Realisierung einer kamerabasierten Blickdetektion unter Nutzung von Machine Learning
Die meisten Menschen begegnen in ihrem Alltag zahllosen Passwörtern und PIN-Eingaben. Diese werden durch biometrische Verfahren zur Nutzerauthentifizierung ergänzt oder auch ersetzt. Statische Merkmale wie der Fingerabdruck sind aber leicht zu fälschen. Auch Erkennungsrate und Nutzbarkeit lassen zu wünschen übrig. Hier setzt das Vorhaben oculidCam an, um eine sichere und gleichzeitig nutzerfreundliche biometrische Authentifizierung anhand von individuellen Merkmalen der Blickbewegungen zu ermöglichen.
Ziel von oculidCam ist eine Erfassung von Merkmalen der Augenbewegungen mit handelsüblichen Kameras, um Authentifizierungsverfahren auf mobilen Endgeräten nutzbar zu machen. Zu diesem Zweck werden zunächst Laborstudien mit verschiedensten visuellen Stimuli durchgeführt. Die hierbei aufgenommenen Kamerabilder werden mittels Verfahren des maschinellen Lernens analysiert und zur Extraktion der Merkmale individueller Augenbewegungen genutzt. In späteren Untersuchungen werden die Ansätze auch für mobile Endgeräte und auf Alltagssituationen übertragen, um die Generalisierbarkeit mit Kamerahardware in handelsüblichen Mobilgeräten zu prüfen.
Die Authentifizierung mittels oculidCam ist eine einzigartige nutzerzentrierte Methode, die sich an der Schnittstelle von physiologischer und verhaltensbasierter Authentifizierung bewegt. Durch oculidCam wird eine reibungsfreie Authentifizierung auf unterschiedlichsten Endgeräten ermöglicht.