基于复发图和初始V3模型的生物识别,使用眼睛运动

科学领域:

• 生物识别识别生物识别
• 人与计算机的交互
• 计算机视觉 计算机视觉

背景情况:

• 当前的生物识别系统未充分利用眼动信号中的相关性特征.
• 新的生物识别方式对于提高安全性和用户身份验证至关重要.

研究的目的:

• 提出一种新的眼动生物识别模型,利用复发图形编码和InceptionV3深度学习架构.
• 为了研究复发图形转换用于眼睛运动信号特征提取的有效性.

主要方法:

• 眼睛运动信号被转化为二维图像,使用重复图谱编码.
• 生成的图像被用作生物识别的InceptionV3模型的输入.
• 使用GazeBaseV2.0数据集评估了表现,比较了水平和垂直的目光位置信号.

主要成果:

• 拟议的模型在生物识别方面实现了96.58%±0.66%的高精度.
• 与垂直信号相比,水平视角位置信号的识别性能优于垂直信号.
• 编码的重复图表表表现优于马尔科夫过渡场和格拉米角场转换.

结论:

• 开发的眼动生物识别模型显示了对准确和可靠的用户识别的巨大潜力.
• 重复图形编码提供了一种强大的方法,可以从眼动数据中提取辨别特征.
• InceptionV3模型有效地处理这些基于图像的表示,以实现高性能生物识别.