In this work, we demonstrates the feasibility of employing the biometric photoplethysmography (PPG) signal for human verification applications. The PPG signal has dominance in terms of accessibility and portability which makes its usage in many applications such as user access control very appealing. Therefore, we developed robust time-stable features using signal analysis and deep learning models to increase the robustness and performance of the verification system with the PPG signal. The proposed system focuses on utilizing different stretching mechanisms namely Dynamic Time Warping, zero padding and interpolation with Fourier transform, and fuses them at the data level to be then deployed with different deep learning models. The designed deep models consist of Convolutional Neural Network (CNN) and Long-Short Term Memory (LSTM) which are considered to build a user specific model for the verification task. We collected a dataset consisting of 100 participants and recorded at two different time sessions using Plux pulse sensor. This dataset along with another two public databases are deployed to evaluate the performance of the proposed verification system in terms of uniqueness and time stability. The final result demonstrates the superiority of our proposed system tested on the built dataset and compared with other two public databases. The best performance achieved from our collected two-sessions database in terms of accuracy is 98% for the single-session and 87.1% for the two-sessions scenarios.

中文翻译：

---

基于PPG的生物识别系统中时间稳定性和唯一性的评估

在这项工作中，我们演示了将生物特征光体积描记术（PPG）信号用于人体验证应用的可行性。PPG信号在可访问性和可移植性方面具有优势，这使其在许多应用程序（如用户访问控制）中的使用非常吸引人。因此，我们使用信号分析和深度学习模型开发了鲁棒的时间稳定功能，以提高PPG信号验证系统的鲁棒性和性能。拟议的系统着重于利用不同的拉伸机制，例如动态时间规整，零填充和傅立叶变换插值，并将它们在数据级别融合，然后部署到不同的深度学习模型中。设计的深度模型由卷积神经网络（CNN）和长期短期记忆（LSTM）组成，它们被认为可以为验证任务构建用户特定的模型。我们收集了由100名参与者组成的数据集，并使用Plux脉冲传感器在两个不同的时间段进行了记录。将该数据集与另外两个公共数据库一起部署，以从唯一性和时间稳定性方面评估提议的验证系统的性能。最终结果证明了我们建议的系统在构建的数据集上进行测试并与其他两个公共数据库进行比较的优越性。从我们收集的两节数据库中获得的最佳性能的准确性是，单节为98％，两节方案为87.1％。我们收集了由100名参与者组成的数据集，并使用Plux脉冲传感器在两个不同的时间段进行了记录。将该数据集与另外两个公共数据库一起部署，以从唯一性和时间稳定性方面评估提议的验证系统的性能。最终结果证明了我们建议的系统在构建的数据集上进行测试并与其他两个公共数据库进行比较的优越性。从我们收集的两节数据库中获得的最佳性能的准确性是，单节为98％，两节方案为87.1％。我们收集了由100名参与者组成的数据集，并使用Plux脉冲传感器在两个不同的时间段进行了记录。将该数据集与另外两个公共数据库一起部署，以从唯一性和时间稳定性方面评估提议的验证系统的性能。最终结果证明了我们建议的系统在构建的数据集上进行测试并与其他两个公共数据库进行比较的优越性。从我们收集的两节数据库中获得的最佳性能的准确性是，单节为98％，两节方案为87.1％。将该数据集与另外两个公共数据库一起部署，以从唯一性和时间稳定性方面评估提议的验证系统的性能。最终结果证明了我们建议的系统在构建的数据集上进行测试并与其他两个公共数据库进行比较的优越性。从我们收集的两节数据库中获得的最佳性能的准确性是，单节为98％，两节方案为87.1％。将该数据集与另外两个公共数据库一起部署，以从唯一性和时间稳定性方面评估提议的验证系统的性能。最终结果证明了我们建议的系统在构建的数据集上进行测试并与其他两个公共数据库进行比较的优越性。从我们收集的两节数据库中获得的最佳性能的准确性是，单节为98％，两节方案为87.1％。