在移动互联网时代,智能移动设备承载了用户大量的隐私信息,因此正确的用户鉴权认证成为安全访问这些敏感数据的首要前提。传统口令认证方式可能遭受越肩偷窥,指纹与人脸识别技术虽然可以抵御越肩偷窥,但易受模仿攻击。近年来,眼动视线作为生物特征被广泛应用于人机交互计算机视觉等领域,取得众多研究成果。其中,通过抽取眼动信息的方法被部分研究人员用于实现身份认证,但该方法需要专业的视线追踪仪器对眼动信息进行高精度采集,这些仪器价格昂贵且不易携带,难以应用于智能移动设备。基于上述问题,本文提出一种基于眼动轨迹与头部移动预测相结合的智能移动设备安全鉴权机制,该方法首先在智能移动设备上产生随意移动的视觉激励信号,向人眼发起挑战,吸引人眼观察;同时,利用前置摄像头拍摄用户头部动作;然后采用卷积神经网络预测视线坐标,抽取视线静态特征,并采用循环卷积神经网络预测头部移动规律,抽取头部移动动态特征;最后,本文将静态特征与动态特征拼接融合,使用支持向量机分类算法判断用户合法性,从而完成整个“挑战/响应”过程。本文在上述方法的指导下,实现了基于眼动轨迹与头部移动预测相结合的安全鉴权原型系统,以此为基础进行了一系列实验。实验结果表明,使用卷积神经网络预测视线坐标,平均误差距离可以达到3.06cm,将预测的横、纵坐标与真实横、纵坐标的差值作为静态特征;使用循环卷积神经网络预测连续图像的未来图帧,真实图像与预测图像的均方误差可达0.0043,预测模型的特征表示向量可以作为头部移动的动态特征;结合静态特征和动态特征,根据用户是否持有移动设备对特征数据添加标签,使用支持向量机分类算法完成用户合法性的判断,准确率达到98.6%。因此,本文所提出的方法能够满足智能移动设备的鉴权需求。