具有信息隐藏功能的脑电信号生物识别新方法

In recent years, biometrics verification systems are used more commonly and expected to be more reliable. However, the conventional biometrics, such as face, fingerprint, palm-print, voice, iris, and signature, share a common shortcoming. That is, they can be produced by a person under coercion. There are increasing discussions about how to improve the security and privacy of biometric technology. Since only alive persons can generate human brain wave, which can be recorded in the form of EEG signals, EEG is a natural candidate for liveness detection, and is an attractive complement modality to the existing unibiometric systems. This project will deal with the new EEG signal processing method considering the non-linear and non-stationary properties, the new EEG classification method using L1-graph regularized semi-supervised manifold learning. In some special applications, Covert Warning (CW) is a feature that allows an authorized person, when coerced, to secretly send out a warning message along with his/her personal identification. This concept was implemented in an identification system in this project using Electroencephalogram (EEG), as the biometric modality.

脑电信号记录了大脑的神经系统活动，反映了大脑的功能状态，蕴含着可以检测的认知信息。同时脑电信号具有隐蔽性、不可仿制性、不可胁迫性，应用到身份识别中，会提高现有生物特征识别系统的防伪和防恶意入侵性能。本项目将采取以神经生理学分析为基础，研究微弱脑电信号的可靠数据获取，利用模式识别和机器学习的方法，研究意念、动作和脑电信号的关联性描述、分类和检测方法，针对高端安全应用，实现具有信息隐藏功能的脑电生物信息的身份识别系统。同时本项目所形成的相关理论和算法，有助于促进神经科学和脑电信号计算模型的结合，并推广应用到临床诊断、脑机接口等领域中。

脑电信号记录了大脑的神经系统活动，反映了大脑的功能状态，蕴含着可以检测的认知信息。同时脑电信号具有隐蔽性、不可仿制性、不可胁迫性，应用到身份识别中，会提高现有生物特征识别系统的防伪和防恶意入侵性能。本项目针对脑电信号在身份识别应用中面临的几个关键问题进行突破，对脑电信号的伪迹去除、有效特征提取和学习、脑电信号身份识别方法、以及基于脑电信号的疲劳检测、情绪识别进行了研究，提出了一套新的模型和特征抽取方法，完成了脑电信号的伪迹去除、意念、动作和脑电信号的关联性分析、以及基于脑电信号的身份识别的新方法；并且拓展到基于脑电信号的疲劳检测和情绪识别、以及与人脸表情识别相结合的情绪判定等方向，开展了神经计算科学和脑电信号识别模型的融合研究。本项目所形成的相关理论和算法，有助于促进神经科学和脑电信号计算模型的结合，并推广应用到临床诊断、脑机接口等领域中。.除了理论和算法研究之外，通过制定了详细的数据收集准则，采用两种便携式干电极脑电采集设备收集了120人多因素条件下的脑电信号、100人疲劳状态下的脑电信号和20人不同情绪下的脑电信号，构建了脑电信号数据集。为将来的身份识别、疲劳检测和情绪识别等任务的融合研究提供了可能，使现有的脑电信号系统的功能更加丰富。