Verificación biométrica a partir del acelerómetro del Smartphone
Imágenes
Fecha: septiembre 2014
Autor: Daniel Maté Arce
Tutores: Jesús B. Alonso Hernández, David Sánchez Rodríguez y Carlos M. Travieso González
Resumen del TFM:
El reconocimiento e identificación de las personas ha sido una meta a lograr por el ser humano a lo largo de la historia. Son muchas las biometrías estudiadas hasta la fecha y múltiples sus usos.
En este trabajo se pretende profundizar en el estudio del caminar de las personas como modalidad biométrica. La presencia de acelerómetros en los dispositivos móviles de la actualidad, hace que esta biometría adquiera una nueva relevancia. Ya sea para determinar la propiedad del usuario del teléfono, como para detectar anomalías en el caminar del propietario del dispositivo.
Para el estudio de esta característica biométrica ha sido necesario, en este trabajo, la creación de una aplicación móvil, que permitiese registrar el caminar de varios usuarios y conformar, de esta manera, una base de datos.
Así mismo, se desarrollo un sistema de extracción de características que, a partir de descomponer la señal del caminar en pasos, extrajese ciertos parámetros estadísticos de la misma. Para finalizar, se utilizó un clasificador clásico como es el denominado K-NN que permitiese discernir entre las muestras de entrada de los diferentes usuarios.
Una vez probado el sistema, se obtuvieron unas tasas de acierto del 80% en el mejor de los casos. Un dato que, sin ser extraordinario, si permite ser optimista en cuanto al uso de esta nueva modalidad biométrica.
The recognition and identification of people has been a goal to accomplish by humans throughout history. Many biometrics and its applications have been studied.
This paper aims to deepen the study of gait as biometric modality. The presence of accelerometers in mobile devices today, makes this biometric acquire a new relevance. Whether to determine the ownership of the phone, or to detect anomalies in the gait of the device owner.
For the study of the biometric feature, creating a mobile application has been necessary. This application records the users gait, forming a database.
Likewise, a feature extraction system has been developed. This system decompose the gait signal into steps, and then extract same statistical parameters of those steps. Finally, a classic K-NN classifer has been used to predict the correct users.
When testing the system, success rates of 80% were obtained in the best case. A fact which, while not extraordinary, if allowed to be optimistic about the use of this new biometric modality.