@techreport{oai:ipsj.ixsq.nii.ac.jp:00224822,
 author = {渡部, 晃久 and 飯島, 涼 and 森, 達哉 and Akihisa, Watanabe and Ryo, Iijima and Tatsuya, Mori},
 issue = {8},
 month = {Mar},
 note = {本研究では，スマートウォッチ上に搭載可能な表面筋電位  (sEMG) センサによるジェスチャ認証システムを提案する．従来は 32ch 以上の多チャネルを持つ高価な医療機器で行われていた sEMG 認証を，安価な 1ch のみの sEMG センサで実現できるように設計し，実験参加者 19 人分，11 種類のジェスチャについて，前処理，特徴抽出から機械学習モデルの構築，評価を実施した．モデルごと，ジェスチャごと，ユーザごとの 3 つの観点で基礎評価を行ったあと，学習データに含まれない未知のユーザによるロバスト性評価を実施した． 基礎評価により，平均 AUC=95%, EER=11% の高精度なモデルが構築できること， ロバスト性評価による AUC の低下率は 1–2% 以内にとどまり，実世界のシナリオで想定される攻撃に対して堅牢であることを示した．1ch-sEMG 認証の実現により，パスワードや PIN 入力よりも素早く認証入力ができ，かつ認証情報が漏洩した場合に認証動作の変更可能であり，さらにキーボードを持たない他のウェアラブルデバイスと連携した個人認証も期待できることから，早く，安全で，応用範囲の広い個人認証方式を実現することが可能である．, We propose a gesture-based user recognition system using sEMG signals for smartwatches. We designed the system to realize sEMG authentication with an inexpensive 1-channel sEMG sensor, whereas expensive medical devices with 32 or more channels have been used in the previous researches. We conducted preprocessing, feature extraction, machine learning model construction, and evaluation of 11 types of gestures for 19 experimental participants. We conducted a user study with 19 participants on 11 types of gestures to collect sEMG data, and conducted preprocessing, feature extraction, machine learning model construction, and evaluation. The basic evaluation showed that the models can be constructed with high accuracy (AUC=95%, EER=11%), and that the percentage reduction in AUC by robustness evaluation is within 1-2%, indicating that the models are robust against attacks assumed in a real-world scenario.},
 title = {手首の表面筋電位を用いたスマートウォッチ向けジェスチャ認証方式},
 year = {2023}
}