Parmak ucu elektrokardiyogram ve ses sinyali tabanlı biyometrik tanıma sistemi

Araştırmamızda, geleneksel sistemlere nazaran genel performansı iyileştirmek adına hem konuşma hem de EKG sinyallerinin kombinasyonuna dayanan tek boyutlu CNN tabanlı kişi tanıma sistemi geliştirilmiştir. Önerdiğimiz sistem, iki yaklaşım içermektedir: Bunlardan ilki, metinden bağımsız konuşma ve parmak ucu EKG füzyonu ile bir tanıma sistemi elde etmek, diğeri ise bu geliştirilen füzyon tanıma sisteminin yetkisiz kişileri önlemesine yarayan güçlü bir reddetme algoritması geliştirmektir. Bu yaklaşımlara ek olarak, taşınabilir parmak ucu EKG cihazlarının ya da kullanıcının hareketlerinin neden olduğu tutarsızlıkları veya benzeri sorunları tespit etmek ve ortadan kaldırmaya yarayan bir algoritma da geliştirilmiştir. İlk yaklaşım, LibriSpeech Corpus ses veri tabanı ve CYBHi veri tabanı ile daha önceden oluşturduğumuz parmak ucu EKG veri tabanlarının birleşiminden alınan 30, 45, 60, 75 ve 90 kişi üzerinde test edilmiştir. 3 kat çapraz doğrulama yöntemiyle, sistem 10 saniyeye yanıt verecek şekilde ayarlanarak testler gerçekleştirilmiştir.İlk deneyde, EKG tabanlı sistemin, 90 kişi üzerinden %90.22 doğruluk oranına ulaştığı saptanmıştır. Konuşma tabanlı sistemin ise 90 kişi üzerinden %97.94 doğruluk oranına ulaştığı tespit edilmiştir. Her iki sinyalin kombinasyonu ise %99.92 doğruluk oranına sahip olduğu gözlemlenmiştir. İkinci yaklaşımda ise, EKG ve konuşma veritabanlarından 90 kişi hakiki sınıf, 26 kişi ise sahtekar sınıfı olarak ikiye ayrılmıştır ve en uygun reddetme eşit değerlerine ayarlandığı göz önünde bulundurarak %71.05 doğrulukla hakiki sınıfı tanıdığı ve %71.08 doğrulukla sahtekar sınıfı reddettiği, EKG tabanlı sistemde tespit edilmiştir. Konuşma tabanlı sistemin ise, %86.48 doğrulukla hakiki sınıfı tanıdığı, %87.82 doğrulukla da sahtekar sınıfı reddettiği tespit edilmiştir. Her iki sistemin kombinasyonu ile, %91.68 doğrulukla hakiki sınıfı tanıdığı, %96.05 doğrulukla da sahtekar sınıfı reddettiği gözlemlenmiştir.