EV-GazeLock：一种基于微眼运动和事件摄像头的用户认证系统

《ACM Transactions on Sensor Networks》：EV-GazeLock: A User Authentication System Based on Micro Eye Movement with Event Cameras

针对现有眼认证技术受限于低时间分辨率CMOS/CCD相机及隐私泄露问题，本文提出基于事件相机的EV-GazeLock方案，利用高时空分辨率的微运动特征提取，在保护隐私的同时显著提升认证性能。

　　

摘要

现成的VR/AR头戴设备越来越多地集成眼动追踪技术作为新型的人机交互界面，为虚拟环境中的新应用提供了可能。个体之间独特且可重复的眼动模式为用户识别（即眼动认证）提供了机会。然而，当前的眼动认证方案由于CMOS/CCD相机的时间分辨率较低，存在准确性问题，影响了认证的可靠性。此外，用于捕捉眼周详细图像的CMOS相机还引发了隐私泄露的担忧。为了解决这些挑战，我们提出利用事件相机进行眼动认证。事件相机将每个像素的亮度变化编码为具有高时间分辨率（数十微秒）的异步事件流，能够捕捉与身份相关的细微眼动特征（称为微动）。本文介绍了一种基于事件相机捕捉的眼动数据的新型认证方法——EV-GazeLock。EV-GazeLock仅使用事件流作为输入，并通过专门设计的MicroFlow网络提取与身份相关的特征，该网络用于从微动中提取时空特征。这种方法能够有效区分不同用户的眼动，同时避免记录眼睛的详细图像。在多个数据集上的广泛测试表明，EV-GazeLock的性能显著优于多种现有的注视认证或识别方法。进一步的消融研究验证了MicroFlow设计的有效性，进一步证明了所提出方法的可靠性和高效性。