A novel multisensoric system recording and analyzing human biometric features for biometric and biomedical applications

URN to cite this document:: urn:nbn:de:bvb:355-epub-196730
DOI to cite this document:: 10.5283/epub.19673

Bashir, Muzaffar

Preview

License: Publishing license for publications excluding print on demand
PDF
(3MB)

Date of publication of this fulltext: 17 Feb 2012 09:02

Details

Item type:	Thesis of the University of Regensburg (PhD)
Date:	17 February 2012
Referee:	Prof. Dr. Dr. Hans Robert Kalbitzer and Prof. Dr. Jürgen Kempf
Date of exam:	26 January 2011
Institutions:	Biology, Preclinical Medicine > Institut für Biophysik und physikalische Biochemie > Prof. Dr. Dr. Hans Robert Kalbitzer
Interdisciplinary Subject Network:	Not selected
Keywords:	Biometric signature authentication, biometric person authentication, Handwritten PIN recognition, Dynamic Time Warping (DTW), Charaterization of parkinson’s disease, Biometrische Unterschriften-Authentifizierung, biometrische Personen-Authentifizierung, Handschriftliche PIN-Erkennung, Dynamic-Time-Warping (DTW), Beschreibung der Parkinson-Krankheit
Dewey Decimal Classification:	500 Science > 570 Life sciences
Status:	Published
Refereed:	Yes, this version has been refereed
Created at the University of Regensburg:	Yes
Item ID:	19673

Preview

Export bibliographical data

Abstract (English)

Abstract (English)

The recording and analyzing human motor control movements are fundamental parts of both behavioral biometrics and biomedical research studies. The dynamics of human motor functions of fingers, hand and wrist movements can be studied while handwriting, drawing or hand gestures. The major difficulties are the acquisition of high quality data and the characterization of the acquired data accurately and efficiently. A multisensoric Biometric Smart Pen BiSP device has been developed which has the ability to measure dynamics of fingers, hand and wrist movements while handwriting drawing and hand gesturing during writing on paper pad or free in space. Hence, biometric features are recorded in terms of pen refill pressures, finger grip pressures holding the pen, and pen inclination, acceleration and tilts in three dimensions. The grip sensing of BiSP is unique and provides excellent dynamics of the fine motor skills of a writer. The features recorded by BiSP have not only been analyzed to recognize person or handwritten object in biometric applications but also to characterize motor dysfunctions of the writer due to Parkinson’s disease for diagnostics in medical applications. The major problems in data processing are automatic feature selection and classification of data accurately especially for short sequence of input (e.g., single characters). For above applications, research has been conducted that involves improved procedures in diverse sensing techniques for data acquisition, signal processing and pattern recognition for person or object recognition based on signals (time series) obtained from novel digital pen. Many data processing techniques including enhanced data pre-processing and dimension reduction methods as well as feature extraction and classification techniques have been implemented. For this, dynamic time warping (DTW) together with its variants and support vector machine (SVM) techniques are established and evaluated for data analysis. In biometrics, the improved performances of person authentication and of handwritten object recognition by using the new designed BiSP system have been obtained. For medical application, personal neuro-motoric features obtained from handwriting, drawing or gesturing movements have been analyzed in order to characterize Parkinson’s disease or to control medication. In brief, to evaluate the newly developed procedures (sensor techniques and software methods) several experiments have been performed to determine the feasibility of the BiSP system in order to register and to analyze human fine motor features in multiple applications.

Translation of the abstract (German)

Die Erfassung und Analyse von neuromotorischen Bewegungen sind grundlegende Teile für das biometrische Verhalten sowie für biomedizinische Forschungsstudien. Das Zusammenspiel von motorischen Finger-, Hand-, und Handgelenksbewegungen kann während des Schreibens, Zeichnens oder durch Gestik untersucht werden. Die hauptsächlichen Schwierigkeiten sind die Erfassung von Daten mit hoher Qualität und die genaue und effiziente Beschreibung der erfassten Daten. Ein neuentwickeltes multisensorisches intelligentes Schreibgerät (Biometric Smart Pen, BiSP) bietet die Möglichkeit zur Erfassung der Fingerdynamik, Hand-, und Handgelenkbewegungen während des Schreibens, Zeichnens oder gestischen Bewegungen auf Papier oder frei in Luft. Somit werden biometrische Merkmale bezüglich des Druckes auf die Mine, des Fingergreifdrucks und der Neigung des Stiftes sowie die Beschleunigung-Neigung in drei Dimensionen erfasst. Die Erfassung des Fingergreifdrucks mit BiSP ist einzigartig und bietet eine exzellente Dynamik bezüglich der feinmotorischen Fähigkeiten des Schreibers. Die durch BiSP erfassten Merkmale wurden nicht nur zur Erkennung von Personen und Objekten in biometrischen Anwendungen analysiert, sondern auch zur Beschreibung von motorischen Funktionsstörungen des Schreibenden bei der Krankheit Parkinson zur Diagnose in medizinischen Anwendungen. Die Hauptprobleme in der Datenverarbeitung sind die automatische Merkmalsauswahl und die genaue Klassifizierung der Daten, besonders für kurze Sequenzen (z.B.: einzelne Zeichen). Für die obengenannten Anwendungen wurden Studien ausgeführt, die verbesserte Prozeduren in verschiedenen Sensortechniken zur Datenerfassung, Signalverarbeitung und Mustererkennung für Personen- oder Objekterkennung basierend auf den vom neuen digitalen Stift erhaltenen Signalen umfassen. Viele Datenverarbeitungstechniken beinhalten eine erweiterte Datenvorverarbeitung und Raumreduzierungsmethoden sowie eine realisierte Merkmalsextraktion und Klassifizierungstechniken. Deshalb wurde Dynamic-Time-Warping (DTW) zusammen mit seinen Varianten und Support-Vector-Machine (SVM) für die Datenanalyse eingeführt und bewertet. Durch die Verwendung des neuentwickelten BiSP Systems erhielt man in der Biometrie ein verbessertes Ergebnis für die Personen Authentifizierung und Erkennung handschriftlicher Objekte. In der medizinischen Anwendung wurden persönliche neuromotorische Merkmale, erhalten durch Schreiben, Zeichnen oder gestischen Bewegungen, analysiert, um die Krankheit Parkinson zu beschreiben oder die Medikatierung zu überwachen. Um die neuentwickelten Prozeduren (Sensortechniken und Softwaremethoden) zu bewerten wurden einige Experimente durchgeführt, um die Machbarkeit des BiSP Systems bezüglich der Erfassung und Analyse von feinmotorischen Merkmale für verschiedene Anwendungen zu bestimmen.

Owner only: item control page

Download Statistics

More literature (via CORE)

Details

Preview

Export bibliographical data

Abstract (English)

Abstract (English)

Translation of the abstract (German)

Translation of the abstract (German)

Download Statistics

Downloads

More literature (via CORE)

University Library