基于自由漫游眼动数据的用户识别
机器学习
2024-03-15 v1 人机交互
摘要
我们提供了一个新的“自由漫游”（FR）和“目标漫游”（TR）数据集：41 名受试者被要求在大学校园（FR）或在图书馆中寻找特定房间（TR）期间行走。使用商品化的佩戴式眼动追踪器（Pupil Labs Neon，200Hz）记录眼动。我们在该数据集上研究了使用已知机器学习管道进行用户识别的准确性，其中使用径向基函数网络（RBFN）作为分类器。我们的最高准确率分别为 FR 和 TR 的 87.3% 和 89.4%。这应与我们所知的最高准确率（95.3%，在实验室环境中使用 BioEye 2015 比赛数据集的“RAN”刺激实现）进行比较。就我们所知，这些结果是首次在非实验室环境中研究用户识别；此类环境往往更可行且可能包括进一步的优势。每段记录的最短持续时间为 FR 的 263 秒，TR 的 154 秒。我们的 最佳准确率是在 FR 和 TR 分别限制为 120 秒和 140 秒时获得的，这些录制总是从轨迹的末尾切割（用于训练和测试会话）。如果从开头切割相同长度，则 FR 的准确率低 12.2%，TR 的准确率低约 6.4%。在完整轨迹上，FR 和 TR 的准确率分别低 5% 和 52%。我们还研究了包括更高阶速度导数（如加速度、 jerk 或 jounce）的影响。
引用
@article{arxiv.2403.09415,
title = {User Identification via Free Roaming Eye Tracking Data},
author = {Rishabh Vallabh Varsha Haria and Amin El Abed and Sebastian Maneth},
journal= {arXiv preprint arXiv:2403.09415},
year = {2024}
}