В настоящее время используют такие биометрические характеристики, как отпечаток пальца, лицо, радужная оболочка, геометрия ладони, голос, ДНК, термограмма лица, подпись, походка, форма губ и т. д. [3, 4, 5, 6, 7, 8, 9, 10, 11, 12]. Преимущества и недостатки данных характеристик связаны с параметрами, перечисленными выше [13]. Так, например, при идентификации или верификации по ДНК почти невозможно совершить ошибку, а образцы можно использовать и в криминалистике, однако этот метод требует специального лабораторного оборудования. Аналогично с отпечатками пальцев: несмотря на то, что прибор для регистрации может быть достаточно миниатюрным в отличие от используемого при определении по ДНК, отпечатки со временем или под действием других факторов могут измениться. Таким образом, применение различных биометрических идентификаторов определяется в первую очередь целями, а также ограничениями и ресурсами в рамках конкретной задачи.

В последнее время ученые сосредоточены на разработке нового вида биометрического распознавания, а именно на такой физиологической характеристике человека, как электрическая активность сердца. В частности, электрокардиограмма (ЭКГ) становится подходящим методом для приложений, требующих защиты средней степени, в связи с простотой получения сигнала и его дешевизной, а также сложностью подделки и недобровольного извлечения. Индивидуальность ЭКГ складывается под влиянием различных физиологических факторов, таких как анатомия сердца, вес, пол, размер грудной клетки, возраст, состояние здоровья и других. Со временем или под действием болезней сердца его электрическая активность меняется, и в качестве долгосрочного биометрического параметра использовать ЭКГ не представляется разумным. Так, например, канадская компания Bionym анонсировала разработку электронного браслета Nymi, который будет снимать электрокардиограмму с пользователя каждый день, верифицировать его и допускать до определенных объектов инфраструктуры (мобильный телефон, компьютер, номер в отеле, машина и т. п.). В целях идентификации наиболее вероятно применение ЭКГ при работе с различными базами данных — развитие телемедицинских технологий позволяет накапливать огромные массивы информации, в том числе данных ЭКГ пациентов. В случаях, когда операторы или врачи некорректно заполняют данные о пациенте (неточно указывают фамилию, год рождения и т. д.), идентификация подобных записей позволила бы лучше следить за динамикой болезни пациентов.

Еще одна возможная сфера применения находится на пересечении небольшого и постоянного числа пользователей определенных приборов для снятия ЭКГ: например, в различных медицинских учреждениях для удобства пациентам достаточно будет просто снять ЭКГ, а идентификационная система сама решит, кто именно сделал запись. Идентификация также способна облегчить пользование приборами для снятия ЭКГ дома: на рынок уже вышли гаджеты в виде чехла к телефону, способные снимать электрическую активность сердца пациента и отправлять ее врачу по сети Интернет.

Ниже будут рассмотрены основные принципы построения биометрических идентификационных систем, различные подходы к идентификации человека по ЭКГ. Описано разнообразие математических аппаратов. Представлены результаты основных работ.

Формирование сигнала ЭКГ

Электрокардиограмма — кривая изменения во времени суммарного электрического потенциала, возникающего в сердечной мышце за счет движения ионов через мышечную мембрану [3]. В практической медицине метод ЭКГ относят к одному из самых распространенных, что объясняется не только количеством сердечно-сосудистых заболеваний, но и высокой степенью информативности и верного диагностирования заболевания.

В кардиологической практике ЭКГ чаще всего измеряется в нескольких отведениях, которые несут информацию о разности потенциалов между двумя определенными точками электрического поля сердца с установленными в них электродами. Каждое из отведений преимущественно отражает состояние участков сердечной мышцы определенной локализации.

Основные принципы построения систем идентификации человека по ЭКГ

Процессу идентификации присущи следующие стадии:

• сбор исходных данных;
• предобработка сигнала (фильтрация и т. д.);
• извлечение характерных признаков, их обработка и создание шаблона;
• сравнение поступающего шаблона с базой данных сформированных шаблонов.

После этого принимают решение об идентификации, используя разнообразные алгоритмы классификации.

Однако самая трудная проблема при идентификации — это выделение признаков, которые действительно характеризуют объект. Именно здесь исследователи используют различные подходы. Основной метод состоит в том, что множество таких признаков (дескрипторов) формирует вектор, который можно сравнивать с другими, используя различные математические методы.

Существуют подходы, основанные на выделении таких параметров, как амплитуды, углы, вертикальные и горизонтальные составляющие сегментов ЭКГ-сигнала [15, 16].

Другой подход связан с выделением аналитических признаков, в качестве которых выступают коэффициенты разложения сигнала в различных базисах: Фурье [17], вейвлеты, коэффициенты линейного предсказания [18] и т. д.

На самом этапе идентификации применяют стандартные методы классификации. Самый простой из них — метод «к ближайшему центру». Он помечает новый входной вектор признаков меткой того класса, который дает минимальное расстояние до центра этого класса. Другой распространенный метод — «К-ближайших соседей» — основан на принципе присвоения объекта самому распространенному классу среди соседей данного элемента. Для распознавания также часто используют метод опорных векторов и нейронные сети [19].

Сравнение и результаты

Одной из первых научных работ, показавшей возможность использования ЭКГ в целях идентификации, стала статья коллектива авторов под руководством L. Biel [15]. В ходе экспериментов на 20 здоровых испытуемых было продемонстрировано, что для качественной идентификации при снятии ЭКГ достаточно использовать одно отведение из стандартных двенадцати.