基于眼动的生物特征识别技术研究
| 摘要 | 第10-12页 |
| ABSTRACT | 第12-13页 |
| 第1章 绪论 | 第14-24页 |
| 1.1 课题背景及意义 | 第14-18页 |
| 1.1.1 课题背景 | 第14-17页 |
| 1.1.2 课题意义 | 第17-18页 |
| 1.2 国内外研究现状 | 第18-22页 |
| 1.2.1 生物特征身份识别方法 | 第18-19页 |
| 1.2.2 眼动特征身份识别方法 | 第19-21页 |
| 1.2.3 眼动信号采集方法 | 第21-22页 |
| 1.3 本文研究内容及结构 | 第22-24页 |
| 第2章 眼动特征身份识别技术基础 | 第24-40页 |
| 2.1 人眼运动特点 | 第24-26页 |
| 2.1.1 人眼生理结构 | 第24-25页 |
| 2.1.2 眼动特征 | 第25-26页 |
| 2.2 眼动信息采集系统 | 第26-33页 |
| 2.2.1 系统硬件架构 | 第26-27页 |
| 2.2.2 摄像机坐标系模型 | 第27-29页 |
| 2.2.3 摄像机标定 | 第29-30页 |
| 2.2.4 摄像机标定方法 | 第30-33页 |
| 2.3 眼动特征身份识别方法 | 第33-39页 |
| 2.3.1 PCA主元分析法 | 第34-36页 |
| 2.3.2 SPE统计量法 | 第36页 |
| 2.3.3 欧式距离法 | 第36-37页 |
| 2.3.4 KNN最近邻法 | 第37页 |
| 2.3.5 SVM支持向量机法 | 第37-38页 |
| 2.3.6 神经网络法 | 第38-39页 |
| 2.4 本章小结 | 第39-40页 |
| 第3章 基于眼动信息的身份识别 | 第40-54页 |
| 3.1 眼动数据的处理 | 第40-43页 |
| 3.1.1 眼动数据库介绍 | 第40-41页 |
| 3.1.2 眼动数据筛选 | 第41-42页 |
| 3.1.3 眼动数据整理 | 第42-43页 |
| 3.2 基于PCA的眼动信息身份识别 | 第43-48页 |
| 3.2.1 数据预处理 | 第43页 |
| 3.2.2 眼动数据PCA处理 | 第43-44页 |
| 3.2.3 基于PCA+SPE统计量法的身份识别 | 第44-45页 |
| 3.2.4 基于PCA+欧氏距离法的身份识别 | 第45-46页 |
| 3.2.5 基于PCA+KNN法的身份识别 | 第46页 |
| 3.2.6 基于PCA+SVM法的身份识别 | 第46-47页 |
| 3.2.7 基于PCA+神经网络法的身份识别 | 第47-48页 |
| 3.3 基于眼动特征的身份识别 | 第48-51页 |
| 3.3.1 眼动特征的提取 | 第48-49页 |
| 3.3.2 基于眼动特征+KNN法的身份识别 | 第49-50页 |
| 3.3.3 基于眼动特征+SVM法的身份识别 | 第50-51页 |
| 3.3.4 基于眼动特征+神经网络法的身份识别 | 第51页 |
| 3.4 综合对比 | 第51-53页 |
| 3.5 本章小结 | 第53-54页 |
| 第4章 眼动信息采集系统的优化 | 第54-62页 |
| 4.1 单摄像机双光源系统下的眼动信息采集 | 第54-55页 |
| 4.2 基于5点定标的光视轴偏差校正方法 | 第55-57页 |
| 4.3 摄像机定标信息转移方法 | 第57-58页 |
| 4.4 实验验证 | 第58-60页 |
| 4.5 本章小结 | 第60-62页 |
| 第5章 总结与展望 | 第62-64页 |
| 参考文献 | 第64-70页 |
| 致谢 | 第70-71页 |
| 攻读硕士学位期间发表的学术论文 | 第71-72页 |
| 学位论文评阅及答辩情况表 | 第72页 |
