27、基于击键动态和头部运动的身份识别与输入技术研究

基于击键动态和头部运动的身份识别与输入技术研究

在当今科技不断发展的时代，身份识别和人机交互技术变得越来越重要。本文将介绍两种相关的技术：基于击键动态的身份识别技术和基于头部运动的无接触打字技术。

基于击键动态的身份识别技术

研究背景与动机

传统的身份识别方法有很多，而基于击键动态的身份识别是将其视为一个时间序列分类问题。近年来，针对这个问题已经开发出了各种技术，其中一种基于投影的方法PROCESS，之前仅应用于脑电图（EEG）信号的分类。尽管PROCESS取得了不错的效果，但尚未应用于基于击键动态的身份识别。本文旨在填补这一空白，提出使用基于投影的分类方法进行基于击键动态的身份识别。

相关工作

基于击键动态的身份识别可看作分类任务，可应用多种分类器，如神经网络、数据进化方法和基于柯尔莫哥洛夫 - 斯米尔诺夫检验的分类器等。集成技术在各种分类任务中表现强大，最近也应用于基于击键动态数据的身份识别。在时间序列分类问题中，带有动态时间规整（DTW）距离的最近邻分类器与更复杂的模型（如神经网络、隐马尔可夫模型等）具有竞争力。不过，最近邻分类器存在“坏中心”问题，这促使了中心感知分类器和回归器的发展，并应用于身份识别任务。在脑电图信号分类中，PROCESS在准确性和计算时间上都优于一些中心感知分类器，但此前未用于基于击键动态的身份识别。

基于投影的击键动态数据分类方法

击键动态数据是时间序列，每个值对应一次击键的持续时间，每个打字会话对应一个时间序列。具体步骤如下：
1. 投影到向量空间 ：
- 选择训练实例的一个子集。
- 对于