KR101788803B1

KR101788803B1 - 심전도를 이용한 개인 식별 정보 생성방법 및 그 개인 식별 정보를 이용한 개인 식별 방법

Info

Publication number: KR101788803B1
Application number: KR1020160132046A
Authority: KR
Inventors: 반성범; 최규호; 문해민; 김윤태; 곽근창
Original assignee: 조선대학교 산학협력단
Priority date: 2016-10-12
Filing date: 2016-10-12
Publication date: 2017-10-20
Also published as: US20180098719A1; US10548515B2

Abstract

본 발명은 심전도를 이용한 개인 식별 정보 생성방법 및 그 개인 식별 정보를 이용한 개인 식별 방법에 관한 것으로, 보다 구체적으로는 심전도 신호를 2차원 영상 데이터로 변환하여 개인 식별 정보로 이용함으로써 인식률을 매우 향상시킬 수 있고, 한 주기의 심전도 신호만을 2차원 영상 데이터로 변환함으로써 계산량을 줄여 실시간 식별에 매우 유리한 심전도를 이용한 개인 식별 정보 생성방법 및 그 개인 식별 정보를 이용한 개인 식별 방법에 관한 것이다.

Description

심전도를 이용한 개인 식별 정보 생성방법 및 그 개인 식별 정보를 이용한 개인 식별 방법{Generation method of personal identification information using electrocardiogram and personal identification method using the information}

개인 식별은 건물의 출입, 보안이 요구되는 은행 업무, 스마트 기기의 사용 인증 등, 패스워드가 필요한 다양한 실생활 및 산업 전반에 이용된다.

종래의 개인 식별 방법은 카메라의 광학센서에 의해 얻어진 얼굴 영상으로부터 특징을 추출하여 개인 식별을 수행하는 얼굴 인식 방법, 지문에서 특징을 추출하여 개인 식별을 수행하는 지문 인식 방법, 눈의 홍채에서 개개인의 특징을 추출하여 개인 식별을 수행하는 홍체 인식 방법 등이 있다.

이러한, 개인의 얼굴 영상, 지문, 홍채 등을 이용하여 개인을 식별하는 방법은 부재자나 망자의 경우에도 사용이 가능하므로 보안에 취약하며, 방대한 데이터를 처리해야 하므로 실시간으로 개인 식별을 수행하는데 한계가 있다.

이러한 문제점을 해결하기 위해 한국등록특허 제10-0946766호에는 심전도 데이터를 이용하여 피검자를 식별하는 개인 식별 장치의 구성이 개시되어 있다.

이 종래의 심전도 데이터를 이용한 개인 식별 장치는 복재가 불가능하여 해당 개인만을 식별할 수 있는 장점이 있다.

그러나 종래의 심전도 데이터를 이용한 개인 식별 장치는 복수 개의 흉부 리드에서 측정된 심전도 데이터들을 3차원 공간상에서 벡터 심전도로 투영하여 식별 정보로 저장하고 인식하므로 데이터양이 방대하여 실시간으로 개인 식별을 수행할 수 없는 문제점이 있다.

본 발명은 상술한 문제점을 해결하기 위해 안출된 것으로 본 발명의 목적은 심전도를 이용하여 개인 식별을 수행함에 있어서, 인식률은 높이는 한편, 계산 량이 적어 실시간으로 개인 식별을 수행하기에 적합한 개인 식별 정보 생성방법 및 개인 식별 방법을 제공하는 것이다.

상기의 목적을 달성하기 위하여 본 발명은 컴퓨터를 이용하여 심전도 신호를 개인 식별 정보로 생성하기 위한 심전도 신호를 이용한 개인 식별 정보 생성방법으로서, 심전도 신호를 입력받는 단계; 상기 심전도 신호를 2차원 영상 데이터로 변환하는 단계; 및 상기 2차원 영상 데이터를 상기 개인 식별 정보로 생성하여 저장하는 단계;를 포함하는 것을 특징으로 하는 심전도 신호를 이용한 개인 식별 정보 생성방법을 제공한다.

바람직한 실시예에 있어서, 상기 심전도 신호를 입력받는 단계 이후에, 상기 심전도 신호 중, P,Q,R,S,T파를 포함하는 소정의 한 주기 심전도 신호를 추출하는 단계;를 더 포함하고, 상기 2차원 영상 데이터는 상기 한 주기 심전도 신호를 변환하여 생성된다.

바람직한 실시예에 있어서, 상기 한 주기 심전도 신호는 소정의 R파 정점을 검출하고, 상기 R파 정점을 중심으로 소정의 전후시간 동안의 심전도 신호를 포함시켜 추출된다.

바람직한 실시예에 있어서, 상기 한 주기 심전도 신호를 추출하기 전에 상기 심전도 신호의 기저선 변동 잡음(baseline variation noise)을 제거하는 단계;를 더 포함한다.

바람직한 실시예에 있어서, 상기 심전도 신호를 2차원 영상 데이터로 변환하는 단계는 상기 한 주기 심전도 신호를 2차원 영상 데이터로 변환하는 단계이며, 소정의 크기를 갖는 영상 배경을 생성하는 단계; 및 상기 한 주기 심전도 신호를 상기 영상 배경에 투영하여 상기 2차원 영상 데이터를 생성하는 단계;를 포함한다.

바람직한 실시예에 있어서, 상기 영상 배경의 폭은 상기 한 주기 심전도 신호의 데이터 수와 대응하고, 높이는 상기 한 주기 심전도 신호의 최대값, 최소값 및 보정값을 더한 값에 대응하도록 생성된다.

바람직한 실시예에 있어서, 상기 영상 배경의 높이는 아래의 수학식 1과 같이 S파 진폭의 절대값에 100을 곱한 값, R파 진폭에 100을 곱한 값 및 상기 보정값을 더한 값으로 계산된다.

[수학식 1]

여기서, Image height는 영상 배경의 높이, S wave amplitude는 S파의 정점 진폭, R wave amplitude는 R파의 정점 진폭을 의미한다.

바람직한 실시예에 있어서, 상기 보정값은 심전도 신호의 진폭 0.5[V]에 대응하는 50으로 설정된다.

바람직한 실시예에 있어서, 상기 한 주기 심전도 신호를 상기 영상 배경에 투영하는 과정은, 아래의 수학식 2와 같이 상기 한 주기 심전도 신호의 시간에 따른 진폭 값에 100을 곱한 값, S파 진폭의 절대값에 100을 곱한 값 및 보정값 50을 더하여 행 좌표 값을 계산하고, 상기 행 좌표 값에 대응하는 상기 영상 배경의 위치에 신호를 표시함으로써 이루어진다.

[수학식 2]

여기서, Coordinate of row는 상기 행 좌표값을 의미한다.

바람직한 실시예에 있어서, 상기 영상 배경에 표시된 이웃한 행 좌표값들 사이가 연속되도록 보간하여 한 주기 심전도 신호 영상을 생성하고, 상기 한 주기 심전도 신호 영상을 이진화하여 상기 2차원 영상 데이터를 생성한다.

바람직한 실시예에 있어서, 상기 2차원 영상 데이터는 상기 한 주기 심전도 신호 영상을 소정의 사이즈로 축소하여 생성된다.

바람직한 실시예에 있어서, 상기 2차원 영상 데이터는 주성분 분석(PCA:principal component analysis) 및 선형판별분석(LDA:Linear Discriminant Analysis)을 통해 차원 축소(dimensional reduction)된 영상 특징으로 생성된다.

또한, 본 발명은 컴퓨터와 결합하여 상기 개인 식별 정보 생성방법을 수행하기 위한 매체에 저장된 컴퓨터 프로그램을 더 제공한다.

또한, 본 발명은 상기 개인 식별 정보 생성방법으로 개인 식별 정보(이하, 제1 개인 식별 정보라 함)들를 생성하여 데이터베이스에 저장하는 단계; 식별하고자하는 식별대상의 심전도 신호를 입력받는 단계; 상기 식별대상의 심전도 신호를 상기 개인 식별 정보 생성방법 이용하여 개인 식별 정보(이하, 제2 개인 식별 정보라 함)로 생성하는 단계; 상기 제2 개인 식별 정보와 상기 데이터베이스의 제1 개인 식별 정보들을 서로 비교하여 상기 제2 개인 식별 정보가 상기 제1 개인 식별 정보들 중, 어느 개인 식별 정보로 분류되는지 판단함으로써 개인 식별을 수행하는 개인 식별 방법을 더 제공한다.

또한, 본 본 발명은 컴퓨터와 결합하여 제 14 항의 개인 식별 방법을 수행하기 위한 매체에 저장된 컴퓨터 프로그램을 더 제공한다.

본 발명은 다음과 같은 우수한 효과를 가진다.

본 발명의 심전도를 이용한 개인 식별 정보 생성방법 및 그 개인 식별 정보를 이용한 개인 식별 방법에 의하면, 심전도 신호를 2차원 영상 데이터로 변환하여 개인 식별 정보로 이용함으로써 인식률을 매우 향상시킬 수 있고, 한 주기의 심전도 신호만을 2차원 영상 데이터로 변환하여 계산하므로 실시간 식별에 매우 유리한 장점이 있다.

또한, 본 발명의 심전도를 이용한 개인 식별 정보 생성방법 및 그 개인 식별 정보를 이용한 개인 식별 방법에 의하면, 주성분 분석과 선형 판별 분석을 이용하여 차원이 축소된 2차원 영상 데이터를 영상 특징으로 이용함으로써 계산량은 줄일 수 있고, 식별률은 높일 수 있는 장점이 있다.

도 1은 본 발명의 일 실시예에 따른 심전도을 이용한 개인 식별 정보 생성방법 및 개인 식별 방법을 설명하기 위한 흐름도,
도 2는 본 발명의 일 실시예에 따른 심전도을 이용한 개인 식별 정보 생성방법 및 개인 식별 방법에서 입력되는 심전도 신호를 보여주는 도면,
도 3은 본 발명의 일 실시예에 따른 심전도을 이용한 개인 식별 정보 생성방법 및 개인 식별 방법에서 추출된 한 주기 심전도 신호를 보여주는 도면,
도 4는 본 발명의 일 실시예에 따른 심전도을 이용한 개인 식별 정보 생성방법 및 개인 식별 방법에서 6명의 개인으로부터 추출된 한 주기 심전도 신호의 샘플을 보여주는 도면,
도 5는 본 발명의 일 실시예에 따른 심전도을 이용한 개인 식별 정보 생성방법 및 개인 식별 방법에서 영상 배경을 설명하기 위한 도면,
도 6은 본 발명의 일 실시예에 따른 심전도을 이용한 개인 식별 정보 생성방법 및 개인 식별 방법에서 영상 배경에 한 주기 심전도 신호를 정규화한 정규화 영상을 보여주는 도면,
도 7은 본 발명의 일 실시예에 따른 심전도을 이용한 개인 식별 정보 생성방법 및 개인 식별 방법에서 영상 배경에 한 주기 심전도 신호를 투영하는 방법을 설명하기 위한 도면,
도 8은 본 발명의 일 실시예에 따른 심전도을 이용한 개인 식별 정보 생성방법 및 개인 식별 방법에서 2차원 영상 데이터를 보간하는 방법을 설명하기 위한 도면,
도 9는 본 발명의 일 실시예에 따른 심전도을 이용한 개인 식별 정보 생성방법 및 개인 식별 방법에서 2차원 영상데이터를 회색 영상을 변환하는 과정을 설명하기 위한 도면,
도 10은 본 발명의 일 실시예에 따른 심전도을 이용한 개인 식별 정보 생성방법 및 개인 식별 방법에서 회색 영상을 2진화하는 방법을 설명하기 위한 도면,
도 11은 본 발명의 일 실시예에 따른 심전도을 이용한 개인 식별 정보 생성방법 및 개인 식별 방법에서 2진화된 영상의 사이즈를 축소하는 과정을 설명하기 위한 도면,
도 12는 본 발명의 일 실시예에 따른 심전도을 이용한 개인 식별 정보 생성방법 및 개인 식별 방법으로 인식한 인식결과를 보여주는 도면이다.

본 발명에서 사용되는 용어는 가능한 현재 널리 사용되는 일반적인 용어를 선택하였으나, 특정한 경우는 출원인이 임의로 선정한 용어도 있는데 이 경우에는 단순한 용어의 명칭이 아닌 발명의 상세한 설명 부분에 기재되거나 사용된 의미를 고려하여 그 의미가 파악되어야 할 것이다.

이하, 첨부한 도면에 도시된 바람직한 실시예들을 참조하여 본 발명의 기술적 구성을 상세하게 설명한다.

그러나 본 발명은 여기서 설명되는 실시예에 한정되지 않고 다른 형태로 구체화될 수도 있다. 명세서 전체에 걸쳐 동일한 참조번호는 동일한 구성요소를 나타낸다.

본 발명의 일 실시예에 따른 개인 식별 정보 생성방법은 사람의 심전도 신호를 2차원 영상 데이터로 변환하고, 변환된 2차원 영상 데이터의 영상 특징을 개인 식별 정보로 생성하는 방법이다.

또한, 본 발명의 일 실시예에 따른 개인 식별 방법은 상기 개인 식별 정보 생성방법으로 생성된 개인 식별 정보를 이용하여 개인 식별을 수행하는 방법이다.

또한, 본 발명의 일 실시예에 따른 개인 식별 정보 생성방법 및 개인 식별 방법은 실질적으로 컴퓨터에 의해 수행되며, 상기 컴퓨터에는 상기 컴퓨터를 기능시켜 상기 개인 식별 정보 생성방법 및 개인 식별 방법을 수행하기 위한 컴퓨터 프로그램이 저장된다.

또한, 상기 컴퓨터는 일반적인 퍼스널 컴퓨터뿐만 아니라 영상 처리가 가능한 스마트 기기 및 임베디드 시스템을 포함하는 광의의 컴퓨팅 장치이다.

또한, 상기 컴퓨터 프로그램은 별도의 기록 매체에 저장되어 제공될 수 있으며, 상기 기록매체는 본 발명을 위하여 특별히 설계되어 구성된 것들이거나 컴퓨터 소프트웨어 분야에서 통상의 지식을 가진 자에게 공지되어 사용 가능한 것일 수 있다.

예를 들면, 상기 기록매체는 하드 디스크, 플로피 디스크 및 자기 테이프와 같은 자기 매체, CD, DVD와 같은 광 기록 매체, 자기 및 광 기록을 겸할 수 있는 자기-광 기록 매체, 롬, 램, 플래시 메모리 등 단독 또는 조합에 의해 프로그램 명령을 저장하고 수행하도록 특별히 구성된 하드웨어 장치일 수 있다.

또한, 상기 컴퓨터 프로그램은 프로그램 명령, 로컬 데이터 파일, 로컬 데이터 구조 등이 단독 또는 조합으로 구성된 프로그램일 수 있고, 컴파일러에 의해 만들어지는 것과 같은 기계어 코드뿐만 아니라, 인터프리터 등을 사용하여 컴퓨터에 의해 실행될 수 있는 고급 언어 코드로 짜여진 프로그램일 수 있다.

이하에서는 도 1을 참조하여 본 발명의 일 실시예에 따른 심전도를 이용한 개인 식별 정보 생성방법 및 개인 식별 방법을 상세히 설명한다.

도 1을 참조하면 본 발명의 일 실시예에 따른 개인 식별 정보 생성방법 및 개인 식별 방법은 크게 심전도 신호를 개인 식별 정보로 생성하여 저장하는 개인 식별 정보 생성방법(S1000)과 저장된 개인 식별 정보를 이용하여 개인을 식별하는 개인 식별 방법(S2000)을 포함하여 이루어진다.

또한, 상기 개인 식별 정보 생성방법(S1000)은 크게, 심전도 신호를 입력 받는 단계(S1100), 상기 심전도 신호를 2차원 영상 데이터로 생성하는 단계(S1200) 및 상기 2차원 영상 데이터를 개인 식별 정보로 저장하는 단계(S1300)을 포함하여 이루어지고, 상기 심전도 신호를 입력 받는 단계(S1100) 이후에, 기저선 변동 잡음을 제거 하는 과정(S1110)과 한 주기 심전도 신호를 추출하는 과정(S1120)이 더 포함될 수 있다.

상기 개인 식별 정보 생성방법(S1000)은 먼저, 심전도 신호 측정장치로부터 심전도 신호를 입력받는다(S1100).

도 2는 상기 심전도 신호(100)를 보여주는 것으로 상기 심전도 신호(100)는 심장의 박동에 따라 심근에서 발생하는 활동 전류를 표준 12유도법에 의해 계측한 1차원의 아날로그 신호이다.

또한, 상기 심전도 신호(100)는 시간에 흐름에 따라 복수 개의 심전도 신호 파형을 갖는다.

다음, 상기 심전도 신호(100)의 기저선 변동 잡음(baseline variation noise)을 제거한다(S1110).

또한, 상기 기저선 변동 잡음은 호흡에 의한 심전도의 잡음중 하나로 1Hz 미만의 저주파 잡음이다.

따라서 본 발명에서는 대역 통과 필터를 이용하여 1Hz 미만의 기저선 변동 잡음을 제거하였으며 심전도 신호가 일정한 패턴을 갖도록 하였다.

다음, 잡음이 제거된 심전도 신호 중, 어느 한 주기의 심전도 신호(110,이하, '한 주기 심전도 신호'라 함)를 추출한다(S1120).

또한, 도 3을 참조하면 상기 한 주기 심전도 신호(110)는 하나의 P,Q,R,S,T파를 포함하는 한 주기의 심전도 신호이다.

또한, 상기 한 주기 심전도 신호(110)는 먼저, R파 정점(111)을 검출하고, 상기 R파 정점(111)이 발생한 시간을 기준으로 이전 0.5초(R파 정점의 우측), 이후 0.3초(R파 정점의 좌측) 내의 신호를 포함시켜 추출한다.

여기서, 0.5초와 0.3초의 시간은 R파를 중심으로 좌측의 P파(112)와 우측의 T파(113)는 포함하면서도 다른 주기의 심전도 신호는 포함되지 않도록 하는 시간이며 실험에 의해 도출하였다.

또한, 도 4는 6명의 실험자로부터 각각 한 주기 심전도 신호(110)를 검출한 것을 보여주는 도면으로, 모든 실험자의 한 주기 심전도 신호(110)가 P파(112)와 T파(113)는 포함하면서도 다른 주기의 심전도 신호를 포함하지 않고 추출됨을 알 수 있다.

또한, 상기 한 주기 심전도 신호(110) 내의 데이터 개수는 아래의 수학식 a와 같이 상기 심전도 신호(110)의 샘플링 율과 상기 한 주기 심전도 신호(110)의 추출 시간을 곱하여 계산할 수 있다.

[수학식 a]

만약, 샘플링 율이 256Hz인 경우 상기 한 주기 심전도 신호(110)는 204개의 데이터로 이루어진다.

또한, 상기 R파 정점(111)은 대역통과 필터와 네 제곱 연산하여 정점을 추출하는 Pan & Tomkins 알고리즘을 이용하여 추출하였다.

다음, 상기 한 주기 심전도 신호(110)를 2차원 영상 데이터로 변환한다(S1200).

즉, 본 발명의 일 실시예에 따른 개인 식별 정보 생성방법은 입력받은 심전도 신호 전체를 2차원 영상 데이터로 변환할 수 있으나, 어느 한 주기의 심전도 신호만을 2차원 영상 데이터로 변환하여 개인 식별 정보로 생성함으로써 데이터양을 줄일 수 있고, 이는 추후 개인 식별시 적은 계산량만으로 개인 식별을 수행할 수 있게 하므로 실시간으로 개인 식별을 수행하는데 유리하다.

다음, 상기 한 주기 심전도 신호(110)를 투영할 영상 배경을 생성하고, 상기 한 주기 심전도 신호(110)를 상기 영상 배경에 투영할 수 있도록 정규화한다(S1210).

도 5는 상기 영상 배경(200)을 보여주는 것으로 상기 영상 배경(200)의 폭(W)은 상기 한 주기 심전도 신호(110)의 데이터에 대응하는 204픽셀이고, 높이(H)는 상기 한 주기 심전도 신호(110)의 최대값에서 최소값을 뺀 크기(h)에 보정값(α)를 더한 값으로 계산된다.

예를 들면, 상기 영상 배경(200)의 높이(H)는 아래의 수학식 1과 같이 S파 진폭의 절대값(1.5[V])에 100을 곱한 값, R파 진폭(2[V])에 100을 곱한 값 및 상기 보정값을 더한 값으로 계산될 수 있다.

[수학식 1]

여기서, Image height는 상기 영상 배경(200)의 높이(H), S wave amplitude는 S파의 정점 진폭, R wave amplitude는 R파의 정점 진폭을 의미한다.

또한, 본 발명에서는 상기 보정값(α)을 50으로 설정하였으며, 이는 진폭 0.5[V]에 해당하는 값이다.

즉, 본 발명은 상기 보정값(α) 만큼의 여유를 주어 S파의 정점과 R파의 정점이 상기 영상 배경(200)에 모두 포함될 수 있도록 하였다.

또한, 도 6은 상기 한 주기 심전도 신호(110)를 상기 영상 배경(200)의 크기로 정규화하였을 때의 심전도 신호 영상(120)을 보여주는 것으로, 상기 한 주기 심전도 신호(110)의 모양이 유지된 채, 상기 영상 배경(200)의 크기로 정규화됨을 알 수 있다.

다음, 상기 한 주기 심전도 신호(110)를 상기 영상 배경(200)에 투영하여 2차원 영상 데이터(300)를 생성한다(S1220).

또한, 상기 한 주기 심전도 신호(110)를 상기 영상 배경(200)에 투영하기 위해서는 상기 한 주기 심전도 신호(110)의 행 좌표를 계산하여야 하며, 상기 행 좌표(coordinate of row)는 아래의 수학식 2와 같이 시간에 따른 상기 한 주기 심전도 신호(110)의 진폭 값(심전도 amplitude)에 100을 곱한 값, S파 진폭(S wave amplitude)의 절대값에 100을 곱한 값 및 보정값 50을 더하여 계산할 수 있다.

[수학식 2]

또한, 상기 행 좌표 값에 대응하는 상기 영상 배경(200)의 위치에 픽셀값을 부여함으로써 영상 투영을 완료한다.

또한, 상기 행 좌표 계산에 있어, 상기 S파 진폭(S wave amplitude)의 절대값만큼 더 해주는 이유는 단순 투영시 도 7의 왼쪽 영상(300a)과 같이 음의 진폭 값에 대한 데이터 손실이 발생하므로, 이 데이터 손실의 발생을 방지하기 위함이다.

또한, 도 7의 오른쪽 영상(300)은 상기 한 주기 심전도 신호(110)가 상기 영상 배경(200)에 정규화되어 투영된 영상으로 2차원 영상 데이터(300)이다.

다음, 상기 2차원 영상 데이터(300)에서 손실된 데이터를 보간하여 불연속의 심전도 영상이 연속적으로 이어지도록 한다(S1230).

도 8을 참조하면, 심전도 신호는 시간에 대한 전압 값이기 때문에 불연속적신호이며, 이 심전도 신호 데이터를 배경 영상에 투영하였을 때, 상기 2차원 영상 데이터(300)에서 심전도 영상이 불연속으로 나타난다.

다시 말해서, 연속되는 시간 t1, t2에 해당하는 점들 간에 데이터가 존재하지 않는다.

이렇게 데이터가 존재하지 않는 부분에 보간(a,데이터를 채워 넣음)함으로써 개인 식별의 인식률을 향상시킬 수 있다.

또한, 상기 2차원 영상 데이터는 도 9에 도시한 바와 같이 소정의 화소값으로 채워지기(padding, filling)를 통해 컬러 영상(400)으로 생성된다.

다음, 컬러의 2차원 영상 데이터(400)를 회색 영상(500)으로 변환한다.

다음, 상기 회색 영상(500)을 이진화하여 배경은 흰색이 되게 하고, 심전도 신호는 검은색이 되게 하여 영상 내에서 심전도 신호와 배경이 서로 뚜렷하게 대비되도록 변환한다.

또한, 상기 영상 배경(200)은 데이터 베이스에 저장되는 과정에서 설정된 크기보다 더 크게 저장되므로 도 10에 도시한 바와 같이 영상 데이터(500a) 중, 심전도 신호가 존재하지 않는 부분(500c)는 제외하고, 심전도 신호가 존재하는 부분인 관심영역(500b, ROI:Region Of Interest)만을 추출하여 이진화를 수행함으로써 계산량을 줄이는 것이 바람직하다.

다음, 이진화된 2차원 영상 데이터(500bb)의 사이즈를 축소한다(S1250).

이는, 저장되는 데이터양을 줄이고 처리 속도를 향상시키기 위함이다.

또한, 도 11의 왼쪽 영상(500bb)은 상기 관심영역(500b)을 이진화한 2차원 영상 데이터(656×675pixel)이고, 오른쪽 영상(500d)은 이진화된 2차원 영상 데이터(500bb)를 축소한 2차원 영상 데이터(100×100pixel)이다.

다음, 사이즈가 축소된 2차원 영상 데이터(500d)를 주성분 분석(PCA:principal component analysis) 및 선형판별분석(LDA:Linear Discriminant Analysis)을 통해 차원 축소(dimensional reduction)를 수행하고,(S1260), 차원이 축소된 2차원 영상 데이터(영상 특징)를 개인 식별 정보로 저장한다(S1300).

이렇게 개인 식별 정보가 저장된 후, 식별하고자 하는 개인의 개인 식별을 수행한다(S2000).

먼저, 식별하고자 하는 개인의 심전도 신호를 입력받는다(S2100).

다음, 입력된 심전도 신호를 개인 식별 정보로 생성한다(S2200).

또한, 상기 개인 식별 정보를 생성하는 방법은 전술한 개인 식별 정보 생성방법(S1000)과 동일하다.

다음, 현재 생성된 개인 식별 정보(test data)와 미리 저장된 개인 식별 정보(train data)를 서로 비교하여 개인 식별을 수행한다(S2300).

여기서, 식별할 개인 식별 정보를 비교하여 분류하는 것은 유클라디안 거리(Euclidean distance)의 계산을 통해 이루어질 수 있다.

도 12는 본 발명의 일 실시예에 따른 심전도를 이용한 개인 식별 정보 생성방법 및 개인 식별 방법으로 인식한 인식결과를 보여주는 도면이다.

실험에 참여한 인원(Number of people)는 총 10명이고, 개인별 데이터(Train data)는 200개이다.

미리 등록된 개인 식별 정보(train data)의 개수에 유동적인 변화를 주며, 인식하고자 하는 개인 식별 정보(Test data) 유클라디언 거리(Euclidean distance)를 이용하여 식별하였다.

그 결과, 주성분 분석과 선형 판별 분석을 함께 이용하여 차원이 축소된 개인 식별 정보를 이용할 경우(PCA+LDA), 개인 식별율이 최대 99.7%로 분석되었으며 주성분 분석만을 이용하여 개인 식별을 수행하는 경우(PCA)보다 개인 식별율이 매우 높은 것을 알 수 있다.

이상에서 살펴본 바와 같이 본 발명은 바람직한 실시예를 들어 도시하고 설명하였으나, 상기한 실시예에 한정되지 아니하며 본 발명의 정신을 벗어나지 않는 범위 내에서 당해 발명이 속하는 기술분야에서 통상의 지식을 가진 자에 의해 다양한 변경과 수정이 가능할 것이다.

100:심전도 신호 110:한 주기 심전도 신호
111:R파 정점 112:P파
113:T파 200:영상 배경
300:정규화된 이차원 영상 데이터 400:컬러의 이차원 영상 데이터
500:회색 영상

Claims

컴퓨터를 이용하여 심전도 신호를 개인 식별 정보로 생성하기 위한 심전도 신호를 이용한 개인 식별 정보 생성방법으로서,
심전도 신호를 입력받는 단계;
상기 심전도 신호 중, 소정의 한 주기 심전도 신호를 추출하는 단계;를 더 포함하고,
상기 한 주기 심전도 신호를 2차원 영상 데이터로 변환하는 단계; 및
상기 2차원 영상 데이터를 상기 개인 식별 정보로 생성하여 저장하는 단계;를 포함하고,
상기 2차원 영상 데이터로 변환하는 단계는,
소정의 크기를 갖는 영상 배경을 생성하는 단계; 및
상기 한 주기 심전도 신호를 상기 영상 배경에 투영하여 상기 2차원 영상 데이터를 생성하는 단계;를 포함하는 것을 특징으로 하는 개인 식별 정보 생성방법
삭제
제 1 항에 있어서,
상기 한 주기 심전도 신호는 소정의 R파 정점을 검출하고, 상기 R파 정점을 중심으로 소정의 전후시간 동안의 심전도 신호를 포함시켜 추출되는 것을 특징으로 하는 개인 식별 정보 생성방법.
제 1 항에 있어서,
상기 한 주기 심전도 신호를 추출하기 전에 상기 심전도 신호의 기저선 변동 잡음(baseline variation noise)을 제거하는 단계;를 더 포함하는 것을 특징으로 하는 개인 식별 정보 생성방법.
삭제
제 1 항에 있어서,
상기 영상 배경의 폭은 상기 한 주기 심전도 신호의 데이터 수와 대응하고, 높이는 상기 한 주기 심전도 신호의 최대값, 최소값 및 보정값을 더한 값에 대응하는 것을 특징으로 하는 개인 식별 정보 생성방법.
제 6 항에 있어서,
상기 영상 배경의 높이는 아래의 수학식 1과 같이 S파 진폭의 절대값에 100을 곱한 값, R파 진폭에 100을 곱한 값 및 상기 보정값을 더한 값으로 계산되는 것을 특징으로 하는 개인 식별 정보 생성방법.
[수학식 1]

여기서, Image height는 영상 배경의 높이, S wave amplitude는 S파의 정점 진폭, R wave amplitude는 R파의 정점 진폭을 의미한다.
제 7 항에 있어서,
상기 보정값은 심전도 신호의 진폭 0.5[V]에 대응하는 50인 것을 특징으로 하는 개인 식별 정보 생성방법.
제 8 항에 있어서,
상기 한 주기 심전도 신호를 상기 영상 배경에 투영하는 과정은,
아래의 수학식 2와 같이 상기 한 주기 심전도 신호의 시간에 따른 진폭 값에 100을 곱한 값, S파 진폭의 절대값에 100을 곱한 값 및 보정값 50을 더하여 행 좌표 값을 계산하고, 상기 행 좌표 값에 대응하는 상기 영상 배경의 위치에 신호를 표시함으로써 이루어지는 것을 특징으로 하는 개인 식별 정보 생성방법.
[수학식 2]

여기서, Coordinate of row는 상기 행 좌표값을 의미한다.
제 9 항에 있어서,
상기 영상 배경에 표시된 이웃한 행 좌표값들 사이가 연속되도록 보간하여 한 주기 심전도 신호 영상을 생성하고, 상기 한 주기 심전도 신호 영상을 이진화하여 상기 2차원 영상 데이터를 생성하는 것을 특징으로 하는 개인 식별 정보 생성방법.
제 10 항에 있어서,
상기 2차원 영상 데이터는 상기 한 주기 심전도 신호 영상을 소정의 사이즈로 축소하여 생성되는 것을 특징으로 하는 개인 식별 정보 생성방법.
제 11 항에 있어서,
상기 2차원 영상 데이터는 주성분 분석(PCA:principal component analysis) 및 선형판별분석(LDA:Linear Discriminant Analysis)을 통해 차원 축소(dimensional reduction)된 영상 특징으로 생성되는 것을 특징으로 하는 개인 식별 정보 생성방법.
컴퓨터와 결합하여 제 1 항, 제 3 항, 제 4 항, 제 6 항 내지 제 12 항 중 어느 한 항의 개인 식별 정보 생성방법을 수행하기 위한 매체에 저장된 컴퓨터 프로그램
제 1 항, 제 3 항, 제 4 항, 제 6 항 내지 제 12 항 중, 어느 한 항의 방법으로 개인 식별 정보(이하, 제1 개인 식별 정보라 함)들를 생성하여 데이터베이스에 저장하는 단계;
식별하고자하는 식별대상의 심전도 신호를 입력받는 단계;
상기 식별대상의 심전도 신호를 제2 개인 식별 정보로 생성하는 단계;
상기 제2 개인 식별 정보와 상기 데이터베이스의 제1 개인 식별 정보들을 서로 비교하여 상기 제2 개인 식별 정보가 상기 제1 개인 식별 정보들 중, 어느 개인 식별 정보로 분류되는지 판단함으로써 개인 식별을 수행하는 개인 식별 방법.
컴퓨터와 결합하여 제 14 항의 개인 식별 방법을 수행하기 위한 매체에 저장된 컴퓨터 프로그램.