Eine Scoreschwellen-Fusionmethode für Augenbewegungsbiometrie

Dieses Papier schlägt ein neues Framework für die Verwendung von Augenbewegungsmustern in biometrischen Anwendungen vor. Augenbewegungen enthalten reichhaltige Informationen über kognitive Gehirnfunktionen, neuronale Wege und ähnliches. Im vorgeschlagenen Verfahren werden die Augenbewegungsdaten in Fixationen und Saccaden klassifiziert. Merkmale, die aus Fixationen und Saccaden extrahiert wurden, werden von einer auf einem Gaußschen Radialbasisfunktionennetz (GRBFN) basierenden Methode zur biometrischen Authentifizierung verwendet. Ein Score-Fusion-Ansatz wird angewendet, um die Daten in der Ausgabeschicht zu klassifizieren. Im Evaluationsstadium wurde der Algorithmus mit zwei Arten von Reizen getestet: dem Zufolgen zufällig verteilter Punkte auf einem Bildschirm und dem Lesen von Text. Die Ergebnisse zeigen die Stärke von Augenbewegungsmustern als biometrisches Merkmal. Der Algorithmus wurde anhand der BioEye 2015-Datenbank evaluiert und erwies sich als überlegen zu allen anderen Methoden. Augenbewegungen werden durch eine komplexe Oculomotorik erzeugt, die sehr schwer durch mechanische Nachbildungen getäuscht werden kann. Die Verwendung von Augenbewegungsdynamiken in Kombination mit Iris-Erkennungstechnologie könnte zu einem robusten, gefälschungssicheren Personenerkennungssystem führen.