KR100887766B1 - 심전도 신호를 이용한 생체 인식 시스템 및 생체 인식 방법 - Google Patents

심전도 신호를 이용한 생체 인식 시스템 및 생체 인식 방법 Download PDF

Info

Publication number
KR100887766B1
KR100887766B1 KR1020060047731A KR20060047731A KR100887766B1 KR 100887766 B1 KR100887766 B1 KR 100887766B1 KR 1020060047731 A KR1020060047731 A KR 1020060047731A KR 20060047731 A KR20060047731 A KR 20060047731A KR 100887766 B1 KR100887766 B1 KR 100887766B1
Authority
KR
South Korea
Prior art keywords
waveform
ecg signal
sample
peak point
maximum
Prior art date
Application number
KR1020060047731A
Other languages
English (en)
Other versions
KR20070113878A (ko
Inventor
민철홍
김태선
Original Assignee
가톨릭대학교 산학협력단
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 가톨릭대학교 산학협력단 filed Critical 가톨릭대학교 산학협력단
Priority to KR1020060047731A priority Critical patent/KR100887766B1/ko
Publication of KR20070113878A publication Critical patent/KR20070113878A/ko
Application granted granted Critical
Publication of KR100887766B1 publication Critical patent/KR100887766B1/ko

Links

Images

Classifications

    • 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
    • G06V40/10—Human or animal bodies, e.g. vehicle occupants or pedestrians; Body parts, e.g. hands
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F2218/00—Aspects of pattern recognition specially adapted for signal processing
    • G06F2218/08—Feature extraction
    • G06F2218/10—Feature extraction by analysing the shape of a waveform, e.g. extracting parameters relating to peaks
    • 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
    • G06V40/10—Human or animal bodies, e.g. vehicle occupants or pedestrians; Body parts, e.g. hands
    • G06V40/15—Biometric patterns based on physiological signals, e.g. heartbeat, blood flow

Abstract

본 발명은 심전도 신호를 이용한 생체 인식 시스템 및 생체 인식 방법에 관한 것으로, 본 발명의 심전도 신호를 이용한 생체 인식 시스템은, 심전도 신호를 입력받는 심전도 신호 입력부와, 입력된 심전도 신호 파형에 대해 샘플별로 기저선을 산출하고 산출된 기저선을 기준으로 샘플내 모든 진폭값을 절대값 처리하여 최대 진폭값을 검출하며 심전도 신호 파형의 샘플내 최대 피크점 또는 최소 피크점을 검출하는 샘플 분석부와, 검출된 샘플별 최대 진폭값과 최대 피크점 또는 최소 피크점을 이용하여 심전도 신호 파형의 기본형태를 포함하는 파형정보를 검출하는 파형 검출부와, 검출된 파형정보를 이용하여 심전도 신호의 파형 특징정보를 추출하는 특징 추출부와, 특징 추출부로부터 입력되는 심전도 신호의 파형 특징정보에 미리 설정된 가중치를 적용하여 상기 심전도 신호를 갖는 사용자 인식을 수행하는 사용자 인식부를 포함한다.
심전도, 생체인식, 사용자 인식, 절대값, 피크점, 특징, 문턱값

Description

심전도 신호를 이용한 생체 인식 시스템 및 생체 인식 방법{A Biometic identification system and method using electrocardiogram}
도 1은 본 발명에 따른 생체 인식 시스템의 구성을 개략적으로 나타낸 도,
도 2는 본 발명의 일 실시예에 따른 심전도 신호의 파형 특징 추출부의 구성도,
도 3은 본 발명의 일 실시예에 따른 심전도 신호를 이용한 생체 인식 시스템에서 심전도 신호 파형 특징정보를 추출하는 흐름도,
도 4는 본 발명의 다른 실시예에 따른 심전도 신호를 이용한 생체 인식 시스템에서 심전도 신호 파형 특징정보를 추출하는 흐름도,
도 5는 본 발명에 따른 심전도 신호 파형 특징 추출부에서 심전도 신호 파형의 기저선을 산출하는 것을 설명하기 위한 예시도,
도 6과 도 7은 본 발명에 따른 심전도 신호 파형 특징 추출부에서 상한 문턱값(UTL)과 하한 문턱값(LTL)을 산출하는 것을 설명하기 위한 예시도,
도 8은 본 발명에 따른 심전도 신호 파형 특징 추출부에서 검출하고자 하는 심전도 파형의 기본형태를 나타낸 도,
도 9와 도 10은 본 발명에 따른 심전도 신호 파형 특징 추출부에서 파형의 간격을 산출하는 것을 설명하기 위한 예시도,
도 11은 본 발명에 따른 심전도 신호 파형 특징 추출부에서 파형의 세부형상을 검출하는 것을 설명하기 위한 예시도,
도 12는 본 발명에 따른 심전도 신호 파형 특징 추출부에서 사용하는 꼭지점 분석의 예를 나타낸 도,
도 13은 본 발명에 따른 심전도 신호 파형 특징 추출부에서 파형의 세부형상을 검출하는 것을 설명하기 위한 다른 예시도,
도 14는 본 발명에 따른 심전도 신호 파형 특징 추출부에서 검출하고자 하는 파형의 세부형상을 나타낸 도이다.
본 발명은 심전도를 이용한 생체 인식 시스템 및 생체 인식 방법에 관한 것으로, 심전도 리드Ⅲ 파형을 이용하여 심전도 파형의 특징 정보를 추출하고 그를 이용하여 사용자를 인식할 수 있는 생체인식기술에 관련된다.
심전도(Electrocardiogram : ECG) 신호는 심장계통의 질환을 판단할 때 사용되는 중요한 신호로 심장의 활성단계에 따라 P, QRS, T파라고 불리는 작은 파형들로 분류할 수 있다. 만약 P, QRS, T파형들이 표준화된 형태를 갖추고 있지 않다면 심장의 전기적 활성이 비정상적임을 뜻한다. 이러한 심장질환을 컴퓨터를 이용하여 자동진단을 하기 위해서는 QRS파형 검출이 우선되어야 한다. 현재 사용되고 있는 QRS 파형 특징 검출방법은 웨이블렛을 이용하는 방법 그리고 필터(filter)를 이용하는 방법, 신경회로망을 이용하는 방법 등이 사용되고 있다.
그러나 이러한 QRS 파형 특징 검출방법들은 심실조기수축(premature ventricular contraction:PVC) 부정맥(arrhythmia)과 좌각차단(Left bundle-branch block:LBBB) 부정맥(arrhythmia)과 같이 불규칙적으로 R파형이 거꾸로 역전되거나 그 파형의 형태가 불규칙적으로 발생될 경우 파형검출이 불가능하였다. 또한 현재 널리 소개되고 있는 템플릿 매칭(template matching)을 이용하는 방법은 ECG신호의 R피크파형이 거꾸로 역전되었을 경우 파형을 검출할 수 있으나 정상파형과 R피크점이 역전된 부정맥 파형이 불규칙적으로 발생될 경우 파형 검출이 불가능하였다.
한편, 일반적으로 생체인식(Biometics)이란 인간의 생리학적 또는 행동상의 특성을 기반으로 본인확인을 위한 측정단위로 활용하는 기술을 말한다. 즉, 인간의 생체적 특징을 자동화된 장치를 거쳐 신원확인에 이용하는 기술분야이다. 생체인식기술은 패스워드를 기억하거나 패스키를 가지고 다녀야하는 필요성을 없애주기 때문에 기존의 패스워드나 비밀번호를 이용한 신원확인 방법보다 더 안전하고 편리하다. 지금까지 생체인식에 활용되는 생체부분은 지문, 망막, 홍채, 안면, 손, 정맥, 목소리, 서명, DNA 등이다.
그런데, 심전도 신호 파형 역시 사람마다 차이가 있기 때문에 심전도 신호 파형의 특징을 검출하여 생체 인식에 활용할 수 있다. 이에, 심전도 신호를 생체 인식에 활용하기 위해 정확하게 심전도 신호의 파형 특징정보를 검출하고 이를 이용하여 생체 인식이 가능한 기술이 필요한 실정에 있다.
본 발명은 상기와 같은 배경에서 도출된 것으로서, 본 발명의 목적은 심전도 신호의 파형 특징정보를 이용하여 사용자를 인식할 수 있는 생체 인식 시스템 및 생체 인식 방법을 제공하는 것이다.
삭제
상기 목적을 달성하기 위한 본 발명의 일 양상에 따른 심전도 신호를 이용한 생체 인식 시스템은, 심전도 신호를 입력받아 입력되는 심전도 신호의 파형에 대해 샘플별로 최대 진폭값과 최대 피크점 또는 최소 피크점을 검출하는 샘플 분석부와, 샘플 분석부로부터 입력되는 샘플별 최대 진폭값과 최대 피크점 또는 최소 피크점을 이용하여 심전도 신호 파형의 기본형태를 포함하는 파형정보를 검출하는 파형 검출부와, 파형 검출부로부터 입력되는 파형정보를 이용하여 심전도 신호의 파형 특징정보를 추출하는 특징 추출부와, 특징 추출부로부터 입력되는 심전도 신호의 파형 특징정보에 미리 설정된 가중치를 적용하여 심전도 신호를 갖는 사용자 인식을 수행하는 사용자 인식부를 포함한다.
이 같은 양상에 따르면, 본 발명의 심전도 신호를 이용한 생체 인식 시스템은 검출된 심전도 신호의 파형 특징정보를 이용하여 사용자를 인식할 수 있다.
삭제
본 발명의 다른 양상에 따른 심전도 신호 파형 특징 추출 방법은 심전도 신호를 입력받는 단계와, 심전도 신호의 파형에 대해 샘플별로 기저선을 산출하는 단계와, 산출된 기저선을 기준으로 샘플내 모든 진폭값을 절대값 처리하여 최대 진폭값을 검출하며 상기 심전도 신호 파형의 샘플내 최대 피크점 또는 최소 피크점을 검출하는 단계와, 검출된 샘플별 최대 진폭값과 최대 피크점 또는 최소 피크점을 이용하여 심전도 신호 파형의 기본형태를 포함하는 파형정보를 검출하는 단계와, 파형정보를 이용하여 심전도 신호의 파형 특징정보를 추출하는 단계와, 추출된 심전도 신호의 파형 특징정보와 미리 설정된 가중치를 이용하여 상기 심전도 신호를 갖는 사용자 인식정보를 생성하는 단계와, 생성된 사용자 인식정보를 바탕으로 사용자 인식을 수행하는 단계를 포함한다.
이하, 첨부된 도면을 참조하여 전술한, 그리고 추가적인 양상을 기술되는 바람직한 실시예를 통하여 본 발명을 당업자가 용이하게 이해하고 재현할 수 있도록 상세히 설명하기로 한다.
도 1은 본 발명에 따른 생체 인식 시스템의 구성을 개략적으로 나타낸 도이다. 도시한 바와 같이, 본 발명에 따른 생체 인식 시스템은 심전도 신호 측정부(100)로부터 입력되는 심전도 신호의 파형 특징 정보를 추출하는 심전도 신호의 파형 특징 추출부(120)와 추출된 심전도 신호의 파형 특징 정보를 이용하여 사용자를 인식하는 사용자 인식부(130)을 포함한다.
심전도 신호 측정부(100)는 환자의 몸에 부착하여 인체의 전기신호를 감지하는 다수의 전극을 포함하는 전극부와 전극부에서 감지된 전기신호로부터 생체 전위를 검출하는 아날로그 신호 처리부와 아날로그 신호 처리부로부터 입력되는 아날로그 데이터를 디지털 데이터로 변환하는 디지털 신호 처리부를 포함하여 구현될 수 있다.
심전도 신호의 파형 특징 추출부(120)는 검출되는 심전도 신호의 파형 특징정보는 심전도 파형의 기본형태, 꼭지점의 갯수, 기저선에서 최대 피크점까지의 크기(a), 기저선에서 최소 피크점까지의 크기(b), 비율값(
Figure 112006037380630-pat00001
), 파형 간격정보 및 세부형상에 대한 정보를 포함한다. 이하, 심전도 신호의 파형 특징 추출부(120)의 구성과 작용에 대한 자세한 설명은 도면을 참조하여 후술하기로 한다.
사용자 인식부(130)는 심전도 신호의 파형 특징 추출부(120)로부터 입력되는 심전도 신호의 파형 특징정보에 미리 설정된 가중치를 적용하여 상기 심전도 신호를 갖는 사용자 인식를 수행한다. 사용자 인식부(130)는 일 실시예에 있어서, 신경회로망을 포함하는 제어장치로 구현될 수 있다. 일 실시예에 있어서, 신경회로망은 심전도 신호의 파형 특징 추출부(120)로부터 A, B, C, D 라는 사람의 심전도 신호의 파형 특징정보가 입력되면 학습을 통해 어느 특징이 사람들을 비교할 때 중요한가의 정도를 나타내는 가중치를 설정한다.
도 2는 본 발명의 일 실시예에 따른 심전도 신호 파형 특징 추출부의 구성도이다. 도시한 바와 같이, 일 실시예에 따른 심전도 신호 파형 특징 추출부는 심전 도 신호를 입력받는 신호 입력부(210)와 샘플 분석부(230)와 파형 검출부(240)와 특징 추출부(250)를 포함하여 구현될 수 있다.
샘플 분석부(230)는 심전도 신호 입력부(210)로부터 입력되는 심전도 신호의 파형에 대해 샘플별로 최대 진폭값과 최대 피크점 또는 최소 피크점을 검출한다. 일 실시예에 있어서, 샘플 분석부(230)는 심전도 신호 입력부(210)로부터 입력되는 심전도 신호 파형에 대해 예컨대, 10∼300 개의 샘플을 획득하여 샘플내 모든 진폭값에 대해 평균값 처리하여 기저선을 산출한다. 샘플 분석부(230)는 산출된 기저선을 기준으로 샘플내 모든 진폭값을 절대값 처리하여 최대 진폭값을 산출한다. 또한 샘플 분석부(230)는 획득한 샘플들을 스캔하여 최대 피크점 또는 최소 피크점을 검출한다.
파형 검출부(240)는 샘플 분석부(230)로부터 입력되는 샘플별 최대 진폭값과 최대 피크점 또는 최소 피크점을 이용하여 심전도 신호 파형의 기본형태를 포함하는 파형정보를 검출한다. 파형 검출부(240)는 일 실시예에 있어서, 문턱값 산출부(241)와 기본 파형 검출부(242)를 포함하여 구현될 수 있다.
문턱값 산출부(241)는 샘플 분석부(230)로부터 입력되는 샘플별 최대 진폭값과 최대 피크점 또는 최소 피크점을 이용하여 심전도 신호 파형의 기본형태를 결정하기 위한 상한 문턱값(UTL)과 하한 문턱값(LTL)을 산출한다. 예를 들어, 문턱값 산출부(241)는 최대 진폭값이 최대 피크점의 위치에 있는 경우 제1 상한 문턱값(UTL)과 제1 하한 문턱값(LTL)을 산출하고, 상기 최대 진폭값이 최소 피크점의 위치에 있는 경우 제2 상한 문턱값(UTL)과 제2 하한 문턱값(LTL)을 산출한다. 여기 서, 제1 상한 문턱값(UTL)과 제1 하한 문턱값(LTL)을 산출하는 식은 수학식 1에, 제2 상한 문턱값(UTL)과 제2 하한 문턱값(LTL)은 수학식 2에 나타낸 바와 같다.
UTL = TC×(M.P + M.P.P.B), LTL = M.P.P.B ―｜(UTL― M.P.P.B)｜
여기서, UTL은 제1 상한 문턱값이고, LTL은 제1 하한 문턱값이고, M.P는 최대 피크값이고, M.P.P.B는 최대 피크점에서의 기저선값이고, TC(Threshold Coefficient)는 0.30 ∼ 0.9의 값을 갖는다. 여기서, TC의 초기값은 0.5이다.
UTL = TC×(m.P + m.P.P.B)
LTL = m.P.P.B ―｜(UTL― m.P.P.B)｜
여기서, UTL는 제2 상한 문턱값이고, LTL는 제2 하한 문턱값이고, m.P는 최소 피크값이고, m.P.P.B는 최소 피크점에서의 기저선값이고, TC(Threshold Coefficient)는 0.30 ∼ 0.9의 값을 갖는다. 여기서, TC의 초기값은 0.5이다.
기본 파형 검출부(242)는 문턱값 산출부(241)에서 산출된 문턱값들을 기초로 심전도 신호 파형의 기본형태를 검출한다. 기본 파형 검출부(242)에서 검출되는 심전도 신호 파형의 기본형태는 도8에 도시한 바와 같이, 크게 4가지 타입으로 분류할 수 있다. 예를 들어, 제1 상한 문턱값(UTL)과 제1 하한 문턱값(LTL)을 초과하는 샘플값들이 존재하면 기본 형태는 타입 1 또는 타입 2 중에 하나이다. 여기서, 타입 1 은 제1 상한 문턱값(UTL)을 초과하는 샘플값들이 제1 하한 문턱값(LTL)을 초과하는 샘플값들보다 시간상으로 앞에 있는 것이고, 타입 2 는 그 반대에 해당한 다. 타입 3은 제1 상한 문턱값(UTL)을 초과하는 샘플값들은 존재하나 제1 하한 문턱값(LTL)을 초과하는 샘플값이 존재하지 않는 경우에 해당한다. 마지막으로, 타입 4는 제2 상한 문턱값(UTL)을 초과하는 샘플값들은 존재하지 않으나 제2 하한 문턱값(LTL)을 초과하는 샘플값이 존재하는 경우에 해당한다.
파형 검출부(240)는 다른 실시예에 있어서, 문턱값 산출부(241)에서 산출된 상한 문턱값(UTL)과 하한 문턱값(LTL) 및 기저선을 이용하여 심전도 신호 파형의 간격정보를 검출하는 파형 간격 검출부(243)와, 샘플 분석부(230)로부터 입력되는 샘플별 심전도 신호 파형을 분석하여 세부 파형 정보를 검출하는 세부 파형 검출부(244)를 더 포함할 수 있다.
심전도 신호 파형의 간격은 타입 1,2의 경우, 상한 문턱값(UTL)과 하한 문턱값(LTL) 및 기저선을 통과하는 샘플들 간의 최대 간격이고, 타입 3의 경우 상한 문턱값(UTL)과 기저선을 통과하는 샘플들 간의 최대 간격이며, 타입 4의 경우 하한 문턱값(LTL) 및 기저선을 통과하는 샘플들 간의 최대 간격이다. 한편, 세부 파형 정보는 최대 피크점과 최소 피크점을 중심으로, 기저선 윗부분에 해당하는 파형과 아래부분에 해당하는 파형을 예컨대, 꼭지점 분석 방식에 의해 보다 정밀하게 검출한 정보이다. 이러한 심전도 신호 파형의 간격정보와 세부 파형 정보는 사람마다 다르다. 이러한 파형의 간격정보와 세부 파형 정보를 통해 심전도 신호를 본인확인을 위한 사용자 인식기술에 활용할 수 있다.
특징 추출부(250)는 파형 검출부(240)로부터 입력되는 파형정보를 이용하여 심전도 신호의 파형 특징정보를 추출한다. 특징 추출부(250)에서 검출되는 심전도 신호의 파형 특징정보는 심전도 파형의 기본형태, 꼭지점의 갯수, 기저선에서 최대 피크점까지의 크기(a), 기저선에서 최소 피크점까지의 크기(b), 비율값(
Figure 112006037380630-pat00002
), 파형 간격정보 및 세부형상에 대한 정보를 포함한다.
다른 실시예에 따른 심전도 신호 파형 특징 추출부는 심전도 신호 입력부로부터 입력되는 심전도 신호를 필터링하는 필터(220)를 더 포함하여 구현될 수 있다. 필터(220)는 필터링된 심전도 신호에 잡음과 왜곡이 적고, 기저선도 자연스럽게 잡히는 특정 주파수 대역대을 갖는 IIR대역필터로 구현될 수 있다. 예컨대, IIR대역필터는 필터링된 파형의 최대, 최소 진폭위치가 원신호의 최대 최소 진폭위치와 바뀌지 않는 범위내의 대역대를 갖는 필터로 구현될 수 있다. 실예로 최소 대역대는 4~10Hz를 사용할 수 있으며, 최대 대역대는 20~30Hz를 사용하는 필터로 구현될 수 있다.
이 같은 실시예에서, 샘플 분석부(230)는 필터(220)로부터 입력되는 필터링된 심전도 신호 파형을 이용하여 원신호의 최대 피크점 또는 최소 피크점을 검출한다. 샘플 분석부(230)는 일 실시예에 있어서, 필터링된 심전도 신호에 대해 예컨대, 10∼300개의 샘플들을 획득하여 샘플내 모든 진폭값에 대해 평균값 처리하여 기저선을 산출한다. 샘플 분석부(230)는 산출된 기저선을 기준으로 샘플내 모든 진폭값을 절대값 처리하여 최대 진폭값을 산출한 후, 그에 해당하는 시간을 저장한다. 샘플 분석부(230)는 원래 심전도 신호에서, 최대 진폭값의 위치에 해당하는 최대 피크점 또는 최소 피크점을 검출한다. 그러나 필터링된 파형의 피크점과 원신호 의 실제 피크점은 예컨대 2∼4 샘플정도 오차가 있으므로 샘플 분석부(230)는 스캔을 통해 최대 진폭값의 위치에서 2∼4 샘플값을 스캔하여 원신호의 최대 피크점 또는 최소 피크점을 찾도록 구현된다. 이와 같이, 필터링된 심전도 신호를 이용하여 원신호의 최대 피크점 또는 최소 피크점을 검출하는 방식은 원신호만을 이용하는 경우보다 빠르고 정확하다.
또한, 샘플 분석부(230)는 검출된 원신호의 최대 피크점 또는 최소 피크점을 기준으로 원신호 파형에 대해 샘플별로 기저선을 산출한다. 샘플 분석부(230)는 예컨대, 원신호의 최대 피크점 또는 최소 피크점을 기준으로 앞으로 20개 샘플들, 뒤로 27 샘플들의 평균을 구하여 그 점을 잇는 기저선을 산출한다.
한편, 문턱값 산출부(241)는 샘플 분석부(230)로부터 입력되는 원신호의 최대 피크점이 기저선 위에 있는 경우 제1 상한 문턱값(UTL)과 제1 하한 문턱값(LTL)을 산출하고, 원신호의 최소 피크점이 기저선 아래에 있는 경우 제2 상한 문턱값(UTL)과 제2 하한 문턱값(LTL)을 산출한다. 여기서, 상술한 바와 같이 제1 상한 문턱값(UTL)과 제1 하한 문턱값(LTL)을 산출하는 식은 수학식 1에, 제2 상한 문턱값(UTL)과 제2 하한 문턱값(LTL)은 수학식 2에 나타낸 바와 같다.
도 3은 본 발명의 일 실시예에 따른 심전도 신호를 이용한 생체 인식 시스템에서 심전도 신호 파형 특징정보를 추출하는 흐름도이다. 여기서, 심전도 신호를 이용한 생체 인식 시스템은 입력되는 심전도 신호의 파형 특징 정보를 추출하는 심전도 신호의 파형 특징 추출부(120)와 추출된 심전도 신호의 파형 특징 정보를 이용하여 사용자를 인식하는 사용자 인식부(130)을 포함한다.
먼저, 심전도 신호 파형 특징 추출부(120)는 심전도 측정부로부터 측정된 심전도 신호를 입력 받는다(S301). 이후, 심전도 신호의 파형 특징 추출부(120)는 심전도 신호 파형에 대해 예컨대, 10∼300개의 샘플을 획득하여 샘플내 모든 진폭값에 대해 평균값 처리하여 기저선을 산출하고(S303), 산출된 기저선을 기준으로 샘플내 모든 진폭값을 절대값 처리하여 최대 진폭값을 검출하며 획득한 샘플들을 스캔하여 심전도 신호 파형의 샘플내 최대 피크점 또는 최소 피크점을 검출한다(S305).
이후, 심전도 신호의 파형 특징 추출부(120)는 검출된 샘플별 최대 진폭값과 최대 피크점 또는 최소 피크점을 이용하여 심전도 신호 파형의 기본형태를 포함하는 파형정보를 검출한다(S307). 일 실시예에 있어서, 파형정보를 검출하는 단계 S307은 최대 진폭값이 최대 피크점에 있을 경우 제1 상한 문턱값(UTL)과 제1 하한 문턱값(LTL)을 산출하고 상기 최대 진폭값이 최소 피크점에 있을 경우 제2 상한 문턱값(UTL)과 제2 하한 문턱값(LTL)을 산출하는 단계와, 산출된 문턱값들을 기초로 심전도 신호 파형의 기본형태를 검출하는 단계를 포함할 수 있다.
다른 실시예에 있어서, 파형정보를 검출하는 단계 S307은 산출된 상한 문턱값(UTL)과 하한 문턱값(LTL) 및 기저선을 이용하여 심전도 신호 파형의 간격 정보를 검출하는 단계와, 상기 샘플별 심전도 신호 파형을 분석하여 세부 파형 정보를 검출하는 단계를 더 포함할 수 있다. 심전도 신호 파형의 간격은 상한 문턱값(UTL)과 하한 문턱값(LTL) 및 기저선을 기준으로 산출되며, 상한 문턱값(UTL)과 하한 문턱값(LTL) 및 기저선을 통과하는 샘플들 간의 최대 간격으로 한다.
이후, 심전도 신호의 파형 특징 추출부(120)는 파형정보를 이용하여 심전도 신호의 전체 파형에서 특징정보를 추출한다(S309). 심전도 신호의 파형 특징 추출부(120)는 심전도 파형의 기본형태, 꼭지점의 갯수, 기저선에서 최대 피크점까지의 크기(a), 기저선에서 최소 피크점까지의 크기(b), 비율값(
Figure 112006037380630-pat00003
), 파형 간격정보 및 세부형상에 대한 정보를 포함한다.
이후, 사용자 인식 처리부(130)는 심전도 신호의 파형 특징정보에 미리 설정된 가중치를 적용하여 상기 심전도 신호를 갖는 사용자 인식를 수행한다(S309). 여기서, 사용자 인식 처리부(130)는 학습을 통해 미리 심전도 신호 파형의 각 특징과 사용자와의 관계를 알 수 있는 가중치를 설정하여 관리한다.
도 4는 본 발명의 다른 실시예에 따른 심전도 신호를 이용한 생체 인식 시스템에서 심전도 신호 파형 특징정보를 추출하는 흐름도이다. 본 실시예에서는 필터링된 심전도 파형으로부터 대략적인 원 신호의 최대, 최소 피크점의 위치를 구한 후, 이를 이용하여 원 신호의 최대, 최소 피크점을 찾아 파형정보를 검출한다. 여기서, 심전도 신호를 이용한 생체 인식 시스템은 입력되는 심전도 신호의 파형 특징 정보를 추출하는 심전도 신호의 파형 특징 추출부(120)와 추출된 심전도 신호의 파형 특징 정보를 이용하여 사용자를 인식하는 사용자 인식부(130)을 포함한다.
먼저, 심전도 신호의 파형 특징 추출부(120)는 심전도 측정부로부터 측정된 심전도 신호를 입력 받는다(S401). 이후, 심전도 신호의 파형 특징 추출부(120)는 심전도 신호를 필터를 이용하여 필터링한 후(S403), 필터링된 심전도 신호에 대해 예컨대, 250∼300개의 샘플을 획득하여 샘플내 모든 진폭값에 대해 평균값 처리하여 기저선을 산출한다(S405).
이후, 심전도 신호의 파형 특징 추출부(120)는 산출된 기저선을 기준으로 샘플내 모든 진폭값을 절대값 처리하여 최대 진폭값을 산출한 후, 그에 해당하는 시간을 저장한다(S407). 이후 심전도 신호의 파형 특징 추출부(120)는 원래 심전도 신호에서, 최대 진폭값의 위치에 해당하는 최대 피크점 또는 최소 피크점을 검출한다(S409). 여기서, 필터링된 파형의 피크점과 원신호의 실제 피크점은 예컨대 2∼4 샘플정도 오차가 있으므로 스캔을 통해 최대 진폭값의 위치에서 2∼4 샘플값을 스캔하여 원신호의 최대 피크점 또는 최소 피크점을 찾는다.
이후, 심전도 신호의 파형 특징 추출부(120)는 검출된 최대 피크점 또는 최소 피크점을 이용하여 심전도 신호 파형의 기본형태를 포함하는 파형정보를 검출한다(S411). 일 실시예에 있어서, 파형정보를 검출하는 단계 S411은 검출된 최대 피크점 또는 최소 피크점을 기준으로 원신호 파형에 대해 샘플별로 기저선을 산출하는 단계와, 최대 피크점이 기저선 위에 있는 경우 제1 상한 문턱값(UTL)과 제1 하한 문턱값(LTL)을 산출하고, 원신호의 최소 피크점이 기저선 아래에 있는 경우 제2 상한 문턱값(UTL)과 제2 하한 문턱값(LTL)을 산출하는 단계와, 산출된 문턱값들을 기초로 심전도 신호 파형의 기본형태를 검출하는 단계를 포함할 수 있다.
다른 실시예에 있어서, 파형정보를 검출하는 단계 S411은 산출된 상한 문턱값(UTL)과 하한 문턱값(LTL) 및 기저선을 이용하여 심전도 신호 파형의 간격 정보를 검출하는 단계와, 상기 샘플별 심전도 신호 파형을 분석하여 세부 파형 정보를 검출하는 단계를 더 포함할 수 있다. 심전도 신호 파형의 간격은 상한 문턱값(UTL)과 하한 문턱값(LTL) 및 기저선을 기준으로 산출되며, 상한 문턱값(UTL)과 하한 문턱값(LTL) 및 기저선을 통과하는 샘플들 간의 최대 간격으로 한다.
이후, 심전도 신호의 파형 특징 추출부(120)는 파형정보를 이용하여 심전도 신호의 전체 파형에서 특징정보를 추출한다(S413). 심전도 신호의 파형 특징정보는 심전도 파형의 기본형태, 꼭지점의 갯수, 기저선에서 최대 피크점까지의 크기(a), 기저선에서 최소 피크점까지의 크기(b), 비율값(
Figure 112006037380630-pat00004
), 파형 간격정보 및 세부형상에 대한 정보를 포함한다.
이후, 사용자 인식 처리부(130)는 심전도 신호의 파형 특징정보에 미리 설정된 가중치를 적용하여 상기 심전도 신호를 갖는 사용자 인식를 수행한다(S309). 여기서, 사용자 인식 처리부(130)는 학습을 통해 미리 심전도 신호 파형의 각 특징과 사용자와의 관계를 알 수 있는 가중치를 설정하여 관리한다.
도 5는 본 발명에 따른 심전도 신호 파형 특징 추출부에서 심전도 신호 파형의 기저선을 산출하는 것을 설명하기 위한 예시도이다.
도 5에 도시된 심전도 신호는 심전도 신호 측정 장치에서 입력되는 전체 심전도 신호 파형에서 샘플링된 일부 파형이다. 심전도 신호 파형 특징 추출부는 이러한 샘플내 모든 진폭값들을 평균값 처리하여 기전선(B)을 산출한다.
심전도 신호 파형 특징 추출부는 산출된 기전선(B)을 기준으로 샘플내 모든 진폭값들을 절대값 처리하여 최대 진폭값을 산출한다. 또한, 심전도 신호 파형 특 징 추출부는 샘플들을 스캔하여 최대 피크점(P) 또는 최소 피크점을 검출한다. 이러한 최대 진폭값과 최대 피크점(P) 또는 최소 피크점은 심전도 파형의 기본 형태를 결정하기 위한 문턱값 산출에 이용된다.
도 6과 도 7은 본 발명에 따른 심전도 신호 파형 특징 추출부에서 상한 문턱값(UTL)과 하한 문턱값(LTL)을 산출하는 것을 설명하기 위한 예시도이다.
심전도 신호 파형 특징 추출부는 최대 진폭값이 최대 피크점의 위치에 있는 경우 도 6에서 도시한 바와 같이 상한 문턱값(UTL)과 하한 문턱값(LTL)을 산출한다. 이러한 상한 문턱값(UTL)과 하한 문턱값(LTL)을 산출하는 식은 수학식 1에 나타낸 바와 같다.
심전도 신호 파형 특징 추출부는 최대 진폭값이 최소 피크점의 위치에 있는 경우 도 7에 도시한 바와 같이 상한 문턱값(UTL)과 하한 문턱값(LTL)을 산출한다. 이러한 상한 문턱값(UTL)과 하한 문턱값(LTL)을 산출하는 식은 수학식 2에 나타낸 바와 같다.
도 8은 본 발명에 따른 심전도 신호 파형 특징 추출부에서 검출하고자 하는 심전도 파형의 기본형태를 나타낸다.
도시한 바와 같이, 심전도 신호 파형 특징 추출부는 심전도 신호 파형에서 최대 피크점 또는 최소 피크점을 기준으로 적어도 일부의 샘플들이 상한 문턱값(UTL) 위에 있는지, 하한 문턱값(LTL) 아래에 있는지 확인하여 파형의 기본형태를 결정한다. 여기서, 타입 1 은 상한 문턱값(UTL)을 초과하는 샘플값들이 하한 문턱값(LTL)을 초과하는 샘플값들보다 시간상으로 앞에 있는 것이고, 타입 2 는 그 반대에 해당한다. 타입 3 은 상한 문턱값(UTL)을 초과하는 샘플값들은 존재하나 하한 문턱값(LTL)을 초과하는 샘플값이 존재하지 않는 경우에 해당한다. 마지막으로, 타입 4 는 제2 상한 문턱값(UTL)을 초과하는 샘플값들은 존재하지 않으나 제2 하한 문턱값(LTL)을 초과하는 샘플값이 존재하는 경우에 해당한다.
도 9와 도 10은 본 발명에 따른 심전도 신호 파형 특징 추출부에서 파형의 간격을 산출하는 것을 설명하기 위한 예시도이다.
도시한 바와 같이, 심전도 신호 파형 특징 추출부는 상한 문턱값(UTL)을 기준으로 상한 문턱값(UTL)을 통과하는 샘플들 간의 최대 간격을 산출하여 파형의 간격정보를 획득한다. 그런데, 심전도 신호 파형 특징 추출부는 250∼300개의 샘플들을 이용할 경우, 도9에 도시한 바와 같이 상한 문턱값(UTL)에 해당하는 샘플들이 존재하지 않을 수 있다. 이 경우, 상한 문턱값(UTL)을 기준으로 파형의 간격을 정확히 산출할 수 없다.
이를 해결하기 위해 심전도 신호 파형 특징 추출부는 간격 정보를 산출할 경우, 도 10에 도시한 바와 같이 예컨대 수배에서 수십배로 다시 샘플링하여 상한 문턱값(UTL)에 해당하는 샘플들을 획득한 후 획득된 샘플들 간의 최대 간격을 산출한다.
도 11은 본 발명에 따른 심전도 신호 파형 특징 추출부에서 파형의 세부형상을 검출하는 것을 설명하기 위한 예시도이다.
도시한 바와 같이, 심전도 신호 파형 특징 추출부는 최대 피크점(P1)과 최소 피크점(P2)을 중심으로, 기저선(B) 윗부분에 해당하는 파형과 아래부분에 해당하는 파형에 대해 예컨대, 꼭지점 분석 방식을 사용하여 꼭지점(C,D)를 찾아 세부 파형 정보를 검출한다.
도 12는 본 발명에 따른 심전도 신호 파형 특징 추출부에서 사용하는 꼭지점 분석의 예를 나타낸다.
도시한 바와 같이, 심전도 신호 파형 특징 추출부는 샘플들(a),(b),(c),(d) 에서 미분을 취하여 부호의 변동을 체크한다. 도 12에서와 같이 샘플 (a)와 (b)의 미분변화율 부호는 ‘+’ 이며, 샘플 (b)와 (c)의 미분변화률의 부호는 ‘-’이며, 샘플 (c)와 (d)의 미분변화률의 부호는 ‘+’이다. 이때, 두 미분변화율의 부호가 서로 바뀌는 샘플 (b), 샘플 (c)를 꼭지점으로 인식하게 된다.
도 13은 본 발명에 따른 심전도 신호 파형 특징 추출부에서 파형의 세부형상을 검출하는 것을 설명하기 위한 다른 예시도이다.
심전도 신호 파형 특징 추출부는 타입 3과 타입 4의 기본형태를 갖는 심전도 신호 파형의 세부 형상을 검출하기 위해 도 13에 도시한 바와 같이, 세부 파형 검출용 문턱값(D)을 적용할 수 있다. 심전도 신호 파형 특징 추출부는 타입 3을 갖는 심전도 신호 파형에서 세부 파형 검출용 문턱값(D)보다 아래에 있는 샘플이 존재하는지를 확인하여 세부 파형을 결정할 수 있다.
도 14는 본 발명에 따른 심전도 신호 파형 특징 추출부에서 검출하고자 하는 파형의 세부형상을 나타낸다.
도시한 바와 같이, (a)와 (c)는 기저선을 기준으로 파형의 위부분을, (b)와(d)는 기저선을 기준으로 파형의 아래부분을 나타낸다. 한편, (a)와 (b)는 꼭지 점 분석 방식을 통해 검출된 세부 파형이고, (c)와 (d)는 세부 파형 검출용 문턱값(D)을 적용하여 검출된 세부 파형이다.
상술한 바와 같이, 본 발명에 따른 심전도 신호 파형 특징 추출부는 심전도 파형의 기본형태를 검출하여 파형 특징정보를 추출함으로써 사용자 인식을 할 수 있는 유용한 효과가 있다.
또한, 심전도 신호 파형의 간격정보와 세부 파형 정보는 사람마다 다르기 때문에 이러한 파형의 간격정보와 세부 파형 정보를 통해 심전도 신호를 본인확인을 위한 사용자 인식기술에 활용할 수 있는 유용한 효과가 있다.
본 발명은 첨부된 도면을 참조하여 바람직한 실시예를 중심으로 기술되었지만 당업자라면 이러한 기재로부터 본 발명의 범주를 벗어남이 없이 많은 다양한 자명한 변형이 가능하다라는 것은 명백하다. 따라서, 이러한 많은 변형예들을 포함하도록 기술된 특허청구범위에 의해서 해석되어져야 할 것이다.

Claims (15)

  1. 삭제
  2. 삭제
  3. 심전도 신호를 입력받아 입력되는 심전도 신호의 파형에 대해 샘플별로 최대 진폭값과 최대 피크점 또는 최소 피크점을 검출하는 샘플 분석부;
    상기 샘플 분석부로부터 입력되는 샘플별 최대 진폭값과 최대 피크점 또는 최소 피크점을 이용하여 심전도 신호 파형의 기본형태를 포함하는 파형정보를 검출하는 파형 검출부;
    상기 파형 검출부로부터 입력되는 파형정보를 이용하여 심전도 신호의 파형 특징정보를 추출하는 특징 추출부;및
    상기 특징 추출부로부터 입력되는 심전도 신호의 파형 특징정보에 미리 설정된 가중치를 적용하여 상기 심전도 신호를 갖는 사용자 인식을 수행하는 사용자 인식부;를 포함하며,
    상기 파형 검출부는,
    상기 샘플 분석부로부터 입력되는 샘플별 최대 진폭값과 최대 피크점 또는 최소 피크점을 이용하여 심전도 신호 파형의 기본형태를 결정하기 위한 상한 문턱값(UTL)과 하한 문턱값(LTL)을 산출하는 문턱값 산출부; 및
    상기 문턱값 산출부에서 산출된 문턱값들을 기초로 심전도 신호 파형의 기본형태를 검출하는 기본 파형 검출부;를 포함하는 것을 특징으로 하는 심전도 신호를 이용한 생체 인식 시스템.
  4. 심전도 신호를 입력받아 입력되는 심전도 신호의 파형에 대해 샘플별로 최대 진폭값과 최대 피크점 또는 최소 피크점을 검출하는 샘플 분석부;
    상기 샘플 분석부로부터 입력되는 샘플별 최대 진폭값과 최대 피크점 또는 최소 피크점을 이용하여 심전도 신호 파형의 기본형태를 포함하는 파형정보를 검출하는 파형 검출부;
    상기 파형 검출부로부터 입력되는 파형정보를 이용하여 심전도 신호의 파형 특징정보를 추출하는 특징 추출부;및
    상기 특징 추출부로부터 입력되는 심전도 신호의 파형 특징정보에 미리 설정된 가중치를 적용하여 상기 심전도 신호를 갖는 사용자 인식을 수행하는 사용자 인식부;를 포함하며,
    상기 파형 검출부에서 검출되는 심전도 파형의 기본형태는 4가지 타입을 포함하는 것을 특징으로 하는 생체 인식 시스템.
  5. 심전도 신호를 입력받아 입력되는 심전도 신호의 파형에 대해 샘플별로 최대 진폭값과 최대 피크점 또는 최소 피크점을 검출하는 샘플 분석부;
    상기 샘플 분석부로부터 입력되는 샘플별 최대 진폭값과 최대 피크점 또는 최소 피크점을 이용하여 심전도 신호 파형의 기본형태를 포함하는 파형정보를 검출하는 파형 검출부;
    상기 파형 검출부로부터 입력되는 파형정보를 이용하여 심전도 신호의 파형 특징정보를 추출하는 특징 추출부;및
    상기 특징 추출부로부터 입력되는 심전도 신호의 파형 특징정보에 미리 설정된 가중치를 적용하여 상기 심전도 신호를 갖는 사용자 인식을 수행하는 사용자 인식부;를 포함하며,
    상기 파형 검출부에서 검출되는 심전도 파형의 기본형태는,
    제1 상한 문턱값(UTL)을 초과하는 심전도 신호의 샘플값들이 제1 하한 문턱값(LTL)을 초과하는 심전도 신호의 샘플값들보다 시간상으로 앞에 있는 제1 타입,
    제1 상한 문턱값(UTL)을 초과하는 심전도 신호의 샘플값들이 제1 하한 문턱값(LTL)을 초과하는 심전도 신호의 샘플값들보다 시간상으로 뒤에 있는 제2 타입,
    제1 상한 문턱값(UTL)을 초과하는 심전도 신호의 샘플값들은 존재하나 제1 하한 문턱값(LTL)을 초과하는 심전도 신호의 샘플값이 존재하지 않는 제3 타입, 및
    제2 상한 문턱값(UTL)을 초과하는 심전도 신호의 샘플값들은 존재하지 않으나 제2 하한 문턱값(LTL)을 초과하는 심전도 신호의 샘플값이 존재하는 제4 타입을 포함하는 것을 특징으로 하는 생체 인식 시스템.
  6. 삭제
  7. 삭제
  8. 심전도 신호를 입력받아 입력되는 심전도 신호의 파형에 대해 샘플별로 최대 진폭값과 최대 피크점 또는 최소 피크점을 검출하는 샘플 분석부;
    상기 샘플 분석부로부터 입력되는 샘플별 최대 진폭값과 최대 피크점 또는 최소 피크점을 이용하여 심전도 신호 파형의 기본형태를 포함하는 파형정보를 검출하는 파형 검출부;
    상기 파형 검출부로부터 입력되는 파형정보를 이용하여 심전도 신호의 파형 특징정보를 추출하는 특징 추출부;및
    상기 특징 추출부로부터 입력되는 심전도 신호의 파형 특징정보에 미리 설정된 가중치를 적용하여 상기 심전도 신호를 갖는 사용자 인식을 수행하는 사용자 인식부;를 포함하며,
    상기 파형 검출부는,
    상기 샘플 분석부로부터 입력되는 샘플별 심전도 신호 파형을 분석하여 세부 파형 정보를 검출하는 세부 파형 검출부;를 더 포함하는 것을 특징으로 하는 심전도 신호를 이용한 생체 인식 시스템.
  9. 삭제
  10. 심전도 신호를 입력받는 단계와;
    상기 심전도 신호의 파형에 대해 샘플별로 기저선을 산출하는 단계와;
    상기 산출된 기저선을 기준으로 샘플내 모든 진폭값을 절대값 처리하여 최대 진폭값을 검출하며 상기 심전도 신호 파형의 샘플내 최대 피크점 또는 최소 피크점을 검출하는 단계와;
    상기 샘플별 최대 진폭값과 최대 피크점 또는 최소 피크점을 이용하여 심전도 신호 파형의 기본형태를 포함하는 파형정보를 검출하는 단계;
    상기 검출된 파형정보를 이용하여 심전도 신호의 파형 특징정보를 추출하는 단계;
    상기 추출된 심전도 신호의 파형 특징정보에 미리 설정된 가중치를 적용하여 상기 심전도 신호를 갖는 사용자 인식을 수행하는 단계;를 포함하며,
    상기 파형정보 검출 단계는,
    상기 최대 진폭값이 최대 피크점에 있을 경우 제1 상한 문턱값(UTL)과 제1 하한 문턱값(LTL)을 산출하고, 상기 최대 진폭값이 최소 피크점에 있을 경우 제2 상한 문턱값(UTL)과 제2 하한 문턱값(LTL)을 산출하는 단계;및
    상기 산출된 문턱값들을 기초로 심전도 신호 파형의 기본형태를 검출하는 단계; 를 포함하는 것을 특징으로 하는 심전도 신호를 이용한 생체 인식 방법.
  11. 심전도 신호를 입력받는 단계와;
    상기 심전도 신호의 파형에 대해 샘플별로 기저선을 산출하는 단계와;
    상기 산출된 기저선을 기준으로 샘플내 모든 진폭값을 절대값 처리하여 최대 진폭값을 검출하며 상기 심전도 신호 파형의 샘플내 최대 피크점 또는 최소 피크점을 검출하는 단계와;
    상기 샘플별 최대 진폭값과 최대 피크점 또는 최소 피크점을 이용하여 심전도 신호 파형의 기본형태를 포함하는 파형정보를 검출하는 단계;
    상기 검출된 파형정보를 이용하여 심전도 신호의 파형 특징정보를 추출하는 단계;
    상기 추출된 심전도 신호의 파형 특징정보에 미리 설정된 가중치를 적용하여 상기 심전도 신호를 갖는 사용자 인식을 수행하는 단계;를 포함하며,
    상기 심전도 파형의 기본형태는 4가지 타입을 포함하는 것을 특징으로 하는 생체 인식 방법.
  12. 심전도 신호를 입력받는 단계와;
    상기 심전도 신호의 파형에 대해 샘플별로 기저선을 산출하는 단계와;
    상기 산출된 기저선을 기준으로 샘플내 모든 진폭값을 절대값 처리하여 최대 진폭값을 검출하며 상기 심전도 신호 파형의 샘플내 최대 피크점 또는 최소 피크점을 검출하는 단계와;
    상기 샘플별 최대 진폭값과 최대 피크점 또는 최소 피크점을 이용하여 심전도 신호 파형의 기본형태를 포함하는 파형정보를 검출하는 단계;
    상기 검출된 파형정보를 이용하여 심전도 신호의 파형 특징정보를 추출하는 단계;
    상기 추출된 심전도 신호의 파형 특징정보에 미리 설정된 가중치를 적용하여 상기 심전도 신호를 갖는 사용자 인식을 수행하는 단계;를 포함하며,
    상기 심전도 파형의 기본형태는,
    제1 상한 문턱값(UTL)을 초과하는 심전도 신호의 샘플값들이 제1 하한 문턱값(LTL)을 초과하는 심전도 신호의 샘플값들보다 시간상으로 앞에 있는 제1 타입,
    제1 상한 문턱값(UTL)을 초과하는 심전도 신호의 샘플값들이 제1 하한 문턱값(LTL)을 초과하는 심전도 신호의 샘플값들보다 시간상으로 뒤에 있는 제2 타입,
    제1 상한 문턱값(UTL)을 초과하는 심전도 신호의 샘플값들은 존재하나 제1 하한 문턱값(LTL)을 초과하는 심전도 신호의 샘플값이 존재하지 않는 제3 타입, 및
    제2 상한 문턱값(UTL)을 초과하는 심전도 신호의 샘플값들은 존재하지 않으나 제2 하한 문턱값(LTL)을 초과하는 심전도 신호의 샘플값이 존재하는 제4 타입을 포함하는 것을 특징으로 하는 생체 인식 방법.
  13. 삭제
  14. 삭제
  15. 심전도 신호를 입력받는 단계와;
    상기 심전도 신호의 파형에 대해 샘플별로 기저선을 산출하는 단계와;
    상기 산출된 기저선을 기준으로 샘플내 모든 진폭값을 절대값 처리하여 최대 진폭값을 검출하며 상기 심전도 신호 파형의 샘플내 최대 피크점 또는 최소 피크점을 검출하는 단계와;
    상기 샘플별 최대 진폭값과 최대 피크점 또는 최소 피크점을 이용하여 심전도 신호 파형의 기본형태를 포함하는 파형정보를 검출하는 단계;
    상기 검출된 파형정보를 이용하여 심전도 신호의 파형 특징정보를 추출하는 단계;
    상기 추출된 심전도 신호의 파형 특징정보에 미리 설정된 가중치를 적용하여 상기 심전도 신호를 갖는 사용자 인식을 수행하는 단계;를 포함하며,
    상기 파형정보 검출 단계는,
    상기 샘플별 심전도 신호 파형을 분석하여 세부 파형 정보를 검출하는 단계;
    를 더 포함하는 것을 특징으로 하는 심전도 신호를 이용한 생체 인식 방법.
KR1020060047731A 2006-05-26 2006-05-26 심전도 신호를 이용한 생체 인식 시스템 및 생체 인식 방법 KR100887766B1 (ko)

Priority Applications (1)

Application Number Priority Date Filing Date Title
KR1020060047731A KR100887766B1 (ko) 2006-05-26 2006-05-26 심전도 신호를 이용한 생체 인식 시스템 및 생체 인식 방법

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020060047731A KR100887766B1 (ko) 2006-05-26 2006-05-26 심전도 신호를 이용한 생체 인식 시스템 및 생체 인식 방법

Publications (2)

Publication Number Publication Date
KR20070113878A KR20070113878A (ko) 2007-11-29
KR100887766B1 true KR100887766B1 (ko) 2009-03-12

Family

ID=39091635

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020060047731A KR100887766B1 (ko) 2006-05-26 2006-05-26 심전도 신호를 이용한 생체 인식 시스템 및 생체 인식 방법

Country Status (1)

Country Link
KR (1) KR100887766B1 (ko)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US10188351B2 (en) 2016-02-01 2019-01-29 Samsung Electronics Co., Ltd. Electrocardiogram (ECG) signal based authentication apparatus and method
KR20210075545A (ko) 2019-12-13 2021-06-23 조선대학교산학협력단 심전도 신호로부터 생체 인식을 위한 특징 벡터 추출 방법 및 그 특징 벡터를 이용한 개인 식별 방법.

Families Citing this family (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR101270954B1 (ko) * 2011-05-24 2013-06-11 가톨릭대학교 산학협력단 심전도 신호 및 지문인식을 이용한 생체인식 시스템
KR102010304B1 (ko) * 2012-06-14 2019-10-21 삼성전자주식회사 심전도 신호를 이용한 사용자 인증 방법 및 장치
CN102908135B (zh) * 2012-10-08 2015-06-10 中国科学院深圳先进技术研究院 心电诊断系统及其操作方法
KR102210468B1 (ko) * 2018-12-28 2021-02-02 조선대학교산학협력단 심전도 신호의 기저선 변동 잡음 제거 방법 및 컴퓨터 프로그램
CN112741598A (zh) * 2019-10-30 2021-05-04 株式会社理光 波形生成识别方法和计算机可读介质

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20060053812A (ko) * 2004-11-17 2006-05-22 삼성전자주식회사 생체신호를 이용한 생체 인식 장치 및 방법
KR20060082677A (ko) * 2005-01-13 2006-07-19 인하대학교 산학협력단 심전도를 이용한 생체인식 시스템 및 방법

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20060053812A (ko) * 2004-11-17 2006-05-22 삼성전자주식회사 생체신호를 이용한 생체 인식 장치 및 방법
KR20060082677A (ko) * 2005-01-13 2006-07-19 인하대학교 산학협력단 심전도를 이용한 생체인식 시스템 및 방법

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
2001 Proc of 23rd Annual EMBS Int. conf., 2001.10.25~28, Masaki kyoso, Akihiko Uchiyama, "Development of an ECG Identificatio System", pp.3721~3723*
IEEE trans on Instrument and Mesaurement, Vol.50, No.3, 2001.06, "ECG Analysis: A New Approach in Human Identification", pp.808~812*

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US10188351B2 (en) 2016-02-01 2019-01-29 Samsung Electronics Co., Ltd. Electrocardiogram (ECG) signal based authentication apparatus and method
US11109812B2 (en) 2016-02-01 2021-09-07 Samsung Electronics Co., Ltd. Electrocardiogram (ECG) signal based authentication apparatus and method
KR20210075545A (ko) 2019-12-13 2021-06-23 조선대학교산학협력단 심전도 신호로부터 생체 인식을 위한 특징 벡터 추출 방법 및 그 특징 벡터를 이용한 개인 식별 방법.

Also Published As

Publication number Publication date
KR20070113878A (ko) 2007-11-29

Similar Documents

Publication Publication Date Title
CN108186011B (zh) 房颤检测方法、装置及可读存储介质
KR100887766B1 (ko) 심전도 신호를 이용한 생체 인식 시스템 및 생체 인식 방법
US11071489B2 (en) Annotation of a wavefront with evaluation of the ratio of a bipolar derivative to a local unipolar minimum derivative
KR100763233B1 (ko) 동잡음 제거된 혈류량 신호 검출 장치 및 방법, 그리고이를 이용한 스트레스 검사 장치
KR100750662B1 (ko) 심전도를 이용한 생체인식 시스템 및 방법
KR101369754B1 (ko) 심탄도를 이용한 개인인증 시스템 및 방법
US6181808B1 (en) Living body discriminating apparatus
CN109350030B (zh) 基于相位放大处理人脸视频心率信号的系统及方法
US9901277B2 (en) Cycle length iteration for the detection of atrial activations from electrogram recordings of atrial fibrillation
Sadhukhan et al. Detection of ECG characteristic features using slope thresholding and relative magnitude comparison
CN111067513B (zh) 一种特征权重自学习的睡眠质量检测关键脑区判定方法
US11344246B2 (en) Long QT syndrome diagnosis and classification
CN107049357B (zh) 一种心音信号解析方法、装置及系统
JP4718033B2 (ja) 心電図情報処理装置及び心電図情報処理方法
CN109846473B (zh) 一种检测单导联10秒心电图噪音干扰程度的方法
CN105050493B (zh) 用于确定ecg数据中的qrs复合波的出现的装置和方法
KR102123149B1 (ko) 침 근전도 신호를 이용한 말초신경병증 감별 장치
Biran et al. Automatic qrs detection and segmentation using short time fourier transform and feature fusion
CN108836312B (zh) 一种基于人工智能的进行杂波剔除的方法及系统
Massmann et al. Continuous signal quality estimation for robust heart rate extraction from photoplethysmographic signals
WO2020242334A1 (en) System and method of automated electrocardiogram analysis and interpretation
Akhbardeh et al. Ballistocardiogram classification using a novel transform so-called AliMap and biorthogonal wavelets
JP2020162894A (ja) 心電図解析装置，方法およびプログラム
KR20140063493A (ko) 심탄도를 이용한 개인인증 시스템 및 방법
Baas et al. Comparison of three t-wave delineation algorithms based on wavelet filterbank, correlation and pca

Legal Events

Date Code Title Description
A201 Request for examination
E902 Notification of reason for refusal
AMND Amendment
E902 Notification of reason for refusal
AMND Amendment
E601 Decision to refuse application
AMND Amendment
J201 Request for trial against refusal decision
B701 Decision to grant
GRNT Written decision to grant
FPAY Annual fee payment

Payment date: 20130129

Year of fee payment: 5

FPAY Annual fee payment

Payment date: 20140303

Year of fee payment: 6

FPAY Annual fee payment

Payment date: 20150302

Year of fee payment: 7

FPAY Annual fee payment

Payment date: 20160204

Year of fee payment: 8

FPAY Annual fee payment

Payment date: 20170302

Year of fee payment: 9

FPAY Annual fee payment

Payment date: 20180302

Year of fee payment: 10

FPAY Annual fee payment

Payment date: 20190226

Year of fee payment: 11

FPAY Annual fee payment

Payment date: 20200211

Year of fee payment: 12