KR102475268B1 - 레이더 센서 기반 개인 인식 장치 및 방법 - Google Patents

레이더 센서 기반 개인 인식 장치 및 방법 Download PDF

Info

Publication number
KR102475268B1
KR102475268B1 KR1020220044885A KR20220044885A KR102475268B1 KR 102475268 B1 KR102475268 B1 KR 102475268B1 KR 1020220044885 A KR1020220044885 A KR 1020220044885A KR 20220044885 A KR20220044885 A KR 20220044885A KR 102475268 B1 KR102475268 B1 KR 102475268B1
Authority
KR
South Korea
Prior art keywords
feature information
trough
personal recognition
radar sensor
signal
Prior art date
Application number
KR1020220044885A
Other languages
English (en)
Inventor
이강윤
시경요
Original Assignee
가천대학교 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 가천대학교 산학협력단 filed Critical 가천대학교 산학협력단
Priority to KR1020220044885A priority Critical patent/KR102475268B1/ko
Application granted granted Critical
Publication of KR102475268B1 publication Critical patent/KR102475268B1/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
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/02—Detecting, measuring or recording pulse, heart rate, blood pressure or blood flow; Combined pulse/heart-rate/blood pressure determination; Evaluating a cardiovascular condition not otherwise provided for, e.g. using combinations of techniques provided for in this group with electrocardiography or electroauscultation; Heart catheters for measuring blood pressure
    • A61B5/024—Detecting, measuring or recording pulse rate or heart rate
    • 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 
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/30—Information retrieval; Database structures therefor; File system structures therefor of unstructured textual data
    • G06F16/31—Indexing; Data structures therefor; Storage structures
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/40—Information retrieval; Database structures therefor; File system structures therefor of multimedia data, e.g. slideshows comprising image and additional audio data
    • G06F16/41—Indexing; Data structures therefor; Storage structures
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/40—Information retrieval; Database structures therefor; File system structures therefor of multimedia data, e.g. slideshows comprising image and additional audio data
    • G06F16/43—Querying
    • G06F16/435—Filtering based on additional data, e.g. user or group profiles
    • G06F16/436—Filtering based on additional data, e.g. user or group profiles using biological or physiological data of a human being, e.g. blood pressure, facial expression, gestures
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/20—Image preprocessing
    • G06V10/30—Noise filtering
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/40—Extraction of image or video features
    • G06V10/46—Descriptors for shape, contour or point-related descriptors, e.g. scale invariant feature transform [SIFT] or bags of words [BoW]; Salient regional features
    • G06V10/478—Contour-based spectral representations or scale-space representations, e.g. by Fourier analysis, wavelet analysis or curvature scale-space [CSS]
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
    • G06V10/87—Arrangements for image or video recognition or understanding using pattern recognition or machine learning using selection of the recognition techniques, e.g. of a classifier in a multiple classifier system

Abstract

본 발명의 목적은 비접촉 센서인 레이더 센서를 이용하여 생체 신호 중에 하나인 심장박동 신호를 측정하고, 측정된 심장박동 신호를 기반으로 개인을 인식할 수 있도록 하는 레이더 센서 기반 개인 인식 장치 및 방법을 제공하는 것이다.
상기 목적을 달성하기 위해, 본 발명에 따른 레이더 센서 기반 개인 인식 장치는, 비접촉 방식으로 개인의 생체 신호를 획득하는 센서부; 상기 획득한 생체 신호에서 특징 정보를 추출하는 특징 추출부; 상기 추출된 특징 정보를 이용하여 개인을 인식하는 개인 인식부;를 포함하는 것을 특징으로 한다.

Description

레이더 센서 기반 개인 인식 장치 및 방법{APPARATUS AND METHOD FOR RADAR SENSOR-BASED PERSONAL RECOGNITION}
본 발명은 레이더 센서 기반 개인 인식 장치 및 방법에 관한 것으로, 더욱 상세하게는 비접촉 센서인 레이더 센서를 이용하여 생체 신호를 측정하고, 측정된 생체 신호를 기반으로 개인을 인식할 수 있도록 하는 레이더 센서 기반 개인 인식 장치 및 방법에 관한 것이다.
생체 인식 기술은 개인의 고유한 생체 특성을 이용하여 개인을 인증하는 보안 인증 기술로, 새로운 보안 기술이자 금세기 가장 발전 가능성이 높은 기술 중의 하나이다.
생체 특성은 개개인마다 유일하며, 측정하거나 자동으로 식별하고 검증할 수 있는 신체적 특성과 행동적 특성을 신체적 특징과 행동적 특징으로 구분할 수 있다.
신체적 특징으로는 얼굴, 입술문, 망막, 홍채, 혈관(정맥), 지문, 손금, 손모양, 뼈대 등이 이용되고, 행동적 특징으로는 음성(목소리), 걸음걸이, 서명 등이 이용된다.
생체 인식 기술의 핵심은 생체 특성 정보를 획득하여 이를 디지털화하여 저장하고, 정합 알고리즘을 이용하여 개인의 신원을 검증하고 식별하는 과정에 있다.
이러한 생체 인식 기술은 기존의 암호(패스워드)를 이용한 사용자 인증 방법의 단점(망각이나 타인에게 노출되기 쉬움)을 보완할 수 있다.
현재 사용되고 있는 생체 인식 기반 개인 인식 기술은 안면 인식(얼굴 인식), 음성 인식, 지문 인식, 홍채 인식, 걸음걸이 인식 등 다양하다.
이 중에서 안면 인식 기술은 코로나19로 마스크를 장기간 착용하게 되면서 안면 인식을 이용한 개인 인증이 어려운 상황이다.
또한, 인식에 사용되는 생체 특성 정보가 미용성형수술, 가성, 피부조직 파손, 렌즈나 수정체 삽입, 홍채 수술 등으로 인해 인위적으로 변경될 수 있는 단점이 있다.
이러한 문제점을 해결하기 위해 종래에는 인위적인 변경이 어려운 심장박동 신호를 이용하여 개인을 인식한다.
종래 심장박동 신호를 이용한 개인 인식 방법으로는 심전도 신호(Electro Cardio Gram, ECG)를 이용하는 방법과 광전용적맥박파(Photo Plethysmo Graphy, PPG) 신호를 이용하는 방법이 주로 이용된다.
그러나 두 방법 모두 접촉 측정 방식으로, 팬데믹과 같은 간염병 확산 시대에는 접촉 측정 방식이 적절치 않다는 문제점이 있다.
대한민국 공개특허공보 제10-2019-0005740호(공개일 2019.01.16.)
상기한 바와 같은 종래의 문제점을 해결하기 위한 본 발명의 목적은 비접촉 센서인 레이더 센서를 이용하여 생체 신호 중에 하나인 심장박동 신호를 측정하고, 측정된 심장박동 신호를 기반으로 개인을 인식할 수 있도록 하는 레이더 센서 기반 개인 인식 장치 및 방법을 제공하는 것이다.
상기 목적을 달성하기 위해, 본 발명에 따른 레이더 센서 기반 개인 인식 장치는, 비접촉 방식으로 개인의 생체 신호를 획득하는 센서부; 상기 획득한 생체 신호에서 특징 정보를 추출하는 특징 추출부; 상기 추출된 특징 정보를 이용하여 개인을 인식하는 개인 인식부;를 포함하는 것을 특징으로 한다.
또한, 본 발명에 따른 레이더 센서 기반 개인 인식 장치에서, 상기 센서부는, 개인의 생체 신호 중에서 심장박동 신호를 획득하는 것을 특징으로 한다.
또한, 본 발명에 따른 레이더 센서 기반 개인 인식 장치에서, 상기 센서부는, FMCW 레이더 센서로 구현되는 것을 특징으로 한다.
또한, 본 발명에 따른 레이더 센서 기반 개인 인식 장치에서, 상기 특징 추출부는, 상기 획득한 생체 신호에서 노이즈를 필터링하고, 노이즈가 필터링된 생체 신호에서 특징 정보를 추출하는 것을 특징으로 한다.
또한, 본 발명에 따른 레이더 센서 기반 개인 인식 장치에서, 상기 특징 추출부는, 상기 획득한 생체 신호에서 노이즈를 필터링하고, 노이즈가 필터링된 생체 신호를 웨이블릿 변환하여 특징 정보를 추출하는 것을 특징으로 한다.
또한, 본 발명에 따른 레이더 센서 기반 개인 인식 장치에서, 상기 특징 정보는, 심장 수축 최고점 진폭(P_A, Systolic peak amplitude), 심장 이완 진폭(V_A, Diastolic amplitude), 중하부 지협 진폭(L_A, Mid-lower isthmus amplitude), 최저점 진폭(T_A, Trough amplitude), 최저점 대 심장 수축 진폭 차(PT_A, Trough to contraction amplitude difference), 최저점과 심장 이완간 거리 진폭 차(VT_A, Trough to diastolic distance amplitude difference), 심장 수축 최고점 대 심장 이완 진폭 차(PV_A, Systolic peak to diastolic amplitude difference) 중에서 적어도 하나를 포함하는 진폭 특징 정보와, 최저점간 지속 시간(TT_T, Trough to trough duration), 최저점에서 심장 수축 최고점까지의 시간(TP_T, Duration from trough to systolic peak), 심장 수축 최고점에서 심장 이완까지의 시간(PV_T, Systolic peak to diastolic time), 최저점에서 심장 이완까지의 시간(TV_T, Trough to diastolic time) 중에서 적어도 하나를 포함하는 시간 특징 정보를 포함하여 이루어지는 것을 특징으로 한다.
또한, 본 발명에 따른 레이더 센서 기반 개인 인식 장치에서, 상기 개인 인식부는, 상기 추출된 특징 정보를 이용하여 개인을 인식하되, KNN 알고리즘과 SVM 알고리즘을 결합한 KNN-SVM 분류기를 이용하여 개인을 인식하는 것을 특징으로 한다.
또한, 상기 목적을 달성하기 위해, 본 발명에 따른 레이더 센서 기반 개인 인식 장치는, 비접촉 방식으로 개인의 생체 신호를 획득하는 센서부; 상기 획득한 생체 신호에서 특징 정보를 추출하는 특징 추출부; 상기 추출된 특징 정보를 이용하여 개인을 인식하는 개인 인식부; 신규 사용자의 개인 정보와 상기 센서부 및 특징 추출부를 통해 수집된 신규 사용자의 특징 정보를 매칭시켜 DB에 저장하는 신규 사용자 정보 등록부;를 포함하는 것을 특징으로 한다.
또한, 상기 목적을 달성하기 위해, 본 발명에 따른 레이더 센서 기반 개인 인식 방법은, 센서부가, 비접촉 방식으로 개인의 생체 신호를 획득하는 생체 신호 획득 단계; 특징 추출부가, 상기 획득한 생체 신호에서 특징 정보를 추출하는 특징 정보 추출 단계; 개인 인식부가, 상기 추출된 특징 정보를 이용하여 개인을 인식하는 개인 인식 단계;를 포함하는 것을 특징으로 한다.
또한, 본 발명에 따른 레이더 센서 기반 개인 인식 방법에서, 상기 생체 신호 획득 단계는, 개인의 생체 신호 중에서 심장박동 신호를 획득하는 단계인 것을 특징으로 한다.
또한, 본 발명에 따른 레이더 센서 기반 개인 인식 방법에서, 상기 특징 정보 추출 단계는, 상기 획득한 생체 신호에서 노이즈를 필터링하고, 노이즈가 필터링된 생체 신호에서 특징 정보를 추출하는 단계인 것을 특징으로 한다.
또한, 본 발명에 따른 레이더 센서 기반 개인 인식 방법에서, 상기 특징 정보 추출 단계는, 상기 획득한 생체 신호에서 노이즈를 필터링하고, 노이즈가 필터링된 생체 신호를 웨이블릿 변환하여 특징 정보를 추출하는 단계인 것을 특징으로 한다.
또한, 본 발명에 따른 레이더 센서 기반 개인 인식 방법에서, 상기 특징 정보는, 심장 수축 최고점 진폭(P_A, Systolic peak amplitude), 심장 이완 진폭(V_A, Diastolic amplitude), 중하부 지협 진폭(L_A, Mid-lower isthmus amplitude), 최저점 진폭(T_A, Trough amplitude), 최저점 대 심장 수축 진폭 차(PT_A, Trough to contraction amplitude difference), 최저점과 심장 이완간 거리 진폭 차(VT_A, Trough to diastolic distance amplitude difference), 심장 수축 최고점 대 심장 이완 진폭 차(PV_A, Systolic peak to diastolic amplitude difference) 중에서 적어도 하나를 포함하는 진폭 특징 정보와, 최저점간 지속 시간(TT_T, Trough to trough duration), 최저점에서 심장 수축 최고점까지의 시간(TP_T, Duration from trough to systolic peak), 심장 수축 최고점에서 심장 이완까지의 시간(PV_T, Systolic peak to diastolic time), 최저점에서 심장 이완까지의 시간(TV_T, Trough to diastolic time) 중에서 적어도 하나를 포함하는 시간 특징 정보를 포함하여 이루어지는 것을 특징으로 한다.
또한, 본 발명에 따른 레이더 센서 기반 개인 인식 방법에서, 상기 개인 인식 단계는, 상기 추출된 특징 정보를 이용하여 개인을 인식하되, KNN 알고리즘과 SVM 알고리즘을 결합한 KNN-SVM 분류기를 이용하여 개인을 인식하는 단계인 것을 특징으로 한다.
또한, 본 발명에 따른 레이더 센서 기반 개인 인식 방법에서, 신규 사용자의 개인 정보와 상기 생체 신호 획득 단계와 특징 정보 추출 단계를 통해 수집된 신규 사용자의 특징 정보를 매칭시켜 DB에 저장하는 신규 사용자 정보 등록 단계;를 더 포함하는 것을 특징으로 한다.
기타 실시 예의 구체적인 사항은 "발명을 실시하기 위한 구체적인 내용" 및 첨부 "도면"에 포함되어 있다.
본 발명의 이점 및/또는 특징, 그리고 그것들을 달성하는 방법은 첨부되는 도면과 함께 상세하게 후술되어 있는 각종 실시 예를 참조하면 명확해질 것이다.
그러나 본 발명은 이하에서 개시되는 각 실시 예의 구성만으로 한정되는 것이 아니라 서로 다른 다양한 형태로도 구현될 수도 있으며, 단지 본 명세서에서 개시한 각각의 실시 예는 본 발명의 개시가 완전하도록 하며, 본 발명이 속하는 기술 분야에서 통상의 지식을 가진 자에게 본 발명의 범주를 완전하게 알려주기 위해 제공되는 것이며, 본 발명은 청구범위의 각 청구항의 범주에 의해 정의될 뿐임을 알아야 한다.
본 발명에 의하면, 비접촉 센서인 레이더 센서를 이용하여 생체 신호 중에 하나인 심장박동 신호를 측정하고, 측정된 심장박동 신호를 기반으로 개인을 인식할 수 있게 된다.
또한, 비접촉 방식으로 측정된 심장박동 신호를 기반으로 개인 인식을 수행하므로, 마스크를 착용한 상태에서도 개인 인식이 가능하게 된다.
도 1은 본 발명에 적용되는 FMCW 레이더 센서의 원리를 예시적으로 보여주는 도면이다.
도 2는 심박/호흡 진동의 진폭과 주파수를 예시적으로 보인 도면이다.
도 3은 심박/호흡 측정 위치를 예시적으로 보인 도면이다.
도 4는 본 발명의 일 실시예에 따른 레이더 센서 기반 개인 인식 장치의 구성을 개략적으로 보인 도면이다.
도 5는 본 발명에 적용되는 FMCW 레이더 센서를 이용한 심장박동 신호 측정 과정을 설명하기 위한 도면이다.
도 6은 본 발명에 따라 심장박동 신호를 웨이블릿 변환하여 특징 처리하는 것을 예시적으로 보인 도면이다.
도 7 및 도 8은 본 발명에 따라 심장박동 신호에서 추출되는 특징 정보를 예시적으로 보인 도면이다.
도 9는 본 발명에 따른 개인 인식부에서의 특징 정보 비교 원리를 예시적으로 보인 도면이다.
도 10은 본 발명의 일 실시예에 따른 레이더 센서 기반 개인 인식 방법을 설명하기 위한 처리도이다.
본 발명을 상세하게 설명하기 전에, 본 명세서에서 사용된 용어나 단어는 통상적이거나 사전적인 의미로 무조건 한정하여 해석되어서는 아니 되며, 본 발명의 발명자가 자신의 발명을 가장 최선의 방법으로 설명하기 위해서 각종 용어의 개념을 적절하게 정의하여 사용할 수 있고, 더 나아가 이들 용어나 단어는 본 발명의 기술적 사상에 부합하는 의미와 개념으로 해석되어야 함을 알아야 한다.
즉, 본 명세서에서 사용된 용어는 본 발명의 바람직한 실시 예를 설명하기 위해서 사용되는 것일 뿐이고, 본 발명의 내용을 구체적으로 한정하려는 의도로 사용된 것이 아니며, 이들 용어는 본 발명의 여러 가지 가능성을 고려하여 정의된 용어임을 알아야 한다.
또한, 본 명세서에서, 단수의 표현은 문맥상 명확하게 다른 의미로 지시하지 않는 이상, 복수의 표현을 포함할 수 있으며, 유사하게 복수로 표현되어 있다고 하더라도 단수의 의미를 포함할 수 있음을 알아야 한다.
본 명세서의 전체에 걸쳐서 어떤 구성 요소가 다른 구성 요소를 "포함"한다고 기재하는 경우에는, 특별히 반대되는 의미의 기재가 없는 한 임의의 다른 구성 요소를 제외하는 것이 아니라 임의의 다른 구성 요소를 더 포함할 수도 있다는 것을 의미할 수 있다.
더 나아가서, 어떤 구성 요소가 다른 구성 요소의 "내부에 존재하거나, 연결되어 설치된다"라고 기재한 경우에는, 이 구성 요소가 다른 구성 요소와 직접적으로 연결되어 있거나 접촉하여 설치되어 있을 수 있고, 일정한 거리를 두고 이격되어 설치되어 있을 수도 있으며, 일정한 거리를 두고 이격되어 설치되어 있는 경우에 대해서는 해당 구성 요소를 다른 구성 요소에 고정 내지 연결하기 위한 제 3의 구성 요소 또는 수단이 존재할 수 있으며, 이 제 3의 구성 요소 또는 수단에 대한 설명은 생략될 수도 있음을 알아야 한다.
반면에, 어떤 구성 요소가 다른 구성 요소에 "직접 연결"되어 있다거나, 또는 "직접 접속"되어 있다고 기재되는 경우에는, 제 3의 구성 요소 또는 수단이 존재하지 않는 것으로 이해하여야 한다.
마찬가지로, 각 구성 요소 간의 관계를 설명하는 다른 표현들, 즉 " ~ 사이에"와 "바로 ~ 사이에", 또는 " ~ 에 이웃하는"과 " ~ 에 직접 이웃하는" 등도 마찬가지의 취지를 가지고 있는 것으로 해석되어야 한다.
또한, 본 명세서에서 "일면", "타면", "일측", "타측", "제 1", "제 2" 등의 용어는, 사용된다면, 하나의 구성 요소에 대해서 이 하나의 구성 요소가 다른 구성 요소로부터 명확하게 구별될 수 있도록 하기 위해서 사용되며, 이와 같은 용어에 의해서 해당 구성 요소의 의미가 제한적으로 사용되는 것은 아님을 알아야 한다.
또한, 본 명세서에서 "상", "하", "좌", "우" 등의 위치와 관련된 용어는, 사용된다면, 해당 구성 요소에 대해서 해당 도면에서의 상대적인 위치를 나타내고 있는 것으로 이해하여야 하며, 이들의 위치에 대해서 절대적인 위치를 특정하지 않는 이상은, 이들 위치 관련 용어가 절대적인 위치를 언급하고 있는 것으로 이해하여서는 아니된다.
또한, 본 명세서에서는 각 도면의 각 구성 요소에 대해서 그 도면 부호를 명기함에 있어서, 동일한 구성 요소에 대해서는 이 구성 요소가 비록 다른 도면에 표시되더라도 동일한 도면 부호를 가지고 있도록, 즉 명세서 전체에 걸쳐 동일한 참조 부호는 동일한 구성 요소를 지시하고 있다.
본 명세서에 첨부된 도면에서 본 발명을 구성하는 각 구성 요소의 크기, 위치, 결합 관계 등은 본 발명의 사상을 충분히 명확하게 전달할 수 있도록 하기 위해서 또는 설명의 편의를 위해서 일부 과장 또는 축소되거나 생략되어 기술되어 있을 수 있고, 따라서 그 비례나 축척은 엄밀하지 않을 수 있다.
또한, 이하에서, 본 발명을 설명함에 있어서, 본 발명의 요지를 불필요하게 흐릴 수 있다고 판단되는 구성, 예를 들어, 종래 기술을 포함하는 공지 기술에 대해 상세한 설명은 생략될 수도 있다.
이하, 본 발명의 실시 예에 대해 관련 도면들을 참조하여 상세히 설명하기로 한다.
우선 본 발명에서는 비접촉 방식으로 개인 생체 신호를 획득하기 위해 FMCW(Frequency-Modulated Continuous Wave) 레이더 센서를 사용한다.
FMCW 레이더 센서는 주파수 변조된 신호를 연속적으로 발사하는 방식의 레이더 센서로, 송수신하는 전파 사이에서 추출된 주파수의 차이를 통해 대상과의 거리와 변위 정보를 비접촉식으로 추출할 수 있다(도 1 참조).
즉, FMCW 레이더 센서는 선형적으로 변조된 무선 주파수 신호를 송신하고 대상인 사용자로부터 반사된 주파수 신호를 수신한다.
FMCW 레이더 센서는 다음과 같은 기본 특성을 갖는다.
- 대상에 대한 매우 작은 범위를 측정할 수 있다(최소 측정 범위는 전송된 파장과 비슷).
- 목표 범위와 상대 속도를 동시에 측정할 수 있다.
- 범위 측정의 정확도가 매우 높다.
- 믹싱 후 신호 처리가 저주파 범위에서 수행되어 처리 회로의 구현을 단순화시킬 수 있다.
- 높은 피크 전력으로 펄스 복사가 없기 때문에 안전하다.
전술한 바와 같은 특성을 갖는 FMCW 레이더 센서는 생체 신호 측정에 적합하다.
호흡시 가슴의 움직임은 대략 4~12mm, 주파수는 대략 0.1Hz~0.3Hz의 변화가 나타나며, 심장 활동은 대략 0.2~0.5mm, 주파수는 대략 1Hz~2Hz로 측정되는 특징이 있다(도 2 참조).
따라서 호흡과 심장의 주기적인 활동은 움직임의 상대 위치 변화를 측정하고, 변위 분해능 기능이 있는 도플러 방식의 레이더 센서를 사용하여 심장박동 신호를 측정할 수 있다(도 3 참조).
도 4는 본 발명의 일 실시예에 따른 레이더 센서 기반 개인 인식 장치의 구성을 개략적으로 보인 도면이다.
도 4에 도시하는 바와 같이, 본 발명의 일 실시예에 따른 레이더 센서 기반 개인 인식 장치(100)는 센서부(110), 특징 추출부(120), 개인 인식부(130), 신규 사용자 정보 등록부(150) 등을 포함하여 이루어질 수 있다.
여기서, 센서부(110)는 비접촉 방식으로 개인의 생체 신호를 획득하되, 개인의 생체 신호 중에서 심장박동 신호를 획득할 수 있다.
센서부(110)는 레이더 센서로 구현되되, 레이더 센서 중에서도 FMCW 레이더 센서로 구현될 수 있다.
레이더 센서를 이용하여 측정하는 심장박동 신호는 보편성, 유일성, 안정성, 측정 가능성 등과 같이 개인 인식을 위한 생물학적 특성 4가지를 만족시킬 수 있다.
이하에서는 도 5를 참조하여 FMCW 레이더 센서로 구현된 센서부(110)에서 심장박동 신호를 획득하는 과정에 대해 살펴보기로 한다.
우선, 센서부(110)는 송신 안테나(도시하지 않음)를 통해 송신한 송신 신호와 수신 안테나(도시하지 않음)를 통해 수신한 수신 신호를 믹서(도시하지 않음)에서 입력받아 이들을 혼합한 신호를 생성한 후, 이를 ADC(Analog-Digital Converter)(도시하지 않음)에서 디지털 신호로 변환하고, 이 디지털 신호 데이터(ADC 데이터)에 대해 FFT(Fast Fourier Transform)을 수행하여 범위 곡선을 획득한다(S10).
이후에는, 레이더와 사용자의 대략적인 위치 관계를 통해 사용자의 거리 범위를 파악하고, 파악된 범위에서 최대값을 검색하여 사용자에 해당하는 레인지 빈(Range bin)을 선정하고(S15), 선정된 레인지 빈의 위상을 추출한다(S20).
그리고 상기한 단계 S20에서 추출된 위상을 전개하고, 전개된 위상들의 차를 구하여 노이즈 필터링할 수 있도록 가슴 위상 값을 획득한다(S25, S30).
그리고 상기한 단계 S25 및 단계 S30을 통해 획득한 위상 값을 두 개의 대역 통과 필터(serially-cascaded Bi-Quad IIR filter)에 통과시킨다(S35, S40).
상기한 단계 S35 및 S40을 통해 대역 통과 필터링(band-pass filtering)된 데이터는 호흡 파형과 심박 파형으로 구분될 수 있다.
상기한 단계 S35 및 S40을 통해 대역 통과 필터를 통과한 호흡 파형과 심박 파형 중에서 손상된 파형은 폐기시킨 후, 손상되지 않은 호흡 파형과 심박 파형을 버퍼에 저장한다(S45, S50).
상기한 단계 S50을 통해 호흡 파형과 심박 파형이 저장된 버퍼는 저장된 호흡 파형과 심박 파형을 스펙트럼 추정 모듈로 전달하고, 스펙트럼 추정 모듈은 FFT, 자기 상관(Auto-Correlation), 시역 파형에서의 피크간 거리 추정 등의 다양한 스펙트럼 추정 기술을 통해 생명체 증상을 추정할 수 있다(S55).
이후에는, 스펙트럼 추정 방법의 신뢰도 메트릭을 기반으로 최종 심장박동 신호 및 호흡 신호를 결정해서 출력한다(S60).
한편, 특징 추출부(120)는 센서부(110)를 통해 획득한 생체 신호(심장박동 신호)에서 특징 정보를 추출할 수 있다.
특징 추출부(120)는 센서부(110)를 통해 획득한 생체 신호(심장박동 신호)에서 노이즈를 필터링하고, 노이즈가 필터링된 생체 신호에서 특징 정보를 추출할 수 있다.
더욱이, 특징 추출부(120)는 센서부(110)를 통해 획득한 생체 신호(심장박동 신호)에서 노이즈를 필터링하고, 노이즈가 필터링된 생체 신호를 웨이블릿 변환(wavelet transform) 등의 데이터 전처리를 수행한 후, 특징 정보를 추출할 수 있다.
웨이블릿 변환은 시간적으로 주파수 성분이 변하는 신호에 대하여 시간과 주파수 성분을 표현하기 위하여 사용되는 변환 방법이다.
특징 추출부(120)는 생체 신호(심장박동 신호)를 웨이블릿 변환하여 모듈러 값 쌍을 발생시킨다. 생체 신호의 파형은 모듈러 값에 대응한다. 특이점은 극 값의 중간 0점이다.
따라서 특징 추출부(120)는 주파수 세그먼트가 다른 주파수 대역을 도 6과 같이 해당 임계값 설정 및 값 취합창을 통해 위치 결정할 수 있다.
앞서 설명한 바와 같이, 특징 추출부(120)는 센서부(110)를 통해 획득한 생체 신호(심장박동 신호)에서 특징 정보를 웨이블릿 변환하여 특징 정보를 추출하는데, 추출되는 특징 정보는 도 7에 도시하는 바와 같이 7개의 진폭 특징 정보와 4개의 시간 특징 정보로 이루어질 수 있다.
여기서 진폭 특징 정보는 심장 수축 최고점 진폭(P_A, Systolic peak amplitude), 심장 이완 진폭(V_A, Diastolic amplitude), 중하부 지협 진폭(L_A, Mid-lower isthmus amplitude), 최저점 진폭(T_A, Trough amplitude), 최저점 대 심장 수축 진폭 차(PT_A, Trough to contraction amplitude difference), 최저점과 심장 이완간 거리 진폭 차(VT_A, Trough to diastolic distance amplitude difference), 심장 수축 최고점 대 심장 이완 진폭 차(PV_A, Systolic peak to diastolic amplitude difference) 중에서 적어도 하나를 포함하여 이루어질 수 있다(도 8 참조).
그리고 시간 특징 정보는 최저점간 지속 시간(TT_T, Trough to trough duration), 최저점에서 심장 수축 최고점까지의 시간(TP_T, Duration from trough to systolic peak), 심장 수축 최고점에서 심장 이완까지의 시간(PV_T, Systolic peak to diastolic time), 최저점에서 심장 이완까지의 시간(TV_T, Trough to diastolic time) 중에서 적어도 하나를 포함하여 이루어질 수 있다(도 8 참조).
전술한 진폭 특징 정보와 시간 특징 정보는 하나의 심장박동 과정으로 얻을 수 있는 특징적인 데이터로, 개인 인식부(130)에서 식별할 때 단순히 특징 정보 값을 비교하는 것이 아니라 데이터 분포와 DB(140)에 저장되어 있는 개인 특징 정보 분포를 비교한다. 즉, 도 9에 도시하는 바와 같이, 데이터 분포 범위가 DB(140)에 저장되어 있는 데이터와 유사한 경우 식별에 성공했다고 할 수 있다.
개인 인식부(130)는 특징 추출부(120)에서 추출된 특징 정보를 이용하여 개인을 인식할 수 있다.
여기서 개인 인식부(130)는 특징 추출부(120)에서 추출된 특징 정보를 이용하여 개인을 인식하되, KNN(K-Nearest Neighbor) 알고리즘과 SVM(Support Vector Machine) 알고리즘을 결합한 KNN-SVM 분류기를 이용하여 개인을 인식할 수 있다.
본 발명에 적용되는 KNN 알고리즘과 SVM 알고리즘에 대해 살펴보면 다음과 같다.
KNN 알고리즘은 판단해야 할 데이터가 입력되면, 이 입력 데이터를 학습 데이터가 표시된 공간에서 거리상 가장 가까운 K 개의 이웃 데이터를 찾아내고, K 개의 이웃 데이터들의 클래스(class)를 다수결로 하여 입력 데이터의 클래스를 결정하는 알고리즘으로, K 값이 너무 작으면 민감하지만, 노이즈가 많고, 반대로 K 값이 너무 크면 노이즈에는 강하지만 민감도가 떨어지는 단점이 있어 적절한 수준의 K 값을 이용하는 것이 중요하다. 본 발명의 실시예에서는 K 값이 5로 설정될 수 있다.
SVM 알고리즘은 분류를 위한 기준선, 결정 경계를 결정하는 알고리즘으로, 새로운 데이터가 입력되면 결정 경계를 기준으로 어느 쪽에 속하는 지를 확인해 데이터를 분류한다.
SVM 알고리즘은 n(n>2) 개의 클래스가 있는 경우에는, 1개와 나머지(n-1) 개의 클래스의 합집합을 비교하여 선형판별경계를 구하는 OVA(One Versus All) 방식과, 2개의 클래스 쌍(n combination 2)에 대한 경우의 수를 모두 구해서 선형판별경계를 구하는 OVO(One Versus One) 방식이 있다. 본 발명의 실시예에서는 다중 분류를 처리하기 위해 OVO 방식을 사용한다.
본 발명의 실시예에서는 전술한 KNN 알고리즘의 특성과 SVM 알고리즘의 특성을 이용하여 KNN 알고리즘과 SVM 알고리즘을 결합한 KNN-SVM 분류기를 이용하여 개인을 인식한다.
즉, 개인 인식부(130)는 특징 추출부(120)에서 추출된 특징 정보를 KNN 알고리즘에 적용시켜 K 개의 특징 정보를 선택하고, 선택된 K 개의 특징 정보와 특징 추출부(120)에서 추출된 특징 정보를 SVM 알고리즘을 이용하여 특징별로 일대일 상세 비교하여 개인을 인식한다.
전술한 바와 같이, KNN 알고리즘을 통해 샘플 수를 줄이게 되면, SVM 알고리즘이 일대일로 분류할 때 필요한 서브 분류기의 수를 줄일 수 있어 분류 효율을 높일 수 있게 된다.
신규 사용자 정보 등록부(150)는 신규 사용자로부터 수집된 생체 신호와 개인 정보를 입력받아 DB(140)에 저장할 수 있다.
신규 사용자 정보 등록부(150)는 신규 사용자의 개인 정보를 입력받는 개인 정보 입력부(155)와, 센서부(110) 및 특징 추출부(120)를 통해 신규 사용자로부터 생체 신호(특징 정보)를 수집하는 생체 신호 수집부(153)로 이루어져, 개인 정보 입력부(155)를 통해 입력받은 신규 사용자의 개인 정보와 생체 신호 수집부(153)를 통해 수집한 신규 사용자의 생체 신호(특징 정보)를 매칭시켜 DB(140)에 저장할 수 있다.
도 10은 본 발명의 일 실시예에 따른 레이더 센서 기반 개인 인식 방법을 설명하기 위한 처리도이다.
본 발명에 따른 레이더 센서 기반 개인 인식 방법은 도 4에 도시된 레이더 센서 기반 개인 인식 장치(100)와 실질적으로 동일한 구성 상에서 진행되므로, 도 4의 레이더 센서 기반 개인 인식 장치(100)와 동일한 구성 요소에 대해 동일한 도면 부호를 부여하고, 반복되는 설명은 생략하기로 한다.
우선, 단계 S100에서 센서부(110)는 비접촉 방식으로 개인의 생체 신호를 획득할 수 있다.
상기한 단계 S100에서 센서부(110)는 개인의 생체 신호 중에서 심장박동 신호를 획득할 수 있다.
여기서 센서부(110)는 레이더 센서로 구현되되, 레이더 센서 중에서도 FMCW 레이더 센서로 구현될 수 있다.
상기한 단계 S100을 통해 획득된 개인의 생체 신호(심장박동 신호)는 특징 추출부(120)로 인가되고, 센서부(110)로부터 생체 신호(심장박동 신호)를 인가받은 특징 추출부(120)는 생체 신호(심장박동 신호)에서 특징 정보를 추출할 수 있다.
즉, 특징 추출부(120)는 센서부(110)로부터 인가받은 생체 신호(심장박동 신호)에서 노이즈를 필터링하고(S110), 노이즈가 필터링된 생체 신호에서 특징 정보를 추출할 수 있다(S120).
상기한 단계 S120에서 특징 추출부(120)는 노이즈가 필터링된 생체 신호를 웨이블릿 변환하여 특징 정보를 추출할 수 있다.
특징 정보는 7개의 진폭 특징 정보와 4개의 시간 특징 정보로 이루어질 수 있다.
여기서 진폭 특징 정보는 심장 수축 최고점 진폭(P_A, Systolic peak amplitude), 심장 이완 진폭(V_A, Diastolic amplitude), 중하부 지협 진폭(L_A, Mid-lower isthmus amplitude), 최저점 진폭(T_A, Trough amplitude), 최저점 대 심장 수축 진폭 차(PT_A, Trough to contraction amplitude difference), 최저점과 심장 이완간 거리 진폭 차(VT_A, Trough to diastolic distance amplitude difference), 심장 수축 최고점 대 심장 이완 진폭 차(PV_A, Systolic peak to diastolic amplitude difference) 중에서 적어도 하나를 포함하여 이루어질 수 있다(도 8 참조).
그리고 시간 특징 정보는 최저점간 지속 시간(TT_T, Trough to trough duration), 최저점에서 심장 수축 최고점까지의 시간(TP_T, Duration from trough to systolic peak), 심장 수축 최고점에서 심장 이완까지의 시간(PV_T, Systolic peak to diastolic time), 최저점에서 심장 이완까지의 시간(TV_T, Trough to diastolic time) 중에서 적어도 하나를 포함하여 이루어질 수 있다(도 8 참조).
상기한 단계 S120을 통해 추출된 특징 정보는 개인 인식부(130)로 인가되고, 개인 인식부(130)는 특징 추출부(120)로부터 인가받은 특징 정보를 이용하여 개인을 인식할 수 있다(S130).
상기한 단계 S130에서 개인 인식부(130)는 KNN 알고리즘과 SVM 알고리즘을 결합한 KNN-SVM 분류기를 이용하여 개인을 인식할 수 있다.
상기한 단계 S130에서의 개인 인식 결과 특징 추출부(120)로부터 인가받은 특징 정보로 인식된 개인이 있는 경우에는 개인 확인이 성공한 것으로 판단하고(S140), 개인 인식 결과 DB(140)에 저장되어 있는 특징 정보와 다소 유사하지만 개인의 신원을 확인하기에는 충분치 않은 경우에는 개인 확인이 실패한 것으로 판단하고(S150), 개인 인식 결과 DB(140)에 저장되어 있는 특징 정보와 유사성이 없는 경우에는 신규 사용자 정보 등록부(150)가 신규 사용자 정보 등록을 수행할 수 있다(S160).
상기한 단계 S160에서 신규 사용자 정보 등록부(150)는 개인 정보 입력부(155)를 통해 입력받은 신규 사용자의 개인 정보와 상기한 단계 S100 내지 단계 S120을 통해 추출된 특징 정보를 매칭시켜 DB(140)에 저장할 수 있다.
이와 같이, 본 발명에 의하면, 레이더 센서를 이용하여 비접촉 방식으로 생체 신호 중에 하나인 심장박동 신호를 측정하고, 측정된 심장박동 신호를 기반으로 개인을 인식할 수 있게 된다.
또한, 비접촉 방식으로 측정된 심장박동 신호를 기반으로 개인 인식을 수행하므로, 마스크를 착용한 상태에서도 개인 인식이 가능하게 된다.
이상, 일부 예를 들어서 본 발명의 바람직한 여러 가지 실시 예에 대해서 설명하였지만, 본 "발명을 실시하기 위한 구체적인 내용" 항목에 기재된 여러 가지 다양한 실시 예에 관한 설명은 예시적인 것에 불과한 것이며, 본 발명이 속하는 기술 분야에서 통상의 지식을 가진 자라면 이상의 설명으로부터 본 발명을 다양하게 변형하여 실시하거나 본 발명과 균등한 실시를 행할 수 있다는 점을 잘 이해하고 있을 것이다.
또한, 본 발명은 다른 다양한 형태로 구현될 수 있기 때문에 본 발명은 상술한 설명에 의해서 한정되는 것이 아니며, 이상의 설명은 본 발명의 개시 내용이 완전해지도록 하기 위한 것으로 본 발명이 속하는 기술 분야에서 통상의 지식을 가진 자에게 본 발명의 범주를 완전하게 알려주기 위해 제공되는 것일 뿐이며, 본 발명은 청구범위의 각 청구항에 의해서 정의될 뿐임을 알아야 한다.
110. 센서부,
120. 특징 추출부,
130. 개인 인식부,
140. DB,
150. 신규 사용자 정보 등록부,
153. 생체 신호 수집부,
155. 개인 정보 입력부

Claims (15)

  1. 비접촉 방식으로 개인의 생체 신호를 획득하는 센서부;
    상기 획득한 생체 신호에서 특징 정보를 추출하는 특징 추출부;
    상기 추출된 특징 정보를 이용하여 개인을 인식하는 개인 인식부;를 포함하고,
    상기 센서부는 FMCW 레이더 센서로 구현되며,
    레이더의 송신 신호와 수신 신호를 혼합하여 디지털화한 혼합 신호에 대해 FFT(Fast Fourier Transform)를 수행하여 범위 곡선을 획득하고,
    상기 레이더와 사용자의 거리 범위를 파악하고, 파악된 범위에서 최대값을 검색하여 사용자에 해당하는 레인지 빈(Range bin)을 선정하며, 선정된 레인지 빈의 위상을 추출하고,
    추출된 위상을 전개하고, 전개된 위상들의 차를 구하여 노이즈 필터링할 수 있도록 가슴 위상 값을 획득하며,
    위상 값을 두개의 대역 통과 필터(serially-cascaded Bi-Quad IIR filter)에 통과시키고,
    상기 대역 통과 필터를 통과한 호흡 파형과 심박 파형 중 손상되지 않은 호흡 파형과 심박 파형을 버퍼에 저장하며,
    저장된 호흡 파형과 심박 파형을 스펙트럼 추정 모듈로 전달하여 스펙트럼 추정 방법을 통해 생명체 증상을 추정하고,
    상기 스펙트럼 추정 방법의 신뢰도 메트릭을 기반으로 최종 심장박동 신호 및 호흡 신호를 결정하여 출력하는 것을 특징으로 하는,
    레이더 센서 기반 개인 인식 장치.
  2. 제1항에 있어서,
    상기 센서부는,
    개인의 생체 신호 중에서 심장박동 신호를 획득하는 것을 특징으로 하는,
    레이더 센서 기반 개인 인식 장치.
  3. 삭제
  4. 제1항에 있어서,
    상기 특징 추출부는,
    상기 획득한 생체 신호에서 노이즈를 필터링하고, 노이즈가 필터링된 생체 신호에서 특징 정보를 추출하는 것을 특징으로 하는,
    레이더 센서 기반 개인 인식 장치.
  5. 제1항에 있어서,
    상기 특징 추출부는,
    상기 획득한 생체 신호에서 노이즈를 필터링하고, 노이즈가 필터링된 생체 신호를 웨이블릿 변환하여 특징 정보를 추출하는 것을 특징으로 하는,
    레이더 센서 기반 개인 인식 장치.
  6. 제1항, 제4항, 제5항 중 어느 한 항에 있어서,
    상기 특징 정보는,
    심장 수축 최고점 진폭(P_A, Systolic peak amplitude), 심장 이완 진폭(V_A, Diastolic amplitude), 중하부 지협 진폭(L_A, Mid-lower isthmus amplitude), 최저점 진폭(T_A, Trough amplitude), 최저점 대 심장 수축 진폭 차(PT_A, Trough to contraction amplitude difference), 최저점과 심장 이완간 거리 진폭 차(VT_A, Trough to diastolic distance amplitude difference), 심장 수축 최고점 대 심장 이완 진폭 차(PV_A, Systolic peak to diastolic amplitude difference) 중에서 적어도 하나를 포함하는 진폭 특징 정보와,
    최저점간 지속 시간(TT_T, Trough to trough duration), 최저점에서 심장 수축 최고점까지의 시간(TP_T, Duration from trough to systolic peak), 심장 수축 최고점에서 심장 이완까지의 시간(PV_T, Systolic peak to diastolic time), 최저점에서 심장 이완까지의 시간(TV_T, Trough to diastolic time) 중에서 적어도 하나를 포함하는 시간 특징 정보를 포함하여 이루어지는 것을 특징으로 하는,
    레이더 센서 기반 개인 인식 장치.
  7. 제1항에 있어서,
    상기 개인 인식부는,
    상기 추출된 특징 정보를 이용하여 개인을 인식하되, KNN 알고리즘과 SVM 알고리즘을 결합한 KNN-SVM 분류기를 이용하여 개인을 인식하는 것을 특징으로 하는,
    레이더 센서 기반 개인 인식 장치.
  8. 비접촉 방식으로 개인의 생체 신호를 획득하는 센서부;
    상기 획득한 생체 신호에서 특징 정보를 추출하는 특징 추출부;
    상기 추출된 특징 정보를 이용하여 개인을 인식하는 개인 인식부;
    신규 사용자의 개인 정보와 상기 센서부 및 특징 추출부를 통해 수집된 신규 사용자의 특징 정보를 매칭시켜 DB에 저장하는 신규 사용자 정보 등록부;를 포함하고,
    상기 센서부는 FMCW 레이더 센서로 구현되며,
    레이더의 송신 신호와 수신 신호를 혼합하여 디지털화한 혼합 신호에 대해 FFT(Fast Fourier Transform)를 수행하여 범위 곡선을 획득하고,
    상기 레이더와 사용자의 거리 범위를 파악하고, 파악된 범위에서 최대값을 검색하여 사용자에 해당하는 레인지 빈(Range bin)을 선정하며, 선정된 레인지 빈의 위상을 추출하고,
    추출된 위상을 전개하고, 전개된 위상들의 차를 구하여 노이즈 필터링할 수 있도록 가슴 위상 값을 획득하며,
    위상 값을 두개의 대역 통과 필터(serially-cascaded Bi-Quad IIR filter)에 통과시키고,
    상기 대역 통과 필터를 통과한 호흡 파형과 심박 파형 중 손상되지 않은 호흡 파형과 심박 파형을 버퍼에 저장하며,
    저장된 호흡 파형과 심박 파형을 스펙트럼 추정 모듈로 전달하여 스펙트럼 추정 방법을 통해 생명체 증상을 추정하고,
    상기 스펙트럼 추정 방법의 신뢰도 메트릭을 기반으로 최종 심장박동 신호 및 호흡 신호를 결정하여 출력하는 것을 특징으로 하는,
    레이더 센서 기반 개인 인식 장치.
  9. 센서부가, 비접촉 방식으로 개인의 생체 신호를 획득하는 생체 신호 획득 단계;
    특징 추출부가, 상기 획득한 생체 신호에서 특징 정보를 추출하는 특징 정보 추출 단계;
    개인 인식부가, 상기 추출된 특징 정보를 이용하여 개인을 인식하는 개인 인식 단계;를 포함하고,
    상기 센서부는 FMCW 레이더 센서로 구현되며,
    레이더의 송신 신호와 수신 신호를 혼합하여 디지털화한 혼합 신호에 대해 FFT(Fast Fourier Transform)를 수행하여 범위 곡선을 획득하고,
    상기 레이더와 사용자의 거리 범위를 파악하고, 파악된 범위에서 최대값을 검색하여 사용자에 해당하는 레인지 빈(Range bin)을 선정하며, 선정된 레인지 빈의 위상을 추출하고,
    추출된 위상을 전개하고, 전개된 위상들의 차를 구하여 노이즈 필터링할 수 있도록 가슴 위상 값을 획득하며,
    위상 값을 두개의 대역 통과 필터(serially-cascaded Bi-Quad IIR filter)에 통과시키고,
    상기 대역 통과 필터를 통과한 호흡 파형과 심박 파형 중 손상되지 않은 호흡 파형과 심박 파형을 버퍼에 저장하며,
    저장된 호흡 파형과 심박 파형을 스펙트럼 추정 모듈로 전달하여 스펙트럼 추정 방법을 통해 생명체 증상을 추정하고,
    상기 스펙트럼 추정 방법의 신뢰도 메트릭을 기반으로 최종 심장박동 신호 및 호흡 신호를 결정하여 출력하는 것을 특징으로 하는,
    레이더 센서 기반 개인 인식 방법.
  10. 제9항에 있어서,
    상기 생체 신호 획득 단계는,
    개인의 생체 신호 중에서 심장박동 신호를 획득하는 단계인 것을 특징으로 하는,
    레이더 센서 기반 개인 인식 방법.
  11. 제9항에 있어서,
    상기 특징 정보 추출 단계는,
    상기 획득한 생체 신호에서 노이즈를 필터링하고, 노이즈가 필터링된 생체 신호에서 특징 정보를 추출하는 단계인 것을 특징으로 하는,
    레이더 센서 기반 개인 인식 방법.
  12. 제9항에 있어서,
    상기 특징 정보 추출 단계는,
    상기 획득한 생체 신호에서 노이즈를 필터링하고, 노이즈가 필터링된 생체 신호를 웨이블릿 변환하여 특징 정보를 추출하는 단계인 것을 특징으로 하는,
    레이더 센서 기반 개인 인식 방법.
  13. 제9항, 제11항, 제12항 중 어느 한 항에 있어서,
    상기 특징 정보는,
    심장 수축 최고점 진폭(P_A, Systolic peak amplitude), 심장 이완 진폭(V_A, Diastolic amplitude), 중하부 지협 진폭(L_A, Mid-lower isthmus amplitude), 최저점 진폭(T_A, Trough amplitude), 최저점 대 심장 수축 진폭 차(PT_A, Trough to contraction amplitude difference), 최저점과 심장 이완간 거리 진폭 차(VT_A, Trough to diastolic distance amplitude difference), 심장 수축 최고점 대 심장 이완 진폭 차(PV_A, Systolic peak to diastolic amplitude difference) 중에서 적어도 하나를 포함하는 진폭 특징 정보와,
    최저점간 지속 시간(TT_T, Trough to trough duration), 최저점에서 심장 수축 최고점까지의 시간(TP_T, Duration from trough to systolic peak), 심장 수축 최고점에서 심장 이완까지의 시간(PV_T, Systolic peak to diastolic time), 최저점에서 심장 이완까지의 시간(TV_T, Trough to diastolic time) 중에서 적어도 하나를 포함하는 시간 특징 정보를 포함하여 이루어지는 것을 특징으로 하는,
    레이더 센서 기반 개인 인식 방법.
  14. 제9항에 있어서,
    상기 개인 인식 단계는,
    상기 추출된 특징 정보를 이용하여 개인을 인식하되, KNN 알고리즘과 SVM 알고리즘을 결합한 KNN-SVM 분류기를 이용하여 개인을 인식하는 단계인 것을 특징으로 하는,
    레이더 센서 기반 개인 인식 방법.
  15. 제9항에 있어서,
    신규 사용자의 개인 정보와 상기 생체 신호 획득 단계와 특징 정보 추출 단계를 통해 수집된 신규 사용자의 특징 정보를 매칭시켜 DB에 저장하는 신규 사용자 정보 등록 단계;를 더 포함하는 것을 특징으로 하는,
    레이더 센서 기반 개인 인식 방법.
KR1020220044885A 2022-04-12 2022-04-12 레이더 센서 기반 개인 인식 장치 및 방법 KR102475268B1 (ko)

Priority Applications (1)

Application Number Priority Date Filing Date Title
KR1020220044885A KR102475268B1 (ko) 2022-04-12 2022-04-12 레이더 센서 기반 개인 인식 장치 및 방법

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020220044885A KR102475268B1 (ko) 2022-04-12 2022-04-12 레이더 센서 기반 개인 인식 장치 및 방법

Publications (1)

Publication Number Publication Date
KR102475268B1 true KR102475268B1 (ko) 2022-12-06

Family

ID=84407312

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020220044885A KR102475268B1 (ko) 2022-04-12 2022-04-12 레이더 센서 기반 개인 인식 장치 및 방법

Country Status (1)

Country Link
KR (1) KR102475268B1 (ko)

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20150068694A (ko) * 2013-12-12 2015-06-22 현대자동차주식회사 사용자 인증 방법과 이를 수행하는 사용자 인증 장치 및 사용자 인증 시스템
KR20190005740A (ko) 2017-07-07 2019-01-16 인피니언 테크놀로지스 아게 레이더 센서를 사용하여 타겟을 식별하는 시스템 및 방법
US20200236545A1 (en) * 2018-09-14 2020-07-23 The Research Foundation For The State University Of New York Method and system for non-contact motion-based user authentication
US20210275035A1 (en) * 2020-03-09 2021-09-09 Stichting Imec Nederland Method, system, and computer program product for automatic multi-object localization and/or vital sign monitoring

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20150068694A (ko) * 2013-12-12 2015-06-22 현대자동차주식회사 사용자 인증 방법과 이를 수행하는 사용자 인증 장치 및 사용자 인증 시스템
KR20190005740A (ko) 2017-07-07 2019-01-16 인피니언 테크놀로지스 아게 레이더 센서를 사용하여 타겟을 식별하는 시스템 및 방법
US20200236545A1 (en) * 2018-09-14 2020-07-23 The Research Foundation For The State University Of New York Method and system for non-contact motion-based user authentication
US20210275035A1 (en) * 2020-03-09 2021-09-09 Stichting Imec Nederland Method, system, and computer program product for automatic multi-object localization and/or vital sign monitoring

Similar Documents

Publication Publication Date Title
Singh et al. Evaluation of electrocardiogram for biometric authentication
CN105787420B (zh) 用于生物认证的方法、装置以及生物认证系统
Aziz et al. ECG-based biometric authentication using empirical mode decomposition and support vector machines
Bonissi et al. A preliminary study on continuous authentication methods for photoplethysmographic biometrics
AU2003256693B2 (en) Method and apparatus for electro-biometric identiy recognition
US8232866B2 (en) Systems and methods for remote long standoff biometric identification using microwave cardiac signals
Sasikala et al. Identification of individuals using electrocardiogram
WO2018152711A1 (zh) 一种基于心电认证的门禁系统及其认证方法
Shdefat et al. Utilizing ECG waveform features as new biometric authentication method
WO2018032599A1 (zh) 一种穿戴式智能设备身份认证方法及装置
Nait-Ali Hidden biometrics: Towards using biosignals and biomedical images for security applications
EP3860441A2 (en) High frequency qrs in biometric identification
Shi et al. Contactless person identification using cardiac radar signals
Alotaiby et al. A nonfiducial PPG-based subject Authentication Approach using the statistical features of DWT-based filtered signals
Canento et al. Review and comparison of real time electrocardiogram segmentation algorithms for biometric applications
KR102475268B1 (ko) 레이더 센서 기반 개인 인식 장치 및 방법
Chen et al. Finger ECG-based authentication for healthcare data security using artificial neural network
Guo et al. Ballistocardiogram-based person identification using correlation analysis
Amiruddin et al. Performance evaluation of human identification based on ECG signal
KR101863840B1 (ko) 심전도 기반의 인증 장치
KR101986246B1 (ko) 생체신호 인증 장치 및 방법
Canento et al. On real time ECG segmentation algorithms for biometric applications
Shahid et al. A survey on AI-based ECG, PPG, and PCG signals based biometric authentication system
KR20220158462A (ko) 근전도 신호 기반 인식 정보 추출 시스템과 이를 이용한 근전도 신호 기반 인식 정보 추출 방법
WO2012087332A1 (en) Systems and methods for remote long standoff biometric identification using microwave cardiac signals

Legal Events

Date Code Title Description
E701 Decision to grant or registration of patent right
GRNT Written decision to grant