KR100438418B1 - 개인식별을 위한 손등 혈관패턴 인식 시스템 및 그 방법 - Google Patents

Abstract

본 발명은 개인식별을 위한 손등 혈관패턴 인식 시스템 및 그 방법에 관한 것이다.

이를 위하여 본 발명은 손잡이에 사용자의 손과 손가락이 고정되면 카메라를 이용해 사용자 손의 원시 영상을 촬영하는 단계, 사용자 손의 원시 영상에서 손의 입력 위치, 손의 연속 입력 영상, 그레이 스케일 분포를 이용하여 사용자 손의 움직임을 감지하고 위치 보상을 수행하는 단계, 사용자 손의 원시영상에서 손등 혈관패턴과 그 특성을 추출하여 데이터베이스에 기저장된 기준 손등 혈관패턴 및 그 특성과 비교하여 사용자의 본인 여부를 확인하는 단계를 포함한다.

따라서, 본 발명은 개인 식별을 위해 사용자 손등 혈관패턴 추출시 사용자 손의 회전 및 이동에 의한 위치 변화를 입력된 손의 위치, 연속적인 손의 입력 영상, 그레이 스케일 분포를 이용하여 추출된 손등 혈관패턴을 보상하여 데이터베이스 상의 기준 데이터와 비교함으로써 시스템이 정당한 사용자로 등록하지 않는 사용자로 판단하는 비율을 감소키고 사용자 편의성을 증대시킬 수 있는 효과를 제공하여 준다.

Description

개인식별을 위한 손등 혈관패턴 인식 시스템 및 그 방법{ Apparatus and the method for verification of blood vessel-patterns of the back of the hand for person identification }

본 발명은 개인식별을 위한 손등 혈관패턴 인식 시스템 및 그 방법에 관한 것으로, 보다 상세하게는 사용자 손의 위치 변화에 의한 손등 혈관패턴의 회전 및 이동을 보상하기 위한 개인식별을 위한 손등 혈관패턴 인식 시스템 및 그 방법에 관한 것이다.

일반적으로, 사용자 출입 통제 및 보안을 위해 사용자 인증을 요구하는 시스템에서는 마그네틱 카드, 스마트 카드, RF 카드 등을 이용한 카드가 주로 사용되고있다.

이 경우, 사용자의 도난 및 오용, 분실 등으로 인해 여러 문제점이 발생할 뿐만 아니라 사용자 수가 대규모인 경우에는 개인에게 지급되는 카드 수가 많아지므로 경제적 부담이 커지는 문제점도 발생한다.

따라서, 상기 문제점을 해결하기 위해 사용자의 신체적인 특징을 이용해 자동 인식하여 사용자의 신원 확인, 신원 인증 및 출입 통제에 사용될 수 있는 생체 인식 시스템이 상용화되고 있는 추세이다.

상기 생체 인식 시스템은 대개 지문패턴을 이용한 지문인식 시스템, 얼굴의 형상을 인식하는 시스템, 손의 형태를 이용하는 시스템 등이 있는데, 이러한 시스템들은 생체 특징의 변형, 외부 환경, 액세서리 등으로 인해 안정적인 인식 성능을 얻기 힘들다.

즉, 지문인식 시스템은 사용자의 지문이 고유하다는 점에서는 개인 식별에 유용하게 사용되나 양호한 지문을 얻을 수 없는 근로 현장이나 군대 등에서는 사용할 수 없다.

그리고, 얼굴의 형상을 인식하는 시스템은 사용자 편의성에서는 매우 우수하나 외부 조명, 화장, 액세서리 등에 의해서 발생되는 성능저하 요인을 해결하여 안정된 인식 성능을 얻기에는 기술적으로 어려움이 있다. 손의 형태를 이용하는 시스템은 사용자가 류마치스, 관절염에 의해 생체 특징의 변형이 쉽게 발생될 수 있어 시스템 성능 저하가 나타난다.

이러한 기존 생체 인식 시스템의 단점을 개선하기 위해 피하에 위치하는 사용자 손등의 정맥패턴을 인식하는 방식이 대한민국 특허등록 제10-259475호의 정맥분포패턴을 이용한 개인식별 방법에 나타나 있다.

정맥분포패턴을 이용한 개인식별 방법은 먼저 그 기구적인 설계면에서 크게, 사용자의 고정적인 손의 위치를 확보하기 위한 안착수단, 사용자의 손등에서 정맥패턴을 추출하기 위한 추출수단, 사용자 손의 회전 및 이동에 대한 보상을 위한 비교수단으로 구성된다.

안착수단은 도 1a 및 도 1b에 도시된 바와 같이 손으로 잡을 수 있는 봉이 장착되어 있어 사용자가 그 봉을 잡게 되면 사용자 손등의 원시 영상이 카메라를 통해 입력되도록 한다.

그리고, 추출수단은 카메라를 통해 입력되는 원시 영상에서 정맥패턴 검출 영역, 즉 Region of Interest(ROI) 영상만을 추출하여 고대역 처리와 이치화 (Binary) 처리를 적용하여 개개인의 손등의 정맥패턴을 추출한다.

이때, 비교수단은 사용자가 손을 회전하거나 이동하는 경우에 손등 정맥패턴의 왼쪽 상단의 분기점과 오른쪽 하단의 분기점을 사용하여 손의 움직임에 대한 보상처리를 수행한다.

즉, 도 2a 및 도 2b에 도시된 바와 같이 안착수단에서 사용자가 손으로 봉을 잡는 위치에 따라 봉을 기준으로 위, 아래로의 회전이 발생되므로, 원시 영상을 촬영하는 카메라와의 거리적인 변화와 추출하려는 손등 정맥패턴의 왜곡이 발생하기 때문에 시스템의 정맥패턴 인식 성능이 저하될 수 있다.

다음, 상기 정맥분포패턴을 이용한 개인식별 방법의 동작을 도 3을 참고하여살펴보면 다음과 같다.

제1 단계에서는 안착수단 및 카메라를 통해 불특정 사용자 손등에 관한 원시영상을 입력한다(S1). 그리고, 제2 단계에서는 제1 단계(S1)에서 입력한 원시영상에서 정맥패턴을 추출하기 위해 ROI 영상을 추출한다(S2).

제3 및 제4 단계에서는 상기 제2 단계(S2)에서 추출한 ROI 영상을 고대역 처리와 이치화 처리하고(S3, S4), 제5 단계에서는 데이터 필터링을 위해 고대역 및 이치화 처리된 영상에서 사용자 손등의 정맥패턴을 추출한다(S5).

이렇게 하여, 제 6 단계에서는 정맥패턴의 분기 특성을 검출하고 손등 정맥패턴의 왼쪽 상단의 분기점과 오른쪽 하단의 분기점을 이용하여 사용자 손의 회전 및 이동에 의해서 발생되는 시스템 오거절(False Rejection), 즉 정당한 사용자임에도 불구하고 사용자를 올바르지 못한 사용자로 처리하는 오류를 해결한다(S6).

최종적으로, 시스템은 상기 단계를 거친 정맥패턴 분기특성을 이용하여 개인 식별을 판단한다.

이와 같이, 종래 정맥분포패턴을 이용한 개인식별 장치 및 방법에서는 안착수단에서 사용자가 손으로 봉을 잡는 위치에 따라서 봉을 기준으로 위, 아래로 회전이 발생할 수 있다. 따라서, 사용자 손의 움직임은 사용자의 손등에 관한 영상을 촬영하는 카메라와의 거리적인 변화와 추출하려는 정맥패턴의 왜곡을 발생시켜 시스템 인식 성능 저하요인으로 작용한다는 문제점이 있다.

또한, 사용자 손등의 정맥패턴을 추출하는 추출수단은 정맥패턴의 중요한 특징인 패턴 연결성(vessel-patterns connectivity)을 부분적으로 손실하고 있어 시스템 인식 성능의 저하 요인으로 작용하고 있다. 즉, 정맥패턴의 분포 방향성을 고려하지 않고 동일한 처리 단계를 거침으로써 정맥패턴의 패턴 연결성을 부분적으로 손실한다. 게다가, 실제적인 생체 인식 특징으로 사용하는 정맥패턴의 분기점, 분기각도, 분기점에서의 길이와 같은 정맥패턴의 분기 특성을 추출하는데 많은 문제점이 있었다.

또한, 종래 정맥분포패턴을 이용한 개인식별 장치 및 방법은 실제적인 시스템 운영에서 외부 환경변화, 입력 영상의 변화 등에 대해서 매우 민감하게 반응할 뿐만 아니라, 최종적으로 추출된 손등 정맥패턴의 분기 특성에 모두 일괄적인 가중치(Uniform weighting factor)를 적용하여 사용자를 인식하게 되므로 실질적인 생체 인식 시스템으로의 안정성이 현저히 떨어지는 문제점이 있었다.

무엇보다도, 종래 정맥분포 패턴을 이용한 개인식별 장치 및 방법은 사용자 손의 회전 및 이동에 의해서 발생되는 시스템 오거절을 해결하기 위해 추출된 손등 정맥패턴의 왼쪽 상단의 분기점과 오른쪽 하단의 분기점을 이용한다. 이러한 종래 방법은 기준점으로 추출된 분기점이 부분적으로 손실되게 되면 시스템에서 기준 분기점을 잘못 인식함으로써 시스템 성능 저하의 중요한 요인으로 작용한다는 문제점이 있다.

본 발명은 위의 문제점을 해결하기 위한 것으로, 본 발명의 목적은 개인 식별을 위해 사용자 손등 혈관패턴 추출시 사용자 손의 회전 및 이동에 의한 위치 변화를 입력된 손의 위치, 연속적인 손의 입력 영상, 그레이 스케일 분포를 이용하여보상할 수 있는 개인식별을 위한 손등 혈관패턴 인식 시스템 및 그 방법을 제공하는 것이다.

도 1a 및 도 1b는 종래 기술에 따른 정맥분포패턴을 이용한 개인식별 방법에서 사용자가 안착수단을 이용해 손에 힘을 주는 상태가 도시된 도면이다.

도 2a 및 도 2b는 종래 기술에 따른 정맥분포패턴을 이용한 개인식별 방법에서 사용자가 손을 위/아래로 회전하는 상태가 도시된 도면이다.

도 3은 종래 기술에 따른 정맥분포패턴을 이용한 개인식별 방법의 동작이 도시되 순서도이다.

도 4 및 도 5는 본 발명에 따른 실시예로서 개인식별을 위한 손등 혈관패턴 인식 시스템이 도시된 외부도 및 내부도이다.

도 6은 본 발명의 실시예에 따른 개인식별을 위한 손등 혈관패턴 인식 시스템의 내부 구성이 도시된 도면이다.

도 7은 본 발명의 실시예에 따른 개인식별을 위한 손등 혈관패턴 인식 방법이 도시된 순서도이다.

도 8은 본 발명의 제1 실시예에 따른 사용자 손의 입력 위치를 이용한 위치 보상 상태가 도시된 도면이다.

도 9는 사용자 손이 우측으로 회전된 경우에 보상을 수행한 결과 영상이 도시된 도면이다.

도 10은 사용자 손이 좌측으로 회전된 경우에 보상을 수행한 결과 영상이 도시된 도면이다.

도 11은 본 발명의 제1 실시예에 따른 사용자 손의 상하 이동 발생시 위치 보상 상태가 도시된 도면이다.

도 12는 사용자 손이 상측으로 이동된 경우에 보상을 수행한 결과 영상이 도시된 도면이다.

도 13은 사용자 손이 하측으로 이동된 경우에 보상을 수행한 결과 영상이 도시된 도면이다.

도 14는 본 발명의 제1 실시예에 따른 사용자 손이 회전 및 상하 이동이 동시 발생시 위치 보상 상태가 도시된 도면이다.

도 15는 사용자 손이 우 회전 및 상측으로 이동된 경우에 보상을 수행한 결과 영상이 도시된 도면이다.

도 16에서 도 25는 연속적인 입력영상 분석에 의한 회전 보상에 관한 도면을 도시한 것이다.

도 16은 본 발명의 제2 실시예에 따른 연속적인 입력 영상 분석을 이용한 위치 보상을 위해 사용자 손의 연속적인 입력 영상이 도시된 도면이다.

도 17은 체인 코드를 이용한 손가락 진행 방향 분석을 위한 4-연결 체인의 형태가 도시된 도면이다.

도 18은 체인 코드를 이용한 손가락 진행 방향 분석을 위해 중지의 좌표 및 각도 측정 과정이 도시된 도면이다.

도 19는 체인 코드를 이용한 손가락 진행 방향 분석에 의한 위치 보상 방법이 도시된 순서도이다.

도 20은 실제 연속적인 사용자 손의 영상 입력과 ROI 영상이 도시된 도면이다.

도 21은 도 20의 ROI 영상을 체인 코드를 이용 처리하여 중지 자취 및 선분 방향 데이터의 추출 상태가 도시된 도면이다.

도 22는 핑거 에지 검출을 이용한 손가락 진행 방향 분석에 의한 위치 보상 방법이 도시된 순서도이다.

도 23은 핑거 에지 검출을 이용한 손가락 진행 방향 분석을 위해 중지의 좌표 및 각도 측정 과정이 도시된 도면이다.

도 24는 도 22의 핑거 에지 검출 영상을 처리하여 중지 자취 및 선분 방향 데이터의 추출 상태가 도시된 도면이다.

도 25는 본 발명의 제2 실시예로서 사용자 손이 우측으로 회전된 영상의 위치 보상 상태가 도시된 도면이다.

도 26에서 도 32는 그레이 스케일 분포를 이용한 위치 보상 방법에 관한 도면을 도시한 것이다.

도 26은 본 발명의 제3 실시예에 따른 그레이 스케일 분포를 이용한 위치 보상 방법에서 기하학 특성 벡터를 구하는 순서도이다.

도 27은 도 26에 의해 추출된 기하학 특성 벡터의 2차원 투영도가 도시된 도면이다.

도 28은 기하학 특성 벡터의 3차원 투영도가 도시된 도면이다.

도 29는 사용자가 시스템 실제 사용시 추출된 기본 기하학 특성 벡터와 회전에 의한 기하학 특성 벡터가 도시된 도면이다.

도 30은 그레이 스케일을 이용한 회전과 이동 보상 상태가 도시된 도면이다.

도 31은 실제로 기하학 특성 벡터를 이용한 위치 보상 실례로서 데이터베이스 상에 저장된 영상이 도시된 도면이다.

도 32는 기하학 특성 벡터(geometric feature vector)를 이용한 위치 보상 실례로서 그레이 스케일을 이용한 회전과 이동 보상을 수행한 영상이 도시된 도면이다.

상기한 바와 같은 목적을 실현하기 위한 본 발명의 특징에 따른 개인식별을 위한 손등 혈관패턴 인식 방법은, 손잡이에 사용자의 손과 손가락이 고정되면 카메라를 이용해 사용자 손의 원시 영상을 촬영하는 단계, 상기 촬영된 손의 원시 영상에서 손가락간의 교차점과 손가락 사이에 위치되는 손잡이의 좌우 모서리로 이루어지는 다각형을 산출하는 단계, 상기 산출된 다각형과 데이터베이스에 기저장된 기준 다각형과의 위상차 및 높이 차이를 비교하여 사용자 손의 움직임을 감지하고 위치 보상을 수행하는 단계, 상기 위치 보상이 완료되면, 상기 사용자 손의 원시영상에서 손등 혈관패턴과 그 특성을 추출하여 데이터베이스에 기저장된 기준 손등 혈관패턴 및 그 특성과 비교하는 단계, 상기 손등 혈관패턴간의 비교 결과에 따라 사용자의 본인 여부를 확인하고 입장 허락/거부를 결정하는 단계를 포함한다.

상기 다각형을 산출하는 단계는, 상기 제1 손잡이의 좌우 모서리와 검지와 중지의 교차점을 서로 연결하여 삼각형을 산출하고, 상기 제2 손잡이의 좌우 모서리와 중지와 약지의 교차점을 서로 연결하여 삼각형을 산출한다.

또한, 본 발명의 다른 특징에 따른 개인식별을 위한 손등 혈관패턴 인식 방법은, 카메라를 이용해 사용자 손의 원시 영상 촬영시, 사용자 손의 입력 시작 시점부터 입력 완료 시점까지 일정한 처리 속도로 연속적으로 사용자 손을 촬영하고, 손잡이에 사용자의 손과 손가락이 고정되면 사용자 손의 원시 영상을 촬영하는 단계, 상기 촬영된 사용자 손의 연속 연상을 토대로 손의 진행방향을 확인하고, 데이터베이스에 기저장된 기준 손등 혈관패턴의 진행방향과 비교하여 사용자의 움직임을 감지하고 위치 보상을 수행하는 단계, 상기 위치 보상이 완료되면, 상기 사용자 손의 원시영상에서 손등 혈관패턴과 그 특성을 추출하여 데이터베이스에 기저장된 기준 손등 혈관패턴 및 그 특성과 비교하는 단계, 상기 손등 혈관패턴간의 비교 결과에 따라 사용자의 본인 여부를 확인하고 입장 허락/거부를 결정하는 단계를 포함한다.

상기 손의 진행방향 파악 단계에서는, 상기 사용자 손의 원시영상에서 이진화된 영상을 검출하고, 체인 코드(Chain code)를 이용하여 손의 형태를 근사화시켜 손가락의 진행 방향을 구한다.

상기 체인 코드를 이용하는 단계에서는,

상기 사용자 손의 이진화된 영상에서 중지의 경계면에 따라 체인이 이동하면서 체인된 값의 자취 데이터를 생성하는 단계, 상기 자취 데이터 중 체인의 순환 부분을 찾아 제거하고, 상기 제거된 부분의 전후 체인을 연결해주는 단계, 상기 자취 데이터 중 중지의 자취에서 손가락의 높이를 기준으로 설정된 제1 및 제2 지점의 좌표를 측정하여 중지의 수직 진행방향 선분을 검출하는 단계, 상기 중지의 수직 진행방향 선분과 수평면과의 각도를 측정하여 중지의 진행방향을 파악하는 단계를 포함한다.

상기 손의 진행방향 파악 단계에서는, 상기 사용자 손의 원시영상에서 이진화된 영상을 검출하고, 핑거 에지(Finger edge) 검출을 이용하여 손가락의 경계면을 찾아 손가락의 형태를 근사화하여 손의 진행방향을 구한다.

상기 핑거 에지 검출을 이용하는 단계에서는, 상기 자취 데이터 중 중지의 자취에서 손가락의 높이를 기준으로 설정된 제1 및 제2 지점의 좌표를 측정하여 중지의 수직 진행방향 선분을 검출하고, 상기 중지의 수직 진행방향 선분과 수평면과의 각도를 측정함으로 중지의 진행방향을 파악하는 단계를 포함한다.

또한, 본 발명의 또 다른 특징에 따른 개인식별을 위한 손등 혈관패턴 인식 방법은 사용자 시스템 등록시 사용자의 손등 굴곡에 대한 기하학 특성 벡터를 추출하여 데이터베이스에 저장하는 단계, 손잡이에 사용자의 손과 손가락이 고정되면 카메라를 이용해 사용자 손의 원시 영상을 촬영하는 단계, 상기 사용자 손의 원시 영상에서 그레이 스케일을 사용하여 사용자 손등 굴곡에 특성 벡터를 산출하여 데이터베이스에 기저장된 기하학 특성 벡터와 비교하여 사용자의 움직임을 감지하고 위치 보상을 수행하는 단계, 상기 위치 보상이 완료되면, 상기 사용자 손의 원시영상에서 손등 혈관패턴과 그 특성을 추출하여 데이터베이스에 기저장된 기준 손등 혈관패턴 및 그 특성과 비교하는 단계, 상기 손등 혈관패턴간의 비교 결과에 따라 사용자의 본인 여부를 확인하고 입장 허락/거부를 결정하는 단계를 포함한다.

상기 기하학 특성 벡터 추출 단계에서는,

사용자 손의 원시 영상에서 사용자가 움직이더라도 촬영 범위 내에서 벗어나지 않는 영역 내에서의 손등 영상을 추출하는 단계, 상기 추출된 손등 영상에서 수직 및 수평 방향의 최대 그레이 스케일(gray scale) 값의 집합을 구하여 기하학 특성 벡터를 생성하는 단계를 포함한다.

상기 기하학 특성 벡터를 생성하는 단계에서는, 상기 추출된 손등 영상에서 이동 평균 필터(Moving Average filter)를 사용하여 노이즈를 제거하는 단계를 더 포함한다.

한편, 본 발명의 특징에 따른 개인식별을 위한 손등 혈관패턴 인식 시스템은, 사용자가 동작 진행에 필요한 번호나 사용자 등록번호를 입력하는 키입력부, 사용자 손등 혈관패턴에 관한 기준 데이터가 사용자별로 저장되는 데이터베이스, 사용자의 손과 손가락을 고정시키는 손잡이부, 상기 손잡이부에 고정된 사용자의 손을 촬영하는 카메라부, 상기 카메라부를 통해 촬영된 사용자 손의 원시영상을 혈관패턴 추출을 위한 정지화상으로 변환 출력하는 영상처리부, 상기 영상처리부의 정지화상을 입력받아 사용자의 움직임에 따른 위치 보상을 수행하고, 손등 혈관패턴에 따른 분기 특성을 추출하여 이를 데이터베이스에 기저장된 기준영상과 비교함으로써 사용자 본인 여부를 확인하는 마이크로 프로세서, 상기 마이크로프로세서의 제어에 의해 외부장치와 데이터 및 제어 통신 기능을 수행하는 인터페이스부를 포함한다.

상기 손잡이부는, 사용자의 손을 고정시키는 주손잡이와, 사용자 손의 회전과 이동을 보상하기 위해 손가락을 고정시키는 보조손잡이로 구성된다.

상기 카메라부는, 상기 주손잡이에 대응되는 방향으로 주손잡이의 상부쪽에 설치되어 사용자 손등 혈관패턴을 촬영하는 주카메라와, 상기 보조손잡이에 대응되는 방향으로 보조손잡이의 상부쪽에 설치되어 사용자의 손가락 부분을 촬영하는 보조 카메라로 구성된다.

상기 카메라부의 전면 방향에 외부 조명의 영향을 감소시키기 위한 중간파 필터가 설치된다.

상기 마이크로프로세서는, 사용자 손의 입력 위치 검출 방식, 사용자 손의 연속 입력 영상 분석 방식, 사용자 손등 굴곡에 대한 그레이 스케일 분포 적용 방식 중 어느 한 방식을 사용하여 위치 보상을 수행한다.

이하 첨부된 도면을 참조하여 본 발명이 속하는 기술분야에서 통상의 지식을 가진 자가 본 발명을 용이하게 실시할 수 있는 바람직한 실시예를 상세히 설명하면 다음과 같다.

도 4 및 도 5는 본 발명에 따른 실시예로서 개인식별을 위한 손등 혈관패턴 인식 시스템의 외부도 및 내부도를 각각 도시한 것이다.

도 4 및 도 5에 도시된 바에 의하면, 장치의 외관을 형성하는 케이스(1)는 그 하부 쪽에 사용자 손이 안착되어 사용자 손등이 상부를 향하도록 개방된 공간이 마련되어 있다.

케이스(1)의 하부에는 사용자 손등이 상부를 향하도록 사용자가 손바닥으로 잡아 손을 고정시키는 주손잡이(11)가 설치되고, 주손잡이(11)의 하부 쪽에 주손잡이(11)와 일정 이격거리를 두고 배치되어 손가락을 고정시키는 보조손잡이(12)가 설치된다.

주손잡이(11)는 도 4에 도시된 바와 같이 제1 손잡이(11a)와 제2 손잡이 (11b)로 구성된다.

또한, 케이스(1)의 내부에는 소정 공간을 확보하면서 하부가 개구되어 있는경통(20)이 설치되어 있는데, 경통(20)의 내부 벽은 중간파(mid-wave) 적외선를 흡수할 수 있는 흡수체가 도포되어 있다.

경통(20)은 그 개구 부분의 끝단에 외부 빛을 차단시키는 러버(rubber, 21)가 설치되고, 러버(21) 반대편 쪽 경통(20)의 내부에는 사용자 손등 혈관패턴을 촬영하기 위해 하부 방향을 향해 배치되는 주카메라(31), 및 주카메라(31)의 양측에 위치되어 손등 혈관패턴을 강조하기 위해 사용자 손등으로 빛을 조명하는 제1 중간파 적외선 조명(33)이 각각 설치된다.

특히, 경통(20)은 러버(21)와 주카메라(31) 사이에서 사용자가 움직이더라도 촬영 범위에서 벗어나지 않는 혈관패턴 검출 영역인 ROI(Region of Interest) 영상 촬영을 위한 초점거리를 확보한다.

그리고, 보조손잡이(12) 상부쪽에는 사용자 손가락 부분을 촬영하는 보조 카메라(32)가 설치되고, 보조 카메라(32)의 양측에는 제2 중간파 적외선 조명(34)이 설치된다.

또한, 주카메라(31)와 제1 중간파 적외선 조명(33)의 하부 쪽에는 중간파 적외선만을 통과시키는 제1 중간파 적외선 필터(41)가 설치되고, 보조손잡이(12)와 보조 카메라(32) 사이에는 손가락의 움직임을 감시하기 위해 제2 중간파 적외선 필터(42)가 설치된다.

한편, 도 6에는 본 발명의 실시예에 따른 개인식별을 위한 손등 혈관패턴 인식 시스템의 내부 구성이 도시된 도면이다.

도 6에 도시된 바와 같이, 본 발명의 실시예에 따른 개인식별을 위한 손등혈관패턴 인식 시스템은, 사용자가 시스템 진행에 필요한 번호나 사용자 등록번호를 입력하는 키입력부(51), 사용자 등록번호별 혈관패턴 분기 특성에 관한 데이터가 업데이트되면서 사용자의 혈관패턴에 관한 분기특성과 기준 영상이 저장되고, 위치 보상을 위한 기준 데이터가 저장되어 있는 데이터베이스(52), 주카메라(31) 및 보조 카메라(32)로부터 입력되는 사용자 손에 관한 영상신호를 정지 화상 데이터로 변환하는 프레임 그레버(53)를 포함한다.

또한, 프레임 그레버(53)에서 생성된 정지 화상 데이터를 임시 저장하는 화상 메모리(54), 화상 메모리(54)에 저장된 정지 화상 데이터에서 혈관패턴을 추출하여 데이터베이스(52)에 저장된 기준 영상 및 기준 데이터와 비교를 통해 위치 보상과 개인 식별을 수행하여 사용자의 입장 허락/거부 결정하는 마이크로프로세서 (55), 마이크로프로세서(55)의 제어에 의해 외부장치와의 데이터 및 제어 통신 기능을 수행하는 인터페이스부(56)를 포함한다.

마이크로프로세서(55)는 정지 화상 데이터로부터 추출된 혈관패턴에서 분포특성 데이터를 검출하고, 상기 분포특성 데이터를 데이터베이스(52) 내의 분포 특성과 비교하여 동일 여부를 판별한다.

또한, 마이크로프로세서(55)는 데이터베이스(52) 내의 기준 데이터와 입력된 손의 위치, 연속적인 손 입력 영상 분석, 그레이 스케일 분포 등의 데이터를 비교하여 사용자 손의 회전 또는 이동에 의한 손등 혈관패턴의 위치 보상을 수행한다.

상기와 같이 구성되는 본 발명의 실시예에 따른 개인식별을 위한 손등 혈관패턴 인식 시스템의 동작을 살펴보면 다음과 같다.

도 7은 본 발명의 실시예에 따른 개인식별을 위한 손등 혈관패턴 인식 방법이 도시된 순서도이다.

도 7에 도시된 바와 같이, 시스템에 등록된 다수의 사용자 중에서 불특정 사용자가 주손잡이(11)와 보조손잡이(12)에 손을 고정시킨다. 그러면, 주카메라(31)는 사용자 손등 부분을 촬영하고, 보조 카메라(32)는 사용자의 손가락 부분의 영상을 촬영한다.(S1)

이렇게 촬영된 사용자 손의 원시 영상은 주카메라(31) 및 보조 카메라(32)에 의해 촬영된 영상 신호는 프레임 그레버(53)를 통하여 정지 화상 데이터로 처리되고, 화상 메모리(54) 및 마이크로프로세서(55)에 입력된다.

마이크로프로세서(55)는 손의 입력 위치를 감지하고, 연속적으로 손 입력 영상을 분석하며, 또는 그레이 스케일 분포를 이용하여 사용자 손의 회전 또는 이동에 관한 움직임을 감지한다.(S2)

마이크로프로세서(55)는 데이터베이스(52) 내에 저장되어 있는 위치 보상에 관한 기준 데이터를 근거로 사용자의 움직임에 대한 보상을 수행한다.(S3) 그리고, 마이크로프로세서(55)는 프레임 그레버(53)와 화상 메모리(54)를 통해 전달되는 정지 화상 데이터에서 사용자 손등 혈관패턴과 그 특성을 추출한다.(S4)

그 후, 마이크로프로세서(55)는 추출된 사용자의 손등 혈관패턴과 그 특성을 데이터베이스(52)에 저장된 동일 사용자의 기준 영상과 그에 따른 특성과 상호 비교하여 동일인인지를 확인한다.(S5)

마이크로프로세서(55)는 동일인이라고 확인한 경우에 출입통제 또는 보안과같은 시스템 통제를 해제하고 해당 사용자의 입장을 허가한다.(S6) 그런데, 마이크로프로세서(55)가 동일인이 아니라고 확인되면 해당 사용자의 입장을 거부한다. (S7)

이때, 마이크로프로세서(55)에서는 사용자 손의 움직임을 감지하여 위치 보상하기 위해 다양한 보상 방법을 적용할 수 있는데, 아래 다양한 보상 방법 중 몇 가지 실시예들을 제시한다.

먼저, 실시예들 중에서 손의 입력 위치와 연속적인 손 입력 영상 분석에 의한 위치 보상은 다음과 같다.

중간파 적외선 필터(42)가 외부 조명의 영향을 최소화하게 되면, 보조 카메라(32)는 사용자의 손가락 부분 영상을 촬영하고, 마이크로프로세서(55)는 사용자의 손가락 부분 영상을 프레임 그레버(53)와 화상 메모리(54)를 통해 정지 화상 데이터로 전달받는다.

이때, 도 8에 도시되어 있듯이 손가락의 위치는 중지의 경우 제1 손잡이 (11a)와 제2 손잡이(11b)의 중앙, 보조손잡이(12)의 좌측과 우측 중간에 위치되며, 검지는 제1 손잡이(11a)의 좌측, 약지는 제2 손잡이(11b)의 우측에 위치된다.

마이크로프로세서(55)는 위치 보상시 사용자의 손가락 모두를 측정하여 보상을 수행할 수 있지만 아래 실시예에서는 중지만을 이용하여 보상을 실시한다. 중지만을 주로 위치 보상에 이용하는 이유는, 주손잡이(11)와 보조손잡이(12) 사이에 위치하는 중지는 고정된 범위에서 이동되므로 시스템에서 쉽게 중지의 위치를 찾을 수 있어 빠른 시간에 손가락의 진행에 대한 방향을 예측할 수 있기 때문이다.

다음, 도 8은 본 발명의 제1 실시예에 따른 사용자 손의 입력 위치를 이용한 위치 보상 상태와 좌우 회전된 손 영상을 PHI (A), PHI (B)의 위상차와 삼각형의 높이를 이용하여 보상하는 방법이 제시되고, 보상시 기준이 되는 기준 삼각형과 사용자 손의 움직임에 따라 형성되는 비교 삼각형이 도시되어 있다.

마이크로프로세서(55)는 데이터베이스(52)에 도 8에 도시되어 있듯이 위치 보상을 위한 기준 데이터를 저장하는데, 여기서 기준 데이터는 사용자가 손등 혈관패턴을 시스템에 등록하는 경우 설정되며, 등록한 사용자 손등 혈관패턴에 따라 생성되는 기준 삼각형(Tr)의 각도와 높이를 기준으로 한다.

기준데이터는 두 개의 기준 삼각형으로 구성되며, 하나의 기준 삼각형(Tr)은 검지와 중지의 교차점(A)과 제1 손잡이(11a)이의 좌우 모서리를 연결하여 형성하고, 다른 기준 삼각형(Tr)은 검지와 약지의 교차점(B)과 제2 손잡이(11b)의 좌우 모서리를 연결하여 형성한다.

데이터베이스(52)는 이와 같이 형성되는 기준 삼각형(Tr)을 기준 데이터로 저장하고, 손등 혈관패턴 등록시 기준 삼각형의 각도와 높이를 기준으로 손의 위치를 보상하도록 한다.

또한, 도 8에 도시된 보상 방법과 같이, 제1 및 제2 손잡이(11a, 11b)는 기구적으로 고정되어 있기 때문에 손의 회전만이 발생하는 경우에, 위에 기술된 바와 같이 사용자 손의 입력 위치, 즉 검지, 중지, 약지 위치에 따라 형성될 수 있는 삼각형의 밑면 부분은 고정되어 있고 그 각도와 높이만 변하게 된다. 이때, 삼각형 높이의 변화는 정상적인 높이를 기준으로 한쪽은 높고 한쪽은 낮은 회전조건(Rotation-condition)이 발생한다.

이러한 사용자 손의 위치 변화에 따라 형성될 수 있는 비교 삼각형의 예가 도 8에 도시되어 있으며, 도 8에서와 같이 기준 삼각형(Tr)의 양측에 사용자 손의 좌우 회전된 상태가 도시되어 있고, 비교 삼각형(T1)은 사용자 손이 기준 위치에서 우회전된 경우를 나타내고, 비교 삼각형(T2)은 사용자 손이 기준 위치에서 좌회전된 경우를 나타낸다.

사용자 손이 우회전된 경우에 기준 삼각형(Tr)과 비교 삼각형(T1)을 비교해보면, 위상차 PHI (A), PHI (B)가 반시계 방향으로 발생되며, 좌측의 비교 삼각형(T1)의 높이는 높아지며, 우측의 비교 삼각형(T1)의 높이는 낮아진다. 따라서, 기준 삼각형(Tr)과 비교하여 비교 삼각형(T1)의 높이는차이가 발생한다.

반대로, 사용자 손이 좌회전된 경우에 기준 삼각형(Tr)과 비교 삼각형(T2)을 비교해보면, 위상차 PHI (A), PHI (B)가 시계 방향으로 발생되고, 좌측 비교 삼각형(T2)의 높이는 낮아지며, 우측 비교 삼각형(T2)의 높이는 높아진다.

이러한 위상차 및 높이 변화가 발생된 영상에 대하여 위치 보상을 수행하면 도 9 및 도 10에 도시된 바와 같은 결과를 얻을 수 있다.

도 9는 사용자 손이 우측으로 회전된 경우에 보상을 수행한 결과 영상이 도시된 도면이다.

도 9의 (a)는 사용자 손이 우측으로 회전된 영상이고, (b)는 위상차 PHI (A), PHI (B)와 삼각형 높이 차이를 토대로 보상을 수행한 영상을 각각 나타낸다.

마이크로프로세서(55)는 사용자 손등 혈관패턴을 시스템에 등록시 4가지 벡터, 즉 PHI (A), PHI (B), 좌측 및 우측 비교 삼각형 높이를 이용한다. 따라서 마이크로프로세서(55)는 데이터베이스(52) 상의 기준 삼각형과 비교 삼각형을 비교하여 현재 입력된 사용자 손의 원시영상이 정상적인 영상보다 우측으로 회전된 영상임을 알 수 있다.

따라서, 마이크로프로세서(55)는 현재 입력된 사용자 손등 혈관패턴에 관한 영상을 데이터베이스(52) 내의 기준 데이터를 근거로 시계방향으로 회전된 각도만큼 보상하여 준다.

도 10은 사용자 손이 좌측으로 회전된 경우에 보상을 수행한 결과 영상이 도시된 도면이다.

도 10의 (a)는 사용자 손이 좌측으로 회전된 영상이고, (b)는 위상차 PHI (A), PHI (B)와 삼각형 높이 차이를 토대로 보상을 수행한 영상을 각각 나타낸다.

마이크로프로세서(55)는 4가지 벡터를 이용하여 현재 입력된 사용자 손등 혈관패턴에 관한 영상이 좌측으로 회전된 영상임을 판단하고, 데이터베이스 내의 기준 데이터를 근거로 반시계 방향으로 회전된 각도만큼 보상하여 준다.

도 11은 본 발명의 제1 실시예에 따른 사용자 손의 상하 이동 발생시 위치 보상 상태가 도시된 도면이다.

도 11에 도시된 바와 같이, 제1 및 제2 손잡이(11a, 11b)는 기구적으로 고정되어 있기 때문에 사용자 손이 상하로 이동된 경우에 기준 삼각형과 비교해보면, 현재 사용자 손이 상하 이동된 영상에서 추출된 비교 삼각형(T3, T4)들은 삼각형의 밑면과 위상차는 고정되어 있고 삼각형의 높이만 변하게 된다.

사용자 손이 상측으로 이동된 경우에 비교 삼각형(T3)은 기준 삼각형(Tr)에 비해 높이가만큼 작아지고, 사용자 손이 하측으로 이동된 경우에 비교 삼각형(T4)은 기준 삼각형에 비해 높이가만큼 높아짐을 알 수 있다.

따라서, 마이크로프로세서(55)는 사용자 손이 상하로 이동되어 있을 경우에 삼각형의 높이 변화를 통해 상하 이동을 보상하여 준다.

도 12는 사용자 손이 상측으로 이동된 경우에 보상을 수행한 결과 영상이 도시된 도면이다.

도 12의 (a)는 사용자 손이 상측 이동(up-shift)된 영상, (b)은 기준 삼각형과 비교 삼각형의 높이 차이를 이용하여 보상한 결과 영상을 각각 나타낸다.

마이크로프로세서(55)는 데이터베이스(52) 내의 기준 삼각형과 현재 입력된 영상에서 추출된 비교 삼각형을 상호 비교한다. 마이크로프로세서(55)는 두 삼각형의 비교 결과가 위상차 PHI (A), PHI (B)는 고정되어 있고, 좌측 및 우측 비교 삼각형이 기준 삼각형에 비해 높이가 작아진 상태로 나타나면, 현재 입력된 영상이 사용자 손이 상측으로 이동된 영상이라고 판단한다.

그리고, 마이크로프로세서(55)는 기준 삼각형과 비교 삼각형의 높이 차이만큼 현재 입력된 영상을 아래쪽으로 이동하여 보상하여 준다.

한편, 도 13은 사용자 손이 하측으로 이동된 경우에 보상을 수행한 결과 영상이 도시된 도면이다.

도 13의 (a)는 사용자 손이 하측 이동(down-shift)된 영상, (b)은 기준 삼각형과 비교 삼각형의 높이 차이를 이용하여 보상한 후 결과 영상을 각각 나타낸다.

마이크로프로세서(55)는 기준 삼각형과 비교 삼각형을 비교하여 두 삼각형의 위상차가 도 12와 유사하게 PHI (A), PHI (B)가 고정되어 있고, 기준 삼각형에 비해 비교 삼각형의 높이가 높아진 상태이므로 사용자 손이 아래 측으로 이동된 영상이라고 판단한다.

따라서, 마이크로프로세서(55)는 기준 삼각형과 비교 삼각형의 높이 차이만큼 현재 입력된 영상을 위쪽으로 이동하여 보상하여 준다.

도 14는 본 발명의 제1 실시예에 따른 사용자 손이 회전 및 상하 이동이 동시 발생시 위치 보상 상태가 도시된 도면이다.

도 14에 도시된 바와 같이, 마이크로프로세서(55)가 현재 입력된 사용자 손의 영상에서 비교 삼각형(T5)을 추출하고, 비교 삼각형(T5)과 기준 삼각형(Tr)을 비교한다.

이때, 비교 삼각형(T5)이 기준 삼각형(Tr)과 위상차 PHI (C), PHI (D)가 반시계방향으로 발생하고, 기준 삼각형에 비해 좌측의 비교 삼각형(T5)은, 우측의 비교 삼각형(T5)은만큼의 높이 차이가 발생함을 알 수 있다.

따라서, 마이크로프로세서(55)는 PHI (C), PHI (D)가 반시계 방향으로 발생하고,와간에 높이 차이는 있으나 기준 삼각형(Tr)에 비해 비교 삼각형(T5)의 높이가 낮음으로 사용자 손이 우측 회전과 동시에 상측으로 이동된 경우라고 판단한다.

반대로, 마이크로프로세서(55)는 위상차가 시계방향으로 발생하고, 기준 삼각형에 의한 기준선보다 비교 삼각형의 높이가 낮으면 사용자 손이 좌측 회전과 동시에 상측으로 이동된 경우라고 판단한다.

도 15는 사용자 손이 우 회전 및 상측으로 이동된 경우에 보상을 수행한 결과 영상이 도시된 도면이다.

이때, 도 15의 (a)는 사용자 손이 우 회전 및 상 이동된 영상, (b)은 기준 삼각형과 비교 삼각형의 위상차와 높이 차이를 이용하여 보상한 후 결과 영상을 각각 나타낸다.

이 경우, 마이크로프로세서(55)는 현재 입력된 영상을 시계방향으로 회전시키고, 기준 삼각형과의 높이 차이만큼 아래로 이동시켜 보상한다.

도 16은 본 발명의 제2 실시예에 따른 연속적인 입력 영상 분석을 이용한 위치 보상을 위해 촬영된 사용자 손의 연속적인 입력 영상이 도시되어 있다.

사용자 손등 혈관패턴을 입력하는 패턴 입력부(도시되지 않음)가 도 16에 도시된 바와 같이, 연속적으로 손의 입력을 획득한다. 이때, 마이크로프로세서(55)는 30[frame/sec]의 처리속도를 사용하면 순간적인 손가락의 진행 방향의 변경이 매우 미소하여 예측되는 손가락의 진행 방향으로 사용자의 회전 방향을 예측하여 사용자 손의 회전에 대한 보상을 수행할 수 있다.

이렇게, 마이크로프로세서(55)는 사용자가 시스템 사용시 사용자 손의 진행방향을 예측하여 기준 방향을 설정한 후 데이터베이스(52) 내에 기준 데이터로 저장시키고, 손등 혈관패턴을 시스템 등록시의 기준 방향을 토대로 손의 위치를 보상한다.

이때, 제2 실시예도 제1 실시예와 마찬가지로, 사용자 손가락 중 중지가 시스템에 의해 고정된 범위를 갖고 있기 때문에 손가락의 진행에 대한 방향 예측을 할 때 고정된 범위 내의 이진화된 영상에서 중지를 찾는다.

사용자 손의 연속적인 입력 영상을 이용해 손가락 진행 방향을 분석하는 방식에는 체인 코드를 이용하는 방식과 핑거 에지 검출을 이용하는 방식이 있다.

먼저, 체인 코드를 이용한 손가락 진행 방향 분석 방법은 이치화된 영상에서 이진 물체 경계면을 계산할 수 있는 체인 코드(Patert's turtle 알고리즘)를 사용하여 손가락 형태를 근사화하여 사용자 손가락 중의 중지 진행 방향을 구한다.

도 17은 체인 코드를 이용한 손가락 진행 방향 분석을 위한 4-연결 체인의 형태가 도시된 도면이다.

도 17에 도시된 바와 같이, Patert's turtle 알고리즘은 체인 방향을 이용하여 출발점에서 물체가 있으면 반시계 방향으로, 물체가 없으면 시계방향으로 이동하면서 체인된 값의 결과를 보여준다.

이때, Patert's turtle 알고리즘에서 체인이 순환하는 현상이 일어난다. 예를 들어, 1-0-3-2, 3-2-1-0 등과 같은 체인 방향이 제자리로 돌아오는 현상이 일어난다.

이러한 현상은 체인 코드 심플(Chain Code Simple) 과정을 통하여 제거하는데, 체인 코드 심플 과정은 체인의 순환 부분을 찾아 그 부분을 제거하고, 그 제거된 부분의 전후 체인을 연결시켜 준다.

도 18은 체인 코드를 이용한 손가락 진행 방향 분석을 위한 중지의 좌표 및 각도 측정 과정을 도시한 도면이다.

도 18에 도시되어 있듯이, 손가락의 이진화된 영상에서 체인 코드의 자취 데이터를 산출하고(a), 체인 코드의 자취 데이터 중 중지의 자취(b)에서 손가락의 높이를 기준으로 설정된 제1 및 제2 지점인 1/3 지점과 2/3 지점에서 손가락이 만나는 두 지점의 좌표를 측정한다.(c)

그리고, 도 18의 (c)에서 측정한 두 지점의 수평 차이 A와 수직 차이 B를 이용하여 수학식 1에 의해 각도를 측정한다.(d)

도 19는 체인 코드를 이용한 손가락 진행 방향 분석에 의한 위치 보상 방법이 도시된 순서도이다.

도 19를 참고하면, 사용자 손의 영상이 30[frame/sec]의 처리 속도로 입력된다.(S11), 그러면, 마이크로프로세서(55)는 사용자 손의 영상에서 사용자가 움직임이더라도 촬영 범위 내에서 벗어나지 않는 선택된 영역, 즉 ROI(Region Of Interest) 영상을 추출한다.(S12)

이때, 도 20은 실제 연속적인 사용자 손의 영상 입력과 ROI 영상을 도시한 것이다. 도 21은 도 20의 ROI 영상을 처리하여 중지 자취 및 선분 방향 데이터의 추출 상태를 도시한 것이다.

그리고, ROI 영상은 5*5 커널 사이즈의 무빙 애버리지(Moving Average, MA) 필터에 대하여 도 20의 A11과 같이 이진화 영상으로 처리된다.(S13, S14) 마이크로프로세서(55)는 이진화 영상을 체인 코드를 통해 체인된 값의 결과를 산출하고, 그 체인된 값의 결과를 토대로 중지의 진행 방향을 체인 코드의 자취 데이터로 나타난다.(S15)

여기서, 체인된 값의 결과가 순환하는 현상이 방지되도록 체인 코드 심플 과정을 거쳐 체인의 순환 부분이 제거되고, 그 제거된 부분의 전후 체인이 연결된다. (S16)

도 21의 A12 및 A13과 같이, 마이크로프로세서(55)는 체인 코드의 자취 데이터 중 중지 자취에서 손가락 높이를 기준으로 설정된 제1 및 제2 지점인 1/3, 2/3 지점에서 손가락이 만나는 두 지점의 중간을 잇는 선분과 수평면과의 각도( PHI (E))를 측정한 후 선분 방향을 저장한다.(S17, S18)

도 22는 핑거 에지 검출을 이용한 손가락 진행 방향 분석에 의한 위치 보상 방법이 도시된 순서도이다.

도 22에 도시된 바와 같이, 중지 진행에 대한 방향은 외부 환경에 영향을 받지 않고 기존 에지 검출보다 우수한 핑거 에지 검출을 이용하여 손가락의 경계면을 찾은 다음 이진화된 영상으로 손가락의 형태를 근사화하여 구한다.

더욱 상세히, 패턴 입력부가 30[frame/sec]의 처리 속도로 사용자 손의 영상을 입력하면(S21), 사용자 손이 영상에서 ROI 영상을 분리 추출한다.(S21, S22)

도 23은 핑거 에지 검출을 이용한 손가락 진행 방향 분석을 위해 중지의 좌표 및 각도 측정 과정이 도시된 도면이다. 도 24는 도 22의 핑거 에지 검출 영상을 처리하여 중지 자취 및 선분 방향 데이터의 추출 상태를 도시한 것이다.

그리고, ROI 영상은 로우-패스 필터(Low-pass filter)를 거쳐 핑거 에지 검출 과정을 통해 도 24의 B11과 같은 영상으로 나타난다.(S23, S24)

핑거 에지 검출을 통해 산출된 영상은 로우 패스 필터를 거쳐 도 24의 B12와 같은 이진화 영상으로 나타난다.(S25, S26) 이때, 이진화 영상은 도 23에 도시된 바와 같이 이진화의 자취 데이터를 이용하여 중지 자취를 찾도록 하여 손가락 높이를 기준으로 1/3, 2/3 지점에서 손가락이 만나는 두 지점의 중간을 잇는 선분과 수평면과의 각도를 측정하도록 한다.(S27)

이때, 각도 측정은 두 지점을 잇는 선분이 수평면과의 수평 차이 A와 수직 차이 B를 수학식 1에 적용하여 구한다.

이렇게, 도 24의 B13 및 B14에 도시된 바와 같이 중지 자취 데이터를 이용해 선분 방향( PHI (F))이 측정되면, 그 선분 방향을 데이터베이스(52) 내에 저장한다.(S28)

상기에서 설명한 체인 코드 및 핑거 에지 검출에서 얻어진 선분 방향은 서로 유사한 값을 갖는다. 따라서, 체인 코드 및 핑거 에지 검출을 이용한 위치 보상 방법은 알고리즘의 차이이며 결과 값이 유사하므로 그 위치 보상 예는 동일하다.

연속적인 손의 입력에 의하여 회전할 경우, 손가락의 각도 변화는 30[frame/sec]의 처리속도로 이용하기 때문에 미세하게 일어나며 급격한 각도 변화는 나타나지 않는다. 그러므로, 미세한 손가락의 각도 변화를 저장하여 시스템이사용자 손등 혈관패턴 추출 전에 미리 각도의 변화를 예측하고 데이터베이스 내의 기준이 되는 혈관패턴에 맞추어 보상한다.

도 25는 사용자 손이 우측으로 회전된 영상의 위치 보상 상태가 도시된 도면이다.

도 25의 (a)는 사용자 손이 우측으로 회전된 영상인데, 체인 코드나 핑거 에지 검출 방식을 이용하여 측정된 손가락의 각도 변화( PHI (G))는 90°, 90.1°, ..., 99.8°, 99.9°,100°, 100°, ..., 100°로 변화한다.

그런데, 시스템에 등록된 사용자 손등 혈관패턴의 PHI (G)는 88°, 88.1°, 88.2°, ..., 91.3°, 91.4°, 91.5°, 91.5°, ..., 91.5°로 변한다.

따라서, 마이크로프로세서(55)는 최종 변화한 8.5°만큼을 도 25의 (b)에 도시된 바와 같이 보상하여 준다.

다음, 마이크로프로세서(55)가 사용자 손의 움직임을 감지하여 위치 보상하기 위한 다양한 보상 방법 중에서 그레이 스케일 분포를 이용한 위치 보상은 다음과 같다.

그레이 스케일 분포를 이용한 위치 보상은 시스템에 새롭게 사용자를 등록하는 절차에서 입력된 원시 영상의 그레이 스케일을 사용하여 사용자 손등의 굴곡을 추출하고, 실제 시스템 사용에서 발생되는 미소한 사용자 손의 움직임을 보상하는 방법이다.

도 26은 본 발명의 제3 실시예에 따른 그레이 스케일 분포를 이용한 위치 보상 방법에서 기하학 특성 벡터를 구하는 순서도이다.

사용자 손등의 굴곡에 대한 기준 벡터인 기하학 특성 벡터(Geometry Feature Vector)는 도 26을 참고하여 사용자 등록 과정에서 구한다.

먼저, 마이크로프로세서(55)가 사용자 손의 원시영상이 입력되면(S31) 원시 영상에서 흑백 영상인 ROI 영상을 분리한다.(S32)

ROI 영상은 2차원 매트릭스로 간주하여 종렬 라인과 횡렬 라인으로 구별하여 조명 의한 스펙클(speckle) 노이즈를 제거하는 3*3 커널 사이즈의 무빙 애버리지 필터를 사용하여 처리된다.(S33)

그후, 무빙 애버리지 필터를 거친 ROI 영상에 3*1 벡터 마스크와 1*3 벡터 마스크를 순차적으로 적용하고(S34, S36), 3픽셀의 합이 최대를 나타내는 중앙 픽셀 위치를 사용함으로써 각각의 횡렬 라인과 종렬 라인에 대한 기하학 특성 벡터를 구한다.(S35, S37, S38)

도 27은 도 26에 의해 추출된 기하학 특성 벡터의 2차원 투영도이고, 도 28은 기하학 특성 벡터의 3차원 투영도이다.

도 27 및 도 28에 도시된 바와 같이, 사용자 손등의 굴곡에 대한 기준 벡터는 회전과 이동에 의해서 벗어나지 않는 선택된 영역, 즉 ROI 영상에서 수직 및 수평 방향의 최대 그레이 스케일 값의 집합으로 구한다.

도 29는 사용자가 시스템 실제 사용시 추출된 기본 기하학 특성 벡터와 회전에 의한 기하학 특성 벡터가 도시된 도면이고, 도 30은 그레이 스케일을 이용한 회전과 이동 보상 상태가 도시된 도면이다.

도 29의 (a)는 기본 벡터인 기하학 특성 벡터이고, (b)는 회전에 의해서 얻어진 기하학 특성 벡터이다. 도 30에서는 도 29의 (b)에 나타난 회전과 이동을 그레이 스케일을 이용하여 보상하는 예가 도시되어 있다.

도 31과 도 32는 실제로 기하학 특성 벡터를 이용한 위치 보상 실례를 보여주는 것으로서, 도 31은 데이터베이스 상에 저장된 영상, 도 32는 그레이 스케일을 이용한 회전과 이동 보상을 수행한 영상이 도시되어 있다.

여기서, 도 31의 (a)는 추출된 사용자 손등 혈관패턴, (b)은 사용자 손등의 수직 굴곡 상태, (c)는 수평 굴곡 상태에 대한 영상을 각각 나타낸다. 그리고, 도 32의 (a)는 추출된 사용자 손등 혈관패턴, (b)은 사용자 손등의 수직 굴곡을 화살표 방향으로 이동하여 보상을 수행한 영상, (c)은 사용자 손등의 수평 굴곡을 화살표 방향으로 회전하여 보상을 수행한 영상을 각각 나타낸다.

어느 한 실시예에서 언급한 내용 중 다른 실시예에도 적용할 수 있는 내용은 다른 실시예에서 특별히 언급하지 않아도 이를 적용할 수 있는 것은 당업자에게 자명하다.

상기 도면과 발명의 상세한 설명은 단지 본 발명의 예시적인 것으로서, 이는 단지 본 발명을 설명하기 위한 목적에서 사용된 것이지 의미한정이나 특허청구범위에 기재된 본 발명의 범위를 제한하기 위하여 사용된 것은 아니다. 그러므로 본 기술 분야의 통상의 지식을 가진 자라면 이로부터 다양한 변형 및 균등한 타 실시예가 가능하다는 점을 이해할 것이다. 따라서, 본 발명의 진정한 기술적 보호 범위는 첨부된 특허청구범위의 기술적 사상에 의해 정해져야 할 것이다.

이상에서와 같이, 본 발명에 의한 개인식별을 위한 손등 혈관패턴 인식 시스템 및 그 방법은 개인 식별을 위해 사용자 손등 혈관패턴 추출시, 사용자 손의 입력 위치에서 손잡이와 손가락 사이에 형성되는 삼각형을 이용하여 데이터베이스 상의 기준 데이터의 비교를 통해 사용자의 이동 또는 회전에 의한 움직임을 보상할 수 있는 효과가 있다.

또한, 본 발명은 개인 식별을 위해 사용자 손등 혈관패턴 추출시, 일정한 처리 속도로 사용자 손의 입력 영상을 연속적으로 추출하고 체인 코드 또는 핑거 에지 검출 방식을 적용하여 손가락의 진행 방향을 파악하여 데이터베이스 상의 기준 데이터와 비교를 통해 사용자의 이동 또는 회전에 의한 움직임을 보상할 수 있는 효과가 있다.

본 발명은 개인 식별을 위해 사용자 손등 혈관패턴 추출시, 그레이 스케일 분포를 이용하여 사용자 손등의 굴곡을 검출하여 데이터베이스 상의 기준 데이터와 비교를 통해 사용자의 이동 또는 회전에 의한 움직임을 보상할 수 있는 효과가 있다.

이에 따라, 본 발명은 시스템이 정당한 사용자로 등록하지 않는 사용자로 판단하는 비율을 감소키고 사용자 편의성을 증대시킬 수 있는 효과가 있다.

Claims (15)

1. 제1 및 제2 손잡이에 사용자의 손과 손가락이 고정되면 카메라를 이용해 사용자 손의 원시 영상을 촬영하는 단계;

   상기 촬영된 손의 원시 영상에서 손가락간의 교차점과 손가락 사이에 위치되는 손잡이의 좌우 모서리로 이루어지는 다각형을 산출하는 단계;

   상기 산출된 다각형과 데이터베이스에 기저장된 기준 다각형과의 위상차 및 높이 차이를 비교하여 사용자 손의 움직임을 감지하고 위치 보상을 수행하는 단계;

   상기 위치 보상이 완료되면, 상기 사용자 손의 원시영상에서 손등 혈관패턴과 그 특성을 추출하여 데이터베이스에 기저장된 기준 손등 혈관패턴 및 그 특성과 비교하는 단계;

   상기 손등 혈관패턴간의 비교 결과에 따라 사용자의 본인 여부를 확인하고 입장 허락/거부를 결정하는 단계

   를 포함하는 개인식별을 위한 손등 혈관패턴 인식 방법.
2. 제 1 항에 있어서,

   상기 다각형을 산출하는 단계는,

   상기 제1 손잡이의 좌우 모서리와 검지와 중지의 교차점을 서로 연결하여 삼각형을 산출하고, 상기 제2 손잡이의 좌우 모서리와 중지와 약지의 교차점을 서로 연결하여 삼각형을 산출하는 것을 특징으로 하는 개인식별을 위한 손등 혈관패턴인식 방법.
3. 카메라를 이용해 사용자 손의 원시 영상 촬영시, 사용자 손의 입력 시작 시점부터 입력 완료 시점까지 일정한 처리 속도로 연속적으로 사용자 손을 촬영하고, 손잡이에 사용자의 손과 손가락이 고정되면 사용자 손의 원시 영상을 촬영하는 단계;

   상기 촬영된 사용자 손의 연속 연상을 토대로 손의 진행방향을 확인하고, 데이터베이스에 기저장된 기준 손등 혈관패턴의 진행방향과 비교하여 사용자의 움직임을 감지하고 위치 보상을 수행하는 단계;

   상기 위치 보상이 완료되면, 상기 사용자 손의 원시영상에서 손등 혈관패턴과 그 특성을 추출하여 데이터베이스에 기저장된 기준 손등 혈관패턴 및 그 특성과 비교하는 단계;

   상기 손등 혈관패턴간의 비교 결과에 따라 사용자의 본인 여부를 확인하고 입장 허락/거부를 결정하는 단계

   를 포함하는 개인식별을 위한 손등 혈관패턴 인식 방법.
4. 제 3 항에 있어서,

   상기 손의 진행방향 파악 단계에서는,

   상기 사용자 손의 원시영상에서 이진화된 영상을 검출하고, 체인 코드(Chain code)를 이용하여 손의 형태를 근사화시켜 손가락의 진행 방향을 구하는 것을 특징으로 하는 개인식별을 위한 손등 혈관패턴 인식 방법.
5. 제 4 항에 있어서,

   상기 체인 코드를 이용하는 단계에서는,

   상기 사용자 손의 이진화된 영상에서 중지의 경계면에 따라 체인이 이동하면서 체인된 값의 자취 데이터를 생성하는 단계;

   상기 자취 데이터 중 체인의 순환 부분을 찾아 제거하고, 상기 제거된 부분의 전후 체인을 연결해주는 단계;

   상기 자취 데이터 중 중지의 자취에서 손가락의 높이를 기준으로 설정된 제1 및 제2 지점의 좌표를 측정하여 중지의 수직 진행방향 선분을 검출하는 단계;

   상기 중지의 수직 진행방향 선분과 수평면과의 각도를 측정하여 중지의 진행방향을 파악하는 단계

   를 포함하는 개인식별을 위한 손등 혈관패턴 인식 방법.
6. 제 3 항에 있어서,

   상기 손의 진행방향 파악 단계에서는,

   상기 사용자 손의 원시영상에서 이진화된 영상을 검출하고, 핑거 에지(Finger edge) 검출을 이용하여 손가락의 경계면을 찾아 손가락의 형태를 근사화하여 손의 진행방향을 구하는 것을 특징으로 하는 개인식별을 위한 손등 혈관패턴 인식 방법.
7. 제 6 항에 있어서,

   상기 핑거 에지 검출을 이용하는 단계에서는,

   상기 자취 데이터 중 중지의 자취에서 손가락의 높이를 기준으로 설정된 제1 및 제2 지점의 좌표를 측정하여 중지의 수직 진행방향 선분을 검출하고, 상기 중지의 수직 진행방향 선분과 수평면과의 각도를 측정함으로 중지의 진행방향을 파악하는 단계를 포함하는 개인식별을 위한 손등 혈관패턴 인식 방법.
8. 사용자 시스템 등록시 사용자의 손등 굴곡에 대한 기하학 특성 벡터를 추출하여 데이터베이스에 저장하는 단계;

   손잡이에 사용자의 손과 손가락이 고정되면 카메라를 이용해 사용자 손의 원시 영상을 촬영하는 단계;

   상기 사용자 손의 원시 영상에서 그레이 스케일을 사용하여 사용자 손등 굴곡에 특성 벡터를 산출하고, 산출된 특성 벡터를 데이터베이스에 기저장된 기하학 특성 벡터와 비교하여 사용자의 움직임을 감지하고 위치 보상을 수행하는 단계;

   상기 위치 보상이 완료되면, 상기 사용자 손의 원시영상에서 손등 혈관패턴과 그 특성을 추출하여 데이터베이스에 기저장된 기준 손등 혈관패턴 및 그 특성과 비교하는 단계;

   상기 손등 혈관패턴간의 비교 결과에 따라 사용자의 본인 여부를 확인하고 입장 허락/거부를 결정하는 단계

   를 포함하는 개인식별을 위한 손등 혈관패턴 인식 방법.
9. 제 8 항에 있어서,

   상기 기하학 특성 벡터 추출 단계에서는,

   사용자 손의 원시 영상에서 사용자가 움직이더라도 촬영 범위에서 벗어나지 않는 영역 내의 손등 영상을 추출하는 단계;

   상기 추출된 손등 영상에서 수직 및 수평 방향의 최대 그레이 스케일(gray scale) 값의 집합을 구하여 상기 기하학 특성 벡터를 생성하는 단계를 포함하는 개인식별을 위한 손등 혈관패턴 인식 방법.
10. 제 9 항에 있어서,

    상기 기하학 특성 벡터를 생성하는 단계에서는,

    상기 추출된 손등 영상에서 이동 평균 필터(Moving Average filter)를 사용하여 노이즈를 제거하는 단계를 더 포함하는 것을 특징으로 하는 개인식별을 위한 손등 혈관패턴 인식 방법.
11. 사용자가 동작 진행에 필요한 번호나 사용자 등록번호를 입력하는 키입력부;

    사용자 손등 혈관패턴에 관한 기준 데이터가 사용자별로 저장되는 데이터베이스;

    사용자의 손과 손가락을 고정시키는 손잡이부;

    상기 손잡이부에 고정된 사용자의 손을 촬영하는 카메라부;

    상기 카메라부를 통해 촬영된 사용자 손의 원시영상을 혈관패턴 추출을 위한 정지화상으로 변환 출력하는 영상처리부;

    상기 영상처리부의 정지화상을 입력받아 사용자의 움직임에 따른 위치 보상을 수행하고, 손등 혈관패턴에 따른 분기 특성을 추출하여 이를 데이터베이스에 기저장된 기준영상과 비교함으로써 사용자 본인 여부를 확인하는 마이크로 프로세서;

    상기 마이크로프로세서의 제어에 의해 외부장치와 데이터 및 제어 통신 기능을 수행하는 인터페이스부

    를 포함하는 개인식별을 위한 손등 혈관패턴 인식 시스템.
12. 제 11 항에 있어서,

    상기 손잡이부는,

    사용자의 손을 고정시키는 주손잡이;

    사용자 손의 회전과 이동을 보상하기 위해 손가락을 고정시키는 보조손잡이로 구성되는 것을 특징으로 하는 개인식별을 위한 손등 혈관패턴 인식 시스템.
13. 제 11 항 또는 제 12 항에 있어서,

    상기 카메라부는,

    상기 주손잡이에 대응되는 방향으로 주손잡이의 상부쪽에 설치되어 사용자 손등 혈관패턴을 촬영하는 주카메라;

    상기 보조손잡이에 대응되는 방향으로 보조손잡이의 상부쪽에 설치되어 사용자의 손가락 부분을 촬영하는 보조 카메라로 구성되는 것을 특징으로 하는 개인식별을 위한 손등 혈관패턴 인식 시스템.
14. 제 13 항에 있어서,

    상기 카메라부의 전면 방향에 외부 조명의 영향을 감소시키기 위한 중간파 필터가 설치되는 것을 특징으로 하는 개인식별을 위한 손등 혈관패턴 인식 시스템.
15. 제 11 항에 있어서,

    상기 마이크로프로세서는,

    사용자 손의 입력 위치 검출 방식, 사용자 손의 연속 입력 영상 분석 방식, 사용자 손등 굴곡에 대한 그레이 스케일 분포 적용 방식 중 어느 한 방식을 사용하여 위치 보상을 수행하는 것을 특징으로 하는 개인식별을 위한 손등 혈관패턴 인식 시스템.