Abstract: I. B. Ciocoiu, N. Cleju (2020)

Targeting off-person ECG-based biometrics, we report a comparative analysis of identification accuracy and verification Equal Error Rate (EER) performances of four distinct types of spatial representations of ECG signals applied as inputs to Convolutional Neural Networks. The actual algorithms used to transform the original time series into 2D/3D images are based on a modified version of the Continuous Wavelet Transform (the S-Transform), the Gramian Angular Field, the recurrence plot, and state-space representations. Extensive experiments have been conducted using UofT and CYBHI datasets including recordings acquired on fingers and hand palm under various activity scenarios. The wavelet-based approach yielded best results, while all analyzed solutions compare favorably with previously reported performances.

Please note: The abstracts of the bibliography database may underly other copyrights.

Ihr Browser versucht gerade eine Seite aus dem sogenannten Internet auszudrucken. Das Internet ist ein weltweites Netzwerk von Computern, das den Menschen ganz neue Möglichkeiten der Kommunikation bietet.

Da Politiker im Regelfall von neuen Dingen nichts verstehen, halten wir es für notwendig, sie davor zu schützen. Dies ist im beidseitigen Interesse, da unnötige Angstzustände bei Ihnen verhindert werden, ebenso wie es uns vor profilierungs- und machtsüchtigen Politikern schützt.

Sollten Sie der Meinung sein, dass Sie diese Internetseite dennoch sehen sollten, so können Sie jederzeit durch normalen Gebrauch eines Internetbrowsers darauf zugreifen. Dazu sind aber minimale Computerkenntnisse erforderlich. Sollten Sie diese nicht haben, vergessen Sie einfach dieses Internet und lassen uns in Ruhe.

Die Umgehung dieser Ausdrucksperre ist nach §95a UrhG verboten.

Mehr Informationen unter www.politiker-stopp.de.

Off-Person ECG Biometrics Using Spatial Representations and Convolutional Neural Networks