。
[数学式8]
[数学式9]
[数学式10]
<识别判定部403>
识别判定部403根据计算出的多个相关系数的最大值是否超过了阈值来进行第1生物体的生物体认证。例如，识别判定部403使得在计算出的多个相关系数的最大值超过了阈值的情况下进行第1生物体的生物体认证、在多个相关系数的最大值低于阈值的情况下不进行第1生物体的生物体认证就可以。
在本实施方式中，识别判定部403将由相关系数计算部402计算出的多个相关系数的最大值、与用规定的方法输入的例如0.6等阈值进行比较。例如，识别判定部403在该相关系数的最大值是阈值以上的情况下，作为第1生物体的生物体认证而由识别部404进行第1生物体的识别。另一方面，识别判定部403在该相关系数的最大值不到阈值的情况下，对于第1生物体，认为在教师信号中无符合者，不进行第1生物体的生物体认证而结束识别处理。另外，识别判定部403将从例如(式6)所示的评价函数ρ(p，q)提取出的最大评价函数ρmax(p，q)与阈值进行比较，根据是否超过了阈值来进行第1生物体的生物体认证。
<识别部404>
识别部404在进行第1生物体的生物体认证的情况下，通过规定的方法，识别为第1生物体与第2生物体相同。更具体地讲，识别部404识别为，与具有最大值的相关系数对应的第1生物体与第2生物体相同。
在本实施方式中，识别部404在由识别判定部403判定为该相关系数的最大值是阈值以上的情况下，将得到了该相关系数的最大值的生物体50识别为，与在教师数据中包含的已知的生物体50相同。即，识别部404通过分类为取得了所提取的最大评价函数ρmax(p，q)的登录者q(第2生物体)是作为生物体认证的对象的第1生物体，识别为登录者q与第1生物体相同。
这样，图1所示的识别装置10通过将由收发部30A～30H接收到的接收信号用电路40处理，能够识别生物体50。
[识别装置10的动作]
接着，对如以上那样构成的识别装置10的动作进行说明。图4是表示实施方式的识别装置10的动作的一例的流程图。图5是表示图4所示的步骤S14的详细动作的流程图。图6是表示图4所示的步骤S15的详细动作的流程图。
首先，识别装置10发送M个发送信号，接收N个接收信号(S11)。更具体地讲，识别装置10使用M个发送天线元件，向包括第1生物体的规定范围A1发送第1发送信号。并且，识别装置10的N个接收部分别使用接收天线元件，将包含第1发送信号被第1生物体反射后的反射信号的第1接收信号在规定期间中接收。在本实施方式中，在将作为识别对象的生物体50的第1生物体配置在规定范围A1内的状态下，收发部30A～30H使天线元件31A～31H将发送信号向规定范围A1发送。并且，收发部30A～30H使用天线元件31A～31H，将包含第1发送信号被第1生物体反射后的反射信号的第1接收信号在规定期间中接收。
这里，图7是表示在实施方式的识别装置10的识别测试中使用的环境的图。图8是表示根据在图7所示的环境中接收到的接收信号计算出的传输通道的一例的图。
如图7所示，在本识别测试中，使用相当于收发部30A～30H的8台收发机。8台收发机以受检者50a为中心，以0.5m的半径且以45度间隔排列配置为圆形。受检者50a在识别测试中相当于识别对象生物体50即第1生物体。此外，作为相当于天线元件31A～31H的接收天线元件及发送天线元件，使用1个元件的方形贴片天线。更具体地讲，8台收发机具有的8个接收天线元件分别是方形贴片天线，设置在距地面0.9m的高度。8台收发机具有的8个发送天线元件被配置在对应的接收天线元件的微波的1个波长正上方。
另外，如图8所示，传输通道的成分h11及成分h88与其他成分相比周期性地呈现较大的变动，可知为同样的波形。成分h11是处于受检者50a的正面的接收天线元件的通道响应，成分h88是从受检者50a来看处于右前方的接收天线元件的通道响应。
其他成分是处于受检者50a的背面或侧面的接收天线元件的通道响应。即，可知生物体的背面及侧面的变动较小。可以认为这是因为由生物体活动带来的变动发生在生物体的胸部及/或腹部。
接着，识别装置10从在步骤S11中取得的多个接收信号、和存储在存储器41中的教师信号42中将DC成分除去(S12)。更具体地讲，首先，识别装置10将教师信号42从存储器41读出，该教师信号42是N个接收部预先接收从M个发送天线元件对作为已知的生物体50的第2生物体发送的第2发送信号被第2生物体反射后的反射信号从而得到的M×N个第2接收信号。并且，识别装置10从在步骤S11中取得的第1接收信号、和从存储器41读出的教师信号中将DC成分除去。在本实施方式中，电路40将教师信号42从存储器41读出，使用教师信号42和在步骤S11中取得的接收信号，计算各个DC除去通道。
图9是表示从图8所示的传输通道将DC成分除去后的DC除去通道的一例的图。在图9中，作为一例而示出了从传输通道的成分h11、成分h88及成分h77将DC成分除去后的DC除去通道的成分h11、成分h88及成分h77。如图8所示，由于根据受检者50a的位置而传输通道的DC成分不同，所以传输通道的成分波形的纵轴(即强度)方向的位置不同。如果这样使用DC成分不同的传输通道的成分进行识别处理，则识别精度变差。另一方面，在图9中，传输通道的DC成分被除去，传输通道的成分波形的纵轴(即强度)方向的位置一致。即，在使用DC成分被除去后的传输通道的成分进行识别处理的情况下，识别精度提高。
接着，识别装置10使用在步骤S12中除去了DC成分的多个接收信号、和教师信号42，计算多个相关系数(S13)。更具体地讲，识别装置10根据用规定的方法除去了DC成分的教师信号、和在N个接收部各自中被接收并且用规定的方法除去了DC成分的M×N个第1接收信号，计算多个相关系数。在本实施方式中，电路40根据在步骤S12中计算出的各个DC除去通道，计算多个相关系数。另外，多个相关系数的计算方法的详细情况如使用(式1)～(式10)说明的那样，所以省略说明。
接着，识别装置10判定是否进行第1生物体的生物体认证(S14)。更具体地讲，识别装置10根据多个相关系数的最大值是否超过了阈值，判定是否进行第1生物体的生物体认证。
更详细地讲，如图5所示，首先，电路40计算在步骤S13中计算出的多个相关系数的最大值(S141)。接着，电路40将该相关系数的最大值与例如0.6等阈值进行比较，判定该相关系数的最大值是否是阈值以上(S142)。在步骤S142中，在该相关系数的最大值是阈值以上的情况下(S142的“是”)，电路40判定为有符合者(S143)，向步骤S15前进。另一方面，在步骤S142中，在该相关系数的最大值比阈值小的情况下(S142的“否”)，电路40判定为无符合者(S144)，结束识别装置10的动作。另外，识别装置10在判定为无符合者的情况下，也可以判定为识别对象生物体50即第1生物体不是教师信号中包含的已知的生物体50，返回拒绝生物体认证的应答。
图10是表示记载了多个相关系数的最大值的曲线图的一例的图。图10是表示例如使用了(式6)所示的滑动相关的评价函数ρ(p，q)的最大评价函数ρmax(p，q)的图的一例。在图10中，示出了教师数据中包含的多个第2生物体、与作为识别对象生物体50的第1生物体之间的滑动相关。在图10中，峰值最高的用实线表示的相关系数示出了有与第1生物体一致的第2生物体。峰值第2高的用虚线表示的相关系数示出了有表示具有与第1生物体很相似的特征的他人的第2生物体。具有第3个以后的峰值的相关系数示出了有表示具有与第1生物体不同的特征的他人的第2生物体。
图11是标绘了将实施方式的阈值变更时的FAR及FRR的图。在图11中，示出了使用由识别装置10计算出的多个相关系数、和变更后的阈值进行了生物体认证的情况下的他人接纳率(FAR)及本人拒绝率(FRR：False Rejection Rate)。如图11所示，可知随着阈值变大，他人接纳率(FAR)下降，同时本人拒绝率(FRR)上升。即，如图11所示，可知如果将阈值不是设为0.6而是较大地设为0.7等，则虽然他人接纳率(FAR)进一步下降，但本人拒绝率(FRR)也上升。另外，在本实施方式中将阈值设为0.6而进行了说明，但该阈值只要对应于应用目标的条件而适当变更就可以。
接着，识别装置10识别第1生物体是否与教师数据中包含的第2生物体相同(S15)。更具体地讲，识别装置10在进行第1生物体的生物体认证的情况下，通过规定的方法，识别为第1生物体与第2生物体相同。
更详细地讲，如图6所示，首先，电路40判定为了识别是否与第1生物体相同而使用的第2生物体是否是教师数据中包含的第2生物体中的、与该相关系数的最大值对应的第2生物体(S151)。在步骤S151中，电路40在判别为该第2生物体是与该相关系数的最大值对应的第2生物体的情况下(S151中的“是”)，识别为该第2生物体与用来进行生物体认证的识别对象即第1生物体相同(S152)，结束第1生物体的生物体认证。另一方面，在步骤S151中，电路40在判定为该第2生物体不是与该相关系数的最大值对应的第2生物体的情况下(S151中的“否”)，识别为该第2生物体与用来进行生物体认证的识别对象即第1生物体不同(S153)，向步骤S151返回。
[效果等]
在图7所示的用于辨识测试的环境下，识别装置10将发送波从设置在生物体50周围的例如8处的天线元件分别发送，将接收信号接收。并且，识别装置10通过滑动相关运算，计算存储在存储器41中的教师信号、与来自作为生物体认证的对象的生物体50即受检者50a的接收信号之间的多个时间相关关系。这里，在受检者50a与教师信号中包含的已知的生物体50一致、即已知的生物体50与受检者50a是同一人的情况下，滑动相关的相关系数的最大值变大。另一方面，在受检者50a与教师信号中包含的已知的生物体50一致、即已知的生物体50与受检者50a是不同的人的情况下，滑动相关的相关系数的最大值变小。由此，识别装置10使用通过滑动相关运算计算出的相关系数的最大值，能够判定在教师信号中包含的已知的生物体50中是否有受检者50a。
另外，设置的天线元件的根数越多该趋向变得越显著，由此还可知能够更大地贡献于等价错误率(EER)的改善。
此外，在识别装置10的各天线元件取得的接收信号上作用有DC偏置(bias)，该DC偏置容易受到因识别装置10的个体差异及生物体50的微妙的位置差别带来的影响，给识别率造成影响。因此，本实施方式的识别装置10使用将DC成分除去后的接收信号计算多个相关系数。由此，能够改善识别率。
如以上这样，根据本实施方式的识别装置10，能够根据从设置在第1生物体周围的接收天线元件得到的测量信号即第1接收信号和教师信号计算多个相关系数。并且，根据多个相关系数中的最大值是否超过了阈值，识别第1生物体与教师数据中包含的第2生物体相同，从而能够进行生物体认证。由此，能够抑制第1生物体不包含在教师数据中时将他人接纳为本人的错误，所以能够减小等价错误率(EER)。
如果以图1所示的例子进行说明，则识别装置10使用由将规定范围A1的周围包围而配置的N个收发部30A～30H接收到的接收信号进行生物体识别。在进行生物体识别之前比较计算出的相关系数的最大值是否超过阈值，当相关系数的最大值是阈值以下时判定为无符合者。由此，当作为生物体认证的对象的生物体50即第1生物体不作为教师数据中包含的已知的生物体50即第2生物体而存在时能够设为无符合者，所以能够减小等价错误率(EER)。
此外，在本实施方式的识别装置10中，将第1接收信号及第2接收信号的DC成分用规定的方法除去之后，计算相关系数。由此，能够从接收信号抑制作为在生物体识别中不需要的噪声成分的DC成分，所以能够在短时间中效率良好地进行生物体识别。
此外，在本实施方式的识别装置10中，也可以使用滑动相关运算来计算多个相关系数。由此，能够利用滑动相关的时间相关系数的最大值判断是否进行生物体认证。由此，能够抑制第1生物体不包含在教师数据中时将他人接纳为本人的错误，所以能够减小等价错误率(EER)。
此外，本实施方式的识别装置10能够利用微波等无线信号来识别人等生物体50。即，本实施方式的识别装置10能够不对由相机等拍摄的图像进行图像解析而识别人等生物体50。因而，能够在保护人的隐私的状态下进行人的识别。
产业上的可利用性
本发明能够用在利用无线信号识别生物体的识别装置及识别方法中，特别是能够用在搭载在进行与生物体对应的控制的家电设备、检测生物体的侵入的监视装置等中的识别装置及识别方法中。

Claims (7)

1.一种识别装置，其特征在于，
具备：
M个发送天线元件，向包括第1生物体的规定范围发送第1发送信号，M是1以上的整数；
N个接收部，分别具有接收天线元件并将上述规定范围的周围包围而配置，分别使用该接收天线元件将包含上述第1发送信号被上述第1生物体反射后的反射信号的第1接收信号在规定期间中接收，N是3以上的整数；
存储器，存储有教师信号，该教师信号是使上述N个接收部预先接收第2接收信号而得到的M×N个第2接收信号，上述第2接收信号包含从上述M个发送天线元件对第2生物体发送的第2发送信号被上述第2生物体反射后的反射信号；以及
电路，根据上述教师信号、和上述N个接收部分别接收上述第1接收信号而得到的M×N个上述第1接收信号，计算多个相关系数，根据计算出的上述多个相关系数的最大值是否超过了阈值来进行上述第1生物体的生物体认证，在进行上述第1生物体的生物体认证的情况下，用规定的方法识别为上述第1生物体与上述第2生物体相同。
2.如权利要求1所述的识别装置，其特征在于，
上述电路，在计算出的上述多个相关系数的最大值超过了阈值的情况下，进行上述第1生物体的生物体认证，在上述多个相关系数的最大值低于上述阈值的情况下，不进行上述第1生物体的生物体认证。
3.如权利要求1所述的识别装置，其特征在于，
上述电路，识别为与具有上述最大值的相关系数对应的上述第1生物体和上述第2生物体相同。
4.如权利要求1所述的识别装置，其特征在于，
上述电路，对于上述第1接收信号及上述第2接收信号中的至少上述第1接收信号，用规定的方法将DC成分即直流成分除去。
5.如权利要求1～4中任一项所述的识别装置，其特征在于，
作为上述多个相关系数，上述电路通过滑动相关运算，计算上述教师信号与上述M×N个上述第1接收信号的各自之间的多个相关系数。
6.如权利要求1所述的识别装置，其特征在于，
上述教师信号是在上述规定期间的K倍的期间、上述N个接收部预先接收上述第2接收信号而得到的上述M×N个上述第2接收信号，K为2以上。
7.一种识别方法，是识别装置的识别方法，该识别装置具备M个发送天线元件、分别具有接收天线元件且将规定范围的周围包围而配置的N个接收部、存储器和电路，M是1以上的整数，N是3以上的整数，其特征在于，
使用上述M个发送天线元件，向包括第1生物体的规定范围发送第1发送信号；
上述N个接收部分别使用该接收天线元件，将包含上述第1发送信号被上述第1生物体反射后的反射信号的第1接收信号在规定期间中接收；
从上述存储器读出教师信号，该教师信号是上述N个接收部预先接收反射信号而得到的M×N个第2接收信号，该反射信号是从上述M个发送天线元件对第2生物体发送的第2发送信号被上述第2生物体反射后的信号；
根据所读出的上述教师信号、和在上述N个接收部各自中接收到的M×N个上述第1接收信号，计算多个相关系数；
根据计算出的上述多个相关系数的最大值是否超过了阈值，进行上述第1生物体的生物体认证；
在进行上述第1生物体的生物体认证的情况下，用规定的方法识别为上述第1生物体与上述第2生物体相同。
CN201811364184.4A 2017-11-21 2018-11-16 识别装置及识别方法 Active CN109814096B (zh)

Applications Claiming Priority (4)

Application Number Priority Date Filing Date Title
JP2017-223430 2017-11-21
JP2017223430 2017-11-21
JP2018105032A JP7065404B2 (ja) 2017-11-21 2018-05-31 識別装置及び識別方法
JP2018-105032 2018-05-31

Publications (2)

Publication Number Publication Date
CN109814096A true CN109814096A (zh) 2019-05-28
CN109814096B CN109814096B (zh) 2023-05-12

Family

ID=64604421

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201811364184.4A Active CN109814096B (zh) 2017-11-21 2018-11-16 识别装置及识别方法

Country Status (3)

Country Link
US (1) US10880301B2 (zh)
EP (1) EP3489851B1 (zh)
CN (1) CN109814096B (zh)

Families Citing this family (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US11004567B2 (en) 2017-08-15 2021-05-11 Koko Home, Inc. System and method for processing wireless backscattered signal using artificial intelligence processing for activities of daily life
US11143743B2 (en) * 2018-11-16 2021-10-12 Koko Home, Inc. System and method for processing multi-directional ultra wide band wireless backscattered signals
WO2020105836A1 (ko) * 2018-11-20 2020-05-28 한국과학기술원 연속파 도플러 레이더 기반 고정확도 실시간 심장 박동 수 측정 방법 및 그 레이더 시스템
US11971503B2 (en) 2019-02-19 2024-04-30 Koko Home, Inc. System and method for determining user activities using multiple sources
US10810850B2 (en) 2019-02-19 2020-10-20 Koko Home, Inc. System and method for state identity of a user and initiating feedback using multiple sources
US11719804B2 (en) 2019-09-30 2023-08-08 Koko Home, Inc. System and method for determining user activities using artificial intelligence processing
US11184738B1 (en) 2020-04-10 2021-11-23 Koko Home, Inc. System and method for processing using multi core processors, signals, and AI processors from multiple sources to create a spatial heat map of selected region

Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2009534971A (ja) * 2006-04-27 2009-09-24 ノキア コーポレイション マルチキャリア通信システムにおける信号検出
JP2013510379A (ja) * 2009-11-10 2013-03-21 インジェニア・ホールディングス・（ユー・ケイ）・リミテッド 最適化
US8810366B2 (en) * 2009-04-07 2014-08-19 Sony Corporation Service providing device, service providing method, biometric information authentication server, biometric information authentication method, program, and service providing system
CN104704386A (zh) * 2012-10-10 2015-06-10 阿尔卑斯电气株式会社 无线传感器装置
US20160042169A1 (en) * 2014-08-07 2016-02-11 Verizon Patent And Licensing Inc. Methods and Systems for Determining a User Identity by Analysis of Reflected Radio Frequency Signals Received by an Antenna Array
JP2016049449A (ja) * 2014-09-01 2016-04-11 三星電子株式会社Ｓａｍｓｕｎｇ Ｅｌｅｃｔｒｏｎｉｃｓ Ｃｏ．，Ｌｔｄ． 心電図信号を用いたユーザ認証方法及び装置並びにユーザ登録方法及び装置
CN107045124A (zh) * 2015-12-24 2017-08-15 松下知识产权经营株式会社 定位传感器、方向推定方法以及系统
WO2017156487A1 (en) * 2016-03-11 2017-09-14 Origin Wireless, Inc. Methods, apparatus, servers, and systems for human identification based on human radio biometric information

Family Cites Families (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2005314847A (ja) 2004-04-30 2005-11-10 Shima Seiki Mfg Ltd 人体形状測定方法とその装置
JP2007325621A (ja) 2006-06-06 2007-12-20 Matsushita Electric Ind Co Ltd 体外ユニット
JP5131744B2 (ja) 2007-08-30 2013-01-30 本田技研工業株式会社 生体振動周波数検出装置及び車両
US20100152600A1 (en) * 2008-04-03 2010-06-17 Kai Sensors, Inc. Non-contact physiologic motion sensors and methods for use
CN102959427B (zh) * 2010-07-16 2014-07-02 松下电器产业株式会社 雷达装置
KR101776703B1 (ko) * 2011-10-14 2017-09-08 한화테크윈 주식회사 레이다 센서 및 이를 이용한 물체 검출 방법
JP5940626B2 (ja) 2014-10-27 2016-06-29 株式会社豊田中央研究所 個人認証装置及び個人認証プログラム
JP6566513B2 (ja) 2015-04-21 2019-08-28 学校法人 関西大学 心容積及び心拍出量の推定装置
US10311219B2 (en) * 2016-06-07 2019-06-04 Vocalzoom Systems Ltd. Device, system, and method of user authentication utilizing an optical microphone
CN107788992B (zh) * 2016-08-29 2022-03-08 松下知识产权经营株式会社 识别生物体的装置以及识别生物体的方法
US10591586B2 (en) * 2017-07-07 2020-03-17 Infineon Technologies Ag System and method for identifying a target using radar sensors

Patent Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2009534971A (ja) * 2006-04-27 2009-09-24 ノキア コーポレイション マルチキャリア通信システムにおける信号検出
US8810366B2 (en) * 2009-04-07 2014-08-19 Sony Corporation Service providing device, service providing method, biometric information authentication server, biometric information authentication method, program, and service providing system
JP2013510379A (ja) * 2009-11-10 2013-03-21 インジェニア・ホールディングス・（ユー・ケイ）・リミテッド 最適化
CN104704386A (zh) * 2012-10-10 2015-06-10 阿尔卑斯电气株式会社 无线传感器装置
US20160042169A1 (en) * 2014-08-07 2016-02-11 Verizon Patent And Licensing Inc. Methods and Systems for Determining a User Identity by Analysis of Reflected Radio Frequency Signals Received by an Antenna Array
JP2016049449A (ja) * 2014-09-01 2016-04-11 三星電子株式会社Ｓａｍｓｕｎｇ Ｅｌｅｃｔｒｏｎｉｃｓ Ｃｏ．，Ｌｔｄ． 心電図信号を用いたユーザ認証方法及び装置並びにユーザ登録方法及び装置
CN107045124A (zh) * 2015-12-24 2017-08-15 松下知识产权经营株式会社 定位传感器、方向推定方法以及系统
WO2017156487A1 (en) * 2016-03-11 2017-09-14 Origin Wireless, Inc. Methods, apparatus, servers, and systems for human identification based on human radio biometric information

Also Published As

Publication number Publication date
EP3489851A1 (en) 2019-05-29
US10880301B2 (en) 2020-12-29
CN109814096B (zh) 2023-05-12
US20190158494A1 (en) 2019-05-23
EP3489851B1 (en) 2021-07-07

Similar Documents

Publication Publication Date Title
CN109814096A (zh) 识别装置及识别方法
Johnson The insignificance of statistical significance testing
Serences et al. Computational advances towards linking BOLD and behavior
Brown et al. Multi‐institutional validation of a novel textural analysis tool for preoperative stratification of suspected thyroid tumors on diffusion‐weighted MRI
CN114429156B (zh) 雷达干扰多域特征对抗学习与检测识别方法
US20040013292A1 (en) Apparatus and method for statistical image analysis
Insana et al. Pattern recognition methods for optimizing multivariate tissue signatures in diagnostic ultrasound
Boddy et al. Pattern recognition in flow cytometry
EP2457195A2 (en) Classification of microwave scattering data
CN106491161B (zh) 一种智能组织识别的方法及装置
CN107290746A (zh) 材料检测方法及装置
CN107810537A (zh) 用于识别癌变组织的系统和方法
Pedrosa de Barros et al. Improving labeling efficiency in automatic quality control of MRSI data
CN107788992A (zh) 识别生物体的装置以及识别生物体的方法
Devine et al. Simplified luminal water imaging for the detection of prostate cancer from multiecho T2 MR images
Kurrant et al. Tumor response estimation in radar-based microwave breast cancer detection
El-Deredy et al. Pretreatment prediction of the chemotherapeutic response of human glioma cell cultures using nuclear magnetic resonance spectroscopy and artificial neural networks
Milczarek et al. Prediction of processing tomato peeling outcomes
JP7065404B2 (ja) 識別装置及び識別方法
Shihab et al. A comparison of segmentation techniques for target extraction in ground‐penetrating radar data
JP2019211458A (ja) 推定装置及び推定方法
JP7313018B2 (ja) センサ
Aranda-Sanchez et al. Implementation of a Bayesian classifier using repeated measurements for discrimination of tomato fruit ripening stages
EP3791361B1 (en) Tumoral mass detection system based on magnetic resonance imaging
CN107771278A (zh) 用于提供关于至少一个序列的信息的装置、细胞仪、方法和计算机程序

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