Jun, 2019

深度眼动识别：利用眼部微小运动进行生物识别

PDF
TL;DR研究了基于眼动的生物识别中的非自愿微动，并提出了一种处理原始眼动信号的深度卷积网络的方法，相较于先前的工作，该网络误差率提高一个数量级，速度提升两个数量级，可以在几秒钟内准确地识别用户。
involuntary micro-movementsbiometric identificationdeep convolutional architectureeye-tracking signalerror rate
发现论文，激发创造
  • 多数据集下基于眼动的用户识别的广泛研究

    本文介绍了一种基于眼动特征的生物识别身份验证方法，并针对多个数据集对其进行了广泛的用户身份识别研究。通过对刺激类型、IVT 参数等多方面的分析，发现选择最佳 IVT 参数、添加高阶导数特征和包含额外的眨眼识别器等三个方法对身份验证准确性的提高具有积极影响。

    Nov, 2021

  • 一种用于眼动生物特征的得分级融合方法

    本文提出了一种使用眼动模式进行生物识别的新框架，利用 fixations 和 saccades 提取特征，并使用 Gaussian Radial Basis Function Network 用于生物认证。使用文本阅读和屏幕上的随机点跟随等两种视觉刺激进行了测试，结果表明眼动模式是一种强大的生物证明模式，该算法已经在 BioEye 2015 数据库上进行了验证，并发现胜过其他所有方法。结合虹膜识别技术使用眼动动力学可能会导致一个牢固的防伪人员身份识别系统。

    Jan, 2016

  • 基于端到端机器学习眼动驱动的生物特征传输学习嵌入分析

    验证眼动生物识别系统中通过机器学习获得的嵌入式方法是否与传统生物识别中所观察到的时间持久性相似，并对输入数据的长度和质量对眼动生物识别的性能和嵌入式的稳定性进行了实验和评估。

    Feb, 2024

  • 使用深度学习识别面部微表情的人物识别

    本研究旨在探究面部微表情作为软生物识别的有效性并提出一种深度学习的方法来提高其在人体识别方面的应用，实验结果显示该方法与现有的基准相比，可以显著提高识别准确性。

    Jun, 2023

  • 高度动态决策任务中的潜在注视信息

    本文阐述在当前数字化和逐渐普及的人工智能技术下，眼动技术在领域专家识别、不同领域的知识迁移以及混乱的时间检测等方面发挥了重要作用，并建立了数字诊断模型以及可能的数字助理培训选择。

    Feb, 2022

  • 揭露由人工智能生成的虚假脸部视频：通过检测眨眼来实现

    本研究介绍了一种基于神经网络生成的虚假脸部视频中眼部眨眼检测方法，测试结果表明该方法在多个数据集上表现良好，能有效暴露 DeepFake 等虚假视频。

    Jun, 2018

  • AuthNet: 利用面部特征运动的深度学习身份验证机制

    本文提出了一种使用面部识别和特征运动作为密码的双重身份认证机制，基于机器学习和深度学习的生物特征识别系统在这种方案下表现出强大的鲁棒性和准确性。

    Dec, 2020

  • 基于深度学习的时空面部特征视觉语音识别

    本研究提出了一种利用面部识别和语言时的面部特征运动的身份验证过程，该过程不受语言限制且在低资源计算环境中具有 96.1% 准确率的表现。

    Apr, 2023

  • 使用深度学习提高虚拟现实中眼动追踪的鲁棒性、准确性和精度

    通过比较不同机器学习方法在眼部特征追踪中的表现，本研究客观评估了这些方法对最终注视估计质量的影响。

    Mar, 2024

  • 深度学习在帕金森病眼动数据的时间序列分类中的应用

    通过使用眼动追踪数据，分析巴金森病诊断和分类的深度学习算法，研究发现通过用于准备阶段的短时间序列数据作为输入可实现疾病分类任务，结果表明这些数据具有较低的主体间变异性并携带关于大脑认知和运动状况的有用信息，有效用于机器学习发现与疾病相关的生物标志物。

    Nov, 2023