KR100852629B1 - 다초점 영상 시퀀스를 이용한 홍채인식 시스템 및 방법 - Google Patents

다초점 영상 시퀀스를 이용한 홍채인식 시스템 및 방법 Download PDF

Info

Publication number
KR100852629B1
KR100852629B1 KR1020060049765A KR20060049765A KR100852629B1 KR 100852629 B1 KR100852629 B1 KR 100852629B1 KR 1020060049765 A KR1020060049765 A KR 1020060049765A KR 20060049765 A KR20060049765 A KR 20060049765A KR 100852629 B1 KR100852629 B1 KR 100852629B1
Authority
KR
South Korea
Prior art keywords
feature vector
iris
image
wavelet
multifocal
Prior art date
Application number
KR1020060049765A
Other languages
English (en)
Other versions
KR20070115403A (ko
Inventor
이일병
손병준
Original Assignee
연세대학교 산학협력단
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by 연세대학교 산학협력단 filed Critical 연세대학교 산학협력단
Priority to KR1020060049765A priority Critical patent/KR100852629B1/ko
Priority to US11/704,223 priority patent/US7925058B2/en
Publication of KR20070115403A publication Critical patent/KR20070115403A/ko
Application granted granted Critical
Publication of KR100852629B1 publication Critical patent/KR100852629B1/ko

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
    • G06V40/10—Human or animal bodies, e.g. vehicle occupants or pedestrians; Body parts, e.g. hands
    • G06V40/18—Eye characteristics, e.g. of the iris
    • G06V40/19—Sensors therefor
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/40—Extraction of image or video features
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/40—Extraction of image or video features
    • G06V10/42—Global feature extraction by analysis of the whole pattern, e.g. using frequency domain transformations or autocorrelation
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
    • G06V40/10—Human or animal bodies, e.g. vehicle occupants or pedestrians; Body parts, e.g. hands
    • G06V40/18—Eye characteristics, e.g. of the iris
    • G06V40/193—Preprocessing; Feature extraction

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Multimedia (AREA)
  • Ophthalmology & Optometry (AREA)
  • Health & Medical Sciences (AREA)
  • Human Computer Interaction (AREA)
  • General Health & Medical Sciences (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Data Mining & Analysis (AREA)
  • General Engineering & Computer Science (AREA)
  • Evolutionary Computation (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Evolutionary Biology (AREA)
  • Artificial Intelligence (AREA)
  • Measurement Of The Respiration, Hearing Ability, Form, And Blood Characteristics Of Living Organisms (AREA)
  • Collating Specific Patterns (AREA)

Abstract

본 발명은 다초점 영상 시퀀스를 이용한 홍채인식 시스템 및 방법에 관한 것으로서, 거리 센서를 이용하여 영상획득장치와 사용자와의 거리정보를 계산하여 일정 거리 내에서 사용자의 눈으로부터 균등한 시간 간격으로 변화된 초점 정보를 가지고 있는 다초점 눈영상 시퀀스를 상기 영상획득장치를 이용하여 입력받게 되는 눈 영상 입력부와; 상기 눈 영상 입력부에서 입력된 다초점 눈 영상 시퀀스에 대하여 퍼지 엔트로피를 계산하여 다양한 초점레벨의 눈 영상 정보를 효과적으로 표현할 수 있는 N개의 눈 영상을 선택하고, 선택된 눈 영상에 대하여 특징 벡터의 구성에 불필요한 영역을 제거한 다양한 홍채 패턴을 갖는 동공(Pupil)과 자율신경환(Collarette)사이의 홍채 영상을 분리하여 다초점 홍채영상 시퀀스를 추출하는 눈 영상 전처리부와; 상기 눈 영상 전처리부에서 추출된 다초점 홍채영상 시퀀스를 다중분할하고, 그 다중분할된 영상으로부터 저주파 영역만을 포함하는 서브밴드를 이용하여 웨이블릿 특징벡터를 구성하고, 판별능력이 높은 차원으로 축소된 웨이블릿 특징벡터 및 차원축소 변환함수 P를 생성하게 되는 특징벡터추출부와; 상기 특징벡터추출부로부터 추출된 특징벡터와 기(旣) 등록된 특징벡터의 비유사도를 측정하여 사용자의 진위 여부를 판별하는 인식부와; 상기 특징벡터추출부로부터 추출된 축소된 웨이블릿 특징벡터와 차원축소 변환함수 P를 저장부에 등록하는 등록부와; 차원축소 변환함수 P와, 축소된 웨이블릿 특징벡터를 저장하는 저장부를 포함하여 구성함으로써, 고해상도 이미지와 포커스가 잘 맞는 영상뿐만 아니라 저해상도 이 미지와 포커스가 맞지 않은 영상도 효과적으로 인식할 수 있고, 웨이블릿 및 직접 선형판별 분석기법을 이용하여 판별력이 우수한 특징을 추출하는 동시에 특징벡터의 차원을 효과적으로 줄여 저장장치의 효율을 개선함은 물론, 심플한 인식부만을 사용하더라도 인식오류를 최소화할 수 있는 다초점 영상 시퀀스를 이용한 홍채인식 시스템 및 방법에 관한 것이다.
다초점 영상 시퀀스, 영상선택, 자율신경환, 이중직교 웨이블릿 변환, 직접 선형판별 분석기법

Description

다초점 영상 시퀀스를 이용한 홍채인식 시스템 및 방법{IRIS RECOGNIZING SYSTEM AND METHOD USING MULTIFOCUS IMAGE SEQUENCE}
도 1은 본 발명에 따른 홍채인식을 위한 영상획득장치를 나타내는 구성도,
도 2는 본 발명에 따른 다초점 영상 시퀀스를 이용한 홍채인식 시스템을 나타내는 구성도,
도 3은 본 발명에 따른 다초점 영상 시퀀스를 이용한 홍채인식 시스템의 개인 식별을 위한 홍채 영상의 획득 및 처리, 인식 방법의 전체 흐름도,
도 4는 본 발명에 따른 영상 전처리 과정을 나타내는 흐름도,
도 5는 본 발명에 따른 영상 전처리 과정에서 영상선택을 위해 계산된 퍼지 엔트로피 값을 나타내는 그래프,
도 6은 영상 전처리 과정에서 검출된 내부 및 외부 경계, 자율신경환, 그리고 정규화된 홍채를 나타내는 사진,
도 7은 본 발명에 따른 특징벡터 추출과정에서 등록을 위한 특징벡터와 차원축소 변환함수를 추출하는 과정을 나타내는 흐름도,
도 8는 본 발명에 따른 이중직교 웨이블릿 변환을 이용한 웨이블릿 특징벡터를 생성하기 위한 홍채 영상의 다중분할의 예시를 나타내는 도면,
도 9은 본 발명에 따른 특징벡터 추출과정에서 인식을 위한 특징벡터를 추출하는 과정을 나타내는 흐름도,
도 10은 본 발명에 따른 특징벡터들 사이의 비유사도를 측정하여 사용자 인증여부를 판별하는 과정을 나타내는 흐름도이다.
<도면의 주요 부분에 대한 부호의 설명>
10 : 사용자의 눈 11 : 적외선 통과 필터
12 : 접사렌즈 13 : 카메라 렌즈
14 : 적외선 조명 15 : CCD 카메라
16 : 프레임 그래버(frame grabber) 20 : 눈 영상 입력부
30 : 눈 영상 전처리부 40 : 특징벡터추출부
50 : 인식부 60 : 등록부
70 : 저장부
본 발명은 다초점 영상 시퀀스를 이용한 홍채인식 시스템 및 방법에 관한 것으로서, 더욱 상세하게는 사용자의 눈 영상을 입력 받을 때 영상획득장치로부터 일정 범위 내에서 균등한 시간 간격으로 초점을 변화시키며 다양한 레벨의 눈 영상을 시퀀스로 획득하므로 영상 획득에 걸리는 시간을 줄임은 물론, 퍼지 엔트로피를 이 용하여 초점의 변화 정도를 잘 반영할 수 있는 눈 영상들을 선택하여 사용하므로 초점이 잘 맞은 영상뿐만 아니라 초점이 잘 맞지 않은 영상도 인식이 가능한 다초점 영상 시퀀스를 이용한 홍채인식 시스템 및 방법에 관한 것이다.
일반적으로, 개인의 생체적 특성을 기반으로 하여 개인을 식별하는 방법으로써 지문, 얼굴, 홍채, 장문 등이 사용되고 있으며 그 중에서 홍채가 다른 생체정보들보다 개인 식별능력이 탁월할 뿐만 아니라 고도의 보안성을 보인다고 알려져 있다.
종래의 홍채 인식시스템은 개인 식별능력과 보안성을 강화하기 위하여 카메라로부터 사용자의 눈 영상을 입력받는 단계에서 좋은 품질의 영상만을 획득하도록 고안되었다.
이러한 종래의 홍채 인식시스템은 눈 영상의 입력시에 초점이 잘 맞은 눈 영상을 획득하기 위하여 초점을 맞추는데 너무 오랜 시간이 소요되며 사용자에게 정확한 위치 선정과 동작을 음성 메시지로 강요함으로써 사용자에게 많은 불편함을 느끼게 만든다.
또한, 사용자의 움직임에 의하여 초점이 맞지 않은 영상이 입력되는 경우에 개인을 제대로 식별하지 못하는 문제점이 있으며, 인식에 실패한 사용자는 다시 눈 영상을 촬영하고 인식과정이 끝날 때 까지 기다림으로써 시스템 전체의 처리 시간이 증가하고 인식률은 저하되며 사용자의 불편함은 가중되는 단점들을 가지고 있다.
그리고, 종래의 홍채인식 분야에서는 동공(pupil)과 공막(sclera) 사이에 존 재하는 홍채 영역을 사용하며, 이러한 동공과 공막사이의 홍채 영역을 추출하기 위해서는 동공과 홍채의 경계에 해당하는 내부경계선과 홍채와 공막사이의 외부경계선을 찾아 이 경계선들 사이의 영역을 추출하는 방법을 사용한다.
이러한 종래의 홍채 영역 추출방법에서는 동공과 홍채의 색상차가 크기 때문에 내부경계선은 쉽게 찾을 수 있지만 외부경계선은 찾기 힘든 단점을 가지고 있다.
또한, 이렇게 추출된 홍채 영역에는 개인을 식별하기 위해서 유용하게 사용되는 다양한 홍채 패턴을 포함한 영역 뿐만 아니라 홍채 패턴이 거의 나타나지 않는 불필요한 영역도 상당수 포함하고 있기 때문에 이러한 불필요한 영역은 인식과정에 사용되는 홍채 코드나 홍채 특징벡터를 구성하는데 좋지 않은 영향을 미칠 수 있다.
그리고, 종래의 홍채인식 분야에서는 특징을 추출하는 수단으로 가버 변환 또는 웨이블릿 변환을 사용하여 이진 홍채 코드를 생성하거나 통계값을 이용한 특징 벡터를 구성하는 방법이 주류를 이루어 왔다.
상기 가버 변환이나 웨이블릿 변환을 이용하여 이진 홍채 코드를 생성할 경우, 획득된 영상의 블러(blur)된 정도가 심한 경우에는 인식이 가능하지 않을 수 있으며, 종래의 하(Harr) 웨이블릿과 도비치스(Daubechies) 웨이블릿 변환에 의해 다중 분할된 서브밴드(subband)들 중에서 고주파 성분만을 가지고 있는 서브밴드에서의 통계값을 이용하여 구성된 특징 벡터는 잡영에 민감할 뿐만 아니라 저차원의 특징 벡터를 구성하는데 실용적인 관점에서 다소 효율성이 떨어지는 문제점이 있 다.
따라서, 홍채 인식시스템의 홍채 영상의 품질에 크게 영향을 받지 않는 패턴정보의 처리, 저장, 전송과 검색 등이 효율적으로 이루어질 수 있는 기술에 대한 필요성이 요구된다.
따라서, 본 발명은 상기와 같은 문제점을 해결하기 위해 발명한 것으로서, 다초점 영상 시퀀스를 이용하여 고해상도 이미지와 포커스가 잘 맞는 영상뿐만 아니라 저해상도 이미지와 포커스가 잘 맞지 않는 영상도 효과적으로 인식할 수 있으며, 웨이블릿과 직접 선형판별 분석기법(Direct linear discriminant analysis)을 이용하여 판별력이 우수한 특징벡터를 추출하는 동시에 그 특징벡터의 차원을 효과적으로 줄여줌에 따라 저장장치의 효율을 향상시킬 뿐만 아니라, 심플한 인식기만을 사용하더라도 인식오류를 최소화할 수 있는 다초점 영상 시퀀스를 이용한 홍채인식 시스템 및 방법을 제공하는데 그 목적이 있다.
이하, 상기와 같은 목적을 달성하기 위한 본 발명의 특징에 대해 설명하면 다음과 같다.
본 발명에 따른 다초점 영상 시퀀스를 이용한 홍채인식 시스템은, 거리 센서를 이용하여 영상획득장치와 사용자와의 거리정보를 계산하여 일정 거리 내에서 사 용자의 눈으로부터 균등한 시간 간격으로 변화된 초점 정보를 가지고 있는 다초점 눈영상 시퀀스를 상기 영상획득장치를 이용하여 입력받게 되는 눈 영상 입력부와;
상기 눈 영상 입력부에서 입력된 다초점 눈 영상 시퀀스에 대하여 퍼지 엔트로피를 계산하여 다양한 초점레벨의 눈 영상 정보를 효과적으로 표현할 수 있는 N개의 눈 영상을 선택하고, 선택된 눈 영상에 대하여 특징 벡터의 구성에 불필요한 영역을 제거한 다양한 홍채 패턴을 갖는 동공(Pupil)과 자율신경환(Collarette)사이의 홍채 영상을 분리하여 다초점 홍채영상 시퀀스를 추출하는 눈 영상 전처리부와;
상기 눈 영상 전처리부에서 추출된 다초점 홍채영상 시퀀스를 다중분할하고, 그 다중분할된 영상으로부터 저주파 영역만을 포함하는 서브밴드를 이용하여 웨이블릿 특징벡터를 구성하고, 판별능력이 높은 차원으로 축소된 웨이블릿 특징벡터 및 차원축소 변환함수 P를 생성하는 특징벡터추출부와;
상기 특징벡터추출부로부터 추출된 특징벡터와 기(旣) 등록된 특징벡터의 비유사도를 측정하여 사용자의 진위 여부를 판별하는 인식부와;
상기 특징벡터추출부로부터 추출된 축소된 웨이블릿 특징벡터와 차원축소 변환함수 P를 저장부에 등록하는 등록부와;
차원축소 변환함수 P와, 축소된 웨이블릿 특징벡터를 저장하는 저장부를 포함하여 구성된 것을 특징으로 한다.
또한, 본 발명에 따른 다초점 영상 시퀀스를 이용한 홍채인식 방법은, 다초점 눈 영상 시퀀스를 영상획득장치로부터 입력받는 영상획득단계(S200)와;
상기 영상획득단계(S200)로부터 획득된 다초점 눈 영상 시퀀스로부터 퍼지 엔트로피를 계산하여 눈 영상을 선택하고, 선택된 눈 영상들로부터 동공과 자율신경환 사이의 홍채 영상을 분리하여 다초점 홍채 영상 시퀀스를 획득하는 전처리단계(S300)와;
상기 전처리단계(S300)로부터 분리 추출된 다초점 홍채 영상 시퀀스를 다중분할하고, 그 다중 분할된 서브밴드들 중에서 저주파 성분만을 포함하는 서브밴드로부터 웨이블릿 특징벡터를 구성하고, 이렇게 구성된 웨이블릿 특징벡터를 저장부에 저장되어 있는 차원축소 변환함수 P를 이용하여 개인 식별을 위한 홍채영역의 축소된 웨이블릿 특징벡터를 추출하는 특징벡터 추출단계(S400)와;
상기 특징벡터 추출단계(S400)에서 추출된 웨이블릿 특징 벡터와 미리 저장부에 등록되어 있는 특징벡터의 비유사도를 측정하여 사용자의 진위 여부를 판별하는 인식수행단계(S500)를 포함하는 것을 특징으로 한다.
이하, 첨부도면을 참조하여 본 발명에 따른 다초점 영상 시퀀스를 이용한 홍채인식 시스템 및 방법에 대해 상세하게 설명하면 다음과 같다.
첨부한 도 1은 본 발명에 따른 다초점 영상 시퀀스를 이용한 홍채인식 시스템의 영상획득장치를 나타내는 구성도이다.
첨부 도면에 도시된 바와 같이, 홍채인식 시스템의 영상획득장치는 적외선 통과 필터(11), 접사 렌즈(12), 카메라 렌즈(13), 적외선 조명(14), CCD 카메라(15), 프레임 그래버(frame grabber)(16)로 구성되어 있다.
사용자의 눈(10)은 적외선 조명(14)이 비춰지는 상황에서 적외선 통과 필 터(11)와 접사 렌즈(12) 그리고 카메라 렌즈(13)를 통하여 CCD 카메라로 촬영이 되며, 상기 촬영된 눈 영상은 CCD 카메라(15)와 연결되어있는 프레임 그래버(frame grabber)(16)를 통해서 아날로그 신호가 디지털 신호로 변환된다.
여기서, 상기 통과 필터(11)와 접사 렌즈(12)의 사용은 눈(10) 영상에서 홍채 영역은 아주 작기 때문에 일반 CCD 카메라(15)에 장착된 카메라 렌즈(13)로는 인식이 가능할 정도의 홍채 패턴을 가진 영상을 촬영하기가 불가능하며, 상기 CCD 카메라(15)에 장착된 카메라 렌즈(13)를 사용하여 눈 영상을 촬영할 경우, 촬영된 눈 영상에는 눈 정면의 사물이나 실내에서 사용되는 조명이 각막에 반사되어 홍채 패턴을 구분할 수 없도록 만드는 잡영이 생기게 된다.
따라서, 인식이 가능할 정도의 홍채 패턴을 가지고 잡영에 의한 홍채 영상의 정보가 손실되지 않도록 하기 위해서는 카메라 렌즈(13) 전방에 적외선 통과 필터(11)와 접사 렌즈(12)를 사용하게 된다.
또한, 상기 CCD 카메라(15) 전방으로 적외선 LED 소자로 구성된 적외선 조명(14)을 조사하도록 한다.
이러한 적외선 조명(14)은 인식이 가능할 정도의 홍채 패턴을 가진 눈 영상을 촬영하기 위하여 780nm의 최대 파장을 가진 근적외선 LED 소자로 구성되어 있다.
이때, 상기 CCD 카메라(15)의 좌우 측면에 위치시키고, 그 기울기를 조절하여 안경과 렌즈의 착용 유무에 상관없이 그 적외선 조명(14)의 반사광이 홍채 패턴을 가려서 정보가 손실되지 않도록 반사광을 동공의 내부에 맺히도록 한다.
이와 같이, 상기 적외선 조명(14)을 조사하는 동시에, 상기 CCD 카메라(15)의 전방으로 적외선 통과 필터(11)와 접사 렌즈(12)를 장착하여 촬영함으로써, 눈 영상의 정보 손실이 최소화된다.
한편, 상기 적외선 통과 필터(11)는 650nm 이하의 가시광선을 차단하도록 된 것이 바람직하다.
첨부한 도 2는 본 발명에 따른 개인 식별을 위한 홍채 영상의 입력과 입력된 영상의 처리 및 등록/인식 방법이 적용되는 다초점 영상 시퀀스를 이용한 홍채인식 시스템의 하드웨어 블록도이다.
첨부 도면에 도시된 바와 같이, 본 발명에 따른 홍채인식 시스템은 눈 영상 입력부(20), 눈 영상 전처리부(30), 특징벡터추출부(40), 인식부(50), 등록부(60), 그리고 특징 벡터 및 차원축소 변환함수를 저장하기 위한 저장부(70)를 포함하여 구성된다.
상기 눈 영상 입력부(20)는 거리 센서를 이용하여 상기 영상획득장치와 사용자의 거리정보를 계산하여 일정 거리 내에서 사용자의 눈(10)으로부터 균등한 시간 간격으로 변화된 초점 정보를 가지고 있는 다초점 눈영상 시퀀스(20)를 도 1의 영상획득장치를 이용하여 입력받게 된다.
상기 눈 영상 전처리부(30)는 상기 눈 영상 입력부(20)에서 입력된 다초점 눈 영상 시퀀스에 대하여 퍼지 엔트로피를 계산하여 다양한 초점레벨의 눈 영상 정보를 효과적으로 표현할 수 있는 N개의 눈 영상을 선택하고, 선택된 눈 영상에 대하여 캐니 경계선 검출방법, 바이섹션(Bisection)법 및 이산 푸리에 변환(Discrete Fourier Transform)을 이용하여 특징 벡터의 구성에 불필요한 영역을 제거한 다양한 홍채 패턴을 가지고 있는 동공(Pupil)과 자율신경환(Collarette)사이의 홍채 영상을 분리하여 다초점 홍채영상 시퀀스를 추출하게 된다.
상기 특징벡터추출부(40)는 상기 눈 영상 전처리부(30)에서 추출된 다초점 홍채영상 시퀀스를 이중 직교 웨이블릿(Biothogonal Wavelet) 변환을 이용하여 다중분할하고, 그 다중분할된 영상으로부터 저주파 영역만을 포함하는 서브밴드를 이용하여 웨이블릿 특징벡터를 구성하고, 직접 선형판별 분석기법(Direct Linear Discriminant Analysis)을 이용하여 축소된 웨이블릿 특징벡터 및 차원축소 변환함수 P를 생성하게 된다.
상기 인식부(50)는 상기 특징벡터추출부(40)로부터 추출된 특징벡터와 저장부(70)에 등록된 특징벡터를 비교하여 인식을 수행하게 된다.
이때, 상기 인식부(50)에서 사용되는 특징벡터는 상기 웨이블릿 특징벡터를 추출하는 단계까지는 동일하며, 홍채 영역의 축소된 웨이블릿 특징벡터를 추출하기 위하여 저장부(70)에 저장되어 있는 차원축소 변환함수 P를 이용하게 된다.
상기 등록부(60)는 특징벡터추출부(40)로부터 추출된 축소된 웨이블릿 특징벡터와 차원축소 변환함수 P를 저장부(70)에 등록하게 된다.
본 발명은 사용자의 눈 영상(10)을 등록하는 경우에 다초점 영상 시퀀스를 이용하여 등록하고, 인식의 경우에는 단일초점 영상만을 이용하여 인식을 수행토록 함으로써, 인식률의 저하는 거의 없으면서 시스템 전체의 처리 시간은 단축시킬 수 있는 효과가 있다.
또한 이렇게 구성된 홍채인식 시스템은 인식을 위해 입력되는 눈 영상이 초점이 잘 맞는 선명한 영상 뿐만 아니라 초점이 잘 맞지 않는 영상의 입력에도 인식이 가능하다.
첨부한 도 3은 본 발명에 따른 개인 식별을 위한 홍채 영상의 획득 및 처리, 그리고 인식 방법의 전체 흐름도이다.
첨부 도면에 도시된 바와 같이, 본 발명에 따른 개인 식별을 위한 홍채 영상의 획득 및 처리, 그리고 인식방법은 다초점 눈 영상 시퀀스를 영상획득장치로부터 입력받는 영상획득단계(S200)와, 상기 영상획득단계(S200)로부터 획득된 다초점 눈 영상 시퀀스로부터 퍼지 엔트로피를 계산하여 눈 영상을 선택하고, 선택된 눈 영상들로부터 캐니 경계선 검출방법, 바이섹션법 및 이산 푸리에 변환을 이용하여 동공과 자율신경환 사이의 홍채 영상을 분리하여 다초점 홍채 영상 시퀀스를 획득하는 전처리단계(S300)와, 상기 전처리단계(S300)로부터 분리 추출된 다초점 홍채 영상 시퀀스를 이중 직교 웨이블릿 (Biorthogonal Wavelet) 변환을 사용하여 다중분할하고, 그 다중 분할된 서브밴드들 중에서 저주파 성분만을 포함하는 서브밴드로부터 웨이블릿 특징벡터를 구성하고, 이렇게 구성된 웨이블릿 특징벡터를 저장부(70)에 저장되어 있는 차원축소 변환함수 P를 이용하여 개인 식별을 위한 홍채영역의 축소된 웨이블릿 특징벡터를 추출하는 특징벡터 추출단계(S400)와, 상기 특징벡터 추출단계(S400)에서 추출된 웨이블릿 특징 벡터와 미리 저장부(70)에 등록되어 있는 특징벡터의 비유사도를 측정하여 사용자의 진위 여부를 판별하는 인식수행단계(S500)를 포함하게 된다.
첨부한 도 4는 본 발명에 따른 영상 전처리과정을 상세히 나타낸 흐름도이고, 도 5는 영상 전처리과정에서 영상선택을 위하여 계산된 퍼지 엔트로피 값의 예를 도시한 것이며, 도 6은 영상 전처리과정에서 선택된 눈 영상으로부터 검출된 내부 및 외부 경계, 자율신경환 경계, 그리고 정규화된 홍채의 예를 나타내는 사진이다.
첨부 도면에 도시된 바와 같이, 본 발명에 따른 영상 전처리단계(S300)는 영상획득단계(S200)에서 획득된 다초점 눈 영상 시퀀스로부터 퍼지 엔트로피 값을 계산하는 단계(S310)와, 이렇게 계산된 퍼지 엔트로피 값을 기반으로 퍼지 엔트로피 값이 낮은 N개의 눈 영상을 선택하는 단계(S320)와, 선택된 눈 영상들로부터 캐니 경계선 검출방법과 바이섹션법을 사용하여 홍채의 내부 경계(S110)와 외부 경계(S120)를 검출하는 단계(S330)와, 검출된 홍채의 내부 경계(S110)와 외부 경계(S120)사이의 홍채 영역에 대하여 히스토그램 평활화와 이산 푸리에 변환을 사용하여 자율신경환 경계(S130)를 검출하는 단계(S340)와, 검출된 내부 경계(S110)와 자율신경환 경계(S130)에 해당하는 홍채 영역에 대하여 정규화된 홍채 영상(S140)들을 생성하는 단계(S350)를 포함한다.
상기와 같이, 영상획득단계(S200)에서 획득된 다초점 눈 영상 시퀀스로부터 시스템의 처리속도를 감안하여 퍼지 엔트로피 값을 계산(S310)하여 사용자의 눈 영상들의 초점 변화 정도를 가장 잘 반영할 수 있는 N개의 눈 영상들을 선택(S320)할 경우에 하기의 수학식 1을 사용하여 퍼지 엔트로피 값을 계산한다.
Figure 112006039160818-pat00001
상기 수학식 1에서, E(I)는 눈 영상 I의 퍼지 엔트로피 값을 의미하며, L과 M은 각각 눈 영상 I의 행의 행과 열의 크기를 나타내며, n(i,j)는 눈 영상 I의 정규화된 픽셀 값을 나타내고, s는 Shannon의 엔트로피 함수로서, 수학식 2와 같이 정의된다.
Figure 112006039160818-pat00002
상기 눈 영상들로부터 계산된 퍼지 엔트로피 값으로부터 퍼지 엔트로피 값이 낮은 N개의 눈 영상을 선택한다.
도 5는 다초점 눈 영상 시퀀스에 포함되어 있는 10개의 눈 영상에 대하여 퍼지 엔트로피를 계산한 일실시예로써, 본 발명에서는 시스템의 처리속도를 감안하여 퍼지 엔트로피 값이 낮은 5개의 눈 영상을 선택하여 실험한 결과는 사용자의 눈 영상들의 초점 변화 정도를 가장 잘 반영할 수 있을 뿐만 아니라 인식성능도 우수함을 확인하였다.
또한, 상기 선택된 눈 영상들로부터 캐니 경계선 검출방법과 바이섹션법을 사용하여 내부 경계(S110)와 외부 경계(S120)를 검출하는 단계(S330)에서, 도 6에서와 같이 흑백으로 촬영된 눈 영상의 동공과 홍채의 색상차가 많이 발생하는 내부 경계(S110)는 추출이 용이하나 홍채와 공막사이의 색상차가 많지 않아서 경계요소가 잘 추출되지 않는 경우가 있는데, 이때 동공과 공막사이의 홍채 영역은 개인 식별에 유용한 다양한 패턴을 가진 영역과 패턴이 거의 없는 영역을 동시에 포함하고 있다.
여기서, 홍채의 내부경계와 외부경계는 도 6에서 자세히 설명되어 있으며, 홍채는 동공(pupil)과 공막(sclera)사이의 갈색부분을 말하며, 홍채의 내부경계(S110)는 동공과 홍채의 경계, 홍채의 외부경계(S120)는 홍채와 공막의 경계, 홍채의 자율신경환 경계(S130)는 내부 경계로부터 다양한 패턴들로 이루어진 홍채영역 내부의 주름진 영역 끝부분을 말한다.
따라서, 상기 홍채와 공막사이의 경계요소를 추출하기 보다는 적외선 조명에 의해서 생기는 공막과 아랫 눈꺼풀 사이의 각막 반사광을 검출하여 동공의 중심으로부터 각막 반사광까지를 원의 반지름으로 하는 외부 경계(S120)를 검출한다.
단계 340에서는 상기 추출된 내부 경계(S110)과 외부 경계(S120)사이의 홍채 영역을 분리하여 극좌표 변환에 의해서 직사각형 형태의 홍채영상을 얻고, 이렇게 얻어진 영상에 히스토그램 평활화와 이산 푸리에 변환을 사용하여 자율신경환 경계(S130)를 추출한다.
단계 350에서는 개인 식별에 유용한 다양한 패턴을 포함하고 있는 상기 내부 경계(S110)와 자율신경환 경계(130)사이의 홍채 영상으로부터 정규화된 영상(S140)을 생성한다.
첨부한 도 7은 본 발명에 따른 특징벡터 추출과정에서 등록을 위한 특징벡터와 차원축소 변환함수를 추출하는 과정을 상세히 나타낸 흐름도이며, 도 8은 웨이블릿 특징벡터를 생성하기 위하여 이중직교 웨이블릿 변환을 이용하여 홍채 영상을 다중분할한 예를 나타내는 도면이다.
첨부 도면에 도시된 바와 같이, 본 발명에 따른 특징벡터 추출단계(S400)는 상기 영상 전처리단계(S300)에서 추출된 정규화된 홍채 영상들로 이루어진 다초점 홍채 영상 시퀀스를 입력받는 단계(S410)와, 입력된 다초점 홍채 영상 시퀀스에 이중직교 웨이블릿(Biorthogonal Wavelet) 변환을 적용하여 다중분할하는 단계(S420)와, 그 다중분할된 홍채 영상의 서브밴드들 중에서 X축과 Y축에 대하여 모두 저주파 성분을 포함한 영역(LL)을 추출하는 단계(S430)와, 다중분할 횟수가 미리 지정된 횟수 k보다 작은지 큰지의 여부를 판단하는 단계(S440)와, 상기 단계 S440에서 다중분할 횟수가 미리 지정된 횟수 k보다 작으면 서브밴드 추출단계(S430)에서 추출된 저주파 성분만을 포함한 LL영역을 새로운 다중 분할을 하기 위한 대상 영상으로 선정하는 단계(S450)와, 상기 단계 S440에서 다중분할 횟수가 미리 지정된 횟수 k보다 크면 최종 다중분할에서 얻어진 LL영역으로부터 웨이블릿 특징벡터를 구성하는 단계(S460)와, 그 추출된 웨이블릿 특징벡터들로부터 직접 선형판별 분석기법(Direct Linear Discriminant Analysis)을 이용하여 판별능력이 높은 차원으로 축소된 홍채 특징벡터를 생성하기 위한 차원축소 변환함수 P를 생성하는 단계(S470)와, 차원축소 변환함수 P와, 상기 차원축소 변환함수 P에 의해서 축소된 웨이블릿 특징벡터를 저장부(70)에 저장하는 단계(S480)를 포함한다.
여기서, 등록 시에 특징추출 방법론은 다초점 홍채영상 시퀀스로부터 웨이블릿 특징 백터를 추출하여 추출된 웨이블릿 특징 벡터들로부터 직접선형판별 분석 기법을 이용하여 특징벡터의 차원축소 변환함수 P를 생성하고, 또한 이 P를 이용하여 등록할 웨이블릿 특징 벡터의 차원을 축소한다. 이렇게 축소된 웨이블릿 특징벡터와 차원축소 변환함수 P는 데이터베이스에 저장된다.
인식 시에 특징추출 방법론은 인식을 하기 위한 다초점 홍채영상 시퀀스로부터 웨이블릿 특징 백터를 추출하고, 데이터베이스에 미리 저장된 차원축소 변환함수 P를 사용해서 웨이블릿 특징 벡터의 차원을 축소한다.
직접 선형판별 분석기법(Direct linear discriminant analysis)에 의해서 생성된 차원축소 변환함수 P를 이용하여 웨이블릿 특징벡터의 차원을 축소할 경우 웨이블릿 특징벡터만을 이용하여 인식을 하는 것 보다 축소된 웨이블릿 특징벡터를 이용할 경우 더욱 높은 인식률을 보인다.
그 이유는 직접 선형판별 분석기법(Direct linear discriminant analysis)에 의해서 생성된 차원축소 변환함수 P가 데이터의 중복성을 줄이는 동시에 클래스 사이의 분산을 최대로 만들어 주면서 클래스 내의 분산을 최소가 되게 하는 변환함수 이므로, 이 차원축소 변환함수 P에 의해서 축소된 웨이블릿 특징벡터는 클래스의 분류 능력이 높아 진다고 할 수 있다.
즉, 차원축소 변환함수 P는 웨이블릿 특징벡터를 판별능력이 높은 특징차원으로 축소한다고 말할 수 있으며, 최종적으로 얻어진 특징벡터는 판별능력이 높은 차원으로 축소된 웨이블릿 특징벡터라 말할 수 있다.
상기 다초점 영상 시퀀스를 이용한 홍채인식을 위한 특징벡터를 생성하는 과정에 있어서, 영상의 품질에 영향을 받지 않고 판별능력이 우수하며 저장용량을 감소시키는 동시에 인식을 위한 처리시간을 단축시킬 수 있는 특징벡터의 생성은 필 수적이다.
본 발명에서는 영상의 품질에 영향을 덜 받는 특징벡터를 구성하기 위하여 다중분할을 할 경우에 분할된 서브밴드들 사이에 정보의 이동이 없을 뿐만 아니라 영상의 경계를 처리하는 데에도 쉽게 이용할 수 있다는 장점을 지닌 대칭필터를 사용하는 이중직교 웨이블릿(Biorthogonal Wavelet)을 사용하였으며, 판별능력이 우수하며 저장용량을 감소시키는 동시에 인식을 위한 처리시간을 단축시킬 수 있는 특징벡터를 생성하기 위하여 직접 선형판별 분석기법을 사용하였다.
단계 S420에서 이중직교 웨이블릿 변환을 적용한 다중분할과 단계 S430에서 저주파 성분만을 포함하는 LL영역을 추출하는데 있어서, 도 8의 일실시예에서와 같이 1레벨 분해에서 정규화된 홍채 영상은 4개의 서브밴드들로 분할되며, LL1영역은 원래의 영상이 4분의 1로 축소된 형태의 저주파 성분만을 가진 영상을 나타내고, LH1영역은 원영상의 수평성분들로 이루어진 4분의 1로 축소된 형태를 가지고, HL1영역은 원영상의 수직성분들로 이루어진 4분의 1로 축소된 형태를 가지고, HH1영역은 원영상의 대각성분들로 이루어졌으며 고주파 성분만으로 이루어진 4분의 1로 축소된 형태를 나타낸다.
4개의 LL1, LH1, HL1, HH1 서브밴드들 중에서 HH1영역은 잡영에 가장 민감하며, LL1영역은 잡영에 가장 덜 민감한 영역으로써 판별능력에 있어서도 다른 서브밴드에 비해서 우수하며, 판별능력은 하기의 수학식 3을 계산하여 확인할 수 있다.
Figure 112006039160818-pat00003
여기서, J는 서브밴드 Su의 판별능력을 나타내며, Db와 Dw는 클래스내 분산행렬(Within-class scatter matrix)과, 클래스사이 분산행렬(Between-class scatter matrix)로부터 얻어진 고유값들(eigenvalue)로 구성된 대각행렬을 나타낸다.
첨부한 도 7의 다중분할 횟수를 판단하는 단계(S440)에서, 본 발명에서 획득된 영상의 해상도가 320×240이므로 지정된 횟수를 3회로 제한했으며, 3레벨 분해에서 얻어진 LL3영역의 해상도는 29×4로서 총 116개의 특징 정보들로 이루어지며, 원 영상의 해상도가 더 커지게 되면 웨이블릿에 의한 다중분할 횟수를 더 늘릴 필요가 있다.
상기 이중직교 웨이블릿(Biothogonal Wavelet)을 사용하여 각 레벨에서 다중분할된 서브밴드들에 대해서 실험한 결과 분할횟수가 늘어날수록 인식률은 증가하고, 서브밴드들 중에서 저주파 성분만을 포함하고 있는 LL영역에서 가장 높은 인식률을 보였다.
단계 S450에서 다중분할 횟수가 지정된 횟수보다 작으면 저주파 성분만을 포 함하는 LL영역을 새로운 다중분할을 하기 위한 대상영상으로 선정하고, 단계 S460에서 다중분할 횟수가 지정된 횟수보다 크면 최종 레벨의 다중분할에서 얻어진 저주파 성분만을 포함하는 LL영역의 영상으로부터 각 픽셀 정보들을 벡터형태로 재구성하여 웨이블릿 특징벡터를 구성한다.
본 발명에서는 LL3영역으로부터 116차원의 웨이블릿 특징벡터를 구성하였다.
단계 S470에서는 단계 S460에서 추출된 웨이블릿 특징벡터의 모든 성분들이 개인을 식별하기에 충분한 판별능력을 가진 성분들로 구성된 것이 아니며, 특징벡터의 차원도 크기 때문에 직접 선형판별 분석기법을 사용하여 판별능력이 높은 차원으로 홍채 특징벡터를 축소하기 위한 차원축소 변환함수 P를 생성한다.
직접 선형판별 분석기법은 분별력있는 중요한 정보들을 포함하는 클래스내 분산행렬(Within-class scatter matrix)의 영공간(null space)을 제거하기 보다는 중요한 정보들을 포함하지 않는 클래스사이 분산행렬(Between-class scatter matrix)의 영공간(null space)를 먼저 제거하는 방법으로써, 일반적으로 알려진 선형판별 분석기법에서 가지는 작은 표본 크기문제(Small Sample Size Problem)를 해결한 기법이다.
예를 들면, 차원축소 변환함수 P는 직접 선형판별 분석기법(Direct linear discriminant analysis)에 의해서 생성된다.
직접 선형판별 분석기법은 중요한 정보들을 포함하는 클래스 내 분산행렬(Within-class scatter matrix)의 영공간(null space)을 제거하기 보다는 중요한 정보들을 포함하지 않는 클래스 사이 분산행렬(Between-class scatter matrix)의 영공간(null space)를 먼저 제거하는 방법이다.
클래스 내 분산행렬(Within-class scatter matrix) Sw과 클래스 사이 분산행렬(Between-class scatter matrix) Sb 은 다음과 같은 수식으로 표현이 된다.
Figure 112008019569451-pat00016

여기서 J는 클래스의 총 개수, Ci는 i번째 클래스, x는 특징벡터, μi는 클래스 Ci의 평균, μ는 모든 클래스에 있는 데이터들의 평균, T는 전치행렬을 나타낸다.
일반적으로 차원축소 방법론으로 많이 사용되는 선형판별 분석기법(Linear discriminant analysis)은 상기 Sw와 Sb를 이용하여 클래스 내 분산행렬(Within-class scatter matrix) Sw을 먼저 대각화하고, 다음으로 클래스 사이 분산행렬(Between-class scatter matrix) Sb을 대각화함으로써 클래스를 분류하는데 중요한 정보들의 손실을 가져온다.
이에 반해서 직접 선형판별 분석기법(Direct linear discriminant analysis)은 선형판별 분석기법(Linear discriminant analysis)과는 반대로 클래스 사이 분산행렬(Between-class scatter matrix) Sb을 먼저 대각화하고, 다음으로 클래스 내 분산행렬(Within-class scatter matrix) Sw을 대각화함으로써 클래스를 분류하는데 중요한 정보의 손실을 줄였다.
최종적으로 상기 Sw와 Sb을 이용하여 생성된 차원축소 변환함수(실제 얻어지는 변환함수의 형태가 행렬의 형태를 가지므로 변환행렬이라고도 표현함)는 다음과 같다.
Figure 112008019569451-pat00017

즉, 직접 선형판별 분석기법을 이용하여 클래스들 사이의 분산을 최대로 하면서 클래스 내의 분산이 최소가 되게 하는 V를 차원축소 변환함수 P라고 한다.
축소된 웨이블릿 특징벡터 y는 차원축소 변환함수 P와 웨이블릿 특징벡터 x의 행렬곱에 의해서 계산된다.
단계 S480에서는 단계 S470에서 생성된 차원축소 변환함수 P와, 상기 차원축소 변환함수 P를 이용하여 단계 S460에서 추출된 웨이블릿 특징벡터를 판별능력이 높은 차원으로 축소하여 그 추출된 축소된 웨이블릿 특징벡터를 저장하는 단계이다.
첨부한 도 9은 본 발명에 따른 특징벡터 추출과정에서 인식을 위한 특징벡터를 추출하는 과정을 나타낸 흐름도이다.
첨부 도면에 도시한 바와 같이, 인식을 위한 특징벡터를 추출하는 과정은 웨이블릿 특징벡터를 생성하는 단계(S460)와, 상기 저장부(70)에 등록되어 있던 차원축소 변환함수 P를 검색하는 단계(S461)와, 검색된 차원축소 변환함수 P를 이용하여 축소된 웨이블릿 특징벡터를 생성하는 단계(S462)를 포함한다.
상기 사용자를 식별하기 위하여 인식부(50)에서 사용될 특징벡터를 추출하는데 있어서 웨이블릿 특징벡터를 생성하는 단계(S460)까지는 상기 도 7에서 나타낸 과정이 동일하며, 단계 S461과 단계 S462에서는 기존에 등록되어 있던 차원축소 변환함수 P를 검색하여 단계 S460에서 추출된 웨이블릿 특징벡터와 검색된 차원축소 변환함수 P를 이용하여 축소된 웨이블릿 특징벡터를 생성한다.
첨부한 도 10은 인식수행과정에서의 특징벡터들 사이의 비유사도를 측정하여 사용자 인증여부를 판별하는 과정을 나타낸 흐름도이다.
첨부 도면에 도시된 바와 같이, 다초점 영상 시퀀스를 사용한 홍채인식 시스템에서 특징벡터들 사이의 비유사도를 측정하여 사용자 인증여부를 판별하는 과정은 특징벡트추출 단계(S400)에서 얻어진 축소된 웨이블릿 특징벡터들을 입력받는 단계(S510)와, 기(旣) 등록되어 있던 축소된 웨이블릿 특징벡터들을 검색하는 단계(S520)와, 웨이블릿 특징벡터들간의 가중치 유클리드거리를 통한 비유사도 Ns를 측정하는 단계(S530)와, 그 측정된 비유사도 Ns와 기(旣) 지정된 기준값을 비교하여 판단하는 단계(S540)와, 상기 비유사도 Ns가 미리 지정된 기준값보다 크면 사용자를 기각하는 단계(S550)와, 상기 비유사도 Ns가 미리 지정된 기준값보다 작으면 사용자를 승인하는 단계(S560)를 포함한다.
상기 특징벡터들 사이의 비유사도를 측정하여 사용자 인증여부를 판별하는 과정에 있어서, 단계 S510에서는 다초점 영상 시퀀스로부터 특징벡터추출단계(S400)에서 얻어진 축소된 웨이블릿 특징벡터들을 입력받고, 단계 S520에서는 저장부(70)로부터 기 등록되어 있던 축소된 웨이블릿 특징벡터들을 검색하고, 단계 S530에서는 상기 검색된 웨이블릿 특징벡터들과 입력된 웨이블릿 특징벡터들 사이의 가중치 유클리드거리를 통한 비유사도를 측정할 경우 하기 수학식 4에서와 같이 계산된다.
Figure 112006039160818-pat00004
Figure 112006039160818-pat00005
여기서, F와 G(t)는 각각 입력된 특징벡터와 기 등록되어 있던 클래스 t에 속 하는 특징벡터, m은 특징벡터의 차원, fi와 gi (t)는 각각 특징벡터 F와 G(t)의 i번째 차원에 해당하는 벡터성분, wi (t)는 클래스 t의 i번째 차원에 해당하는 가중치, 그리고 σi 2(t)는 클래스 t의 i번째 차원에 해당하는 성분들의 분산을 나타낸다.
단계 S540, 단계 S550, 및 단계 S560에서는 상기 계산된 가중치 거리에 최소거리 분류규칙을 적용하여 얻어진 비유사도 Ns와 미리 정한 기준값과 비교하여 사용자의 승인/기각 여부를 결정한다.
상술한 바와 같이, 본 발명에 따른 다초점 영상 시퀀스를 이용한 홍채인식 시스템 및 방법에 의하면, 사용자의 눈 영상을 입력 받을 때 영상획득장치로부터 일정 범위 내에서 균등한 시간 간격으로 초점을 변화시키며 다양한 레벨의 눈 영상을 시퀀스로 획득하므로 영상 획득에 걸리는 시간을 줄임은 물론, 퍼지 엔트로피를 이용하여 초점의 변화 정도를 잘 반영할 수 있는 눈 영상들을 선택하여 사용하므로 초점이 잘 맞은 영상뿐만 아니라 초점이 잘 맞지 않은 영상도 인식이 가능하게 된다.
또한, 사용자의 눈 영상으로부터 홍채 영상을 추출하는 단계에서 캐니 경계선 검출방법, 바이섹션(Bisection)법 및 이산 푸리에 변환(Discrete Fourier Transform-DFT)을 이용하여 다양한 홍채 패턴을 가지고 있는 동공과 자율신경 환(Collarette)사이의 홍채영상을 추출함으로써 불필요한 영역을 제거하여 처리의 효율성과 인식률 향상이 가능하게 된다.
또한, 추출된 홍채 영상에 대해 대칭필터를 사용하는 이중 직교 웨이블릿 변환을 사용하므로 홍채 영상의 다중 분할시 서브밴드들 사이에 발생할 수 있는 영상 정보의 위치 변경을 피할 수 있고, 다중 분할된 서브밴드들 중에 저주파 영역에 해당하는 서브밴드를 사용하여 잡영의 영향을 덜 받는 웨이블릿 특징 벡터를 구성할 수 있다.
또한, 직접 선형판별 분석기법을 사용하여 웨이블릿 변환을 통해서 얻어진 특징벡터로부터 개인 식별이 더욱 용이하도록 특징벡터를 재구성하는 동시에 특징 벡터의 차원을 줄여주어 인식률 향상이 가능하고, 패턴 정보의 처리와 저장 및 전송, 검색 등이 효율적으로 이루어질 수 있다.
또한, 본 발명은 인식부에서 최종 결과를 생성하기 위해 학습된 특징벡터와 입력된 특징벡터를 비교하는 과정에서, 단순하고 큰 값에 영향을 받지 않고 파라미터의 산출이 쉬운 가중치 유클리드 거리를 측정하여 처리 성능이나 처리 시간의 관점에서 효율적으로 인식할 수 있는 기술을 제공하여, 홍채 패턴 정보의 분석 이외에 다양한 패턴인식 분야의 문제에도 유연성 있게 대처할 수 있는 기반 기술을 제공할 수 있는 효과가 있다.

Claims (7)

  1. 거리 센서를 이용하여 영상획득장치와 사용자와의 거리정보를 계산하여 일정 거리 내에서 사용자의 눈으로부터 균등한 시간 간격으로 변화된 초점 정보를 가지고 있는 다초점 눈영상 시퀀스를 상기 영상획득장치를 이용하여 입력받게 되는 눈 영상 입력부와;
    상기 눈 영상 입력부에서 입력된 다초점 눈 영상 시퀀스에 대하여 퍼지 엔트로피를 계산하여 다양한 초점레벨의 눈 영상 정보를 효과적으로 표현할 수 있는 N개의 눈 영상을 선택하고, 선택된 눈 영상에 대하여 특징 벡터의 구성에 불필요한 영역을 제거한 다양한 홍채 패턴을 갖는 동공(Pupil)과 자율신경환(Collarette)사이의 홍채 영상을 분리하여 다초점 홍채영상 시퀀스를 추출하는 눈 영상 전처리부와;
    상기 눈 영상 전처리부에서 추출된 다초점 홍채영상 시퀀스를 다중분할하고, 그 다중분할된 영상으로부터 저주파 영역만을 포함하는 서브밴드를 이용하여 웨이블릿 특징벡터를 구성하고, 판별능력이 높은 차원으로 축소된 웨이블릿 특징벡터 및 데이터의 중복성을 줄이는 동시에 클래스 사이의 분산을 최대로 만들어 주면서 클래스 내의 분산을 최소가 되게 하는 차원축소 변환함수 P를 생성하는 특징벡터추출부와;
    상기 특징벡터추출부로부터 추출된 특징벡터와 기(旣) 등록된 특징벡터의 비유사도를 측정하여 사용자의 진위 여부를 판별하는 인식부와;
    상기 특징벡터추출부로부터 추출된 축소된 웨이블릿 특징벡터와 차원축소 변환함수 P를 저장부에 등록하는 등록부와;
    차원축소 변환함수 P와, 축소된 웨이블릿 특징벡터를 저장하는 저장부를 포함하여 구성된 것을 특징으로 하는 다초점 영상 시퀀스를 이용한 홍채인식 시스템.
  2. 청구항 1에 있어서,
    상기 영상획득장치는 인식이 가능할 정도의 홍채 패턴을 가지고 잡영에 의한 홍채 영상의 정보가 손실되지 않도록 카메라 렌즈 전방에 적외선 통과 필터와 접사 렌즈가 부착된 CCD 카메라와;
    상기 CCD 카메라 전방을 조사하는 적외선 LED 소자로 이루어진 적외선 조명과;
    상기 CCD 카메라로 촬영한 눈 영상을 디지털 신호로 변환시키는 프레임 그래버(frame grabber)를 포함하여 구성된 것을 특징으로 하는 다초점 영상 시퀀스를 이용한 홍채인식 시스템.
  3. 다초점 눈 영상 시퀀스를 영상획득장치로부터 입력받는 영상획득단계(S200)와;
    상기 영상획득단계(S200)로부터 획득된 다초점 눈 영상 시퀀스로부터 퍼지 엔트로피를 계산하여 눈 영상을 선택하고, 선택된 눈 영상들로부터 동공과 자율신경환 사이의 홍채 영상을 분리하여 다초점 홍채 영상 시퀀스를 획득하는 전처리단계(S300)와;
    상기 전처리단계(S300)로부터 분리 추출된 다초점 홍채 영상 시퀀스를 다중분할하고, 그 다중 분할된 서브밴드들 중에서 저주파 성분만을 포함하는 서브밴드로부터 웨이블릿 특징벡터를 구성하고, 이렇게 구성된 웨이블릿 특징벡터를 직접 선형판별 분석기법에 의해 생성되어 저장부에 저장되어 있는 차원축소 변환함수 P를 이용하여 개인 식별을 위한 홍채영역의 축소된 웨이블릿 특징벡터를 추출하는 특징벡터 추출단계(S400)와;
    상기 특징벡터 추출단계(S400)에서 추출된 웨이블릿 특징 벡터와 미리 저장부에 등록되어 있는 특징벡터의 비유사도를 측정하여 사용자의 진위 여부를 판별하는 인식수행단계(S500)를 포함하는 것을 특징으로 하는 다초점 영상 시퀀스를 이용한 홍채인식 방법.
  4. 청구항 3에 있어서,
    상기 전처리단계(S300)는 다초점 눈 영상 시퀀스로부터 다양한 초점 레벨의 눈 영상 정보를 효과적으로 활용할 수 있는 눈 영상들을 선택하기 위하여 퍼지 엔트로피를 계산하는 단계(S310)와;
    상기 계산된 퍼지 엔트로피 값으로부터 퍼지 엔트로피 값이 낮은 N개의 눈 영상을 선택하는 단계(S320)와;
    상기 선택된 눈 영상들로부터 홍체의 내부 및 외부경계를 검출하는 단계(S330)와;
    상기 검출된 내부경계와 외부경계 사이의 홍채 영역에 대하여 자율신경환 경계를 검출하는 단계(S340)와;
    상기 검출된 내부경계와 자율신경환 경계사이의 홍채 영역에 대하여 정규화된 홍채 영상을 생성하는 단계(S350)를 포함하는 것을 특징으로 하는 다초점 영상 시퀀스를 이용한 홍채인식 방법.
  5. 청구항 3에 있어서,
    상기 특징벡터 추출단계(S400)는 상기 영상 전처리단계(S300)에서 추출된 정규화된 홍채 영상들로 이루어진 다초점 홍채 영상 시퀀스를 입력받는 단계(S410)와;
    입력된 다초점 홍채 영상 시퀀스에 이중직교 웨이블릿(Biorthogonal Wavelet) 변환을 적용하여 다중분할하는 단계(S420)와;
    그 다중분할된 홍채 영상의 서브밴드들로부터 저주파 성분을 포함한 영역(LL)을 추출하는 단계(S430)와;
    다중분할 횟수가 미리 지정된 횟수보다 작은지 큰지의 여부를 판단하는 단계(S440)와;
    상기 단계 S440에서 다중분할 횟수가 미리 지정된 횟수보다 작으면 서브밴드 추출단계(S430)에서 추출된 저주파 성분만을 포함한 LL영역을 새로운 다중 분할을 하기 위한 대상 영상으로 선정하는 단계(S450)와;
    상기 단계 S440에서 다중분할 횟수가 미리 지정된 횟수보다 크면 최종 다중 분할에서 얻어진 LL영역으로부터 웨이블릿 특징벡터를 구성하는 단계(S460)와;
    그 추출된 웨이블릿 특징벡터들로부터 직접 선형판별 분석기법(Direct Linear Discriminant Analysis)을 이용하여 판별능력이 높은 차원으로 축소된 홍채 특징벡터를 생성하기 위한 차원축소 변환함수 P를 생성하는 단계(S470)와;
    상기 차원축소 변환함수 P와, 상기 차원축소 변환함수 P에 의해서 축소된 웨이블릿 특징벡터를 저장부(70)에 저장하는 단계(S480)를 포함하는 것을 특징으로 하는 다초점 영상 시퀀스를 이용한 홍채인식 방법.
  6. 청구항 3 또는 청구항 5에 있어서,
    상기 특징벡터 추출단계(S400)는 대칭필터를 사용하는 이중직교 웨이블릿 변환을 사용하여 웨이블릿 특징벡터를 생성하는 단계(S460)와;
    상기 추출된 웨이블릿 특징벡터를 판별능력이 높은 특징차원으로 축소 가능하도록 기 등록되어 있는 차원축소 변환함수 P를 검색하는 단계(S461)와;
    상기 검색된 차원축소 변환함수 P에 웨이블릿 특징벡터를 적용하여 축소된 웨이블릿 특징벡터를 생성하는 단계(S462)로 이루어진 인식을 위한 특징벡터를 추출하는 단계를 더 포함하는 것을 특징으로 하는 다초점 영상 시퀀스를 이용한 홍채인식 방법.
  7. 청구항 3에 있어서,
    상기 인식수행단계(S500)는 특징추출 과정에서 얻어진 축소된 웨이블릿 특징벡터들을 입력받는 단계(S510)와;
    상기 입력받은 특징벡터들과 기 등록되어 있는 특징벡터들을 비교하기 위하여 등록된 특징벡터들을 검색하는 단계(S520)와;
    상기 입력된 특징벡터와 검색된 특징벡터들 사이의 가중치 유클리드 거리를 통한 비유사도를 특정하는 단계(S530)와;
    상기 측정된 비유사도를 미리 지정된 기준값과 비교하는 단계(S540)와;
    상기 비교된 결과에 따라 사용자의 승인과 기각을 결정하는 단계(S550, S560)를 포함하는 것을 특징으로 하는 다초점 영상 시퀀스를 이용한 홍채인식 방법.
KR1020060049765A 2006-06-02 2006-06-02 다초점 영상 시퀀스를 이용한 홍채인식 시스템 및 방법 KR100852629B1 (ko)

Priority Applications (2)

Application Number Priority Date Filing Date Title
KR1020060049765A KR100852629B1 (ko) 2006-06-02 2006-06-02 다초점 영상 시퀀스를 이용한 홍채인식 시스템 및 방법
US11/704,223 US7925058B2 (en) 2006-06-02 2007-02-09 Iris recognition system and method using multifocus image sequence

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020060049765A KR100852629B1 (ko) 2006-06-02 2006-06-02 다초점 영상 시퀀스를 이용한 홍채인식 시스템 및 방법

Publications (2)

Publication Number Publication Date
KR20070115403A KR20070115403A (ko) 2007-12-06
KR100852629B1 true KR100852629B1 (ko) 2008-08-18

Family

ID=39050843

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020060049765A KR100852629B1 (ko) 2006-06-02 2006-06-02 다초점 영상 시퀀스를 이용한 홍채인식 시스템 및 방법

Country Status (2)

Country Link
US (1) US7925058B2 (ko)
KR (1) KR100852629B1 (ko)

Families Citing this family (37)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US10216995B2 (en) * 2009-09-25 2019-02-26 International Business Machines Corporation System and method for generating and employing short length iris codes
CN103052962B (zh) 2010-11-24 2016-01-27 印度统计学院 粗糙小波粒化空间和多光谱遥感图像的分类
US8971588B2 (en) * 2011-03-30 2015-03-03 General Electric Company Apparatus and method for contactless high resolution handprint capture
US10169339B2 (en) 2011-10-31 2019-01-01 Elwha Llc Context-sensitive query enrichment
US10340034B2 (en) 2011-12-30 2019-07-02 Elwha Llc Evidence-based healthcare information management protocols
US20130173295A1 (en) 2011-12-30 2013-07-04 Elwha LLC, a limited liability company of the State of Delaware Evidence-based healthcare information management protocols
US10679309B2 (en) 2011-12-30 2020-06-09 Elwha Llc Evidence-based healthcare information management protocols
US10559380B2 (en) 2011-12-30 2020-02-11 Elwha Llc Evidence-based healthcare information management protocols
US10528913B2 (en) 2011-12-30 2020-01-07 Elwha Llc Evidence-based healthcare information management protocols
US10552581B2 (en) 2011-12-30 2020-02-04 Elwha Llc Evidence-based healthcare information management protocols
US10475142B2 (en) 2011-12-30 2019-11-12 Elwha Llc Evidence-based healthcare information management protocols
US8437513B1 (en) 2012-08-10 2013-05-07 EyeVerify LLC Spoof detection for biometric authentication
US8369595B1 (en) 2012-08-10 2013-02-05 EyeVerify LLC Texture features for biometric authentication
KR101270558B1 (ko) * 2012-10-22 2013-06-07 김선욱 홍채 인식을 통해 마우스 포인터의 동작을 제어하여 특정 기능을 선택 및 실행하는 휴대 단말기 및 그 방법
CN104182717A (zh) * 2013-05-20 2014-12-03 李强 一种虹膜识别装置
CN104050456A (zh) * 2014-06-27 2014-09-17 南京通用电器有限公司 一种基于不变矩的监测驾驶员眼睛状态的方法
US9282237B2 (en) 2014-07-17 2016-03-08 Schlage Lock Company Llc Multifocal iris recognition device
US9495590B1 (en) * 2015-04-23 2016-11-15 Global Bionic Optics, Ltd. Extended depth-of-field biometric system
CN104850861B (zh) * 2015-05-27 2016-04-13 山东大学 基于rx异常探测和纹理分析的真菌性角膜炎图像识别方法
JP6564271B2 (ja) * 2015-08-07 2019-08-21 キヤノン株式会社 撮像装置及び画像処理方法、プログラム、並びに記憶媒体
CN105095879A (zh) * 2015-08-19 2015-11-25 华南理工大学 基于特征融合的眼睛状态识别方法
BR122018007961B1 (pt) 2015-09-11 2024-04-30 Jumio Corporation Método implementado por computador e sistema
JP6751324B2 (ja) * 2016-09-14 2020-09-02 株式会社デンソーアイティーラボラトリ 虹彩検出装置、虹彩検出方法、およびプログラム
CN106355164A (zh) * 2016-09-30 2017-01-25 桂林师范高等专科学校 一种虹膜识别系统
CN107066079A (zh) * 2016-11-29 2017-08-18 阿里巴巴集团控股有限公司 基于虚拟现实场景的业务实现方法及装置
CN107122642A (zh) 2017-03-15 2017-09-01 阿里巴巴集团控股有限公司 基于虚拟现实环境的身份认证方法及装置
CN117576773A (zh) * 2017-03-24 2024-02-20 奇跃公司 虹膜代码的累积和置信分配
CN107228766B (zh) * 2017-05-22 2019-03-05 上海理工大学 基于改进多尺度模糊熵的滚动轴承故障诊断方法
CN107368725B (zh) * 2017-06-16 2020-04-10 Oppo广东移动通信有限公司 虹膜识别方法、电子装置和计算机可读存储介质
CN109543497A (zh) * 2017-09-20 2019-03-29 顾泽苍 一种适于自动驾驶的多目的控制机器学习模型的构建方法
CN112949353A (zh) * 2019-12-10 2021-06-11 北京眼神智能科技有限公司 虹膜静默活体检测方法、装置、可读存储介质及设备
CN111122162B (zh) * 2019-12-25 2020-12-01 杭州电子科技大学 基于欧氏距离多尺度模糊样本熵的工业系统故障检测方法
CN111445640A (zh) * 2020-02-26 2020-07-24 深圳壹账通智能科技有限公司 基于虹膜识别的快递取件方法、装置、设备及存储介质
CN112419112B (zh) * 2020-11-30 2024-03-05 郑兰 学业成长曲线生成方法、装置、电子设备和存储介质
KR102508789B1 (ko) * 2021-01-27 2023-03-14 아이리텍 잉크 홍채 인증 방법 및 홍채 인증 시스템
CN114170690A (zh) * 2022-02-14 2022-03-11 中国科学院自动化研究所 活体识别和构建活体识别模型的方法、装置
CN117290834B (zh) * 2023-10-10 2024-05-10 深圳市华弘智谷科技有限公司 一种基于虹膜识别来实现精准眼动追踪的多模态识别装置

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2000259817A (ja) 1999-03-08 2000-09-22 Oki Electric Ind Co Ltd アイリス認識装置
JP2001069400A (ja) 1999-08-27 2001-03-16 Hitachi Ltd 撮像装置
KR20020023011A (ko) * 2000-09-22 2002-03-28 박형근 하 웨이블렛 변환과 엘브이큐를 이용한 홍채인식방법
KR20020065249A (ko) * 2001-02-06 2002-08-13 이승재 홍채인식을 위한 저용량 특징벡터 추출과 유사도 측정 방법
KR20030094634A (ko) * 2002-06-07 2003-12-18 엘지전자 주식회사 홍채 인식 시스템의 슬릿을 이용한 다초점 장치
KR20040033964A (ko) * 2002-10-16 2004-04-28 이창호 촬상소자의 위치를 이동하여 포커싱이 이루어지는 카메라

Family Cites Families (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR950004250B1 (ko) * 1990-06-28 1995-04-27 오므론 가부시끼가이샤 근사 추론 장치
US5978494A (en) * 1998-03-04 1999-11-02 Sensar, Inc. Method of selecting the best enroll image for personal identification
US7031523B2 (en) * 2001-05-16 2006-04-18 Siemens Corporate Research, Inc. Systems and methods for automatic scale selection in real-time imaging
US7593550B2 (en) * 2005-01-26 2009-09-22 Honeywell International Inc. Distance iris recognition
JP3781028B2 (ja) * 2003-10-01 2006-05-31 松下電器産業株式会社 目画像撮像装置

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2000259817A (ja) 1999-03-08 2000-09-22 Oki Electric Ind Co Ltd アイリス認識装置
JP2001069400A (ja) 1999-08-27 2001-03-16 Hitachi Ltd 撮像装置
KR20020023011A (ko) * 2000-09-22 2002-03-28 박형근 하 웨이블렛 변환과 엘브이큐를 이용한 홍채인식방법
KR20020065249A (ko) * 2001-02-06 2002-08-13 이승재 홍채인식을 위한 저용량 특징벡터 추출과 유사도 측정 방법
KR20030094634A (ko) * 2002-06-07 2003-12-18 엘지전자 주식회사 홍채 인식 시스템의 슬릿을 이용한 다초점 장치
KR20040033964A (ko) * 2002-10-16 2004-04-28 이창호 촬상소자의 위치를 이동하여 포커싱이 이루어지는 카메라

Also Published As

Publication number Publication date
US20080037835A1 (en) 2008-02-14
KR20070115403A (ko) 2007-12-06
US7925058B2 (en) 2011-04-12

Similar Documents

Publication Publication Date Title
KR100852629B1 (ko) 다초점 영상 시퀀스를 이용한 홍채인식 시스템 및 방법
Ma et al. Personal identification based on iris texture analysis
Gragnaniello et al. An investigation of local descriptors for biometric spoofing detection
AU2007256413B2 (en) Method for identifying a person and acquisition device
Monro et al. DCT-based iris recognition
KR100453943B1 (ko) 개인 식별을 위한 홍채 영상의 처리 및 인식방법과 시스템
KR100826876B1 (ko) 홍채 검출 방법 및 이를 위한 장치
CN1209073C (zh) 基于活体虹膜的身份识别方法
Barpanda et al. Iris recognition with tunable filter bank based feature
KR20050025927A (ko) 홍채인식을 위한 동공 검출 방법 및 형상기술자 추출방법과 그를 이용한 홍채 특징 추출 장치 및 그 방법과홍채인식 시스템 및 그 방법
JP2000259814A (ja) 画像処理装置及びその方法
Joshi et al. Person recognition based on fusion of iris and periocular biometrics
CN115641649A (zh) 一种人脸识别方法及系统
Maček et al. Multimodal biometric authentication in IoT: Single camera case study
Llano et al. Cross-sensor iris verification applying robust fused segmentation algorithms
Manegopale A Survey on Palm print Recognition
Singla et al. Challenges at different stages of an iris based biometric system.
Panwar A review on iris recognition system using machine and deep learning
Hollingsworth Increased use of available image data decreases errors in iris biometrics
Son et al. Identification of humans using robust biometric features
Ghaffari Non-Decimated Wavelet Based Iris Recognition Using Curvelets
Podder IRIS feature vector reduction using haar wavelet transform and local binary pattern
Liu Multi-modality quality assessment for unconstrained biometric samples
Badejo et al. Development of CUiris: A dark-skinned african iris dataset for enhancement of image analysis and robust personal recognition
Kumar et al. Performance of personal identification system technique using iris biometrics technology

Legal Events

Date Code Title Description
A201 Request for examination
E902 Notification of reason for refusal
E90F Notification of reason for final refusal
E701 Decision to grant or registration of patent right
GRNT Written decision to grant
FPAY Annual fee payment

Payment date: 20130712

Year of fee payment: 6

FPAY Annual fee payment

Payment date: 20140616

Year of fee payment: 7

FPAY Annual fee payment

Payment date: 20150922

Year of fee payment: 8

FPAY Annual fee payment

Payment date: 20160805

Year of fee payment: 9

FPAY Annual fee payment

Payment date: 20170821

Year of fee payment: 10

FPAY Annual fee payment

Payment date: 20180813

Year of fee payment: 11

FPAY Annual fee payment

Payment date: 20191105

Year of fee payment: 12