KR20020065249A - Human Iris Verification Using Similarity between Feature Vectors - Google Patents

Human Iris Verification Using Similarity between Feature Vectors Download PDF

Info

Publication number
KR20020065249A
KR20020065249A KR1020010005677A KR20010005677A KR20020065249A KR 20020065249 A KR20020065249 A KR 20020065249A KR 1020010005677 A KR1020010005677 A KR 1020010005677A KR 20010005677 A KR20010005677 A KR 20010005677A KR 20020065249 A KR20020065249 A KR 20020065249A
Authority
KR
South Korea
Prior art keywords
iris
image
feature
similarity
wavelet transform
Prior art date
Application number
KR1020010005677A
Other languages
Korean (ko)
Inventor
이종인
김응주
Original Assignee
이승재
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 이승재 filed Critical 이승재
Priority to KR1020010005677A priority Critical patent/KR20020065249A/en
Publication of KR20020065249A publication Critical patent/KR20020065249A/en

Links

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
    • G06V40/193—Preprocessing; Feature extraction
    • 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
    • G06V10/44—Local feature extraction by analysis of parts of the pattern, e.g. by detecting edges, contours, loops, corners, strokes or intersections; Connectivity analysis, e.g. of connected components
    • G06V10/443—Local feature extraction by analysis of parts of the pattern, e.g. by detecting edges, contours, loops, corners, strokes or intersections; Connectivity analysis, e.g. of connected components by matching or filtering
    • G06V10/446—Local feature extraction by analysis of parts of the pattern, e.g. by detecting edges, contours, loops, corners, strokes or intersections; Connectivity analysis, e.g. of connected components by matching or filtering using Haar-like filters, e.g. using integral image techniques

Landscapes

  • Engineering & Computer Science (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Health & Medical Sciences (AREA)
  • General Health & Medical Sciences (AREA)
  • Ophthalmology & Optometry (AREA)
  • Human Computer Interaction (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Multimedia (AREA)
  • Theoretical Computer Science (AREA)
  • Collating Specific Patterns (AREA)

Abstract

PURPOSE: A method for low-capacity feature vector tracing and similarity measurement is provided to efficiently express and process the iris pattern by using the minimum information space through the multiple division of a video signal. CONSTITUTION: The method comprises steps of gaining the image of an eye including the iris area from a user by using an image acquisition device, tracing the iris area from the input image through pre-processing, sampling a feature value by processing the iris image with the wavelet transform, generating a binary feature vector by applying a K-level quantization function, and measuring the similarity of the generated feature data to the registered data of a user. The iris area is transformed to a polar coordinates system and provided as the input of a feature tracing module. The traced feature has an actual number. According to the result, the authenticity of the user is decided.

Description

홍채인식을 위한 저용량 특징벡터 추출과 유사도 측정 방법{Human Iris Verification Using Similarity between Feature Vectors}Human Iris Verification Using Similarity between Feature Vectors}

생체 특징 정보를 활용하여 개인의 신원을 확인하고 응용하려는 기술 개발에있어서 핵심이 되는 기술은, 입력영상으로부터 영상을 구성하는 패턴의 독특한 특징 정보를 효율적으로 획득하는 것이다. 이와 같은 특징 추출과 인식과정을 보다 효율적으로 처리하고 성능을 향상시키기 위해 Daubechies 웨이블렛 변환을 통한 최적화된 특징 추출 방법과 웨이블렛 변환을 통해 생성된 저용량 특징벡터에 적합한 검증 방법을 본 발명의 목적으로 한다.A key technology in the development of technology to identify and apply an individual's identity using biometric feature information is to efficiently acquire unique feature information of a pattern constituting an image from an input image. In order to process the feature extraction and recognition process more efficiently and to improve performance, an object of the present invention is an optimized feature extraction method using Daubechies wavelet transform and a verification method suitable for low-capacity feature vectors generated through wavelet transform.

본 발명이 속하는 기술분야는 영상처리와 패턴인식 기술을 응용한 생체인식 기술분야이며 세부 기술 분야는 홍채 패턴의 효율적인 처리를 위한 특징추출 분야이다. 기존의 홍채인식 분야에서는 가버 변환을 이용하여 특징을 추출하고 벡터를 구성하는 방법이 주류를 이루어왔다. 이러한 방법들에 의해 생성된 특징벡터는 256이상의 차원으로 구성되어, 한 차원당 한 바이트를 차지한다고 가정을 해도 최소한 256바이트 이상을 차지하기 때문에 저용량 정보를 필요로 하는 분야에 적용시 실용적인 관점에서 다소 효율성이 떨어지는 문제점을 갖고 있다. 따라서 패턴 정보의 처리, 저장, 전송과 검색 등이 효율적으로 이루어질 수 있는 특징 구성 방법에 대한 필요성이 대두되어 왔다.The technical field to which the present invention belongs is a biometric technology applied to image processing and pattern recognition technology, and the detailed technical field is a feature extraction field for efficient processing of an iris pattern. In the field of iris recognition, the method of extracting features and constructing vectors using Gabor transform has been mainstream. Since the feature vectors generated by these methods are composed of 256 or more dimensions and occupy at least 256 bytes, assuming that they occupy one byte per dimension, they are somewhat practical from the point of view of application in fields requiring low-capacity information. It has a problem of low efficiency. Therefore, there is a need for a feature configuration method capable of efficiently processing, storing, transmitting, and retrieving pattern information.

본 발명은 Daubechies 웨이블렛 변환을 이용한 특징 추출 방법으로, 홍채 패턴 정보의 효율이고 정확한 처리에 적합하도록 발명되었다. 2차원의 홍채영상에 대해 웨이블렛 변환을 반복적으로 적용함으로써 얻어지는 축소된 크기의 영상에 대하여 특징을 추출하고, 더욱이 이들 특징들을 이진값으로 양자화하여 특징벡터의 크기를 줄일 수 있도록 하였다. 이와 같이 특징벡터의 차원을 줄여 홍채의 패턴 정보를 표현함으로써 저장용량과 처리시간을 줄여 홍채인식의 효용성을 높일 수 있도록 하였다.The present invention is a feature extraction method using Daubechies wavelet transform, and has been invented to be suitable for efficient and accurate processing of iris pattern information. Features were extracted from the reduced size image obtained by repeatedly applying wavelet transform to two-dimensional iris image, and the size of the feature vector was reduced by quantizing these features to binary values. In this way, by reducing the dimension of the feature vector to represent the pattern information of the iris to reduce the storage capacity and processing time to increase the efficiency of the iris recognition.

본 발명에서 이루고자 하는 기술적 과제는 웨이블렛 변환을 이용한 영상신호의 다중분할을 통해 홍채 패턴을 최소의 정보 공간을 이용하여 효율적으로 표현하고 처리할 수 있는 기술적 방법의 제공이다.An object of the present invention is to provide a technical method capable of efficiently expressing and processing an iris pattern using a minimum information space through multiple division of an image signal using wavelet transform.

두 번째로는 특징추출을 위한 웨이블렛변환을 수행하는 과정에서 구현의 간결함과 동시에 세밀한 특징을 취할 수 있는 Daubechies 웨이블렛을 사용하여 홍채의 특징을 추출하는 방법의 제공이다.Second, in the process of performing the wavelet transform for feature extraction, the method of extracting the iris features using Daubechies wavelets that can take both the simplicity and the detailed features of the implementation is provided.

세 번째로는 추출된 특징값에 대해 저용량 특징벡터를 생성하고 이에 적합하고 효율적인 검증 방법을 제공하는 것이다.Third, a low-capacity feature vector is generated for the extracted feature values and a suitable and efficient verification method is provided.

제 1 도는 도비치(Daubechies) 웨이블렛 변환과 특징벡터간 유사도 측정을 통한 홍채 검증 흐름도Figure 1 is a flow chart of iris verification by measuring the similarity between the Dobechies wavelet transform and the feature vector.

제 2 도는 홍채인식 시스템을 위한 영상획득 장비의 구성도2 is a block diagram of the image acquisition equipment for the iris recognition system

제 3 도는 본 발명에 따른 홍채 특징벡터 추출을 위한 도비치(Daubechies) 웨이블렛 변환 기반의 영상 다중 분할 방법에 대한 흐름도3 is a flowchart of an image multi-segmentation method based on a Dobechies wavelet transform for iris feature vector extraction according to the present invention.

제 4 도는 본 발명에 따른 웨이블렛 변환의 다중 분할을 통한 홍채 특징벡터의 구성 방법에 대한 흐름도4 is a flowchart illustrating a method of constructing an iris feature vector through multiple division of a wavelet transform according to the present invention.

제 5 도는 추출된 홍채 특징값의 분포 예와 이로부터 이진 특징벡터를 생성하기 위한 양자화 함수5 shows an example of distribution of extracted iris feature values and a quantization function for generating binary feature vectors therefrom.

제 6 도는 특징벡터간 유사도 측정을 통해 사용자 진위 여부를 판별하는 과정6 is a process of determining the authenticity of the user by measuring the similarity between feature vectors.

제 1 도는 Daubechies 웨이블렛 변환과 특징벡터간 유사도 측정을 통한 홍채 검증 시스템의 전체 흐름도이며, 다음의 세부 과정을 수행한다.1 is an overall flowchart of an iris verification system by measuring the similarity between the Daubechies wavelet transform and the feature vector, and performs the following detailed process.

1) 영상획득 장비를 통해 사용자로부터 홍채영역이 포함된 눈 영상을 획득한다.1) Acquire an eye image including an iris region from a user through an image acquisition device.

2) 입력된 영상으로부터 전처리 과정을 거쳐 홍채영역을 추출해낸다. 홍채영역은 극좌표계로 변환되어 특징추출 모듈의 입력으로 제공된다.2) The iris region is extracted from the input image through preprocessing. The iris area is converted to polar coordinates and provided as input to the feature extraction module.

3) 전처리 과정을 거친 홍채영상에 대해 웨이블렛 변환을 수행하여 특징값을 추출해낸다. 추출된 특징은 실수값을 갖게 된다.3) Extract the feature value by performing wavelet transform on the pre-processed iris image. The extracted feature has a real value.

4) 추출된 특징에 대해 K레벨 양자화 함수를 적용하여 이진 특징벡터를 생성한다.4) A binary feature vector is generated by applying a K-level quantization function to the extracted feature.

5) 생성된 특징벡터와 기존에 저장되어 있던 사용자의 등록 데이터와의 유사도를 측정한다. 이 결과를 통해 사용자 진위 여부를 판별해 검증결과를 나타낸다.5) Measure the similarity between the generated feature vector and the user's registered data. Through this result, the authenticity of the user is determined and the verification result is displayed.

제 2 도는 시스템에 입력되는 홍채영상의 획득을 위하여 구현된 영상획득 장비의 구성도이며, 다음과 같은 세부 구성에 따라 구현되어 영상획득 과정을 수행한다.2 is a configuration diagram of an image acquisition device implemented for acquiring an iris image input to the system, and is implemented according to the following detailed configuration to perform an image acquisition process.

1) 일반 램프의 밝기로는 홍채패턴을 선명히 드러낼 수 없으므로 할로겐 램프를 주 조명으로 사용하며, 사용자의 눈의 피로를 고려하여 측면에 위치시킨다.1) Since the brightness of the general lamp cannot reveal the iris pattern clearly, use a halogen lamp as the main lighting and place it on the side in consideration of user's eye fatigue.

2) 램프의 반사광이 각막에 맺히게 되는데 이때 홍채정보 손실을 방지하기 위하여 홍채영역 내가 아닌 홍채영역 외곽에 반사광이 맺히도록 도면과 같이 조명을 위치시킨다.2) Reflected light of the lamp is formed on the cornea. In order to prevent loss of iris information, the light is positioned as shown in the drawing so that the reflected light is formed outside the iris area and not in the iris area.

3) 영상획득 시 정확한 영상획득과 사용자의 위치 선정 편의를 위하여 현재 카메라에 입력되는 영상을 사용자에게 보여줄 수 있도록 한다.3) When acquiring an image, the user can show the image currently input to the camera for accurate image acquisition and user's location selection convenience.

4) 카메라와 연결된 그래버를 통해 영상을 획득하여 실시간 영상 디스플레이 및 정지영상을 획득하도록 한다.4) Acquire an image through a grabber connected to the camera to obtain a real-time image display and a still image.

제 3 도는 홍채 특징 추출을 위해 Daubechies 웨이블렛 변환을 사용하여 영상을 다중 분할하는 과정을 나타내는 흐름도이며, 다음의 세부과정을 수행한다.3 is a flowchart illustrating a process of multi-dividing an image using Daubechies wavelet transform for iris feature extraction. The following detailed process is performed.

1) 입력된 홍채영상에 대해서 다음 식(1), (2)와 같이 정의되는 Daubechies 웨이블렛 변환을 적용하여 영상을 다중으로 분할한다.1) The Dairischies wavelet transform defined in the following equations (1) and (2) is applied to the input iris image to divide the image into multiples.

φ(t) = h0 φ(2t)+h1 φ(2t-1)+h2 φ(2t-2)+h3 φ(2t-3)식(1) φ (t) = h 0 φ (2t) + h 1 φ (2t-1) + h 2 φ (2t-2) + h 3 φ (2t-3) Equation (1)

ψ(t) = - h0 φ(2t-1)+h1 φ(2t)-h2 φ(2t+1)+h3 φ(2t+2)식(2) ψ (t) =-h 0 φ (2t-1) + h 1 φ (2t) -h 2 φ (2t + 1) + h 3 φ (2t + 2) Equation (2)

2) 분할된 영상에서 x축과 y축에 대해 모두 고주파 성분만을 포함하는 영역(HH)을 추출한다.2) A region HH including only high frequency components is extracted for both the x-axis and the y-axis from the divided image.

3) 영상의 분할 시에 반복 횟수를 증가하여, 반복된 횟수가 지정된 횟수보다 큰 경우 처리과정을 종료한다.3) The number of repetitions is increased when the image is divided, and the process is terminated when the number of repetitions is greater than the specified number of times.

4) 특징추출을 위한 정보로 이용하기 위해 HH 영역의 정보를 저장한다.4) The information of the HH area is stored for use as the information for feature extraction.

5) 분할된 영상에서 x축과 y축에 대해 모두 저주파 성분만을 포함하는 영역(LL)을 추출한다.5) A region LL including only low frequency components of both the x-axis and the y-axis is extracted from the divided image.

6) 추출된 LL 영역을 이용하여 다시 1)의 과정부터 반복 수행한다.6) Using the extracted LL region, the process is repeated from 1).

제 4 도는 웨이블렛 변환의 다중 분할을 통해 얻어진 고주파 성분 영역에서 홍채 영상의 특징을 추출하고 특징벡터를 구성하는 과정의 흐름도이며, 다음의 세부과정을 수행한다.4 is a flowchart of a process of extracting a feature of an iris image from a high frequency component region obtained through multiple division of a wavelet transform and constructing a feature vector. The following detailed process is performed.

1) 웨이블렛 변환을 통해 얻어진 N개의 HH 영역을 입력으로 제공받는다.1) N HH regions obtained through wavelet transform are provided as inputs.

2) 가장 마지막으로 얻어진 HH 영역을 제외한 나머지 모든 HH 영역에 대해서 각 값들의 평균값을 구하여 하나의 특징값으로 할당한다.2) The average of each value is calculated and assigned as a feature value for all the remaining HH regions except the last obtained HH region.

3) 가장 마지막으로 얻어진 HH 영역에 대해서는 해당 영역의 모든 값들을 각각의 특징으로 추출한다.3) For the most recently obtained HH region, all values of the region are extracted as their characteristics.

4) 2)에서 추출된 N-1개의 값과 3)에서 추출된 M개(가장 마지막으로 얻어진 HH 영역의 크기)를 결합하여 하나의 특징벡터를 생성한다.4) A feature vector is generated by combining the N-1 values extracted in 2) and the M extracted in 3) (the size of the last HH region obtained).

5) 특징벡터의 각 요소 값들을 이진값으로 양자화 과정을 수행한다.5) Quantize the values of the elements of the feature vector into binary values.

6) 양자화된 값을 사용하여 M+N-1 차원으로 구성된 최종 특징벡터를 생성한다.6) Using the quantized value, we generate the final feature vector of M + N-1 dimension.

제 5 도는 추출된 홍채 특징값의 분포 예와 이로부터 이진 특징벡터를 생성하기 위한 양자화 함수를 나타낸 것이다. 그림(a)와 같이 M+N-1차원으로 추출한 홍채 특징은 0을 중심으로 대략 그 크기가 1 내외인 음양의 값으로 분포하게 된다. 이를 그림(b)와 같은 K(예를들면 4)레벨 양자화 함수를 적용하여 이진벡터를 생성하도록 한다.5 shows an example of distribution of extracted iris feature values and a quantization function for generating a binary feature vector therefrom. As shown in (a), iris features extracted in M + N-1 dimension are distributed with yin and yang values of about 1 in size around 0. The binary vector is generated by applying a K (eg 4) level quantization function as shown in (b).

제 6 도는 특징벡터간 유사도 측정을 통해 사용자 진위 여부를 판별을 위한 과정으로 다음과 같은 세부과정을 수행한다.6 is a process for determining the authenticity of a user by measuring the similarity between feature vectors.

1) 영상이 획득되어 제 3 도와 제 4도의 과정을 거쳐 특징벡터 FT를 생성하도록 한다.1) An image is acquired to generate a feature vector FT through the processes of FIGS. 3 and 4.

2) 사용자의 아이디(ID)를 입력 받아 이를 통해 기존에 등록되어 있던 특징벡터 FR을 검색한다.2) It receives the user's ID and retrieves the registered feature vector FR.

FRi(FR의i번째 차원)나FTi(FT의i번째 차원)가 11일 때FRi나FTi를 P로 변환 FRi when the 11 days (i-th dimension of the FR) and FTi (i-th dimension of FT) converting the FRi and FTi as P

FRi나FTi가 10일 때FRi나FTi를 Q(P>Q)로변환Convert FRi or FTi to Q (P> Q) when FRi or FTi is 10

FRi나FTi가 01일 때FRi나FTi를 -Q로 변환Convert FRi or FTi to -Q when FRi or FTi is 01

FRi나FTi가 00일 때FRi나FTi를 -P로 변환Convert FRi or FTi to -P when FRi or FTi is 00

3) 가중치가 적용된 상태의 FT와 FR의 특징벡터간 내적을 통해 유사도 S를 측정한다.3) The similarity S is measured through the dot product between the FT and the feature vector of the FR in the weighted state.

4) 측정된 유사도에 따라 사용자의 진위여부를 판별한다.4) The authenticity of the user is determined based on the measured similarity.

if S >= c then TRUE else FALSEif S> = c then TRUE else FALSE

(c : 검증 기준)(c: verification standard)

본 발명의 결과로 획득 가능한 효과는, 홍채 패턴 정보를 이용한 개인 신원확인 시스템에서 처리 성능이나 처리 시간의 관점에서 효율적으로 저용량 특징벡터를 추출하고 인식할 수 있는 기술 기반을 제공하는 것이다.An effect obtainable as a result of the present invention is to provide a technology base capable of efficiently extracting and recognizing low-capacity feature vectors in terms of processing performance or processing time in a personal identification system using iris pattern information.

본 발명에 의한 특징 추출 및 특징벡터의 구성을 통해서 적은 양의 코드만을 사용하면서도 높은 정보 표현 능력을 가지고 홍채 패턴 정보를 표현할 수 있기 때문에 정보의 처리, 저장, 검색 및 교환 등이 매우 효과적으로 이루어질 수 있는 기술 기반을 제공한다. Daubechies 웨이블렛 변환을 사용하여 저용량으로 홍채 특징 표현이 가능하면서 동시에 정확한 특징의 추출이 가능하게 되었다.Through feature extraction and feature vector construction according to the present invention, the iris pattern information can be represented with a high information expressing ability while using only a small amount of code, and thus information processing, storage, retrieval and exchange can be performed very effectively. Provide a technical foundation. Using the Daubechies wavelet transform, iris features can be expressed at low volumes while at the same time extracting accurate features.

또한, 이러한 저용량 특징벡터에 적합한 새로운 검증 방법을 제시함으로써 저용량으로 인한 정보의 손실을 최소화하면서 인식성공률을 높일 수 있는 효과적인 시스템의 구현이 가능하게 되었다.In addition, by presenting a new verification method suitable for such low-capacity feature vectors, it is possible to implement an effective system that can increase recognition success rate while minimizing information loss due to low-capacity features.

Claims (5)

입력 영상에 대해 전처리 과정을 수행하여 얻어진 2차원 홍채 영상으로부터 웨이블렛 변환을 반복적으로 적용하여 영상신호를 다중으로 분할하고, 분할된 결과로서 얻어지는 영역들로부터 특징들을 추출하고 이를 이진값으로 양자화하여 특징벡터를 구성한 후 특징벡터간 유사도 측정을 통해 검증을 하는 단계를 포함하는 홍채 인식 방법.Iteratively apply wavelet transform from 2D iris image obtained by performing preprocessing on input image to divide image signal into multiples, extract features from regions obtained as segmented result and quantize them into binary values After constructing the iris recognition method comprising the step of verifying the similarity between the feature vectors. 제1항에 있어서, 2차원 홍채영상으로부터 도비치(Daubechies) 웨이블렛 변환을 적용하여 영상을 다중 분할하여 특징값을 추출하는 단계를 포함하는 홍채 인식 방법.The iris recognition method of claim 1, further comprising extracting feature values by multi-dividing an image by applying a Dobechies wavelet transform from a 2D iris image. 제1항에 있어서, 추출된 특징값에 대해 4레벨 양자화함수를 적용하여 이진벡터를 생성하는 단계를 포함하는 홍채 인식 방법.The iris recognition method of claim 1, comprising applying a four-level quantization function to the extracted feature value to generate a binary vector. 제1항에 있어서, 생성된 특징벡터에 대해 검증 과정에 있어서 각 차원의 이진 값에 대해 가중치를 적용한 후 내적을 구하는 방법으로 유사도를 측정하여 본인 여부를 판별하는 단계를 포함하는 홍채 인식 방법.The iris recognition method of claim 1, further comprising: determining similarity by measuring similarity by applying weights to binary values of each dimension in the verification process on the generated feature vectors. 제1항에 있어서, 홍채영역에 반사광이 맺히지 않도록 하여 홍채정보의 손실없이 영상을 획득할 수 있는 영상획득 시스템.The image acquisition system of claim 1, wherein the image is acquired without losing iris information by preventing reflected light from forming in the iris region.
KR1020010005677A 2001-02-06 2001-02-06 Human Iris Verification Using Similarity between Feature Vectors KR20020065249A (en)

Priority Applications (1)

Application Number Priority Date Filing Date Title
KR1020010005677A KR20020065249A (en) 2001-02-06 2001-02-06 Human Iris Verification Using Similarity between Feature Vectors

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020010005677A KR20020065249A (en) 2001-02-06 2001-02-06 Human Iris Verification Using Similarity between Feature Vectors

Publications (1)

Publication Number Publication Date
KR20020065249A true KR20020065249A (en) 2002-08-13

Family

ID=27693468

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020010005677A KR20020065249A (en) 2001-02-06 2001-02-06 Human Iris Verification Using Similarity between Feature Vectors

Country Status (1)

Country Link
KR (1) KR20020065249A (en)

Cited By (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR100374707B1 (en) * 2001-03-06 2003-03-04 에버미디어 주식회사 Method of recognizing human iris using daubechies wavelet transform
WO2003049010A1 (en) * 2001-12-03 2003-06-12 Senex Technologies Co., Ltd Iris identification system and method, and storage media having program thereof
KR100476406B1 (en) * 2002-12-03 2005-03-17 이일병 Iris identification system and method using wavelet packet transformation, and storage media having program thereof
KR20060111812A (en) * 2005-04-25 2006-10-30 자바정보기술 주식회사 Iris cognition method using comparison area embossed peculiar characteristic of iris pattern
KR100852629B1 (en) * 2006-06-02 2008-08-18 연세대학교 산학협력단 Iris recognizing system and method using multifocus image sequence
KR100927596B1 (en) * 2007-09-21 2009-11-23 한국전자통신연구원 Data protected pattern recognition method and apparatus

Cited By (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR100374707B1 (en) * 2001-03-06 2003-03-04 에버미디어 주식회사 Method of recognizing human iris using daubechies wavelet transform
WO2003049010A1 (en) * 2001-12-03 2003-06-12 Senex Technologies Co., Ltd Iris identification system and method, and storage media having program thereof
KR100476406B1 (en) * 2002-12-03 2005-03-17 이일병 Iris identification system and method using wavelet packet transformation, and storage media having program thereof
KR20060111812A (en) * 2005-04-25 2006-10-30 자바정보기술 주식회사 Iris cognition method using comparison area embossed peculiar characteristic of iris pattern
KR100852629B1 (en) * 2006-06-02 2008-08-18 연세대학교 산학협력단 Iris recognizing system and method using multifocus image sequence
KR100927596B1 (en) * 2007-09-21 2009-11-23 한국전자통신연구원 Data protected pattern recognition method and apparatus
US8156341B2 (en) 2007-09-21 2012-04-10 Electronics And Telecommunications Research Institute Pattern recognition method and apparatus for data protection

Similar Documents

Publication Publication Date Title
KR100374707B1 (en) Method of recognizing human iris using daubechies wavelet transform
JP4292837B2 (en) Pattern feature extraction method and apparatus
US8891878B2 (en) Method for representing images using quantized embeddings of scale-invariant image features
KR20140127199A (en) Face recognition method and device
KR20020050126A (en) A method for lighting-and view-angle-invariant face description with first-and second-order eigenfeatures
KR20200071838A (en) Face recognition method and apparatus capable of face search using feature vector
CN100369047C (en) Image identifying method based on Gabor phase mode
Xu et al. Face recognition based on fusion of multi-resolution Gabor features
KR20020065249A (en) Human Iris Verification Using Similarity between Feature Vectors
Savvides et al. Quad phase minimum average correlation energy filters for reduced memory illumination tolerant face authentication
CN116310462B (en) Image clustering method and device based on rank constraint self-expression
Kekre et al. Transform based face recognition with partial and full feature vector using DCT and Walsh transform
Kumar et al. Face recognition with frame size reduction and DCT compression using PCA algorithm
WO2004081872A1 (en) Data analysis device and data recognition device
KR100360486B1 (en) Face recognizing method and apparatus using dimensional space transformation of Gabor filtering response
KR100357441B1 (en) Human iris recognition method using harr wavelet transform and lvq
Kekre et al. Iris recognition using vector quantization
JP2004272326A (en) Probabilistic facial component fusion method for face description and recognition using subspace component feature
Nurdiyanto et al. Signature recognition using neural network probabilistic
Suvorov et al. Mathematical model of the biometric iris recognition system
KR100462183B1 (en) Method of retrieving facial image using combined facial component descriptor and apparatus thereof
Jackson A ‘case study’review
Abbas et al. RECOGNITION THROUGH IRIS
KR20040101221A (en) Method and apparatus for face description and recognition using high-order eigencomponents
KR20020031724A (en) The Method and Apparatus of Iris Pattern Processing for Feature Extraction and Recognition

Legal Events

Date Code Title Description
A201 Request for examination
E701 Decision to grant or registration of patent right
NORF Unpaid initial registration fee