基于单导联的心电信号身份识别技术
王雪婷 张烨菲 张显飞 赵治栋
随着国家、企业和个人对信息安全领域的愈发重视,基于心电(Electrocardiogram,ECG)信号的身份识别技术因具备活体识别的高防伪性引起了人们的关注。为了实现快捷、高效的个体识别率,构建了基于卷积神经网络的深度迁移识别模型。首先对原始心电信号进行质量等级评估,剔除影响识别结果的较差信号;其次将质量合格的一维心电信号转化为二维ECG轨迹图作为网络层的输入;最后利用GoogleNet网络模型实现对ECG轨迹图的迁移学习,并在MIT-BIH Arrhythmia Database数据库上获得了97.87%的识别准确度。结果表明,提出的识别算法对单导联心电信号具有较高准确率的识别效果。