|
ДокладыПостроение классификатора в системе биометрической идентификации человека на основе данных айтрекингаОдесский национальный политехнический университет Все большее распространение получают системы идентификации, использующие биометрические характеристики человека для решения проблемы доступа к информационным системам. Предлагается биометрическая технология, идентифицирующая человека по индивидуальным движениям глаз - поведенческим признакам. Эта форма идентификации особенно устойчива к подделке из-за сложных паттернов движения глаз, производимых мозгом. Целью данного исследования является повышение достоверности распознавания личности с помощью непараметрических нелинейных динамических моделей (моделей Вольтерра) окуло-моторной системы (ОМС) человека при построении пространства признаков. Для идентификации используется модель Вольтерра в виде многомерных переходных функций. Объектом исследования является процесс биометрической идентификации человека по данным айтрекинга. Предметом исследования являются вычислительные и программные средства для формирования пространства признаков и построения классификатора индивидов по результатам идентификации «вход-выход» ОМС на основе модели Вольтерра с использованием технологии айтрекинга. Для распознавания личности индивидов на основе нелинейной динамической модели OMS были проведены исследования: Создание пространства признаков для разработки классификатора отдельных лиц с использованием машинного обучения. Построение классификаторов с использованием статистических методов обучения распознаванию образов на основе данных, полученных с помощью технологии айтрекинга. В экспериментальных исследованиях использовались данные двух респондентов. Дискриминантная функция байесовского классификатора последовательно вычисляется на основе обучающих наборов данных для классов объектов Ω1 (индивидуальные измерения №1–22), Ω2 (индивидуальные №2–16 измерения). Переходные функции первого, второго и третьего порядков OMS были определены на основе данных, полученных с помощью айтрекера Tobii Pro TX300 [1]. В результате была выбрана пара признаков, устойчивых к вычислительным ошибкам, что дает высокий результат вероятности правильного распознавания - 0,9737.
Литература. 1. Pavlenko V., Milosz M., Dzienkowski M. Identification of the Oculo-Motor System based on the Volterra Model using Eye-tracking Technology // 4th Int. Conf. on Applied Physics, Simulation and Computing (APSAC 2020), 23-25 May 2020, Rome, Italy // Journal of Physics: Conference Series – Vol. 1603, 2020. – IOP Publishing, 2020. – P. 1-8.
|
