相关实验视频
Updated: Jan 16, 2026
07:09
Virtual Reality Experiments with Physiological Measures
Published on: August 29, 2018
13.2K
在VR中的行为生物识别:改变传感器信号模式
Aleksander Sawicki1, Khalid Saeed1,2, Wojciech Walendziuk3
1Faculty of Computer Science, University of Technology, 15-351 Bialystok, Poland.
Sensors (Basel, Switzerland)
|September 27, 2025
概括
本研究引入了一种新的虚拟现实生物识别认证方法,通过将轨迹数据转换为加速和角速度信号. 这种方法显著提高了卷积神经网络 (CNN) 用户验证的准确性.
科学领域:
- 计算机科学 计算机科学
- 生物识别信息 生物识别信息
- 虚拟现实 虚拟现实 虚拟现实
背景情况:
- 虚拟现实 (VR) 和元宇宙开发需要先进的用户验证.
- 生物识别身份验证提供了比传统密码更加强大的安全性.
- 使用CNN控制器数据的现有方法在非连续的欧勒角方面面临挑战.
研究的目的:
- 用CNN来解决VR生物识别身份验证的局限性.
- 为动态信号生成提出一种新的模式转换.
- 提高VR环境中用户验证的准确性和稳定性.
主要方法:
- 从轨迹和方向数据生成加速和角速度信号.
- 采用四子代数来建模动态信号.
- 在原始和转换的数据上训练了各种CNN架构 (香草,注意力增强,多输入).
主要成果:
- 模式转换方法显著改善了跨数据集的F1得分准确性.
- 精度从0.80增加到0.82 (Comos),0.77增加到0.82 (Quest),以及0.83增加到0.92 (Vive).
- 与使用原始轨迹数据相比,提出的方法显示出更高的性能.
结论:
- 新模式转换有效地增强了VR生物识别身份验证.
- 基于四边形代数的信号生成提高了CNN对用户验证的性能.
- 这种方法为确保元宇宙相互作用提供了更强大,更准确的解决方案.
