Analyses on ECG-based identification with wearable devices

During the last two decades, the study of recognition methods based on electrocardiogram (ECG) recordings has intensified. ECG signals have particular characteristics that have made them suitable for human identification, such as uniqueness, presence in all living individuals, and difficulty of forging. The unique features of the ECG signal combined with the increasing number of commercial wearable devices could potentially provide a new biometric authentication method. This work describes the implementation of an ECG-based recognition system and the performance obtained by testing the system with signals acquired with a wearable device. ECG features were extracted using a signal processing technique: first, the development of a ventricular complex (QRS complex) algorithm enhanced the feature extraction process; then, a non-fiducial approach based on autocorrelation (AC) in combination with Fast Fourier Transform (FFT) is proposed to extract information from the ECG waveform without having to localize specific points. Subsequently, the authentication phase involved the implementation of a novel decision algorithm and a Random Forest-based decision algorithm. Finally, the performance of these algorithms was tested on a dataset of 30 subjects by means of a smartwatch that acquired the ECG recordings. Several tests were performed to reach the best setting for the authentication system. Results showed that the novel decision system has a 0.02% of False Positive Rate (i.e., accepting a false user) and 88.25% of True Positive Rate (i.e., accepting the right user); while the Random Forest-based decision system has a 0.75% of False Positive Rate and 95.27% of True Positive Rate.

Nell’ultimo ventennio si è intensificato lo studio di metodi di riconoscimento che sfruttano le informazioni contenute nell'elettrocardiogramma (ECG). I segnali ECG presentano particolari caratteristiche che li hanno resi adatti all'identificazione umana, come l'unicità, la presenza in tutti gli individui viventi e la difficoltà di falsificazione. Tali caratteristiche, combinate con il recente ingresso sul mercato di dispositivi indossabili che integrano la registrazione ECG, potrebbero potenzialmente fornire un nuovo metodo di autenticazione biometrica. In questo elaborato viene descritta l'implementazione di un sistema di riconoscimento tramite ECG e le relative prestazioni, ottenute testando il sistema con segnali acquisiti con un dispositivo indossabile. Per estrarre le caratteristiche dell'ECG è stato sviluppato un algoritmo di rilevamento del complesso ventricolare (complesso QRS). Viene proposto un approccio non-fiducial che adopera l'autocorrelazione (AC) in combinazione con la trasformata di Fourier (FFT) per estrazione delle features. Successivamente, per la fase di autenticazione sono stati implementati due differenti approcci decisionali: un nuovo metodo basato sul test di Kolmogorov-Smirnov e un secondo metodo che utilizza un classificatore Random Forest. Infine, le prestazioni degli algoritmi sono state testate su un dataset ottenuto da 30 soggetti, le cui registrazioni ECG sono state acquisite con uno smartwatch. I risultati finali mostrano che il nuovo sistema decisionale proposto ottiene un false positive rate del 0.02% e un true positive rate del 88.25%; mentre il sistema decisionale basato su Random Forest presenta un false positive rate del 0.75% e un true positive rate del 95.27%.