KR20070085856A

KR20070085856A - 전기-생체 신원 인식 방법 및 장치

Info

Publication number: KR20070085856A
Application number: KR1020077012835A
Authority: KR
Inventors: 다니엘 에이치. 랭
Original assignee: 이데시아 엘티디.
Priority date: 2004-11-08
Filing date: 2004-11-08
Publication date: 2007-08-27
Also published as: KR101019844B1; JP2008518709A; AU2004324705A1; CA2587214A1; KR20070085857A; KR101019838B1; JP2008518708A; EP1815386A1; EP1815391A2; CA2586772C; CN101421744A; CN101421744B; CA2586772A1; JP4782141B2; WO2006048701A2; CN101263510A; WO2006059190A2; AU2005310994A1; WO2006059190A3; AU2010246527A1

Abstract

전기-생체 신원 인식 또는 검증 방법 및 장치는 특정 개체의 심장 박동 패턴의 표현과 복수의 개체의 심장 박동 패턴의 공통 특징의 저장된 표현 간의 차이를 형성함으로써 상기 특정 개체를 식별해주는 제1 생체 서명(biometric signature)을 생성 및 저장하고, 상기 생성하는 단계 후에, 이 방법 및 장치는 선택된 개체의 심장 박동 패턴의 표현을 획득하고 상기 선택된 개체의 심장 박동 패턴과 상기 복수의 개체의 심장 박동 패턴의 공통 특징의 상기 저장된 표현 간의 차이를 형성함으로써 제2 생체 서명을 생성하며, 이 방법 및 장치는 이어서 상기 선택된 개체가 상기 특정 개체인지 여부를 판정하기 위해 상기 제2 생체 서명을 상기 제1 생체 서명과 비교한다. 이 장치 및 방법은 독립형 유닛으로서 또는 본 명세서에 기술된 많은 응용에 따라 다른 장치의 일부로서 이용될 수 있다.

전기-생체 식별, 생체 서명, ECG 신호, E-BioID, QRS군

Description

전기-생체 신원 인식 방법 및 장치{METHOD AND APPARATUS FOR ELECTRO-BIOMETRIC IDENTITY RECOGNITION}

관련 출원의 상호 참조

본 출원은 2003년 7월 24일자로 출원된 PCT 출원 WO 2004/012388호 및 2002년 7월 29일자로 출원된 미국 가특허 출원 제60/398,832호를 우선권 주장하며, 이들은 본 명세서에 인용함으로써 그 전체 내용이 본 발명에 포함된다.

배경

신원 인식은, 자동 뱅킹(automatic banking) 서비스, 전자 상거래(e-commerce), e-뱅킹(e-banking), e-투자(e-investing), e-데이터 보호, 자원에의 원격 액세스, 전자 거래(e-transaction), 작업 보안(work security), 도난 방지 장치, 범죄 식별(criminologic identification), 보안 출입 및 작업장에서의 출입 등록(entry registration)을 비롯한 삶의 수많은 측면에서 중요한 역할을 한다.

종종, 컴퓨터화된 시스템은 사용자 인식을 위해 패스워드 및 개인 식별 번호(PIN)을 사용한다. 그렇지만, 보안을 유지하기 위해, 패스워드는 정기적으로 변경되어야만 하며, 이는 사용자에게 상당한 부담을 준다. 이와 유사하게, 서명 검증 방법도, 위조(forgery) 및 허위 등록(enrollment fraud)을 비롯한, 다른 단점이 있다. 예를 들어, Beatson 등에게 특허된 미국 특허 제5,892,824호를 참조하기 바 란다.

그 결과, 개체의 생물학적 현상의 측정 - 생체 인식 - 을 사용하는 신원 인식 시스템이 최근에 성장하였다. 단독으로 이용되거나 스마트 카드, 암호화 키 및 디지털 서명 등의 다른 기술과 통합되면, 생체 인식은 경제 및 우리의 일상 생활의 거의 모든 측면에 파고들 것으로 예상된다.

지문 인식, 망막 및 홍채 인식, 얼굴 인식, 및 음성 인식을 비롯한 생체 식별을 위한 몇가지 진보된 기술이 개발되었다. 예를 들어, Shockley 등의 미국 특허 제5,534,855호는 일반적으로 개체에 대한 컴퓨터 액세스를 허가하기 위해 지문 등의 생체 인식 데이터를 사용하는 것을 기술하고 있다. Schheidt 등의 미국 특허 제6,490,680호는 생체 인식 데이터를 사용하는 신원 인증(identity authentication)을 기술하고 있다. Dulude 등의 미국 특허 제6,310,966호는 생체 인증 인증서(biometric authentication certificate)의 일부로서 지문, 손 모양(hand geometry), 홍채 및 망막 스캔, 및 음성 패턴의 사용을 기술하고 있다. Murakami 등의 미국 특허 제6,483,929호는 일반적으로 생체 인증을 위해 적외선 방사를 비롯한 "생리학적 및 조직학적 마커(physiological and histological markers)"를 기술하고 있다. 그렇지만, 이들 유형의 기술은 복잡하고 불편한 획득 방식, 환경적 파라미터(조명 조건 및 배경 노이즈 등)에 대한 민감성, 및 높은 가격으로 인해 단지 제한된 시장에만 파고들었다. 게다가, 복잡한 획득 절차로 인해, 상기한 기술들은 보통 조작자 개입을 필요로 한다.

지문 인식은 이 그룹 중 확립되고 가장 성숙된 기술이다. 그렇지만, 지문 인식은 몇가지 단점을 갖는다. 즉, 지문 인식 시스템은 지문 소유자의 물리적 존재를 검증할 수 없으며, 따라서 속기 쉽고 온라인 응용에 대한 그의 적합성을 제한하며, 광학적 센서가 고가이고 부서지기 쉬운 장치이어서 일반적으로 소비자 시장에 부적합하며, 이 시스템은 범죄학에 관계된 부정적인 어감을 가지고 있다.

망막 스캔 기술은 고성능을 특징으로 한다. 그렇지만, 이 기술은 고정밀도 광학 센서를 필요로 하며, 사용하기 불편한데, 그 이유는 이들이 머리 자세의 조정을 필요로 하며 아주 예민한 기관, 즉 사람의 눈에 대해 동작하기 때문이다. 이 광학 센서도 또한 고가이고 부서지기 쉽다.

홍채 및 얼굴 인식 시스템은 사용이 편리한 기술인데, 그 이유는 이 시스템이 멀리 떨어져서 이미지를 기록하고 귀찮지 않기 때문이다. 그렇지만, 이 시스템은 디지털 사진 장비를 필요로 하고 조명 조건, 동공 크기 변동 및 얼굴 표정에 민감하다. 게다가, 홍채 인식 성능은 어두운 안경 및 콘택트 렌즈의 사용에 의해 열화되고, 얼굴 인식은 분장에 의해 속임을 당할 수 있다.

음성 인식이 이 그룹 중 가장 사용하기 편리한 기술이지만, 이는 소음이 적은 환경을 필요로 하며, 억양을 비롯한 본질적으로 가변적인 음성 파라미터에 아주 민감하다. 게다가, 기존의 종래 기록 기술이 음성-기반 인식 시스템을 속이는 데 사용될 수 있다.

따라서, 독립적으로 사용될 수 있거나 기존의 보안 시스템과 통합될 수 있는, 신뢰성있고 안정적이며 (온라인 및 오프라인에서) 속이기 어렵고 저가이며 사용하기 편리한 신원 인식 기술이 필요하다.

수년에 걸쳐, 많은 서로 다른 목적을 위해 심전도(electrocardiogram, ECG) 측정이 사용되어 왔다. ECG 신호는 심장에 의해 발생되는 전기 신호이며, 보통 피험자의 가슴에 설치되는 종래의 표면 전극을 사용하여 잴 수 있다. ECG 신호는 각각의 심장 박동 동안에 서로 다른 기능적 단계(functional stage)를 나타내고 발생 조직의 전기적 배향에 따라 투영되는 몇개의 성분으로 이루어져 있다.

개체들은 심장 조직 구조, 심장 배향(heart orientation) 및 전기적 조직 배향(이들 모두는 팔다리로부터 측정되는 전기-심장 신호에 영향을 줌)에서의 통상적인 변동으로 인해 그의 전기-심장 신호에서 서로 다른 피험자-고유의 상세를 나타낸다. 수많은 유형의 시스템이 이들 피험자-고유의 변동을 이용한다.

예를 들어, Blazey 등의 미국 특허 제6,293,904호는 개체의 생리학적 및 인식 상태를 평가 또는 프로파일링하는 데 ECG 신호를 사용하는 것에 대해 기술하고 있다. 식별과 관련하여, "ECG 식별 시스템의 개발(Development of an ECG Identification System)"의 제하의, 제23회 Annual International IEEE Conference on Engineering in Medicine and Biology Society(개최지: 터키, 이스탄불)에서 Kyoso 등의 2001 컨퍼런스 논문은 식별을 위해 환자의 ECG를 이전에 등록된 ECG 특징 파라미터와 비교한다. Wiederhold의 미국 특허 출원 제2003013509호는 직접 또는 원격적으로 획득된 ECG 신호를 사용하여 피험자를 식별하는 것을 제안하며, 개체를 식별하기 위해 특징 추출을 "조사"하고 이러한 방법의 "예비적 분석"을 제공한다.

그렇지만, ECG 신호는 한 그룹에 공통될 수 있는 특징을 갖는 ECG 성분으로 이루어져 있다. 이들 참조 문헌 중 어느 것도 피험자 식별을 위한 서명을 생성하기 위해 ECG 성분의 공통 특징을 제거하는 시스템이나 방법에 대해 기술하고 있지 않다. 따라서, 개체를 식별하기 위해 이들 속성을 갖는 시스템 및 방법이 여전히 필요하다.

상기한 참조 문헌을 발명의 배경에 포함시킨 것이 이들 문헌이 본 명세서에 기술되는 본 발명과 관련한 종래 기술 또는 유사한 기술임을 인정하는 것이 아니다. 그렇지만, 발명의 배경 섹션에서의 모든 참조 문헌은 본 명세서에 인용함으로써 본 발명에 완전히 기술된 것처럼 포함된다.

출원인은 몇가지 태양을 갖는 여러가지 장치 및 방법으로 생체 식별의 상기한 문제점들에 대한 해결책을 제공한다.

제1 태양에서, 출원인은 이하의 방법 및 그의 변형을 사용하여 생체 식별의 상기한 문제점들 각각을 해결하며, 이 방법은,

특정 개체의 심장 박동 패턴의 표현과 복수의 개체의 심장 박동 패턴의 공통 특징의 저장된 표현 간의 차이를 형성함으로써 상기 특정 개체를 식별해주는 제1 생체 서명(biometric signature)을 생성 및 저장하는 단계,

상기 생성하는 단계 후에, 선택된 개체의 심장 박동 패턴의 표현을 획득하고 상기 선택된 개체의 심장 박동 패턴과 상기 복수의 개체의 심장 박동 패턴의 공통 특징의 상기 저장된 표현 간의 차이를 형성함으로써 제2 생체 서명을 생성하는 단계, 및

상기 선택된 개체가 상기 특정 개체인지 여부를 결정하기 위해 상기 제2 생체 서명을 상기 제1 생체 서명과 비교하는 단계를 포함한다.

이 태양에 따른 시스템은 ECG 신호 획득 모듈, ECG 서명 발생기를 포함하는 ECG 신호 처리 모듈, 및 출력 모듈을 포함한다.

따라서, 이 제1 태양에 따르면, 본 명세서에 개시된 시스템 및 방법은 생체-전기 신호(bio-electric signal)를 고유의 전기-생체 서명(electro-biometric signature)으로 변환한다. 전기-심장 서명의 고유성은 시스템을 속이기 아주 어렵게 만들며, 본 방법의 본질적인 안정성은 로컬은 물론 원격 및 온라인 응용에 이상적이도록 만들어준다. 게다가, 생체-서명-기반 시스템은 높은 인식 성능을 특징으로 하며 개방형 및 폐쇄형 검색 모드 둘다를 지원한다.

제1 태양에 따른 한 양호한 방법에서, 하나 이상의 ECG 성분의 공통 특징의 저장된 표현은 복수의 개체에 대한 이러한 표현을 측정 및 저장하고 이어서 저장된 표현들 전부를 평균함으로써 획득된다. 다른 대안으로서, 이 공통 특징은 주성분 분석(principal component analysis), 퍼지 클러스터링 분석, 웨이블렛 분해(wavelet decomposition), 기타 등등의 기술을 통해 획득될 수 있다.

이 제1 태양에 따른 전기-심장 방법이 안정적이기 때문에, 이들은 다른 중요한 이점을 갖는다, 즉 이들은 저가의 사용이 편리한 획득 장치로서 구현될 수 있는 쉽고 간단한 획득 기술을 가능하게 해주며 또한 숙련된 조작자를 필요없게 해준다.

이들 시스템 및 방법의 변형에 따르면, 피험자의 ECG 성분 중 하나 이상의 공통 특징이, 경험적 모델의 사용 대신에 또는 그에 부가하여, 하나 이상의 ECG 성분의 공통 특징의 분석적 모델을 사용하여 제거될 수 있다. 이와 유사하게, 이 공통 특징은 먼저 저장된 표현들을 서브그룹으로 분류하고, 적어도 하나의 그룹에서의 공통 특징을 식별하며, 서브그룹에 따라 피험자 신호를 분류하고, 서브그룹의 ECG 성분 중 하나 이상의 공통 특징을 피험자 신호로부터 제거함으로써 피험자 서명을 생성하며, 그 서브그룹의 서명에 대한 피험자 서명 상관을 계산함으로써 피험자를 식별하는 것에 의해 제거될 수 있다.

서로 다른 맥박수에서 개체에 의해 생성된 다수의 서명을 저장하는 등에 의해 각각의 피험자에 대해 다수의 템플릿이 또한 유지될 수 있다. 이 실시예에서, 피험자 서명은 이어서 적절한 맥박수에 대한 템플릿 등의 적절한 템플릿과 상관될 수 있다. 따라서, 한 변형에서, 본 명세서에 개시된 시스템 및 방법은 일정 범위의 환경 및 반응에 걸쳐 개체를 식별하기 위해 다수의 서명 템플릿을 사용할 수 있다. 다른 대안으로서, 또는 그에 부가하여, 제1 태양에 따르면, 피험자 신호 및 등록된 신호는 또한 맥박수에 기초하여 정규화될 수 있다.

본 명세서에 기술된 제2 태양에 따르면, 식별 프로세스는 동적 임계치를 설정할 수 있다. 이 동적 임계치는, 신뢰 점수에 의해 결정되는 수준 등의, 식별에 있어서의 원하는 신뢰 수준에 기초할 수 있다.

본 명세서에 개시된 제3 태양에 따르면, 본 명세서에 개시된 시스템 및 방법은 노이즈로 인한 신호 오염을 감소시켜야 하는지 여부를 결정하기 위해 "Q-인자"를 이용할 수 있다. 이와 마찬가지로, 원하는 신뢰 수준으로 피험자를 식별하는 데 필요한 피험자 샘플의 길이를 결정하기 위해 Q-인자 또는 신호 측정의 다른 품질이 사용될 수 있다. 원하는 신뢰 수준을 갖는 샘플이 장래의 비교에 적합할 수 있도록 그 샘플을 등록하는 것도 사용될 수 있다.

"Q-인자" 계산에 대한 대안적인 실시예에서, 본 명세서에 개시된 시스템 및 방법은 노이즈로 인한 피험자 서명 및/또는 등록된 서명에서의 표준 편차를 계산하고 이들 계산으로부터 신호 품질이 식별을 위해 적절한지 여부를 결정할 수 있다.

이와 마찬가지로, 본 명세서에 개시된 시스템 및 방법은 접촉 또는 프로브의 임피던스를 측정함으로써 신호 품질을 결정할 수 있다. 이 태양에 따른 신호 품질 측정치는 또한 피험자에게 센서 또는 프로브와의 그의 접촉 또는 센서 또는 프로브에 대한 그의 위치를 조정하도록 알려주는 데 사용될 수 있다.

제4 태양에 따르면, 피험자 및 데이터베이스 서명은 서명에 대한 불법 액세스 및 사용에 대한 안전 예방조치로서 암호화될 수 있다.

제5 태양에 따르면, 일관된 신호를 산출하는 어떤 신체 부위와 접촉하게 배치된 전극으로 ECG 신호가 획득될 수 있다. 어떤 신체 위치의 경우, 전극 배치의 약간의 변화조차도 수신 신호 형태의 급격한 변화를 야기할 수 있으며, 심지어 다른 신호 성분이 나타나게 하거나 사라지게 할 수 있다. 따라서, 이 태양에 따르면, 본 명세서에 개시된 방법 및 시스템은 그 부위 내에서의 전극 배치의 변화에도 불구하고 안정적인 피험자-고유의 일관된 신호를 생성하는 전극 배치 부위를 사용할 수 있다. 이들 부위는 팔 및 다리를 포함한다(손가락 및 발가락을 포함함). 이들 부위 내에서의 전극 배치의 안정성(robustness)은, 전극이 팔다리(limb extremity)에 가까이 있는 한, 변하지 않는 일정한 전기-심장 신호 투영에 기인한다.

이 동일한 제5 태양에 따르면, 초고임피던스 감지 프로브(ultra-high impedance sensing probe)로서 알려져 있는 어떤 감지 프로브도 역시, 손가락 끝 등의 단일의 신체점으로부터의 신호를 비롯한 신호를 획득하는 데 사용될 수 있다. 다른 대안으로서 또는 그에 부가하여, 이들 초고임피던스 프로브는 전기-심장 신호를 원격적으로 감지할 수 있으며, 그에 의해 전극 배치의 어려움을 없애주면서 신호 일관성을 유지한다.

제6 태양에 따르면, 본 명세서에 개시된 시스템 및 방법은 등록 사기(enrollment fraud)로부터 보호하고 데이터베이스 등록자가 그의 신원을 잘못 표현할 수 있는 일을 감소시키는 구성요소들 및 단계들을 포함할 수 있다.

제7 태양에 따르면, 본 명세서에 개시된 시스템 및 방법은 피험자의 일치 점수를 데이터베이스 등록자의 일치 점수와 비교함으로써 피험자를 식별해줄 수 있다.

제8 태양에 따르면, 본 명세서에 개시된 시스템 및 방법은, 서명을 생성하기 위해 서로 다른 전기-심장 신호 성분에 서로 다른 가중치를 부여하는, 가중 상관 기술(weighted correlation technique)을 사용할 수 있다. 다른 대안으로서 또는 그에 부가하여, 서명은 제곱 평균(root-mean-square) 계산 또는 L1 메트릭을 비롯한 다양한 메트릭을 사용하여 정규화될 수 있다.

상기한 태양들 각각에 따른 시스템 및 방법은 양호하게는 신원 인식을 위해 그의 작업을 자동적으로 수행한다. 게다가, 이들 시스템 및 방법은 광범위한 장치 및 시스템에 포함될 수 있다. 몇가지 비제한적인 예는 다음과 같다. 스마트 카드, 여권, 운전 면허증 장치, 생체-로그온(Bio-logon) 식별 장치, 개인 휴대 단말기(PDA), 셀룰러 내장형 식별 장치, 도난 방지 장치, ECG 모니터링 장치, e-뱅킹(e-banking) 장치, 전자 상거래(e-transaction) 장치, 애완동물 식별 장치, 물리적 액세스 장치, 논리적 액세스 장치, 및 ECG 및 지문 모니터링, 혈압 모니터링 및/또는 임의의 다른 형태의 생체 인식 장치를 결합한 장치가 있다.

게다가, 본 명세서에 개시된 시스템 및 방법은, 피험자의 QRS군(QRS complex)의 폭, 또는 보다 일반적으로 피험자의 QRS-관련 서명 성분의 폭을 등록된 그룹 또는 분석적 ECG 모델의 폭과 비교하는 등에 의해, 사람의 연령을 식별하는 데 사용될 수 있다.

다른 응용에서, 본 명세서의 시스템 및 방법은, 일련의 의약-관련 서명 템플릿을 등록 및 계산, 또는 분석적으로 도출하는 것 등에 의해, 약물 치료를 받고 있는 사람을 식별하는 데 사용될 수 있다. 이 방법은 또한 약물을 사용하여 그의 ECG 신호를 변경함으로써 시스템을 속이려고 시도하는 피험자를 식별하거나 붙잡는 데 사용될 수 있다.

다른 응용은, 빌딩 및 실내 출입 통제, 감시 시스템 접근, 무선 장치 액세스, 제어 및 사용자 검증, 모바일 전화 활성화, 컴퓨터 액세스 통제(랩톱, PC, 마우스, 및/또는 키보드를 통하는 것을 포함함), 데이터 액세스(문서 통제 등), 대중 교통에서의 승객 식별, 엘리베이터 출입 통제, 총기 잠금(firearm locking), 차량 제어 시스템(시동 걸기 및 도어록을 통하는 것을 포함함), 스마트 카드 액세스 제어 및 스마트 카드 신용 조회, 온라인 자료(저작권 보호된 작품을 포함함)에의 액세스, 전자 티켓 발매, 핵 물질에의 접근 및 통제, 로봇 제어, 항공기 접근 및 통제(승객 신원, 비행 통제, 유지 보수 작업자의 접근), 판매기 접근 및 통제, 빨래방 세탁기/건조기 접근 및 통제, 로커 접근, 아동 보호용 잠금 장치, 텔레비전 및/또는 비디오 접근 통제, 복호화 키 액세스 및 사용, 무현금 자동 판매기, 자동 판매기 유지보수 접근, 게임 콘솔 접근(온라인 거래 기능을 포함함), 컴퓨터 네트워크 보안(네트워크 액세스 및 제어를 포함함), 판매시점 구매자 식별, 온라인 거래(고객 식별 및 계정 액세스를 포함함), 현금 지불 서비스 또는 유선 전송 식별, 빌딩 유지보수 접근 및 통제, 및 이식된 의료 장치 프로그래밍 제어를 위해 본 명세서에 개시된 시스템 및 방법을 사용하는 것을 포함한다. 다른 응용은 당업자에게는 자명할 것이며 본 발명의 범위 내에 속한다.

임의의 응용을 위해, 상기한 태양들 중 임의의 것 또는 그 모두에 따른 장치는 계속하여 또는 요구 시에 동작할 수 있다. 이 장치는, 개체와 접촉하고 있는 하나 이상의 전극 또는 개체로부터 떨어져 있는 센서를 가짐으로써, 선택된 개체의 심장 박동 패턴의 표현을 획득하도록 구성될 수 있다. 이 장치가 스마트 카드에 제공되어 있는 경우, 이 카드는 성공적인 인식 이후의 제한된 기간 동안 동작가능하고 그 후에 그 다음의 성공적인 인식이 수행될 때까지 동작 불가능하게 될 수 있다. 이 장치는 암호화 키 또는 디지털 서명으로 동작하도록 구성될 수 있다.

본 명세서에 개시된 방법에 관하여, 상기한 방법의 단계들은 순차적으로 또는 어떤 다른 순서로 수행될 수 있다. 본 명세서에 개시된 시스템 및 방법은 사람 또는 다른 동물 피험체에 사용될 수 있다.

이들 태양 각각은 서로와의 순열 및 조합으로 사용될 수 있다. 추가의 실시예는 물론 변경, 변형 및 개량도 본 명세서에 기술되어 있다.

도 1은 신호 획득 모듈, 신호 처리 모듈, 및 출력 모듈로 이루어진, 본 명세서에 개시된 태양들에서 사용하기 위한 시스템의 간략 블록도.

도 2는 도 1의 시스템의 신호 획득 모듈의 일 실시예의 블록도.

도 3은 도 1의 시스템의 신호 처리 모듈의 일 실시예의 블록도.

도 4는 20명 피험자의 데이터베이스로부터 계산된 총평균(grand-average) 전기-심장 신호 파형을 나타낸 다이어그램.

도 5는 데이터베이스에 참가하고 도 4의 평균 파형에 기여하는 피험자들 중 10명의 전기-심장 신호 파형의 그룹을 나타낸 도면.

도 6은 도 5의 신호 파형으로부터 도출된, 전기-생체 서명 파형 또는 템플릿의 그룹을 나타낸 도면.

도 7은 도 4의 총평균 파형에 기여한 20명 피험자의 부호-유지된 제곱 상관값의 산점도(scatter plot) 및 분포 히스토그램을 나타낸 도면.

도 8은 식별 한계(identification cut-off)에 대한 원하는 신뢰도에 기초한 z-점수의 표를 나타낸 도면.

도 9a는 상관 분포를 나타낸 도면.

도 9b는 Z-변환된 상관의 분포를 나타낸 도면.

도 10은 식별 성능 곡선(정적)을 나타낸 도면.

도 11은 식별 성능 곡선(동적)을 나타낸 도면.

도 12는 신호 품질을 NSR의 함수로 나타낸 도면.

도 13은 5초 세그먼트에 대한 일치 점수 분포를 신호 품질의 함수로 나타낸 도면.

도 14는 20초 세그먼트에 대한 일치 점수 분포를 신호 품질의 함수로 나타낸 도면.

도 15는 (Q=0.8에 대한) 일치 점수를 기록 기간의 함수로 나타낸 도면.

도 16은 (Q=0.5에 대한) 일치 점수를 기록 기간의 함수로 나타낸 도면.

도 17은 양호한 시스템의 기능 요소를 나타낸 도면.

도 18은 양호한 신호 프로세서의 기능 요소를 나타낸 도면.

정의

달리 언급하지 않는 한, 용어 "식별한다", "식별하는" 및 "식별"은 "신원을 검증한다", "신원을 검증하는" 및 "신원의 검증"의 개념을 각각 포함한다.

"폐쇄형 검색(closed search)"은 개체의 신원을 검증하기 위해 단일의 저장된 서명이 검사되는 검색을 의미한다.

"개방형 검색(open search)"은 피험자를 식별하기 위해 복수의 저장된 서명이 검색되는 검색을 의미한다.

제1 태양:

제1 태양에 따르면, 개체의 신원을 식별하기 위해 생체-전기 신호가 획득, 처리 및 분석된다. 이 제1 태양에 따른 시스템 및 방법의 양호한 실시예는, 예로서, 도 1에 나타내어져 있다. 도 1은 E-BioID(Electro-Biometric IDentification, 전기-생체 식별) 시스템이라고 하는 시스템을 나타낸 것이다. 이 양호한 실시예에서, 복수의 개체의 하나 이상의 ECG 성분의 공통 특징의 저장된 표현은 그들 개체의 하나 이상의 ECG 성분의 평균이다. 그렇지만, 다른 실시예들은, 예를 들어, 주성분 분석, 퍼지 클러스터링 분석 또는 웨이블렛 분해에 의해 달성될 수 있거나 분석적 모델에 의해 제공되는 것 등의, 다른 유형의 공통 특징의 저장된 표현을 이용할 수 있다.

양호한 실시예에서, E-BioID 시스템의 기본적인 구성요소는, 단일의 하우징 내에 구현되는, 신호 획득 모듈(12), 신호 처리 모듈(14), 및 출력 모듈(16)을 포함한다. 다른 양호한 실시예에서, 이 시스템은 로컬적으로 획득된 전기-생체 신호의 원격 분석을 제공할 수 있다. 도 1에 나타낸 구성요소들 각각은, 본 발명과 관련하여 기술 분야에 공지된 원리 및 기술에 기초하여, 당업자에 의해 용이하게 구현될 수 있다.

도 2는 E-BioID 시스템에서의 신호 획득 모듈(12)의 양호한 구성을 나타낸 것이다. 이 데이터 획득 모듈은 양호하게는 하나 이상의 센서(22), 전치 증폭기(24), 대역-통과 필터(26) 및 아날로그-디지털(A/D) 변환기(28)를 포함한다. 이들 구성요소 각각은 본 발명과 관련하여 기술 분야에 공지된 원리 및 기술에 기초하여 당업자에 의해 용이하게 구현될 수 있다.

센서(22)는 심장 박동 패턴을 검출할 수 있는 임의의 유형일 수 있다. 예를 들어, 센서는 표준의 컴퓨터 키보드에 대한 "부가 장치(add-on)"인 금속 플레이트 센서(metal plate sensor)일 수 있다. 다른 태양에 따르면, 단일의 센서는, 그것만으로, 손가락에 접촉하는 것 등에 의해 단일의 접촉점으로부터 신호를 획득할 수 있으며, 다른 대안으로서, 센서는 피험체에 전혀 접촉할 필요가 없을 수 있다.

도 3은 Ei-BioID 시스템에서의 신호 처리 모듈(14)의 양호한 구성요소를 나타낸 것이다. 이 신호 처리 모듈은 양호하게는 디지털 신호 처리기(DSP)(32), 듀얼 포트 RAM(DPR)(34), 전기적 소거가능 프로그램가능 판독 전용 메모리(E²PROM)(36) 및 I/O 포트(38)를 포함한다. 이들 구성요소 각각은, 본 발명과 관련하여 기술 분야에 공지된 원리 및 기술에 기초하여, 당업자에 의해 용이하게 구현될 수 있다. 신호 처리 모듈(14)은 포트(38)를 통해 신호 획득 모듈(12) 및 출력 모듈(16)에 연결되어 있다.

대체 실시예에서, 신호 처리 모듈은 유연한 컴퓨팅 플랫폼인 퍼스널 컴퓨터 상에 적당한 프로그래밍으로 구현될 수 있으며, 그에 의해 가정, 사무실, 또는 기관/기업 환경에서 기존의 컴퓨팅 설비에 본 시스템을 용이하게 통합시킬 수 있게 된다.

출력 모듈(16)은 양호하게는 LCD 또는 CRT 모니터 등의 전용 디스플레이 유닛으로 이루어져 있으며, 잠금 기구 등의 외부 전기 장치를 활성화하기 위한 릴레이를 포함할 수 있다. 다른 대안으로서, 출력 모듈은 인식 결과를 추가의 조치를 위해 원격 지점으로 중계하기 위한 통신 라인을 포함할 수 있다.

신호 획득, 처리 및 분석

생체 전기 신호 또는 심장 박동 신호는 간단한 방법으로 획득되며, 여기서 피험자는 적어도 하나의 센서(22)에 몇초 동안 접촉하도록 지시받는다. 금속 플레이트일 수 있는 하나 이상의 센서는 생체 전기 신호를 증폭기(24)로 전도하고, 이 증폭기는 생체 전기 신호를 원하는 전압 범위로 증폭한다. 양호한 실시예에서, 이 전압 범위는 0 내지 5 볼트이다.

증폭된 신호는 4 Hz - 40 Hz의 바람직한 주파수 범위 밖의 기여분을 제거하기 위해 필터(26)를 통과한다. 다른 대안으로서, 주요 주파수 간섭(50/60 Hz)을 제거하기 위해 노치 필터와 관련하여 0.1 Hz - 100 Hz의 보다 넓은 범위가 사용될 수 있다. 신호의 디지털화는 양호하게는 12-비트 A/D 변환기(28)에서 양호하게는 약 250 Hz의 샘플링 주파수로 수행된다.

모듈(14)에서, 신호는 대체로 외인성 전기 특성에 관계되는 신호 크기 변동에 대응하기 위해 'R' 피크 크기에 의해 정규화된다. 정규화된 신호는 사전 저장된 전기-생체 서명 템플릿과 비교되는 전기-생체 서명으로 변환된다. 이 비교의 결과는 정량화되고, 선택적으로 신뢰값을 할당받으며, 출력 모듈(16)로 전송되고, 이 출력 모듈은 E-BioID 시스템의 사용자에게 인식 피드백을 제공하고 또한 잠금 장치 또는 사이렌 등의 외부 장치, 네트워크 로그인 확인과 같은 가상 장치, 또는 통신 링크를 활성화할 수 있다.

다른 대안으로서, 또는 그에 부가하여, 이 신호는 맥박수에 대해 정규화될 수 있다. 이것이 유용한 이유는 전기-심장 신호가 공지의 전기-심장 수정인자(electro-cardiologic modifier)인 맥박수의 변화에 의해 영향을 받기 때문이다. 맥박수 변화는 전기-심장 신호의 'QRS' 성분에 대한 'P' 및 'T' 성분의 지연시간, 진폭 및 형태 변화를 야기할 수 있다(이들 성분이 도 5에 나타남). 그렇지만, 맥박수 변화는 신호군(signal complex)의 소급적 맥박수-구동 조정(retrospective, pulse rate-driven adjustment)에 의해 자동적으로 보상될 수 있다. 게다가, 시스템의 적응적 동작 모드는 맥박수 유발 변화(pulse rate induced change)를 추적하고 이를 보상할 수 있다. 이것은 한 사이클의 심장 박동 파형의 시간 스케일을 압축 또는 확장함으로써 행해질 수 있다. 파형 특성(예를 들어, S-T, P-Q 세그먼트 지속시간)과 맥박수 간의 관계를 기술하는 보다 복잡한 공식이 사용될 수 있다. 따라서, 이 변형에 따른 방법은 전기-심장 신호 판별에 기초할 수 있으며, 여기에서 심장 박동과 동기하여 분석이 수행되어, 일반적인 개체군에 공통 특징을 제거하고 따라서 전기-생체 또는 생체 서명을 구성하는 피험자-고유의 특징(통상적으로 원시의 전기-심장 신호에서 검출가능하지 않음)을 향상시킨다.

다른 실시예에서, E-BioID 시스템은 완전히 통합된 컴팩트한 장치로서 구현되며, 여기서 기능 요소들의 다수는 ASIC 기반 시스템 상에 구현된다.

다른 실시예에서, 이 장치는 손목에 차는 시계에 포함될 수 있으며, 여기서 신호는 시계가 채워져 있는 손의 손목과 착용자의 다른쪽 손 사이에서 측정된다. 시계의 배면측은 손목의 배면과 접촉하고 있는 전도성 매체(예를 들어, 금속 플레이트)로 이루어져 있을 수 있으며, 시계의 전면에는 다른쪽 손의 손가락과 접촉될 필요가 있는 또하나의 금속 접점이 구비될 수 있다. 이 시계는 그의 착용자의 신원의 확인을 나타내는 및/또는 문, 컴퓨터, 금고, 기타 등등의 물리적으로 또는 논리적으로 잠금된 장치를 동작가능하게 하는 신호를 전송할 수 있다. 이 시계는 또한 그의 착용자에 관한 개체 정보를 전송할 수 있다.

동작 원리

생체 인식은 새로 획득된 생체 서명을 기록 또는 등록된 생체 서명 템플릿 데이터베이스 내의 서명 템플릿과 비교할 것을 필요로 한다. 이것은 2가지 단계의 시스템 동작, 즉 등록 및 인식을 요구한다.

등록 단계

양호한 실시예에서, 각각의 새로운 피험자는 좌측손의 손가락으로 제1 센서를 만지면서 이와 동시에 우측손의 손가라가으로 또하나의 센서를 만지도록 지시받는다. 대체 실시예에서, 그 피험자는, 일반적으로 금속으로 이루어진 센서를, 신체의 다른 부분으로, 양호하게는 손이나 발로 만질 수 있다. 다른 실시예에서, 피험자는 단일의 신체점으로 단일의 센서를 만질 수 있다. 다른 대안으로서, 피험자는 센서를 전혀 만질 필요가 없을 수 있다. 시스템은 피험자의 맥박수를 모니터링하고, 기록을 개시하여 양호하게는 적어도 20초 동안 계속한다. 요구되는 정확도 레벨에 따라 더 짧은 구간이 사용될 수 있다. 기록이 완료되면, 시스템은 등록된 세그먼트의 2개의 부분으로부터 도출된 적어도 2개의 생체 서명을 비교함으로써 서명 일관성을 검증하기 위해 자체-검사를 수행할 수 있다. 이 2개의 부분은 2개의 절반 또는 2개의 더 큰 중첩하는 세그먼트일 수 있다. 이 2개의 부분은 2개의 생 체 서명을 도출하는 데 사용될 수 있다. 자체-검사 결과가 성공적인 경우, 그 피험자의 등록이 완료되고, 성공적이지 않은 경우, 이 절차가 반복된다. 이 성공적인 기록은 전기-심장 신호 또는 일련의 전기-심장 신호의 구성을 위해 사용되며, 이 신호는 전기-심장 신호 데이터베이스에 추가된다.

전기-심장 신호는 이어서 데이터세트에 참여하는 피험자의 전부 또는 그의 서브세트에 공통 특징을 제거하여 피험자-고유의 분별 특징을 향상시킴으로써 일련의 전기-생체 서명 템플릿으로 변환된다.

양호한 실시예에서, 이 시스템은 총평균(grand-average) 전기-심장 템플릿을 생성하며, 이 템플릿은 피험자들의 전체 풀(pool)로부터의 정규화된 전기-심장 신호의 동기 평균(synchronous averaging)에 의해 계산된다. 총평균은 상기한 공통 특징을 나타내며, 따라서 전기-심장 신호들의 각각의 신호로부터 총평균을 차감하면 일련의 서로 다른 피험자-고유의 전기-생체 템플릿 서명을 산출한다. 대체 실시예에서, 주성분 분석, 퍼지 클러스터링 분석 또는 웨이블렛 분해 등의 공통 특징을 제거하는 다른 수단이 사용될 수 있다.

다른 대안으로서 또는 그에 부가하여, 등록된 데이터로부터 계산된 경험적 모델을 사용하기 보다는 오히려 하나 이상의 ECG 성분의 공통 특징에 대해 분석적 모델을 사용하여 공통 특징이 제거될 수 있다

다른 양호한 실시예에서, 이 데이터베이스는 서브세트내 유사성(intra-subset similarity) 및 서브세트간 상위성(inter-subset disparity)을 향상시키는 방식으로 몇개의 서브세트로 분할된다. 이 실시예는 이어서 서브세트들 중 하나 이상에 대해 별도의 총평균 또는 다른 공통 특징 결정을 계산한다. 이 데이터베이스 분할 자체는 선형 분류기(linear classifier), 베이지안 분류기(Bayesian classifier), 퍼지 분류기(fuzzy classifier), 또는 신경망 등의 표준의 패턴 분류 방식을 사용하여 수행될 수 있다. 대규모 데이터베이스의 경우, 검색 프로세스를 단순화 및 단축시키는 것은 물론 전기-심장 신호들 간의 유사성을 적절히 대표하는 것으로서의 총평균의 유효성을 보증하기 위해 데이터베이스를 서브세트들로 분할하는 것이 유용하다. 이어서, 적절한 서브그룹에서 발견된 공통 특징을 제거함으로써 피험자 서명이 생성될 수 있다.

도 4는 데이터베이스에 참여하는 20명 피험자의 풀(pool)로부터 구성되는 총평균의 일례를 나타낸 것이다.

도 5는 전기-심장 신호의 10개 예를 나타낸 것이고, 도 6은 데이터베이스에 포함된 모든 피험자에 공통 특징을 제거함으로써 상기의 전기-심장 신호로부터 도출된 전기-생체 템플릿 서명을 나타낸 것이다. 구체적으로는, 도 6의 각각의 서명은 도 5의 대응하는 신호로부터 도 4의 파형을 차감함으로써 얻어진다. 원래의 전기-심장 신호가 아주 유사한 반면, 도출된 전기-생체 서명이 뚜렷이 서로 다르다는 것이 관찰될 것이다. 이들 차이는 E-BioID 시스템의 인식 능력의 기초를 이루는 본질적으로 고유한 전기-심장 상위성을 반영하기 위해 발견된 것이다.

인식 단계

인식 단계에서, 피험자는 등록 단계와 유사한 방식으로 시스템과 상호작용하지만, 몇초 정도의 더 짧은 기록 시간으로 충분하다.

양호한 실시예에서, 이 시스템은 확인 절차를 실행하고(폐쇄형 검색), 이 시스템은 획득된 신호를 처리하며, 전체 데이터베이스에서 발견되는, 데이터베이스의 분할된 서브그룹에서 발견되는 또는 분석적 ECG 모델에 의해 제공되는 공통 특징을 제거함으로써 전기-생체 피험자 서명을 형성하고, 맥박수에 따라 서명을 조정하며, 이 조정된 전기-생체 서명을 피험자의 등록된 전기-생체 서명 템플릿과 비교한다.

다른 양호한 실시예에서, 이 시스템은 식별 절차를 실행하고(개방형 검색), 이 시스템은 전체 데이터베이스 또는 데이터베이스의 분할된 서브그룹에 대해 비교 프로세스를 반복하고, 그에 의해 일치하는 신원의 식별을 제공한다.

비교 프로세스

양호한 실시예에서, 이 비교는 다음과 같이 전기-생체 서명

과 전기-생체 서명 템플릿

간의 상관 계수

의 계산에 의해 수행된다.

이 상관 계수는 그의 원래의 부호를 유지하면서 제곱된다, 즉

. 대체 실시예에서, 이 비교는 전기-생체 서명들 간의 RMS 오차 등의 다른 유사성 척도에 기초할 수 있다.

이 비교는 동작 모드, 즉 폐쇄형 검색 또는 개방형 검색에 따라 하나 또는 몇개의 상관 계수를 산출할 수 있다. 폐쇄형 검색 모드에서, 부호 유지된 상관 계수 제곱

은 인식 결정을 행하는 데 사용되며, 사전 설정된 임계치보다 큰 값은 긍정적 식별, 즉 일치로서 간주되고, 어느쪽이라고 결정하기 어려운 임계치 근방의 값은 연장된 또는 반복된 기록을 필요로 함을 나타낼 수 있다. 개방형 검색 모드에서, 모든 부호-유지된 상관 계수 제곱 중에서 가장 큰 부호-유지된 상관 계수 제곱은, 가장 높은 계수가 선택된 임계치를 넘는다면, 가장 유망한 피험자 식별을 가져온다.

사전 설정된 임계치는 요구되는 신뢰 수준으로부터 도출되며, 보다 높은 원하는 신뢰 수준은 더 높은 임계치를 필요로 한다. 일 실시예에서, 0.8보다 큰 부호-유지된 상관값 제곱은 일치를 나타내며, 0.7보다 낮은 값은 불일치를 나타낸다. 따라서, 0.8보다 높은 부호-유지된 상관값 제곱은 진정한 일치로서 간주될 수 있고, 0.7보다 낮은 값은 불일치로서 간주될 수 있다.

도 7의 위쪽 다이어그램은 부호-유지된 상관값 제곱의 산점도(scatter plot)를 나타내며, 0.8 임계치를 점선으로 표시하였다. 일치(원 표시)와 불일치(별 표시) 간의 분명한 구별이 명백하다. 나머지 2개의 다이어그램에서의 히스토그램은 E-BioID 시스템의 강력한 인식 능력을 달리 나타낸 것이며, 여기서 불일치가 0 값(상관 없음(no correlation)) 근방에 집중되어 있는 반면 일치가 1.0 근방에 조밀하게 분포되어 있음(절대 상관(absolute correlation))을 알 수 있다.

대체 실시예에서, 2개 이상의 거리 척도를 사용하는 다중-파라미터 방식(예를 들어, 퍼지 논리 방식) 등의 보다 복잡한 결정 방식이 사용될 수 있으며, 예를 들어 다수의 상관값이 세그먼트화된 데이터 분석으로부터 도출될 수 있다.

양호한 실시예에서, 이 시스템은 신호의 변화가 있을 때 피험자의 데이터베 이스 파일에 전기-심장 신호를 추가함으로써 시간에 따라 그의 성능을 향상시킨다. 차후의 인식에서, 이 시스템은 새로 획득된 신호를 처리하고, 맥박수를 계산하며, 전기-생체 피험자 서명을 형성하고, 가장 유사한 맥박수를 갖는 등록된 전기-생체 서명 템플릿을 선택하며, 새로운 전기-생체 서명을 선택된 등록된 전기-생체 서명 템플릿과 비교한다.

다른 양호한 실시예에서, 이 시스템은 등록된 피험자 전기-심장 신호에서의 있을 수 있는 변동을 추적하기 위해 장기간의 시스템 동작 동안에 획득된 신호를 사용하고, 일관된 변화가 일어나는 경우, 등록된 신호는 이들 변화를 반영하기 위해 자동적으로 조정된다. 이 추적 프로세스는 장기간에 걸쳐 전기-심장 신호에서의 점진적인 변화를 보상하지만, 임상적 심장 상태와 관련하여 예상되는 변화와 같은 빠르고 심한 변화를 보상하지는 않는다. 다른 실시예에서, 이러한 심한 변화는 피험자에게 보고될 수 있으며, 의료 상담을 필요성을 나타낸다.

제2 태양:

생체 식별 방법은 식별 임계치의 적절한 결정으로부터 이점이 있다. 식별 임계치는 후보 서명과 등록된 데이터베이스 서명 간의 상관 분석으로부터 도출될 수 있다. 이 임계치는 최적의 식별 성능을 달성하기 위해 경험적 데이터의 분포를 사용하여 결정될 수 있다. 그렇지만, 고정된 임계치는 묵시적으로 결정적 서명(deterministic signature) 및 정상적 노이즈(stationary noise)를 가정하지만, 실제로 서명은 가변적이고 노이즈는 대체로 예측불가능한 외부 영향에 의존한다. 따라서, 제1 태양에 따른 방법을 비롯한 생체 식별 방법은 데이터베이스 및 검사 측정치에서의 신호 및 노이즈 변동에 의해 악영향을 받을 수 있다. 일반적으로, 이것은 일치 및 불일치 둘다에 대해 감소된 상관을 산출하게 된다.

따라서, 제2 태양에 따르면, 제1 태양에 따른 방법 및 시스템을 비롯한 생체 식별 방법 및 시스템은 신호 변동 및 노이즈 간섭의 영향을 보상할 수 있는 동적 임계치를 사용할 수 있다. 이 태양은 동적인 데이터-의존적인 식별 임계치를 산출한다. 양호한 실시예에서, 동적 임계치는 상관 데이터를 정규화하기 위해 동계적 방식을 사용하여 각각의 식별 시도에서 재계산되며 그에 따라 정량화가능하고 통계적으로 의미있는 식별 임계치의 계산을 가능하게 해준다. 이 임계치는 가변 신호 및 노이즈 조건에 내성이 있음을 보여준다.

이 제2 태양에 따른 양호한 방법은 테스트 서명과 일련의 등록된 서명 간의 상관-기반 점수화(correlation-based scoring)에 대한 신뢰 한계(confidence limit)의 결정에 기초한다. 신뢰 한계는, 주어진 통계 신뢰도로, 문제의 값에 대한 상한 및 하한을 기술한다. 양측 한계(two-tailed limit)는 상부 경계(upper bound) 및 하부 경계(lower bound) 둘다를 기술하는 반면, 단측 한계(one-tailed limit)는, 변수의 값에 대한 하한 또는 상한이 없다는 것을 알고서, 단지 상부 한계(upper cutoff) 또는 하부 한계(lower cutoff)만을 기술한다. 고려 중인 변수가 각각의 통계적 방법에 적절한 어떤 통계적 기준을 만족하는 경우, 신뢰 한계는 통계적으로 몇가지 서로 다른 방식으로 결정될 수 있다.

대부분의 통계적 방법은 정규 분포 변수의 값에 의존한다, 즉 종-모양의 가우스 분포를 따른다. 정규 분포 변수는 통계적으로 잘 특징지워지며, 그의 통계적 한계는 변수 평균 및 변동에 기초하여 간단한 방식으로 결정될 수 있다.

변수가 정규 분포되어 있지 않은 경우, 원래의 변수를 정규 분포되어지는 새로운 변수로 변환하기 위해 정규화 변환(normalizing transformation)이 사용될 수 있으며, 따라서 신뢰 한계를 결정하는 데 사용될 수 있다. 통계적 고려사항을 사용하여 또는 충분히 큰 데이터세트의 경험적 검사에 의해 적절한 수학적 변환이 결정될 수 있다. 신뢰 한계를 원래의 변수로 표현하기 위해, 역변환(back-transformation)도 요구된다.

일치 절차(matching procedure)에 대해 신호 교차-상관 분석이 사용될 수 있다. 값은 -1[절대 부정 상관(absolute negative correlation)]부터 0(상관 없음)을 거쳐 +1[절대 긍정 상관(absolute positive correlation)]까지의 범위에 있다. 일반적으로, 상당히 긍정적인 상관은 거의 확실한 진정한 식별(probable true identification)을 나타내고, 따라서 동적 식별 임계치를 기술하는 데 상부 신뢰 한계가 사용되어야만 한다.

정의에 의해, 상관은 유계 변수(bounded variable)이며, 따라서 정규 분포되어 있지 않다. 상관 분포를 정규화하여 상부 신뢰 한계의 결정을 가능하게 해주기 위해 수학적 변환이 필요하다. 다른 대안으로서, 이러한 변환에 의존하지 않는 경험적 기술이 사용될 수 있다.

이하에 보다 상세히 기술되는 양호한 방법은 상관 분석에 특히 적합한다. 이는 상관을 정규 분포 변수로 변환하는 피셔 Z 변환(Fisher Z transformation)에 기초한다.

다른 방법은 상관 제곱을 사용할 수 있다. 원시 상관(raw correlation)이 가법적(additive)이지 않기 때문에, 상관의 평균 또는 다른 통계 함수가 통계적 의미를 갖지 않는다. 상관 제곱은 가법적이지만, 이들도 역시 정규 분포되어 있지 않으며, 따라서 부가적인 변환이 필요하게 된다. 상관의 전처리가 그의 변수의 분포를 변화시키는 경우, 이들 변화에 대응하기 위해 부가의 변환이 필요할 수 있다. 이들 부가의 변환은 로그, 제곱, 제곱근, 및 초월 함수를 포함하지만, 이에 한정되지 않는다.

또 다른 방법은 어느 정도의 선험적 테스트(prior empirical testing)를 필요로 하며, 많은 수의 후보가 대규모 데이터베이스에 상관되는 경우에 양호하다. 식별 오류의 가능성이 이 데이터베이스의 검사에 의해 직접 결정되어지거나, 적절한 변환이 경험적으로 결정될 수 있다. 그렇지만, 이 방법이 동적이지 않고 실제 테스트 이전에 수행되어야만 하기 때문에, 테스트 조건의 효과가 용이하게 보상될 수 없고, 노이즈의 영향에 대한 수학적 모델의 개발을 필요로 한다.

이 제2 태양에 따른 양호한 방법, 즉 피셔-변환 방법은 보다 거의 정규 분포되어 있는 점수의 분포를 얻기 위해 후보 서명과 등록된 서명 간의 상관의 변환을 필요로 한다. 상기한 바와 같이, 파라미터 신뢰 한계를 도출하기 위해 정규성(normality)의 가정을 만족시키는 데이터가 사용될 수 있다.

피셔 Z 변환은 상관을 정규화하도록 설계되어 있다. 이 변환은 다음과 같이 표현될 수 있다.

Z_f = arctanh (r)

여기서, Z_f는 변환된 값이고, arctanh는 쌍곡선 아크탄젠트 함수(hyperbolic arc tangent function)이며, r은 상관이다. arctanh는 라디안으로 표현되어야만 한다.

모든 상관이 변환되면, 후보 상관을 제외한 모든 변환된 상관의 평균 및 모든 변환된 상관의 표준 편차를 구하고 이하의 것을 계산함으로써, 변환된 점수에 대한 단측 신뢰 한계(one-tailed confidence limit)가 결정될 수 있다.

신뢰 한계 = tanh(Z_{f mean} + z * sd_zf)

여기서, z는 정규 분포 'z 점수'이고, z_{f mean}은 데이터베이스와의 변환된 상관의 평균이며, sd_zf는 데이터베이스와의 변환된 상관의 표준 편차이다.

여기서의 소문자 z는 한계(cut-off)에 대한 원하는 신뢰도에 기초하여 도출되는 정규 분포 z-점수의 값을 말한다. 이러한 점수의 표가 도 8에 제공되어 있다.

도 8의 표에서, 표준 편차는 적절한 z-점수와 곱해지고, 평균에 가산되며, 전체 양은 쌍곡선 탄젠트를 구함으로써 상관으로 역변환된다.

예를 들어, 1.65의 z 점수를 사용하여 95% 신뢰 한계가 결정될 수 있다. 따라서, 변환된 값의 평균이 0.05이고 표준 편차가 0.25인 경우, 95% 신뢰 한계는 0.72이다. 즉, 0.72를 넘는 상관값은 5% 미만으로 우연히 일어날 뿐이다.

임의의 특정의 후보 식별이 우연적 기회(random chance)로 인한 것일 확률을 결정하기 위해 역의 절차가 사용된다. z-점수에 대해 풀면,

z = (Z_fc - Z_{f mean}) / sd_zf

여기서, z는 정규 분포 'z 점수'이고, z_fc는 변환된 후보 상관이며, z_{f mean}은 데이터베이스와의 변환된 상관의 평균이며, sd_zf는 데이터베이스와의 변환된 상관의 표준 편차이다.

그 결과 얻어지는 z-점수는 누적 정규 분포(cumulative normal distribution)의 표를 참조함으로써 또한, 필요한 경우, 보간에 의해 단측 확률값(1-tailed probability value)으로 변환될 수 있다. 예를 들어, 상기한 축약된 표를 참조하면, 1.80의 z-점수는 후보가 우연히 아주 높게 상관될 3,75% 확률을 암시한다.

상기한 바와 같이, 등록된 서명에서 또는 후보 서명에서의 노이즈가 랜덤한 경우, 이는 후보값과의 전체적인 상관을 감소시킨다. 진정한 식별이 존재하는 경우, 그 식별은 따라서 후보와의 더 낮은 상관을 갖는다. 유의할 점은 원시 값이 감소함에 따라 원시 상관의 변동성이 증가한다는 것이며, 그 이유는 높은 원시 상관이 1의 최대 상관의 천정 효과로 인해 덜 가변적이고 이것이 변환에 의해 보상되기 때문이다. 따라서, 원하는 확실성을 갖는 동적 임계치가 상기한 방법들을 사용하여 각각의 식별 시도에서 재계산될 수 있다. 중요한 것은, 전체적인 랜덤 노이즈가 여전히 모든 상관을 0쪽으로 몰고가며 전체적인 진정한 변동성(true variability)을 감소시키는 경향이 있고, 그에 따라 신뢰 한계를 떨어뜨리지만, 신호대 잡음비가 어떤 한계 아래로 떨어지지 않는 한 진정한 일치(true match)가 계속하여 의미있다는 것이다.

제2 태양의 이하의 예는 38-피험자 데이터페이스에 기초한다. 모든 피험자는 건강한 개체이고, 자원하여 이 연구에 참여하고 있다.

예 1: 상관의 정규화

데이터베이스에서의 모든 쌍을 상관시킴으로써 일련의 703개 교차 상관이 획득되었다. 원시의 z-변환된 상관 분포가 도 9에 제공되어 있다. 원시 상관이 정규 분포되어 있지 않은 반면(상부), 변환된 상관은 거의 정규 분포를 나타내는 것처럼 보인다(하부).

예 2: 성능

38개 등록된 서명 및 38개 테스트 서명을 사용하여 생체 식별 방법이 구현되었다. 도 10은 FAR 및 FRR 성능 곡선을 정적 임계치의 함수로서 나타낸 것이고, 도 11은 성능 곡선을 동적 임계치의 함수로서 나타낸 것이다. 명백하게도, 동적 임계치는 상당히 우수한 결과를 제공한다(예를 들어, EER_Static = 3%, EER_Dynamic = 0%).

제3 태양:

상기한 바와 같이, 동적 식별 임계치는 데이터-구동 임계치이며, 신뢰 한계를 확정하고 식별 프로세스의 통계적 유의성(statistical significance)을 구체화 하기 위해, 양호하게는 각각의 식별 세션에서 재계산된다. 그렇지만, 전체적인 점수는 배경 노이즈로 인한 신호 품질의 저하에 따라 여전히 감소하며, 동적 임계치를 떨어뜨리고 그에 의해 식별 신뢰를 감소시킨다. 이 문제는 고성능 인식을 용이하게 해주기 위해 등록 단계 및 식별 단계 둘다에서의 신호 품질의 평가를 요구한다.

제3 태양은 Q 값(일종의 신호 품질 지수)의 계산에 의해 이 문제를 해결한다. 신호 품질 지수 Q는 ECG 서명의 품질에 대한 정량적 기술이다. 이는, 그의 신호 평균 ECG를 참조하여 도출되는, 2개 이상의 ECG군에서의 랜덤 오차의 분석에 기초한다.

Q 값은 등록 및 식별 단계 동안에 신호 품질을 확인하기 위해 사용될 수 있으며, 이는 적절한 시스템 성능을 보장해준다. Q 인자가 미리 정의된 임계치(그 자체는 원하는 식별 신뢰 수준에 기초함)에 의해 요구되는 것보다 낮은 경우, 신뢰 요구사항이 만족될 때까지 측정이 연장되거나 반복될 수 있다.

한가지 양호한 방법은 일련의 단계에서 Q를 도출한다.

(1) 입력 ECG 신호는 종래의 파 형태 특징(wave morphology feature)(예를 들어, P, Q-R-S, T 요소)으로 이루어진 ECG군으로 세그먼트화된다.

(2) ECG군은 R파 피크에 대해 정렬("시간 동기")된다.

(3) 정렬된 ECG군으로부터 평균 ECG가 도출된다. 양호한 방법은 산술 평균을 구하는 것이지만, 조화 평균, 기하 평균, 가중 평균, 또는 메디안 등의 다른 방법이 이용될 수 있다. 다른 대안들은 주성분 분석 등의 다른 방법에 의해 원래의 신호를 변환하는 것을 포함한다.

(4) 각각의 원래의 ECG군은, 평균 ECG에 대해 어떤 차이가 도출되도록, 평균 ECG에 대해 처리된다. 양호한 방법은 차감, 즉 원래의 ECG - 평균 ECG를 수행하는 것이지만, 다른 방법(예를 들어, 원래의 ECG를 평균 ECG로 나누는 것)이 이용될 수 있다. 평균 ECG가 피험자의 ECG의 안정적인 진정한 표현인 경우, 그 결과 얻어지는 차이는 각각의 개개의 ECG군에서의 본질적인 노이즈(ECG 노이즈)의 표현이다.

(5) 변동성의 척도를 도출하기 위해 각각의 ECG 노이즈군(ECG noise complex)에 걸쳐 시간상 대응하는 각각의 샘플점이 함께 처리된다. 가장 양호한 방법은 분산을 결정하는 것이다. 이용될 수 있는 다른 척도는 표준 편차 또는 변동 범위(range)를 포함한다.

(6) 이들 변동성 척도의 평균이 구해진다. 가장 양호한 방법은 산술 평균을 구하는 것이다. 다른 방법은 변환(예를 들어, 로그) 후에 평균을 구하는 것 또는 대안의 평균(기하 평균, 조화 평균, 메디안)을 구하는 것을 포함할 수 있다. 최대값 등의 다른 약식 점수(summary score)도 이용될 수 있다.

유의할 점은 신호가 분석 이전에 정규화될 수 있고, 평균 그 자체가 Q 지수로서 이용될 수 있다는 것이며, 그 이유는 평균이 SNR에 직접 관계되어 있기 때문이다. 다른 대안으로서, 평균을 원하는 최소값, 최대값 및 선형성 특성을 갖는 지소로 변환하기 위해 평균에 여러가지 다른 스케일링 변환이 적용될 수 있다.

제3 태양에 따른 예 1: Q(신호 품질) 대 NSR(노이즈 대 신호비)

X가 ECG 데이터 행렬을 나타내는 경우, 하나의 ECG군을 나타내는 각각의 행 은 x_i(n)으로 표시될 수 있고, 여기서 i는 ECG군의 지수이고, n은 이산 시간 단위를 나타낸다. 모든 ECG군의 평균은

으로 표시된다. 시간 n에서의 모든 점에 대해, 오차항

을 계산하고, 그의 분산은

으로 표시한다. 변동성의 평균을 0 내지 1 범위로 변환하는 양호한 스케일링 변환은 다음과 같이 정의된다.

도 12에 나타낸 시뮬레이션은 신호 대 노이즈 레벨을 평가하기 위해 상기 Q 인자를 사용하는 것의 유용성을 보여준다. 이 시뮬레이션은 증가하는 레벨의 가우스 백색 잡음이 신호에 부가된 상태에서 실생활 ECG 기록을 사용한다. 도 12는 Q 값을 노이즈 대 신호비(NSR)의 함수로서 제공한다. Q가 그의 고평부(plateau)로부터 감소하기 시작하면, ECG 정렬 절차가 중단될 때까지(NSR ~ -35dB, Q ~ 0.2), Q는 NSR의 증가에 따라 단조적으로 감소한다는 것을 알 수 있다.

제3 태양에 따른 예 2: 신호 품질의 함수로서의 점수

이론적으로, 일치 점수가 1에 가까운 것은 긍정적 일치를 나타내는 반면, 불일치 점수는 상관이 전혀 없음을 나타내는 0인 경향이 있어야 한다. 그렇지만, 실제로, 진정한 일치 점수(true match score)는 ECG 서명에서의 일시적인 변동에 의해 영향을 받으며, 배경 노이즈로부터 더 크게 영향을 받는다. 따라서, 단시간의 높은 점수의 식별을 위해서는 더 높은 신호 품질이 요구된다. 고품질 신호가 일치 점수에 관한 상부 경계를 증가시키지만 심장 서명 변동성에 의존하는 하부 경계에 는 영향을 주지 않는다는 것을 잘 알 것이다. 도 13 및 도 14에 나타낸 예는, 38명 피험자의 데이터베이스에 기초한, 신호 품질의 함수로서의 점수 분포를 보여주고 있다. 도 13은 각각 5초의 짧은 데이터 세그먼트를 나타낸 것이다. 이와 반대로, 도 14는 각각 20초의 보다 긴 세그먼트를 나타낸 것이다(도 14). 명백하게도, 보다 긴 세그먼트의 경우, 노이즈의 영향은 어느 정도 보상되고, 점수 분포는 평탄화된다.

제3 태양에 따른 예 3: 신호 품질 및 기록 기간

신호 품질은 Q 파라미터를 사용하여 정량화될 수 있다. 보다 작은 Q값에 있어서, Q가 ECG 정렬 프로세스가 중단되는 어떤 한계 아래로 떨어지지 않는 한, 어떤 레벨의 통계적 유의성을 유지하기 위해 보다 긴 기록이 필요하다. 도 15 및 도 16은 주어진 Q 값에 대한 기록 길이의 함수로서의 식별 점수의 증가를 나타낸 것이다.

따라서, 이 제3 태양에 따르면, 본 명세서에 개시된 방법 및 시스템은 Q-인자 또는 다른 척도를 사용하여 신호 품질을 계산할 수 있고 시스템으로 하여금 감소된 노이즈를 갖는 샘플을 탐색하게 하거나 Q-인자 또는 다른 신호 품질 척도 및 원하는 식별 신뢰도에 기초하여 보다 긴 샘플을 취하게 할 수 있다.

제4 태양:

제4 태양에 따르면, 본 명세서에 개시된 방법 및 시스템은 저장된 서명을 암호화할 수 있다. 이 안전 특징은, 본 명세서에서의 여러가지 방법 및 시스템이 일반적으로 원시 ECG 데이터가 아니라 저장된 서명에 대해 동작을 함에도 불구하고, 데이터베이스 내의 데이터의 오용을 방지하도록 설계되어 있다. 따라서, 서명 자체를 암호화함으로써 부가된 보안 계층이 이용될 수 있다. 그를 위해, 신용 카드 데이터에 대해 사용되는 PKI(공개키 기반구조) 기술을 비롯한 다양한 스크램블링 기술이 사용될 수 있다. 이 제4 태양은 등록된 피험자의 데이터의 부적절한 사용이 더 어렵도록 만드는데, 그 이유는 허가되지 않은 사람이 서명을 암호화해야만 하고 여전히 그 서명을 원시 데이터 신호로 다시 변환해야만 하기 때문이며, 이는 어느 공통 특징이 원시 데이터로부터 제거되었는지를 알지 않고서는 불가능한 일이다. 따라서, 본 명세서에 개시된 시스템 및 방법의 한가지 이점은 이들이 누군가 저장된 정보를 오용하는 것을 극도로 어렵게 만든다는 것이다.

제5 태양:

생체 식별 시스템은 일반적으로 등록 사기(enrollment fraud)에 취약하다. 이 제5 태양에 따른 시스템 및 방법은 데이터베이스에 등록한 유전적으로 관련된 개체로부터의 ECG 데이터를 사용함으로써 이 문제를 해결한다. 직계 가족 구성원은 종종 공통 특징을 공유하는 ECG를 갖는다. 피험자의 서명을 일반 개체군과 및/또는 그와 관계있는 것으로 알려져 있는 그 등록자들과 비교함으로써, 이 시스템은 피험자가 알려진 바대로의 그 사람인지 여부를 확실하게 결정할 수 있다. 이 기술은 사진 식별 및/또는 지문 일치 등의 종래의 방법을 통하여 개체의 신원을 확인하는 것에 부가하여 사용될 수 있다. 그렇지만, 비유클리드적(non-Euclidian)이고 유사성에 기초한 클러스터링에 적합하지 않은 이들 방법과는 달리, 이 기술은 등록자의 ECG 서명에 기초한 유전적 관계의 확률을 결정함으로써 등록 프로세스의 임의 의 단계에서 사기를 결정할 수 있다.

제6 태양:

본 명세서에 기술된 시스템 및 방법은 또한 ECG를 측정하는 데 초고임피던스 프로브(ultra-high impedance probe)를 사용할 수 있다. ECG 기반 생체 식별 시스템에 있어서 신뢰성 및 사용 용이성이 중요하기 때문에, ECG를 단일점에서 또는 심지어 피험자와 접촉하지 않고 측정하는 것이 유익하다. 전기 전위 프로브는 본 명세서에 기술된 방법 및 시스템을 비롯한 생체 인식 방법 및 시스템에서 생체 식별에 대한 신뢰성 및 사용 용이성을 향상시키는 동작을 할 수 있다. 초고임피던스 프로브는 다양한 형태로 있다. 예를 들어, Harland 등의 Electric potential probes - new directions in the remote sensing of the human body(전기 전위 프로브 - 사람 신체의 원격 감지에서의 새로운 방향), Meas. Sci. Technol. 13(2002년) 163-169페이지를 참조하기 바란다. 이 태양에 따른 초고입력 임피던스 프로브는 양호하게는 초저노이즈 특성(ultra-low noise characteristic)을 가지며, 동작하기 위해 전류 전도성 경로를 필요로 하지 않는다. 그 결과, 이 프로브는 전문가 시스템 오퍼레이터의 도움없이 비전문가에 의해 사용될 때조차도 상기한 방법 및 시스템에서 잘 동작한다. 따라서, 이들 프로브는, 개체가 정장 차림으로 스캐너(금속 검출기와 유사함)를 통과할 때 ECG 신호를 획득하는 등에 의해, 공항-기반 생체 식별 시스템에서 사용될 수 있다. 이와 마찬가지로, ATM 또는 게임 기계에서와 같이, 개체의 손가락 끝으로부터 ECG를 수집하기 위해 단일의 프로브가 사용될 수 있다. 단일의 프로브 접점의 사용은 피험자에게 더 많은 이동 자유를 제공하고 피험자가 식별 및 등록 방식에 따르는 것을 보다 쉽도록 해준다. 이것은, 특히 본 명세서에 기술된 생체 식별 시스템이 피험자의 기계 조작을 통제하는 데 사용될 때, 특히 기계(예를 들어, 총기 또는 차량)가 동작하기 위해 물리적 접촉을 필요로 할 때 유용하다. 이 태양에 따른 단일 프로브 및 원격 프로브 ECG 포착 시스템은 신체 노이즈 및 EMG를 감소시키기 위한 노이즈 감소 전략에 의해 보완될 수 있다.

제7 태양:

제7 태양에 따르면, 생체 식별 방법 및 시스템은 피험자에 대한 일치 점수(피험자의 서명을 데이터베이스 등록자의 서명과 비교함으로써 생성됨)를 복수의 등록자의 일치 점수(등록자의 서명을 데이터베이스 등록자의 서명과 비교함으로써 생성됨)와 상관시킬 수 있다. 따라서, 피험자의 상관된 일치 점수의 분포를 분석하기보다는, 이 식별 기술은 피험자의 일치 점수 및 등록자의 일치 점수의 상관의 분포를 분석한다. 제5 태양에서와 같이, 이 태양에 따른 방법 및 시스템은 관련된 개체를 식별하는 데 유용하다. 이러한 이유는 일군의 등록자와 관계가 있는 개체가 등록자들과 관계가 없는 개체에 대한 일치 점수의 가우스 분포보다 실질적으로 더 높은 메디안을 갖는 일치 점수의 가우스 분포를 가지기 때문이다. 따라서, 일치 점수의 분포를 검사함으로써, 피험자의 등록자들과의 유전적 관계의 확률이 확인될 수 있다.

제8 태양:

마지막으로, 상기한 상관 기술들에 대한 다른 대안으로서 또는 그에 부가하여, 본 명세서에 기술된 방법 및 시스템은 식별을 위해 가중된 상관을 이용할 수 있다. 이 태양에 따르면, 이 상관은 여러가지 서명 차이에 서로 다른 가중치를 부여할 수 있다. 예를 들어, QRS군 특징으로 인한 서명 차이는 T 또는 P군 특징으로 인한 서명 차이보다 많이 가중될 수 있다. 본 시스템 및 방법은 또한 가중 함수의 일부로서 서명값의 제곱 평균 제곱근을 사용할 수 있는데, 그 이유는 T가 아주 가변적이고, QRS가 안정적이며, P가 그 중간의 어딘가이기 때문이다. 따라서, 제곱 평균 제곱근 계산, L1 메트릭 또는 다른 정규화 기술을 사용하여 서명이 정규화될 수 있다.

모든 태양에서 사용될 수 있는 양호한 실시예:

도 17은 양호한 시스템의 기능도를 나타낸 것이다. 이와 마찬가지로, 도 18은 양호한 신호 프로세서의 기능도를 나타낸 것이다. 용어 "프로세서"는 본 명세서에서 총칭적으로 사용되며, IC 칩 상의 코프로세서에서와 같이 물리적으로 별개인 구성요소에 의해 프로세싱이 행해질 수 있거나, 이 프로세서는 물리적으로 일체인 유닛을 포함할 수 있다.

모든 태양에서 사용될 수 있는 일반예: 등록 알고리즘

이하는 상기한 태양들 중 임의의 태양에서 사용될 수 있는 등록 단계에 대한 예시적인 알고리즘이다.

i.

이 i번째 새로운 피험자의 20-초, 250Hz 디지털화된 샘플을 나타내는 것으로 하며, 여기서 n은 이산 시간 단위이다.

ii.

은 범위 4 Hz - 40 Hz에서 대역-통과 필터링된다.

iii. 이 필터링된 신호는

으로 표시된다.

iv. 필터링된 신호

은 QRS군에 대해 검색되고, 'R' 피크를 앵커 포인트(anchor point)로서 식별한다.

v. 플러스 'R' 피크를 획득하기 위해 필터링된 신호

가 유지되거나 반전된다.

vi.

로 되어 있는 평균 맥박수를 확정하기 위해 식별된 QRS군이 카운트된다.

vii. 앵커 포인트를 중심으로 필터링된 신호

가 세그먼트화되고, 각각의 'R' 앵커 포인트 이전의 50개 샘플 및 그 이후의 90개 샘플을 취한다.

viii. 각각의 데이터 세그먼트는 'R' 앵커 포인트의 진폭에 의해 정규화된다.

ix.

으로 표시된 피험자 전기-심장 신호를 생성하기 위해 세그먼트들이 앵커 포인트를 중심으로 정렬되고 평균된다.

x. 맥박수에 따라 'P' 및 'T' 지연시간을 정규화함으로써 피험자 전기-심장 신호

가 평균 맥박수

에 따라 조정된다. 조정된 전기-심장 신호는

으로 표시된다.

xi. 맥박수 조정된 피험자의 전기-심장 신호

가 데이터베이스에 추가 되고, 총평균

에 도입된다.

xii. 총 평균

을 시스템 데이터베이스에 저장된 맥박수 조정된 전기-심장 신호 각각으로부터 차감함으로써 일련의 전기-생체 서명

이 구성된다.

예: 인식 알고리즘

이하는 인식 단계에 대한 예시적인 알고리즘이다.

i.

가 테스트된 피험자의 10-초, 250Hz 디지털화된 샘플을 나타내는 것으로 한다.

ii.

는 범위 4 Hz - 40 Hz에서 대역-통과 필터링된다.

iii. 이 필터링된 신호는

로 표시된다.

iv. 앵커 포인트로서 P 피크를 사용하여, QRS군의 위치들에 대해 필터링된 신호

가 검색된다.

v. 플러스 'R' 피크를 획득하기 위해 필터링된 신호

가 유지되거나 반전된다.

vi.

vii. 앵커 포인트를 중심으로 필터링된 신호

viii.

ix. 피험자 전기-심장 신호

가 평균 맥박수

에 따라 정규화된다. 맥박수 조정된 피험자 전기-심장 신호는

으로 표시된다.

x. 총 평균

을 맥박수 조정된 전기-심장 신호

로부터 차감함으로써 전기-생체 서명

이 구성된다.

xi. 전기-생체 서명

과 모든 등록된 전기-생체 서명

간의 상관 계수가 계산되고 제곱되며, 그의 원래의 산술 부호를 유지한다.

xii. 가장 큰 부호-유지된 상관값 제곱이 선택되고 사전 설정된 임계치와 비교된다.

xiii. 선택된 가장 큰 부호-유지된 상관값 제곱이 사전 설정된 임계치보다 큰 경우, 긍정적 일치가 표시되고, 피험자가 식별된다.

따라서, 전기-생체 신원 인식을 위한 전기-심장 신호의 획득, 처리 및 분석 방법 및 장치는 이하의 등록 및 인식 단계들 중 임의의 서브세트를 포함할 수 있다.

등록

피험자로부터의 전기-심장 신호의 획득, 디지털화 및 저장:

a. 전기-심장 신호 데이터베이스의 형성

b. 전기-심장 신호 유사성에 기초하여 템플릿 데이터베이스의 몇개의 서브세트로의 분할

c. 하나 이상의 총평균의 구성

d. 피험자-고유의 전기-생체 서명의 도출

인식

검증

새로 포착된 전기-생체 서명이 피험자-고유의 등록된 전기-생체 서명 템플릿과 비교된다.

e. 새로 포착된 피험자 전기-생체 서명의 관련되어 있는 저장된 전기-생체 서명 템플릿과의 상관 및 신뢰 분석

f. 인식 결과의 표시 및 등록 및/또는 물리적 또는 가상적 로컬/원격 메카니즘의 활성화

식별

새로 포착된 전기-생체 서명이 데이터베이스에 참여하는 전기-생체 서명 템플릿 전부와 비교된다.

g. 새로 포착된 피험자 전기-생체 서명의 모든 저장된 전기-생체 서명 템플릿과의 상관 및 신뢰 분석

h. 인식 결과의 표시 및 등록 및/또는 물리적 또는 가상적 로컬/원격 메카니즘의 활성화

기타의 것들이 과도한 실험없이 일반 개념을 벗어나지 않고 여러가지 응용을 위해 본 명세서에 개시된 실시예를 용이하게 수정 및/또는 개량할 수 있다. 이러한 개량 및 수정은 개시된 실시예의 의미 및 그의 등가물의 범위 내에서 해석되어야만 한다. 본 명세서에서 이용되는 구문 및 용어가 설명을 위한 것이지 제한하는 것이 아님을 잘 알 것이다. 여러가지 개시된 기능들을 수행하는 수단, 물질 및 단계가 다양한 대안적인 형태를 가질 수 있으며 여전히 청구 범위의 문언적 또는 등가적 범위 내에 속한다.

따라서, 상기한 상세한 설명 및/또는 이하의 청구항들에서 발견될 수 있는 표현 "...하는 수단" 및 "..을 위한 수단", 또는 임의의 방법 단계 표현과 이에 뒤따르는 기능적 서술은, 이상의 상세한 설명에 개시된 실시예 또는 실시예들에 정확하게 등가인지 여부에 상관없이, 기술된 기능을 수행하는, 현재 또는 장래에 존재할 수 있는 임의의 구조적, 물리적, 화학적, 또는 전기적 요소나 구조, 또는 임의의 방법 단계를 정의 및 포괄하기 위한 것이며, 즉 동일한 기능을 수행하는 다른 수단 또는 단계가 사용될 수 있으며, 이러한 표현은 최광의적으로 해석되어야 한다.

Claims

개체를 식별하기 위한 방법으로서,

특정 개체의 심장 박동 패턴의 표현과 복수 개체의 심장 박동 패턴의 공통 특징의 저장된 표현과의 차이를 형성함으로써, 상기 특정 개체를 식별하는 제1 생체 서명(biometric signature)을 생성 및 저장하는 단계;

상기 생성 및 저장 단계 이후, 선택된 개체의 심장 박동 패턴의 표현을 획득하고, 상기 선택된 개체의 심장 박동 패턴의 표현과 복수 개체의 심장 박동 패턴의 공통 특징의 저장된 표현과의 차이를 형성함으로써, 제2 생체 서명을 생성하는 단계; 및

상기 선택된 개체가 상기 특정 개체인지를 결정하기 위하여, 상기 제2 생체 서명을 상기 제1 생체 서명과 비교하는 단계

를 포함하는 개체 식별 방법.
제1항에 있어서,

상기 생성 및 저장 단계는, 각 개별 개체의 심장 박동 패턴의 표현과 심장 박동 패턴의 공통 특징의 저장된 표현과의 차이를 형성함으로써, 각각 개별 개체를 식별하는 복수의 제1 생체 서명을 생성 및 저장하는 단계를 포함하고,

상기 비교하는 단계는 상기 제1 생체 서명 각각에 대하여 수행되는 개체 식별 방법.
제2항에 있어서,

복수 개체의 심장 박동 패턴의 표현들을 획득하고, 상기 표현들의 적어도 선택된 수로부터 복수 개체의 심장 박동 패턴의 공통 특징의 표현을 도출 및 저장하는 예비단계를 포함하는 개체 식별 방법.
제3항에 있어서,

상기 복수 개체의 심장 박동 패턴의 공통 특징의 표현을 도출 및 저장하는 단계는, 심장 박동 패턴의 공통 특징의 복수 표현을 도출 및 저장하는 단계를 포함하고, 상기 복수의 표현 각각은 복수 개체의 각각 다른 그룹으로부터 도출되는 개체 식별 방법.
제3항에 있어서,

상기 복수 개체의 심장 박동 패턴의 공통 특징의 표현을 도출 및 저장하는 단계는, 상기 복수 개체의 심장 박동 패턴의 평균을 생성하는 단계를 포함하는 개체 식별 방법.
제3항에 있어서,

상기 복수 개체의 심장 박동 패턴의 공통 특징의 표현을 도출 및 저장하는 단계는, 주 성분 분석(principal component analysis) 또는 웨이블릿 분해(wavelet decomposition) 중 하나를 수행하는 단계를 포함하는 개체 식별 방법.
제2항에 있어서,

상기 비교하는 단계는, 상기 제2 생체 서명을 상기 제1 생체 서명들의 각각과 상관하는 단계, 및 상기 제2 생체 서명에 가장 상관된 상기 제1 생체 서명들 중 하나를 식별하는 단계를 포함하는 개체 식별 방법.
제7항에 있어서,

상기 상관하는 단계는, 각 제1 생체 서명과 관련된 상관 계수를 획득하는 단계를 포함하고, 상기 비교하는 단계는 상기 식별된 제1 생체 서명과 관련된 상기 상관 계수를 상관 계수 임계치와 비교하는 단계를 더 포함하는 개체 식별 방법.
제1항에 있어서,

상기 비교하는 단계는, 상관 계수를 획득하기 위하여 상기 제2 생체 서명을 상기 제1 생체 서명과 상관시키는 단계; 및 상기 식별된 제1 생체 서명과 관련된 상기 상관 계수를 상관 계수 임계치와 비교하는 단계를 포함하는 개체 식별 방법.
제1항에 있어서,

상기 제1 생체 서명을 생성 및 저장하는 단계는 로컬 데이터베이스에 상기 서명을 저장하는 단계를 포함하는 개체 식별 방법.
제1항에 있어서,

상기 제1 생체 서명을 생성 및 저장하는 단계는 원격(remote) 데이터베이스에 상기 서명을 저장하는 단계를 포함하는 개체 식별 방법.
제1항에 있어서,

상기 선택된 개체의 심장 박동 패턴의 표현을 획득하는 단계는, 선택된 맥박수로부터 선택된 개체의 맥박수에 있어서의 편차를 보상하는 단계를 포함하는 개체 식별 방법.
제1항에 있어서,

상기 선택된 개체의 심장 박동 패턴의 표현을 획득하는 단계는, 심장 박동 패턴의 몇 개의 표현을 획득하는 단계를 포함하는 개체 식별 방법.
제1항에 있어서,

특정 개체의 제1 생체 서명을 생성 및 저장하는 단계는, 일정 시간에 걸쳐서 상기 특정 개체의 심장 박동 패턴의 복수 표현을 획득하는 단계 및 연속적인 제1 생체 서명을 생성하는 단계를 포함하고, 상기 연속적인 생체 서명 각각은 상기 특정 개체의 심장 박동 패턴의 복수 표현 중 개별적인 표현으로부터 도출되는 개체 식별 방법.
개체를 식별하기 위한 장치로서,

특정 개체의 심장 박동 패턴의 표현과 복수 개체의 심장 박동 패턴의 공통 특징의 저장된 표현과의 차이를 형성함으로써, 상기 특정 개체를 식별하는 제1 생체 서명을 생성 및 저장하는 수단;

상기 제1 생체 서명이 생성 및 저장된 이후, 선택된 개체의 심장 박동 패턴의 표현을 획득하고, 상기 선택된 개체의 심장 박동 패턴의 표현과 복수 개체의 심장 박동 패턴의 공통 특징 평균의 저장된 표현과의 차이를 형성함으로써 제2 생체 서명을 생성하는 수단; 및

상기 선택된 개체가 상기 특정 개체인지를 결정하기 위하여, 상기 제2 생체 서명을 상기 제1 생체 서명과 비교하는 수단

을 포함하는 개체 식별 장치.
제15항에 있어서,

상기 생성 및 저장하는 수단은, 각 개별 개체의 심장 박동 패턴의 표현과 심장 박동 패턴의 공통 특징의 저장된 표현과의 차이를 형성함으로써, 각각 개별 개체를 식별하는 복수의 제1 생체 서명을 생성 및 저장하는 수단을 포함하고;

상기 비교하는 수단은 상기 제1 생체 서명 각각에 대하여 수행되는 개체 식별 장치.
제16항에 있어서,

상기 생성 및 저장하는 수단은 복수 개체의 심장 박동 패턴들의 표현을 획득하는 수단 및 적어도 선택된 수의 상기 표현들로부터 복수 개체의 심장 박동 패턴의 공통 특징의 표현을 도출하는 수단을 포함하는 개체 식별 장치.
제17항에 있어서,

상기 도출하는 수단은, 상기 복수의 공통 특징의 저장된 표현을 도출하는 수단을 포함하고, 상기 표현 각각은 각각 다른 그룹으로부터 도출되는 개체 식별 장치.
제16항에 있어서,

상기 비교하는 수단은, 상기 제2 생체 서명을 상기 제1 생체 서명 각각과 상관하는 수단, 및 상기 제2 생체 서명에 가장 상호 관련된 상기 제1 생체 서명들 중 하나를 식별하는 수단을 포함하는 개체 식별 장치.
제19항에 있어서,

상기 상관하는 수단은, 각 제1 생체 서명과 관련된 상관 계수를 획득하는 수단을 포함하고, 상기 비교하는 수단은 상기 식별된 제1 생체 서명과 관련된 상기 상관 계수를 상관 계수 임계치와 비교하는 수단을 더 포함하는 개체 식별 장치.
제15항에 있어서,

상기 비교하는 수단은, 상관 계수를 획득하기 위하여 상기 제2 생체 서명을 상기 제1 생체 서명과 상관하는 수단; 및 상기 식별된 제1 생체 서명과 관련된 상기 상관 계수를 상관 계수 임계치와 비교하는 수단을 포함하는 개체 식별 장치.
제15항에 있어서,

상기 장치는, 스마트 카드, 여권, 운전 면허증 장치, 생체-로그온(Bio-logon) 식별 장치, 팜 파일럿(palm pilot), 셀룰러 내장형 식별 장치, 도난 방지 장치, ECG(electrocardiogram) 모니터링 장치, 전자 뱅킹(e-banking) 장치, 전자 상거래(e-transaction) 장치, 애완동물 식별 장치, 물리적 액세스 장치, 논리적 액세스 장치, ECG 및 지문 모니터링을 결합한 장치, 및 ECG 서명 비교 및 임의의 다른 형태의 생체 분석을 결합한 장치 중 하나인 개체 식별 장치.
제15항에 있어서,

상기 장치는 자원에 대한 보안을 확보하기 위한 원격 로그온용 생체 로그온 식별 장치인 개체 식별 장치.
제15항에 있어서,

상기 장치는 지속적으로 동작하는 개체 식별 장치.
제15항에 있어서,

상기 획득하는 수단은 상기 선택된 개체의 손 또는 발에 접촉되도록 구성되는 개체 식별 장치.
제15항에 있어서,

상기 장치는, 성공적인 인식이후 제한된 시간 동안 동작가능하고 그 이후로는 다음의 성공적인 인식이 수행될 때까지 동작불가능한 스마트카드에 제공되는 개체 식별 장치.
제15항에 있어서,

상기 장치는 암호화 키 또는 디지털 서명으로 동작하도록 구성되는 개체 식별 장치.
제15항에 있어서,

상기 장치는 손목에 차는 시계에 포함되고, 시계가 채워진 손목과 착용자의 다른 손 사이에서 신호가 측정되는 개체 식별 장치.
생체 식별 시스템으로서,

a) ECG(electrocardiogram) 신호 획득 모듈;

b) ECG 신호 프로세서 - 상기 신호 프로세서는 ECG 서명 템플릿 발생기를 포 함함 -; 및

c) 출력 모듈

을 포함하는 생체 식별 시스템.
제29항에 있어서,

상기 ECG 서명 템플릿 발생기는 분석적 ECG 모델 입력을 가지며, 상기 발생기는, 상기 입력을 사용하여, 상기 ECG 신호 획득 모듈에 의해 제공되는 ECG 신호 중 하나 이상의 ECG 성분으로부터 공통 특징을 제거하는 생체 식별 시스템.
제29항에 있어서,

서브세트들로 분할되는 등록된 서명 데이터베이스를 더 포함하며, 상기 ECG 서명 템플릿 발생기는, 적어도 하나의 데이터베이스 서브세트를 사용하여, 상기 ECG 신호 획득 모듈에 의해 제공되는 ECG 신호 중 하나 이상의 ECG 성분으로부터 공통 특징을 제거하는 생체 식별 시스템.
생체 식별 시스템으로서,

a) ECG 신호 획득 모듈;

b) 등록된 서명 데이터베이스;

c) ECG 서명 발생기, 및 ECG 서명을 적어도 하나의 등록된 ECG 서명과 비교하는 서명 비교기를 더 포함하는 신호 프로세서; 및

d) 출력 모듈

을 포함하는 생체 식별 시스템.
제32항에 있어서,

상기 비교기는 폐쇄형 검색 비교기(closed search comparator)인 생체 식별 시스템.
제32항에 있어서,

상기 서명 비교기는 서명 상관 분석기인 생체 식별 시스템.
생체 식별 시스템으로서,

a) 신호 획득 모듈;

b) 등록된 서명 데이터베이스;

c) ECG 서명 발생기, 상기 ECG 서명 발생기에 의해 발생된 하나 이상의 ECG 서명을 상기 등록된 서명 데이터베이스로부터의 복수의 등록된 ECG 서명과 비교하는 서명 비교기, 상기 서명 비교기의 출력에 기초하여 일련의 일치 점수(match score)를 출력하는 일치 점수 발생기, 및 상기 하나 이상의 ECG 서명에 대한 상기 일치 점수를 적어도 하나의 등록된 서명에 대한 일치 점수와 상관시키는 일치 점수 상관기를 포함하는 신호 프로세서; 및

d) 출력 모듈

을 포함하는 생체 식별 시스템.
생체 식별 시스템으로서,

a) 신호 획득 모듈;

b) ECG 서명 발생기, 및 적어도 하나의 ECG 서명을 적어도 하나의 등록된 ECG 서명과 비교하는 퍼지 논리(fuzzy logic) 분석기를 포함하는 서명 비교기를 더 포함하는 신호 프로세서; 및

c) 출력 모듈

을 포함하는 생체 식별 시스템.
생체 식별 시스템으로서,

a) 신호 획득 모듈;

b) i) ECG 서명 발생기,

ii) 서명 비교기, 및

iii) 동적 임계치 발생기를 더 포함하는

신호 프로세서; 및

c) 출력 모듈

을 포함하는 생체 식별 시스템.
제37항에 있어서,

상기 서명 비교기는 서명 상관기인 생체 식별 시스템.
생체 식별 시스템으로서,

a) 신호 획득 모듈;

b) i) ECG 서명 발생기,

ii) 서명 상관기, 및

iii) 동적 임계치 발생기 - 상기 발생기는 상관 변환기(correlation transformer)를 포함함 - 를 더 포함하는

신호 프로세서; 및

c) 출력 모듈

을 포함하는 생체 식별 시스템.
제39항에 있어서,

상기 상관 변환기는 Z-점수 발생기(Z-score generator)인 생체 식별 시스템.
제39항에 있어서,

상기 상관 변환기는 제곱 상관 변환기(squared correlation transformer)인 생체 식별 시스템.
생체 식별 시스템으로서,

a) 신호 획득 모듈;

b) i) ECG 서명 발생기,

ii) 서명 상관기, 및

iii) 신호 품질 계산기를 더 포함하는

신호 프로세서; 및

c) 출력 모듈

을 포함하는 생체 식별 시스템.
제42항에 있어서,

상기 신호 품질 계산기는 Q-값 발생기인 생체 식별 시스템.
제43항에 있어서,

상기 신호 품질 계산기는, 저품질 신호 계산이 상기 획득 모듈로 하여금 더 긴 획득 기간을 사용하게 하도록, 상기 신호 획득 모듈에 연결되어 있는 생체 식별 시스템.
제43항에 있어서,

상기 신호 품질 계산기는, 저품질 신호 계산이 상기 출력 모듈로 하여금 감소된 노이즈를 갖는 새로운 신호 획득이 필요함을 나타내게 하는 방식으로, 상기 출력 모듈에 연결되어 있는 생체 식별 시스템.
생체 식별 시스템으로서,

a) ECG 신호 획득 모듈;

b) 등록된 서명 데이터베이스;

c) ECG 서명 발생기, 및 상기 ECG 서명 발생기에 의해 발생된 하나 이상의 ECG 서명을 상기 등록된 서명 데이터베이스로부터의 복수의 등록된 ECG 서명과 비교하는 서명 비교기를 포함하는 신호 프로세서;

d) 서명 암호화 모듈; 및

e) 출력 모듈

을 포함하는 생체 식별 시스템.
제46항에 있어서,

상기 서명 암호화 모듈은 공개키 기반구조 기술을 사용하는 스크램블러(scrambler)를 포함하는 생체 식별 시스템.
생체 식별 시스템으로서,

a) 신호 획득 모듈 - 상기 모듈은 초고입력 임피던스 프로브(ultra-high input impedance probe)를 포함함 -;

b) ECG 서명 발생기 및 서명 비교기를 더 포함하는 ECG 신호 프로세서; 및

c) 출력 모듈

을 포함하는 생체 식별 시스템.
제48항에 있어서,

상기 초고입력 저항 프로브는 초저 노이즈 특성(ultra-low noise characteristic)을 갖는 생체 식별 시스템.
생체 식별 시스템으로서,

a) 신호 획득 모듈;

b) ECG 서명 발생기, ECG 서명 상관기, 및 서명 상관 가중 메카니즘을 더 포함하는 신호 프로세서; 및

c) 출력 모듈

을 포함하는 생체 식별 시스템.
잠금 장치로서,

a) 신호 획득 모듈;

b) ECG 서명 발생기 및 ECG 서명 비교기를 더 포함하는 ECG 신호 프로세서; 및

c) 잠금 기구

을 포함하는 잠금 장치.
실내 출입 통제 장치로서,

a) 신호 획득 모듈;

b) ECG 서명 발생기 및 ECG 서명 비교기를 더 포함하는 ECG 신호 프로세서; 및

c) 실내 출입 통제부

를 포함하는 실내 출입 통제 장치.
생체 식별 시스템으로서,

a) ECG 신호 획득 모듈;

b) 맥박수 정규화 모듈을 더 포함하는 신호 프로세서; 및

c) 식별 출력 모듈

을 포함하는 생체 식별 시스템.
제53항에 있어서,

상기 ECG 신호 프로세서는 디지털 신호 프로세서인 생체 식별 시스템.
제53항에 있어서,

적어도 하나의 상기 ECG 신호 프로세서는 다른 장치에 통합되어 있는 생체 식별 시스템.
제53항에 있어서,

상기 신호 획득 모듈, 상기 신호 프로세서, 및 상기 신호 출력 모듈은 일체형 장치의 일부인 생체 식별 시스템.
개체를 식별하는 방법으로서,

특정 개체의 심장 박동 패턴의 표현과 심장 박동 패턴들의 공통 특징의 분석적 표현 간의 차이를 형성함으로써 상기 특정 개체를 식별하는 제1 생체 서명(biometric signature)을 생성 및 저장하는 단계;

상기 생성 및 저장하는 단계 후에, 선택된 개체의 심장 박동 패턴의 표현을 획득하고 상기 선택된 개체의 심장 박동 패턴과 상기 심장 박동 패턴들의 공통 특징의 분석적 표현 간의 차이를 형성함으로써 제2 생체 서명을 생성하는 단계; 및

상기 선택된 개체가 상기 특정 개체인지 여부를 결정하기 위해 상기 제2 생체 서명을 상기 제1 생체 서명과 비교하는 단계

를 포함하는 개체 식별 방법.
생체 식별 방법으로서,

a) 제1 ECG 신호를 획득하는 단계;

b) 상기 제1 ECG 신호를 처리하여 ECG 서명 템플릿을 발생하는 단계;

c) 제2 ECG 신호를 획득하는 단계;

d) 상기 제2 ECG 신호를 처리하여 ECG 서명을 발생하는 단계,

e) 상기 ECG 서명을 상기 ECG 서명 템플릿과 비교하는 단계; 및

f) 상기 비교의 결과를 출력하는 단계

를 포함하는 생체 식별 방법.
제58항에 있어서,

상기 ECG 서명 템플릿을 발생하는 단계는 분석적 ECG 모델에 의해 제공되는 하나 이상의 ECG 성분의 공통 특징을 차감함으로써 상기 ECG 신호로부터 하나 이상의 ECG 성분의 공통 특징을 제거하는 생체 식별 방법.
제58항에 있어서,

g) 상기 ECG 서명 템플릿의 데이터베이스를 생성하는 단계;

h) 상기 ECG 서명 템플릿을 서브세트들로 분할하는 단계; 및

i) 적어도 하나의 데이터베이스 서브세트를 사용하여 ECG 신호로부터 하나 이상의 ECG 성분의 공통 특징을 제거하는 단계

를 더 포함하는 생체 식별 방법.
생체 식별 방법으로서,

a) 제1 ECG 신호를 획득하는 단계;

b) 상기 제1 ECG 신호를 처리하여 ECG 서명 템플릿을 발생하는 단계;

c) 상기 ECG 서명 템플릿을 등록된 서명 데이터베이스에 저장하는 단계;

d) 상기 단계 a) 내지 단계 c)를 반복하는 단계;

e) 제2 ECG 신호를 획득하는 단계;

f) 상기 제2 ECG 신호를 처리하여 ECG 서명을 발생하는 단계;

g) 상기 제2 ECG 서명을 적어도 하나의 등록된 ECG 서명과 비교하는 단계; 및

h) 상기 비교의 결과를 출력하는 단계

를 포함하는 생체 식별 방법.
제61항에 있어서,

상기 비교하는 단계는 단지 상기 ECG 서명을 단일의 등록된 ECG 서명과 비교하는 생체 식별 방법.
제61항에 있어서,

상기 비교 단계는 상기 ECG 서명을 복수의 등록된 서명과 상관시키는 생체 식별 방법.
생체 식별 방법으로서,

a) ECG 신호를 획득하는 단계;

b) 상기 ECG 신호를 처리하여 등록된 서명 데이터베이스를 발생하는 단계;

c) 그 결과적인 ECG 서명을 데이터베이스에 배치하는 단계;

d) 상기 단계 a) 내지 단계 c)를 반복하는 단계;

e) 하나 이상의 ECG 서명을 복수의 등록된 ECG 서명과 비교하는 단계;

f) 상기 비교 단계의 결과에 기초하여 일련의 일치 점수를 발생하는 단계;

g) 상기 하나 이상의 ECG 서명에 대한 상기 일치 점수를 적어도 하나의 등록된 서명에 대한 일치 점수와 상관시키는 단계; 및

h) 상기 상관 결과를 출력하는 단계

를 포함하는 생체 식별 방법.
생체 식별 방법으로서,

a) ECG 신호를 획득하는 단계;

b) 상기 ECG 신호로부터 ECG 서명을 생성하는 단계;

c) 퍼지 논리를 사용하여 상기 ECG 서명을 적어도 하나의 등록된 ECG 서명과 비교하는 단계; 및

d) 상기 비교의 결과를 출력하는 단계

를 포함하는 생체 식별 방법.
생체 식별 방법으로서,

a) ECG 신호를 획득하는 단계;

b) 상기 ECG 신호를 처리하여 ECG 서명을 발생하는 단계;

c) 상기 ECG 서명을 복수의 등록된 ECG 서명과 비교하는 단계;

d) 상기 비교를 위한 동적 임계치를 발생하는 단계; 및

e) 식별 결과를 출력하는 단계

를 포함하는 생체 식별 방법.
제66항에 있어서,

상기 서명 비교 단계는 상기 서명들을 상관시키는 생체 식별 방법.
생체 식별 방법으로서,

a) ECG 신호를 획득하는 단계;

b) 상기 ECG 신호를 처리하여 ECG 서명을 발생하는 단계;

c) 상기 ECG 서명을 복수의 등록된 ECG 서명과 상관시키는 단계,

d) 하나 이상의 상기 상관들을 변환하는 단계;

e) 상기 변환을 위한 동적 임계치를 발생하는 단계; 및

f) 식별 결과를 출력하는 단계

를 포함하는 생체 식별 방법.
제68항에 있어서,

상기 하나 이상의 상기 상관을 변환하는 단계는 Z-점수를 발생하는 데 사용되는 생체 식별 방법.
제68항에 있어서,

상기 하나 이상의 상기 상관들을 변환하는 단계는 상기 하나 이상의 상관을 제곱하는 생체 식별 방법.
생체 식별 방법으로서,

a) ECG 신호를 획득하는 단계;

b) 상기 신호의 품질을 계산하는 단계;

c) 상기 ECG 신호를 처리하여 ECG 서명을 발생하는 단계;

d) 상기 ECG 서명을 하나 이상의 등록된 ECG 서명과 상관시키는 단계;

e) 상기 상관 단계의 결과를 임계치와 비교하는 단계; 및

f) 상기 비교의 결과를 출력하는 단계

를 포함하는 생체 식별 방법.
제71항에 있어서,

상기 신호 품질을 계산하는 단계는 Q-값을 계산하는 생체 식별 방법.
제71항에 있어서,

상기 신호의 품질에 기초하여 획득 시간을 조정하는 단계를 더 포함하는 생체 식별 방법.
제71항에 있어서,

상기 신호 품질 계산에 응답하여 새로운 신호를 획득하는 단계를 더 포함하는 생체 식별 방법.
생체 식별 방법으로서,

a) 제1 ECG 신호를 획득하는 단계;

b) 상기 ECG 신호를 처리하여 ECG 서명을 발생하는 단계;

c) 상기 서명을 암호화하는 단계;

d) 상기 암호화된 서명을 등록된 서명 데이터베이스에 추가하는 단계;

e) 제2 ECG 신호를 획득하는 단계;

f) 상기 ECG 신호를 처리하여 제2 서명을 발생하는 단계; 및

g) 상기 제2 서명을 상기 등록된 서명 데이터베이스 내의 하나 이상의 상기 등록된 서명과 비교하는 단계

를 포함하는 생체 식별 방법.
제75항에 있어서,

상기 서명 암호화 단계는 공개키 기반구조 기술을 사용하여 상기 서명을 스크램블링하는 생체 식별 방법.
생체 식별 방법으로서,

a) 초고입력 임피던스 프로브를 사용하여 ECG 신호를 획득하는 단계;

b) 상기 ECG 신호를 처리하여 ECG 서명을 발생하는 단계;

c) 상기 서명을 등록된 서명 데이터베이스 내의 적어도 하나의 등록된 서명과 비교하는 단계; 및

d) 상기 비교의 결과를 출력하는 단계

를 포함하는 생체 식별 방법.
제77항에 있어서,

상기 초고입력 저항 프로브는 초저 노이즈 특성을 갖는 생체 식별 방법.
생체 식별 방법으로서,

a) ECG 신호를 획득하는 단계;

b) 상기 신호를 처리하여 ECG 서명을 발생하는 단계;

c) 상기 ECG 서명을 등록된 서명 데이터베이스 내의 적어도 하나의 ECG 서명 템플릿과 상관시키는 단계;

d) 상기 서명 상관의 결과를 가중하는 단계;

e) 상기 가중된 상관의 결과를 임계치와 비교하는 단계; 및

f) 상기 비교의 결과를 출력하는 단계

를 포함하는 생체 식별 방법.
보안 장치를 잠그는 방법으로서,

a) ECG 신호를 획득하는 단계;

b) 상기 ECG 신호를 처리하여 ECG 서명을 발생하는 단계;

c) 상기 ECG 서명을 등록된 서명 데이터베이스 내의 하나 이상의 ECG 서명 템플릿과 비교하는 단계;

d) 상기 비교의 결과를 식별 임계치와 비교하는 단계; 및

e) 상기 비교에 기초하여 잠금 기구에 영향을 주는 단계

를 포함하는 보안 장치 잠금 방법.
실내 출입을 통제하는 방법으로서,

a) ECG 신호를 획득하는 단계;

b) 상기 ECG 신호를 처리하여 ECG 서명을 발생하는 단계;

c) 상기 ECG 서명을 등록된 서명 데이터베이스 내의 하나 이상의 ECG 서명 템플릿과 비교하는 단계;

d) 상기 비교의 결과를 식별 임계치와 비교하는 단계; 및

e) 상기 비교에 기초하여 실내 출입을 허용 또는 거부하는 단계

를 포함하는 실내 출입 통제 방법.
생체 식별 방법으로서,

a) ECG 신호를 획득하는 단계;

b) 상기 신호를 맥박수에 대해 정규화함으로써 상기 신호를 처리하는 단계;

c) ECG 서명을 발생하는 단계;

d) 상기 ECG 서명을, 상기 정규화된 맥박수로 얻어진 신호 또는 맥박수에 대해 정규화된 신호로부터의 적어도 하나의 ECG 서명 템플릿과 상관시키는 단계;

e) 상기 상관의 결과를 임계치와 비교하는 단계; 및

f) 상기 비교의 결과를 출력하는 단계

를 포함하는 생체 식별 방법.
제82항에 있어서,

상기 처리 단계는 상기 신호를 디지털적으로 처리하는 생체 식별 방법.
제82항에 있어서,

비ECG 생체 측정치(non-ECG biometric reading)를 획득하는 단계를 더 포함하는 생체 식별 방법.
제84항에 있어서,

상기 비ECG 생체 측정치 및 상기 출력된 비교 결과를 평가하여 개체를 식별하는 단계를 더 포함하는 생체 식별 방법.
제1항에 있어서,

비ECG 생체 측정치를 획득하는 단계를 더 포함하는 개체 식별 방법.
제15항에 있어서,

긍정적 식별(positive identification) 이후에 제한된 기간 동안 동작가능하고 그 후에 그 다음의 성공적인 긍정적 식별이 수행될 때까지 동작불가능한 신용 카드를 더 포함하는 개체 식별 장치.
제15항에 있어서,

비ECG 생체 획득 모듈을 더 포함하는 개체 식별 장치.
제29항에 있어서,

비ECG 생체 획득 모듈을 더 포함하는 생체 식별 시스템.
연령 분석기(age analyzer)로서,

a) ECG 획득 모듈;

b) ECG 신호 프로세서;

c) 처리된 ECG 신호 비교기; 및

d) 연령 분석 출력 모듈

을 포함하는 연령 분석기.
제90항에 있어서,

상기 ECG 신호 프로세서는 서명 발생기를 포함하고, 상기 처리된 신호 비교기는 서명 비교기인 연령 분석기.
제90항에 있어서,

상기 처리된 ECG 비교기는 피험자의 QRS군(QRS complex)의 폭을 QRS군 신호 템플릿의 폭과 비교하는 연령 분석기.
제90항에 있어서,

상기 출력 모듈은 그의 출력을 인터넷을 통해 출력하는 연령 분석기.
연령 검출 방법으로서,

a) ECG 신호를 획득하는 단계;

b) 상기 ECG 신호를 처리하는 단계;

c) 상기 처리된 ECG 신호를 하나 이상의 기준 신호와 비교하는 단계; 및

d) 상기 비교 단계의 결과에 기초하여 인터넷 웹 사이트에의 액세스를 통제하는 단계

를 포함하는 연령 검출 방법.
제94항에 있어서,

상기 비교 단계는 ECG 서명을 하나 이상의 ECG 서명 템플릿과 비교하는 연령 검출 방법.
제94항에 있어서,

상기 비교 단계는 QRS 신호군의 폭을 하나 이상의 기준 신호 QRS군의 폭과 비교하는 연령 검출 방법.