MMNov, 2021

多数据集下基于眼动的用户识别的广泛研究

PDF
TL;DR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。
发现论文，激发创造
  • 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

  • 深度眼动识别：利用眼部微小运动进行生物识别

    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。

    Jun, 2019

  • 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

  • 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

  • 使用人工智能方法研究视觉分析器

    利用人工智能技术研究人眼的方法及应用，通过计算机视野和青光眼诊断来收集数据，利用软件工具分析图像，通过 Tobii Pro Glasses 3 设备和虚拟现实视频来研究眼球运动和焦点，使用数学建模研究眼瞳运动的相关性，为医学中的青光眼患者评估病程和恶化，以及研究注意力机制提供了研究方法。

    Apr, 2024

  • 运动 ID：人类身份验证方法

    介绍了一种称为 Motion ID 的用户认证新方法，该方法利用惯性测量单元 (IMUs) 提供的运动感应来验证个人身份。通过数据预处理和机器学习，该方法展示了高精度的用户认证，可与现有方法结合使用，也有望作为一种独立的解决方案。

    Jan, 2023

  • 眼中的行为：动态注视数据集和学习显著性模型用于视觉识别

    本研究使用人眼追踪数据结合计算机视觉，探究了视觉搜索模式的稳定性、计算机视觉的空间 - 时间兴趣点采样策略与人类注视策略之间的差异，证明人类注视可以被准确预测，且在使用先进计算机视觉实践建立端到端可训练的计算机视觉系统时表现优良。

    Dec, 2013

  • 一见之下的实体识别：利用眼动信息提高命名实体识别

    本文介绍通过利用三个带有注释的语料库记录的注视信息，使用注视嵌入来改善 NER 模型，用于识别命名实体，展示了借助眼动数据可以提高自然语言处理模型性能的好处

    Feb, 2019

  • 使用脑电图的可解释和注意力机制的凝视估计方法

    本文利用同时测量的脑电图 (EEG) 和眼动数据集，提出了一种可解释的基于关注机制的深度学习框架用于估计眼球注视方向，通过对结果的分析可见该方法在准确性和鲁棒性方面优于现有方法，并提供了解释和强调注意力机制在 EEG 数据分析中提高效率和有效性的潜力。

    Aug, 2023

  • 贝叶斯辨别凝视、扫视和平滑追踪

    本文提出了基于贝叶斯决策理论的眼动分类算法 I-BDT，该算法可自动、高效地对动态视觉刺激条件下的注视、扫视和平滑追踪进行三元分类，对于低分辨率眼动追踪器具有较好的鲁棒性和一致性，评估结果显示该算法在本文给出的四个数据集上表现优越，其实现和注释数据集请联系第一作者。

    Nov, 2015