智慧眼鏡安全防護更精進。隨著智慧眼鏡發展持續增溫，為確保其資料安全性，目前大多採用虹膜辨識技術驗證使用者身分。然而，目前虹膜辨識成功率仍有改善空間，為此，已有學術單位透過機器學習理論，成功將虹膜辨識失誤率降低至0.2%，使智慧眼鏡資料防護更上一層樓。
國立中央大學資訊工程學系助理教授栗永徽表示，嵌入式系統體積越來越小，未來可望將整隻手機功能內建於穿戴式裝置之中，進而取代智慧型手機；而虹膜辨識是目前智慧眼鏡安全辨識的一個主流技術，為此，該實驗團隊致力於提升虹膜辨識技術，透過概率圖模型理論，可將原本虹膜辨識約2～3%的失誤率降至0.2%。
過往進行虹膜辨識時，會先用紅外線攝影機找到虹膜區域，然後將虹膜影像由原本甜甜圈狀的圓形轉換成長方形，再進行特徵擷取與比對等動作。目前的挑戰在於，由於人眼的瞳孔會放大縮小，因此攝影機所擷取到的影像多少會有些差異。比方說，某些區域應該要有些紋理在，但若重複執行虹膜辨識，這些紋理不見得會在同一個區域，因而影響虹膜辨識準確率。
為改善此一情況，進而提升辨識準確率，栗永徽指出，進行虹膜辨識時，須考慮上述影像局部區域變形(Local Deformation)的問題。若用傳統虹膜辨識理論檢驗的話，無法準確掌握局部區域變形的變化程度。
因此，該實驗團隊運用概率圖模型(Probabilistic Graphical Model)的機器學習理論，於虹膜辨識過程中，先將整張虹膜辨識影像分割成各個補丁(Patch)，再根據這些補丁建立圖形模型。這些圖形模型彼此間都會有些許應力，會互相吸引或相斥，因此會隨時動態調整。透過收集大量資訊進行訓練之後，這些模型便可針對局部區域變形的形變自動學習及自動補償，進而提高虹膜辨識準確率。
