Rede de convolução para sistema biométrico baseado em EEG.

Abstract

Sistemas biométricos encontram-se em grande expansão pela necessidade de segurança em todas as esferas da sociedade, nesse contexto sistemas baseados em eletroencefalograma (EEG) vem despertando grande interesse entre os pesquisadores. No entanto, essa modalidade biométrica é suscetível a ruídos na captação de sinais e tem problemas de escala, acurácia e captação em ambientes não controlados, representando um grande desafio. Métodos baseados em redes neurais de convolução vêm sendo explorados na literatura para processamento de sinais e resultados expressivos para sua classificação vem sendo obtidos. Nesse cenário, o método proposto neste trabalho é baseado em Rede Neural de Convolução (CNN) para verificação biométrica e avaliação em uma base de dados da Physionet. Uma técnica de data augmentation baseada em sobreposição dos sinais é proposta para ampliar a quantidade de dados de treinamento da rede de aprendizagem em profundidade. A redução do equal error rate (EER) de 4,5% para 0,19% nos testes baseline em comparação com a literatura mostram que o método é um caminho promissor na representação de sinais cerebrais para biometria.