在信息网络技术高度发达的当今社会,因个人信息被盗或泄露而引发的身份认证安全问题频出不穷。犯罪手段的日益智能化、暴力化和隐形化使得传统的身份认证方式已经愈来愈不能满足重点保密场所的安全需求。脑电信号因其独树一帜的防伪性、隐藏性和规避性等优势,成为了一种理想的新型生物特征而备受关注。目前基于脑电的身份认证技术仍处于初级研究阶段,在准确性、实时性、鲁棒性、稳定性等方面都仍待提高。本课题从脑电身份认证技术的实际应用需求出发,围绕脑电身份特征诱发、脑电身份特征提取与分类,以及眼电辅助的脑电身份认证方案优化等问题展开了相关研究,在此基础上提出了一个基于视觉诱发脑电的身份认证系统框架,并从准确性、实时性、鲁棒性、稳定性等方面对其性能进行了测试和评估。主要工作如下:1、针对现有脑电身份特征诱发实验范式存在的身份特征诱发不显著、诱发时间较长等问题,提出了一种基于人脸快速序列视觉呈现(Rapid Serial Visual Presentation,RSVP)的脑电身份特征诱发实验范式。该实验范式设计主要利用了人在特定人脸加工下的视觉自我表征特性(即当人面对自身和非自身人脸时,大脑认知神经活动所产生的脑电信号具有明显的差异性)以及RSVP范式的快速性。通过实验数据采集和结果分析发现,该实验范式可以诱发出显著稳定的脑电身份特征,验证了该范式的合理性和有效性,保证了基于该范式的脑电身份认证的性能。2、针对人脸RSVP视觉诱发脑电信号的特点,提出了基于逐点双列相关系数的脑电身份特征提取方法。该方法针对单个用户的脑电信号,提取具有个体特异性的脑电时空特征,一方面可以提高身份识别的准确性,另一方面可以增强认证的鲁棒性。同时,为了获得精准的分类效果,分别设计了基于线性判别分析(Linear Discriminant Analysis,LDA)和卷积神经网络(Convolutional Neural Network,CNN)的分类器,并对诱发脑电身份特征在不同分类器下的分类结果进行了分析和比较。实验结果表明,在仅使用6s诱发脑电数据的情况下,LDA和CNN的平均认证准确率可分别达到87.6%和92.4%,验证了特征提取和分类器算法的科学性,同时也说明了诱发实验范式的实时性和有效性。3、已有研究表明眨眼眼电信号亦存在个体差异性,且该信号易于采集,因此为进一步提高脑电身份认证的准确性和鲁棒性,提出了一种眼电辅助的脑电身份认证优化方法。该方法首先分别提取脑电和眼电身份特征,再分别通过反向传播神经网络和卷积神经网络来获取眼电和脑电的匹配分数,最后采用了基于最小二乘法的脑电眼电分数层融合方法来得到最终的融合决策分数。实验结果表明,眼电辅助的脑电身份认证系统的平均认证准确率可达97.6%,相对于单纯脑电身份认证系统来说具有较大的提升,验证了优化方案的有效性。4、针对目前的脑电身份认证系统实时性不高且缺少开集鲁棒性测试和稳定性测试的不足,提出了一个基于视觉诱发脑电的实时身份认证系统框架,并从闭集内准确性测试、开集鲁棒性测试以及稳定性测试三个方面对该框架的性能进行了较为全面的测试和评估。与现有的多种脑电身份认证研究相比,本文所提出的认证框架在认证准确率、实时性、防伪性以及稳定性上均具有一定的优势,验证了系统整体设计的有效性和实用性。