Automatic person authentication using fewer channel EEG motor imagery

Nieves-Adorno, Orlando X.

Publication

Automatic person authentication using fewer channel EEG motor imagery

Nieves-Adorno, Orlando X.

Abstract

In today's world, there are different aspects of security in which appropriate computing technologies play an essential role. One such aspect is person's identification. While there are numerous ways to identify a person, from using finger prints to using face recognition; most of them exhibit, on one way or the other, unacceptable levels of reliability. On the other hand, recent developments in brain computer interfaces (BCI), using Electroencephalogram (EEG) signals have been emerging as a feasible option for identification systems. Current EEG based authentication systems use more than 8 up to even 60 electrodes placed on the scalp to record data. In this work, we propose and analyze an approach in which person's identification is achieved by measuring the EEG signals that the person generates while imagining simple motor movements, and which requires as few as 2 to 6 channel electrodes. The system uses the Short Time Fourier Transform (STFT) for extraction of time-frequency features also called as spectrogram. Energy, variance, and skewness features are computed on the spectrogram. These features are used to train a support vector machine and a neural network classifier. The classifiers are tested for person authentication with testing data using cross-validation. Results using a different number of channels with optimum features are presented. A Graphical User Interface is also presented for easy use of the person authentication system.

Description

En el mundo de hoy, hay diferentes aspectos de seguridad en los cuales la tecnología computacional apropiada juegan un rol esencial. Uno de estos aspectos es el identificar una persona. Hay numerosas maneras de identificar una persona, desde el uso de huellas dactilares a reconocimiento facial; pero la mayoría exhiben, de una manera u otra, niveles inaceptables de confiabilidad. Por otro lado, nuevos avances en interfaces neuronales directas (IND), usando señales de electroencefalograma (EEG en ingles), han empezado a sonar como opciones factibles para sistemas de identificación. Sistemas de identificación actuales que usan EEG, usan mas de 8 y hasta 60 electrodos posicionados en el cuero cabelludo para recolectar información. En este trabajo, proponemos y analizamos un nuevo enfoque en el cual la identificación de una persona se consigue midiendo señales EEG que la persona genera cuando se imaginan movimientos motores simples, y lo cual requiere tan poco como 2 a 6 electrodos. El sistema utiliza Transformada de Fourier de Tiempo Corto (Short-time Fourier transform, STFT) para la extracción de características de tiempo y frecuencias, las cuales se grafican en un espectrograma. Características de energía, varianza, y asimetría son computadas en el espectrograma. Estas características se usan para entrenar máquinas de soporte vectorial y un clasificador de redes neuronales. Los clasificadores se verifican con datos de prueba utilizando validación cruzada. Presentamos resultados utilizando cantidades diferentes de canales con características óptimas. Una interfaz gráfica de usuario (GUI, en ingles) también es presentada para el uso sencillo del sistema identificador de personas.