Biometric system based on electroencephalogram analysis

Abstract

Actualmente la búsqueda de nuevos rasgos biométricos es una necesidad debido a que los rasgos tradicionales como huella dactilar, voz o rostro, son altamente propensos a falsificaciones. Por tal motivo, el estudio de señales bioeléctricas llama la atención por su potencial para desarrollar sistemas biométricos. Una motivación para utilizar señales electroencefalográficas es que son únicas para cada persona y son mucho más difíciles de replicar que los biométricos convencionales. El presente estudio está enfocado en el desarrollo de un sistema biométrico basado en el análisis de electroencefalogramas (EEG). Empleando seis clasificadores distintos: Clasificador ingenuo de Bayes (GNB), K-vecinos más cercanos (KNN), Bosque aleatorio (RF), AdaBoost (AB), Máquina de vectores de soporte (SVM) y Perceptrón multicapa (MLP); se realizó una comparación entre diferentes niveles de descomposición de la transformada discreta de ondícula, utilizada como método de preprocesamiento. Demostrando que el nivel de descomposición no posee un gran impacto sobre el resultado general del sistema. Posteriormente se analizó el efecto del tiempo de grabación de los EEGs sobre el desempeño del sistema, probando que este tiempo es un factor altamente influyente del desempeño general. Cabe mencionar que, durante este estudio, se utilizaron dos conjuntos de datos distintos. Finalmente, SVM y AB fueron los mejores clasificadores ya que obtuvieron valores de sensibilidad, especificidad y precisión superiores a 95%.