KR101923323B1 - 안정 상태 뇌파를 이용한 개인 인증 방법 - Google Patents

안정 상태 뇌파를 이용한 개인 인증 방법 Download PDF

Info

Publication number
KR101923323B1
KR101923323B1 KR1020170153941A KR20170153941A KR101923323B1 KR 101923323 B1 KR101923323 B1 KR 101923323B1 KR 1020170153941 A KR1020170153941 A KR 1020170153941A KR 20170153941 A KR20170153941 A KR 20170153941A KR 101923323 B1 KR101923323 B1 KR 101923323B1
Authority
KR
South Korea
Prior art keywords
state
frequency
eeg
average
power
Prior art date
Application number
KR1020170153941A
Other languages
English (en)
Inventor
황한정
최수인
최가영
김은지
강예나
Original Assignee
금오공과대학교 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 금오공과대학교 산학협력단 filed Critical 금오공과대학교 산학협력단
Priority to KR1020170153941A priority Critical patent/KR101923323B1/ko
Application granted granted Critical
Publication of KR101923323B1 publication Critical patent/KR101923323B1/ko

Links

Images

Classifications

    • 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
    • A61B5/0478—
    • A61B5/048—
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/24—Detecting, measuring or recording bioelectric or biomagnetic signals of the body or parts thereof
    • A61B5/25—Bioelectric electrodes therefor
    • A61B5/279—Bioelectric electrodes therefor specially adapted for particular uses
    • A61B5/291—Bioelectric electrodes therefor specially adapted for particular uses for electroencephalography [EEG]
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/24—Detecting, measuring or recording bioelectric or biomagnetic signals of the body or parts thereof
    • A61B5/316—Modalities, i.e. specific diagnostic methods
    • A61B5/369—Electroencephalography [EEG]
    • A61B5/372—Analysis of electroencephalograms
    • A61B5/374—Detecting the frequency distribution of signals, e.g. detecting delta, theta, alpha, beta or gamma waves
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F3/00—Input arrangements for transferring data to be processed into a form capable of being handled by the computer; Output arrangements for transferring data from processing unit to output unit, e.g. interface arrangements
    • G06F3/01—Input arrangements or combined input and output arrangements for interaction between user and computer
    • G06F3/011—Arrangements for interaction with the human body, e.g. for user immersion in virtual reality
    • G06F3/015—Input arrangements based on nervous system activity detection, e.g. brain waves [EEG] detection, electromyograms [EMG] detection, electrodermal response detection

Landscapes

  • Engineering & Computer Science (AREA)
  • Health & Medical Sciences (AREA)
  • Theoretical Computer Science (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Physics & Mathematics (AREA)
  • General Engineering & Computer Science (AREA)
  • General Health & Medical Sciences (AREA)
  • Computer Security & Cryptography (AREA)
  • General Physics & Mathematics (AREA)
  • Biomedical Technology (AREA)
  • Human Computer Interaction (AREA)
  • Medical Informatics (AREA)
  • Neurology (AREA)
  • Neurosurgery (AREA)
  • Software Systems (AREA)
  • Computer Hardware Design (AREA)
  • Biophysics (AREA)
  • Pathology (AREA)
  • Heart & Thoracic Surgery (AREA)
  • Dermatology (AREA)
  • Molecular Biology (AREA)
  • Surgery (AREA)
  • Animal Behavior & Ethology (AREA)
  • Public Health (AREA)
  • Veterinary Medicine (AREA)
  • Psychiatry (AREA)
  • Psychology (AREA)
  • Measurement And Recording Of Electrical Phenomena And Electrical Characteristics Of The Living Body (AREA)
  • Eye Examination Apparatus (AREA)

Abstract

본 발명은 안정 상태 뇌파를 이용한 개인 인증 방법에 관한 것으로, 기 설정된 전환 시간에 따라 교번적으로 수행되는 개안상태 및 폐안상태에 대응하는 뇌파를 측정하는 단계와, 상기 측정된 뇌파에 대한 공통 잡음 성분을 제거한 후 기 설정된 주파수 대역을 필터링하는 단계와, 상기 개안상태 및 폐안상태를 하나의 트라이얼(trial)로 하여 뇌파 데이터를 추출하는 단계와, 상기 추출된 뇌파 데이터를 이용하여 시간 경과에 따른 알파 파워를 추정하는 단계와, 상기 알파 파워를 추정하는 단계를 트라이얼별로 수행하여 알파 파워 변화를 검출하는 단계와, 상기 검출된 알파 파워 변화를 이용하여 개인을 식별하는 단계를 포함함으로써, 외부 자극을 사용하지 않으면서 사용자의 안정상태에서 유발되는 안정상태 뇌파를 이용하여 개인을 효과적으로 식별할 수 있다.

Description

안정 상태 뇌파를 이용한 개인 인증 방법{BIOMETRIC AUTHENTICATION METHOD BASED ON RESTING STATE ELECTROENCEPHALOGRAPHY}
본 발명은 외부 자극을 사용하지 않으면서 사용자의 안정상태에서 유발되는 안정상태 뇌파를 이용하여 개인을 효과적으로 식별할 수 있는 안정 상태 뇌파를 이용한 개인 인증 방법에 관한 것이다.
잘 알려진 바와 같이, 개인 인증을 위해 비밀번호나 물건을 이용하는 인증방식은 망각이나 분실, 비밀번호 노출, 도난의 우려가 있기 때문에, 이를 해결하기 위해 사용되는 생체정보는 비밀번호를 입력하거나 열쇠를 휴대할 필요가 없으며, 제삼자가 인증하는 것을 방지할 수 있는 장점이 있다.
이러한 생체 정보 중 특히 뇌파(EEG, electroencephalogram)를 활용하는 뇌파인증(brainwaves authentication) 기술은 어떤 기술보다도 보안성이 뛰어나다는 장점이 있어서 차세대 인증기술로 활발히 연구가 진행되고 있다.
한편, 뇌파는 비침습적인 방법으로 신경 세포에서 발생하는 전기 신호를 측정하는 것으로, 그 주파수 영역대에 따라 뇌의 다양한 기능을 담당하는 것으로 알려져 있으며, 이를 개인 인증에 이용하기 위해서는 뇌파에 대한 이해와 신호 처리 기술이 요구되는데, 인증하려는 각 개인에 대해 취득한 뇌파를 바탕으로 데이터베이스를 구성하고 일정 기준에 따라 인증 여부를 판단하는 과정을 통해 개인 인증 시스템을 구성할 수 있다. 예를 들면, 전기전자 신호처리, 생체신호 처리기술, 패턴 인식 등을 포함하는 뇌파 인증을 위한 세부 기술이 요구될 수 있다.
종래에 뇌파를 이용하여 개인을 인증하는 방식에 대해 설명하면, 대부분의 경우 외부 자극에 기반한 뇌파 변화를 이용하는 것으로, 시각, 청각, 촉각 등의 외부 자극을 사용자에게 제시한 후에, 개인별로 고유한 특성을 지닌 유도 뇌파를 활용하여 개인을 인증할 수 있는데, 사건 유발 전위(ERP : event-related potential), 안정상태 시각 유발 전위(SSVEP : steady-state visual evoked potential), 안정상태 청각 유발 전위(ASSR : auditory steady-state response) 등과 같은 유도 뇌파가 알려져 있다.
예를 들면, 종래에 시각 유발 전위 패러다임을 적용하는 종래의 인증 기법에서는 피험자가 하나의 사진을 보는 동안 측정된 61개의 채널에서 추출한 감마 파워를 인증에 활용한 결과 총 10명의 피험자를 대상으로 최대 95%의 인증 정확도를 확보할 수 있었고, 사건 유발 전위 패러다임을 이용한 종래의 인증 기법에서는 세가지 이미지를 조합한 사건에 대한 뇌파를 인증에 활용한 결과 총 29명의 피험자들을 대상으로 평균 87.8%의 인증 정확도를 확보할 수 있었다.
하지만, 종래의 뇌파를 이용한 개인 인증 기법에 있어서 대부분 외부 자극을 이용하는 것이기 때문에, 사용자에게 피로감을 유발할 수 있는 문제점이 있고, 대략 1분 이상의 긴 인증 시간을 요구하기 때문에, 개인 인증이 번거롭다는 문제점이 있을 뿐만 아니라, 사용자 편의성, 신속성, 정확성 등을 요구하는 개인 인증에 뇌파를 적용하는데 있어 큰 결점이 되고 있는 실정이다.
1. 한국공개특허 제10-2017-0096288호(2017.08.24.공개)
본 발명은 외부 자극을 사용하지 않으면서 사용자의 안정상태에서 유발되는 안정상태 뇌파를 이용하여 개인을 효과적으로 식별할 수 있는 안정 상태 뇌파를 이용한 개인 인증 방법을 제공하고자 한다.
그리고, 본 발명은 개안상태를 기준으로 폐안상태에서 증가하는 알파 파워의 변화에 대응하는 공간 패턴을 검출하여 채널-주파수 패턴 맵을 통해 개인별로 인증함으로써, 안정상태 뇌파를 이용하여 개인을 효과적으로 식별할 수 있는 안정 상태 뇌파를 이용한 개인 인증 방법을 제공하고자 한다.
또한, 본 발명은 기 설정된 전환 시간에 따라 교번적으로 수행되는 개안상태 및 폐안상태에 대응하는 뇌파를 측정하여 뇌파 데이터를 추출하고, 그 뇌파 데이터를 이용하여 시간 경과에 따른 주파수 파워 추정을 트라이얼별로 수행하여 알파 파워 변화를 검출한 후에, 이를 이용하여 개인을 식별함으로써, 안정상태의 알파 파워 변화를 통해 개인의 식별력을 향상시킬 수 있는 안정 상태 뇌파를 이용한 개인 인증 방법을 제공하고자 한다.
본 발명의 실시예들의 목적은 이상에서 언급한 목적으로 제한되지 않으며, 언급되지 않은 또 다른 목적들은 아래의 기재로부터 본 발명이 속하는 기술 분야에서 통상의 지식을 가진 자에게 명확하게 이해될 수 있을 것이다.
본 발명의 실시예에 따르면, 기 설정된 전환 시간에 따라 교번적으로 수행되는 개안상태 및 폐안상태에 대응하는 뇌파를 측정하는 단계와, 상기 측정된 뇌파에 대한 공통 잡음 성분을 제거한 후 기 설정된 주파수 대역을 필터링하는 단계와, 상기 개안상태 및 폐안상태를 하나의 트라이얼(trial)로 하여 뇌파 데이터를 추출하는 단계와, 상기 추출된 뇌파 데이터를 이용하여 시간 경과에 따른 주파수 파워를 추정하는 단계와, 상기 주파수 파워를 추정하는 단계를 트라이얼별로 수행하여 알파 파워 변화를 검출하는 단계와, 상기 검출된 알파 파워 변화를 이용하여 개인을 식별하는 단계를 포함하는 안정 상태 뇌파를 이용한 개인 인증 방법이 제공될 수 있다.
또한, 본 발명의 실시예에 따르면, 상기 뇌파를 측정하는 단계는, 시각을 관장하는 후두엽을 중심으로 복수의 전극을 부착하고, 접지 전극 및 기준 전극을 왼쪽 유양 돌기 및 오른쪽 유양 돌기에 부착한 후, 512 Hz의 샘플링 주파수에 따라 상기 뇌파를 측정하는 안정 상태 뇌파를 이용한 개인 인증 방법이 제공될 수 있다.
또한, 본 발명의 실시예에 따르면, 상기 기 설정된 주파수 대역을 필터링하는 단계는, 상기 뇌파의 원신호에 대해 공통 평균 기준 도출 기법(CAR : common average reference)를 통해 상기 공통 잡음 성분을 제거하는 안정 상태 뇌파를 이용한 개인 인증 방법이 제공될 수 있다.
또한, 본 발명의 실시예에 따르면, 상기 기 설정된 주파수 대역을 필터링하는 단계는, 1-45 Hz의 주파수 대역을 필터링하는 안정 상태 뇌파를 이용한 개인 인증 방법이 제공될 수 있다.
또한, 본 발명의 실시예에 따르면, 상기 주파수 파워를 추정하는 단계는, 1초 간격으로 50%씩 중첩하는 무빙 윈도우 기법(moving window)을 이용하여 추정하는 안정 상태 뇌파를 이용한 개인 인증 방법이 제공될 수 있다.
또한, 본 발명의 실시예에 따르면, 상기 주파수 파워 변화를 검출하는 단계는, 하나의 채널에 대해 상기 개안상태 및 폐안상태에서 추정한 상기 주파수 파워를 각각 시간에 대한 평균을 산출하는 단계와, 상기 폐안 상태의 각 주파수별 평균 파워 값에서 상기 개안 상태의 각 주파수별 평균 파워 값을 감산하여 주파수 파워 차이를 산출하는 단계와, 상기 트라이얼별로 상기 시간에 대한 평균을 산출하는 단계 및 상기 주파수 파워 차이를 산출하는 단계를 수행하는 단계와, 상기 채널별로 상기 개안상태에 대한 상기 폐안상태의 상기 알파 파워 변화를 검출하는 단계를 포함하는 안정 상태 뇌파를 이용한 개인 인증 방법이 제공될 수 있다.
또한, 본 발명의 실시예에 따르면, 상기 알파 파워 변화는, 채널-주파수 패턴 맵으로 제공되는 안정 상태 뇌파를 이용한 개인 인증 방법이 제공될 수 있다.
또한, 본 발명의 실시예에 따르면, 상기 개인을 식별하는 단계는, 어느 하나의 상기 트라이얼에 대응하는 상기 채널-주파수 패턴 맵과 나머지의 상기 트라이얼에 대응하는 상기 채널-주파수 패턴 맵에 대해 LOOCV(leave-one-out cross-validation) 및 교차 상관 분석(CC : cross-correlation)을 수행하여 평균 CC값을 산출한 후에, 산출된 상기 평균 CC값을 이용하여 상기 개인을 식별하는 안정 상태 뇌파를 이용한 개인 인증 방법이 제공될 수 있다.
본 발명은 외부 자극을 사용하지 않으면서 사용자의 안정상태에서 유발되는 안정상태 뇌파를 이용하여 개인을 효과적으로 식별할 수 있는데, 개안상태를 기준으로 폐안상태에서 증가하는 알파 파워의 변화에 대응하는 공간 패턴을 검출하여 채널-주파수 패턴 맵을 통해 개인별로 인증함으로써, 안정상태 뇌파를 이용하여 개인을 효과적으로 식별할 수 있다.
또한, 본 발명은 기 설정된 전환 시간에 따라 교번적으로 수행되는 개안상태 및 폐안상태에 대응하는 뇌파를 측정하여 뇌파 데이터를 추출하고, 그 뇌파 데이터를 이용하여 시간 경과에 따른 주파수 파워 추정을 트라이얼별로 수행하여 알파 파워 변화를 검출한 후에, 이를 이용하여 개인을 식별함으로써, 안정상태의 알파 파워 변화를 통해 개인의 식별력을 향상시킬 수 있다.
도 1은 본 발명의 실시예에 따른 안정 상태 뇌파를 이용하여 개인을 인증하는 과정을 나타낸 플로우차트이고,
도 2는 도 1에서 단계150의 과정을 구체적으로 나타낸 플로우차트이며,
도 3 내지 도 8은 본 발명의 실시예에 따라 안정 상태 뇌파를 이용하여 개인을 인증하는 것을 설명하기 위한 도면이다.
본 발명의 실시예들에 대한 이점 및 특징, 그리고 그것들을 달성하는 방법은 첨부되는 도면과 함께 상세하게 후술되어 있는 실시예들을 참조하면 명확해질 것이다. 그러나 본 발명은 이하에서 개시되는 실시예들에 한정되는 것이 아니라 서로 다른 다양한 형태로 구현될 수 있으며, 단지 본 실시예들은 본 발명의 개시가 완전하도록 하고, 본 발명이 속하는 기술분야에서 통상의 지식을 가진 자에게 발명의 범주를 완전하게 알려주기 위해 제공되는 것이며, 본 발명은 청구항의 범주에 의해 정의될 뿐이다. 명세서 전체에 걸쳐 동일 참조 부호는 동일 구성 요소를 지칭한다.
본 발명의 실시예들을 설명함에 있어서 공지 기능 또는 구성에 대한 구체적인 설명이 본 발명의 요지를 불필요하게 흐릴 수 있다고 판단되는 경우에는 그 상세한 설명을 생략할 것이다. 그리고 후술되는 용어들은 본 발명의 실시예에서의 기능을 고려하여 정의된 용어들로서 이는 사용자, 운용자의 의도 또는 관례 등에 따라 달라질 수 있다. 그러므로 그 정의는 본 명세서 전반에 걸친 내용을 토대로 내려져야 할 것이다.
이하, 첨부된 도면을 참조하여 본 발명의 실시예를 상세히 설명하기로 한다.
도 1은 본 발명의 실시예에 따른 안정 상태 뇌파를 이용하여 개인을 인증하는 과정을 나타낸 플로우차트이고, 도 2는 도 1에서 단계150의 과정을 구체적으로 나타낸 플로우차트이며, 도 3 내지 도 8은 본 발명의 실시예에 따라 안정 상태 뇌파를 이용하여 개인을 인증하는 것을 설명하기 위한 도면이다.
도 1 및 도 2를 참조하면, 기 설정된 전환 시간에 따라 교번적으로 수행되는 개안상태 및 폐안상태에 대응하는 뇌파를 측정하는 단계(110)와, 상기 측정된 뇌파에 대한 공통 잡음 성분을 제거한 후 기 설정된 주파수 대역을 필터링하는 단계(120)와, 상기 개안상태 및 폐안상태를 하나의 트라이얼(trial)로 하여 뇌파 데이터를 추출하는 단계(130)와, 상기 추출된 뇌파 데이터를 이용하여 시간 경과에 따른 주파수 파워를 추정하는 단계(140)와, 상기 주파수 파워를 추정하는 단계를 트라이얼별로 수행하여 알파 파워 변화를 검출하는 단계(150)와, 상기 검출된 알파 파워 변화를 이용하여 개인을 식별하는 단계(160) 등을 포함할 수 있다.
여기에서, 상기 주파수 파워를 추정하는 단계를 트라이얼별로 수행하여 알파 파워 변화를 검출하는 단계(150)는 하나의 채널에 대해 상기 개안상태 및 폐안상태에서 추정한 상기 주파수 파워를 각각 시간에 대한 평균을 산출하는 단계(152)와, 상기 폐안 상태의 각 주파수별 평균 파워 값에서 상기 개안 상태의 각 주파수별 평균 파워 값을 감산하여 주파수 파워 차이를 산출하는 단계(154)와, 상기 단계(152) 및 상기 단계(154)를 수행하는 단계(156)와, 상기 채널별로 상기 개안상태에 대한 상기 폐안상태의 상기 알파 파워 변화를 검출하는 단계(158) 등을 포함할 수 있다.
상술한 바와 같은 기 설정된 전환 시간에 따라 교번적으로 수행되는 개안상태 및 폐안상태에 대응하는 뇌파를 측정하는 단계(110)에서는 시각을 관장하는 후두엽을 중심으로 복수의 전극을 부착하고, 접지 전극 및 기준 전극을 왼쪽 유양 돌기 및 오른쪽 유양 돌기에 부착한 후, 512 Hz의 샘플링 주파수에 따라 뇌파를 측정할 수 있다.
여기에서, 뇌파는 도 3에 도시한 바와 같이 하나의 세션(1 session)이 5초의 블랭크상태(Blank)에서 모니터와 스피터를 통해 개안상태와 폐안상태를 교번적으로 수행하면서 측정될 수 있는데, 15초의 개안상태(Eyes Open)와 15초의 폐안상태를 기 설정된 트라이얼(trial) 횟수(예를 들면, 20 trial 등)에 따라 반복하여 뇌파를 측정할 수 있다.
또한, 도 4에 도시한 바와 같이 시각을 관장하는 후두엽을 중심으로 31개 전극을 부착하고, 접지 전극과 기준 전극을 왼쪽 유양 돌기와 오른쪽 유양 돌기에 부착한 후에, 32채널 뇌파 측정 장비를 이용하여 512 Hz의 샘플링 주파수로 뇌파를 측정할 수 있다.
상술한 바와 같은 상기 측정된 뇌파에 대한 공통 잡음 성분을 제거한 후 기 설정된 주파수 대역을 필터링하는 단계(120)에서는 뇌파의 원신호에 대해 공통 평균 기준 도출 기법(CAR : common average reference)를 통해 공통 잡음 성분을 제거할 수 있는데, 공통 잡음 성분을 제거한 후에, 1-45 Hz의 주파수 대역을 필터링(3rd order butterworth band pass filtering)할 수 있다. 물론, 뇌파 분석을 위해서 알파 대역 주파수(8-12 Hz)를 포함하는 6-15 Hz 대역 정보를 사용할 수 있다.
상술한 바와 같은 상기 개안상태 및 폐안상태를 하나의 트라이얼로 하여 뇌파 데이터를 추출하는 단계(130)에서는 도 3에 도시한 바와 같이 15초의 개안상태와 15초의 폐안상태를 하나의 트라이얼로 하여 뇌파 데이터를 추출(epoching). 여기에서, 개안상태와 폐안상태의 시간은 동일하게 설정하여 알파 파워 변화를 정확하게 분석할 수 있다.
상술한 바와 같은 상기 추출된 뇌파 데이터를 이용하여 시간 경과에 따른 주파수 파워를 추정하는 단계(140)에서는 1초 간격으로 50%씩 중첩하는 무빙 윈도우 기법(moving window)을 이용하여 추정할 수 있는데, 무빙 윈도우 기법은 시간 간격(초)과 오버랩 비율(%)을 설정하여 전체의 데이터를 자동으로 관찰하기 위해 사용될 수 있으며, 시간의 흐름에 따라 자동으로 관찰 및 추정할 수 있다. 예를 들면, 오버랩 비율을 50%로 설정할 경우 윈도우 크기의 반 만큼 겹쳐지도록 하여 데이터의 변화를 관찰 및 추정할 수 있다.
상술한 바와 같은 상기 주파수 파워를 추정하는 단계를 트라이얼별로 수행하여 알파 파워 변화를 검출하는 단계(150)에서는 알파 파워 변화를 채널-주파수 패턴 맵으로 제공할 수 있는데, 이는 상술한 바와 같은 단계152 내지 단계158과 같이 수행할 수 있다.
여기에서, 복수의 채널별 및 복수개의 트라이얼별로 뇌파 측정, 뇌파 데이터 추출, 주파수 파워 추정 등을 수행하기 때문에, 그 중에서 경험적으로 데이터의 수치 범위가 기준 범위를 벗어난 경우 해당 트라이얼과 해당 채널의 데이터를 제거할 수 있다.
상술한 바와 같은 상기 검출된 알파 파워 변화를 이용하여 개인을 식별하는 단계(160)에서는 어느 하나의 트라이얼에 대응하는 채널-주파수 패턴 맵과 나머지의 트라이얼에 대응하는 채널-주파수 패턴 맵에 대해 LOOCV(leave-one-out cross-validation) 및 교차 상관 분석(CC : cross-correlation)을 수행하여 평균 CC값을 산출한 후에, 산출된 평균 CC값을 이용하여 개인을 식별할 수 있는데, 도 5에 도시한 바와 같은 알파 파워 변화에 대한 채널-주파수 패턴 맵이 제공될 수 있다.
여기에서, 본 발명의 실시예에서는 교차 상관 분석을 수행하혀 검증하는 것으로 하여 설명하였으나, 딥러닝을 포함하는 다른 패턴인식 및 머신러닝의 다양한 분류 기법을 적용할 수 있음은 물론이다.
상술한 바와 같은 본 발명의 실시예에 따른 안정 상태 뇌파를 이용한 개인 인증 방법에 대해 그 인증 정확도에 대해 실험적으로 이를 검증하였는데, 그 실험 과정과 결과는 이하에서 상세하게 설명한다.
1. 실험 대상
본 실험에는 자발적으로 참여의사를 밝힌 성인 17명(남자 5 명, 여자 12 명)을 대상으로 실험을 진행하였다. 피험자들은 모두 정신적 또는 신체적 질환이 없었으며, 평균 연령은 22.00ㅁ1.2세이다.
2. 실험 프로토콜
피험자들은 실험 자극이 제시될 모니터와 1m 간격을 두고 편안한 의자에 앉아 화면을 응시하며 안정상태를 유지하도록 지시받았다. 피험자들은 모니터 상에 'OPEN' 이라는 표시가 제시되면 눈을 뜬 상태(개안상태)로 다음 과제가 주어질 때까지 기다리고, 'CLOSE' 라는 표시가 제시되면 다음 과제가 주어질 때까지 눈을 감는 과제(폐안상태)를 수행하였다. 여기에서, 정확한 자극 전환 시점을 제공하기 위해 자극이 전환될 때마다 짧은 청각 자극(beep sound)을 함께 제시하였고, 개안상태에서 발생하는 자연스러운 눈 깜빡임은 허용하였지만, 그 외 다른 불필요한 움직임은 최소화할 것을 요청하였다.
그리고, 도 3에 도시한 바와 같이 5초간의 블랭크 상태에서 15초간 개안상태를 유지하고, 다음 15초간 폐안상태를 유지하는 것을 한 주기(트라이얼, trial)로 보고, 피험자마다 각각 40회씩 실험을 되풀이하는 동안 뇌파를 측정하였다. 여기에서, 20회 연속 측정 후 피험자의 과도한 피로감을 방지하기 위해 충분한 휴식을 취한 다음 나머지 20회를 측정하였다.
3. 데이터 수집 및 분석
(1) 뇌파 측정에 있어서,
뇌파를 측정할 전극은 피험자들의 두피에 국제 뇌파 및 임상 뇌 대사 학회 연맹(International Federation of Societies for Electroencephalograph and Clinical Neurophysiology)에서 제안한 International 10-20 system에 근거하여 부착하였다.
예를 들면, 도 4에 도시한 바와 같이 시각을 관장하는 후두엽을 중심으로 31개 전극(FP1, FP2, F3, F4, F7, F8, Fz, FC3, FC4, Cz, C3, C4, T7, T8, CP1, CP2, CP5, CP6, P3, P4, P7, P8, Pz, PO3, PO4, PO7, PO8, POz, O1, O2, Oz)을 부착하고, 접지(ground) 전극과 기준(reference) 전극을 왼쪽과 오른쪽 유양 돌기에 부착하였다.
그리고, 두피에 부착하는 전극은 전극과 두피 간의 저항을 줄이기 위해 전도성젤을 사용하여 부착하였고, 유양 돌기(피부)에 부착하는 접지 전극 및 기준 전극은 일회용 스티커 전극을 이용하여 부착하였다. 본 실험에서는 32-채널 뇌파 측정 장비를 사용하여 512 Hz의 샘플링 비율로 뇌파를 수집하였다.
(2) 데이터 분석에 있어서,
측정된 뇌파의 원신호(raw data)에 공통 평균 기준 도출 기법(CAR : common average reference)을 적용하여 뇌파 측정 당시 유입된 공통 잡음 성분을 제거하였고, 1 ?? 45 Hz 주파수 대역을 밴드 패스 필터 하였으며(3rd order butterworth band pass filter), 분석에서는 알파 대역(8-12 Hz)를 포함하는 6-15 Hz 대역 정보를 사용하였다.
그리고, 필터링한 데이터는 개안상태 15초와 폐안상태 15초를 하나의 트라이얼(trial)로 간주하여 트라이얼별로 데이터를 추출하였다(epoching). 피험자별로 시간에 따른 개안상태 및 폐안상태 시 주파수 파워 변화를 관찰하기 위해 1초 간격으로 50%씩 중첩하는 무빙 윈도우 기법(moving window)을 적용하여 주파수 파워를 추정하였다. 각 트라이얼별로 개별 채널에 대해 동일한 분석을 적용하였다.
또한, 피험자별로 31개의 채널로부터 측정한 40회의 트라이얼 정보가 존재하는데, 잡음이 다수 발생한 트라이얼과 채널을 주파수 분석 결과로부터 관찰을 통해 경험적으로 제거하였다. 여기서는, 피험자별로 평균 0.6 trial과 0.2 채널이 제거되어 대부분의 데이터가 분석에 활용되었다.
(3) 성능 평가에 있어서,
안정 상태 뇌파를 이용한 개인 인증 방법이 적용된 개인 인증 시스템의 성능을 검증하기 위해 각 트라이얼별로 추정한 주파수 파워의 변화(즉, 알파 파원 변화)를 특징으로 활용하였는데, 특징 추출을 위해 한 채널 안에서 개안상태와 폐안상태 시 시간에 따라 추정한 주파수 파워를 각각 시간에 대해 평균하였으며, 폐안상태의 각 주파수별 평균 파워값에 개안상태의 각 주파수별 평균 파워값을 빼주어 개안상태와 폐안상태 시 발생하는 알파 파워 차이를 특징으로 사용하였다.
그리고, 동일한 분석을 개별 트라이얼별로 모든 채널에 대해 적용하였으며, 최종적으로 각 채널별 개안상태 대비 폐안상태 시 알파 파워 변화(예를 들면, 도 5에 도시한 바와 같은 채널-주파수 패턴 맵으로 제공됨)를 특징으로 활용하였다. 인증 정확도를 계산하기 위해 개별 피험자별로 LOOCV(leave one out cross validation)을 이용하였으며, 교차 상관 분석(CC : cross-correlation) 결과를 최종 분류에 활용하였다.
예를 들어, 한 명의 피험자에서 선택한 특정 트라이얼 데이터를 인증 테스트할 경우, 해당 트라이얼로부터 도출한 채널-주파수 패턴 맵과 해당 피험자의 나머지 모든 트라이얼의 채널-주파수 패턴 맵과 CC를 계산하여 최종적으로 평균 CC값을 계산하였고, 선택한 트라이얼의 채널-주파수 패턴 맵을 나머지 개별 피험자의 모든 트라이얼의 채널-주파수 패턴 맵들과 비교하여 개별 피험자별로 평균 CC값을 계산하였다.
최종적으로 테스트에 사용한 트라이얼은 가장 큰 평균 CC값을 가지는 피험자로부터 측정된 데이터라고 판단(인증)하여 최종 인증 정확도를 계산하였다. 또한, 전극 부착 위치를 최적화 하기 위해 도 4에 도시한 바와 같이 시각을 관장하는 후두엽을 중심으로 분석에 사용하는 채널의 수를 줄여가며 채널의 수가 인증 정확도에 미치는 영향에 대해 알아보았다.
4. 실험 결과
(1) 주파수 분석에 있어서,
도 5에는 전체 채널에서 모든 피험자들의 개안상태에서 폐안상태로 전환할 때 나타나는 주파수 파워의 평균적인 변화를 나타내고 있는데, 피험자가 눈을 뜨고 있는 앞쪽 15초(개안상태) 보다 눈을 감고 있는 뒤쪽 15초(폐안상태)에서 상대적으로 강한 알파 파워(8-12Hz)가 나타나는 것을 확인하였다.
도 6에는 폐안상태에서 개안상태의 알파 파워의 변화를 보여주고 있는 5명 피험자의 평균 채널-주파수 맵을 나타내고 있는데, 5명 피험자 모두 개안상태 대비 폐안상태에서 알파 파워가 증가하는 것을 확인할 수 있었으며, 특히 그 증가 패턴이 개별 피험자별로 달라서 인증에 유용하게 사용할 수 있다는 것을 확인할 수 있었다.
(2) 성능 평가에 있어서,
도 7에는 전극 부착 위치의 최적화를 위해 구분한 6개의 서로 다른 채널 구성에 따른 평균 인증 정확도를 나타내고 있고, 도 8에는 도7에 나타낸 채널 감소에 따른 평균 인증 정확도와 표준편차를 정량적으로 보여주고 있는데, Ch_Set 1-4까지는 모두 80% 이상의 높은 분류 정확도를 나타내고 있음을 알 수 있고, 후두엽 부근의 8개의 전극만을 사용했을 경우(Ch_Set 5)에도 인증 정확도가 70%이상 유지되는 것을 확인하였다. 반면, 후두엽의 O1, O2, Oz 단 3개의 채널만 이용했을 경우(Ch_Set 6)에는 인증 정확도가 급격하게 감소하는 것을 확인하였다.
5. 결론
본실험에서는 기존의 뇌파를 이용한 인증 연구들과 달리 외부 자극을 사용하지 않고, 단순히 눈을 감고 있는 안정상태에서 유도되는 알파 파워의 변화를 이용한 뇌파 기반 인증 기술 개발 가능성에 대해 조사하였고, 실용성 향상을 위해 분석에 이용하는 채널의 개수를 줄여가며 성능의 변화 정도를 확인하였다.
이로부터 피험자가 개안상태 대비 폐안상태에서 알파 파워가 전 채널에서 전반적으로 증가하였음을 알 수 있었고, 피험자 간의 알파 파워 변화 패턴이 유의미하게 다르다는 것을 확인할 수 있었다.
아울러, 실험에 사용한 31개의 채널 정보를 모두 이용할 경우 평균 92.45%의 높은 인증 정확도를 얻을 수 있었으며, 알파 파워에 가장 민감하게 반응하는 13개와 8개의 후두엽 주위 전극만을 이용할 경우 각각 85.93%(Ch_Set4)와 75.53%(Ch_Set5)의 정확도를 얻을 수 있었다.
따라서, 본 발명은 외부 자극을 사용하지 않으면서 사용자의 안정상태에서 유발되는 안정상태 뇌파를 이용하여 개인을 효과적으로 식별할 수 있는데, 개안상태를 기준으로 폐안상태에서 증가하는 알파 파워의 변화에 대응하는 공간 패턴을 검출하여 채널-주파수 패턴 맵을 통해 개인별로 인증함으로써, 안정상태 뇌파를 이용하여 개인을 효과적으로 식별할 수 있다.
또한, 본 발명은 기 설정된 전환 시간에 따라 교번적으로 수행되는 개안상태 및 폐안상태에 대응하는 뇌파를 측정하여 뇌파 데이터를 추출하고, 그 뇌파 데이터를 이용하여 시간 경과에 따른 주파수 파워 추정을 트라이얼별로 수행하여 알파 파워 변화를 검출한 후에, 이를 이용하여 개인을 식별함으로써, 안정상태의 알파 파워 변화를 통해 개인의 식별력을 향상시킬 수 있다.
이상의 설명에서는 본 발명의 다양한 실시예들을 제시하여 설명하였으나 본 발명이 반드시 이에 한정되는 것은 아니며, 본 발명이 속하는 기술분야에서 통상의 지식을 가진 자라면 본 발명의 기술적 사상을 벗어나지 않는 범위 내에서 여러 가지 치환, 변형 및 변경이 가능함을 쉽게 알 수 있을 것이다.

Claims (8)

  1. 기 설정된 전환 시간에 따라 교번적으로 수행되는 개안상태 및 폐안상태에 대응하는 뇌파를 측정하는 단계와,
    상기 측정된 뇌파에 대한 공통 잡음 성분을 제거한 후 기 설정된 주파수 대역을 필터링하는 단계와,
    상기 개안상태 및 폐안상태를 하나의 트라이얼(trial)로 하여 뇌파 데이터를 추출하는 단계와,
    상기 추출된 뇌파 데이터를 이용하여 시간 경과에 따른 주파수 파워를 추정하는 단계와,
    상기 주파수 파워를 추정하는 단계를 트라이얼별로 수행하여 알파 파워 변화를 검출하는 단계와,
    상기 검출된 알파 파워 변화를 이용하여 개인을 식별하는 단계
    를 포함하는 안정 상태 뇌파를 이용한 개인 인증 방법.
  2. 제 1 항에 있어서,
    상기 뇌파를 측정하는 단계는,
    시각을 관장하는 후두엽을 중심으로 복수의 전극을 부착하고, 접지 전극 및 기준 전극을 왼쪽 유양 돌기 및 오른쪽 유양 돌기에 부착한 후, 512 Hz의 샘플링 주파수에 따라 상기 뇌파를 측정하는 안정 상태 뇌파를 이용한 개인 인증 방법.
  3. 제 1 항에 있어서,
    상기 기 설정된 주파수 대역을 필터링하는 단계는,
    상기 뇌파의 원신호에 대해 공통 평균 기준 도출 기법(CAR : common average reference)를 통해 상기 공통 잡음 성분을 제거하는 안정 상태 뇌파를 이용한 개인 인증 방법.
  4. 제 3 항에 있어서,
    상기 기 설정된 주파수 대역을 필터링하는 단계는,
    1-45 Hz의 주파수 대역을 필터링하는 안정 상태 뇌파를 이용한 개인 인증 방법.
  5. 제 1 항에 있어서,
    상기 주파수 파워를 추정하는 단계는,
    1초 간격으로 50%씩 중첩하는 무빙 윈도우 기법(moving window)을 이용하여 추정하는 안정 상태 뇌파를 이용한 개인 인증 방법.
  6. 제 1 항 내지 제 5 항 중 어느 한 항에 있어서,
    상기 알파 파워 변화를 검출하는 단계는,
    하나의 채널에 대해 상기 개안상태 및 폐안상태에서 추정한 상기 주파수 파워를 각각 시간에 대한 평균을 산출하는 단계와,
    상기 폐안 상태의 각 주파수별 평균 파워 값에서 상기 개안 상태의 각 주파수별 평균 파워 값을 감산하여 주파수 파워 차이를 산출하는 단계와,
    상기 트라이얼별로 상기 시간에 대한 평균을 산출하는 단계 및 상기 주파수 파워 차이를 산출하는 단계를 수행하는 단계와,
    채널별로 상기 개안상태에 대한 상기 폐안상태의 상기 알파 파워 변화를 검출하는 단계
    를 포함하는 안정 상태 뇌파를 이용한 개인 인증 방법.
  7. 제 6 항에 있어서,
    상기 알파 파워 변화는,
    채널-주파수 패턴 맵으로 제공되는 안정 상태 뇌파를 이용한 개인 인증 방법.
  8. 제 7 항에 있어서,
    상기 개인을 식별하는 단계는,
    어느 하나의 상기 트라이얼에 대응하는 상기 채널-주파수 패턴 맵과 나머지의 상기 트라이얼에 대응하는 상기 채널-주파수 패턴 맵에 대해 LOOCV(leave-one-out cross-validation) 및 교차 상관 분석(CC : cross-correlation)을 수행하여 평균 CC값을 산출한 후에, 산출된 상기 평균 CC값을 이용하여 상기 개인을 식별하는 안정 상태 뇌파를 이용한 개인 인증 방법.
KR1020170153941A 2017-11-17 2017-11-17 안정 상태 뇌파를 이용한 개인 인증 방법 KR101923323B1 (ko)

Priority Applications (1)

Application Number Priority Date Filing Date Title
KR1020170153941A KR101923323B1 (ko) 2017-11-17 2017-11-17 안정 상태 뇌파를 이용한 개인 인증 방법

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020170153941A KR101923323B1 (ko) 2017-11-17 2017-11-17 안정 상태 뇌파를 이용한 개인 인증 방법

Publications (1)

Publication Number Publication Date
KR101923323B1 true KR101923323B1 (ko) 2019-02-27

Family

ID=65561256

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020170153941A KR101923323B1 (ko) 2017-11-17 2017-11-17 안정 상태 뇌파를 이용한 개인 인증 방법

Country Status (1)

Country Link
KR (1) KR101923323B1 (ko)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20210091560A (ko) * 2020-01-14 2021-07-22 (주)이플마인드 뇌파(eeg)와 심전도(ecg)를 활용한 본인 인증 방법 및 장치
WO2022114739A1 (ko) * 2020-11-24 2022-06-02 광운대학교 산학협력단 사용자 인증이 가능한 마스크 장치

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20140029332A (ko) * 2012-08-30 2014-03-10 한국과학기술원 생체신호를 이용한 보안 서비스 제공 방법 및 장치
KR20170096288A (ko) 2016-02-15 2017-08-24 한양대학교 에리카산학협력단 뇌파를 이용한 스마트기기 인증 방법

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20140029332A (ko) * 2012-08-30 2014-03-10 한국과학기술원 생체신호를 이용한 보안 서비스 제공 방법 및 장치
KR20170096288A (ko) 2016-02-15 2017-08-24 한양대학교 에리카산학협력단 뇌파를 이용한 스마트기기 인증 방법

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20210091560A (ko) * 2020-01-14 2021-07-22 (주)이플마인드 뇌파(eeg)와 심전도(ecg)를 활용한 본인 인증 방법 및 장치
KR102300653B1 (ko) * 2020-01-14 2021-09-10 (주)이플마인드 뇌파(eeg)와 심전도(ecg)를 활용한 본인 인증 방법 및 장치
WO2022114739A1 (ko) * 2020-11-24 2022-06-02 광운대학교 산학협력단 사용자 인증이 가능한 마스크 장치

Similar Documents

Publication Publication Date Title
Melnik et al. Systems, subjects, sessions: To what extent do these factors influence EEG data?
Nakamura et al. In-ear EEG biometrics for feasible and readily collectable real-world person authentication
Ruiz-Blondet et al. CEREBRE: A novel method for very high accuracy event-related potential biometric identification
Daly et al. On the automated removal of artifacts related to head movement from the EEG
KR101607432B1 (ko) 뇌파측정을 통한 개인 인증 방법, 시스템 및 컴퓨터 프로그램
Sutherland et al. Reliable detection of bilateral activation in human primary somatosensory cortex by unilateral median nerve stimulation
KR101551169B1 (ko) 생체신호를 이용한 보안 서비스 제공 방법 및 장치
US20140020089A1 (en) Access Control System using Stimulus Evoked Cognitive Response
US20150230744A1 (en) Method and system for assessing a stimulus property perceived by a subject
Kanoh et al. A brain-computer interface (BCI) system based on auditory stream segregation
CN110612059A (zh) 头戴式设备
KR101923323B1 (ko) 안정 상태 뇌파를 이용한 개인 인증 방법
Falzon et al. EEG-based biometry using steady state visual evoked potentials
KR20190056287A (ko) 시각 자극 기반의 뇌-컴퓨터 인터페이스 장치 및 그 정보 처리 방법
CN117064409A (zh) 经颅直流电干预刺激效果实时评估方法、装置及终端
CN112842360B (zh) 一种判断优势眼和非优势眼的方法及系统
Ashenaei et al. Stable EEG-Based biometric system using functional connectivity based on Time-Frequency features with optimal channels
Seha et al. A new approach for EEG-based biometric authentication using auditory stimulation
KR101630398B1 (ko) 역치 이하 자극을 이용한 보안 서비스 제공 방법 및 장치
Tello et al. Comparison between wire and wireless EEG acquisition systems based on SSVEP in an Independent-BCI
Kubová et al. Comparison of visual information processing in school-age dyslexics and normal readers via motion-onset visual evoked potentials
Van Dun et al. Optimal electrode selection for multi-channel electroencephalogram based detection of auditory steady-state responses
Yu et al. P300-BCI-based authentication system
Attina et al. A new method to test the efficiency of cochlear implant artifacts removal from auditory evoked potentials
KR102215813B1 (ko) 최적화된 뇌파 측정용 전극 위치에서 측정된 안정상태 뇌파를 이용한 개인 인증 방법