TW201622645A - 心電圖輔助之身分辨識系統 - Google Patents
心電圖輔助之身分辨識系統 Download PDFInfo
- Publication number
- TW201622645A TW201622645A TW103145025A TW103145025A TW201622645A TW 201622645 A TW201622645 A TW 201622645A TW 103145025 A TW103145025 A TW 103145025A TW 103145025 A TW103145025 A TW 103145025A TW 201622645 A TW201622645 A TW 201622645A
- Authority
- TW
- Taiwan
- Prior art keywords
- average
- average time
- output
- difference
- average potential
- Prior art date
Links
Landscapes
- Measurement And Recording Of Electrical Phenomena And Electrical Characteristics Of The Living Body (AREA)
Abstract
本發明係有關一種心電圖輔助之身分辨識系統,其包括一心電圖量測模組、一特徵值取得模組及一判別模組。心電圖量測模組係從受測者兩手之手指頭量測一心電圖訊號,其具有一心電訊號週期,心電訊號週期具有複數個波形轉折點。特徵值取得模組從各波形轉折點之間量取並計算得到三十元素值。判別模組內建三十個判別閥值,用以與三十個元素值進行比對,當任一元素值不符合相對應之判別閥值,即判別受測者不符身分辨識;並當三十元素值全符合相對應之判別閥值,即判別受測者符合身分辨識。故,本案達到兼具配合活體判別之身分辨識裝置相當創新與配合模糊邏輯進行判別可提高辨識廣度和精確度等優點。
Description
本發明係有關一種心電圖輔助之身分辨識系統,尤指一種兼具配合活體判別之指紋辨識裝置相當創新與配合模糊邏輯進行判別可提高辨識廣度和精確度之心電圖輔助之身分辨識系統。
傳統生物辨識技術至少有下列幾種:光學指紋識別技術:從光學發射裝置發射的光線,射到手指上再反射回機器以獲取數據,並對比資料庫看是否一致。光學識別只能到達皮膚的表皮層,而不能到達真皮層,而且受手指表面是否乾淨影響較大。
電容指紋識別技術:電容感測器識別是安裝兩個具有一定間隔的兩個電容,利用指紋的凹凸,在手指滑過指紋檢測儀器時接通或斷開兩個電容的電流以檢測指紋資料。電容感測器對手指的乾淨要求比較高,而且感測器表面使用矽材料,比較容易損壞。
生物射頻指紋識別技術:以射頻感測器發射微量的射頻信號,穿透手指的表皮層獲取裡層的紋路以獲取信息。這種方法對手指的乾淨程度要求較低。
上述幾種傳統指紋辨識成功率雖高,但無法保證使用者是否
為活體,或指紋是否為他人所盜用,也就是說,違法之徒有可能利用複製的指紋,通過傳統的指紋辨識裝置。
有鑑於此,必需研發出可解決上述習用缺點之技術。
本發明之目的,在於提供一種心電圖輔助之身分辨識系統,其兼具配合活體判別之指紋辨識裝置相當創新與配合模糊邏輯進行判別可提高辨識廣度和精確度等優點。特別是,本發明所欲解決之問題係在於目前尚無心電圖輔助之身分辨識系統等問題。
解決上述問題之技術手段係提供一種心電圖輔助之身分辨識系統,其包括:一心電圖量測模組,係具有一第一手指接觸元件及一第二手指接觸元件;該第一手指接觸元件及該第二手指接觸元件係分別用以接觸一使用者之兩手之手指頭而量測出一心電圖訊號,該心電圖訊號包括至少一個完整之心電訊號週期,該心電訊號週期包含心電圖領域所定義之複數個波形轉折點P、Q、R、S、T;一處理部,係具有:一資料庫,係連結該心電圖量測模組,並用以擷取而儲存該心電圖訊號;一特徵值取得模組,係連結該資料庫,用以擷取該心電訊號週期的平均波形之該波形轉折點P、Q、R、S、T各點之平均電位及平均時間,並計算出各波形轉折點PQ、PR、QR、PS、RS、QS、ST、RT、QT與PT間之平均電位差及平均時間差,而取得三十個元素值,其係被定義為
:平均電位VP、平均電位VQ、平均電位VR、平均電位VS、平均電位VT;平均時間TP、平均時間TQ、平均時間TR、平均時間TS、平均時間TT;平均電位差VPQ、平均電位差VPR、平均電位差VQR、平均電位差VPS、平均電位差VRS、平均電位差VQS、平均電位差VST、平均電位差VPT、平均電位差VQT、平均電位差VPT;平均時間差TPQ、平均時間差TPR、平均時間差TQR、平均時間差TPS、平均時間差TRS、平均時間差TQS、平均時間差TST、平均時間差TRT、平均時間差TQT、平均時間差TPT;前述之三十元素值係儲存回該資料庫中;一判別模組,係連結該資料庫,並內建三十個判別閥值,該三十個判別閥值係分別對應該三十元素值;藉此,當受測者之兩手之手指頭分別接觸該第一、該第二手指接觸元件,該心電圖量測模組測得其心電圖訊號並儲存至該資料庫,該特徵值取得模組擷取該心電圖訊號,並運算而取得該心電圖訊號之相對應的三十元素值,供該判別模組依序與該三十個判別閥值進行比對,當任一元素值不符合相對應之該判別閥值,即判別該受測者與該使用者非同一者;並當三十元素值全符合相對應之該判別閥值,即判別該受測者與該使用者為同一者。
本發明之上述目的與優點,不難從下述所選用實施例之詳細
說明與附圖中,獲得深入瞭解。
茲以下列實施例並配合圖式詳細說明本發明於後:
10‧‧‧心電圖量測模組
11‧‧‧第一手指接觸元件
12‧‧‧第二手指接觸元件
20‧‧‧處理部
21‧‧‧資料庫
22‧‧‧特徵值取得模組
23‧‧‧判別模組
231‧‧‧判別閥值
232‧‧‧比對裝置
80‧‧‧心電圖訊號
81‧‧‧心電訊號週期
90‧‧‧使用者
91‧‧‧手指頭
P、Q、R、S、T‧‧‧波形轉折點
VP、VQ、VR、VS、VT‧‧‧平均電位
TP、TQ、TR、TS、TT‧‧‧平均時間
VPQ、VPR、VQR、VPS、VRS、VQS、VST、VRT、VQT、VPT‧‧‧平均電位差
TPQ、TPR、TQR、TPS、TRS、TQS、TST、TRT、TQT、TPT‧‧‧平均時間差
A1、A2‧‧‧圖形
m1、m2、m3、m4、m5、m6、m7、m8、m9、m10、m11、m12、m13、m14、m15‧‧‧點
第一圖係本發明之示意圖
第二圖係本發明之心電圖訊號之示意圖
第三A圖係第二圖之心電訊號週期之平均電位之波形圖
第三B圖係第二圖之心電訊號週期之平均時間之波形圖
第四A、第四B及第四C圖係分別為本發明之第一歸屬函數、第二歸屬函數、輸出端之歸屬函數之模糊推論之示意圖
第五圖係本發明之一對七人之之比對之圖形
第六圖係本發明之一對四十九人之比對之圖形
第七圖係第五圖之其中一圖形之放大示意圖
參閱第一、第二、第三A及第三B圖,本發明係為一種心電圖輔助之身分辨識系統,其包括:一心電圖量測模組10,係具有一第一手指接觸元件11及一第二手指接觸元件12;該第一手指接觸元件11及該第二手指接觸元件12係分別用以接觸一使用者90之兩手之手指頭91而量測出一心電圖訊號80,該心電圖訊號80包括至少一個完整之心電訊號週期81,該心電訊號週期81包含心電圖領域所定義之複數個波形轉折點P、Q、R、S、T;一處理部20,係具有:
一資料庫21,係連結該心電圖量測模組10,並用以擷取而儲存該心電圖訊號80;一特徵值取得模組22,係連結該資料庫21,用以擷取該心電訊號週期81的平均波形之該波形轉折點P、Q、R、S、T各點之平均電位及平均時間(參閱表1-1、1-2、1-3、2-1、2-2、2-3),並計算出各波形轉折點PQ、PR、QR、PS、RS、QS、ST、RT、QT與PT間之平均電位差及平均時間差,而取得三十個元素值,其係被定義為:平均電位VP、平均電位VQ、平均電位VR、平均電位VS、平均電位VT;平均時間TP、平均時間TQ、平均時間TR、平均時間TS、平均時間TT;平均電位差VPQ、平均電位差VPR、平均電位差VQR、平均電位差VPS、平均電位差VRS、平均電位差VQS、平均電位差VST、平均電位差VRT、平均電位差VQT、平均電位差VPT;平均時間差TPQ、平均時間差TPR、平均時間差TQR、平均時間差TPS、平均時間差TRS、平均時間差TQS、平均時間差TST、平均時間差TRT、平均時間差TQT、平均時間差TPT;前述之三十元素值係儲存回該資料庫21中;一判別模組23,係連結資料庫21,並內建三十個判別閥值231,該三十個判別閥值231係分別對應該三十元素值;藉此,當受測者之兩手之手指頭91(例如左手姆指與右手姆指)分別接觸該第一、該第二手指接觸元件11與12,該心電圖量測模組10
測得其心電圖訊號80並儲存至該資料庫21,該特徵值取得模組22擷取該心電圖訊號80,並運算而取得該心電圖訊號80之相對應的三十元素值,供該判別模組23依序與該三十個判別閥值231進行比對,當任一元素值不符合相對應之該判別閥值231,即判別該受測者與該使用者非同一者;並當三十元素值全符合相對應之該判別閥值231,即判別該受測者與該使用者為同一者。
實務上,該心電圖輔助之身分辨識系統可應用於各式需要門禁管制或電腦啟用控制之領域。
就實際心電圖領域而言,該每一使用者90之心電圖訊號80,皆可以示波器顯示而為連續的複數個心電訊號週期81組成,每一心電訊號週期81皆具有專屬該使用者90之三十元素值。
原則上本案擷取該單一個心電訊號週期81之三十元素值,即可用以進行辨識,然而,若取更多個心電訊號週期81,而將其三十元素值平均,則可改善雜訊斥拒力,提高辨識精密度。
舉例來講,配合下表1-1、1-2及1-3進行說明,以本人坐姿實際量測後的第一元素值為70.8,設定正負20%為上下限(即係數為0.2),則其判別閥值231即介於84.9至56.64之間,計算方式如下:70.8+70.8*0.2=84.9或70.8-70.8*0.2=56.64。
其他二十九個元素值之判別閥值231可依此產生,恕不贅述,當然此係數也可改為0.3、0.5或其他數值,依設定者自行設定,一般介於0.2至0.5間,或經實測後調整。
而當不同時間有一人使用門禁管制或電腦啟用控制時,只要
三十個元素值全部均符合該判別閥值231時,則系統判別為同一人,可開啟門禁;否則判定為不同人,不通過。
關於該判別模組23,也可修改為一模糊轉換裝置,其為雙輸入及單輸出之模糊系統,並包含由複數個第一、第二模糊歸屬函數構成之規則表,如下所述:平均電位VP及平均時間TP輸入後則輸出一第一模糊輸出值,其為X1(參閱下表3-1);平均電位VQ及平均時間TQ輸入後則輸出一第二模糊輸出值,其為X2;平均電位VR及平均時間TR輸入後則輸出一第三模糊輸出值,其為X3;平均電位VS及平均時間TS輸入後則輸出一第四模糊輸出值,其為X4;平均電位VT及平均時間TT輸入後則輸出一第五模糊輸出值,其為X5;平均電位差VPQ及平均時間差TPQ輸入後則輸出一第六糢糊輸出值,其為X6;平均電位差VPR及平均時間差TPR輸入後則輸出一第七糢糊
輸出值,其為X7;平均電位差VQR及平均時間差TQR輸入後則輸出一第八糢糊輸出值,其為X8;平均電位差VPS及平均時間差TPS輸入後則輸出一第九糢糊輸出值,其為X9;平均電位差VRS及平均時間差TRS輸入後則輸出一第十糢糊輸出值,其為X10;平均電位差VQS及平均時間差TQS輸入後則輸出一第十一糢糊輸出值,其為X11(參閱下表3-2);平均電位差VST及平均時間差TST輸入後則輸出一第十二糢糊輸出值,其為X12;平均電位差VRT及平均時間差TRT輸入後則輸出一第十三糢糊輸出值,其為X13;平均電位差VQT及平均時間差TQT輸入後則輸出一第十四糢糊輸出值,其為X14;平均電位差VPT及平均時間差TPT輸入後則輸出一第十五糢糊輸出值,其為X15;X=[x 1 x 2......x 15];另設一容許範圍A;A=[α 1 α 2......α 15];其中α 1至α 15係為第一容許值至第十五容許值;X及A均存於該資料庫21中;
並該判別模組23為模糊控制轉換裝置時,又包括一比對裝置232:其係連結並由該心電圖量測模組10讀入一新的心電圖訊號80,並透過該特徵值取得模組22而計算出一組新的三十元素值;之後,對該比對裝置232輸入該新的三十元素值後得到一組新的規則表,其包括新的十五個糢糊輸出值Y1至Y15;若Y落在X±A之中,則判定為「身分辨識通過」;否則判定為「身分辨識不通過」。
關於下表3-1及表3-2,其係以「使用者坐」(即使用者坐姿)之資料為參考基準,與其比較後之差異。例如:受測者甲之第一模糊輸出值與使用者坐姿時之第一模糊輸出值相減後之結果為-17.37,即以(17.37)表示,而正負之標準值為16.21及-16.21,由於-17.37之絕對值大於16.21,所以算是『不通過』。
關於模糊系統,更詳細的講,參閱下表4-1、第四A、第四B及第四C及第五圖:表4-1
第一輸入歸屬函數包含P1、P2、P3、Z、N1、N2、N3;第二輸入輸歸屬函數包含n1、n2、n3、z、p1、p2、p3;輸出端之歸屬函數包含Po1、Po2、Po3、Zo、No1、No2、No3。
以上歸屬函數的數目可根據需求選用更多(得到較精確的辨識結果)或更少(得到較粗略但可縮短運算時間的辨識結果)個歸屬函數。因演算過程類似恕不贅述。
此外,參閱第五圖,其係為甲、乙、丙、丁、戊、己、「使用者坐」及「使用者站」(依序從上排左至上排右,再從下排左至下排右)共8組,之其與「使用者坐」相減後之第一至第十五模糊輸出值,這15個值,以一點為圓心,每隔24度(即360/15)向外匯出一點,即可形成一差異特徵圖(或稱雷達圖),由15個點(即第七圖中標示之點m1至m15)所構成之多邊形,可方便以視覺來判斷差異大小。
而這8個圖中,由於第7筆為「使用者坐」與「使用者坐」相減之結果,將成為一點(標為A1)。而第一至第六個圖所示之圖形顯示有
相當之差異,而第八個圖之差異相對較小。
再者,如第六圖所示,共有50筆資料,分別代表50個受測者,其中之第七筆為「使用者坐」(使用者自己)。此50筆資料係為與第七筆為「使用者坐」相減後之差值,其中圖形A2為使用者之資料,明顯與其他四十九個不同,足以辨識,且可看出每個人都有自已獨特之圖形。
綜上所述,本創作之優點及功效可歸納為:
[1]可配合活體判別之指紋辨識裝置相當創新。傳統的指紋辨識裝置,並沒有活體的判別機能,也就是說,違法之徒有可能利用複製出來的指紋,即有可能通過傳統的指紋辨識裝置;而本創作以心電圖(Electrocardiogram,簡稱ECG)之量測來進行輔助,配合心電圖特徵之模糊化辨識機制可有效提高安全性。故,可配合活體判別之指紋辨識裝置相當創新。
[2]配合模糊邏輯進行判別可提高辨識廣度和精確度。本發明以模糊邏輯設計人體心電圖為基礎的身分辨識系統,可以適用人體心電圖訊號因為姿態或體能狀態不同而致太大的變異。因為模糊邏輯具有較佳的強健性,所以適用ECG辨識系統變異較大的問題。而且可隨時增加外來考量因素,也就是增加輸入研判因素的數目以提昇辨識的廣度和精準度。故,配合模糊邏輯進行判別可提高辨識的廣度和精確度。
以上僅是藉由較佳實施例詳細說明本發明,對於該實施例所做的任何簡單修改與變化,皆不脫離本發明之精神與範圍。
10‧‧‧心電圖量測模組
11‧‧‧第一手指接觸元件
12‧‧‧第二手指接觸元件
20‧‧‧處理部
21‧‧‧資料庫
22‧‧‧特徵值取得模組
23‧‧‧判別模組
231‧‧‧判別閥值
232‧‧‧比對裝置
90‧‧‧使用者
91‧‧‧手指頭
Claims (4)
- 一種心電圖輔助之身分辨識系統,係包括:一心電圖量測模組,係具有一第一手指接觸元件及一第二手指接觸元件;該第一手指接觸元件及該第二手指接觸元件係分別用以接觸一使用者之兩手之手指頭而量測出一心電圖訊號,該心電圖訊號包括至少一個完整之心電訊號週期,該心電訊號週期包含心電圖領域所定義之複數個波形轉折點P、Q、R、S、T;一處理部,係具有:一資料庫,係連結該心電圖量測模組,並用以擷取而儲存該心電圖訊號;一特徵值取得模組,係連結該資料庫,用以擷取該心電訊號週期的平均波形之該波形轉折點P、Q、R、S、T各點之平均電位及平均時間,並計算出各波形轉折點PQ、PR、QR、PS、RS、QS、ST、RT、QT與PT間之平均電位差及平均時間差,而取得三十個元素值,其係被定義為:平均電位VP、平均電位VQ、平均電位VR、平均電位VS、平均電位VT;平均時間TP、平均時間TQ、平均時間TR、平均時間TS、平均時間TT;平均電位差VPQ、平均電位差VPR、平均電位差VQR、平均電位差VPS、平均電位差VRS、平均電位差VQS、平均電位差VST、平均電位差VRT、平均電位差VQT、平均電位差VPT; 平均時間差TPQ、平均時間差TPR、平均時間差TQR、平均時間差TPS、平均時間差TRS、平均時間差TQS、平均時間差TST、平均時間差TRT、平均時間差TQT、平均時間差TPT;前述之三十元素值係儲存回該資料庫中;一判別模組,係連結該資料庫,並內建三十個判別閥值,該三十個判別閥值係分別對應該三十元素值;藉此,當受測者之兩手之手指頭分別接觸該第一、該第二手指接觸元件,該心電圖量測模組測得其心電圖訊號並儲存至該資料庫,該特徵值取得模組擷取該心電圖訊號,並運算而取得該心電圖訊號之相對應的三十元素值,供該判別模組依序與該三十個判別閥值進行比對,當任一元素值不符合相對應之該判別閥值,即判別該受測者與該使用者非同一者;並當三十元素值全符合相對應之該判別閥值,即判別該受測者與該使用者為同一者。
- 如申請專利範圍第1項所述之心電圖輔助之身分辨識系統,其中,該心電圖輔助之身分辨識系統係應用於各式需要門禁管制或電腦啟用控制之領域。
- 如申請專利範圍第1項所述之心電圖輔助之身分辨識系統,其中,該每一使用者之心電圖訊號,係為連續的複數個心電訊號週期組成,每一心電訊號週期皆具有專屬該使用者之三十元素值。
- 如申請專利範圍第1項所述之心電圖輔助之身分辨識系統,其中:該判別模組係為模糊控制轉換裝置,其為雙輸入及單輸出之模糊系統,並包含由複數個第一、第二模糊歸屬函數構成之規則表,如下所 述:平均電位VP及平均時間TP輸入後則輸出一第一模糊輸出值,其為X1;平均電位VQ及平均時間TQ輸入後則輸出一第二模糊輸出值,其為X2;平均電位VR及平均時間TR輸入後則輸出一第三模糊輸出值,其為X3;平均電位VS及平均時間TS輸入後則輸出一第四模糊輸出值,其為X4;平均電位VT及平均時間TT輸入後則輸出一第五模糊輸出值,其為X5;平均電位差VPQ及平均時間差TPQ輸入後則輸出一第六糢糊輸出值,其為X6;平均電位差VPR及平均時間差TPR輸入後則輸出一第七糢糊輸出值,其為X7;平均電位差VQR及平均時間差TQR輸入後則輸出一第八糢糊輸出值,其為X8;平均電位差VPS及平均時間差TPS輸入後則輸出一第九糢糊輸出值,其為X9;平均電位差VRS及平均時間差TRS輸入後則輸出一第十糢糊輸出值,其為X10;平均電位差VQS及平均時間差TQS輸入後則輸出一第十一糢糊輸出值 ,其為X11;平均電位差VST及平均時間差TST輸入後則輸出一第十二糢糊輸出值,其為X12;平均電位差VRT及平均時間差TRT輸入後則輸出一第十三糢糊輸出值,其為X13;平均電位差VQT及平均時間差TQT輸入後則輸出一第十四糢糊輸出值,其為X14;平均電位差VPT及平均時間差TPT輸入後則輸出一第十五糢糊輸出值,其為X15;X=[x 1 x 2......x 15];另設一容許範圍A;A=[α 1 α 2......α 15];其中α 1至α 15係為第一容許值至第十五容許值;X及A均存於該資料庫中;並當該判別模組為模糊轉換裝置時,又包括一比對裝置:其係連結並由該心電圖量測模組讀入一新的心電圖訊號,並透過該特徵值取得模組而計算出一組新的三十元素值;之後,對該比對裝置輸入該新的三十元素值後得到一組新的規則表,其包括新的十五個糢糊輸出值Y1至Y15;若Y落在X±A之中,則判定為身分辨識通過;否則判定為身分辨識不通過。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
TW103145025A TWI555507B (zh) | 2014-12-23 | 2014-12-23 | 心電圖輔助之身分辨識系統 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
TW103145025A TWI555507B (zh) | 2014-12-23 | 2014-12-23 | 心電圖輔助之身分辨識系統 |
Publications (2)
Publication Number | Publication Date |
---|---|
TW201622645A true TW201622645A (zh) | 2016-07-01 |
TWI555507B TWI555507B (zh) | 2016-11-01 |
Family
ID=56984386
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
TW103145025A TWI555507B (zh) | 2014-12-23 | 2014-12-23 | 心電圖輔助之身分辨識系統 |
Country Status (1)
Country | Link |
---|---|
TW (1) | TWI555507B (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110167430A (zh) * | 2016-11-15 | 2019-08-23 | 阿维德心脏股份有限公司 | 生命指征监测装置、系统、和方法 |
Family Cites Families (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101773394B (zh) * | 2010-01-06 | 2011-09-07 | 中国航天员科研训练中心 | 身份识别方法及应用该方法的身份识别系统 |
TWM453912U (zh) * | 2012-12-05 | 2013-05-21 | Nat Univ Chung Hsing | 具有心電圖輔助之指紋辨識器 |
-
2014
- 2014-12-23 TW TW103145025A patent/TWI555507B/zh not_active IP Right Cessation
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110167430A (zh) * | 2016-11-15 | 2019-08-23 | 阿维德心脏股份有限公司 | 生命指征监测装置、系统、和方法 |
Also Published As
Publication number | Publication date |
---|---|
TWI555507B (zh) | 2016-11-01 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US9400880B2 (en) | Method and apparatus for biometric-based security using capacitive profiles | |
Nguyen et al. | Robust biometric recognition from palm depth images for gloved hands | |
US9851834B2 (en) | Time domain differential techniques to characterize various stimuli | |
CN104021377B (zh) | 一种互电容式掌纹识别方法、装置和触摸屏 | |
CN103315744A (zh) | 一种手部震颤检测方法 | |
KR102570385B1 (ko) | 사용자 접속 허용 여부를 결정하기 위한 방법 및 전자 디바이스 | |
Ghaderyan et al. | Neurodegenerative diseases detection using distance metrics and sparse coding: A new perspective on gait symmetric features | |
Huang et al. | Hybrid intelligent methods for arrhythmia detection and geriatric depression diagnosis | |
Zhang et al. | In-vivo skin capacitive image classification using AlexNet convolution neural network | |
Chakraborty et al. | Biometric analysis using fused feature set from side face texture and electrocardiogram | |
TWI555507B (zh) | 心電圖輔助之身分辨識系統 | |
Goñi et al. | Smartphone-based digital biomarkers for Parkinson’s disease in a remotely-administered setting | |
CN102622039A (zh) | 基于自然接触传感器的智能控制手柄及其应用 | |
Mancilla-Palestina et al. | Embedded system for bimodal biometrics with fiducial feature extraction on ecg and ppg signals | |
Stefanou et al. | Tactile signatures and hand motion intent recognition for wearable assistive devices | |
Xie et al. | Fingerprint quality analysis and estimation for fingerprint matching | |
Dürichen et al. | Prediction of electrocardiography features points using seismocardiography data: a machine learning approach | |
Su et al. | Doctor robot with physical examination for skin disease diagnosis and telemedicine application | |
Haibing et al. | A method of continuous wavelet transform for qrs wave detection in ecg signal | |
Ferdinando et al. | Bivariate empirical mode decomposition for ECG-based biometric identification with emotional data | |
CN108594937B (zh) | 便携式终端 | |
Likitlersuang et al. | Arm angle detection in egocentric video of upper extremity tasks | |
Krishnan et al. | Abnormal gait detection using lean and ramp angle features | |
Hinatsu et al. | Basic study on presentation attacks against biometric authentication using photoplethysmogram | |
SeungGwan et al. | Pupil Segmentation Using Orientation Fields, Radial Non-Maximal Suppression and Elliptic Approximation. |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
MM4A | Annulment or lapse of patent due to non-payment of fees |