.png){kind=icon}
返回
Electrocardiogram-Based Driver Authentication Using Autocorrelation and Convolutional Neural Network Techniques
.png){kind=icon}
OA
AI
DOI：10.3390/electronics13244974.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
本研究提出了一种新型驾驶员认证系统，利用通过集成在方向盘上的干电极采集的心电图（ECG）信号。传统的生物特征认证方法易受环境变化影响且易被复制，但本研究通过利用ECG信号的独特特征和防伪造性来解决这些问题。所提出的系统采用自相关剖面（ACPs）和卷积神经网络设计，并针对即使在受限硬件环境中的实时处理进行了优化。此外，应用了先进的信号处理算法来优化ECG数据并减少驾驶环境中的噪声。该系统的性能通过包含154名参与者的公开数据集和包含10名参与者的真实世界数据集进行了评估，分别实现了96.8%和96.02%的F1分数。此外，还进行了消融研究以分析自相关剖面（ACPs）、归一化和滤波等组件的重要性。当所有组件被移除时，F1分数降至60.1%，表明每个组件的关键作用。这些发现强调了所提出系统在车辆环境以及各种安全应用中实现高精度和高效性的潜力。
Keyword:
individual authentication
biometric
electrocardiogram
autocorrelation template
期刊
IF:
2.6
论文数:
1.1W
被引数:
4.7W
机构
引用论文
A Comparative Study on Gesture Recognition Systems for Car Infotainment Systems车载信息娱乐系统手势识别系统的比较研究
PREAI
分享收藏分享收藏An EigenECG Network Approach Based on PCANet for Personal Identification from ECG Signal.png)
SENSORS
OAAI
SENSORSIF3.5
OAAI分享收藏
查看更多内容