End-to-End photoplethysmography-based biometric authentication system by using deep neural networks

Whilst research efforts have traditionally focused on Electrocardiographic (ECG) signals and handcrafted features as potential biometric traits, few works have explored systems based on the raw photoplethysmogram (PPG) signal. This work proposes an end-to-end architecture to offer biometric authentication using PPG biosensors through Convolutional Neural Networks. We provide an evaluation of the performance of our approach in two different databases: Troika and PulseID, the latter a publicly available database specifically collected by the authors for such a purpose. Our verification approach through convolutional network based models and using raw PPG signals appears to be viable in current monitoring procedures within e-health and fitness environments, and shows a remarkable potential as a biometric identifier. When tested on a verification task with one second trials, the approach achieved an AUC of $78.2\%$ and $83.2\%$, averaged among target subjects, on PulseID and Troika datasets respectively. Our experimental results on other small datasets support the usefulness of PPG-extracted biomarkers as viable traits for multi-biometric or standalone biometrics. Furthermore, the approach results in a low input throughput and complexity that allows for continuous authentication in real-world scenarios and implementation in little wearable devices. Nevertheless, the reported experiments also suggest that further research is necessary to develop a definitive system.
Si bien los esfuerzos en la investigación se han focalizado tradicionalmente en las señales electrocardiográficas (ECG) y características extraídas manualmente como rasgos biométricos potenciales, pocas operaciones han explorado sistemas basados en la señal fotopletográfica (PPG). Este trabajo propone una arquitectura de extremo a extremo para ofrecer autenticación biométrica mediante biosensores PPG a través de redes convolucionales. Ésta aproximación se ha evaluado en dos bases de datos diferentes: Troika y PulseID, ésta última disponible públicamente y que ha sido recogida por los autores para este propósito. La verificación a través de modelos basados en redes convolucionales y el uso de señales PPG en crudo parecen ser viables en los procedimientos de seguimiento actuales, dentro del entorno de la salud y del deporte, mostrando así un gran potencial para la biometría. El trabajo testeado en la tarea de verifiación, en ensayos de un segundo, consiguen una AUC de $78,2\%$ y $83,2\%$ en media, entre todos los sujetos objetivo, en los conjuntos de datos PulseID y Troika respectivamente. Los resultados experimentales en otros conjuntos de datos pequeños refuerzan la potencial utilidad de estos biomarcadores extraídos de señales PPG como rasgos viables para la caracterización biométrica. Además, este enfoque permite una autenticación contínua debido a su baja complejidad y número de operaciones, haciéndola sostenible para escenarios del mundo real así como para poder ser implementado en dispositivos de reducido tamaño y capacidad computacional. Sin embargo, los experimentos aquí reportados sugieren que son necesarias más investigaciones para poder desarrollar un sistema definitivo.
Si bé els esforços en la investigació s'han centrat tradicionalment en senyals electrocardiogràfics (ECG) i característiques artesanals com a trets biomètrics potencials, pocs treballs han explorat sistemes basats en el senyal fotopletogràfic (PPG). Aquest treball proposa una arquitectura d'extrem a extrem per oferir autenticació biomètrica mitjançant biosensors PPG a través de xarxes convolucionals. L'acompliment d'aquest enfocament s'ha avaluat en dues bases de dades diferents: Troika i PulseID, aquesta última disponible públicament i que ha estat recollida pels autors per a aquest propòsit. Aquest enfocament de verificació a través de models basats en xarxes convolucionals i l'ús de senyals de PPG en cru sembla ser viable en els procediments de monitorització actuals, dins d'entorns de salut i esport, mostrant així un gran potencial i atractiu per a la biometria. L'enfocament provat en la tasca de verificació, en assaigs que duren un segon, aconsegueix una AUC de $78,2\%$ i $83,2\%$ en mitjana, entre els subjectes objectiu, en els conjunts de dades de PulseID i Troika, respectivament. Els nostres resultats experimentals en altres conjunts petits de dades recolzen la utilitat dels biomarcadors extrets de PPG com a trets viables per a la biometria multi-biomètrica o autònoma. A més, l'enfocament permet una autenticació contínua degut a la baixa complexitat i nombre d'operacions, que la fan sostenible pels escenaris del món real així com per a ésser implementat en dispositius de reduit tamany i capacitat computacional. No obstant això, els experiments reportats també suggereixen que més investigacions són necessàries per a poder desenvolupar un sistema definitiu.