KR100432491B1 - 융선방향 모델을 이용한 지문 특징데이터 추출방법 - Google Patents

Abstract

부분 영역별 정보를 이용하여 추출된 영역별 방향정보와 전체적인 융선방향 정보를 가지는 융선방향 모델을 이용하여 융선방향 추출 및 코아와 델타의 위치를 추출하는 방법이다. 본 발명에 따른 방법은, 지문화상 입력 단계; 영역별 융선방향 추출 단계; 영역별 융선품질 계산 및 배경영역 분리 단계; 지문영역에서 코아와 델타가 존재하는 위치를 계산하여 추출하는 단계; 추출된 코아ㆍ델타의 위치로부터 코아ㆍ델타의 위치를 잠정적으로 결정하고, 잠정적으로 결정된 코아ㆍ델타의 위치값을 코아ㆍ델타에 대한 초기 파라미터로 설정하는 초기 융선방향 모델 설정 단계; 초기 융선방향 모델설정 단계에서 결정된 초기 융선방향 모델의 융선방향값과 일정 품질 이상인 영역의 융선방향값들과의 최소 오차를 갖는 파라미터를 계산함으로써 융선방향 함수를 계산하는 융선방향 함수계산 단계; 융선방향 함수계산 단계에서 계산된 융선방향 함수를 이용하여 모든 영역에서의 융선방향값을 계산하며, 융선함수에서의 코아ㆍ델타 파라미터로부터 코아 및 델타의 위치를 결정하는 융선방향 및 코아ㆍ델타 위치추출 단계로 구성된다.

Description

융선방향 모델을 이용한 지문 특징데이터 추출방법 {Method of extracting fingerprint features using ridge direction model}

본 발명은 부분 영역별 정보를 이용하여 추출된 영역별 방향정보와 전체적인 융선방향 정보를 가지는 융선방향 모델을 이용하여 융선방향 추출 및 코아와 델타의 위치를 추출하는 방법에 관한 것이다.

생체정보에 의한 보안인증 방법의 하나로서 지문인식이 있다. 지문인식 기술은 사람마다 고유의 특성차이를 나타내는 지문을 화상처리 방법으로 인식하여 등록된 본인 여부를 판단하는 기술이다. 지문인식 기술에서는 지문의 특징점을 추출하여 지문 특징데이터를 만드는 과정이 가장 핵심적이라고 할 수 있다. 지문 특징데이터를 생성하는 알고리즘을 간략하게 설명하면 다음과 같다. 우선 지문입력장치에 의해 지문을 읽어서 지문화상을 취득한다. 지문입력장치에 의해 취득된 지문화상은 다수의 영역으로 구획된다. 다음에 각 영역별로 지문융선의 방향값을 추출한 다음에 각 방향별 마스크를 이용하여 융선의 방향값을 이진화한다. 그리고 융선의 폭을단일선이 되도록 세선화한 후 세선화된 융선 중에서 특징점을 찾아낸다. 찾아낸 특징점 중에서 잘못 찾아낸 특징점(의사 특징점)을 제거한 다음에, 특징점의 위치와 방향을 데이터화하여 특징데이터를 산출한다.

지문의 특징점으로 사용되고 있는 것으로, 도1a에 나타낸 분기점(bifurcation, 21)과 단점(ending point, 22)이 있다. 분기점(21)은 지문융선이 두 갈래로 갈린 지점을 나타내고, 단점(22)은 지문융선이 진행하다가 끊긴 지점을 나타낸다. 이 밖에 지문의 특징점으로 사용되고 있는 것에 도1b에 나타낸 코아(core, 23)와 델타(delta, 24)가 있다. 어떠한 지문에서든지 코아와 델타의 개수는 0 또는 각각 1개 또는 각각 2개만이 존재할 뿐, 다른 개수의 코아와 델타는 존재하지 않는다. 코아와 델타는 육안으로의 식별이 용이하여 다양한 지문분류 방식의 기준으로서 오래 전부터 사용되어 온 것들이다.

종래의 일반적인 지문특징점 추출 방법 중, 특히 지문융선의 단점과 분기점을 특징점으로서 추출하는 방법에 대하여 도2를 참조하여 좀더 구체적으로 설명한다. 지문입력장치로부터 지문화상을 입력받은 후(11), 융선방향 추출 및 보정 단계(12)에서 전체 지문화상을 일정한 크기의 사각형 영역들로 분할하여 각 영역에서의 밝기 변화가 가장 작은 방향을 그 영역의 융선방향으로 결정하고, 융선방향의 보정을 위하여 각 영역의 방향값을 주변 방향들과 평균한 방향으로 결정한다. 방향별 정보를 이용한 이진화 단계(13)는 임의의 점에 대하여 도3a에 나타낸 각 방향별 마스크(25a~25h) 중 임의의 점이 위치한 영역의 방향과 일치하는 방향 마스크와 곱을 한 후(도3b에서는 25d의 마스크를 사용함) 그 합이 양이면 중심점이 융선 부분으로서 그 값을 1로 변환하고, 합이 음이면 골 부분으로서 중심점을 0으로 변환함으로써 이진화를 수행한다. 세선화 단계(14)는 도4와 같이 일정한 폭을 갖고 있는 이진 화상에서 융선의 중심 위치를 결정하기 위하여 폭이 1의 값을 갖게 될 때까지(즉, 융선의 골격만이 존재할 때까지) 융선의 외곽선을 골로 변환하는 단계이다. 마지막으로 특징점 위치 및 방향 추출 단계(15)에서는 세선화된 화상에서 값이 1인 점(융선의 중심)에 대하여 주변 8개의 점들이 인근 점들 간에 0과 1 사이의 변화를 갖는 영역의 개수(도5에서 점선으로 표시한 영역의 경계)를 계수하고, 그 값이 각각 2ㆍ4ㆍ6ㆍ8일 때 해당 중심점을 각각 단점ㆍ융선ㆍ분기점ㆍ교차점으로 분류한다. 이렇게 하여 도5의 (가)는 융선방향이 좌에서 우인 단점이며 (나)는 융선방향이 좌에서 우인 분기점인 것으로 인식되어, 지문을 구별하는 고유한 특징점으로서 추출된다.

그러나, 이와 같이 종래의 방식에 따른 융선방향 추출은 지문화상에 구획된 영역별로 행해지고 영역별로 대표 방향이 정해지므로 영역 내의 미세한 방향 변화는 제대로 표현되지 못하는 문제가 있다. 또한, 종래의 융선방향 보정 방법에 따르면 융선방향은 급격히 변하지 않는다는 가정하에 각 영역에 대한 주변 영역의 융선방향의 평균 방향을 구하여 그 방향값을 보정하고 있으나, 실제로 융선이 급격하게 변화하는 지점인 코아(core)나 델타(delta) 부근의 영역에서는 이러한 가정이 적용될 수 없다. 또한, 지문 이외의 작은 상처나 주름 등은 주변 영역의 융선방향으로부터 예측하여 보정을 할 수 있지만, 이러한 손상부분이 커질 경우에는 정확한 융선의 방향을 찾지 못하게 된다. 이러한 문제들은 국지적인 화상 정보 만을 이용하여 융선의 방향을 추출하고 보정하고 있기 때문에 발생된다.

그리고, 종래의 코아ㆍ델타 추출방법에 따르면 국지적인 영역에서 방향변화를 감지하여 코아ㆍ델타위치를 계산하고 있으므로 코아나 델타 부근이 손상되어 있는 지문화상에서는 정확한 위치를 추출하지 못하거나 아예 찾지 못하는 문제가 있다. 또한, 주로 영역별로 계산된 방향값을 이용하여 위치를 계산하므로, 위치의 정확도는 방향 계산을 위한 영역의 크기에 제약을 받게 된다.

상기한 바와 같이 종래의, 부분적 영역의 화상만을 이용한 방향추출 및 코아ㆍ델타 추출 방법의 문제점은 결국 컴퓨터에 의한 특징점 추출 알고리즘의 근본적인 한계에 기인한다. 실제로 지문 전문가는 지문이 갖는 형태에 대한 각종 유형(모델)을 알고 있으며 지문의 일정 영역이 훼손된 경우에도 훼손되지 않은 영역의 융선방향으로부터 전체적인 융선의 흐름을 인지할 수 있으므로 손상된 영역의 방향을 정확히 찾아낼 수 있고, 코아ㆍ델타 부근이 손상된 경우에도 그 위치를 정확히 찾을 수 있다.

따라서, 컴퓨터에 의한 특징점 추출 알고리즘에 있어서 상기한 문제점들을 해소하기 위해서는, 부분적인 영역만이 아닌 지문의 전체적인 모양(흐름)을 고려하는 방법이 필요하다. 본 발명에 따르면, 융선의 흐름이 갖는 전체적인 특성을 표현할 수 있는 모델을 설정하고 이에 따라 부분 영역에서 추출된 정보를 선별적으로 활용하여 융선방향 함수를 찾음으로써, 모든 위치에서의 지문융선의 정확한 방향과 정확한 코아ㆍ델타의 위치를 찾을 수 있다. 또한, 전체 지문화상의 융선방향을 융선방향 함수를 구성하는 소수의 파라미터로 표현할 수 있으므로, 방향 정보를 압축할 수 있으며 지문 분류나 인식과정에서 이를 특징으로 활용할 수 있다.

본 발명의 목적은 부분 영역별 정보를 이용하여 추출된 영역별 방향정보와 전체적인 융선방향 정보를 가지는 융선방향 모델을 이용하여 융선방향 추출 및 코아ㆍ델타의 위치를 추출하는 방법을 제공하는 것이다.

도1a는 지문 특징점중 분기점과 단점을 나타내는 모식도.

도1b는 지문 특징점중 코아와 델타를 나타내는 지문화상도.

도2는 일반적인 특징데이터 추출방법의 흐름도.

도3a는 8 방향 마스크의 예시도.

도3b는 방향별 마스크를 지문영역에 적용하는 예시도.

도4는 세선화 단계를 나타내는 개념도.

도5는 세선화된 영상에서 특징점을 찾는 원리를 나타내는 개념도.

도6은 본 발명에 따른 지문 특징데이터 추출방법의 흐름도.

도7은 융선방향 추출을 위한 마스크의 예시도.

도8은 이상적인 융선모델 모식도.

도9a는 손상부분을 갖는 지문화상도.

도9b는 도9a의 지문화상으로부터 융선방향 추출, 품질 계산 및 배경분리를 행한 후의 지문화상 처리도.

도10a는 코아와 델타를 갖는 지문화상도.

도10b는 코아와 델타에 대한 뽀앙까레 지수를 설명하는 도.

도11a는 중앙부에 코아가 존재하고 있는 지문화상도.

도11b는 도11a로부터 초기 융선방향 모델 처리된 도.

<도면부호의 설명>

21: 분기점, 22: 단점, 23: 코아, 24: 델타, 25a~25h: 방향별 마스크, 60: 손상부위, C: 코아, D: 델타, P_in: 뽀앙까레 지수

이하 첨부된 도면을 참조하여 본 발명의 바람직한 실시예를 상세하게 설명하면 다음과 같다. 도6은 본 발명에 따른 융선방향 및 코아ㆍ델타 위치 추출방법의 프로세스를 나타내는 플로우챠트로서, 지문화상 입력 단계(51), 영역별 융선방향 추출 단계(52), 영역별 융선품질 계산 및 배경영역 분리 단계(53), 코아ㆍ델타가 위치한 영역을 추출하는 단계(54), 초기 융선방향 모델을 설정하는 단계(55), 융선방향 함수 계산 단계(56), 융선방향 및 코아ㆍ델타 위치 추출 단계(57)로 구성된다.

지문화상 입력 단계(51)는 지문인식을 원하는 사람의 지문을 지문입력장치로써 스캔하여 이를 일정한 포맷의 디지털 지문화상으로 변환하는 단계이다.

영역별 융선방향 추출 단계(52)에서는 종래와 같이, 지문화상을 일정크기의 영역으로 분할하고 각 영역에서의 융선방향을 계산해 낸다. 전체 영역을 일정 크기의 정사각형 블록들로 나누고, 각 블록 내의 점 P(x,y)에 대하여 수학식1을 이용하여 융선방향을 계산하며, 블록 내의 점들에 대하여 가장 많은 방향을 갖는 방향을 블록의 대표 융선방향으로 결정한다. 도7에 방향결정용 마스크의 한 예를 나타내고 있다. 도7은 θ에 대하여P _-n ~P _n 의 점들에 대한 마스크를 나타내고 있다. 여기서 d는 평균 융선 간격의 1/2을 이용함으로써 융선의 주기성을 최대한 반영할 수 있다. 또한, 속도의 향상을 위해서는 블록내의 모든 점이 아닌 일부분에 대하여만 계산할 수도 있다.

영역별 융선품질 계산 및 배경영역 분리 단계(53)는 해당 영역의 융선이 일반적인 융선의 특성을 얼마나 잘 나타내는가의 정도에 따라 화상의 품질(화질)을 계산하고, 계산된 화질을 이용하여 지문영역과 배경영역을 분리한다.

일반적인 융선은 인근 융선과의 거리가 일정한 주기성을 갖고 있으며 작은 영역에서 일정한 방향성을 가지므로 단면이 사인파(sine wave)이고 한 방향으로 뻗어나간 도8과 같은 파형으로 가정할 수 있다. 이러한 가정을 통해 영역별 융선품질은 융선과 골의 계조도 차(도8의 h)가 클수록, 융선의 주기성이 크게 나타날수록(즉, 도8에서 w가 평균 융선-골 간격과 유사할수록), 방향성이 일정할수록 더 큰 값을 갖게 된다.

이러한 사인파 모델에 따를 때, 최소 계조도차를 갖는 융선방향의 계조도 차이와, 최대 계조도차를 갖는 융선방향의 계조도 차이의 차가 클수록 융선품질은 좋다고 할 수 있다. 이러한 융선품질값을 수치화하기 위하여 본 발명에서는 수학식2와 같은 수식을 이용하였다. 수학식2는 융선품질을 계산하기 위하여 융선의 길이방향으로의 계조도 차이와 융선의 직각방향으로의 계조도 차이를 이용한 것인데, A는 융선의 길이방향(도8에서 x 방향)에 따른 계조도 차이를 나타내고 B는 일반적으로 융선의 직각방향(도8에서 y 방향)에서의 계조도 차이를 의미하는바, A가 작고 B가 클수록 어느 한 점에서의 품질값은 커지게 된다. 각 블록의 품질은 블록내의 점들의 평균 품질로 계산한다.

또한, 본 단계에서는 수학식2의 A 값과 B 값이 모두 작은 영역, 즉 융선 품질값이 일정값 이하인 영역은 지문영역이 아닌 배경영역으로 분리한다. 도9a,b는 전술한 방법을 적용하여 도9a의 우측변에 있는 영역을 도9b와 같이 배경영역으로분리한 상태를 나타낸다.

한편, 도9a를 보면, 지문영역 내에서도 융선품질이 낮은 영역이 있음을 볼 수 있다(60). 이들 영역은 지문이 손상된 영역을 나타내는 것인데, 이들 영역은 배경영역으로 분리하지 않고 도9b와 같이 지문영역인 것으로 처리한다(도9b에서 도9a의 동그라미 친 부분이 해당되는 영역이 지문영역으로 처리되어 있음). 이와 같이 지문영역 내에서 융선의 품질이 낮은 영역이 존재하더라도 이를 배경영역으로 처리하지 않고 지문영역으로 처리하는 것은 본 발명이 속한 기술분야에서 통상의 지식을 가진 자에게 자명한 기술이다.

코아ㆍ델타가 위치한 영역을 추출하는 단계(54)는 코아와 델타가 존재하는 위치 또는 영역을 결정한다. 도10a에서 보는 것과 같이, 코아와 델타의 위치는 코아영역(C)과 델타영역(D)에서의 융선방향이 화살표방향으로 변화하는 성질을 이용하여 찾을 수 있다. 보다 더 구체적으로, 도10b를 보면, 코아와 델타를 포함하는 영역에서의 방향값이 각각 π 및 -π만큼 변화한다는 성질을 이용하여 수학식3의 뽀앙까레 지수(Poincare Index: P_in)를 임의의 영역에 대하여 계산함으로써 코아와 델타가 위치하는 영역을 계산할 수 있다. 수학식3의 뽀앙까레 지수는 임의의 영역 주위를 융선방향에 따라 적분하여 얻어진 값이다. 수학식 3은 영역을 원형으로 할 경우의 뽀앙까레 지수를 계산하는 수식이나, 이는 원이 아닌 임의의 폐곡선의 경우로 확장할 수 있다. 도10b에서 보듯이 코아에 대한 뽀앙까레 지수는 1/2이고, 델타에 대한 뽀앙까레 지수는 -1/2임이 알려져 있다. 수학식3을 이용하여 지문영역의 각 점을 조사하여 뽀앙까레 지수를 계산하여 코아와 델타의 존재여부와 그 위치를 찾아낼 수 있다.

만일 코아나 델타 부근이 손상된 경우, 즉 품질이 낮은 영역에 코아나 델타가 나타나는 경우에는 뽀앙까레 지수로써 정확한 위치를 찾을 수는 없다. 그러나, 이럴 경우에는 뽀앙까레 지수를 계산할 영역범위를 넓혀서 수학식3을 적용하면, 코아ㆍ델타의 정확한 위치를 찾을 수는 없지만 코아 또는 델타가 존재하는 영역은 찾을 수 있다(도10b와 수학식3에서 보듯이, 코아와 델타 주위의 영역범위에 관계없이 뽀앙까레 지수는 일정하기 때문이다).

초기 융선방향 모델 설정 단계(55)는 이전 단계 54에서 추출된 코아ㆍ델타의 위치 또는 영역으로부터 코아ㆍ델타의 위치를 잠정적으로 결정하고 이를 융선방향 모델에서 코아 또는 델타에 대한 초기 파라미터로 설정하는 단계이다. 본 단계에서는 초기 융선방향 모델을 설정하는데 있어서, 코아와 델타에서 융선의 방향이 π 및 -π만큼 변하는 성질을 이용하여 수학식4를 사용하여 융선방향 모델을 설정한다. 수학식4에서 융선방향 모델을 결정하는 값은이다. 여기서, 초기 융선방향의 경우에는 0으로,은 수학식5와 같이 결정된다.

여기서,

z: 2차원에서 임의의 한 위치를 나타내는 복소값(= x+yi)

z _k : 코아 또는 델타의 위치를 나타내는 복소값

O ₀ :z가 무한대일 때의 방향값

K: 코아ㆍ델타의 총 개수

앞에서, 코아ㆍ델타의 총개수인 K는 지문영역 내에 나타나지 않은 코아ㆍ델타를 포함하는 것으로서, 지문영역 내에 존재하는 코아ㆍ델타의 초기 위치는 코아ㆍ델타가 위치한 영역을 추출하는 단계(54)에서 계산된 잠정적인 위치 또는 영역 내의 임의의 한 점 또는 영역의 중심으로 결정되며,

지문영역 내에 존재하지 않는 코아ㆍ델타의 개수는, 실제로 인체에 있어서 코아ㆍ델타는 모두 0개, 각각 1개 또는 각각 2개로만 존재한다는 사실을 이용하여 계산한다. 즉, 화상(지문영역)에 나타나지 않은 코아ㆍ델타는 손가락의 한정된 크기를 고려하여 이를 벗어나지 않는 화상 밖의 한 점으로 설정하고, 수학식6과 수학식7을 이용하여 계산된다. 수학식6에서, K와 z_k는 앞서 계산된 코아ㆍ델타의 개수와 위치이며, 오차를 수학식7과 같이 설정하고 최소오차를 갖는 코어ㆍ델타 위치를 최대경사 하강법(stepest descent method)을 사용하여 계산한다. 여기서 수학식7의 오차를 최소로 하는 최적화 과정에서, 화상영역 안에 존재하는 코아ㆍ델타의 위치와 코아ㆍ델타의 개수는 상수이며, 화상영역 밖에 존재하는 코아ㆍ델타의 위치만이 변수로서 최소오차 최적화를 통해 결정되는 값이다.

여기서,

z: 2차원에서 임의의 한 위치를 나타내는 복소값(= x+yi)

z _k : 코아 또는 델타의 위치를 나타내는 복소값

R: 일정 이상의 융선 품질을 갖는 영역

본 단계에서는 잠정적이므로 상수가 아니라 변수이다. 즉, 본 단계 이후의 융선방향 함수계산 단계(56)에서 이루어지는 에러 최소화 과정을 거치며 계속적으로 최적화되어 보다 정확한 코아ㆍ델타의 위치를 찾아내기 위한 변수(즉, 위치후보)가 되는 것이다.

도11a,b에 초기 융선방향 모델의 한 예를 나타내었다. 도11a에 나타낸 것과 같이 중앙부에 코아가 존재하고 있는 지문화상으로부터 초기 융선방향 모델이 도11b와 같이 처리되어 있는 것을 볼 수 있다.

융선방향 함수계산 단계(56)는 초기 융선방향 모델설정 단계(55)에서 결정된 초기 융선방향 모델의 융선방향값과 일정 품질 이상인 영역의 융선방향값들과의 최소 오차를 갖는 파라미터를 계산함으로써 융선방향 함수를 계산하는 단계이다.

본 단계에서는 영역별 융선방향 추출단계(52)에서 계산된 방향 중 영역별 품질계산 및 배경영역 분리단계(53)에서 판단된 배경영역이 아니며 일정 이상의 품질값을 갖는 영역에서의 방향값을 이용하여, 이 방향값과 초기 융선방향 모델(55)과 최소 오차를 갖는 파라미터를 계산하여 융선방향 함수를 결정한다. 최소 오차를 갖는 파라미터를 찾는 한 방법으로서, 오차를 수학식8로 정의하고 최대경사 하강법(steepest descent method)을 사용하여 최소 오차를 갖는 파라미터를 찾을 수 있다.

R: 일정 이상의 융선 품질을 갖는 영역

융선방향 및 코아ㆍ델타 위치추출 단계(57)는 융선방향 함수계산 단계(56)에서 계산된 융선방향 함수를 이용하여 모든 영역에서의 융선방향값을 계산하며, 코아 및 델타의 위치를 융선방향 함수에서의 코아ㆍ델타 파라미터로부터 결정한다. 본 단계에서는 융선방향 함수계산 단계(56)에서 계산된 융선방향 함수를 이용하여 융선의 방향을 계산하고, 방향함수의 값은 각각 초기 설정된 코아 또는 델타에 대한 정확한 위치로 결정된다. 또한, 방향 함수를 구성하는 파라미터를 특징데이터로서 저장하여 지문 분류 및 매칭에 사용할 수 있다.

본 발명에 따르면, 융선 모델을 이용함으로써 코아나 델타 등 융선방향의 급격한 변화가 있는 영역에서도 특징데이터를 정확히 추출할 수 있으며, 상처나 주름 등 손상된 영역이 크더라도 손상되지 않은 영역으로부터 정확한 방향 계산이 가능하다. 또한, 영역별로 계산된 융선방향값으로부터 모든 위치에서의 정확한 방향을 계산할 수 있게 되며, 모든 위치에서의 방향은 모델로부터 계산될 수 있으므로 전체 지문화상의 융선방향 정보가 융선방향 함수를 구성하는 파라미터로 압축되는 효과를 얻게 된다. 또한, 이러한 매개변수 값들은 지문 분류나 인식과정에서 특징데이터로 활용될 수 있다.

Claims (10)

1) 지문인식을 원하는 사람의 지문을 지문입력장치로써 스캔하여 이를 일정한 포맷의 디지털 지문화상으로 변환하는 지문화상 입력 단계,

2) 지문화상을 일정 크기의 영역으로 분할하고 각 영역에서의 융선방향을 계산해 내는 영역별 융선방향 추출 단계,

3) 최소 계조도차를 갖는 융선방향의 계조도 차이와, 최대 계조도차를 갖는 융선방향의 계조도 차이의 차로부터 융선품질을 영역별로 계산하고, 이 계산된 융선품질을 이용하여 지문영역과 배경영역을 분리하는 영역별 융선품질 계산 및 배경영역 분리 단계,

4) 지문영역에서 코아와 델타의 위치를 추출하되, 지문영역의 각 점에 대하여 일정 범위에 걸쳐 뽀앙까레 지수를 계산하여 추출하는 단계,

5) 추출된 코아ㆍ델타의 위치로부터 코아ㆍ델타의 위치를 잠정적으로 결정하고, 잠정적으로 결정된 코아ㆍ델타의 위치값을 코아ㆍ델타에 대한 초기 파라미터로 설정하는 초기 융선방향 모델 설정 단계,

6) 상기 5)단계(초기 융선방향 모델설정 단계)에서 결정된 초기 융선방향 모델의 융선방향값과 일정 품질 이상인 영역의 융선방향값들과의 최소 오차를 갖는 파라미터를 계산함으로써 융선방향 함수를 계산하는 융선방향 함수계산 단계,

7) 융선방향 함수계산 단계에서 계산된 융선방향 함수를 이용하여 모든 영역에서의 융선방향값을 계산하며, 융선함수에서의 코아ㆍ델타 파라미터로부터 코아 및 델타의 위치를 결정하는 융선방향 및 코아ㆍ델타 위치추출 단계로 구성되는, 융선방향 모델을 이용한 지문 특징데이터 추출방법.

청구항 1에서, 상기 지문영역은 융선의 길이방향으로의 계조도 차이 및 융선의 직각방향으로의 계조도 차이가 일정 임계값보다 큰 경우에 결정되고, 배경영역은 융선의 길이방향으로의 계조도 차이 및 융선의 직각방향으로의 계조도 차이가 일정 임계값보다 작은 경우에 결정되는 것을 특징으로 하는, 융선방향 모델을 이용한 지문 특징데이터 추출방법.

청구항 1에서, 단계 3)에서, 최소 계조도차를 갖는 융선방향은 융선의 길이방향으로, 최대 계조도차를 갖는 융선방향은 융선의 직각방향으로 결정되는 것을 특징으로 하는, 융선방향 모델을 이용한 지문 특징데이터 추출방법.

청구항 1 또는 2에서, 단계 3)의 지문영역 내에서 배경영역에 해당하는 융선품질이 계산된 경우에는 이 영역을 배경영역이 아닌 지문영역으로 처리하는 것을 특징으로 하는, 융선방향 모델을 이용한 지문 특징데이터 추출방법.

삭제

청구항 1에서, 단계 4)에서 코아 또는 델타의 위치가 추출되지 않는 경우에는 뽀앙까레 지수를 계산하는 범위를 더 넓혀서 코아 또는 델타가 존재하는 영역을 추출하는 것을 특징으로 하는, 융선방향 모델을 이용한 지문 특징데이터 추출방법.

청구항 1에 있어서, 단계 4)에서 코아 또는 델타가 지문영역 내에 존재하지 않을 경우에 코아 또는 델타의 위치는 아래 수식에 의해 계산되는 것을 특징으로 하는, 융선방향 모델을 이용한 지문 특징데이터 추출방법.

단,z: 2차원에서 임의의 한 위치를 나타내는 복소값(= x+yi),

z _k : 코아 또는 델타의 위치를 나타내는 복소값,

청구항 7에서, 코아ㆍ델타 위치는 최대경사 하강법(stepest descent method)을 이용하여 일정 이상의 융선 품질을 갖는 영역 내에서 아래 식과 같은 오차가 최적화되어 결정되는 것을 특징으로 하는, 융선방향 모델을 이용한 지문 특징데이터추출방법.

단,R: 일정 이상의 융선 품질을 갖는 영역

청구항 1에서, 단계 5)의 초기 융선방향 모델 설정단계에서 초기 융선방향 모델은 아래 식으로 설정되는 것을 특징으로 하는, 융선방향 모델을 이용한 지문 특징데이터 추출방법.

단,O ₀ = 0,

z: 2차원에서 임의의 한 위치를 나타내는 복소값(= x+yi),

z _k : 코아 또는 델타의 위치를 나타내는 복소값,

K: 코아ㆍ델타의 총 개수,,

청구항 1에서, 단계 6)에서의 융선방향 함수는 최대경사 하강법(steepestdescent method)을 사용하여 계산되는 것을 특징으로 하는, 융선방향 모델을 이용한 지문 특징데이터 추출방법.