Dissertação
{pt=Biometrical and Psychophysiological Assessment through Biosensors} {} EVALUATED
{pt=O reconhecimento de padrões é crucial nas interações humanas. Permite, por exemplo, o reconhecimento da identidade e das reações de outros. Com um uso crescente de sistemas de controlo e tecnologias de informação, tornou-se vantajoso que esses sistemas sejam capazes de fazer reconhecimento biométrico e psicofisiológico. Neste trabalho, é criada uma metodologia de suporte aos referidos reconhecimentos usando dados fisiológicos. Um método de extração de características e de classificação foi desenvolvido e diversos parâmetros de configuração do algoritmo foram minuciosamente estudados. Para reconhecimento biométrico, é proposto um método parcialmente fiducial usando o sinal eletrocardiográfico (ECG). Para a segmentação do sinal de ECG em batimentos cardíacos, aplica-se um método fiducial que deteta os picos R, usando-os para referência de alinhamento. Para extração de características, aplica-se um método baseado em Análise de Componentes Principais (PCA). Finalmente, usa-se a distância Euclideana e um classificador K-Vizinhos mais próximos (k-NN) para identificação; para autenticação são usadas a distância Euclideana e curva ROC. Obtiveram-se erros de 0% e 0.3% para identificação e autenticação, respetivamente. Para a avaliação psicofisiológica,são feitos dois estudos – classificação de emoções e de grupos populacionais (toxicodependentes vs. controlo) – usando aquisições de sinais BVP, EDA e respiratório. Faz-se uma extração fiducial de características e aplicam-se dois métodos de classificação. O primeiro usa o PCA para conversão das características para um novo espaço, seguindo-se uma classificação com k-NN. O segundo usa apenas k-NN. Embora a classificação de emoções não permita a discriminação entre diferentes respostas emocionais,foi possível distinguir populações com erro de 0%., en=Pattern recognition is crucial in human interactions. It allows, for example, recognition of others’ identity and reactions to one’s actions. With the increasing use of control systems and information technologies in everyday life, it has become advantageous for those systems to be capable of doing human biometrical and psychophysiological recognition. This work develops a framework methodology for the mentioned recognition through physiological data. Both feature extraction and classification methods were proposed and developed, and different configurations of algorithmic and proposed system parameters were thoroughly studied. For biometric recognition, a partially fiducial method using the ECG is proposed. For the segmentation of the ECG signal into heartbeats, a fiducial method is applied in which the R peak is detected and used for alignment. For feature extraction, a non-fiducial method based on Principal Components Analysis (PCA) is applied. Finally, Euclidean distance and K-Nearest Neighbours (k-NN) classifier are used for identification; for authentication Euclidean distance and ROC curve are used. Ultimately, 0% and 0.3% errors are achieved for identification and authentication, respectively. In psychophysiological evaluation, two studies are presented – emotion evaluation and population group classification (drug abusers vs. control) – using BVP, EDA and respiratory signal acquisitions. Fiducial feature extraction is performed and two classification methods are applied. The first uses PCA for conversion of features to a new space, followed by a K-NN classification. The second used the K-NN classifier with no feature conversion.Emotion assessment from the data wasn’t successful; however, the distinction between population groups achieved a 0% error.}
novembro 21, 2012, 14:30
Publicação
Obra sujeita a Direitos de Autor
Orientação
ORIENTADOR
Departamento de Engenharia Electrotécnica e de Computadores (DEEC)
Professor Auxiliar