KR20120135381A

KR20120135381A - 동공 경계 정보를 이용한 생체 인식 방법 및 이를 적용하는 장치

Info

Publication number: KR20120135381A
Application number: KR1020110071551A
Authority: KR
Inventors: 이의철
Original assignee: 한국기초과학지원연구원
Priority date: 2011-06-03
Filing date: 2011-07-19
Publication date: 2012-12-13

Abstract

동공으로부터 취해지는 고유정보를 이용하는 새로운 생체 인식 방법을 개시한다. 생체 인식 방법은: 동공과 홍채를 포함하는 이미지를 획득하는 단계; 상기 이미지로부터, 동공 영역을 추출하는 단계; 그리고 상기 동공 영역으로부터 동공의 특정 패턴을 추출하여 생체 고유 정보를 생성하는 단계;를 포함하며, 보다 증진된 생체 인식 방법은 동공 고유 정보와 홍채 고유 정보를 결합하여 생체를 인식한다.

Description

동공 경계 정보를 이용한 생체 인식 방법 및 이를 적용하는 장치 {Method of biometrics and device by using pupil geometry}

동공의 경계 모양으로부터 고유한 정보를 인식하고 이를 적용하는 장치에 관련하여 기술된다.

생체 인식 중, 정확성, 안정성 및 인증 속도 면에서 성능이 다른 생체 정보보다 우수한 장점 때문에 홍채를 이용한 인식 방법들이 많이 연구되어 왔다[비특허문헌 1, 2]. 그러나 주변광이나 조명 반사광에 따른 주변 환경에 민감한 점, 사용자의 움직임 중의 하나인 눈꺼풀에 의한 홍채 가림 등[비특허문헌 3]으로 발생되는 노이즈는 홍채 인식의 정확도 저하를 발생시킨다. 최근에는 인식률을 보다 향상시키기 위한 방법으로 반사광에 강인한 동공 영역 검출 방법이나[비특허문헌 4], 특징 추출을 위한 필터방법과 눈꺼풀 영역 검출 방법이 제안되고 있으나[비특허 문헌 5, 6] 여전히, 눈 영상을 통한 홍채 이미지를 획득하는 과정에 발생되는 주변 노이즈나 눈꺼풀에 의한 홍채 가림 문제로 인식률의 저하가 발생한다.

특허문헌 1에 개시된 방법은 보다 신속한 홍채 인식을 위하여 동공 영역을 추정 방법을 제안한다. 즉, 홍채인식 특성상 주변 환경(조명의 의한 반사광이나 주변광의 밝기)의 영향에 따라 인식률의 변화가 존재하며, 제어 불가능한 사용자의 눈꺼풀의 움직임에 홍채가 가리어지게 되는 경우, 결과적으로 홍채 인식의 정확성을 저하시킬 수 있다.

특허문헌 2에 개시된 방법은 눈 영상을 통해 동공크기 및 눈 깜박임 속도/빈도 등의 다수의 생체 정보를 획득한다. 이 방법은 사용자 상태를 추적하여 기계(컴퓨터)와 사용자간의 인터랙션(interaction)을 통한 감성 인식을 수행하나, 사용자의 고유정보 즉, 생체 인식(identification)에는 사용될 수 없다.

KR

00572410

B1

KR

2011-0035585

A

G., AnnaPoorani, R. Krishnamoorthi, P., Gifty Jeya, S., Petchiammal, "Accurate and Fast Iris Segmentation", International Journal of Engineering Science and Technology, Vol. 2(6), pp. 1492-1499, 2010. Zhaofeng He, Tieniu Tan, Zhenan Sun, and Xianchao Qiu, "Towards accurate and Fast Iris segmentation for Iris Biometrics", IEEE Transactions on PAMI, vol. 31, No. 9, pp. 1670-1684, 2009. Kazuyuki Miyazawa, Koichi Ito, Takafumi Akoki, Koji Kobayashi and Hiroshi Nakajima, "A Phase-Based Iris Recognition Algorithm," Advances in Biometrics: International Conference, ICB 2006, pp. 356-365, Hong Kong, China, January 2006. 조민환, 허정연, "홍채 인식을 위한 동공 중심점 탐색 알고리즘에 관한 연구", 컴퓨터정보학회, 11권, 2006. John G. Daugman, " How Iris Recognition Works," IEEE Trans. on Circuits and Systems for Video Technology, Vol. 14, No.1, pp. 21-29, 2004. Topi Maenpaa, "An Iterative Algorithm for Fast Iris Detection," Advances in Biometric Person Authentication, International Workshop on Biometric Recognition Systems, IWBRS 2005, pp.127-134, Beiging China, 2005. Cheol Woo Cho, Ji Woo Lee, Eui Chul Lee, Kang Ryoung Park, "A Robust Gaze Tracking Method by Using Frontal Viewing and Eye Tracking Cameras", Optical Engineering, Vol. 48, No. 12, 127202, Dec. 2009. Viola, P. and Jones, M.J. "Robust real-time face detection". Int. J. Comput. Vis. 57, 137?154 (2004) R. C. Gonzalez and R. E. Woods, Digital Image Processing, 2nd ed., Prentice-Hall, Englewood Cliffs, NJ, 2002. N.Otsu, "A Tlreshold Selection Method from Gray-Level Histograms", IEEE Transactions on SMC, Vol. SMC-9, No. 1, pp. 62-66, Jan. 1979. Suykens, J.A.K., Vandewalle, J., "Least Squares Support Vector Machine Classifiers", Neural Processing Letters, 1999-06-01, pp. 293-300, Volume: 9, Issue: 3 Arun Ross, Anil Jain, "Information fusion in biometrics", Pattern Recognition Letters 24 (2003) 2115?2125

본 발명은 주변 이미지 노이즈에 영향이 적으면서도 신속하게 생체 고유 정보의 획득할 수 있는 새로운 생체 정보 인식 방법 및 이를 적용하는 장치를 제시한다.

본 발명에 따른 생체 정보 인식 방법: 은

동공과 홍채를 포함하는 이미지를 획득하는 단계; 그리고

상기 이미지로부터, 동공 영역을 추출하는 단계;

상기 동공 영역으로부터 동공의 경계 모양에 대한 특정 패턴을 추출하여 생체 고유 정보를 생성하는 단계;를 포함한다.

본 발명에 따른 생체 정보 인식 장치: 는

동공과 홍채를 포함하는 이미지를 획득하는 이미지 캡쳐부;

상기 이미지로부터, 동공의 특정 패턴을 추출하고 이로부터 생체 고유 정보를 산출하는 정보 처리부;

그리고 상기 생체 고유 정보를 저장하는 저장부; 를 포함한다.

본 발명의 구체적인 실시 예에 따르면, 상기 특정 패턴은 상기 동공 영역의 외곽 경계 부분으로부터 얻는다.

본 발명의 보다 구체적인 실시 예에 따르면, 상기 특정 패턴은 일정 각도 간격으로 획득된 상기 동공의 가장자리 부분의 반경의 변화로부터 산출된다.

본 발명의 보다 더 구체적인 실시 예에 따르면, 상기 생체 고유 정보를 생성하는 단계:는, 상기 동공 영역의 정보를 이용하여 대략적인 동공의 중심을 결정하는 단계; 상기 중심으로부터 상기 동공의 외곽 부분까지의 교점 거리(반경) 값을 일정 각도 간격(360도/N, N: 자연수)으로 산출하는 단계; 상기 거리 값 각각을 인접한 다른 거리 값과의 비교하여 차이 값을 구하고 차이 값의 부호를 기준으로 2진의 비트 값으로 변환하여 생체 고유 정보를 결정하는 단계;를 포함한다.

본 발명의 일 실시 예에 따르면, 인접한 거리 값들로부터 얻어진 차이 값은 생체 고유 정보의 로 데이타(raw data)에 해당하며, 이러한 로 데이터는 생체 고유 정보에 해당하는 2진의 비트 값으로 변환된다.

본 발명의 다른 실시 예에 따른 생체 정보 인식 방법 및 장치는:

상기 홍채 영역으로부터 생체 고유 정보를 생성하는 단계; 그리고

상기 동공 영역과 홍채 영역으로부터 얻어진 고유정보를 결합하는 단계;를 더 포함한다.

상기 고유 정보를 결합하는 단계는 피쳐 레벨(feature level), 스코어 레벨(score level), 디시젼 레벨(decision level) 중의 어느 하나의 레벨에서 수행된다.

도 1은 본 발명에 따른 생체 인식 장치를 상징적으로 도시한다.
도 2는 본 발명에 따른 생체 고유 정보를 인식하는 방법의 흐름도이다.
도 3은 CED (Circular Edge Detection) 방법을 이용한 대략적인 동공 중심 검출의 예를 보인다.
도 4는 동공 경계로부터 고유정보를 추출하는 과정을 설명하는 도면이다.
도 5는 원본 정보(DB data)와 새로 취득된 정보(New data)의 비교를 도식적으로 보인다.
도 6은 주위 조도 차에 따른 동일 인의 동공 크기의 변화를 보이는 사진이다.
도 7은 본 발명의 생체 인식 방법에 따라, 동공경계정보 비교결과 해밍거리(HDp)에 대한 축과 홍채정보 비교결과 해밍거리(HDi)에 대한 축이 이루는 2차원 평면상에서의 생체 정보의 분포를 도시한다.
도 8은 도 7에 도시된 분포도에서, 앤드룰(AND rule)을 적용하여 동공 경계 정보와 홍채 정보를 결합했을 때의 생체 인식 여부(Accept or Reject)를 설명하는 그래프이다.
도 9는 도 7에 도시된 분포도에서, 오어룰(Or rule)을 적용하여 동공 경계 정보와 홍채 정보를 결합했을 때의 생체 인식 여부(Accept or Reject)를 설명하는 그래프이다.
도 10은 특정한 분포 형태를 가지는 Imposter 결과에 의해, 선형 분류기에 의한 XOR 문제를 설명하는 그래프이다.
도 11은 도 10에 도시된 바와 같은 선형 분류기의 문제를 해결하기 위한 비선형 분류기의 적용을 예시하는 그래프이다.,

이하, 첨부된 도면을 참조하면서 본 발명의 실시 예에 따른 생체 인식 방법 및 이를 적용하는 장치에 대해 상세히 설명한다.

도 1은 본 발명에 다른 생체 인식 장치의 상징적이고 개략적 구조를 보인다.

도 1을 참조하면, 생체의 눈(6)을 촬영하는 카메라 등을 포함하는 이미지 캡쳐부(1)는 촬영된 이미지 정보를 저장부(2)로 보내고, 정보 처리부(3)는 저장부(2)에 저장된 이미지 정보를 연산 처리한다. 이때에 정보 처리부(3)에서 처리되는 정보는 기본적으로 동공 영역으로부터 얻어지며, 이에 추가하여, 홍채 영역으로부터 홍채 고유 정보도 같이 처리된다. 동공 영역과 홍채 영역으로 얻어진 두 고유 정보는 하나로 결합(fusion)되며, 이러한 정보 결합(information fusion)은 후술되는 피쳐 레벨(feature level), 스코어 레벨(score level), 디시젼 레벨(decision level) 중의 어느 하나의 레벨에서 수행된다. 이러한 방법 또는 과정을 통해, 정보 처리부(3)에 의해 얻어진 생체 인식 결과는 출력부(4)를 통해서 출력된다. 정보 처리부(3)에서는 저장부(2)로부터의 정보를 읽어낸 후 후술하는 바와 같은 과정을 통하여 요구되는 정보, 즉 생체 고유 정보를 저장부(2)에 저장한다. 저장부(2)는 포괄적으로 정의되는 메모리 장치로서, 여기에는 RAM, FRAM 등과 같은 반도체 메모리, HDD와 같은 자기 메모리, ODD와 같은 저장매체가 포함될 수 있다. 상기 저장부(2)에는 다수의 생체 고유 정보를 포함하는 데이터 베이스가 마련될 수 있다. 상기 정보 처리부(3)는 새롭게 획득된 생체 고유 정보를, 상기 데이터 베이스에 등록된 생체 고유 정보와 비교하여, 데이터 베이스에 선등록되어 있는 정보인지에 대한 검증(판단)을 수행한다. 전술한 모든 부분은 제어부(5)에 의해 통제되며, 제어부(5)는 영상 획득(또는 캡쳐)로부터 결과출력에 이르는 모든 동작에서 요구되는 제반 요소들의 통제를 담당한다.

출력부(4)는 모니터, 프린터, 음향장치 등의 정보 출력 장치를 적어도 하나 포함할 수 있다. 전술한 요소들은 동영상 또는 정지 영상용 카메라가 장착되는 일반적인 컴퓨터 장치 또는 전용화된 컴퓨터 시스템 기반의 장치에 의해 제공될 수 있다. 영상을 처리하여 원형 데이터와 최종의 생체 고유 정보를 연산/산출하는 정보 처리부(3)의 일부 기능은 소프트웨어 또는 펌 웨어(firmware)에 의해 지원될 수 있다.

이하, 상기와 같은 장치를 구동환경으로 하는 본 발명의 생체 정보 인식 방법의 실시 예를 설명한다.

도 2는 생체 고유 정보를 인식하는 방법의 흐름도이다.

먼저 카메라를 이용해 동공 및 홍채를 포함하는 사용자의 눈 영상을 취득한 후(211). 이 눈 영상으로부터 동공을 검출한다(212). 만약에 눈 외에 얼굴부분이 존재하는 것으로 판단되는 경우, 동공 검출에 앞서, 얼굴 영역과 눈 영역을 검출하여야 하며, 이 경우 소위 Adaboost (Adaptive Boosting) 방법을 사용할 수 있다. Adaboost 는 단순하여 빠른 성능으로 비교적 높은 정확도로 얼굴을 검출하여 실시간에서도 작동한다. 비특허문헌 8은 이러한 Adaboost에 대해 기술하며, 이를 참고한 방법에 의해 상기와 같이 얼굴 영역을 추출할 수 있다. 얼굴 영역을 추출한 후, 동공 영역을 검출하기에 앞서, 눈 영역을 검출해야 하며, 이 경우 역시 Adaboost 방법으로 검출한다. 눈 영역의 추출을 위해서는 눈의 특징이 반영된 약한 분류기들을 통해 학습(training)된 정보를 활용한다.

한편, 동공 (영역) 검출(212)에 있어서는 아래와 같은 원형 검출 알고리즘이 사용된다. 먼저 도 3의 (가)에 나타내 보인 바와 같이 원형 템플릿 매칭을 통해 초기 동공 영역을 결정한다. 원형 템플릿 매칭 방법은 아래의 식으로 설명되며, 이에 대해서는 비특허문헌 [7]이 참조될 수 있다.

여기에서, 여기에서, I(x, y) 은 (x, y) 위치에서의 영상의 밝기를 나타내고, (x₀, y₀ ) 와 r 은 원형 템플릿의 중심과 반지름을 나타낸다. 결국 두 개의 원형 템플릿 각각의 밝기 합의 차가 최대가 되는 지점을 동공 영역으로 결정하는 것이다. 하지만 동공은 시선 위치 및 카메라 촬영 각도에 따라 원이 아닌 타원의 형태로 나타날 수 있기 때문에, 원형 템플릿 매칭 방법으로 결정된 위치가 정확하다고 할 수 없다. 따라서, 결정된 위치를 기준으로 도 3의 (나)와 같이 지역적 이진화 과정을 수행한다. 사각 지역 영역은 동공 영역 (전경)과 동공이 아닌 영역 (배경)의 두 종류로 분류되므로 이진화의 임계치는 Gonzalez가 제안한 방법(참조: 비특허문헌 [9]) 및 오쯔(Otzu)가 제안한 임계값 자동 결정 방법(참조: 비특허 문헌[10])을 사용한다. 지역적 이진화 후에는 눈썹이나 그림자에 의한 노이즈 영역이 존재할 수 있으며, 반사광이 동공 영역 내부에 존재할 경우 뚫린 형태로 나타날 수 있다. 이를 해결하기 위해, 이진화된 영역에 대해서 라벨링(Component Labeling) 방법을 수행하여, 서로 인접된 영역들에 아이덴티티(identity)를 부여한 후, 가장 넓이가 큰 영역을 남기고 다른 아이덴티티를 가지는 영역을 제거함으로써, 노이즈 영역을 제거한다. 최종적으로 구멍난 영역을 채우기 위해 모폴로지 닫힘 연산 (morphological closing operation)을 수행한다. 결과적으로 도 3의 (다)에 도시된 바와 같이 흑색(동공) 영역의 무게 중심을 구하여(213), 최종 동공 중심으로 결정한다.

동공 중심점(Xp, Yp)에서부터 동공 경계(즉, 동공 영역에서 흑화소에서 백화소로 바뀌는 부분)의 거리를 구한다(214). 여기에서 모폴로지 연산은 이진화 도형의 경계를 모호하게 하는 특성을 가지고 있기 때문에, 동공 경계정보 판단을 위해서는 도3의 (나)와 같이 모폴로지 연산 전 영상을 사용한다. 이때에 거리는 도 4에 도시된 바와 같이, 동공 경계(6a)의 n개(예를 들어 256개) 위치에서의 반경이다. 즉, 동공 중심으로부터 등각으로 배치되는 방사상 직선(CR₁ ~ CR_n )과 동공 경계의 교점(Xr₁, Yr1)~(Xrn _, Yrn)을 구한다. 여기서 동공 중심과 경계까지의 n개의 거리(D_i _, 예를 들어 _i = 0 ~ 255)가 구해진다(215). 교점까지의 거리(D₀ ~ Dn)를 구한 후, 상기 동공 경계의 반경(거리) 변화(율)를 계산한다(216).

위의 과정에서 구해진 n개의 거리 값 각각으로부터 임의의 한 위치의 거리값의 인접한 위치의 값의 차이(예시: O_i = D_i -D_i-1 )를 구한다(217). 임의의 I 번째 지점(x_i )과 이에 인접한 지점(x_i-1 )을 비교한 차이 값이 0과 같거나 0보다 작은 경우는 0값을, 0보다 크면 1값으로 이진화한 후, 이를 고유의 동공 경계정보에 대한 이진 패턴으로서 저장한다(219).

위와 같은 경계 정보 검출 과정에서 적외선 조명의 반사광이 동공과 홍채의 경계에 걸쳐서 경계 정보가 손실되었다고 판단된 경우에는 해당 정보를 사용할 수 없다. 따라서, 1.406 도 간격의 256개의 직선 경로에서 원영상에서의 밝기 값이 소정 수, 예를 들어 250 이상인 지점을 지나는 경우는 조명 반사광에 의해 잘못 검출된 정보로 간주한다. 이와 같은 유효성 정보를 저장(유효: 1, 무효: 0)하고 있는 256 개의 이진 패턴은 하나의 경계 정보 이진 패턴과 별도로 구성된다.

상기와 같이 얻어진 2진의 경계 정보는 생체의 고유 정보로서 데이터 베이스에 저장되어 향후 대조 원본으로 사용되거나, 기등록(旣登錄)된 다수의 생체 고유 정보를 가지는 데이터 베이스의 원본과 대조함으로써 기등록된 정보인지, 아니면 새로운 정보인지를 파악한다.

데이터 베이스의 원본과 대조하여 바이오 인식을 통한 동일인 또는 타인인지를 판단하기 위해서는 도 5에 도시된 바와 같이 원본 정보(DB data)와 새로 취득된 정보(New data)의 비교가 필요하다. 저장된 동공패턴(E_i )은 새롭게 취득된 동공(N_i )과 정해진 얼굴 회전량 범위(θ), 예를 들어 -20 ~ +20도 범위 안에서 일대일(1:1) 패턴의 비교 과정을 통해 동일 인물 여부를 판단하게 된다. 도 5는 서로 매칭되는 두 개의 데이터 비교를 나타내 보인다. 이때 얼굴의 회전량을 고려하여 θ 범위만큼 새로 취득된 정보(New data)를 원형이동(circular shift)하여 비교할 수 있으며, 그 결과 해밍 거리(Hamming distance))가 최소가 되는 것을 선택한다. 기존의 홍채인식 방법에서는 2048 비트의 이진 패턴 비교를 위해 해밍 거리 측정법이 사용되었다. 본 발명에서도 이진 패턴 매칭을 위해 수학식 (3)과 같은 공지의 해밍 거리 측정법을 사용할 수 있다.

잘 알려진 바와 같이, codeA 와 codeB 는 비교하는 두 개의 동공 경계 정보 이진 패턴을 각각 의미하고, maskA 와 maskB 는 codeA 와 codeB 의 유효성 정보 이진패턴을 의미한다. code A ⓧ code B 는 해밍 거리에 의한 XOR(Exclusive OR)연산 과정으로 패턴의 동일성을 확인하며, mask A 와 mask B는 패턴의 유효성 검사를 의미한다. 따라서, XOR 연산 결과값 / mask A, B의 교집합의 결과값을 통해 동공패턴 일치 여부 확인하게 된다.

위의 실시 예 설명에서는 동공 경계의 거리의 샘플링 수가 256로 국한되어 설명되었으나, 이는 보다 정밀한 정보 추출을 위해 512 또는 1024가 될 수 도 있으며, 이러한 샘플링 수는 본 발명을 제한하지 않는다. 또한, 복수로 샘플링된 반경 또는 거리 값으로부터 차이 값에 의한 동공 패턴을 구하였으나, 차이 값이 아닌 다른 연산 또는 계산법에 의해 2진 부호화될 수 있다. 즉, 복수로 샘플링된 거리 또는 반경 값들로부터 부호화된 고유의 동공 패턴을 산출하는 방법 역시 다른 다양한 방법에 의해 시도될 수 있다.

도 6은 주위 조도 차에 따른 동일 인의 동공 크기의 변화를 보이는 사진이다. 다양한 조도 차를 배경으로 취득된 다수의 2진화 동공 패턴을 비교한 결과, 조도에 관계없이 동공의 패턴은 일정범위 내에서 일치함을 확인 할 수 있었고, 따라서 생체의 동공 경계로부터 얻어지는 정보는 홍채 정보와 같이 식별력이 있는 고유한 정보로 이용될 수 있다.

상기와 같은 본 발명의 방법, 즉 동공의 특정 패턴을 생체 고유 정보로 이용함으로써, 홍채 인식의 단점인 주변 광이나 반사 광 등의 주변 환경에서 비롯되는 빛의 영향에 따른 인식률 저하를 방지할 뿐만 아니라, 사용자의 눈 깜박임 등의 행동에 의한 노이즈에도 동공을 이용한 인식이므로 인식률의 저하가 없다. 또한 눈이 작은 사용자에게도 홍채인식을 보다 효율적으로 적용 가능한데, 예를 들어 홍채와 동공 인식을 조합하여 멀티 모달(multi-modal) 생체 인식을 통해 인식률의 향상을 기대할 수 있다.

동공 경계 정보와 홍채 정보를 얻는 방법으로서는 생체로부터 얻은 하나의 이미지로부터 추출이 가능하다. 이 경우,y 홍채가 충분히 캡쳐 되어야 한다. 얻어진 이미지로부터 눈 영역을 검출하고 이로부터 홍채 정보 및 동공 정보를 획득한다. 여기에서 홍채 정보는 기존의 방법을 이용해 획득하며, 동공 정보는 전술한 본 발명의 방법에 의해 획득된다. 이와 같이 획득된 두 정보를 이용해 생체를 인식하기 위해서는 두 정보의 결합이 필요하며, 이러한 두 정보의 결합 방법에 관하여 Arun Ross와 Anil Jain이 제시한 비특허 문헌 12의 "Information fusion in biometrics"가 참조될 수 있다.

상기 두 정보는 다양한 결합방법, 예를 들어 후술하는 피쳐 레벨(feature level), 스코어 레벨(score level) 디시젼 레벨(decision level)에서 결합할 수 있으며, 결합된 이들 정보는 멀티 모달 생체 인식에 활용될 수 있다.

피쳐 레벨에서의 결합은, 예를 들어, 동공경계로부터 추출된 256비트 정보와 홍채에서 추출된 2048비트 정보를 단순히 결합하는 것으로, 이에 따르면 산술적 합에 해당하는 비트, 예를 들어 총 2304비트의 생체 정보를 얻을 수 있다. 이러한 2304 비트의 생체 정보는, 전술한 바와 같은 방법에 의해, 기등록된 2304 비트의 생체 정보 DB와 비교됨으로써 그 동일성 여부가 판단되게 된다.

스코어 레벨에서의 결합은, 동공경계정보(캡쳐된 새로운 동공경계 정보와 DB에 등록되어 있는 동공 경계 정보)끼리의 비교결과 해밍거리(HDp)와 홍채정보끼리 비교결과 해밍거리(HDi)를 각 정보들에 대한 스코어라고 정의할 때, 각 해밍거리를 합(HDp+HDi)하거나, 곱(HDp*HDi)하여 하나의 대표 값으로 표현한다. 이로부터 얻어진 결과 값을 이용해 새로운 생체 정보에 대한 판독이 가능하다.

그리고, 디시젼 레벨에서의 결합의 경우, Genuine matching(동일 생체로부터 얻어진 복수 정보끼리의 비교)과 Imposter matching(다른 생체로부터 얻어진 복수 정보끼리의 비교)결과를 동공경계정보 비교결과 해밍거리(HDp)에 대한 축과 홍채정보 비교결과 해밍거리(HDi)에 대한 축이 이루는 2차원 평면상에 표현했을 때, 도 7에 된 형태의 분포가 나타난다. 앤드룰(AND rule)을 통해 상기 두 결과를 결합하는 경우, 홍채정보와 동공정보에 대해 모두 임계치(Ti, Tp)이하의 값이 나타나는 경우 액셉트(accept), 즉 생체에 대한 아이덴티티가 확인되고 나머지는 미확인 정보로서 모두 리젝트(reject) 되므로 도 8과 같이 표현 가능하다. 그리고, 오어룰(Or rule)을 통해 결합하는 경우, 홍채 정보와 동공 정부 중 하나만 임계치(Ti 또는 Tp) 이하의 값이 나타나면 액셉트이므로 도 9와 같이 표현 가능하다. 한편, 도 10, 11에 도시된 바와 같은 분포를 가질 경우, 선형 분류기(linear classifier)는 XOR 문제(Exclusive OR problem)로 인한 에러가 심각할 수 있으므로(도 10의 false acceptance error), SVM(Support Vector Machine, 비특허논문 11 참고)과 같은 비선형 분류기법을 사용하여 적절한 분류기를 결정해줄 수 있다.

Claims

동공과 홍채를 포함하는 이미지를 획득하는 단계;
상기 이미지로부터, 동공 영역을 추출하는 단계; 그리고
상기 동공 영역으로부터 동공의 특정 패턴을 추출하여 생체 고유 정보를 생성하는 단계;를 포함하는 생체 정보 인식 방법.
제 1 항에 있어서,
상기 고유 정보는 상기 동공 영역의 경계로부터 얻는 것을 특징으로 하는 생체 정보 인식 방법.
제 2 항에 있어서,
상기 고유 정보는 상기 동공 영역의 경계로부터 샘플링되는 복수의 거리 값으로부터 산출하는 것을 특징으로 하는 생체 정보 인식 방법.
제 2 항에 있어서,
상기 고유 정보는 상기 동공 영역의 경계로부터 샘플링되는 거리 값의 변화 값으로부터 산출하는 것을 특징으로 하는 생체 정보 인식 방법.
제 1 항 내지 제 4 항 중의 어느 한 항에 있어서,
상기 생체 고유 정보를 생성하는 단계:는,
상기 동공 영역의 정보를 이용하여 상기 동공의 무게 중심을 결정하는 단계; 상기 무게 중심으로부터 상기 동공의 외곽 부분까지의 교점 거리(반경) 값을 일정 각도 간격(360도/N, N: 자연수)으로 산출하는 단계;
상기 거리 값 각각을 인접한 다른 거리 값과의 비교하여 절대차(absolute difference)를 구하고 절대차를 임의 기준값을 기준으로 이진화 값으로 변환하여 생체 고유 정보를 결정하는 단계;를 포함하는 것을 특징으로 하는 생체 정보 인식 방법.
제 5 항에 있어서,
상기 홍채 영역으로부터 생체 고유 정보를 생성하는 단계; 그리고
상기 동공 영역과 홍채 영역으로부터 얻어진 고유정보를 결합하는 단계;를 더 포함하는 것을 특징으로 하는 생체 정보 인식방법.
제 6 항에 있어서,
상기 고유 정보를 결합하는 단계는 피쳐 레벨(feature level), 스코어 레벨(score level), 디시젼 레벨(decision level) 중의 어느 하나의 레벨에서 수행하는 것을 특징으로 하는 생체 정보 인식 방법.
동공과 홍채를 포함하는 이미지를 획득하는 이미지 캡쳐부;
상기 이미지로부터 동공의 특정 패턴을 추출하고 이로부터 생체 고유 정보를 산출하는 정보 처리부;
그리고 상기 생체 고유 정보를 저장하는 저장부;를 포함하는 생체 정보 인식 장치.
제 8 항에 있어서,
상기 정보 처리부는, 상기 동공 영역의 경계로부터 상기 고유 정보를 얻는 것을 특징으로 하는 생체 정보 인식 장치.
제 8 항에 있어서,
상기 정보 처리부는, 상기 동공 영역의 경계로부터 샘플링되는 복수의 거리 값으로부터 상기 고유 정보를 산출하는 것을 특징으로 하는 생체 정보 인식 장치.
제 8 항에 있어서,
상기 정보 처리부는, 상기 동공 영역의 경계로부터 샘플링되는 거리 값의 변화 값으로부터 상기 고유 정보를 산출하는 것을 특징으로 하는 생체 정보 인식.
제 6 항 내지 제 9 항 중의 어느 한 항에 있어서,
상기 정보 처리부는:
상기 동공 영역의 정보를 이용하여 상기 동공의 무게 중심을 결정하며, 상기 무게 중심으로부터 상기 동공의 외곽 부분까지의 교점 거리(반경) 값을 일정 각도 간격(360도/N, N: 자연수)으로 산출하며,
상기 거리 값 각각을 인접한 다른 거리 값과 비교하여 차이 값(difference)을 구하고, 차이 값의 부호를 기준으로 이진화 값으로 변환하여 생체 고유 정보를 결정하는, 것을 특징으로 하는 생체 정보 인식 장치.
제 12 항에 있어서,
상기 정보 처리부는:
상기 홍채 영역으로부터 생체 고유 정보를 생성하고, 그리고
상기 동공 영역과 홍채 영역으로부터 얻어진 고유정보를 결합하는 것을 특징으로 하는 생체 정보 인식 장치.
제 13 항에 있어서,
상기 정보 처리부는, 피쳐 레벨(feature level), 스코어 레벨(score level), 디시젼 레벨(decision level) 중의 어느 하나의 레벨에서, 상기 동공 영역과 홍채 영역으로부터 얻어진 고유정보를 결합하는 것을 특징으로 하는 생체 정보 인식 방법.