合成眼球追踪信号退化的百分位匹配技术:一个生物识别案例研究
Henry Griffith1, Dmytro Katrychuk1, Mehedi H Raju1
1Department of Computer Science, Texas State University, San Marcos, Texas, United States of America.
PloS one
|November 19, 2025
概括
研究人员开发了一种新的模型,以实际降低眼动信号,改善合成数据质量,以便更好地进行生物识别身份验证和眼睛跟踪研究.
科学领域:
- 生物医学工程 生物医学工程
- 计算机科学 计算机科学
- 人与计算机的交互
背景情况:
- 高质量的眼睛跟踪数据对于研究和应用至关重要.
- 现有的模拟低质量的眼睛追踪数据的方法缺乏现实性.
- 降低空间精度和时间精度是实现现实的合成数据的关键.
研究的目的:
- 提出一种改进的基于模型的方法来合成降解眼动信号.
- 与以前的方法相比,为了提高退化眼睛跟踪数据的真实性.
- 为了评估模型在模仿低质量的眼睛追踪设备方面的有效性.
主要方法:
- 开发了一种新的模型,其中包含了降低空间精度和时间精度的机制.
- 使用百分比匹配技术来模拟目标信号质量的分布结构.
- 在虚拟现实平台中使用EyeLink 1000和SMI眼球追踪器的数据进行演示.
- 提出了一个应用-不可知现实主义评估工作流程,使用1 Nearest-Neighbor分类器.
主要成果:
- 拟议的模型显著提高了受损的眼动信号的现实性.
- 生物识别用户身份验证性能显著改善:d-prime (0.26对0.84),错误拒绝率 (12.08%对31.10%) 和相同错误率 (3.08%对4.69%).
- 现实主义评估工作流显示,与基准模型相比,中位数分类准确度提高了35.7%.
结论:
- 百分比匹配技术提供了更准确的近似目标眼睛跟踪数据质量.
- 开发的模型提供了更现实的眼动信号的合成降解.
- 这种方法增强了合成眼睛跟踪数据的实用性,用于研究和生物识别应用.
