KR100428540B1 - Apparatus and the method for verification of blood vessel-patterns of the back of the hand for person identification - Google Patents
Apparatus and the method for verification of blood vessel-patterns of the back of the hand for person identification Download PDFInfo
- Publication number
- KR100428540B1 KR100428540B1 KR10-2001-0039550A KR20010039550A KR100428540B1 KR 100428540 B1 KR100428540 B1 KR 100428540B1 KR 20010039550 A KR20010039550 A KR 20010039550A KR 100428540 B1 KR100428540 B1 KR 100428540B1
- Authority
- KR
- South Korea
- Prior art keywords
- pattern
- user
- blood vessel
- image
- hand
- Prior art date
Links
Classifications
-
- 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
Abstract
본 발명은 보안이나 사용자 인증 요구시 개인식별을 위한 손등의 혈관패턴 인식 장치 및 그 방법에 관한 것이다.The present invention relates to a device for recognizing a blood vessel pattern and the like for personal identification when a security or user authentication is required.
본 발명은 촬영된 사용자 손등의 원시 영상에서 추출된 혈관패턴의 분기 방향을 구분하여 타겟 영상을 추출하는 단계, 타겟 영상과 데이터베이스에 기저장된 기준영상의 유사도를 비교하여 사용자 식별을 수행하는 단계, 혈관패턴의 분기 특성을 추출하여 기준영상을 업데이트하는 단계, 사용자의 원시영상 재입력시 타겟 영상을 추출하여 기준 영상과 타겟 영상의 혈관패턴의 분기 특성을 추출하고, 각 특성 벡터를 상호 비교하여 위치 보상을 수행하는 단계, 타겟 영상과 기준영상의 분기 특성에 따른 특성 벡터를 비교하여 사용자의 본인 여부를 확인하고 입장 허락/거부를 결정하는 단계를 포함한다.The present invention comprises the steps of extracting the target image by dividing the branching direction of the blood vessel pattern extracted from the raw image of the user's hand photographed, performing the user identification by comparing the similarity between the target image and the reference image previously stored in the database, blood vessel Updating the reference image by extracting the branch feature of the pattern, extracting the target image when the user inputs the raw image again, extracting the branch feature of the blood vessel pattern of the reference image and the target image, and comparing the feature vectors with each other to compensate for the position The method may include checking a user's identity and determining admission / deny by comparing the feature vector according to the branch characteristics of the target image and the reference image.
이러한 본 발명에 따르면, 손등 혈관패턴의 방향성을 고려하여 패턴연결성을 최대한 유지하도록 혈관패턴을 추출함으로써 불특정 사용자에 대한 안정된 시스템 성능 및 인식 성능을 높일 수 있고, 이렇게 시스템 인식 성능이 높아짐에 따라 외부 환경과 입력 영상의 미소한 변화에 의해서 판별되는 시스템 민감성과 사용자 회전과 이동에 의한 오거절율, 정맥패턴 추출 알고리즘 성능에 의한 시스템 안정성 및 사용자 편의성을 개선시킬 수 있는 효과를 제공하여 준다.According to the present invention, it is possible to increase the stable system performance and recognition performance for the unspecified user by extracting the vascular pattern in order to maintain the pattern connectivity in consideration of the directionality of the vessel pattern of the back of the hand, the external environment as the system recognition performance increases It provides the effect of improving system sensitivity and user convenience, which is determined by the slight change of the input image, and the false rejection rate by user's rotation and movement, vein pattern extraction algorithm performance.
Description
본 발명은 보안이나 사용자 인증 요구시 개인식별을 위한 손등의 혈관패턴 인식 장치 그 방법에 관한 것으로, 보다 상세하게는 혈관패턴에 대한 방향성을 구별하여 안정적인 혈관패턴을 추출하고, 이에 확률적인 신뢰도를 적용하여 최적의 혈관패턴 분기특성을 추출함으로써 외부 환경과 입력 영상의 미세한 변화, 사용자 손등의 위치 변화에 대해서도 안정된 인식 성능을 나타내는 개인식별을 위한 손등의 혈관패턴 인식 장치 및 그 방법에 관한 것이다.The present invention relates to an apparatus for recognizing a blood vessel pattern such as a hand for personal identification when a security or user authentication is required. More specifically, a method for extracting a stable blood vessel pattern by distinguishing the direction of the blood vessel pattern and applying probabilistic reliability thereto The present invention relates to a device for recognizing a vein pattern of a back of a hand and a method thereof for extracting an optimal vein pattern branching characteristic and having a stable recognition performance even for a minute change in an external environment, an input image, and a change in the position of a back of a user's hand.
일반적으로, 사용자 출입 통제 및 보안을 위해 사용자 인증을 요구하는 시스템에서는 마그네틱 카드, 스마트 카드, RF 카드 등을 이용한 카드가 주로 사용되고 있다.In general, a card using a magnetic card, a smart card, an RF card, etc. is mainly used in a system requiring user authentication for user access control and security.
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.In this case, not only various problems occur due to theft, misuse, loss, etc. of the user, but also when the number of users is large, the number of cards to be paid to the individual increases, resulting in a large economic burden.
따라서, 상기 문제점을 해결하기 위해 사용자의 신체적인 특징을 이용해 자동 인식하여 사용자의 신원 확인, 신원 인증 및 출입 통제에 사용될 수 있는 생체인식 시스템이 상용화되고 있는 추세이다.Therefore, in order to solve the above problem, a biometric system that can be used for automatic identification using the physical characteristics of the user to be used for identification, identification and access control of the user is being commercialized.
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.The biometric system usually includes a fingerprint recognition system using a fingerprint pattern, a system for recognizing a shape of a face, a system using a hand shape, and the like. These systems have stable recognition performance due to deformation of a biometric characteristic, external environment, and accessories. Hard to get.
이러한 기존 생체 인식 시스템의 단점을 개선하기 위해 피하에 위치하는 사용자 손등의 정맥패턴을 인식하는 방식이 대한민국 특허등록 10-259475호의 정맥분포패턴을 이용한 개인식별 방법에 나타나 있다.In order to improve the shortcomings of the existing biometric recognition system, a method of recognizing the vein pattern of the back of the user's hand is shown in the personal identification method using the vein distribution pattern of Korean Patent Registration No. 10-259475.
상기 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.Personal identification method using the vein distribution pattern is large in terms of its mechanical design, the seating means for securing the position of the user's fixed hand, the extraction means for extracting the vein pattern from the user's hand, the rotation of the user's hand And comparison means for compensation for movement.
상기 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.The seating means is equipped with a rod that can be held by hand as shown in Figs. 1a and 1b so that when the user grabs the rod, the raw image of the back of the user's hand is input through the camera.
그리고, 상기 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 추출하게 된다.The extraction means extracts only a vein pattern detection region, ie, a Region of Interest (ROI) image, from a raw image input through a camera, and extracts a vein pattern on the back of an individual's hand by applying high-band processing and binary processing. Done.
이때, 상기 비교수단은 사용자가 손을 회전하거나 이동하는 경우에 손등 정맥패턴의 왼쪽 상단의 분기점과 오른쪽 하단의 분기점을 사용하여 보상하게 된다.In this case, when the user rotates or moves the hand, the comparison means compensates by using a branch point at the upper left and a branch point at the lower right of the back vein pattern of the hand.
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.That is, as shown in Figures 2a and 2b in the seating means, the rotation of the up and down relative to the rod is generated according to the position where the user grasps the rod by hand and the change in distance from the camera to shoot the raw image and Because the distortion of the vein pattern on the back of the hand to be extracted occurs, the vein pattern recognition performance of the system may be degraded.
다음, 상기 정맥분포패턴을 이용한 개인식별 방법의 동작을 도 3을 참고하여 살펴보면 다음과 같다.Next, the operation of the personal identification method using the vein distribution pattern will be described with reference to FIG. 3.
제1 단계에서는 안착수단 및 카메라를 통해 불특정 사용자 손등에 관한 원시영상을 입력한다(S1). 그리고, 제2 단계에서는 상기 제1 단계(S1)에서 입력한 원시영상에서 정맥패턴을 추출하기 위해 ROI 영상을 추출한다(S2).In the first step, the raw image regarding the back of the unspecified user's hand is input through the seating means and the camera (S1). In the second step, the ROI image is extracted to extract the vein pattern from the raw image input in the first step S1 (S2).
제3 및 제4 단계에서는 상기 제2 단계(S2)에서 추출한 ROI 영상을 고대역 처리와 이치화 처리를 적용하고(S3, S4), 제5 단계에서는 데이터 필터링을 위해 고대역 및 이치화 처리를 통해 사용자 손등에서 정맥패턴을 추출하게 된다(S5).In the third and fourth steps, the ROI image extracted in the second step S2 is subjected to high-band processing and binarization processing (S3 and S4). In the fifth step, the user performs high-band and binarization processing for data filtering. Vein pattern is extracted from the back of the hand (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)을 해결하게 된다(S6).In this way, in the sixth step, the branching characteristic of the vein pattern is detected and the system rejects the false rejection caused by the rotation and movement of the user's hand using the branching point on the upper left and the lower right corner of the vein pattern on the back of the hand. It is made (S6).
최종적으로, 시스템은 상기 단계를 거친 정맥패턴 분기특성을 이용하여 개인 식별을 판단한다.Finally, the system determines the personal identification using the vein pattern divergence characteristics which have been passed through the above steps.
상기 방법에서, 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.In the above method, the extraction means for extracting the vein pattern on the back of the user's hand partially loses the vessel-patterns connectivity, which is an important feature of the vein pattern, and acts as a deterioration factor of the system recognition performance. That is, the pattern connectivity of the vein pattern is partially lost by going through the same processing step without considering the distribution direction of the vein pattern. In addition, there have been many problems in extracting branching characteristics of vein patterns such as branching points, branching angles, and lengths of branching patterns of vein patterns used as actual biometric features.
또한, 종래 정맥분포패턴을 이용한 개인식별 방법은 실제적인 시스템 운영에서 외부 환경변화, 입력 영상의 변화 등에 대해서 매우 민감하게 반응할 뿐만 아니라 최종적으로 추출된 손등 정맥패턴의 분기 특성을 모두 일괄적인 가중치(Uniform weighting factor)를 적용하여 사용자를 인식하게 되므로 실질적인 생체 인식 시스템으로의 안정성이 현저히 떨어지는 문제점이 있었다.In addition, the personal identification method using the conventional vein distribution pattern responds very sensitively to changes in external environment, input image, etc. in actual system operation, and also collectively weights all branching characteristics of the extracted vein pattern of the back of the hand. Since the user is recognized by applying the uniform weighting factor, there is a problem in that the stability of the actual biometric system is significantly reduced.
예를 들어 도 4에 도시된 바와 같이 시간차이를 두고 입력된 동일인의 영상처리 결과 중 동일인의 정맥패턴 분기 특성을 살펴보면 아래와 같다.For example, as shown in FIG. 4, the vein pattern branching characteristic of the same person among the image processing results of the same person input with a time difference is as follows.
외부 환경이나 입력영상의 미소한 변화 등에 대해 정맥패턴 분기특성의 가장 기본이 되는 분기점이 많은 차이를 나타내고 있으며, 사용자의 인식단계에서 추출된 정맥패턴 분포를 일괄적인 가중치를 적용하여 매칭함으로써 시스템 성능 저하의 중요한 요인으로 작용하고 있다. 그 예로, 도 4의 (a)의 처리 결과에서는 분기점의 개수가 8개로 나타나고 (b)의 처리결과에서는 분기점의 개수가 14개로 상이한 차이를 나타낸다.The divergence point, which is the most basic branching pattern of vein pattern, shows a lot of difference in external environment or slight change of input image, and the system performance is reduced by matching the distribution of vein pattern extracted at the user's recognition stage by applying weighted values. It acts as an important factor. For example, in the processing result of FIG. 4 (a), the number of branching points is eight, and in the processing result of (b), the number of branching points is 14, showing a different difference.
따라서, 도 4의 처리 결과가 동일인임에도 불구하고 시스템 인식단계에서 다른 사람으로 오인식하게 된다.Therefore, even though the processing result of FIG. 4 is the same person, it is misidentified as another person in the system recognition step.
또한, 도 5에 도시된 시간 차이를 두고 입력된 동일인의 영상 처리 결과 중위치 보상 결과를 살펴보면, 위치 보상시 왼쪽 상단 분기점과 오른쪽 하단 분기점의 위치를 이용하게 된다.In addition, referring to the position compensation result of the image processing result of the same person input with the time difference shown in FIG. 5, the position of the upper left branch point and the lower right branch point may be used for position compensation.
그러면, 도 5의 (a), (b)에 나타난 바와 같이 정맥패턴의 패턴 연결성이 부분적으로 손실됨으로써 정맥패턴의 분기특성의 가장 기본이 되는 정맥패턴의 분기점이 손실되며, 이를 이용한 사용자 손등 위치의 회전 및 이동 보상이 잘못된 결과를 나타내어 시스템 성능 저하 요인으로 작용하게 된다.Then, as shown in (a) and (b) of FIG. 5, the pattern connectivity of the vein pattern is partially lost, and thus, the branch point of the vein pattern, which is the most basic of the branching characteristics of the vein pattern, is lost. Rotation and travel compensation will give incorrect results, which will cause system performance degradation.
따라서, 사용자 손등의 혈관패턴의 패턴 연결성을 최대한 보존하여 추출하는 방법으로 혈관패턴 방향성을 고려하여 패턴 연결성을 최대한 유지하면서 최적의 혈관패턴 추출과 안정된 혈관패턴 분포특성을 추출함으로써 외부 환경 변화, 입력 영상의 미소한 변화 등에 의해서 발생되는 시스템 민감성과 사용자 손등의 미소한 위치 변화에 의해서 발생되는 회전, 이동에 의한 시스템 인식 성능의 안정성을 개선하기 위한 기술 개발 요구되고 있다.Therefore, it is a method of preserving and extracting the pattern connectivity of the vascular pattern of the user's hand as much as possible. By considering the vascular pattern orientation, the optimal vascular pattern extraction and stable vascular pattern distribution characteristics are extracted while maintaining the maximum pattern connectivity. It is required to develop a technology for improving the stability of the system recognition performance caused by the rotation and movement caused by the minute position change of the user's hand and the system sensitivity caused by the minute change.
본 발명은 위의 문제점을 해결하기 위한 것으로, 본 발명의 목적은, 혈관패턴의 패턴 연결성을 최대한 유지하면서 혈관패턴의 방향성을 고려하여 최적의 혈관패턴을 추출하고 확률적인 신뢰도를 적용한 최적의 혈관패턴 분기 특성을 추출함으로써 가장 안정적인 혈관패턴의 분기점 및 분기특성, 최적의 분기점 가중치를 개개인의 생체 특징에 적용시켜 시스템 인식 성능을 높일 수 있고 사용자 편의성을 증대시킬 수 있는 개인식별을 위한 손등의 혈관패턴 인식 장치 및 그 방법을 제공하는 것이다.The present invention is to solve the above problems, an object of the present invention, while optimizing the vascular pattern while maintaining the pattern connectivity of the vascular pattern to maximize the optimal vascular pattern in consideration of the directionality of the vascular pattern and applying the probability reliability By extracting the branching characteristics, the branching and branching characteristics of the most stable vascular patterns, and the optimal branching point weights are applied to individual biometric characteristics to increase the system recognition performance and to recognize the vascular patterns on the back of the hand for personal identification to increase user convenience. An apparatus and a method thereof are provided.
도 1a 및 도 1b는 종래 기술에 따른 정맥분포패턴을 이용한 개인식별 방법에서 사용자가 안착수단을 이용해 손에 힘을 주는 상태가 도시된 도면이다.1A and 1B are diagrams illustrating a state in which a user gives a force to a hand using a seating means in a personal identification method using a vein distribution pattern according to the related art.
도 2a 및 도 2b는 종래 기술에 따른 정맥분포패턴을 이용한 개인식별 방법에서 사용자가 손을 위/아래로 회전하는 상태가 도시된 도면이다.2A and 2B are views illustrating a state in which a user rotates his hand up / down in a personal identification method using a vein distribution pattern according to the related art.
도 3은 종래 기술에 따른 정맥분포패턴을 이용한 개인식별 방법의 동작이 도시되 순서도이다.3 is a flow chart showing the operation of the personal identification method using a vein distribution pattern according to the prior art.
도 4는 도 3에 의해 시간 차이를 두고 입력된 동일인의 정맥패턴 분기 특성이 도시된 도면이다.FIG. 4 is a diagram illustrating vein pattern branching characteristics of the same person inputted with time difference by FIG. 3.
도 5는 종래 기술에 따른 정맥분포패턴을 이용한 개인식별 방법에 의해 위치 보상이 잘못된 영상 처리 결과가 도시된 도면이다.5 is a diagram illustrating an image processing result of incorrect position compensation by a personal identification method using a vein distribution pattern according to the related art.
도 6a 및 도 6b은 본 발명에 따른 실시예의 개인식별을 위한 손등의 혈관패턴 인식 장치의 정면도 및 투시도가 각각 도시된 도면이다.6A and 6B are front and perspective views of the blood vessel pattern recognition apparatus of the back of the hand for personal identification according to the embodiment of the present invention, respectively.
도 7은 본 발명에 따른 실시예의 개인식별을 위한 손등의 혈관패턴 인식 장치의 내부 구성이 도시된 도면이다.7 is a view showing the internal configuration of the blood vessel pattern recognition device of the back of the hand for personal identification according to an embodiment of the present invention.
도 8은 본 발명에 따른 실시예의 개인식별을 위한 혈관패턴 인식 방법 중에서 트레이닝 단계의 동작이 도시된 순서도이다.8 is a flowchart illustrating the operation of the training step in the blood vessel pattern recognition method for personal identification according to an embodiment of the present invention.
도 9는 혈관패턴 중에서 횡렬 패턴만이 추출된 영상 처리 결과가 도시된 도면이다.9 is a diagram illustrating an image processing result in which only a horizontal pattern is extracted from blood vessel patterns.
도 10은 혈관패턴 중에서 종렬 패턴만이 추출된 영상 처리 결과가 도시된 도면이다.FIG. 10 is a diagram illustrating an image processing result in which only a vertical pattern is extracted from blood vessel patterns.
도 11은 도 9 및 도 10의 결과를 패턴 병합하여 추출된 최종 손등의 혈관패턴에 관한 영상 처리 결과가 도시된 도면이다.FIG. 11 is a diagram illustrating an image processing result of a blood vessel pattern of a back of a final hand extracted by pattern merging the results of FIGS.
도 12는 본 발명에 따른 실시예의 개인식별을 위한 혈관패턴 인식 방법 중에서 개인식별 단계의 동작이 도시된 순서도이다.12 is a flowchart illustrating the operation of the personal identification step of the blood vessel pattern recognition method for personal identification according to an embodiment of the present invention.
도 13은 본 발명의 실시예에서 추출된 기본 혈관패턴 분기점을 연결한 다각형의 특성 벡터가 도시된 도면이다.FIG. 13 is a diagram illustrating a feature vector of polygons connecting basic blood vessel pattern branching points extracted in an embodiment of the present invention.
도 14는 본 발명에 따른 실시예의 확률적인 신뢰도를 적용한 최적의 혈관패턴 분기 특성이 도시된 도면이다.FIG. 14 is a diagram illustrating an optimal vascular pattern branching characteristic to which the stochastic reliability of the embodiment of the present invention is applied.
도 15는 본 발명에 따른 실시예의 기본 혈관패턴 분기 특성을 이용한 사용자의 회전과 이동 보상에 대한 진행 상태가 도시된 도면이다.FIG. 15 is a diagram illustrating a progress state of a user's rotation and movement compensation using basic blood vessel pattern branching characteristics according to an embodiment of the present invention.
도 16은 본 발명에 따른 실시예의 확률적으로 가장 안정적인 혈관패턴 분기점, 즉 기본 혈관패턴 분기점을 이용한 사용자의 회전과 이동 보상에 대한 진행 상태가 도시된 도면이다.FIG. 16 is a diagram illustrating a progress state of a user's rotation and movement compensation using a probabilistic most stable vascular pattern branch point, that is, a basic vascular pattern branch point according to an embodiment of the present invention.
도 17은 본 발명과 종래 기술의 혈관패턴과 정맥패턴 추출 알고리즘의 처리결과에 대한 비교 영상이 도시된 도면이다.17 is a view showing a comparison image of the results of processing the blood vessel pattern and vein pattern extraction algorithm of the present invention and the prior art.
도 18은 본 발명과 종래 기술의 혈관패턴과 정맥패턴 추출 알고리즘의 성능을 비교한 그래프이다.18 is a graph comparing the performance of the blood vessel pattern and vein pattern extraction algorithm of the present invention and the prior art.
상기한 바와 같은 목적을 실현하기 위한 본 발명의 개인식별을 위한 손등의 혈관패턴 인식방법은 촬영된 사용자 손등의 원시 영상에서 혈관패턴을 추출하고, 혈관패턴의 분기 방향을 구분하여 타겟 영상(Target image)을 추출하는 단계와, 상기 추출된 타겟 영상과 데이터베이스에 기저장된 사용자의 혈관패턴에 대한 기준영상의 유사도를 비교하여 사용자 식별을 수행하는 단계와, 상기 타겟 영상과 기준영상이 유사한 경우, 혈관패턴의 분기 특성을 추출하여 데이터베이스에 저장된 기준영상을 업데이트하는 단계와, 사용자의 원시영상 재입력시, 원시 영상에서 타겟 영상을 추출하여 상기 업데이트된 기준 영상과 타겟 영상의 혈관패턴의 분기 특성을 추출하고, 각 분기 특성에 따른 특성 벡터를 상호 비교하여 사용자의 움직임에 대한 위치 보상을 수행하는 단계와, 상기 타겟 영상의 위치 보상이 수행 완료된 경우, 타겟 영상과 기준영상의 분기 특성에 따른 특성 벡터를 비교하여 사용자의 본인 여부를 확인하고 입장 허락/거부를 결정하는 단계를 포함한다.Vessel pattern recognition method of the back of the hand for the purpose of personal identification of the present invention for realizing the above object is to extract the blood vessel pattern from the raw image of the back of the user's hand, the target image by distinguishing the branching direction of the blood vessel pattern ) And performing user identification by comparing the similarity of the extracted target image and the reference image with respect to the blood vessel pattern of the user previously stored in the database, and if the target image is similar to the reference image, Updating the reference image stored in the database by extracting the branching characteristic of the database; extracting the target image from the raw image when re-input of the raw image of the user; and extracting the branching characteristic of the blood vessel pattern of the updated reference image and the target image. Compensate for the user's movement by comparing the feature vectors for each branch feature. If step and completion of the position compensation of the target image is performed, and a step for comparing the feature vector of the branch behavior of a target image and a reference image determines whether the user's own and determines the admission permission / denial.
상기 혈관패턴의 분기 방향을 구분하는 단계에서는, 촬영된 사용자 손등의 원시 영상을 정지화상으로 변환하여 패턴 검출 영역(Region of Interest, ROI)을 분리하고, 상기 ROI 영상에서 혈관패턴을 추출하는 단계와, 상기 추출된 혈관패턴에서 횡렬 패턴(Row-pattern)과 종렬 패턴(Column-pattern)으로 각각 구분하는 단계와, 상기 횡렬 패턴과 종렬 패턴을 표준화 처리하고, 이치화 영상(Binary Image)을 추출 한 후에 패턴 병합하여 최종 혈관패턴을 검출하는 단계를 더 포함한다.The dividing direction of the blood vessel pattern may include: separating a region of interest (ROI) by converting a raw image of the back of the user's hand into a still image, and extracting a blood vessel pattern from the ROI image; And dividing the extracted blood vessel pattern into row-pattern and column-pattern, respectively, normalizing the row pattern and the column pattern, and extracting a binary image. The pattern merging may further include detecting a final blood vessel pattern.
상기 혈관패턴의 분기 특성을 추출하는 단계에서는, 시스템이 사용자의 반복사용에 의해 확률적인 특징 벡터를 이용한 매칭 연산방식(Probabilistic Feature Vector Matching Algorithm)으로 전환됨으로써 상기 혈관패턴 분기 특성에서 입력 영상의 변화에 대한 데이터 손실 기여도를 검출하여 분기점 가중치(Branch Point Weighting Factor)가 결정되도록 한다.In the step of extracting the branching characteristic of the blood vessel pattern, the system is converted to a probabilistic feature vector matching algorithm using probabilistic feature vectors by user's repeated use, thereby changing the input image from the vein pattern branching characteristic. The branch point weighting factor is determined by detecting the data loss contribution.
상기 사용자의 움직임에 따른 위치 보상을 수행하는 단계에서는, 세선화 연산방식(Thinning Algorithm)을 적용하여 데이터베이스 상의 혈관패턴 분기점 및 현재 입력되는 영상의 혈관패턴 분기점을 연결한 각각의 다각형의 모양과 위치를 상호 비교하여 사용자의 회전/이동에 대한 보상을 실행한다.In the step of performing position compensation according to the user's movement, a shape and position of each polygon connecting the blood vessel pattern branch point in the database and the blood vessel pattern branch point of the currently input image are applied by applying a thinning algorithm. Comparing with each other to perform compensation for the user's rotation / movement.
상기 사용자의 본인 여부 확인 단계에서는, 데이터베이스 상의 혈관패턴 분기점을 연결한 다각형과 현재 입력되는 영상의 혈관패턴 분기점을 연결한 다각형에서 각 꼭지점을 매칭시켜 꼭지점에 대한 정합 - 꼭지점에서의 각도, 꼭지점간의 길이, 다각형 면적에 대한 정합 - 정도를 판단하여 인식한다.In the user's identity verification step, matching each vertex in the polygon connecting the vascular pattern branch point in the database and the polygon connecting the vascular pattern branch point of the current input image to match the vertices-the angle at the vertex, the length between the vertices In order to determine the degree of registration for the polygon area, it is recognized.
상기 사용자의 본인 여부 확인 단계에서, 데이터 베이스 상의 혈관패턴 분기 특성과 현재 입력되는 영상의 혈관패턴 분기 특성에 대한 분기점 가중치를 각각 적용하여 분기 특성 정합 - 분기점, 분기각도, 분기개수 및 길이에 대한 정합 - 정도를 판단하여 인식한다.In the step of checking the identity of the user, branch characteristic matching is applied by applying branch point weights for the vascular pattern branching characteristic on the database and the vascular pattern branching characteristic of the currently input image, respectively-branching point, branching angle, branching number and length. -Determine the degree and recognize it.
한편, 본 발명의 개인식별을 위한 손등의 혈관패턴 인식 장치는 사용자가 동작 진행에 필요한 번호나 사용자 등록번호를 입력하는 키입력부와, 사용자 손등의 혈관패턴에 관한 기준 영상이 사용자별로 저장되는 데이터베이스와, 사용자 손등을 촬영한 원시영상을 혈관패턴 추출을 위한 정지화상으로 변환 출력하는 영상처리부와, 상기 영상처리부의 정지화상을 입력받아 데이터 손실 기여도를 고려하여 사용자의 움직임에 따른 위치 보상을 수행하고, 혈관패턴에 따른 분기 특성을 추출하여 이를 데이터베이스에 기저장된 기준영상과 비교함으로써 사용자 본인 여부를 확인하는 마이크로 프로세서와, 상기 마이크로프로세서의 제어에 의해 외부장치와 데이터 및 제어 통신 기능을 수행하는 인터페이스부를 포함한다.Meanwhile, the apparatus for recognizing a blood vessel pattern of a hand for personal identification of the present invention includes a key input unit for a user to input a number or a user registration number required for the operation of the hand, a database for storing a reference image of the blood vessel pattern of the user's hand for each user; The image processing unit converts and outputs a raw image of the back of the user's hand into a still image for blood vessel pattern extraction, and receives a still image of the image processing unit, and performs position compensation according to the user's movement in consideration of the data loss contribution. It extracts the branching characteristics according to the vascular pattern and compares it with the reference image pre-stored in the database and includes a microprocessor to check whether the user, and an interface unit for performing data and control communication functions with an external device under the control of the microprocessor. do.
상기 데이터베이스는 기준 영상이 혈관패턴의 분기 방향을 구분하여 추출된 혈관패턴의 분기 특성에 따라 업데이트된다.The database is updated according to the branching characteristic of the blood vessel pattern extracted by dividing the branching direction of the blood vessel pattern.
이하 첨부된 도면을 참조하여 본 발명이 속하는 기술분야에서 통상의 지식을 가진 자가 본 발명을 용이하게 실시할 수 있는 바람직한 일 실시예를 상세히 설명하면 다음과 같다.Hereinafter, exemplary embodiments of the present invention will be described in detail with reference to the accompanying drawings that can be easily implemented by those skilled in the art.
도 6a 및 도 6b는 본 발명에 따른 일 실시예로서 개인식별을 위한 손등의 혈관패턴 인식 장치의 정면도 및 투시도가 각각 도시된 것이다.6A and 6B illustrate front and perspective views of an apparatus for recognizing a blood vessel pattern of the back of a hand for personal identification according to an embodiment of the present invention, respectively.
도 6a에 도시된 바와 같이, 장치의 외관을 형성하는 케이스(1)의 외부에는 시스템 인식 유무를 표시하는 표시등(LED1, LED2)과, 시스템 진행 상황을 문자로 표시하는 LCD(2)가 각각 설치되어 있다.As shown in FIG. 6A, the indicators LED1 and LED2 indicating whether the system is recognized, and the LCD 2 which displays the system progress by text, are located outside the case 1 forming the exterior of the device. It is installed.
그리고, 상기 LCD(2)의 하부 측에는 시스템 진행에 필요한 번호나 사용자 등록번호를 입력하기 위한 키패드(3), 외부 조명을 차단하는 러버(4), 사용자의 손등에 관한 영상 입력시 손가락을 지지하는 지지대로서 손잡이(5)가 각각 설치되어 있다.In addition, the lower side of the LCD (2), the keypad (3) for inputting the number or user registration number required for system progress, the rubber (4) to block the external illumination, to support the finger when inputting the image of the user's hand, etc. The handle 5 is provided as a support stand, respectively.
또한 도 6b에 도시된 바와 같이, 상기 케이스(1)의 내부에는 사용자 손등에관한 영상을 촬영하기 위해 상기 러버(4)로부터 일정 거리 떨어진 위치에 설치된 CCD 혹은 CMOS 카메라(6), 상기 카메라(6)의 양측에 혈관패턴을 강조하는 Mid-Wave 적외선 조명(7), 상기 Mid-Wave 적외선 조명(7)과 카메라(6)의 하단부에 설치되어 혈관패턴을 강조하는 Mid-Wave 적외선 필터(8)가 각각 설치되어 있다.In addition, as shown in FIG. 6B, the case 1 includes a CCD or CMOS camera 6 and a camera 6 installed at a predetermined distance from the rubber 4 to capture an image of the back of the user's hand. Mid-Wave infrared light (7) to emphasize the blood vessel pattern on both sides of the), Mid-Wave infrared light (8) is installed on the bottom of the Mid-Wave infrared light (7) and the camera (6) to emphasize the blood vessel pattern Are installed respectively.
특히, 상기 러버(4)와 카메라(6) 사이에는 혈관패턴 검출 영역인 ROI(Region of Interest) 영상 촬영을 위한 초점거리 확보를 위해 경통(9)이 설치되어 있는데, 상기 경통(9)의 내부면은 적외선을 흡수하는 물질로 도포되어 있어 외부 빛의 영향을 최소화시킬 수 있다.In particular, a barrel 9 is installed between the rubber 4 and the camera 6 to secure a focal length for photographing a region of interest (ROI) image, which is a blood vessel pattern detection region. Cotton is coated with a material that absorbs infrared light to minimize the influence of external light.
한편, 도 7에는 본 발명의 실시예에 따른 개인식별을 위한 혈관패턴 인식 장치의 내부 구성이 도시된 도면이다.On the other hand, Figure 7 is a diagram showing the internal configuration of the blood vessel pattern recognition apparatus for personal identification according to an embodiment of the present invention.
도 7에 도시된 바와 같이, 본 발명이 실시예는 키패드(3)를 이용한 사용자의 키 입력을 위해 설치된 키입력부(11), 사용자 등록번호별 혈관패턴 분기 특성에 관한 데이터에 따라 업데이트되면서 사용자의 혈관패턴에 관한 분기특성과 기준 영상이 저장되는 데이터베이스(12), 사용자 손등의 영상을 촬영하는 카메라(6)로부터 입력되는 사용자 손등에 관한 영상신호를 정지 화상 데이터로 변환하는 프레임 그레버(13)를 포함한다.As shown in Figure 7, the embodiment of the present invention is updated according to the key input unit 11 installed for the user's key input using the keypad (3), the data according to the blood vessel pattern branching characteristics for each user registration number A database 12 storing branch characteristics and a reference image of a blood vessel pattern, and a frame grabber 13 converting an image signal of a back of a user's hand input from a camera 6 photographing an image of a back of a user's hand into still image data. It includes.
또한, 본 발명의 실시예는 프레임 그레버(13)에서 생성된 정지 화상 데이터를 임시 저장하는 화상 메모리(14), 상기 화상 메모리(14)에 저장된 정지 화상 데이터에서 혈관패턴을 추출하여 그 혈관패턴으로부터 분포특성 데이터를 검출하는 동시에 상기 분포특성 데이터를 이용하여 데이터베이스(12) 내의 분포 특성과 비교하여 동일 여부를 판별함으로써 사용자의 입장 허락/거부 결정을 수행하는 마이크로 프로세서(15), 상기 마이크로 프로세서(15)의 제어에 의해 외부장치와의 데이터 및 제어 통신 기능을 수행하는 인터페이스부(16)를 포함한다.In addition, the embodiment of the present invention extracts the blood vessel pattern from the image memory 14 for temporarily storing still image data generated by the frame grabber 13, and the still image data stored in the image memory 14, and extracts the blood vessel pattern. The microprocessor 15 and the microprocessor which perform the determination of admission / deny of the user by detecting the distribution characteristic data from the same and comparing the distribution characteristic data with the distribution characteristics in the database 12 to determine whether they are the same. And an interface unit 16 that performs data and control communication functions with an external device under the control of 15).
이하, 상기와 같이 구성되는 장치의 동작을 개인식별을 위한 손등의 혈관패턴 인식 방법을 통해 살펴보면 다음과 같다.Hereinafter, the operation of the device configured as described above will be described through the method of recognizing a blood vessel pattern on the back of a hand for personal identification.
먼저, 개개인에 대한 손등 혈관패턴은 사람마다 패턴의 분기 형상이나 분기 방향이 다르게 나타난다. 그러므로, 본 발명의 실시예에서는 혈관패턴의 분기 형상이나 방향성을 고려하여 분기점과 각 분기점을 연결한 다각형을 추출하고, 분기점에서의 분기각도 및 분기 개수, 분기점간의 길이에 관한 수치데이터, 다각형에서 꼭지점간의 길이, 꼭지점에서의 각도, 다각형 면적에 대한 수치데이터를 산출해냄으로써 혈관패턴의 분기 특성과 특성 벡터가 검출될 수 있다.First, the pattern of the back of the hand on an individual is different from each other in the branch shape or branching direction of the pattern. Therefore, in the embodiment of the present invention, in consideration of the branching shape and orientation of the blood vessel pattern, the polygons connecting the branch points and the branch points are extracted, the numerical data on the branch angles and the number of branches at the branch points, the length between the branch points, and vertices in the polygons. By calculating numerical data on the length of the liver, the angle at the vertex, and the polygonal area, the branching characteristic and the characteristic vector of the blood vessel pattern can be detected.
여기서, 확률적인 특징 벡터는 불특정 사용자의 손등 혈관패턴이 외부 환경, 입력 영상 등의 변화에 의해서 추출하려는 혈관패턴 분기 특성의 기본이 되는 분기점을 부분적으로 손실하게 되며 개개인에 따라 다르게 발생하므로, 혈관패턴 분기 특징의 기본 특징인 분기점에 대한 손실기여도를 측정함으로써 각각의 분기점에 대한 가중치를 다르게 적용하는 방법을 의미한다.In this case, the stochastic feature vector partially loses the branching point that is the basis of the branching pattern of the blood vessel pattern to be extracted by the change of the external environment, the input image, etc. of the unspecified user's hand and occurs differently according to the individual. By measuring the loss contribution of the branch point, which is the basic feature of the branch feature, it means a method of applying the weight to each branch point differently.
즉, 확률적인 특징 벡터는 손실 기여도가 가장 낮은 분기점을 확률적으로 가장 안정된 분기 특성으로 인식할 수 있다. 그리고, 확률적인 특징 벡터는 시스템의 반복적인 사용 횟수에서 발생되는 개개인의 분기 특성에 대한 손실 여부를 확률적인 방법으로 측정하여 각각의 분기 특성에 대한 손실 기여도를 측정하게 되며, 이특성은 개개인의 분기 특성에 대한 확률적인 특징 벡터가 된다.In other words, the stochastic feature vector can recognize the branch point having the lowest loss contribution as the most stable branch characteristic. In addition, the stochastic feature vector measures the loss contribution of each branch characteristic by probabilistic method by measuring the loss of the individual branch characteristic caused by the repetitive number of times of use of the system. It is a stochastic feature vector for.
다음, 본 발명의 실시예에서는 외부 환경이나 입력되는 영상의 변화에 대해 데이터의 손실 기여도 정도를 판단할 수 있도록 확률적인 신뢰도를 개개인의 혈관패턴 분기 특성에 적용하는 트레이닝 단계, 트레이닝 단계에 의해 개개인의 데이터 베이스를 자동 변환시키는 동시에 확률적인 특징 벡터를 이용한 매칭 연산방식을 적용하여 사용자의 본인 여부를 식별함으로써 입장 허락/거부를 실행하는 개인식별 단계로 크게 나뉘어진다.Next, according to an embodiment of the present invention, a training step and a training step of applying probabilistic reliability to individual blood vessel pattern divergence characteristics to determine the degree of contribution of data loss to an external environment or an input image change. At the same time, it is divided into a personal identification step that executes admission / deny by identifying a user's identity by applying a matching algorithm using a stochastic feature vector while automatically converting a database.
다음, 도 8은 상기 트레이닝 단계의 상세 동작이 도시된 순서도로서 이를 참고하면 다음과 같다.Next, FIG. 8 is a flowchart showing the detailed operation of the training step.
도 6a 및 6b, 도 7에 도시된 손등의 혈관패턴 인식 장치를 이용하면, 사용자가 키입력부(11)를 통해 사용자 등록번호를 입력하고, 장치 정면으로 손을 삽입하여 손잡이(5)를 감싸쥠으로써 손등의 혈관패턴이 선명하게 드러나도록 한다.6A, 6B, and 7, the user inputs a user registration number through the key input unit 11, and inserts a hand in front of the device to surround the handle 5. As a result, the blood vessel pattern on the back of the hand is clearly revealed.
그러면, 마이크로 프로세서(15)에서는 데이터베이스(12) 내에 사용자가 입력한 등록번호가 존재하는지를 판단한 후에 손등 영상에 대한 입력 여부를 결정한다.Then, the microprocessor 15 determines whether the registration number input by the user exists in the database 12 and then determines whether to input the image of the back of the hand.
마이크로 프로세서(15)가 손등의 영상 입력을 결정한 경우, Mid-Wave 적외선 조명(7)이 중간파 적외선을 하부 쪽으로 방사하고, 중간파 적외선은 Mid-Wave 적외선 필터(8)를 통해 손등으로 조사된 후 손등에 의해 반사되어 다시 Mid-Wave 적외선 필터(8)를 거치게 된다.When the microprocessor 15 determines the image input of the back of the hand, the mid-wave infrared illumination 7 emits midwave infrared downwards, and the midwave infrared is irradiated with the back of the hand through the mid-wave infrared filter 8. It is then reflected by the back of the hand and passes back through the Mid-Wave infrared filter (8).
따라서, 카메라(6)는 Mid-Wave 적외선 필터(8)를 거쳐 전달되는 손등에 관한 영상을 감지한 후 그 영상 신호를 프레임 그레버(13)에 전달한다. 프레임그레버(13)는 영상신호를 정지 화상 데이터로 변환하고 이를 화상 메모리(14)에 전달한다.Accordingly, the camera 6 detects an image related to the back of the hand transmitted through the Mid-Wave infrared filter 8 and transmits the image signal to the frame grabber 13. The frame grabber 13 converts a video signal into still picture data and transfers it to the picture memory 14.
마이크로 프로세서(15)는 화상 메모리(14)를 통해 원시 영상이 입력된 후(S101), ROI 영상을 분리한다(S102).After the raw image is input through the image memory 14 (S101), the microprocessor 15 separates the ROI image (S102).
상기 마이크로 프로세서(15)는 ROI 영상에서 혈관패턴의 분기 방향성을 고려하여 손등의 혈관패턴 중 횡렬 패턴(Row-pattern)을 추출하고(S103), 데이터 필터링을 위해 표준화 처리(S104)를 거쳐 흑백만으로 구성되는 이치화 영상을 추출함으로써 최종적인 혈관패턴의 횡렬 패턴을 추출한다.(S105)The microprocessor 15 extracts a row-pattern from the blood vessel patterns of the back of the hand in consideration of the branching direction of the blood vessel pattern in the ROI image (S103), and passes the standardization process (S104) to filter the data to black and white only. By extracting the binarized image, the horizontal line pattern of the final blood vessel pattern is extracted (S105).
또한, 상기 마이크로 프로세서(15)는 ROI 영상에서 손등의 혈관패턴 중 종렬 패턴(Column-pattern)을 추출하고(S106), 표준화 처리(S107) 및 이치화 영상 추출(S108)을 통해 최종적인 종렬 패턴을 추출한다.In addition, the microprocessor 15 extracts a column-pattern of blood vessel patterns of the back of the hand from the ROI image (S106), and finalizes the final vertical pattern through standardization processing (S107) and binarization image extraction (S108). Extract.
이때, 상기 혈관패턴 중에서 횡렬 패턴을 추출하는 방식은 ROI 영상이 종렬 벡터 필터(예를 들어, 커널 사이즈=11)와 횡렬 벡터 필터(예를 들어, 커널 사이즈=21)를 거쳐 표준화 처리 및 이치화 영상 추출을 진행하면서 도 9에 도시된 영상 처리 결과와 같이 횡렬 패턴이 추출되도록 한다.In this case, the row pattern is extracted from the blood vessel pattern in which the ROI image is subjected to a standardized process and binarization image through a column vector filter (for example, kernel size = 11) and a row vector filter (for example, kernel size = 21). During the extraction process, the horizontal pattern is extracted as shown in the image processing result shown in FIG. 9.
마찬가지로, 상기 혈관패턴 중 종렬 패턴을 추출하는 방식은 종렬 벡터 필터(예를 들어, 커널 사이즈=21)와 횡렬 벡터 필터(예를 들어, 커널 사이즈=11)의 커널 사이즈만을 달리하여 횡렬 패턴과 동일한 방식으로 도 10에 도시된 바와 같이 종렬 패턴 추출되도록 한다.Similarly, a method of extracting a column pattern among the blood vessel patterns is the same as that of the row pattern by changing only the kernel sizes of the column vector filter (for example, kernel size = 21) and the row vector filter (for example, kernel size = 11). In this manner, the vertical pattern is extracted as shown in FIG. 10.
이렇게, 마이크로프로세서(15)는 손등 혈관패턴을 종/횡 방향성에 따라 구별하여 상기 단계(S105, S108)에서 추출된 횡렬 패턴과 종렬 패턴을 패턴 병합(pattern merge)함으로써 도 11에 도시된 바와 같이 최종 손등의 혈관패턴을 나타내는 이치화 영상 형태로 타켓 영상을 출력한다(S109).In this manner, the microprocessor 15 distinguishes the vessel pattern of the back of the hand according to the longitudinal / lateral orientation, and pattern merges the horizontal pattern and the vertical pattern extracted in the steps S105 and S108 as shown in FIG. 11. The target image is output in a binarized image form representing the blood vessel pattern of the last hand (S109).
상기 마이크로 프로세서(15)에서는 사용자 트레이닝 단계에서 원형정합 연산방식을 사용하여 상기 타겟 영상을 통해 사용자 본인 여부를 판단하는데, 여기서 상기 원형정합 연산방식은 등록번호를 입력한 사용자로부터 추출된 혈관패턴의 원형을 저장하여 인식한다.(S110)The microprocessor 15 determines whether the user is a user through the target image using a circular matching algorithm in a user training step, wherein the circular matching algorithm is a circular pattern of blood vessel patterns extracted from a user who inputs a registration number. Recognize it by storing it. (S110)
특히, 상기 원형 정합 연산방식은 혈관패턴의 분기 특성보다는 데이터베이스(12) 상에 저장된 영상과 타겟 영상의 직접적인 유사도(Correlation)를 비교한다. 그 후, 마이크로 프로세서(15)에서는 상기 단계(S110)의 비교 과정에서 얻어진 비교값이 일정한 임계값(threshold level)을 초과하는지를 판단한다.(S111)In particular, the circular matching operation compares the direct correlation between the image stored on the database 12 and the target image rather than the branching characteristic of the blood vessel pattern. Thereafter, the microprocessor 15 determines whether the comparison value obtained in the comparison process of step S110 exceeds a predetermined threshold level (S111).
상기 단계(S111)의 판단 결과가 '예'인 경우에, 마이크로 프로세서(15)에서는 사용자가 시스템을 반복적으로 사용함으로써 확률적인 특징 벡터를 추출하게 되며, 자동적으로 확률적인 특징 벡터 매칭 연산방식으로 자동 전환되는 동시에 최종적으로 개개인의 가장 안정된 혈관패턴 분기 특성을 검출하게 된다(S112).When the determination result of step S111 is YES, the microprocessor 15 extracts a stochastic feature vector by the user repeatedly using the system, and automatically by a stochastic feature vector matching algorithm. At the same time, the most stable vascular pattern branching characteristic of the individual is detected at the same time (S112).
그리고, 상기 마이크로 프로세서(15)는 혈관패턴 분기 특성에 따라 최적의 분기점 가중치(Branch Point Weighting Factor, BPWF)를 추출하고(S113), 이와 같은 진행에 의해 사용자의 데이터베이스(12)는 사용자에게서 추출된 혈관패턴 분포 특성만을 업데이트한다(S114).In addition, the microprocessor 15 extracts an optimal branch point weighting factor (BPWF) according to the vascular pattern branching characteristic (S113), and by this process, the database 12 of the user is extracted from the user. Only the blood vessel pattern distribution characteristic is updated (S114).
이렇게 하여, 마이크로 프로세서(15)는 현재 타겟 영상이 사용자 등록번호에 따른 데이터베이스(12)상에 기저장된 기준 영상을 토대로 동일 인물의 혈관패턴임을 판단하고 입장을 허락하지만(S115), 상기 단계(S111)의 판단 결과가 '아니오'인 경우에 현재 타겟영상이 데이터베이스(12)의 기준영상을 토대로 동일 인물의 혈관패턴이 아니라고 판단하고 입장을 거부한다.(S116)In this way, the microprocessor 15 determines that the current target image is the blood vessel pattern of the same person based on the reference image pre-stored in the database 12 according to the user registration number, and permits entry (S115). In the case where the determination result of the judgment is 'no', it is determined that the current target image is not a blood vessel pattern of the same person based on the reference image of the database 12, and the entrance is rejected.
도 12는 상기 개인식별 단계의 상세 동작이 도시된 순서도로서, 마이크로프로세서(15)는 카메라(6)와 프레임 그레버(13), 화상 메모리(14)를 통해 원시 영상이 입력되면(S201) ROI 영상을 분리한다(S202).12 is a flowchart showing the detailed operation of the personal identification step. When the microprocessor 15 receives the raw image through the camera 6, the frame grabber 13, and the image memory 14 (S201), the ROI The image is separated (S202).
그리고, 마이크로프로세서(15)는 손등 혈관패턴의 횡렬 패턴과 종렬 패턴을 각각 구별 추출(S203, S206)한 후에 표준화 처리(S204, S207) 및 이치화 영상 추출(S205, S208)을 하는 과정을 도 8에 도시된 순서도와 동일하게 진행한다.In addition, the microprocessor 15 performs a process of performing standardization processing (S204, S207) and binarization image extraction (S205, S208) after distinguishing and extracting the horizontal and vertical patterns of the back blood vessel pattern (S203, S206), respectively. Proceed in the same manner as the flowchart shown in FIG.
마이크로 프로세서(15)는 상기 과정에서 추출된 손등 혈관패턴의 횡렬 패턴과 종렬 패턴은 패턴 병합하여 최종 손등 혈관패턴을 추출한다(S209). 그 후, 마이크로프로세서(15)는 확률적인 매칭 연산방식으로 개인식별을 수행하는 특성 벡터 매칭 연산방식을 통해 최종적인 사용자의 본인 여부를 확인한다.(S210)The microprocessor 15 extracts the final back vessel pattern by merging the row pattern and the vertical pattern of the back vessel pattern extracted in the above process (S209). Thereafter, the microprocessor 15 checks whether the user is the final user through the characteristic vector matching algorithm that performs personal identification using a probabilistic matching algorithm.
상기 단계(S210)는 사용자의 본인 여부를 확인하기 위해 도 13에 도시된 바와 같이, 마이크로 프로세서(15)가 데이터베이스(12)의 기준 영상에서 가장 안정적인 혈관패턴 분기점(Vein-Pattern Branch Point, VPBP)을 연결한 다각형과 현재 타겟 영상에서 얻어진 혈관패턴 분기점을 연결한 다각형의 특성 벡터, 즉 각 다각형의 꼭지점을 매칭시켰을 때 각 꼭지점에 대한 정합, 다각형의 꼭지점에서의 각도에대한 정합, 꼭지점간의 길이, 다각형 면적에 대한 정합 정도를 판단한다.(S211)In step S210, as shown in FIG. 13, the microprocessor 15 is the most stable vein pattern branch point (Vein-Pattern Branch Point, VPBP) in the reference image of the database 12, to confirm the identity of the user. The feature vector of the polygon connecting the connected polygon and the vascular pattern bifurcation obtained from the current target image, that is, matching each vertex when matching the vertex of each polygon, matching the angle at the vertex of the polygon, the length between the vertices, The degree of matching with respect to the polygon area is determined. (S211)
도 14는 본 발명에 따른 실시예의 확률적인 신뢰도를 적용한 최적의 혈관패턴 분기 특성이 도시된 도면이다.FIG. 14 is a diagram illustrating an optimal vascular pattern branching characteristic to which the stochastic reliability of the embodiment of the present invention is applied.
상기 다각형 특성의 정합 정도가 일치하는 경우에, 마이크로 프로세서(15)는 도 14에 도시된 바와 같이 데이터 손실 기여도가 낮은 A11 영역에는 높은 가중치를 적용하고, 반대로 데이터 손실 기여도가 높은 A12 영역에는 낮은 가중치를 적용한다.When the degree of matching of the polygonal characteristics matches, the microprocessor 15 applies a high weight to the A11 region having a low data loss contribution, as shown in FIG. 14, and conversely, a low weight to the A12 region having a high data loss contribution. Apply.
이러한 방식의 확률적인 신뢰도를 통해 마이크로프로세서(15)는 각각의 분기 특성에 대한 최적의 분기점 가중치를 적용하여 특성 벡터, 즉 분기점, 분기점에서의 분기각도, 분기점에서의 분기개수, 분기점에서의 길이에 대한 정합 정도를 판단한다.(S212)Through probabilistic reliability in this manner, the microprocessor 15 applies optimal branch weights for each branch characteristic to the characteristic vector, i.e. branch point, branch angle at branch point, branch number at branch point, length at branch point. Determine the degree of matching for (S212).
상기에서, 마이크로프로세서(15)에서는 확률적 분기 특성의 정합 정도가 일치하는 경우에 현재 입력되는 손등의 혈관패턴이 사용자 본인이라고 판단하고 입장을 허락한다(S213).In the above, the microprocessor 15 determines that the blood vessel pattern of the back of the hand currently input is the user when the matching degree of the probabilistic branching characteristics coincides with the user, and permits entry (S213).
그런데, 상기 다각형의 특성 또는 확률적 분기 특성의 정합 정도가 일치하지 않는 경우에 마이크로 프로세서(15)에서는 현재 입력되는 손등의 혈관패턴이 사용자 본인이 아니라고 판단하고 입장을 거부한다(S214).However, when the degree of matching of the characteristics of the polygon or the probabilistic branching characteristic does not match, the microprocessor 15 determines that the blood vessel pattern of the back of the hand currently input is not the user and rejects the entry (S214).
도 15는 본 발명에 따른 실시예의 기본 혈관패턴 분기특성을 이용한 사용자의 회전과 이동 보상에 대한 진행 상태가 도시된 도면이다.FIG. 15 is a diagram illustrating a progress state of a user's rotation and movement compensation using basic blood vessel pattern branching characteristics according to an embodiment of the present invention.
상기와 같이 동작되는 개인식별을 위한 혈관패턴 인식 방법은 도 15에 도시되어 있듯이 마이크로 프로세서(15)에서 최적의 혈관패턴 분기 특성을 적용하여 사용자의 회전(Rotation)과 이동(Shift)에 대한 보상을 수행하게 된다.In the vascular pattern recognition method for personal identification operated as described above, as shown in FIG. 15, the microprocessor 15 applies the optimal vascular pattern branching characteristic to compensate for the rotation and shift of the user. Will be performed.
여기서, 최적의 혈관패턴 분기 특성이 마이크로 프로세서(15)를 통해 추출되면 추출된 분기점을 포함하는 영역은 분기점을 추출하기 위해 세선화 연산방식(Thinning Algorithm)이 적용된다.Here, when the optimal vascular pattern branching characteristic is extracted by the microprocessor 15, a thinning algorithm is applied to extract the branching point in the region including the extracted branching point.
이 과정에서 추출하려는 분기점 위치의 미소한 변화는 입력된 동일인의 원시 영상에서도 혈관패턴의 미소한 굵기 변화에 의해서 발생될 수 있는 허용범위를 나타내고 있으므로 이 허용 영역 내에서 추출된 분기점은 허용 영역의 중앙 위치로 분기점의 위치를 최종 결정한다.In this process, the small change of the branch position to be extracted indicates the allowable range that can be caused by the small thickness change of the blood vessel pattern even in the input image of the same person. The position finally determines the position of the branch point.
도 15의 (a)는 데이터베이스에 저장된 최적의 혈관패턴 분기 특성을 나타내고 있는데, (a)에 표시된 사각형 및 삼각형 영역은 허용 영역을 나타내고, 허용 영역 중에서 사각형 영역은 확률적인 신뢰도에서 높은 신뢰도를 나타내는 반면에 삼각형 영역은 낮은 신뢰도를 나타낸다.(A) of FIG. 15 shows the optimal vascular pattern branching characteristics stored in the database. The rectangular and triangular regions indicated in (a) represent the allowable regions, while the rectangular regions among the allowable regions exhibit high reliability in the probabilistic reliability. The triangular region at shows low reliability.
여기서, 상기 허용 영역 중 삼각형 영역은 외부 환경 변화나 반복적인 시스템 사용에서 발생되는 입력 영상의 미소한 변화에 의해서 마이크로 프로세서(15)에서 분기점 특성이 손실되는 확률이 높은 분기 특성을 나타내는 분기점으로 데이터 손실 기여도가 높으므로 낮은 가중치가 적용되어 인식된다.Herein, the triangular area among the allowable areas is a branch point representing a branching point having a high probability that the branching point characteristic is lost in the microprocessor 15 due to a slight change in the input image generated due to external environment change or repetitive system use. Since the contribution is high, a low weight is applied and recognized.
그러나, 상기 허용 영역 중 사각형 영역은 마이크로 프로세서(15)에서 외부 환경 변화나 입력 영상의 미소한 변화에 대해서 확률적으로 높은 신뢰성을 나타내는 안정된 혈관패턴 분기점을 의미하여 높은 가중치가 적용되어 인식된다.However, the rectangular area of the allowable area means a stable vascular pattern branching point that has a high probability of reliability in response to a change in the external environment or a small change in the input image in the microprocessor 15 and is recognized by applying a high weight.
도 15의 (b)는 사용자 손의 회전이나 이동에 의해 얻어진 혈관패턴 분기 특성을 나타내고, 도 15의 (c)는 (a)의 데이터베이스 분기 특성과 현재 입력된 (b)의 분기 특성에 대해 회전 보상, 이동 보상을 실시하고 있다.Fig. 15B shows the vascular pattern branching characteristics obtained by the rotation or movement of the user's hand, and Fig. 15C rotates with respect to the database branching characteristic of (a) and the branching characteristic of the current input (b). Compensation and movement compensation are performed.
도 15의 (c)는 (a), (b)에서 가장 안정적인 혈관패턴 분기점을 연결한 다각형이 구성되면 각각의 다각형의 모양이 가장 일치되도록 위치시킴으로써 회전(R) 및 이동(S)에 대한 보상을 실행한다.(C) of FIG. 15 is a compensation for rotation (R) and movement (S) by positioning each polygon so that the shape of each polygon is most matched when the polygons connecting the most stable vascular pattern branching points are formed in (a) and (b). Run
도 16은 본 발명에 따른 실시예의 확률적으로 가장 안정적인 혈관패턴 분기점을 이용한 사용자의 회전과 이동을 보상하는 일례가 도시되어 있다.16 illustrates an example of compensating for rotation and movement of a user using the stochastic most stable vascular pattern branching point of the embodiment according to the present invention.
더욱 상세하게, 도 16의 (a), (b)는 추출된 혈관패턴 분기점을 나타내고, (c)는 (a)과 (b)에서 선택된 가장 안정적인 혈관패턴 분기점을 중첩했을 때의 결과를 나타내고, (d)는 (a)이 저장된 데이터베이스의 분기 특성으로 간주 할 경우에 (b)의 가장 안정적인 혈관패턴 분기점을 연결한 다각형을 데이터베이스 분기 특성에 가장 적합하게 적용시킨 결과를 나타내며, (e)는 사용자의 회전과 이동에 대한 보상 후의 매칭 결과를 나타낸다.In more detail, (a) and (b) of FIG. 16 show the extracted blood vessel pattern branching point, (c) shows the result when the most stable vessel pattern branching point selected from (a) and (b) is superimposed, (d) shows the result of applying the polygon that connects the most stable vascular pattern divergence point of (b) to the database branch characteristic best when (a) is regarded as the branch characteristic of the stored database. Shows the matching result after compensation for rotation and movement.
도 17 및 도 18은 본 발명과 종래 기술에 따른 혈관 패턴과 정맥패턴 추출 결과에 대한 비교 영상 및 그래프를 도시한 것으로서 이를 통해 시스템 성능 평가를 살펴본다.17 and 18 illustrate comparative images and graphs of blood vessel pattern and vein pattern extraction results according to the present invention and the prior art.
도 17의 (a)는 종래 정맥패턴 추출 알고리즘에 따라 추출된 정맥패턴에서는 패턴 연결성이 부분적으로 손실됨으로 인해 정맥패턴 분기 특성의 가장 기본적인 특징인 정맥패턴 분기점의 특징이 손실된 것으로서 실제적인 시스템 성능 평가에많은 문제가 내포됨을 알 수 있다.Figure 17 (a) is a vein pattern extracted according to the conventional vein pattern extraction algorithm, due to the partial loss of pattern connectivity due to the loss of vein pattern bifurcation, which is the most basic characteristic of vein pattern branching characteristics, the actual system performance evaluation It can be seen that many problems are involved.
그런데, 도 17의 (b)는 본 발명에 따른 혈관패턴 추출 알고리즘에 의해 추출하려는 정맥패턴의 방향성을 고려하여 추출하려는 혈관패턴의 패턴 연결성을 최대한 보존하여 혈관패턴을 추출함으로써 안정적으로 혈관패턴 분기점을 추출할 수 있어 종래 내포되어 있던 문제가 획기적으로 개선됨을 알 수 있다.By the way, Figure 17 (b) is to consider the direction of the vein pattern to be extracted by the vascular pattern extraction algorithm according to the present invention to preserve the pattern connectivity of the vascular pattern to be extracted to maximize the vascular pattern branching point by extracting the vascular pattern As it can be extracted it can be seen that the problems contained in the prior art is significantly improved.
도 18에서 본 발명과 종래 기술에 따른 혈관패턴과 정맥패턴 추출 알고리즘의 성능을 비교한 그래프를 보면, 각 임계값(threshold value)에서 혈관패턴과 정맥패턴 추출 알고리즘 성능인 FAR(False Acceptance Rate)을 비교한 결과 본 발명이 종래 기술에 비해 시스템 성능이 월등히 향상됨을 알 수 있다.Referring to the graph comparing the performance of the blood vessel pattern and the vein pattern extraction algorithm according to the present invention and the prior art in Figure 18, the FAR (False Acceptance Rate), which is the performance of the blood vessel pattern and vein pattern extraction algorithm at each threshold value As a result of the comparison, it can be seen that the present invention significantly improves system performance compared to the prior art.
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.The drawings and detailed description of the invention are merely exemplary of the invention, which are used for the purpose of illustrating the invention only and are not intended to limit the scope of the invention as defined in the appended claims or claims. Therefore, those skilled in the art will understand that various modifications and equivalent other embodiments are possible from this. Therefore, the true technical protection scope of the present invention will be defined by the technical spirit of the appended claims.
본 발명에 의한 개인식별을 위한 손등의 혈관패턴 인식 방법은 혈관패턴의 패턴 연결성을 최대한 유지하면서 혈관패턴의 방향성을 고려하고 확률적인 신뢰도를 적용한 개개인의 최적 혈관패턴 분기 특성을 추출함으로써 가장 안정적인 혈관패턴의 분기점 및 분기 특성, 최적의 분기점 가중치를 매칭시켜 시스템 인식 성능을 높일 수 있고, 이렇게 시스템 인식 성능이 높아짐에 따라 외부 환경과 입력 영상의 미세한 변화에 의해서 판별되는 시스템 민감성과 사용자 회전과 이동에 의한 오거절율(False Rejection Rate), 혈관패턴 추출 알고리즘 성능(False Acceptance Rate)에 의한 시스템 안정성 및 사용자 편의성을 개선시킬 수 있는 효과를 갖는다.Vascular pattern recognition method of the back of the hand for personal identification according to the present invention is the most stable vascular pattern by extracting the optimal vascular pattern branching characteristics of individuals applying the stochastic reliability and considering the directionality of the vascular pattern while maintaining the maximal pattern connectivity of the vascular pattern The system recognition performance can be improved by matching the branching point, branching characteristics, and optimal branching point weight of the system.As the system recognition performance increases, the system sensitivity and the user's rotation and movement are determined by the minute change of the external environment and the input image. False Rejection Rate, Vascular Pattern Extraction Algorithm Performance (False Acceptance Rate) System stability and user convenience can be improved.
Claims (8)
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR10-2001-0039550A KR100428540B1 (en) | 2001-07-03 | 2001-07-03 | Apparatus and the method for verification of blood vessel-patterns of the back of the hand for person identification |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR10-2001-0039550A KR100428540B1 (en) | 2001-07-03 | 2001-07-03 | Apparatus and the method for verification of blood vessel-patterns of the back of the hand for person identification |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| KR20030002954A KR20030002954A (en) | 2003-01-09 |
| KR100428540B1 true KR100428540B1 (en) | 2004-04-28 |
Family
ID=27713222
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| KR10-2001-0039550A KR100428540B1 (en) | 2001-07-03 | 2001-07-03 | Apparatus and the method for verification of blood vessel-patterns of the back of the hand for person identification |
Country Status (1)
| Country | Link |
|---|---|
| KR (1) | KR100428540B1 (en) |
Families Citing this family (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR100852630B1 (en) * | 2007-02-09 | 2008-08-18 | 연세대학교 산학협력단 | Biometric method using probabillistic access in video image |
| DE102014109682B4 (en) | 2014-07-10 | 2016-04-28 | Bundesdruckerei Gmbh | Mobile terminal for collecting biometric data |
| KR20160090047A (en) | 2015-01-21 | 2016-07-29 | 현대자동차주식회사 | Vehicle, controlling method thereof and gesture recognition apparatus therein |
| KR101705200B1 (en) | 2015-08-18 | 2017-02-09 | 재단법인대구경북과학기술원 | Finger blood vessel pattern recognition device using ultrasonics wave |
| CN117558457B (en) * | 2024-01-11 | 2024-03-26 | 合肥特斯塔信息科技有限公司 | Customer portrait analysis method in customer relationship management system |
Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JPH0896128A (en) * | 1994-09-21 | 1996-04-12 | Fujitsu Denso Ltd | Update system for dictionary image of fingerprint recognition device |
| JPH09198501A (en) * | 1996-01-16 | 1997-07-31 | Fujitsu Denso Ltd | Fingerprint collation entrance/exit management system |
| JP2000057343A (en) * | 1998-08-14 | 2000-02-25 | Fujitsu Denso Ltd | Fingerprint collating method and fingerprint collation system |
| KR100259475B1 (en) * | 1997-04-14 | 2000-06-15 | 최환수 | Method for the identification of individuals using the pattern of blood vessels |
-
2001
- 2001-07-03 KR KR10-2001-0039550A patent/KR100428540B1/en active IP Right Grant
Patent Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JPH0896128A (en) * | 1994-09-21 | 1996-04-12 | Fujitsu Denso Ltd | Update system for dictionary image of fingerprint recognition device |
| JPH09198501A (en) * | 1996-01-16 | 1997-07-31 | Fujitsu Denso Ltd | Fingerprint collation entrance/exit management system |
| KR100259475B1 (en) * | 1997-04-14 | 2000-06-15 | 최환수 | Method for the identification of individuals using the pattern of blood vessels |
| JP2000057343A (en) * | 1998-08-14 | 2000-02-25 | Fujitsu Denso Ltd | Fingerprint collating method and fingerprint collation system |
Also Published As
| Publication number | Publication date |
|---|---|
| KR20030002954A (en) | 2003-01-09 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| KR102455633B1 (en) | Liveness test method and apparatus | |
| US20210287026A1 (en) | Method and apparatus with liveness verification | |
| US8265347B2 (en) | Method and system for personal identification using 3D palmprint imaging | |
| US6876757B2 (en) | Fingerprint recognition system | |
| US7747043B2 (en) | Registration method for biometrics authentication system, biometrics authentication system, and program for same | |
| US9076048B2 (en) | Biometric identification, authentication and verification using near-infrared structured illumination combined with 3D imaging of the human ear | |
| US8493178B2 (en) | Forged face detecting method and apparatus thereof | |
| KR101632912B1 (en) | Method for User Authentication using Fingerprint Recognition | |
| KR101626837B1 (en) | Method and apparatus for convergence biometric authentication based on finger joint and finger vein | |
| KR100438418B1 (en) | Apparatus and the method for verification of blood vessel-patterns of the back of the hand for person identification | |
| JP4564804B2 (en) | Biometric information verification device | |
| KR101515214B1 (en) | Identification method using face recognition and entrance control system and method thereof using the identification method | |
| KR100428540B1 (en) | Apparatus and the method for verification of blood vessel-patterns of the back of the hand for person identification | |
| KR100397916B1 (en) | Fingerprint registration and authentication method | |
| US20050152586A1 (en) | Print analysis | |
| JP3801454B2 (en) | Pseudo-fingerprint discrimination device and fingerprint verification device | |
| JP2011258209A (en) | Back of hand authentication system and back of hand authentication method | |
| KR102014394B1 (en) | Authentication method for portable secure authentication apparatus with improved security for fake fingerprints | |
| KR101066097B1 (en) | Face identifying device and face identifying method | |
| KR100359920B1 (en) | Discrimination method for imitative iris in iris recognition system | |
| KR101792011B1 (en) | Multifaceted photographing apparatus checking finger vein and fingerprint at the same time | |
| KR100383012B1 (en) | Apparatus and method for controling a secure door using fingerprint recognition and face detection | |
| Szczepanik et al. | Security lock system for mobile devices based on fingerprint recognition algorithm | |
| KR20050102445A (en) | Multiple biological recognition method and system | |
| Helfroush et al. | Nonminutiae-based decision-level fusion for fingerprint verification |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| A201 | Request for examination | ||
| E902 | Notification of reason for refusal | ||
| E701 | Decision to grant or registration of patent right | ||
| GRNT | Written decision to grant | ||
| FPAY | Annual fee payment |
Payment date: 20130405 Year of fee payment: 10 |
|
| FPAY | Annual fee payment |
Payment date: 20140410 Year of fee payment: 11 |
|
| FPAY | Annual fee payment |
Payment date: 20160408 Year of fee payment: 13 |
|
| FPAY | Annual fee payment |
Payment date: 20170410 Year of fee payment: 14 |