專利名稱：基于視覺誘發(fā)p3腦電的身份識別的制作方法
技術(shù)領(lǐng)域：
本發(fā)明屬于腦電的身份識別技術(shù)領(lǐng)域，特別是基于視覺誘發(fā)P3腦電的身份識別。
背景技術(shù)：
P3自Sutton等人發(fā)現(xiàn)后，便引起了人們廣泛的注意，被認為是了解認知神經(jīng)基礎(chǔ)的最主要信息來源和評價腦功能狀態(tài)的客觀指標，是“窺視”心理活動內(nèi)容的一個“窗口 ”。 因為最初發(fā)現(xiàn)是出現(xiàn)在刺激后300ms左右，因而也將這種成分叫做P300。在發(fā)現(xiàn)P3之后， 人們很快對它的相關(guān)心理因素進行了大量研究，使P3成為事件相關(guān)電位(ERP)中研究量最大、研究持續(xù)時間最長、應(yīng)用最廣的成分。P3最初是由經(jīng)典的Oddball實驗范式誘發(fā)產(chǎn)生的，其基本原理是對同一感覺通路的一系列刺激由兩種刺激組成，一種刺激出現(xiàn)的概率較大(如85% )，稱為標準刺激；另一種刺激出現(xiàn)的概率較小(如15% )，稱為偏差刺激。兩種刺激出現(xiàn)的順序是隨機的。當偏差刺激出現(xiàn)時，讓被試記憶其數(shù)目，或者盡快按鍵。此時， 偏差刺激就成為了靶刺激，在其后300ms左右觀察到一個正波，即為P3。P3的誘發(fā)方式有很多，如視覺、聽覺、體感等，本發(fā)明的P3腦電是基于視覺誘發(fā)的。視覺誘發(fā)P3的一個典型應(yīng)用是字符拼寫(P3-SpelIer)，最早由Farwell和Donchin提出并運用于BCI系統(tǒng)中。在幫助運動障礙的殘疾人完成字符輸入、與外界進行交流以及控制外部設(shè)備等發(fā)面做出了巨大的貢獻。但是P3-Speller的研究中，迄今為止鮮有報道用不同人的P3實現(xiàn)準確的字符輸入。事實上，這個問題在很早以前就引起了研究者的關(guān)注，第 III屆BCI大賽中具有突出表現(xiàn)的Alain Rakotomamonjy曾在他的文章中提到為使BCI字符輸入技術(shù)能夠更加有效的服務(wù)于病人，實現(xiàn)無需訓(xùn)練的、跨人(inter-subject)的識別是非常重要的。具體來講，就是用被試A的數(shù)據(jù)來訓(xùn)練分類器，再用被試B的數(shù)據(jù)在訓(xùn)練好的分類器上進行測試，如果能得到相似水平的字符識別效果，那將是一個重大的突破。然而遺憾的是，作者坦言，就當時的數(shù)據(jù)和技術(shù)而言，進行這樣跨人的識別只能得到26%的正確率，可見難度之大。但是，這個結(jié)果也從另一個角度反映了 P3顯著的個體差異性。正是利用這一特性，本發(fā)明提出了基于視覺誘發(fā)P3腦電信號來實現(xiàn)身份識別的方法。傳統(tǒng)的身份識別方法主要是通過身份標識物品(如鑰匙、證件、銀行卡等)和身份標識信息(如用戶名和密碼)來實現(xiàn)的。一旦這些“身外之物”被盜用或丟失，其身份就容易被他人冒充或取代，較低的可靠性顯然已無法滿足當今時代發(fā)展的需要。于是一種新型的身份識別方法孕育而生，那就是生物特征識別，近年來受到世界各國的普遍關(guān)注。生物特征識別的確切定義是通過計算機利用人體所固有的生理特征或行為特征來進行個人身份識別的一種技術(shù)。其中生理特征與身體形態(tài)相關(guān)，如DNA，指紋，人臉，聲音，掌形，手部紋理， 虹膜，視網(wǎng)膜，耳廓形狀，體味，掌印等；而行為特征與人的外在行為規(guī)律相關(guān)，比如字跡，步態(tài)等，以及近些年來新提出的擊鍵力度和節(jié)律等。從信息科學(xué)角度來看，生物特征識別屬于傳統(tǒng)的模式識別問題，它不依賴各種人造的和附加的物品，認定的是人本身。每個人的生物特征具有與其他人不同的唯一性和在一定時期內(nèi)不變的穩(wěn)定性，不易偽造和假冒，所以利用生物識別技術(shù)進行身份認定，具有安全、可靠、準確等優(yōu)點。同時，它很大程度的依賴于計算機技術(shù)，所以可以很方便地集成為計算機系統(tǒng)，實現(xiàn)計算機管理，大大節(jié)省了人力資源。然而，生物特征識別技術(shù)也面臨著一些挑戰(zhàn)，比如指紋、聲音、視網(wǎng)膜等，在嚴格意義上講并不具備普遍性，而且可能會遭到有形損害。如手部燒傷可能造成指紋破壞；人臉圖像無法實現(xiàn)雙胞胎的識別；聲音很容易被仿真；視網(wǎng)膜脫落導(dǎo)致其識別功能喪失等。而且使用較廣的指紋、人臉、虹膜及掌形識別等生物識別技術(shù)，大多需要被監(jiān)測對象的配合，有時甚至需要被監(jiān)測對象完成必要的動作才能實現(xiàn)，不易被用戶接受。此外，生物特征偽造成為現(xiàn)今普遍的犯罪活動之一，造成巨大的財產(chǎn)損失和嚴重的安全隱患。研究顯示，用明膠制成的假手指就可以輕而易舉地騙過指紋識別系統(tǒng)，患白內(nèi)障的人虹膜會發(fā)生變化，在隱形眼鏡上蝕刻出的虛假虹膜特征也可以讓虹膜識別系統(tǒng)真假難辨等等。犯罪手段的不斷智能化、科技化，對傳統(tǒng)生物特征識別技術(shù)提出新的挑戰(zhàn)，同時也需要不斷探索新的生物特征識別手段。作為一種新型的生物特征，腦電具有自身獨特的優(yōu)勢，體現(xiàn)在(1)普遍性強。每一個活體和具有生命功能的個體都能記錄到腦電信號，只要大腦不停歇，腦電信號每時每刻都在產(chǎn)生，因而腦電具有較高的普遍性；(2)相對穩(wěn)定。腦損傷的發(fā)生率極低，因而腦電是一種在相對較長的時期內(nèi)穩(wěn)定存在的特征；(3)特異性強。據(jù)估計，人類的大腦中包含有多達IO11個神經(jīng)元和IO15個突觸，因而可以說每個人的大腦構(gòu)造各不相同，產(chǎn)生的腦電也千差萬別，符合個體間差異性大的要求。(4)難以復(fù)制和偽造。腦電是依賴于個體內(nèi)部心理任務(wù)的映射，與精神活動密切相關(guān)，具有高度的個體依賴性。腦電的精確復(fù)制是一個極其復(fù)雜甚至幾乎不可能實現(xiàn)的任務(wù)， 這一觀點得到絕大多數(shù)研究者的認可，至今還沒有在任何文獻中被否認過；(5)僅存在于活體中，避免體外模仿。目前已有“假指紋”、“假虹膜”等的相關(guān)報道，嚴重威脅著生物特征識別的可靠性。這類仿造之所以容易實現(xiàn)，是因為這些特征都暴露于身體外部或表層。與之相反，腦電是由大腦皮層神經(jīng)元電活動產(chǎn)生的，存在于活體內(nèi)部， 避免了上述問題。(6)只能用于活體識別。以上暴露與身體之外的特征還有一個潛在的缺陷用包含特征的部分肢體(即使從活體上被肢解下來)同樣可以達到識別的目的。而腦電則不存在這樣的問題，因為它只對活體才有意義，從而增加了系統(tǒng)的安全性和可靠性。(7)可實現(xiàn)連續(xù)識別。傳統(tǒng)的生物特征識別都建立在“一次性”識別的假設(shè)之上， 例如門禁系統(tǒng)，銀行監(jiān)控，通行關(guān)卡等。但是換一個角度，從使用者的需求來看，這種一次性的認證方式的安全度是較低的。與之相對，腦電可以自發(fā)的、無意識地產(chǎn)生，不需要使用者有的主動參與，因而可以實現(xiàn)連續(xù)的記錄和識別。(8)規(guī)避性強。腦電容易受到壓力和情緒的干擾，人在壓力和強迫之下產(chǎn)生的腦電與正常情況相差甚遠。從這個意義上能夠有效保護使用者的安全并提高識別的可靠性。盡管基于腦電的身份識別技術(shù)有很多潛在的優(yōu)勢，但是目前對于它的研究在國內(nèi)外均屬于起步階段，這與腦電信號本身的復(fù)雜性有關(guān)。1999年，Poulos等人首先開始了以腦電作為一種生物特征的開創(chuàng)性研究，提取靜息狀態(tài)下腦電的AR模型參數(shù)特征，用學(xué)習(xí)矢量量化神經(jīng)網(wǎng)絡(luò)(LVQ-NN)的方法進行分類，得到72%-84%的識別結(jié)果?？紤]到腦電中的非線性成分，他改用雙線性模型(包括線性和非線性兩部分)代替原來的線性模型，在相同數(shù)據(jù)的基礎(chǔ)上得到76% -88%識別結(jié)果。在另一項研究中，Poulos等人嘗試使用基于計算幾何學(xué)的分類方法，識別率有所改善，達到95%。2001年，Paranjape等人提取不同階數(shù)的 AR模型參數(shù)特征，對來自40人的349個樣本進行分類，得到80%左右的識別結(jié)果?？偟恼f來，以上開展的這些早期工作中，用以分析的腦電信號大多來自于靜息狀態(tài)(睜眼或閉眼)。而隨著研究的不斷深入，人們對于腦電的個體差異性有了新的認識。 2003年，有人開始嘗試采用與任務(wù)相關(guān)的誘發(fā)腦電進行身份識別，結(jié)果顯示較之靜息態(tài)腦電效果有明顯的改善。在I^alaniappan和Ravi的研究中，數(shù)據(jù)來自于20名被試61導(dǎo)的視覺誘發(fā)電位，使用SFA神經(jīng)網(wǎng)絡(luò)對γ波段的功率譜特征進行分類，平均識別率達到94. 18%。 對上述方法加以改進，Palaniappan和Mandic同樣采用視覺誘發(fā)電位，對40個人進行分類，達到98%的識別結(jié)果。為了尋找更適合的特征提取算法，除了 AR模型，功率譜以外， 還有人提出同側(cè)腦半球功率譜差，對側(cè)腦半球線性復(fù)雜度等多種特征提取方法。2007年， Marcel和Mill' an采用一種基于多任務(wù)誘發(fā)腦電(包括運動想象和思維活動)對9個人進行分類，得到93. 4%的識別結(jié)果。胡劍鋒等人用6通道的運動想象電位(想象左右手、 舌動、腳動)做分類，得到75%-78. 3%的識別結(jié)果。Bao等人也對運動想象電位的身份識別潛能進行了研究，數(shù)據(jù)來自于2003年BCI競賽中帶有反饋的運動想象誘發(fā)實驗，作者融合了 AR模型系數(shù)、相位同步值、能量譜密度等腦電特征，用神經(jīng)網(wǎng)絡(luò)進行分類，最終得到 81.2% -90. 6%的識別結(jié)果。以上這些工作，在研究腦電的個體差異性和驗證腦電用于身份識別的可行性方面做出了巨大的貢獻。從靜息腦電到誘發(fā)腦電，研究者們不斷的探索更加適用于身份識別的腦電成分，這也是該領(lǐng)域的研究重點。但截止目前普遍處于試驗階段，識別裝置復(fù)雜，存在尚未進入實用化階段的不足。

發(fā)明內(nèi)容
為克服現(xiàn)有技術(shù)的不足，提供一種基于視覺誘發(fā)P3腦電的身份識別方法，具有實用性，有望獲得可觀的社會效益和經(jīng)濟效益，并為今后生物特征識別拓展新的思路。為達到上述目的，本發(fā)明采取的技術(shù)方案是，基于視覺誘發(fā)P3腦電的身份識別方法，包括下列步驟采用相干平均法分離P3信號，記錄信號、誘發(fā)電位和噪聲的關(guān)系可表示如下
權(quán)利要求
1.一種基于視覺誘發(fā)P3腦電的身份識別方法，其特征是，包括下列步驟采用相干平均法分離P3信號，記錄信號、誘發(fā)電位和噪聲的關(guān)系可表示如下Xi (n) = s (η) +rij (η) i = 1,2,.....M ;n = 1,2,......N (1)其中，i表示記錄次數(shù)，η表示該次記錄中的第η個采樣值，經(jīng)過M次相干平均后，誘發(fā)響應(yīng)s (η)的估計值為
2.如權(quán)利要求1所述方法，其特征是，采用相干平均法分離Ρ3信號的具體步驟為，首先對實驗數(shù)據(jù)進行0. 5-40Ηζ的濾波處理，以去除基線漂移，然后將每一個刺激之后Is的數(shù)據(jù)分段從連續(xù)腦電中提取出來，并按照時間鎖定事件將這些腦電信號進行分段排列，最后以點對點的方式進行疊加平均，從而得到Ρ3成分。
全文摘要
本發(fā)明屬于腦電的身份識別技術(shù)領(lǐng)域。為提供一種提供一種基于視覺誘發(fā)P3腦電的身份識別方法，本發(fā)明采取的技術(shù)方案是，基于視覺誘發(fā)P3腦電的身份識別方法，包括下列步驟采用相干平均法分離P3信號，記錄信號、誘發(fā)電位和噪聲的關(guān)系可表示如下xi(n)＝s(n)+ni(n) i＝1，2，......M；n＝1，2，......N(1)在反復(fù)刺激和疊加的過程中，與刺激有固定鎖時關(guān)系的誘發(fā)電位逐漸增大，而隨機背景噪聲相互抵消，從而使P3分離出來；將以上分離出的P3波形作為特征，輸入支持向量機SVM中進行訓(xùn)練和測試，為了提高識別精度，采用了10折交叉驗證的方法。本發(fā)明主要應(yīng)用于身份識別場合。
文檔編號G06K9/62GK102509103SQ20111029441
公開日2012年6月20日 申請日期2011年9月29日 優(yōu)先權(quán)日2011年9月29日
發(fā)明者萬柏坤, 劉晶, 孫長城, 明東, 白艷茹, 綦宏志 申請人:天津大學(xué)