就像手机解锁方法从密码到面部识别的演变一样。将来，如果人们拥有VR头戴式耳机，那么一种能够确保隐私和安全性的帐户解锁和身份验证方法就非常重要。目前，在市场上经常讨论的VR解锁方法包括生物识别解决方案，例如眼球和面部识别。但是考虑到生物识别技术依赖于更昂贵的传感器，因此大多数VR头戴设备都没有配备眼睛识别功能。但是，目前市场上的6DoF头戴式显示器跟踪和6DoF手柄跟踪精度足以将用户身高和臂长之类的信息有效地识别为用户的生物特征信息。最近，斯坦福大学的研究人员提出了一种通过识别人体运动来验证用户身份的方案。其特征在于，仅需要一小部分VR姿势跟踪数据即可根据跟踪的动作来识别用户身份。在一个由551人组成的实验中，该方案的识别准确率可以达到95％，并且每个人都可以在不到5分钟的时间内完成识别。即使算法训练时间从5分钟减少到1分钟，准确率也可以高达75％。在实验中，参与者需要观看VR中的一些全景视频并回答问卷。在此过程中识别出的姿势跟踪数据将由三种机器学习算法进行处理。该算法适用于各种情况。根据场景切换进行重新训练。该算法识别身份所需的数据包括VR头戴设备离地面的高度（用户的高度），用户的姿势，头戴式耳机的形状参数，手柄的位置实验结果表明，大多数参与者在放松观看视频时移动几乎相同，不会四处走动。详细地，这些实验参与者涵盖了多个年龄段，包括13至65岁的人群。这一组人分别包括大学生和科学技术博物馆的参观者，他们是一群对科学技术更加熟悉或感兴趣的人。为了从参与者那里获取更多准确的数据，研究人员为他们播放了全景视频。参与者只需要观看视频，而无需进行特定操作。因此，每个人所做的动作是不同的。研究人员指出，人的运动可以反映身体的健康状况和心理状况，而且每个人的运动习惯都不同。例如，超过55岁的参与者的运动方式与普通大学生参与者的运动方式不同。因此，可以基于不同人的动作数据来训练算法以进行身份认证。身体追踪数据的定律可能与诸如注意力不集中，自闭症和创伤后应激障碍等身体状况有关，即使通过这些运动数据，也有可能识别出老年痴呆症。在实验中，研究人员设置了一系列日常场景，参与者可以自由移动和放松，因此跟踪和识别的准确性更高。目前，研究人员进行的实验是基于6DoF处理数据，但是使用3DoF处理数据识别参与者的准确性要小得多，仅为19.5％，但这并不是完全无法识别的。将来，他们计划使用手势数据来推断性别，年龄或VR内容，并探索更多保护手势数据隐私的方法。关于隐私安全性，通常，手势数据不被认为具有识别信息，但是斯坦福大学的研究实验希望对这种动作数据进行分类，将来可以用作生物识别数据来识别个人信息。斯坦福大学的学者发现，即使可以从姿势数据中识别出身份信息，即使没有人名信息，这些基本数据也不能保证隐私。当前，诸如Facebook和HTC之类的平台承诺仅与合作伙伴匿名共享VR跟踪数据，因此根据斯坦福大学的研究，VR跟踪数据实际上与生物特征信息一样可识别。有些公司甚至可以根据体育数据的特征来匹配个人数据。通过匹配Facebook帐户，他们甚至可以识别用户。真实姓名。斯坦福大学的研究表明，尽管Facebook是促进这项技术发展的最大的数据公司之一：在VR和AR技术的帮助下，数据收集已达到一个新的维度，并需要自己的规则。随着虚拟现实的兴起，人体跟踪数据比以往任何时候都更加准确和丰富。钍