摘要

本文提出了一种用于生物特征识别应用的新框架，该框架利用眼动模式进行身份验证。眼动模式包含了大量关于认知脑功能、神经通路等的信息。在所提出的方法中，眼动数据被分类为注视（fixations）和扫视（saccades）。从注视和扫视中提取的特征被用于基于高斯径向基函数网络（Gaussian Radial Basis Function Network, GRBFN）的方法进行生物特征认证。输出层采用了分数融合方法对数据进行分类。在评估阶段，算法使用了两种刺激类型进行测试：屏幕上的随机点追踪和文本阅读。结果表明，眼动模式作为一种生物特征模态具有很强的优势。该算法已在BioEye 2015数据库上进行了评估，并发现其性能优于所有其他方法。眼动是由复杂的ocular motor plant生成的，很难通过机械复制品来伪造。将眼动动力学与虹膜识别技术结合使用，可能会导致一种强大的防伪个人识别系统。