In this thesis, we investigate the possibility of using users’ eye data (i.e. pupil sizes, gaze coordinates, fixations, and saccades) to obtain useful features for gaze-based biometrics, and apply them in the two classic biometric processes: identification (i.e. searching for an individual matching a biometric sample) and verification (i.e. confirming an individual’s claimed identity). In experiments carried out in different sessions, some subjects were asked to freely look at a sequence of 20 images pertaining to four different categories (with five images for each category). The order of image presentation was random, and each image was displayed for six seconds. Eye data were acquired using an Eye Tribe eye tracker, with a sampling rate of 30 Hz, and the OGAMA software was used to design and implement the experiments, as well as to record and analyse gaze data. Two main methods were exploited for the analysis: the first considered gaze data about the entire image; the second method, instead, took into account only data related to specific “areas of interests”. These two approaches were employed in both the identification and verification processes, at first considering all the 20 images and then only the single categories (i.e., five images). Different classifiers (Naive Bayes, Neural Network, AdaBoost and Random Forest) and sampling methods were used for the classification processes. For both identification and verification, the best results were achieved using all 20 images. In general, the obtained results are encouraging and suggest that eye features can provide reliable information in the field of soft biometrics (i.e. when a very high identification or verification rate is not required).

Biometria basata sul tracciamento oculare: uno studio sull'osservazione libera di immagini statiche. In questa tesi abbiamo studiato la possibilità di utilizzare dati oculari (in particolare dimensioni delle pupille, posizione dello sguardo, fissazioni e saccadi) per ottenere caratteristiche utili per l’implementazione della biometria basata sul tracciamento oculare. Tali caratteristiche sono state impiegate in due classici processi biometrici: l’identificazione (cioè il riconoscimento di un individuo all’interno di un insieme) e la verifica (ossia la conferma o il rifiuto dell’identità dichiarata da un individuo). Negli esperimenti realizzati, condotti in differenti sessioni, alcuni soggetti sono stati invitati ad osservare liberamente una sequenza di 20 immagini caratterizzate da quattro categorie di contenuti (cinque immagini per ogni categoria). L'ordine di presentazione delle immagini era casuale e ciascuna veniva visualizzata per sei secondi. I dati oculari sono stati acquisiti utilizzando un eye tracker Eye Tribe, con una frequenza di campionamento di 30 Hz. Il software OGAMA è stato impiegato per creare ed eseguire gli esperimenti, così come per analizzare e visualizzare i dati acquisiti. L’analisi è stata condotta secondo due metodi: il primo considerando i dati oculari relativi all’intera immagine; il secondo tenendo conto solo dei dati relativi a specifiche “aree di interesse”. Questi due approcci sono stati applicati ai processi di identificazione e verifica, prima considerando tutte le 20 immagini e poi solo le singole categorie (cioè cinque immagini alla volta). Per i processi di classificazione sono stati utilizzati diversi classificatori (Naive Bayes, Neural Network, AdaBoost e Random Forest) e metodi di campionamento. Sia per l'identificazione che per la verifica, i migliori risultati sono stati raggiunti utilizzando tutte le 20 immagini. In generale, i risultati ottenuti sono incoraggianti e suggeriscono che le caratteristiche oculari, per il tipo di stimoli considerati, possono fornire informazioni affidabili nel campo della cosiddetta “biometria soft” (la quale non richiede il raggiungimento di percentuali di identificazione o di verifica estremamente elevate).

Gaze-Based Biometrics: a Study on Free Observation of Static Images

BARBONI, ALESSANDRO
2016/2017

Abstract

In this thesis, we investigate the possibility of using users’ eye data (i.e. pupil sizes, gaze coordinates, fixations, and saccades) to obtain useful features for gaze-based biometrics, and apply them in the two classic biometric processes: identification (i.e. searching for an individual matching a biometric sample) and verification (i.e. confirming an individual’s claimed identity). In experiments carried out in different sessions, some subjects were asked to freely look at a sequence of 20 images pertaining to four different categories (with five images for each category). The order of image presentation was random, and each image was displayed for six seconds. Eye data were acquired using an Eye Tribe eye tracker, with a sampling rate of 30 Hz, and the OGAMA software was used to design and implement the experiments, as well as to record and analyse gaze data. Two main methods were exploited for the analysis: the first considered gaze data about the entire image; the second method, instead, took into account only data related to specific “areas of interests”. These two approaches were employed in both the identification and verification processes, at first considering all the 20 images and then only the single categories (i.e., five images). Different classifiers (Naive Bayes, Neural Network, AdaBoost and Random Forest) and sampling methods were used for the classification processes. For both identification and verification, the best results were achieved using all 20 images. In general, the obtained results are encouraging and suggest that eye features can provide reliable information in the field of soft biometrics (i.e. when a very high identification or verification rate is not required).
2016
Gaze-Based Biometrics: a Study on Free Observation of Static Images
Biometria basata sul tracciamento oculare: uno studio sull'osservazione libera di immagini statiche. In questa tesi abbiamo studiato la possibilità di utilizzare dati oculari (in particolare dimensioni delle pupille, posizione dello sguardo, fissazioni e saccadi) per ottenere caratteristiche utili per l’implementazione della biometria basata sul tracciamento oculare. Tali caratteristiche sono state impiegate in due classici processi biometrici: l’identificazione (cioè il riconoscimento di un individuo all’interno di un insieme) e la verifica (ossia la conferma o il rifiuto dell’identità dichiarata da un individuo). Negli esperimenti realizzati, condotti in differenti sessioni, alcuni soggetti sono stati invitati ad osservare liberamente una sequenza di 20 immagini caratterizzate da quattro categorie di contenuti (cinque immagini per ogni categoria). L'ordine di presentazione delle immagini era casuale e ciascuna veniva visualizzata per sei secondi. I dati oculari sono stati acquisiti utilizzando un eye tracker Eye Tribe, con una frequenza di campionamento di 30 Hz. Il software OGAMA è stato impiegato per creare ed eseguire gli esperimenti, così come per analizzare e visualizzare i dati acquisiti. L’analisi è stata condotta secondo due metodi: il primo considerando i dati oculari relativi all’intera immagine; il secondo tenendo conto solo dei dati relativi a specifiche “aree di interesse”. Questi due approcci sono stati applicati ai processi di identificazione e verifica, prima considerando tutte le 20 immagini e poi solo le singole categorie (cioè cinque immagini alla volta). Per i processi di classificazione sono stati utilizzati diversi classificatori (Naive Bayes, Neural Network, AdaBoost e Random Forest) e metodi di campionamento. Sia per l'identificazione che per la verifica, i migliori risultati sono stati raggiunti utilizzando tutte le 20 immagini. In generale, i risultati ottenuti sono incoraggianti e suggeriscono che le caratteristiche oculari, per il tipo di stimoli considerati, possono fornire informazioni affidabili nel campo della cosiddetta “biometria soft” (la quale non richiede il raggiungimento di percentuali di identificazione o di verifica estremamente elevate).
File in questo prodotto:
Non ci sono file associati a questo prodotto.

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.

Utilizza questo identificativo per citare o creare un link a questo documento: https://hdl.handle.net/20.500.14239/22427