通过连续凝视偏移得分融合增强用于用户认证的眼动生物特征识别

眼动生物特征识别（EMB）利用特定于受试者的凝视动态进行用户认证和识别。近期基于深度学习的 EMB 系统通过对时间眼动行为进行建模，取得了优异的性能。然而，尽管有先前证据表明连续凝视偏移包含用户判别信息，这些系统通常忽略了这一特征。本研究探讨了将连续凝视偏移与现有生物特征结合时，是否能够提升生物特征识别性能。我们在两个公开可用的数据集上评估了线性和非线性融合方法，这些数据集是通过实验室级眼动仪和虚拟现实头显在多种任务和观察时长下收集的。结果表明，融合在这两个数据集上均提供了性能优势，尤其是在使用非线性融合时。此外，跨多个任务融合生物特征信息进一步提高了认证性能。这些发现支持了以下假设：在眼动追踪质量下降或存在噪声的条件下，连续凝视偏移可作为有用的辅助信息。