Augmented and virtual reality deployment is finding increasing use in novel applications. Some of these emerging and foreseen applications allow the users to access sensitive information and functionalities. Head Mounted Displays (HMD) are used to enable such applications and they typically include eye facing cameras to facilitate advanced user interaction. Such integrated cameras capture iris and partial periocular region during the interaction. This work investigates the possibility of using the captured ocular images from integrated cameras from HMD devices for biometric verification, taking into account the expected limited computational power of such devices. Such an approach can allow user to be verified in a manner that does not require any special and explicit user action. In addition to our comprehensive analyses, we present a light weight, yet accurate, segmentation solution for the ocular region captured from HMD devices. Further, we benchmark a number of well-established iris and periocular verification methods along with an in-depth analysis on the impact of iris sample selection and its effect on iris recognition performance for HMD devices. To the end, we also propose and validate an identity-preserving synthetic ocular image generation mechanism that can be used for large scale data generation for training purposes or attack generation purposes. We establish the realistic image quality of generated images with high fidelity and identity preserving capabilities through benchmarking them for iris and periocular verification.

增强和虚拟现实部署正在新颖的应用程序中得到越来越多的使用。这些新兴的和可预见的应用程序中的一些允许用户访问敏感信息和功能。头戴式显示器（HMD）用于实现此类应用，并且它们通常包括面向眼睛的摄像头，以促进高级用户交互。这样的集成相机在交互过程中捕获虹膜和部分眼周区域。考虑到此类设备的预期有限计算能力，这项工作研究了使用从HMD设备的集成摄像机捕获的眼图图像进行生物特征验证的可能性。这样的方法可以允许以不需要任何特殊和明确的用户动作的方式来验证用户。除了我们的综合分析之外，我们为从HMD设备捕获的眼部区域提供了一种轻巧但准确的分割解决方案。此外，我们对许多完善的虹膜和眼周验证方法进行了基准测试，并对虹膜样本选择的影响及其对HMD设备虹膜识别性能的影响进行了深入分析。最后，我们还提出并验证了一种可保存身份的合成眼图像生成机制，该机制可用于出于培训目的或攻击生成目的的大规模数据生成。我们通过对虹膜和眼周验证进行基准测试，来建立具有高保真度和身份保留功能的生成图像的逼真的图像质量。我们对许多公认的虹膜和眼周验证方法进行了基准测试，并对虹膜样本选择的影响及其对HMD设备的虹膜识别性能的影响进行了深入分析。最后，我们还提出并验证了一种可保存身份的合成眼图像生成机制，该机制可用于出于培训目的或攻击生成目的的大规模数据生成。我们通过对虹膜和眼周验证进行基准测试，来建立具有高保真度和身份保留功能的生成图像的逼真的图像质量。我们对许多公认的虹膜和眼周验证方法进行了基准测试，并对虹膜样本选择的影响及其对HMD设备的虹膜识别性能的影响进行了深入分析。最后，我们还提出并验证了一种可保存身份的合成眼图像生成机制，该机制可用于出于培训目的或攻击生成目的的大规模数据生成。我们通过基准化虹膜和眼周验证来建立具有高保真度和身份保留功能的生成图像的逼真的图像质量。我们还提出并验证了可以用于训练或攻击生成目的的大规模数据生成的身份保留合成眼图像生成机制。我们通过对虹膜和眼周验证进行基准测试，来建立具有高保真度和身份保留功能的生成图像的逼真的图像质量。我们还提出并验证了可以用于训练或攻击生成目的的大规模数据生成的身份保留合成眼图像生成机制。我们通过对虹膜和眼周验证进行基准测试，来建立具有高保真度和身份保留功能的生成图像的逼真的图像质量。