Due to the recent COVID-19 outbreak, studies regarding contactless interaction with authentication devices have gained more relevance. This thesis presents a soft multibiometric authentication system focused on gaze tracking and head movement analysis: these features, being behavioral traits, have the advantage of being personal, non-intrusive, and hard to spoof. Authentication is performed by watching a series of animations featuring pairs of squares moving symmetrically on screen, expecting from the symmetric properties an increase in performance. The tests are performed without calibrating the eye tracking device. From the data acquired by an eye tracker and a webcam, a number of features are extracted and then used to train machine learning algorithms, first for identification and then – after a feature selection phase – for verification, simulating both cases with (open-set) and without (closed-set) “intruders” external to an organization. Additional tests are run considering only the first few seconds of the animations. The approach shows promising results, with accuracy and EER scores comparable to the current studies featuring gazed-based biometric systems. Moreover, it consistently achieves better scores when analyzing symmetric features, and head movement also seems to contribute to the overall increase in performance.
Autenticazione Biometrica dall’Osservazione di Stimoli Simmetrici e Tracciamento della Testa. A causa della recente epidemia di COVID-19, gli studi sull'interazione senza contatto con i dispositivi di autenticazione hanno acquisito maggiore rilevanza. La seguente tesi presenta un sistema di autenticazione multibiometrica “soft” incentrato sull’eye tracking (tracciamento dello sguardo) e sull'analisi del movimento della testa: queste caratteristiche, essendo tratti comportamentali, presentano il vantaggio di essere personali, non intrusive e difficili da falsificare. L'autenticazione avviene mediante l’osservazione di una serie di animazioni con coppie di quadrati che si muovono simmetricamente sullo schermo, dalle cui proprietà simmetriche ci si aspetta un miglioramento delle prestazioni del sistema. I test sono eseguiti senza calibrare il dispositivo di tracciamento oculare. Dai dati prelevati utilizzando un eye tracker ed una webcam, una serie di feature vengono estratte ed utilizzate per addestrare degli algoritmi di machine learning, prima per l'identificazione e poi – dopo una fase di selezione delle feature – per la verifica, simulando sia la presenza di “intrusi” esterni all'organizzazione (open-set), sia la loro assenza (closed-set). Ulteriori test vengono eseguiti considerando solo i primi secondi delle animazioni. Questo approccio mostra risultati promettenti, con valori di accuratezza ed EER comparabili agli studi attuali sui sistemi biometrici basati sullo sguardo. Inoltre, analizzare le caratteristiche simmetriche garantisce costantemente punteggi migliori, ed anche il movimento della testa sembra contribuire all'aumento complessivo delle prestazioni.
Biometric Authentication from Free Observation of Symmetric Stimuli and Head Tracking
GENTILINI, ROBERTO
2021/2022
Abstract
Due to the recent COVID-19 outbreak, studies regarding contactless interaction with authentication devices have gained more relevance. This thesis presents a soft multibiometric authentication system focused on gaze tracking and head movement analysis: these features, being behavioral traits, have the advantage of being personal, non-intrusive, and hard to spoof. Authentication is performed by watching a series of animations featuring pairs of squares moving symmetrically on screen, expecting from the symmetric properties an increase in performance. The tests are performed without calibrating the eye tracking device. From the data acquired by an eye tracker and a webcam, a number of features are extracted and then used to train machine learning algorithms, first for identification and then – after a feature selection phase – for verification, simulating both cases with (open-set) and without (closed-set) “intruders” external to an organization. Additional tests are run considering only the first few seconds of the animations. The approach shows promising results, with accuracy and EER scores comparable to the current studies featuring gazed-based biometric systems. Moreover, it consistently achieves better scores when analyzing symmetric features, and head movement also seems to contribute to the overall increase in performance.È consentito all'utente scaricare e condividere i documenti disponibili a testo pieno in UNITESI UNIPV nel rispetto della licenza Creative Commons del tipo CC BY NC ND.
Per maggiori informazioni e per verifiche sull'eventuale disponibilità del file scrivere a: unitesi@unipv.it.
https://hdl.handle.net/20.500.14239/15444