Please use this identifier to cite or link to this item:
https://olympias.lib.uoi.gr/jspui/handle/123456789/31446Full metadata record
| DC Field | Value | Language |
|---|---|---|
| dc.contributor.author | Νιξίνα, Ειρήνη Β. | el |
| dc.date.accessioned | 2021-11-03T06:55:06Z | - |
| dc.date.available | 2021-11-03T06:55:06Z | - |
| dc.identifier.uri | https://olympias.lib.uoi.gr/jspui/handle/123456789/31446 | - |
| dc.identifier.uri | http://dx.doi.org/10.26268/heal.uoi.11267 | - |
| dc.rights | Attribution-NonCommercial-NoDerivs 3.0 United States | * |
| dc.rights.uri | http://creativecommons.org/licenses/by-nc-nd/3.0/us/ | * |
| dc.subject | Φωτοπληθυσματογραφικό σήμα | el |
| dc.subject | Φωτοπληθυσμογράφημα | el |
| dc.subject | Βιομετρική αναγνώριση ατόμων | el |
| dc.subject | Χαρακτηριστικά φωτοπληθυσμογραφήματος | el |
| dc.subject | Photoplethysmographs | en |
| dc.subject | Biometric identification | en |
| dc.subject | Photoplethysmographic signal | en |
| dc.subject | PPG | en |
| dc.title | Βιομετρική προσέγγιση αναγνώρισης ατόμων χρησιμοποιώντας το φωτοπληθυσματογραφικό σήμα (PPG) | el |
| dc.title | Biometric approach to identifying individuals using photoplethysmographic signal (PPG) | en |
| heal.type | masterThesis | - |
| heal.type.en | Master thesis | en |
| heal.type.el | Μεταπτυχιακή εργασία | el |
| heal.classification | Βιομετρική αναγνώριση | - |
| heal.dateAvailable | 2021-11-03T06:56:06Z | - |
| heal.language | el | - |
| heal.access | free | - |
| heal.recordProvider | Πανεπιστήμιο Ιωαννίνων. Πολυτεχνική Σχολή. Τμήμα Μηχανικών Ηλεκτρονικών Υπολογιστών και Πληροφορικής | el |
| heal.publicationDate | 2021 | - |
| heal.bibliographicCitation | Βιβλιογραφία: σ. 116-120 | el |
| heal.abstract | Τις τελευταίες δεκαετίες η ραγδαία ανάπτυξη της τεχνολογίας της πληροφορίας έχει επιφέρει σημαντική τεχνολογική ευκολία. Στον αντίποδα όμως ο αριθμός ζητη- μάτων που σχετίζονται με προσωπικές πληροφορίες, όπως η εισβολή απορρήτου, το hacking συνεχώς αυξάνεται, με αποτέλεσμα ο έλεγχος της ταυτότητας να αποτελεί μείζον πρόβλημα που ταυτόχρονα απαιτεί ασφαλή επίλυση. Ο κίνδυνος πλαστοπρο- σωπίας και παραβίασης της ασφάλειας οποιουδήποτε συστήματος είναι μια συνεχή απειλή. Ένας κίνδυνος που θα μπορούσε να συντελέσει σε τεράστια οικονομική κα- ταστροφή και να θέσει σε κίνδυνο το σημερινό Internet of Things (IoT). Έτσι λοιπόν η ανάγκη για ένα ασφαλές σύστημα ελέγχου ταυτότητας, χαμηλού κόστους και μη επεμβατικό καθίσταται επιτακτική. Η χρήση βιομετρικών μεθόδων αποτελεί μια αξιόλογη προσέγγιση προς αυτή την κατεύθυνση. Μάλιστα μια ενδιαφέρουσα πρόταση στον τομέα της ασφαλούς πιστο- ποίησης για τη βιομετρική αναγνώριση αντιπροσωπεύει και η χρήση των σημάτων της φωτοπληθυσμογραφίας (PPG) με την επιστημονική κοινότητα να δείχνει έντονο ενδιαφέρον τα τελευταία χρόνια. Γεγονός που άλλωστε δικαιολογείται από τα εγ- γενή χαρακτηριστικά που διαθέτει το σήμα PPG και που το κάνουν να ξεχωρίζει. Συγκριτικά με άλλες βιομετρικές προσεγγίσεις, η τεχνική της φωτοπληθυσμογρα- φίας παρέχει μια μη επεμβατική, εύκολη στην χρήση, χαμηλού κόστους, εύστοχη μεθοδολογία, για τη λήψη πολύτιμων φυσιολογικών πληροφοριών όπως ο καρδια- κός ρυθμός, η ροή του αίματος και ο κορεσμός του οξυγόνου στο αίμα που μπορούν να χρησιμεύσουν ως βιομετρικός μηχανισμός αναγνώρισης. Η παρούσα εργασία ειδίκευσης εστιάζεται ουσιαστικά στην αξιολόγηση της δυ- νατότητας της χρήσης των PPG σημάτων στην προσπάθεια αναγνώρισης ατόμων. Με στόχο την δημιουργία ενός μοντέλου που θα πραγματοποιεί τον διαχωρισμό φύλλων (ανδρών και γυναικών) και εν συνεχεία τον διαχωρισμό του ενός φύλλου, για παράδειγμα των ανδρών. Υλοποιήθηκε προεπεξεργασία του σήματος με διάφορα φίλτρα και παραμέτρους, τα οποία αποτιμήθηκαν με βάση την ευστοχία διάκρισης των τιμών της συστολικής κορυφής, της διαστολικής κορυφής και της δικρωτικής εγκοπής. Στην συνέχεια, εκ- μαιεύθηκαν χαρακτηριστικά από τo PPG σήμα από διαφορετικά γνωσιακά πεδία όπως η μορφολογία (γεωμετρία), το μέγεθος της πληροφορίας (θεωρία της πλη- ροφορίας), η τάση των τιμών (στατιστική) κ.ά.. Νέα χαρακτηριστικά προτάθηκαν επιπλέον εκείνων που υπάρχουν στην κείμενη βιβλιογραφία. Τέλος επιχειρήσαμε να επιλύσουμε το πρόβλημα της ταξινόμησης (ασθενών ή φύλλου) με χρήση διαφόρων ταξινομητών και να αποτιμήσουμε την διαχωριστική τους ικανότητα. Στην διάρκεια αυτής της προσπάθειας, δειγματοληπτικές τεχνικές (όπως SMOTE) καθώς και τε- χνικές αποτίμησης συνεισφοράς χαρακτηριστικών (όπως ΑΝΑΔΙΑ) εφαρμόστηκαν για την βελτίωση της διαχωριστικής ικανότητας. | el |
| heal.abstract | Information’s technology rapid development has brought significant technological convenience in recent decades. However at the same time, the number of issues related to personal information, such as invasion of privacy and hacking, is constantly increasing; as a result, the authentication problem evolves into a major one that requires a secure solution. The risk of impersonation and breach of security of any system is a continuous threat. This risk could lead to a substantial financial disaster and jeopardize today’s Internet of Things (IoT). Therefore, the need for a secure, low-cost, non-invasive authentication system becomes imperative. A characteristic approach is using biometric methods, with the scientific community showing great interest in the last years, especially towards photoplethysmographs (PPG) signals to ensure secure certification for biometric identification. The inherent characteristics of the PPG make it unique and thus justifies the communities’ interest. Furthermore, compared to other biometric approaches, the photoplethysmography technique provides a non-invasive, easy-to-use, low-cost, accurate methodology for obtaining valuable physiological information such as heart rate, blood flow, and blood oxygen saturation that can serve as a biometric identification mechanism. The present work essentially focuses on evaluating the feasibility of using PPG signals to identify individuals and creating a model that will perform the gender recognition (men and women) and then human recognition in particular, male recognition. The signal was preprocessed with various filters and parameters, evaluated based on the accuracy of distinguishing the values of the systolic peak, the diastolic peak and the dichroic notch. Then, features were extracted from the PPG signal from different cognitive fields such as morphology (geometry), information size (information theory), value trend (statistics), etc. New features were proposed in addition to those available in the current bibliography. Finally, we attempted to solve the classification problem (patients or gender) using different classifiers and to evaluate their performance. We applied sampling techniques (such as SMOTE) and feature contribution valuation techniques (such as ANOVA) to improve the performance during this effort. | en |
| heal.advisorName | Μάνης, Γεώργιος | el |
| heal.committeeMemberName | Μάνης, Γεώργιος | el |
| heal.committeeMemberName | Νίκου, Χριστόφορος | el |
| heal.committeeMemberName | Κόντης, Λυσίμαχος-Παύλος | el |
| heal.academicPublisher | Πανεπιστήμιο Ιωαννίνων. Πολυτεχνική Σχολή. Τμήμα Μηχανικών Ηλεκτρονικών Υπολογιστών και Πληροφορικής | el |
| heal.academicPublisherID | uoi | - |
| heal.numberOfPages | 124 σ. | - |
| heal.fullTextAvailability | true | - |
| Appears in Collections: | Διατριβές Μεταπτυχιακής Έρευνας (Masters) - ΜΗΥΠ | |
Files in This Item:
| File | Description | Size | Format | |
|---|---|---|---|---|
| Μ.Ε. ΝΙΞΙΝΑ ΕΙΡΗΝΗ 2021.pdf | 4.35 MB | Adobe PDF | View/Open |
This item is licensed under a Creative Commons License
