Título
Análisis de características estadísticamente significativas en el dominio temporal de señales ECG y PPG para identificación biométrica bimodal
Autor
Denisse Escarlette Mancilla Palestina
Colaborador
JUAN MANUEL RAMIREZ CORTES (Asesor de tesis)
Nivel de Acceso
Acceso Abierto
Materias
ANOVA - (INSPEC) Electrocardiographic - (INSPEC) Pletismographic - (INSPEC) Bimodal biometrics - (INSPEC) Feature Extraction - (INSPEC) Classification - (INSPEC) Matrix of confusion - (INSPEC) ROC curve - (INSPEC) CIENCIAS FÍSICO MATEMÁTICAS Y CIENCIAS DE LA TIERRA - (CTI) FÍSICA - (CTI) ELECTRÓNICA - (CTI) ELECTRÓNICA - (CTI)
Resumen o descripción
El reconocimiento biométrico ha sido utilizado entre los seres humanos desde la antigüedad utilizando rasgos biométricos como la cara y la voz para reconocerse unos a otros. Actualmente es utilizada en distintos sectores para controlar el acceso de personas a instalaciones, países e incluso servicios, así como registro de asistencia a trabajadores en empresas, utilizando una amplia gama de rasgos biométricos y buscando siempre que sea un sistema seguro y eficaz. Para utilizar dichos rasgos biométricos es necesario extraer sus características, en la literatura existen diversas técnicas de extracción de características para señales biológicas, entre tanta variedad al elegirlas estas suelen ser redundantes por lo que es importante poder tener una selección con las que sean estadísticamente significativas. En este escrito el objetivo es analizar las técnicas de extracción de características estadísticamente significativas utilizando análisis de la varianza (ANOVA), extraídas en el dominio temporal de las señales electrocardiográfica (ECG) y fotopletismográfica de pulso (PPG), para identificar personas por biometría bimodal, utilizando como clasificador el algoritmo de alineamiento temporal dinámico (DTW). Las técnicas de extracción de características consideradas inicialmente formaron un vector de longitud 18, tales técnicas fueron optimizadas a través de análisis de la varianza (ANOVA) y análisis ex-post de comparación múltiple Tukey con lo cual fue posible reducir la longitud del vector de 18 a 5 técnicas estadísticamente significativas. La evaluación del sistema biométrico se llevo a cabo utilizando matriz de confusión y curva ROC obteniendo como resultados para el sistema optimizado una exactitud de 99.55 %, precisión de 87.02 %, sensibilidad de 89.98 %, especificidad de 99.74 %, tasa de falsos positivos de 0.25 %, tasa de falsos negativos de 10.01 %, índice de Youden 0.8448, área bajo la curva ROC de 0.9743 y una tasa de igual error de 7.76%. De igual forma el sistema fue evaluado de forma unimodal con las señales ECG, PPG y la suma de ellas, así como de forma bimodal mostrando un mejor comportamiento al ser evaluado de forma bimodal.
Editor
Instituto Nacional de Astrofísica, Óptica y Electrónica.
Fecha de publicación
agosto de 2019
Tipo de publicación
Tesis de maestría
Versión de la publicación
Versión aceptada
Recurso de información
Formato
application/pdf
Idioma
Español
Audiencia
Estudiantes
Investigadores
Público en general
Sugerencia de citación
Mancilla Palestina, D. E., (2019), Análisis de características estadísticamente significativas en el dominio temporal de señales ECG y PPG para identificación biométrica bimodal, Tesis de Maestría, Instituto Nacional de Astrofísica, Óptica y Electrónica.
Repositorio Orígen
Repositorio Institucional del INAOE
Descargas
527