EEG biometric identification: repeatability and influence of movement-related EEG

Kód výsledku v IS VaVaI

<a href="https://www.isvavai.cz/riv?ss=detail&h=RIV%2F68407700%3A21230%2F12%3A00194645" target="_blank" >RIV/68407700:21230/12:00194645 - isvavai.cz</a>

Výsledek na webu

—

DOI - Digital Object Identifier

—

Jazyk výsledku

angličtina

Název v původním jazyce

EEG biometric identification: repeatability and influence of movement-related EEG

Popis výsledku v původním jazyce

This paper describes use of EEG signal as biometric characteristic for person identification. We focus on the problem of repeatability of the identification process, and influence of the movement-related EEG on results of identification. Used database ofEEG signals consists of two sessions, obtained approximately one year apart. We use frequency-Zooming Auto-Regression modeling and Mahalanobis distance-based classifier for classification of EEG segments, which leads to subject identification with success rate for single session identification up to 98%. When the earlier session is used for classifier training and the later session for testing, the highest success rate with our identification algorithm is 87.1%. Experiments show that use of the movement-related EEG leads to better identification results.

Název v anglickém jazyce

EEG biometric identification: repeatability and influence of movement-related EEG

Popis výsledku anglicky

This paper describes use of EEG signal as biometric characteristic for person identification. We focus on the problem of repeatability of the identification process, and influence of the movement-related EEG on results of identification. Used database ofEEG signals consists of two sessions, obtained approximately one year apart. We use frequency-Zooming Auto-Regression modeling and Mahalanobis distance-based classifier for classification of EEG segments, which leads to subject identification with success rate for single session identification up to 98%. When the earlier session is used for classifier training and the later session for testing, the highest success rate with our identification algorithm is 87.1%. Experiments show that use of the movement-related EEG leads to better identification results.

Druh

D - Stať ve sborníku

CEP obor

JA - Elektronika a optoelektronika, elektrotechnika

OECD FORD obor

—

Projekt

—

Návaznosti

S - Specificky vyzkum na vysokych skolach

Rok uplatnění

2012

Kód důvěrnosti údajů

S - Úplné a pravdivé údaje o projektu nepodléhají ochraně podle zvláštních právních předpisů

Název statě ve sborníku

2012 International Conference on Applied Electronics

ISBN

978-80-261-0038-6

ISSN

1803-7232

e-ISSN

—

Počet stran výsledku

4

Strana od-do

147-150

Název nakladatele

University of West Bohemia

Místo vydání

Pilsen

Místo konání akce

Plzeň

Datum konání akce

6. 9. 2012

Typ akce podle státní příslušnosti

EUR - Evropská akce

Kód UT WoS článku

—