Rede convolucional para verificação biométrica baseada em EEG em ambiente multitarefa.

Abstract

Devido à aplicação de sinais biológicos em sistemas inteligentes, estes estão ganhando espaço nos estudos referentes a biometria e novas abordagens estão surgindo. Um desses sinais é o do eletroencefalograma (EEG). A tarefa motora que um sujeito está realizando, ou mesmo pensando, influencia o padrão das ondas cerebrais e o sinal adquirido. Neste trabalho, explora-se a biometria com o sinal de EEG a partir de uma perspectiva de tarefa cruzada. Desenvolveu-se um método baseado em redes neurais convolucionais para gerar um descritor profundo de sinais de EEG, e assim, avaliar o impacto de tarefas intencionais na verificação biométrica. A base de dados de EEG de movimentos motores e imaginários da Physionet é usado aqui para avaliação do método. Esta base contém 64 canais (eletrodos) posicionados no escalpo de 109 indivíduos realizando diferentes tarefas. Com o objetivo de criar um volume maior de dados para treinar efetivamente um modelo de rede convolucional, propôs-se uma técnica de data augmentation. O método proposto mostrou-se eficiente mesmo quando treinado e avaliado com diferentes tarefas motoras/imaginárias e com menos eletrodos (nove canais). Devido aos aceleradores de hardware de aprendizado profundo, os resultados obtidos indicam que a proposta aqui apresentada é adequada para ser incorporada em um aplicativo do mundo real