如何学习鼠标移动？

java machine-learning biometrics

2022-09-01 00:39:37

在过去的几周里，我一直在尝试开发一种在我的应用程序中合成类似人类的小鼠运动的方法。一开始，我使用了多项式和样条插值等简单技术，但是即使有一点噪声，结果仍然无法显得足够像人类。

为了解决这个问题，我一直在研究将机器学习算法应用于真实人类运动生物识别技术的方法，以便通过从记录的真实人类运动中学习来合成小鼠运动。用户将编译记录的运动配置文件，这些运动将用于合成目的。

我已经搜索了几个星期，并阅读了几篇关于反向生物识别技术在生成鼠标动力学中的应用的文章，例如用于鼠标动力学的反向生物识别技术;然而，他们倾向于专注于从随机生成的动力学中生成逼真的时间，而我希望生成一条从A到B的路径。

有没有人有一些帮助菜鸟的指点？

目前，测试是通过记录动作并让我和其他几个开发人员观看回放来完成的。理想情况下，这种运动将能够欺骗自动生物识别分类器，以及真实的，活生生的，呼吸的智人。

答案 1

菲特定律可以很好地估计放置鼠标指针所需的时间。在派生部分有一个简单的解释，我认为你可以将其用作应用的基本构建块之一。从大动作开始，在运动的方向和长度上都放一些不准确，然后做一个较小的校正动作等等......

答案 2

首先，我猜你记录了人类小鼠从A到B的运动。因为否则，试图为这种运动合成一个模型在我看来是不可能的。

其次，如何测量与“直接”路径的偏差，也许与时间有关。我实际上怀疑不同角度，路径长度等的运动看起来不同，但也许你可以先尝试一个归一化的模型，你只是拉伸（在空间和时间上）并像你需要的那样旋转。

第三，学习。最简单的事情是只收集一个真实动作的集合（以我上面讨论的形式），并从该集合中取样。评估它是什么样子的。如果你真的想要一个概率模型，那么你必须评估什么样的模型适合。用高斯噪声模糊直接路径就足够了吗？从训练集中学习高斯噪声的参数？还是一些（罪恶）波浪形偏差？或者用于“靠近按钮”和“最终校正”的单独模型。拟合定律可能对评估有用。