针对日常场景下智能手表 PPG 认证的可靠性研究
计算机视觉与模式识别
2025-04-01 v1
摘要
光电力生理测量（PPG）传感器广泛部署在智能手表上，提供了一种简单且非侵入式的日常认证方法。然而，PPG 认证因物理活动产生的运动伪影以及随时间推移的生理变化面临可靠性问题。为解决这些挑战，我们提出了MTL-RAPID，这是一种高效可靠的 PPG 认证模型，采用多任务联合训练策略，同时评估信号质量和验证用户身份。MTL-RAPID 在两个任务的联合优化结果为一个结构，显著优于分别训练于单个任务的模型，实现了更少参数下的更佳性能。在我们关于运动伪影（N=30）、时间变化（N=32）和用户偏好（N=16）的全面用户研究中，MTL-RAPID 实现了最佳 AUC 为 99.2% 和 EER 为 3.5%，超越了现有基线方法。我们在 GitHub 上开源了 PPG 认证数据集以及 MTL-RAPID 模型，以促进该领域的未来研究。
引用
@article{arxiv.2503.23930,
title = {Exploring Reliable PPG Authentication on Smartwatches in Daily Scenarios},
author = {Jiankai Tang and Jiacheng Liu and Renling Tong and Kai Zhu and Zhe Li and Xin Yi and Junliang Xing and Yuanchun Shi and Yuntao Wang},
journal= {arXiv preprint arXiv:2503.23930},
year = {2025}
}