Makine Öğrenimi Modellerini Kullanan EMG Tabanlı Biyometrik Yaklaşımlar: Kısa Derleme
DOI:
https://doi.org/10.5281/zenodo.8070742Anahtar Kelimeler:
EMG- Biometrik- Makine Öğrenmesi- DerlemeÖz
Biyometrik tanıma sistemleri, bir bireyi vücudunun benzersiz özelliklerine göre tanıyan bir teknoloji sunar.
Bu teknoloji, bir kişinin fiziksel özelliklerini analiz ederek ve veri tabanında depolanan ana bilgisayar
verileriyle eşleşip eşleşmediğini belirleyerek ana bilgisayarın kimliğini doğrulamaktadır. Örneğin, kimlik
doğrulama sistemleri, parmak izi veya iris deseni veya ana bilgisayarın yüz şekli gibi özellikleri analiz eder.
Bununla beraber kullanıcının akıllı telefonuna entegre edilmiş bir ivmeölçer kullanılarak yürüyüşü analiz
edilerek veya sesin karakteristik frekansı analiz edilerek bir kişinin kimliği doğrulanabilmektedir. Son
yıllardaki en umut verici biyometrik teknoloji, elektromiyogram (EMG) sinyalleri gibi kas hareketi
sinyalininin kullanılmasıdır. Bu yöntem, EMG sinyallerinin morfolojik özelliklerini analiz ederek gerçek
zamanlı kimlik doğrulamayı sağlamaktadır. Böylece bilgisayar korsanlığı gibi durumları önlediği için
biyometrik teknoloji alanında önemli bir gelişme potansiyeline sahiptir. Bu literatür özetinde EMG tabanlı
biometrik çalışmalar anlatılmıştır.
Referanslar
X. Jiang et al., “Neuromuscular Password-Based User Authentication,” IEEE Trans. Ind. Informatics, vol. 17, no. 4, pp. 2641–2652, Apr. 2021, doi: 10.1109/TII.2020.3001612.
J.-S. Kim, M.-G. Kim, and S.-B. Pan, “Two-Step Biometrics Using Electromyogram Signal Based on Convolutional Neural Network-Long Short Term Memory Networks,” Appl. Sci., vol. 11, no. 15, p. 6824, Jul. 2021, doi: 10.3390/app11156824.
L. Lu, J. Mao, W. Wang, G. Ding, and Z. Zhang, “A Study of Personal Recognition Method Based on EMG Signal,” IEEE Trans. Biomed. Circuits Syst., vol. 14, no. 4, pp. 681–691, Aug. 2020, doi: 10.1109/TBCAS.2020.3005148.
Y. LeCun, Y. Bengio, and G. Hinton, “Deep learning,” Nature, vol. 521, no. 7553, pp. 436–444, May 2015, doi: 10.1038/nature14539.
S. Venugopalan, F. Juefei-Xu, B. Cowley, and M. Savvides, “Electromyograph and keystroke dynamics for spoof-resistant biometric authentication,” in 2015 IEEE Conference on Computer Vision and Pattern Recognition Workshops (CVPRW), Jun. 2015, pp. 109–118, doi: 10.1109/CVPRW.2015.7301326.
S. Shin, J. Jung, and Y. T. Kim, “A study of an EMG-based authentication algorithm using an artificial neural network,” in 2017 IEEE SENSORS, Oct. 2017, pp. 1–3, doi: 10.1109/ICSENS.2017.8234158.
L. Lu, J. Mao, W. Wang, G. Ding, and Z. Zhang, “An EMG-Based Personal Identification Method Using Continuous Wavelet Transform and Convolutional Neural Networks,” in 2019 IEEE Biomedical Circuits and Systems Conference (BioCAS), Oct. 2019, pp. 1–4, doi: 10.1109/BIOCAS.2019.8919230.
R. Shioji, S. Ito, M. Ito, and M. Fukumi, “Personal Authentication and Hand Motion Recognition based on Wrist EMG Analysis by a Convolutional Neural Network,” in 2018 IEEE International Conference on Internet of Things and Intelligence System (IOTAIS), Nov. 2018, pp. 184–188, doi: 10.1109/IOTAIS.2018.8600826.
M. Lee, J. Ryu, and I. Youn, “Biometric personal identification based on gait analysis using surface EMG signals,” in 2017 2nd IEEE International Conference on Computational Intelligence and Applications (ICCIA), Sep. 2017, pp. 318–321, doi: 10.1109/CIAPP.2017.8167230.
S. Morikawa, S. Ito, M. Ito, and M. Fukumi, “Personal Authentication by Lips EMG Using Dry Electrode and CNN,” in 2018 IEEE International Conference on Internet of Things and Intelligence System (IOTAIS), Nov. 2018, pp. 180–183, doi: 10.1109/IOTAIS.2018.8600859.
Q. Li, P. Dong, and J. Zheng, “Enhancing the Security of Pattern Unlock with Surface EMG-Based Biometrics,” Appl. Sci., vol. 10, no. 2, p. 541, Jan. 2020, doi: 10.3390/app10020541.
M. U. Khan, Z. A. Choudry, S. Aziz, S. Z. H. Naqvi, A. Aymin, and M. A. Imtiaz, “Biometric Authentication based on EMG Signals of Speech,” in 2020 International Conference on Electrical, Communication, and Computer Engineering (ICECCE), Jun. 2020, pp. 1–5, doi: 10.1109/ICECCE49384.2020.9179354.
N. Belgacem, R. Fournier, A. Nait-Ali, and F. Bereksi-Reguig, “A Novel Biometric Authentication Approach using ECG and EMG signals,” J. Med. Eng. Technol., vol. 39, no. 4, pp. 226–238, May 2015, doi: 10.3109/03091902.2015.1021429.
Yayınlanmış
Sayı
Bölüm
Lisans
Telif Hakkı (c) 2022 AINTELIA Science Notes Journal
Bu çalışma Creative Commons Attribution-NonCommercial 4.0 International License ile lisanslanmıştır.
TELİF HAKKI BİLDİRİMİ
Makale gönderen yazarlar, makaleleri yayınlanmak üzere kabul edildiğinde, makalenin telif hakkının Aintelia® Science Notes Journal (ASNJ)'a devredileceğini kabul ederler.
Yazarlar, çalışmalarını göndererek aşağıdaki şartları kabul ederler:
- Telif Hakkı Devri: Yayınlanan makalenin telif hakkı Aintelia® Science Notes Journal'a devredilir. Dergi, çalışmayı yayınlama, çoğaltma, dağıtma ve arşivleme hakkını saklı tutar.
- Lisanslama: Dergi telif hakkını elinde tutarken, makale Creative Commons Attribution-NonCommercial 4.0 International License (CC BY-NC 4.0) lisansı altında lisanslanmıştır. Üçüncü şahısların, orijinal çalışma ve dergi uygun şekilde alıntılanmak kaydıyla, çalışmayı ticari olmayan amaçlarla paylaşmasına ve uyarlamasına izin vermektedir.
- Yazar Hakları: Yazarlar, dergi orijinal yayıncı olarak belirtildiği sürece, makalelerini tez veya bitirme tezine dahil etmek, konferanslarda sunmak veya eğitim amaçlı olarak öğrencilere dağıtmak gibi kendi akademik ihtiyaçları için kullanma hakkı saklıdır.
