Disclosed is sampling HF-QRS signals from a number of subjects (or derived values or features), and using e.g. deep learning-convolutional neural networks to find features or values which are (i) sufficiently similar for the same subject over all samples, yet (ii) sufficiently different among different subjects to allow identification. Also disclosed is finding signatures which are sufficiently stable over a particular period such that these signatures are within a deviation threshold, and then monitoring all subjects to be identified at least as often as the period used to establish the deviation threshold.L'invention concerne l'échantillonnage de signaux QRS HF d'un certain nombre de sujets (ou de valeurs ou de caractéristiques dérivées), et l'utilisation, par exemple, de réseaux neuronaux convolutifs à apprentissage profond pour trouver des caractéristiques ou des valeurs qui sont (i) suffisamment similaires pour le même sujet sur tous les échantillons, mais (ii) suffisamment différentes parmi différents sujets pour permettre l'identification. L'invention concerne également la découverte de signatures qui sont suffisamment stables sur une période particulière de sorte que ces signatures se trouvent à l'intérieur d'un seuil de déviation, et ensuite la surveillance de tous les sujets à identifier au moins aussi souvent que la période utilisée pour établir le seuil de déviation.
