声明
摘要
1.1.1 课题背景
1.1.2 课题意义
1.2 国内外研究现状
1.2.1 生物特征身份识别方法
1.2.2 眼动特征身份识别方法
1.2.3 眼动信号采集方法
1.3 本文研究内容及结构
第2章 眼动特征身份识别技术基础
2.1 人眼运动特点
2.1.1 人眼生理结构
2.1.2 眼动特征
2.2 眼动信息采集系统
2.2.1 系统硬件架构
2.2.2 摄像机坐标系模型
2.2.3 摄像机标定
2.2.4 摄像机标定方法
2.3 眼动特征身份识别方法
2.3.1 PCA主元分析法
2.3.2 SPE统计量法
2.3.3 欧式距离法
2.3.4 KNN最近邻法
2.3.5 SVM支持向量机法
2.3.6 神经网络法
2.4 本章小结
第3章 基于眼动信息的身份识别
3.1 眼动数据的处理
3.1.1 眼动数据库介绍
3.1.2 眼动数据筛选
3.1.3 眼动数据整理
3.2 基于PCA的眼动信息身份识别
3.2.1 数据预处理
2.2.2 眼动数据PCA处理
3.2.3 基于PCA+SPE统计量法的身份识别
3.2.4 基于PCA+欧氏距离法的身份识别
3.2.5 基于PCA+KNN法的身份识别
3.2.6 基于PCA+SVM法的身份识别
3.2.7 基于PCA+神经网络法的身份识别
3.3 基于眼动特征的身份识别
3.3.1 眼动特征的提取
3.3.2 基于眼动特征+KNN法的身份识别
3.3.3 基于眼动特征+SVM法的身份识别
3.3.4 基于眼动特征+神经网络法的身份识别
3.4 综合对比
3.5 本章小结
第4章 眼动信息采集系统的优化
4.1 单摄像机双光源系统下的眼动信息采集
4.2 基于5点定标的光视轴偏差校正方法
4.3 摄像机定标信息转移方法
4.4 实验验证
4.5 本章小结
第5章 总结与展望
参考文献
致谢
攻读硕士学位期间发表的学术论文