KR100476406B1 - Iris identification system and method using wavelet packet transformation, and storage media having program thereof - Google Patents
Iris identification system and method using wavelet packet transformation, and storage media having program thereof Download PDFInfo
- Publication number
- KR100476406B1 KR100476406B1 KR10-2002-0076361A KR20020076361A KR100476406B1 KR 100476406 B1 KR100476406 B1 KR 100476406B1 KR 20020076361 A KR20020076361 A KR 20020076361A KR 100476406 B1 KR100476406 B1 KR 100476406B1
- Authority
- KR
- South Korea
- Prior art keywords
- iris
- image
- feature vector
- wavelet packet
- extracted
- 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
- G06V10/46—Descriptors for shape, contour or point-related descriptors, e.g. scale invariant feature transform [SIFT] or bags of words [BoW]; Salient regional features
Abstract
본 발명은 웨이블렛 패킷변환을 이용하여 특징영역을 효과적으로 추출하고, 지지벡터 기계학습(Support Vector Machines)을 분류규칙으로 이용하여 인식오류를 최소화한 웨이블렛 패킷변환을 이용한 홍채인식 시스템 및 방법과 그 프로그램을 저장한 기록매체에 관한 것이다.The present invention provides an iris recognition system and method using a wavelet packet transformation that effectively extracts feature regions using wavelet packet transformation and minimizes recognition errors by using support vector machines as classification rules. It relates to a stored recording medium.
이를 위하여 본 발명은, 외부로부터 입력된 눈 영상에 캐니 경계선 검출방법, 바이섹션(Bisection)법 및 탄성체 모델을 적용하여 홍채영상을 추출하는 홍채영상 추출수단과, 홍채영상 추출수단에서 추출된 홍채영상을 웨이블렛 패킷변환하여 다중분할하고 다중분할된 영상으로부터 홍채 특징영역을 구하여 통계적인 방법에 의해 특징벡터를 추출하는 특징벡터 추출수단과, 특징벡터 추출수단에서 추출된 특징벡터를 미리 등록한 특징벡터 DB와, 특징벡터 추출수단에서 추출된 특징벡터와 특징벡터 DB에 등록된 특징벡터를 비교하여 개인을 식별하는 인식수단을 포함하는 웨이블렛 패킷변환을 이용한 홍채인식 시스템을 제공한다.To this end, the present invention, the iris image extraction means for extracting the iris image by applying the canny boundary detection method, the bisection method and the elastic model to the eye image input from the outside, and the iris image extracted from the iris image extraction means A feature vector extraction means for extracting feature vectors by a statistical method by multiplying a wavelet packet transform to obtain an iris feature region from the multi-divided image, a feature vector DB previously registered with the feature vector extracted by the feature vector extracting means, and The present invention provides an iris recognition system using wavelet packet transformation including a recognition means for identifying an individual by comparing a feature vector extracted from a feature vector extracting means with a feature vector registered in a feature vector DB.
따라서, 본 발명은 웨이블렛 패킷변환을 이용하여 홍채영상의 저주파와 고주파 대역에서도 효과적으로 특징영역을 추출하여 특징벡터를 구성할 수 있다. 그리고, 지지벡터 기계학습(Support Vector Machines)을 분류규칙으로 이용하여 인식오류를 최소화할 수 있다.Therefore, the present invention can effectively extract feature regions even in low and high frequency bands of an iris image using wavelet packet transformation to construct feature vectors. In addition, recognition errors can be minimized by using Support Vector Machines as classification rules.
Description
본 발명은 웨이블렛 패킷변환을 이용하여 특징영역을 효과적으로 추출하고, 지지벡터 기계학습(Support Vector Machines)을 분류규칙으로 이용하여 인식오류를 최소화한 웨이블렛 패킷변환을 이용한 홍채인식 시스템 및 방법과 그 프로그램을 저장한 기록매체에 관한 것이다.The present invention provides an iris recognition system and method using a wavelet packet transformation that effectively extracts feature regions using wavelet packet transformation and minimizes recognition errors by using support vector machines as classification rules. It relates to a stored recording medium.
종래의 홍채인식 방법에서는 동공과 공막 사이에 존재하는 홍채영역을 분리하기 위하여 원형 경계선 검출방법을 사용하였다. 그러나, 이 방법은 눈 영상에 원 성분이 있다는 가정하에 수행하기 때문에, 원 성분이 없는 눈 영상에서는 홍채를 찾지 못하고 시간이 오래 걸리는 단점이 있었다.In the conventional iris recognition method, a circular boundary detection method is used to separate an iris region existing between the pupil and the sclera. However, since this method is performed under the assumption that the original image is present in the eye image, the eye image without the original component does not find an iris and takes a long time.
그리고, 동공의 중심을 이용해서 동공과 유사한 크기 및 위치를 가지는 가상원으로써 홍채영역을 결정하기 때문에, 가상원의 형태에 따라서는 동공의 일부 영역만이 포함되거나 홍채 영역이 일부 소실될 수 있다는 단점이 있었다.In addition, since the iris region is determined as a virtual circle having a size and position similar to that of the pupil using the center of the pupil, only a partial region of the pupil or some iris region may be lost depending on the shape of the virtual circle. There was this.
또, 가버변환을 이용하여 특징을 추출하고 벡터를 구성하는 경우, 특징벡터가 256 이상의 차원으로 구성된다. 따라서, 한 차원당 1 바이트(Byte)를 차지한다고 가정을 해도, 최소한 256 바이트 이상을 차지하기 때문에 효율성이 떨어지는 문제점이 있었다.In addition, in the case of extracting a feature using a Gabor transform and constructing a vector, the feature vector has 256 or more dimensions. Therefore, even if it assumes that one byte (Byte) per dimension, there is a problem that the efficiency is inferior because it occupies at least 256 bytes.
또, 홍채벡터를 비교하기 위해서 해밍거리와 같이 간단한 거리측량 방법을 사용하는 경우, 홍채패턴의 일반화를 통한 참조 특징벡터의 구성이 용이하지 않고, 특징벡터의 각 차원이 가지는 특성을 적절히 반영하지 못하는 문제점이 있었다.In addition, when a simple distance measurement method such as a hamming distance is used to compare the iris vectors, it is not easy to construct a reference feature vector through generalization of the iris pattern, and does not properly reflect the characteristics of each dimension of the feature vector. There was a problem.
또, 카메라로부터 입력되는 영상에 대하여 홍채인식에 적합한 영상인지를 판단하는 기능이 없어서, 시스템 전체의 처리시간과 인식률이 떨어지는 문제점이 있었다. 그리고, 사용자에게 정확한 위치선정과 동작을 강요하는 불편함이 있었다.In addition, since there is no function for determining whether the image input from the camera is suitable for iris recognition, there is a problem in that the processing time and recognition rate of the entire system decrease. In addition, there was an inconvenience of forcing the user to accurately position and operate.
본 발명은 이러한 문제점을 해결하기 위해 안출한 것으로, 캐니 경계선 검출방법, 바이섹션(Bisection)법 및 탄성체 모델을 이용하여 정보의 손실없이 홍채영상을 추출하는 웨이블렛 패킷변환을 이용한 홍채인식 시스템 및 방법과 그 프로그램을 저장한 기록매체를 제공하기 위한 것이다.The present invention has been made to solve the above problems, an iris recognition system and method using wavelet packet transformation that extracts the iris image without loss of information using the Canny boundary detection method, the bisection method and the elastic body model; It is to provide a recording medium storing the program.
본 발명의 다른 목적은 웨이블렛 패킷변환을 이용하여 홍채영상의 저주파와 고주파 대역에서도 효과적으로 특징영역을 추출하고, 추출된 특징영역의 통계값으로부터 특징벡터를 구성하는 웨이블렛 패킷변환을 이용한 홍채인식 시스템 및 방법과 그 프로그램을 저장한 기록매체를 제공하기 위한 것이다. Another object of the present invention is to extract a feature region even in the low frequency and high frequency band of an iris image using wavelet packet transform, and to use an iris recognition system and method using wavelet packet transform to construct a feature vector from the statistical values of the extracted feature region. And a recording medium storing the program.
본 발명의 또 다른 목적은 지지벡터 기계학습(Support Vector Machines)을 분류규칙으로 이용하여 인식오류를 최소화할 수 있는 웨이블렛 패킷변환을 이용한 홍채인식 시스템 및 방법과 그 프로그램을 저장한 기록매체를 제공하기 위한 것이다.It is still another object of the present invention to provide an iris recognition system and method using wavelet packet transformation that can minimize recognition error using support vector machine learning as a classification rule, and to provide a recording medium storing the program. It is for.
본 발명의 또 다른 목적은 홍채인식에 적합한 눈 영상을 필터링할 수 있는 웨이블렛 패킷변환을 이용한 홍채인식 시스템 및 방법과 그 프로그램을 저장한 기록매체를 제공하기 위한 것이다.It is still another object of the present invention to provide an iris recognition system and method using wavelet packet transformation capable of filtering an eye image suitable for iris recognition, and a recording medium storing the program.
상기 목적을 달성하기 위하여 본 발명의 일 실시예에서는 개인을 식별하기 위한 특징벡터를 미리 등록한 특징벡터 DB; 외부로부터 입력된 눈 영상에 캐니 경계선 검출방법, 바이섹션(Bisection)법 및 탄성체 모델을 적용하여 홍채영상을 추출하는 홍채영상 추출수단; 상기 홍채영상 추출수단에서 추출된 홍채영상을 웨이블렛 패킷변환하여 다중분할하고, 다중분할된 영상으로부터 홍채 특징영역을 구하여 통계적인 방법에 의해 특징벡터를 추출하는 특징벡터 추출수단; 및 상기 특징벡터 추출수단에서 추출된 특징벡터와 상기 특징벡터 DB에 등록된 특징벡터를 비교하여 개인을 식별하는 인식수단을 포함하는 웨이블렛 패킷변환을 이용한 홍채인식 시스템을 제공한다.In order to achieve the above object, according to an embodiment of the present invention, a feature vector DB that has previously registered a feature vector for identifying an individual; Iris image extraction means for extracting an iris image by applying a canny boundary detection method, a bisection method, and an elastic body model to an eye image input from the outside; A feature vector extracting means for extracting the iris image extracted by the iris image extracting means by wavelet packet transform and multiplying to obtain an iris feature region from the multi-divided image and extracting a feature vector by a statistical method; And a recognition means for identifying an individual by comparing the feature vector extracted by the feature vector extracting means with the feature vector registered in the feature vector DB.
또, 본 발명에서, 상기 인식수단은 상기 특징벡터 추출수단에서 추출된 특징벡터와 상기 특징벡터 DB에 등록되어 있는 특징벡터에 지지벡터 기계학습(Support Vector machines)법을 적용하여 특징벡터간 거리를 계산하고, 상기 계산된 특징벡터간 거리가 미리 지정된 기준값보다 작으면 동일인으로 인식하는 것을 특징으로 하는 웨이블렛 패킷변환을 이용한 홍채인식 시스템으로서 상술한 과제를 해결한다.Further, in the present invention, the recognition means is applied to the feature vectors extracted by the feature vector extraction means and the feature vectors registered in the feature vector DB by applying a support vector machine method (Support Vector machines) method to determine the distance between feature vectors The above-described problem is solved by an iris recognition system using wavelet packet transformation, which calculates and recognizes the same person when the calculated distance between feature vectors is smaller than a predetermined reference value.
또, 본 발명에서, 상기 홍채영상 추출수단은 상기 눈 영상에 캐니 경계선 검출방법을 적용하여 경계요소를 검출하는 경계요소 검출부; 상기 검출된 경계요소를 그룹화하는 그룹화부; 상기 그룹화된 경계요소에 상기 바이섹션법을 적용하여 홍채를 추출하는 홍채영상 추출부; 및 상기 추출된 홍채영상에 탄성체 모델을 적용하여 정규화하는 정규화부를 포함하는 것을 특징으로 하는 웨이블렛 패킷변환을 이용한 홍채인식 시스템으로서 상술한 과제를 해결한다.In addition, in the present invention, the iris image extraction means includes a boundary element detection unit for detecting a boundary element by applying the Canny boundary detection method to the eye image; A grouping unit for grouping the detected boundary elements; An iris image extractor configured to extract the iris by applying the bisection method to the grouped boundary elements; And a normalization unit for normalizing by applying an elastic body model to the extracted iris image.
또, 본 발명에서, 상기 탄성체 모델은 공막에 일단이 결합되고 동공에 타단이 결합되며 길이 방향으로 변형가능한 복수의 탄성체로 이루어진 것을 특징으로 하는 웨이블렛 패킷변환을 이용한 홍채인식 시스템으로서 상술한 과제를 해결한다.In addition, in the present invention, the elastic model solves the above-mentioned problems as an iris recognition system using a wavelet packet transformation, characterized in that the one end is coupled to the sclera, the other end is coupled to the pupil and deformable in the longitudinal direction. do.
또, 본 발명에서, 상기 특징벡터 추출수단은 상기 홍채영상 추출수단에서 추출된 홍채영상을 웨이블렛 패킷 변환하여 다중분할하는 다중 분할부; 상기 다중분할된 홍채영상 각 영역의 에너지값을 계산하는 계산부; 상기 다중분할된 홍채영상의 영역 중 에너지값이 미리 정한 기준값보다 큰 영역을 추출하여 저장하는 특징영역 추출부; 및 상기 특징영역 추출부에서 추출되어 저장된 영역을 여러 개의 부영역으로 분할하여 각 부영역의 평균과 표준편차를 구한 후, 상기 평균과 표준편차를 이용하여 특징벡터를 구성하는 특징벡터부를 포함하고, 상기 특징영역 추출부에서 추출되는 영역은 상기 다중 분할부에서 재차 웨이블렛 변환되는 과정과 상기 계산부에서 에너지값이 계산되는 과정이 미리 지정된 횟수만큼 반복 실행되며, 그 에너지값이 상기 기준값보다 큰 영역은 각각 상기 특징영역 추출부에 저장되는 것을 특징으로 하는 웨이블렛 패킷변환을 이용한 홍채인식 시스템으로서 상술한 과제를 해결한다.Further, in the present invention, the feature vector extracting means comprises: a multi-division unit for multi-dividing the iris image extracted by the iris image extracting means by converting wavelet packets; A calculator configured to calculate an energy value of each region of the multiplexed iris image; A feature region extraction unit configured to extract and store an area having an energy value greater than a predetermined reference value among regions of the multi-division iris image; And dividing the region extracted and stored by the feature region extracting unit into a plurality of subregions to obtain an average and a standard deviation of each subregion, and then comprising a feature vector unit constituting a feature vector using the mean and standard deviation. The region extracted by the feature region extracting unit is repeatedly executed by the wavelet transform again in the multi-division unit and the process of calculating the energy value in the calculating unit a predetermined number of times, and the region having the energy value greater than the reference value The above-described problem is solved by an iris recognition system using wavelet packet transformation, each of which is stored in the feature region extraction unit.
또, 본 발명에서, 상기 계산부는 상기 다중분할된 영역의 값을 제곱하여 더한 후 전체개수로 나누어 에너지값을 계산하는 것을 특징으로 하는 웨이블렛 패킷변환을 이용한 홍채인식 시스템으로서 상술한 과제를 해결한다.In addition, in the present invention, the calculation unit solves the above-described problem as an iris recognition system using wavelet packet conversion, characterized in that to calculate the energy value by dividing the total number by multiplying the value of the multi-divided area.
또, 본 발명에서, 상기 외부로부터 입력받은 눈 영상을 필터링하여 상기 홍채영상 추출수단에 출력하는 필터링 수단을 더 포함하는 것을 특징으로 하는 웨이블렛 패킷변환을 이용한 홍채인식 시스템으로서 상술한 과제를 해결한다.In addition, the present invention solves the above-described problem as an iris recognition system using wavelet packet transformation, further comprising filtering means for filtering the eye image received from the outside and outputting the filtered eye image to the iris image extracting means.
또, 본 발명에서, 상기 필터링 수단은 상기 눈 영상의 깜빡임을 탐색하기 위한 깜빡임 탐색부; 상기 눈 영상에서 동공위치를 탐색하기 위한 동공위치 탐색부; 에지(edge)의 수직성분을 탐색하기 위한 수직성분 탐색부; 상기 깜빡임 탐색부, 동공위치 탐색부, 및 수직성분 탐색부가 탐색한 값에 가중치(W1,W2,W3)를 각각 곱한 결과가 미리 정한 기준값보다 큰 눈 영상을 제외시키고, 나머지 눈 영상을 상기 홍채영상 추출수단으로 출력하는 필터링부를 포함하는 것을 특징으로 하는 웨이블렛 패킷변환을 이용한 홍채인식 시스템으로서 상술한 과제를 해결한다.In addition, in the present invention, the filtering means includes a blink search unit for searching for blinking of the eye image; A pupil location search unit for searching a pupil location in the eye image; A vertical component searching unit for searching a vertical component of an edge; The flicker search unit, the pupil position search unit, and the vertical component search unit multiply the searched values by the weights W1, W2, and W3, respectively, to exclude eye images larger than a predetermined reference value, and the remaining eye images are excluded from the iris image. An iris recognition system using wavelet packet transformation, comprising a filtering unit for outputting to an extraction unit, solves the above-mentioned problems.
또, 본 발명에서, 상기 깜빡임 탐색부는 상기 눈 영상을 가로 M개, 세로 N개의 블록으로 분할하였을 때, 행별로 블록들의 평균밝기 합을 계산하여 가장 밝은 값(F1)을 출력하는 것을 특징으로 하는 웨이블렛 패킷변환을 이용한 홍채인식 시스템으로서 상술한 과제를 해결한다.Also, in the present invention, when the blinking searcher divides the eye image into horizontal M blocks and vertical N blocks, the blink search unit calculates an average brightness sum of the blocks for each row and outputs the brightest value F1. The above-described problem is solved by an iris recognition system using wavelet packet conversion.
또, 본 발명에서, 상기 W1은 상기 눈 영상의 세로중심으로부터 멀수록 가중되는 것을 특징으로 하는 웨이블렛 패킷변환을 이용한 홍채인식 시스템으로서 상술한 과제를 해결한다.In addition, in the present invention, W1 is weighted farther away from the vertical center of the eye image solves the above-mentioned problem as an iris recognition system using a wavelet packet transform.
또, 본 발명에서, 상기 동공위치 탐색부는 상기 눈 영상을 가로 M개, 세로 N개의 블록으로 분할하였을 때, 각 블록의 평균밝기가 미리 지정된 값보다 작은 블록(F2)을 계산하는 것을 특징으로 하는 웨이블렛 패킷변환을 이용한 홍채인식 시스템으로서 상술한 과제를 해결한다.In the present invention, the pupil position search unit calculates a block (F2) of the average brightness of each block is smaller than a predetermined value when the eye image is divided into M horizontal, N vertical blocks The above-described problem is solved by an iris recognition system using wavelet packet conversion.
또, 본 발명에서, 상기 W2는 동공의 중심이 상기 눈 영상의 중심으로부터 멀수록 가중되는 것을 특징으로 하는 웨이블렛 패킷변환을 이용한 홍채인식 시스템으로서 상술한 과제를 해결한다.In addition, in the present invention, W2 is the iris recognition system using a wavelet packet transformation, characterized in that the center of the pupil is weighted farther from the center of the eye image solves the above-mentioned problems.
또, 본 발명에서, 상기 수직성분 탐색부는 소벨(Sobel) 경계선 검출방법을 적용하여 홍채영역의 수직성분 값(F3)을 계산하는 것을 특징으로 하는 웨이블렛 패킷변환을 이용한 홍채인식 시스템으로서 상술한 과제를 해결한다.Also, in the present invention, the vertical component search unit calculates the vertical component value (F3) of the iris region by applying a Sobel boundary line detection method. Solve.
또, 본 발명에서, 상기 W3는 가중되는 값이 동일한 것을 웨이블렛 패킷변환을 이용한 홍채인식 시스템으로서 상술한 과제를 해결한다.Further, in the present invention, W3 solves the above-mentioned problems as an iris recognition system using wavelet packet conversion that the weighted value is the same.
또, 본 발명에서, 상기 특징벡터 추출수단이 추출한 특징벡터를 상기 특징벡터 DB에 등록하기 위한 등록수단을 더 포함하는 것을 특징으로 하는 웨이블렛 패킷변환을 이용한 홍채인식 시스템으로서 상술한 과제를 해결한다.In addition, the present invention solves the above-mentioned problems as an iris recognition system using wavelet packet transformation, further comprising a registration means for registering the feature vector extracted by the feature vector extracting means into the feature vector DB.
또, 본 발명에서, 사람의 눈 영상을 촬영하여 상기 필터링 수단에 출력하는 촬영수단을 더 포함하는 것을 특징으로 하는 웨이블렛 패킷변환을 이용한 홍채인식 시스템으로서 상술한 과제를 해결한다.In addition, the present invention solves the above-mentioned problems as an iris recognition system using wavelet packet transformation, further comprising a photographing means for photographing a human eye image and outputting the image to the filtering means.
상기 목적을 달성하기 위하여 본 발명의 다른 실시예에서는 외부로부터 입력된 눈 영상에 캐니 경계선 검출방법, 바이섹션(Bisection)법 및 탄성체 모델을 적용하여 홍채영상을 추출하는 홍채영상 추출단계; 상기 추출된 홍채영상을 웨이블렛 패킷변환하여 다중분할하고, 다중분할된 영상으로부터 홍채 특징영역을 구하여 통계적인 방법에 의해 특징벡터를 추출하는 특징벡터 추출단계; 및 상기 추출된 특징벡터와 미리 등록되어 있는 특징벡터를 비교하여 개인을 식별하는 인식단계를 포함하는 웨이블렛 패킷변환을 이용한 홍채인식 방법을 제공한다.In order to achieve the above object, another embodiment of the present invention provides an iris image extraction step of extracting an iris image by applying a Canny boundary detection method, a bisection method, and an elastic body model to an eye image input from the outside; A feature vector extraction step of extracting a feature vector by a statistical method by multiplying the extracted iris image by wavelet packet conversion, obtaining an iris feature region from the multi-divided image; And an recognition step of identifying an individual by comparing the extracted feature vector with a pre-registered feature vector.
또, 본 발명에서, 상기 인식단계는 상기 추출된 특징벡터와 미리 등록되어 있는 특징벡터에 지지벡터 기계학습(Support Vector machines)법을 적용하여 특징벡터간 거리를 계산하고, 상기 계산된 특징벡터간 거리가 미리 지정된 기준값보다 작으면 동일인으로 인식하는 것을 특징으로 하는 웨이블렛 패킷변환을 이용한 홍채인식 방법으로서 상술한 과제를 해결한다.In the present invention, in the recognition step, the distance between the feature vectors is calculated by applying a support vector machine method to the extracted feature vector and the pre-registered feature vector, and between the calculated feature vectors. The above-described problem is solved by an iris recognition method using wavelet packet transformation, wherein the distance is smaller than a predetermined reference value.
또, 본 발명에서, 상기 홍채영상 추출단계는 (a1) 상기 눈 영상에 캐니 경계선 검출방법을 적용하여 경계요소를 검출하는 단계; (a2) 상기 검출된 경계요소를 그룹화하는 단계; (a3) 상기 그룹화된 경계요소에 바이섹션법을 적용하여 홍채를 추출하는 단계; 및 (a4) 상기 추출된 홍채영상에 탄성체 모델을 적용하여 정규화하는 단계를 포함하는 것을 특징으로 하는 웨이블렛 패킷변환을 이용한 홍채인식 방법으로서 상술한 과제를 해결한다.In addition, in the present invention, the iris image extraction step may include (a1) detecting a boundary element by applying a canny boundary detection method to the eye image; (a2) grouping the detected boundary elements; (a3) extracting an iris by applying a bisection method to the grouped boundary elements; And (a4) normalizing by applying an elastic body model to the extracted iris image, and solving the above-described problems as an iris recognition method using wavelet packet transformation.
또, 본 발명에서, 상기 탄성체 모델은 공막에 일단이 결합되고 동공에 타단이 결합되며 길이 방향으로 변형가능한 복수의 탄성체로 이루어진 것을 특징으로 하는 웨이블렛 패킷변환을 이용한 홍채인식 방법으로서 상술한 과제를 해결한다.In addition, in the present invention, the elastic model solves the above-mentioned problems as an iris recognition method using a wavelet packet transformation, characterized in that the one end is coupled to the sclera, the other end is coupled to the pupil and deformable in the longitudinal direction. do.
또, 본 발명에서, 상기 특징벡터 추출단계는 (b1) 상기 홍채영상 추출단계에서 추출된 홍채영상을 웨이블렛 패킷 변환하여 다중분할하는 단계; (b2) 상기 다중분할된 홍채영상 각 영역의 에너지값을 계산하는 단계; (b3) 상기 다중분할된 홍채영상의 영역 중 에너지값이 미리 정한 기준값보다 큰 영역을 추출하여 저장하고, 상기 추출된 영역에 대하여 다시 상기 (b1)단계부터 미리 지정된 횟수만큼 반복하는 단계; 및 (b4) 상기 추출되어 저장된 영역을 여러 개의 부영역으로 분할하여 각 부영역의 평균과 표준편차를 구한 후, 상기 평균과 표준편차를 이용하여 특징벡터를 구성하는 단계를 포함하는 것을 특징으로 하는 웨이블렛 패킷변환을 이용한 홍채인식 방법으로서 상술한 과제를 해결한다.In addition, in the present invention, the feature vector extraction step may include: (b1) multi-segmenting the iris image extracted in the iris image extraction step by converting a wavelet packet; (b2) calculating an energy value of each region of the multiplexed iris image; (b3) extracting and storing an area having an energy value greater than a predetermined reference value among areas of the multi-divided iris image, and repeating the extracted area a predetermined number of times from step (b1); And (b4) dividing the extracted and stored regions into a plurality of subregions to obtain an average and a standard deviation of each subregion, and constructing a feature vector using the average and the standard deviation. The above-described problem is solved by an iris recognition method using wavelet packet conversion.
또, 본 발명에서, 상기 에너지값은 상기 다중분할된 영역의 값을 제곱하여 더한 후 전체개수로 나눈 값인 것을 특징으로 하는 웨이블렛 패킷변환을 이용한 홍채인식 방법으로서 상술한 과제를 해결한다.In addition, in the present invention, the energy value is a iris recognition method using wavelet packet conversion, characterized in that the value divided by the total number after the square of the value of the multi-divided area solves the above-mentioned problem.
또, 본 발명에서, 상기 홍채영상을 추출하기 전에 상기 외부로부터 입력받은 눈 영상을 필터링하는 영상 필터링 단계를 더 포함하는 것을 특징으로 하는 웨이블렛 패킷변환을 이용한 홍채인식 방법으로서 상술한 과제를 해결한다.In addition, the present invention solves the above-described problem as an iris recognition method using wavelet packet transformation, further comprising an image filtering step of filtering the eye image received from the outside before extracting the iris image.
또, 본 발명에서, 상기 영상 필터링 단계는 (c1) 상기 눈 영상의 깜빡임을 탐색하는 단계; (c2) 상기 눈 영상에서 동공위치를 탐색하는 단계; (c3) 에지(edge)의 수직성분을 탐색하는 단계; (c4) 상기 (c1),(c2),(c3)단계에서 탐색한 값에 가중치(W1,W2,W3)를 각각 곱한 결과가 미리 정한 기준값보다 큰 눈 영상을 제외시키고, 나머지 눈 영상을 사용하는 단계를 포함하는 것을 특징으로 하는 웨이블렛 패킷변환을 이용한 홍채인식 방법으로서 상술한 과제를 해결한다.In addition, in the present invention, the image filtering step may include: (c1) searching for blinking of the eye image; (c2) searching for a pupil position in the eye image; (c3) searching for the vertical component of the edge; (c4) The result of multiplying the values found in the steps (c1), (c2), and (c3) by the weights (W1, W2, W3), respectively, excludes an eye image having a larger value than a predetermined reference value, and uses the remaining eye image. An iris recognition method using wavelet packet conversion comprising the steps of solving the above-mentioned problems.
또, 본 발명에서, 상기 (c1)단계는 상기 눈 영상을 가로 M개, 세로 N개의 블록으로 분할하였을 때, 행별로 블록들의 평균밝기 합을 계산하여 가장 밝은 값(F1)을 출력하는 것을 특징으로 하는 웨이블렛 패킷변환을 이용한 홍채인식 방법으로서 상술한 과제를 해결한다.Further, in the present invention, the step (c1), when the eye image is divided into M blocks horizontally and N vertically, calculates the average brightness sum of the blocks for each row to output the brightest value (F1). The above-described problem is solved by an iris recognition method using wavelet packet conversion.
또, 본 발명에서, 상기 W1은 상기 눈 영상의 세로중심으로부터 멀수록 가중되는 것을 특징으로 하는 웨이블렛 패킷변환을 이용한 홍채인식 방법으로서 상술한 과제를 해결한다.In addition, in the present invention, W1 is weighted farther away from the vertical center of the eye image solves the above-mentioned problem as an iris recognition method using wavelet packet transform.
또, 본 발명에서, 상기 (c2)단계는 상기 눈 영상을 가로 M개, 세로 N개의 블록으로 분할하였을 때, 각 블록의 평균밝기가 미리 지정된 값보다 작은 블록(F2)을 계산하는 것을 특징으로 하는 웨이블렛 패킷변환을 이용한 홍채인식 방법으로서 상술한 과제를 해결한다.In addition, in the present invention, the step (c2) is characterized in that when the eye image is divided into M horizontal and N vertical blocks, the average brightness of each block is smaller than the predetermined value (F2) is characterized in that The above-described problem is solved by an iris recognition method using wavelet packet conversion.
또, 본 발명에서, 상기 W2는 동공의 중심이 상기 눈 영상의 중심으로부터 멀수록 가중되는 것을 특징으로 하는 웨이블렛 패킷변환을 이용한 홍채인식 방법으로서 상술한 과제를 해결한다.In addition, in the present invention, W2 is the iris recognition method using wavelet packet transformation, characterized in that the center of the pupil is weighted farther from the center of the eye image solves the above-mentioned problems.
또, 본 발명에서, 상기 (c3)단계는 소벨(Sobel) 경계선 검출방법을 적용하여 홍채영역의 수직성분 값(F3)을 계산하는 것을 특징으로 하는 웨이블렛 패킷변환을 이용한 홍채인식 방법으로서 상술한 과제를 해결한다.In the present invention, the step (c3) is the iris recognition method using the wavelet packet transformation, characterized in that to calculate the vertical component value (F3) of the iris region by applying a Sobel boundary detection method Solve it.
또, 본 발명에서, 상기 W3는 가중되는 값이 동일한 것을 특징으로 하는 웨이블렛 패킷변환을 이용한 홍채인식 방법으로서 상술한 과제를 해결한다.In addition, in the present invention, W3 solves the above-mentioned problems as an iris recognition method using wavelet packet conversion, wherein the weighted values are the same.
또, 본 발명에서, 상기 특징벡터 추출단계에서 추출한 특징벡터를 미리 등록하는 등록단계를 더 포함하는 것을 특징으로 하는 웨이블렛 패킷변환을 이용한 홍채인식 방법으로서 상술한 과제를 해결한다.In addition, the present invention solves the above-described problems as an iris recognition method using wavelet packet conversion, further comprising a registration step of registering a feature vector extracted in the feature vector extraction step in advance.
상기 목적을 달성하기 위하여 본 발명의 또 다른 실시예에서는 외부로부터 입력된 눈 영상에 캐니 경계선 검출방법, 바이섹션(Bisection)법 및 탄성체 모델을 적용하여 홍채영상을 추출하는 홍채영상 추출 프로세스; 상기 추출된 홍채영상을 웨이블렛 패킷변환하여 다중분할하고, 다중분할된 영상으로부터 홍채 특징영역을 구하여 통계적인 방법에 의해 특징벡터를 추출하는 특징벡터 추출 프로세스; 및 상기 추출된 특징벡터와 미리 등록되어 있는 특징벡터를 비교하여 개인을 식별하는 인식 프로세스를 포함하는 웨이블렛 패킷변환을 이용한 홍채인식 프로그램을 저장한 기록매체를 제공한다.In order to achieve the above object, another embodiment of the present invention includes an iris image extraction process for extracting an iris image by applying a Canny boundary detection method, a bisection method, and an elastic body model to an eye image input from the outside; A feature vector extraction process of multiplying the extracted iris image by wavelet packet transform, obtaining an iris feature region from the multi-divided image, and extracting a feature vector by a statistical method; And an iris recognition program using a wavelet packet transformation including a recognition process for identifying an individual by comparing the extracted feature vector with a previously registered feature vector.
또, 본 발명에서, 상기 인식 프로세스는 상기 추출된 특징벡터와 미리 등록되어 있는 특징벡터에 지지벡터 기계학습(Support Vector machines)법을 적용하여 특징벡터간 거리를 계산하고, 상기 계산된 특징벡터간 거리가 미리 지정된 기준값보다 작으면 동일인으로 인식하는 것을 특징으로 하는 기록매체로서 상술한 과제를 해결한다.In the present invention, the recognition process calculates a distance between feature vectors by applying a support vector machine method to the extracted feature vector and the feature vectors registered in advance, and between the calculated feature vectors. If the distance is smaller than the predetermined reference value, the above-mentioned problem is solved as a recording medium characterized by recognizing the same person.
또, 본 발명에서, 상기 홍채영상 추출 프로세스는 (a1) 상기 눈 영상에 캐니 경계선 검출방법을 적용하여 경계요소를 검출하는 프로세스; (a2) 상기 검출된 경계요소를 그룹화하는 프로세스; (a3) 상기 그룹화된 경계요소에 바이섹션법을 적용하여 홍채를 추출하는 프로세스; 및 (a4) 상기 추출된 홍채영상에 탄성체 모델을 적용하여 정규화하는 프로세스를 포함하는 것을 특징으로 하는 기록매체로서 상술한 과제를 해결한다.In addition, in the present invention, the iris image extraction process may include (a1) a process of detecting a boundary element by applying a canny boundary detection method to the eye image; (a2) grouping the detected boundary elements; (a3) a process of extracting an iris by applying a bisection method to the grouped boundary elements; And (a4) a process for normalizing by applying an elastic body model to the extracted iris image.
또, 본 발명에서, 상기 탄성체 모델은 공막에 일단이 결합되고 동공에 타단이 결합되며 길이 방향으로 변형가능한 복수의 탄성체로 이루어진 것을 특징으로 하는 기록매체로서 상술한 과제를 해결한다.Further, in the present invention, the elastic body model solves the above-mentioned problems as a recording medium, characterized in that the one end is coupled to the sclera, the other end is coupled to the pupil, and a plurality of elastic bodies deformable in the longitudinal direction.
또, 본 발명에서, 상기 특징벡터 추출 프로세스는 (b1) 상기 홍채영상 추출 프로세스에서 추출된 홍채영상을 웨이블렛 패킷 변환하여 다중분할하는 프로세스; (b2) 상기 다중분할된 홍채영상 각 영역의 에너지값을 계산하는 프로세스; (b3) 상기 다중분할된 홍채영상의 영역 중 에너지값이 미리 정한 기준값보다 큰 영역을 추출하여 저장하고, 상기 추출된 영역에 대하여 다시 상기 (b1)단계부터 미리 지정된 횟수만큼 반복하는 프로세스; 및 (b4) 상기 추출되어 저장된 영역을 여러 개의 부영역으로 분할하여 각 부영역의 평균과 표준편차를 구한 후, 상기 평균과 표준편차를 이용하여 특징벡터를 구성하는 프로세스를 포함하는 것을 특징으로 하는 기록매체로서 상술한 과제를 해결한다.In addition, in the present invention, the feature vector extraction process may include: (b1) a process of performing multi-division by wavelet packet conversion of the iris image extracted by the iris image extraction process; (b2) calculating an energy value of each region of the multi-divided iris image; (b3) extracting and storing an area having an energy value greater than a predetermined reference value among areas of the multi-divided iris image, and repeating the extracted area a predetermined number of times from step (b1); And (b4) dividing the extracted and stored regions into a plurality of subregions to obtain an average and a standard deviation of each subregion, and then constructing a feature vector using the average and the standard deviation. The above problem is solved as a recording medium.
또, 본 발명에서, 상기 에너지값은 상기 다중분할된 영역의 값을 제곱하여 더한 후 전체개수로 나눈 값인 것을 특징으로 하는 기록매체로서 상술한 과제를 해결한다.In addition, in the present invention, the energy value is a value obtained by dividing the value of the multi-divided area by the square and then dividing by the total number.
또, 본 발명에서, 상기 홍채영상을 추출하기 전에 상기 외부로부터 입력받은 눈 영상을 필터링하는 영상 필터링 프로세스를 더 포함하는 것을 특징으로 하는 기록매체로서 상술한 과제를 해결한다.In addition, the present invention solves the above-described problem as a recording medium, further comprising an image filtering process for filtering the eye image received from the outside before extracting the iris image.
또, 본 발명에서, 상기 영상 필터링 프로세스는 (c1) 상기 눈 영상의 깜빡임을 탐색하는 프로세스; (c2) 상기 눈 영상에서 동공위치를 탐색하는 프로세스; (c3) 에지(edge)의 수직성분을 탐색하는 프로세스; (c4) 상기 (c1),(c2),(c3)프로세스에서 탐색한 값에 가중치(W1,W2,W3)를 각각 곱한 결과가 미리 정한 기준값보다 큰 눈 영상을 제외시키고, 나머지 눈 영상을 사용하는 프로세스를 포함하는 것을 특징으로 하는 기록매체로서 상술한 과제를 해결한다.In addition, in the present invention, the image filtering process includes: (c1) a process of searching for blinking of the eye image; (c2) a process of searching for a pupil position in the eye image; (c3) searching for vertical components of the edges; (c4) The result of multiplying the values found in the processes (c1), (c2), and (c3) by the weight (W1, W2, W3), respectively, excludes an eye image having a larger value than a predetermined reference value, and uses the remaining eye image. The above-mentioned problem is solved by a recording medium comprising a process of performing the above operation.
또, 본 발명에서, 상기 (c1)프로세스는 상기 눈 영상을 가로 M개, 세로 N개의 블록으로 분할하였을 때, 행별로 블록들의 평균밝기 합을 계산하여 가장 밝은 값(F1)을 출력하는 것을 특징으로 하는 기록매체로서 상술한 과제를 해결한다.Also, in the present invention, the process (c1) calculates the average brightness sum of the blocks for each row when the eye image is divided into M horizontal and N vertical blocks, and outputs the brightest value F1. The above problem is solved by the recording medium.
또, 본 발명에서, 상기 W1은 상기 눈 영상의 세로중심으로부터 멀수록 가중되는 것을 특징으로 하는 기록매체로서 상술한 과제를 해결한다.In addition, in the present invention, W1 is weighted farther away from the longitudinal center of the eye image solves the above-mentioned problem as a recording medium.
또, 본 발명에서, 상기 (c2)프로세스는 상기 눈 영상을 가로 M개, 세로 N개의 블록으로 분할하였을 때, 각 블록의 평균밝기가 미리 지정된 값보다 작은 블록(F2)을 계산하는 것을 특징으로 하는 기록매체로서 상술한 과제를 해결한다.Also, in the present invention, the process (c2) calculates a block F2 having an average brightness of each block smaller than a predetermined value when the eye image is divided into M horizontal and N vertical blocks. The above problem is solved by the recording medium.
또, 본 발명에서, 상기 W2는 동공의 중심이 상기 눈 영상의 중심으로부터 멀수록 가중되는 것을 특징으로 하는 기록매체로서 상술한 과제를 해결한다.Further, in the present invention, the W2 solves the above-described problem as the recording medium, characterized in that the center of the pupil is weighted away from the center of the eye image.
또, 본 발명에서, 상기 (c3)프로세스는 소벨(Sobel) 경계선 검출방법을 적용하여 홍채영역의 수직성분 값(F3)을 계산하는 것을 특징으로 하는 기록매체로서 상술한 과제를 해결한다.In addition, in the present invention, the process (c3) solves the above-described problem as the recording medium, characterized by calculating the vertical component value F3 of the iris region by applying the Sobel boundary detection method.
또, 본 발명에서, 상기 W3는 가중되는 값이 동일한 것을 특징으로 하는 기록매체로서 상술한 과제를 해결한다.Further, in the present invention, W3 solves the above problems as a recording medium, characterized in that the weighted value is the same.
또, 본 발명에서, 상기 특징벡터 추출 프로세스에서 추출한 특징벡터를 미리 등록하는 등록 프로세스를 더 포함하는 것을 특징으로 하는 기록매체로서 상술한 과제를 해결한다.In addition, the present invention solves the above-mentioned problem as a recording medium, further comprising a registration process for registering in advance the feature vectors extracted by the feature vector extraction process.
본 발명의 목적과 특징 및 장점은 첨부 도면 및 다음의 상세한 설명을 참조함으로서 더욱 쉽게 이해될 수 있을 것이다.The objects, features and advantages of the present invention will be more readily understood by reference to the accompanying drawings and the following detailed description.
본 발명은 캐니 경계선 검출방법, 바이섹션(Bisection)법 및 탄성체 모델을 이용하여 눈 영상으로부터 홍채영상을 추출하고, 웨이블렛 패킷변환을 이용하여 특징영역을 효과적으로 추출한 후 특징벡터를 구성하며, 지지벡터 기계학습(Support Vector Machines)을 분류규칙으로 이용하여 인식오류를 최소화하는 방법 및 그를 지원하도록 구현되는 시스템을 바람직한 실시예로 제안한다.The present invention extracts an iris image from an eye image by using the Canny boundary detection method, a bisection method, and an elastic body model, and extracts a feature region using wavelet packet transformation to construct a feature vector. The present invention proposes a method for minimizing a recognition error using a learning vector (Support Vector Machines) as a classification rule and a system implemented to support the same.
본 발명의 바람직한 실시예는 본 발명방법을 실행하도록 프로그램된 컴퓨터 시스템 및 컴퓨터 프로그램 제품과 같은 실시예를 포함한다. 컴퓨터 시스템의 실시예에 따르면, 방법을 실행하기 위한 명령어 세트는 하나 또는 그 이상의 메모리에 상주하며, 이들 명령어 세트는 CD-ROM 등과 같은 기록매체에 컴퓨터 프로그램 제품으로서 저장될 수 있다.Preferred embodiments of the invention include embodiments such as computer systems and computer program products programmed to carry out the methods of the invention. In accordance with an embodiment of a computer system, a set of instructions for executing a method resides in one or more memories, which may be stored as a computer program product on a recording medium, such as a CD-ROM.
도 1a는 본 발명에 따른 웨이블렛 패킷변환을 이용한 홍채인식 시스템의 일실시예를 도시한 블록 구성도이다. 도 1a를 참조하면, 홍채인식 시스템은 홍채영상 추출수단(10), 특징벡터 추출수단(20), 인식수단(30) 및 특징벡터 DB(40)를 포함한다.1A is a block diagram illustrating an embodiment of an iris recognition system using wavelet packet conversion according to the present invention. Referring to FIG. 1A, the iris recognition system includes an iris image extracting means 10, a feature vector extracting means 20, a recognition means 30, and a feature vector DB 40.
홍채영상 추출수단(10)은 외부로부터 입력된 눈 영상에 캐니 경계선 검출방법, 바이섹션(Bisection)법 및 탄성체 모델을 적용하여 홍채영상을 추출한다.The iris image extracting means 10 extracts the iris image by applying a canny boundary detection method, a bisection method, and an elastic body model to an eye image input from the outside.
특징벡터 추출수단(20)은 홍채영상 추출수단(10)에서 추출된 홍채영상을 웨이블렛 패킷변환하여 다중분할하고, 다중분할된 영상으로부터 홍채 특징영역을 구하여 통계적인 방법에 의해 특징벡터를 추출한다.The feature vector extracting unit 20 multiplies the iris image extracted by the iris image extracting unit 10 by wavelet packet transform, obtains the iris feature region from the multi-divided image, and extracts the feature vector by a statistical method.
인식수단(30)은 특징벡터 추출수단(20)에서 추출된 특징벡터와 특징벡터 DB(40)에 등록된 특징벡터를 비교하여 개인을 식별하며, 특징벡터 DB(40)에는 각 개인을 식별하기 위한 특징벡터들이 미리 등록되어 있다.The recognition means 30 identifies an individual by comparing the feature vector extracted by the feature vector extraction means 20 with the feature vector registered in the feature vector DB 40, and identifies each individual in the feature vector DB 40. Feature vectors are registered in advance.
본 발명에서 인식수단(30)은 특징벡터 추출수단(20)에서 추출된 특징벡터와 특징벡터 DB(40)에 등록되어 있는 특징벡터에 지지벡터 기계학습(Support Vector machines)법을 적용하여 특징벡터간 거리를 계산한다.In the present invention, the recognition means 30 is applied to the feature vector extracted from the feature vector extraction means 20 and the feature vector registered in the feature vector DB 40 by applying a support vector machine learning (Support Vector machines) method Calculate the distance between them.
그리고, 인식수단(30)은 계산된 특징벡터간 거리가 미리 지정된 기준값보다 작으면 동일인으로 인식한 결과를 출력하고, 기준값보다 크면 다른 사람으로 인식한 결과를 출력한다.The recognition means 30 outputs a result of recognizing the same person when the calculated distance between the feature vectors is smaller than a predetermined reference value, and outputs a result of recognizing a different person when the distance between the feature vectors is smaller than the predetermined reference value.
이와 같이 지지벡터 기계학습을 사용하는 이유는 웨이블렛 패킷변환을 이용하여 구성한 특징벡터 집단간의 구분력과 정확도가 가장 뛰어나기 때문이다.The reason for using the support vector machine learning is that the distinguishing power and accuracy between the feature vector groups constructed by the wavelet packet transform is the best.
도 1b는 도 1a의 홍채인식 시스템에 등록수단이 더 포함된 실시예를 나타낸 블록 구성도이다. 등록수단(50)은 특징벡터 추출수단(20)이 추출한 특징벡터를 특징벡터 DB(40)에 등록시킨다.FIG. 1B is a block diagram illustrating an embodiment in which a registration unit is further included in the iris recognition system of FIG. 1A. The registration means 50 registers the feature vector extracted by the feature vector extraction means 20 in the feature vector DB 40.
본 발명은 사람의 눈 영상을 촬영하여 홍채영상 추출수단(10)에 출력하는 촬영수단(미도시)을 더 포함시켜 구성할 수도 있다.The present invention may further comprise a photographing means (not shown) for photographing a human eye image and outputting it to the iris image extraction means 10.
도 2a는 홍채영상 추출수단의 일실시예를 도시한 블록 구성도이다.Figure 2a is a block diagram showing an embodiment of the iris image extraction means.
도 2a를 참조하면, 홍채영상 추출수단(10)은 경계요소 검출부(12), 그룹화부(14), 홍채영상 추출부(16), 및 정규화부(18)를 포함한다.Referring to FIG. 2A, the iris image extraction unit 10 includes a boundary element detector 12, a grouping unit 14, an iris image extraction unit 16, and a normalization unit 18.
경계요소 검출부(12)는 캐니 경계선 검출방법을 이용하여 경계요소를 검출한다. 이 때, 눈 영상의 전경과 배경에 차이가 많이 발생하는 홍채(도 2c의 72)와 공막(도 2c의 74)의 경계요소는 잘 추출된다. 그러나, 동공(도 2c의 71)과 홍채의 배경에는 차이가 많이 나지 않아서 경계요소가 잘 추출되지 않는 경우가 있다.The boundary element detector 12 detects the boundary element by using the Canny boundary line detection method. At this time, the boundary elements of the iris (72 of FIG. 2C) and the sclera (74 of FIG. 2C), which have a large difference in the foreground and the background of the eye image, are well extracted. However, the background of the pupil (71 of FIG. 2C) and the iris does not have much difference, so the boundary element may not be extracted well.
그리고, 공막에서 여러 개의 경계요소가 추출되기도 한다.In addition, several boundary elements may be extracted from the sclera.
따라서, 보다 정확하게 동공(71)과 홍채(72)의 경계 및 공막(74, 도 2c 참조)과 홍채(72)의 경계를 찾아내기 위해 그룹화부(14)와 홍채영상 추출부(16)가 사용된다.Therefore, the grouping unit 14 and the iris image extraction unit 16 are used to more accurately find the boundary between the pupil 71 and the iris 72 and the boundary between the sclera 74 (see FIG. 2C) and the iris 72. do.
그룹화부(14)는 경계요소 검출부(12)에서 검출된 경계요소를 그룹화한다. 추출된 경계요소가 아래에 도시한 왼쪽 표(a)와 같을 때, 경계요소를 그룹화하면 표(b)와 같이 된다.The grouping unit 14 groups the boundary elements detected by the boundary element detection unit 12. When the extracted boundary elements are as shown in the left table (a) shown below, grouping the boundary elements becomes as in the table (b).
이와 같이, 그룹화부(14)는 연결된 픽셀 경계요소들을 각각의 그룹으로 묶으며, 여기에는 연결된 순서대로 정렬하는 것도 포함된다.As such, the grouping unit 14 groups the connected pixel boundary elements into their respective groups, which includes sorting in the order of connection.
도 2b는 홍채영상 추출부(16)가 그룹화된 경계요소에 바이섹션법을 적용하여 홍채를 추출하는 것을 설명하기 위한 도면이다.2B is a diagram for explaining that the iris image extractor 16 extracts the iris by applying the bisection method to the grouped boundary elements.
도 2b를 참조하면, 홍채영상 추출부(16)는 그룹화된 연결요소들을 하나의 경계집합으로 보고 각각의 경계집합에 바이섹션법을 적용하여 원의 중심을 찾는다. 도 2b와 같이 임의의 두 점A(XA,YA), B(XB,YB)를 연결하는 직선에 수직이등분선(C)을 구하고, 이와 같은 방법으로 구한 직선들이 한 점(O)으로 근접하는지를 확인한다.Referring to FIG. 2B, the iris image extractor 16 looks at the grouped connection elements as one boundary set and finds the center of the circle by applying a bisection method to each boundary set. As shown in FIG. 2B, a vertical bisector C is obtained from a straight line connecting two arbitrary points A (X A , Y A ) and B (X B , Y B ), and the straight lines obtained in this manner are one point O. Make sure you are close by.
그래서, 근접한 정도가 가장 높은 경계집합 중 안쪽에 위치하는 경계집합을 홍채의 내부경계로 결정하고, 바깥쪽에 위치하는 경계집합을 홍채의 외부경계로 결정한다.Thus, the innermost boundary set is determined as the inner boundary of the iris, and the outer boundary set is determined as the outer boundary of the iris.
홍채영상 추출부(16)에서 추출된 홍채영상은 정규화부(18)에서 탄성체 모델이 적용되어 정규화된다. 도 2c는 정규화부가 홍채영상에 적용하는 탄성체 모델을 도시한 도면이다.The iris image extracted by the iris image extractor 16 is normalized by applying an elastic body model to the normalizer 18. 2C is a diagram illustrating an elastic body model applied to an iris image by a normalization unit.
탄성체 모델을 사용하는 이유는 동공(71)과 공막(74)을 경계로 이루어진 홍채(72)영상을 일정한 공간으로 사상시킬 필요성이 있기 때문이며, 그 모양이 일그러져도 영역관계는 일대일 대응되어야 한다는 조건을 전제시킨 것으로써 모양이 일그러질 때의 이동도 고려해야 한다.The reason why the elastic model is used is that it is necessary to map the iris 72 formed by the boundary between the pupil 71 and the sclera 74 into a certain space. As a premise, you should also consider the movement when the shape is distorted.
탄성체 모델은 공막(74)에 일단이 핀 조인트로 결합되고 동공(71)에 타단이 결합된 복수개의 탄성체로 이루어져 있고, 탄성체는 길이 방향으로 변형될 수 있으며, 길이에 수직한 방향으로는 변형되지 않는다는 제한조건으로 모델링된다.The elastic body model is composed of a plurality of elastic bodies, one end of which is joined to the sclera 74 by a pin joint and the other end is coupled to the pupil 71, and the elastic body may be deformed in the longitudinal direction and not deformed in the direction perpendicular to the length. Is modeled as a constraint.
이러한 조건을 가지면 탄성체의 고정 선단은 핀 조인트로 결합되어 있으므로 좌우회전이 가능하며, 동공(71)은 탄성체의 고정되지 않은 타단들이 이루는 모양으로서, 동공(71) 경계에 수직한 방향은 이 탄성체의 축 방향이라고 설정할 수 있다.With such a condition, the fixed tip of the elastic body is coupled to the pin joint so that the left and right rotations are possible. The pupil 71 is formed by the other ends of the elastic body which are not fixed, and the direction perpendicular to the boundary of the pupil 71 is the direction of the elastic body. It can be set in the axial direction.
홍채영상에 분포하는 홍채무늬는 동공(71)에 가까운 영역에서는 밀접해 있고, 공막(74)에 가까운 영역에서는 넓게 분포하게 된다. 따라서, 동공(71)에 가까운 영역에서 사소한 오차가 발생하더라도 인식이 잘 안 되는 문제가 발생할 수 있고, 서로 다른 사람임에도 불구하고 공막(74)에 가까운 영역에서는 동일인으로 인식하는 문제가 발생할 수 있다.The iris pattern distributed in the iris image is close in the area close to the pupil 71 and widely distributed in the area close to the sclera 74. Therefore, even if a slight error occurs in an area close to the pupil 71, a problem may not be well recognized, and a problem of recognizing the same person may occur in an area close to the sclera 74 despite being different people.
또, 홍채근육의 비대칭적인 수축이나 팽창 등의 변형으로 오류가 발생할 수 있고, 눈 영상을 촬영하는 각도가 동공에 수직하지 않고 기울어져 있으면 원래의 영상이 변형될 수 있다.In addition, an error may occur due to an asymmetric contraction or expansion of the iris muscle, and the original image may be deformed if the angle at which the eye image is taken is inclined rather than perpendicular to the pupil.
위와 같은 이유로, 탄성체 모델을 적용하면 도 1에 도시된 바와 같이 정규화된 홍채영상(73)을 얻을 수 있다. 탄성체 모델을 적용하는 과정을 자세히 설명하면 다음과 같다.For the same reason as above, by applying the elastic body model, the normalized iris image 73 can be obtained as shown in FIG. 1. The process of applying the elastic body model is described in detail as follows.
홍채의 내부경계와 외부경계에는 다음과 같은 관계가 성립한다.The following relationship holds between the inner and outer boundaries of the iris:
내부경계에 위치한 어느 한 점의 좌표 : (Xi,Yi),Coordinates of any one point in the internal boundary: (Xi, Yi),
Xi,Yi 에서의 법선벡터 방향 : Ni,Normal Vector Direction at Xi, Yi: Ni,
외부경계의 중심 : (Xoc,Yoc), 외부경계의 반지름 : RoCenter of outer boundary: (Xoc, Yoc), radius of outer boundary: Ro
Xi,Yi를 포함하는 탄성체가 외부경계와 핀 조인트되는 위치 : (Xo,Yo)Location where the elastic body including Xi, Yi is pin jointed with the outer boundary: (Xo, Yo)
(Xoc,Yoc)와 (Xo,Yo)가 이루는 각 : ToThe angle formed by (Xoc, Yoc) and (Xo, Yo): To
즉, 내부경계에 대한 법선벡터 방향(Ni)을 계산하고, 위 수식과 같이 Ni와 To의 관계를 설정한다. 그리고, 외부경계의 원을 기준으로 극좌표의 각을 일정 각도단위로 이동하면서 To 에 대한 Ni와 (Xi,Yi)를 계산하고, (Xi,Yi)와 (Xo,Yo) 사이의 영상을 정규화한다. 이와 같은 과정에 따라 얻어진 홍채영상은 홍채의 움직임에 의한 변형에 강한 특성을 갖게 된다.That is, the normal vector direction Ni for the internal boundary is calculated, and the relationship between Ni and To is set as shown in the above equation. Then, Ni and (Xi, Yi) for To are calculated by moving the angle of the polar coordinates by a certain angle unit based on the circle of the external boundary, and normalizing the image between (Xi, Yi) and (Xo, Yo). . The iris image obtained by this process has a strong characteristic against deformation caused by the movement of the iris.
도 3a는 특징벡터 추출수단의 일실시예를 도시한 블록 구성도이다.3A is a block diagram showing an embodiment of the feature vector extracting means.
도 3a를 참조하면, 특징벡터 추출수단(20)은 다중 분할부(22), 계산부(24), 특징영역 추출부(26), 및 특징벡터부(28)를 포함한다.Referring to FIG. 3A, the feature vector extracting means 20 includes a multiple divider 22, a calculator 24, a feature region extractor 26, and a feature vector unit 28.
다중 분할부(22)는 홍채영상 추출수단(10)에서 추출된 홍채영상을 웨이블렛 패킷 변환한다. 이하에서, 웨이블렛 패킷변환에 대해 더 자세히 설명하기로 한다.The multi-division unit 22 converts the iris image extracted by the iris image extraction means 10 into a wavelet packet. Hereinafter, wavelet packet conversion will be described in more detail.
웨이블렛 패킷변환은 2차원의 홍채영상을 주파수와 시간의 국부성을 갖도록 분해한다. 웨이블렛 패킷 변환을 1회 적용할 때마다, 홍채영상은 도 3b와 같이 4가지 영역, 고주파 성분 HH,HL,LH와 저주파 성분 LL로 나누어진다.Wavelet packet transformation decomposes two-dimensional iris images to have locality of frequency and time. Each time the wavelet packet transformation is applied, the iris image is divided into four regions, high frequency components HH, HL, LH and low frequency components LL as shown in FIG. 3B.
주파수가 가장 낮은 대역은 원래 영상과 같은 통계적 특성을 나타내며, 나머지 대역은 경계영역에 에너지가 집중되는 특징을 가진다.The band with the lowest frequency has the same statistical characteristics as the original image, and the remaining bands have the characteristic that energy is concentrated in the boundary region.
웨이블렛 패킷변환은 풍부한 웨이블렛 기저를 제공하므로, 홍채영상의 공간-주파수 특성에 알맞은 기저를 선택하면 효율적인 분해가 가능하다. 따라서, 저주파 대역 뿐만 아니라 고주파 대역에도 중요정보를 많이 포함하는 홍채영상의 공간-주파수 특성에 맞게 분해가 가능하다.Since wavelet packet conversion provides a rich wavelet basis, selecting a base suitable for the spatial-frequency characteristics of the iris image enables efficient decomposition. Therefore, it is possible to decompose in accordance with the spatial-frequency characteristics of the iris image including a lot of important information not only low frequency band but also high frequency band.
계산부(24)는 다중 분할부(22)에서 다중분할된 홍채영상 각 영역의 에너지값을 계산한다.The calculator 24 calculates an energy value of each region of the iris image multiplied by the multi segmenter 22.
그리고, 특징영역 추출부(26)는 다중분할된 홍채영상의 영역 중 에너지값이 미리 정한 기준값보다 큰 영역을 추출하여 저장한다.The feature region extractor 26 extracts and stores a region having an energy value greater than a predetermined reference value among regions of the multi-division iris image.
특징영역 추출부(26)에서 추출되는 영역은 다중 분할부(22)에서 재차 웨이블렛 변환된 후 계산부(24)에서 에너지값이 계산되는 과정이 미리 지정된 횟수만큼 반복 실행된다. 그리고, 에너지값이 기준값보다 큰 영역은 각각 특징영역 추출부(26)에 저장된다.The region extracted by the feature region extracting unit 26 is repeatedly wavelet transformed by the multi-dividing unit 22, and the process of calculating the energy value by the calculating unit 24 is repeatedly performed a predetermined number of times. The region having an energy value greater than the reference value is stored in the feature region extraction section 26, respectively.
모든 영역을 대상으로 홍채특징을 추출하여 특징벡터를 구성하면, 중요하지 않은 정보가 포함된 영역을 사용함으로써 인식률을 저하시킬 뿐만 아니라, 처리시간도 비효율적으로 된다. 따라서, 높은 에너지값을 가지는 영역이 보다 많은 특징정보를 포함하는 것으로 간주하고, 특징영역 추출부(26)에서 기준값보다 큰 영역만을 추출하는 것이다.If the iris feature is extracted from all regions and the feature vector is constructed, not only the recognition rate is lowered but also the processing time is inefficient by using the region containing non-critical information. Therefore, the region having a high energy value is considered to include more feature information, and the feature region extracting section 26 extracts only the region larger than the reference value.
도 3b는 웨이블렛 패킷변환이 3회 적용된 경우의 홍채 특징영역이다. 여기서, 2회까지는 LL영역만이 기준값보다 큰 에너지값을 가지고, 3회에서 LL3와 HL3가 기준값보다 큰 에너지값을 가지는 것으로 가정한다. 그러면, LL1, LL2, LL3, HL3가 홍채의 특징영역으로 추출되어 저장되는 것이다.3B is an iris feature region when the wavelet packet transformation is applied three times. Here, it is assumed that up to two times, only the LL region has an energy value larger than the reference value, and at three times, LL3 and HL3 have an energy value larger than the reference value. Then, LL1, LL2, LL3, and HL3 are extracted and stored as the iris feature region.
특징벡터부(28)는 특징영역 추출부(26)에서 추출되어 저장된 영역을 M(가로) ×N(세로)의 부영역으로 분할하여 각 부영역의 평균과 표준편차를 구한 후, 구해진 평균과 표준편차를 이용하여 특징벡터를 구성한다.The feature vector unit 28 divides the region extracted and stored by the feature region extraction unit 26 into subregions of M (horizontal) × N (vertical) to obtain an average and a standard deviation of each subregion, and then Construct the feature vector using the standard deviation.
도 4a는 홍채인식 시스템에 필터링 수단이 더 포함된 실시예를 나타낸 블록 구성도이고, 도 4b는 필터링 수단의 일실시예를 나타낸 블록 구성도이다.Figure 4a is a block diagram showing an embodiment in which the filtering means is further included in the iris recognition system, Figure 4b is a block diagram showing an embodiment of the filtering means.
필터링 수단(60)은 외부로부터 입력받은 눈 영상 중 품질이 좋지 못한 영상을 필터링하여 홍채영상 추출수단(10)에 출력하며, 깜빡임 탐색부(62), 동공위치 탐색부(64), 수직성분 탐색부(66), 및 필터링부(68)를 포함한다.The filtering means 60 filters out images having poor quality among the eye images received from the outside, and outputs them to the iris image extracting means 10, and the flicker search unit 62, the pupil position search unit 64, and the vertical component search The unit 66 and the filtering unit 68 are included.
깜빡임 탐색부(62)는 눈 영상의 깜빡임을 탐색하여 필터링부(68)에 출력한다. 즉, 눈 영상이 가로 M개, 세로 N개의 블록으로 분할된다면, 행별로 블록들의 평균밝기 합을 계산하여 가장 밝은 값(F1)을 필터링부(68)에 출력한다.The flicker search unit 62 searches for flicker of the eye image and outputs the flicker to the filtering unit 68. That is, if the eye image is divided into M horizontal and N vertical blocks, the average brightness sum of the blocks is calculated for each row, and the brightest value F1 is output to the filtering unit 68.
이것은 눈꺼풀이 홍채보다 밝다는 특징을 이용하는 것으로서, 눈꺼풀이 중앙에 위치할수록 홍채를 가리게 되므로 개인을 인식하기 힘든 영상을 가려내기 위한 것이다.This uses the feature that the eyelids are brighter than the iris, and the more the eyelids are located in the center, the more the irises are covered.
동공위치 탐색부(64)는 눈 영상에서 동공위치를 탐색하여 필터링부(68)에 출력한다. 즉, 눈 영상이 가로 M개, 세로 N개의 블록으로 분할된다면, 각 블록의 평균밝기가 미리 지정된 값보다 작은 블록(F2)을 찾아서 필터링부(68)에 출력한다. 눈 영상에서 가장 어두운 부분이 동공이므로, 세로중심을 기준으로 해서 눈 영상을 탐지하면 비교적 쉽게 찾을 수 있다.The pupil position search unit 64 searches for the pupil position in the eye image and outputs it to the filtering unit 68. That is, if the eye image is divided into M horizontal and N vertical blocks, the block F2 having the average brightness of each block smaller than a predetermined value is found and output to the filtering unit 68. Since the darkest part of the eye image is the pupil, it can be found relatively easily by detecting the eye image with respect to the vertical center.
그리고, 수직성분 탐색부(66)는 눈 영상에서 에지(edge)의 수직성분을 탐색하여 필터링부(68)에 출력한다. 수직성분 탐색부(66)는 눈 영상에 소벨(Sobel) 경계선 검출방법을 적용하여 홍채영역의 수직성분 값을 계산한다.The vertical component searching unit 66 searches for vertical components of an edge in the eye image and outputs the vertical components to the filtering unit 68. The vertical component searcher 66 calculates a vertical component value of the iris region by applying a Sobel boundary detection method to the eye image.
이것은 사람의 눈꺼풀에 있는 속눈썹(예를 들면, 마스카라)이 홍채를 가리게 되면 인식이 어려워지므로, 속눈썹이 수직으로 위치하는 점을 이용하여 품질이 좋지 않은 영상을 가려내기 위한 것이다.This is because when the eyelashes on the eyelids (for example, mascara) on the human eyelid cover the iris, it becomes difficult to recognize them. Therefore, the eyelashes are positioned vertically to screen out poor quality images.
필터링부(68)는 깜빡임 탐색부(62)와 동공위치 탐색부(64) 및 수직성분 탐색부(66)로부터 입력된 값(F1,F2,F3)에 가중치(W1,W2,W3)를 각각 곱한다. 필터링부(68)는 곱한 결과가 미리 정한 기준값보다 큰 눈 영상을 제외시키고, 나머지 눈 영상을 홍채영상 추출수단(10)으로 출력한다.The filtering unit 68 assigns the weights W1, W2, W3 to the values F1, F2, F3 input from the blinking search unit 62, the pupil position search unit 64, and the vertical component search unit 66, respectively. Multiply. The filtering unit 68 excludes an eye image whose multiplication result is larger than a predetermined reference value, and outputs the remaining eye image to the iris image extraction unit 10.
여기서, W1은 눈 영상의 세로중심으로부터 멀수록 가중되는 것이 바람직하다. 예를들어, 눈 영상의 세로중심 행에 가중치로 1을 적용한다면, 세로중심 행으로부터 5블록 떨어져 있는 행에는 가중치로 5를 적용하는 것이다.Herein, it is preferable that the W1 is weighted farther from the vertical center of the eye image. For example, if 1 is applied as a weight to a vertical row of an eye image, 5 is applied as a weight to a row 5 blocks away from the vertical row.
그리고, W2는 동공의 중심이 눈 영상의 중심으로부터 멀수록 가중되고, W3는 위치에 상관없이 가중되는 값이 동일한 것이 바람직하다.W2 is weighted the farther the center of the pupil is from the center of the eye image, and W3 is preferably the same weighted value regardless of the position.
필터링부(68)에 적용하는 기준값을 조정함으로써 인식에 적합한 영상의 품질정도를 결정할 수 있다. F1,F2,F3에 W1,W2,W3를 곱한 결과는 일정시간 획득된 각 동영상 프레임의 우선순위를 결정하는 기준으로 사용될 수도 있으며, 곱한 결과가 낮을수록 우선순위는 높은 것이 바람직하다.By adjusting a reference value applied to the filtering unit 68, the degree of quality of an image suitable for recognition may be determined. The result of multiplying F1, F2, F3 by W1, W2, W3 may be used as a criterion for determining the priority of each video frame obtained for a predetermined time. The lower the multiplication result, the higher the priority.
도 5는 본 발명에 따른 웨이블렛 패킷변환을 이용한 홍채인식 방법의 일실시예를 도시한 흐름도이다. 도 5를 참조하면, 본 발명방법은 홍채영상 추출단계(S100), 특징벡터 추출단계(S200), 및 인식단계(S300)를 포함한다.5 is a flowchart illustrating an embodiment of an iris recognition method using wavelet packet conversion according to the present invention. Referring to FIG. 5, the method includes an iris image extraction step S100, a feature vector extraction step S200, and a recognition step S300.
홍채영상 추출단계(S100)는 외부로부터 입력된 눈 영상에 캐니 경계선 검출방법, 바이섹션(Bisection)법 및 탄성체 모델을 적용하여 홍채영상을 추출한다.In the iris image extraction step (S100), an iris image is extracted by applying a Canny boundary detection method, a bisection method, and an elastic model to an eye image input from the outside.
특징벡터 추출단계(S200)는 추출된 홍채영상을 웨이블렛 패킷변환하여 다중분할하고, 다중분할된 영상으로부터 홍채 특징영역을 구하여 통계적인 방법에 의해 특징벡터를 추출한다.The feature vector extraction step S200 multiplies the extracted iris image by wavelet packet conversion, obtains the iris feature region from the multi-divided image, and extracts the feature vector by a statistical method.
인식단계(S300)는 추출된 특징벡터와 미리 등록되어 있는 특징벡터를 비교하여 개인을 식별한다. 이 때, 인식단계(S300)는 추출된 특징벡터와 미리 등록되어 있는 특징벡터에 지지벡터 기계학습법을 적용하여 개인을 식별한다.The recognition step S300 identifies an individual by comparing the extracted feature vector with a previously registered feature vector. At this time, the recognition step (S300) identifies the individual by applying the support vector machine learning method to the extracted feature vector and the feature vectors registered in advance.
도면에 도시하지는 않았지만, 본 발명방법은 특징벡터 추출단계(S200)에서 추출한 특징벡터를 미리 등록하는 등록단계를 더 포함할 수 있다.Although not shown in the drawings, the method may further include a registration step of pre-registering the feature vectors extracted in the feature vector extraction step (S200).
도 6은 홍채영상 추출단계를 상세히 나타낸 흐름도이다.6 is a flowchart illustrating an iris image extraction step in detail.
도 6을 참조하면, 홍채영상 추출단계(S100)는 눈 영상에 캐니 경계선 검출방법을 적용하여 경계요소를 검출하는 단계(S110), 검출된 경계요소를 그룹화하는 단계(S120), 그룹화된 경계요소에 바이섹션법을 적용하여 홍채를 추출하는 단계(S130), 및 추출된 홍채영상에 탄성체 모델을 적용하여 정규화하는 단계(S140)를 포함한다.Referring to FIG. 6, in the iris image extraction step S100, a boundary element is detected by applying a Canny boundary detection method to an eye image at step S110, grouping the detected boundary elements at step S120, and grouping boundary elements. Extracting the iris by applying the bisection method (S130), and applying the elastic body model to the extracted iris image and normalizing (S140).
도 7은 특징벡터 추출단계를 상세히 나타낸 흐름도이다.7 is a flowchart illustrating a feature vector extraction step in detail.
도 7을 참조하면, 특징벡터 추출단계(S200)는 홍채영상 추출단계에서 추출된 홍채영상을 웨이블렛 패킷 변환하여 다중분할하는 단계(S210), 다중분할된 홍채영상 각 영역의 에너지값을 계산하는 단계(S220), 다중분할된 홍채영상의 영역 중 에너지값이 미리 정한 기준값보다 큰 영역을 추출하여 저장하고, 추출된 영역에 대하여 다시 S210 단계부터 미리 지정된 횟수만큼 반복하는 단계(S230~S240), 및 추출되어 저장된 영역을 여러 개의 부영역으로 분할하여 평균과 표준편차를 구한 후 구해진 평균과 표준편차를 이용하여 특징벡터를 구성하는 단계(S250~S260)를 포함한다.Referring to FIG. 7, the feature vector extraction step (S200) is performed by multiplying the iris image extracted in the iris image extraction step by wavelet packet conversion (S210) and calculating an energy value of each region of the multiplexed iris image. (S220), extracting and storing an area whose energy value is greater than a predetermined reference value among areas of the multi-divided iris image, and repeating the extracted area by a predetermined number of times from step S210 again (S230 to S240), and And dividing the extracted and stored region into a plurality of subregions to obtain an average and a standard deviation, and constructing a feature vector using the obtained average and standard deviation (S250 to S260).
그리고, 본 발명에 따른 홍채인식 방법은 도 8과 같이 영상 필터링 단계를 더 포함할 수 있다.The iris recognition method according to the present invention may further include an image filtering step as shown in FIG. 8.
도 8을 참조하면, 영상 필터링 단계(S400)는 눈 영상의 깜빡임을 탐색하는 단계(S410)와, 눈 영상에서 동공위치를 탐색하는 단계(S420)와, 에지의 수직성분을 탐색하는 단계(S430)와, S410~S430 단계에서 탐색한 값에 가중치(W1,W2,W3)를 각각 곱한 결과가 미리 정한 기준값보다 큰 눈 영상을 제외시키고 나머지 눈 영상을 사용하는 단계(S440)를 포함한다.Referring to FIG. 8, the image filtering step S400 may include searching for flicker of an eye image at step S410, searching for a pupil position at an eye image at step S420, and searching for a vertical component of an edge at step S430. And a result of multiplying the searched values in steps S410 to S430 by the weights W1, W2, and W3, respectively, and excluding an eye image having a larger value than a predetermined reference value, and using the remaining eye image (S440).
이상과 같이 구성된 본 발명에서 홍채인식 시스템이 눈 영상으로부터 홍채영상을 추출하고, 웨이블렛 패킷변환을 이용하여 추출한 특징영역으로 특징벡터를 구성한 후 미리 등록된 특징벡터와 비교하여 인식하는 과정을 도 1 내지 도 8을 참조하여 자세히 설명하면 다음과 같다.In the present invention configured as described above, the iris recognition system extracts the iris image from the eye image, constructs the feature vector using the feature region extracted by the wavelet packet transformation, and compares the recognized feature vector with a previously registered feature vector. A detailed description with reference to FIG. 8 is as follows.
먼저, 홍채영상 추출수단(20)의 경계요소 검출부(12)는 외부로부터 입력된 눈 영상에 캐니 경계선 검출방법을 적용하여 경계요소를 검출한다(S110). 즉, 눈 영상에서 전경과 배경에 차이가 많이 발생하는 경계를 찾는다.First, the boundary element detection unit 12 of the iris image extraction unit 20 detects the boundary element by applying the Canny boundary line detection method to the eye image input from the outside (S110). In other words, the boundary between the foreground and the background is found in the eye image.
보다 정확하게 동공(71)과 홍채(72)의 경계요소 및 공막(74)과 홍채(72)의 경계요소를 찾아내기 위해서, 그룹화부(14)에서 검출된 경계요소를 각각의 그룹으로 묶어 그룹화한다(S120). 그리고, 홍채영상 추출부(16)는 그룹화된 경계요소에 도 2b와 같이 바이섹션법을 적용하여 홍채를 추출한다(S130).In order to more accurately find the boundary elements of the pupil 71 and the iris 72 and the boundary elements of the sclera 74 and the iris 72, the boundary elements detected by the grouping unit 14 are grouped into respective groups. (S120). The iris image extractor 16 extracts the iris by applying the bisection method to the grouped boundary elements as shown in FIG. 2B (S130).
정규화부(18)는 홍채영상 추출부(16)에서 추출된 홍채영상에 도 2c에 도시한 탄성체 모델을 적용하여 정규화시킨 후 특징벡터 추출수단(20)으로 출력한다(S140).The normalization unit 18 normalizes the iris image extracted by the iris image extraction unit 16 by applying the elastic body model shown in FIG. 2C and outputs the normalized image to the feature vector extraction unit 20 (S140).
특징벡터 추출수단(20)의 다중 분할부(22)는 홍채영상 추출수단(10)에서 추출된 홍채영상을 웨이블렛 패킷변환하여 도 3b와 같이 다중분할한다(S210). 그러면, 계산부(24)가 다중분할된 홍채영상 각 영역의 에너지값을 계산한다(S220).The multi-division unit 22 of the feature vector extracting unit 20 performs wavelet packet conversion on the iris image extracted by the iris image extracting unit 10 and multiplies it as shown in FIG. 3B (S210). Then, the calculation unit 24 calculates the energy value of each region of the multi-divided iris image (S220).
특징영역 추출부(26)는 계산부(24)에서 계산된 에너지값이 미리 정한 기준값보다 큰지를 비교한다(S230).The feature region extractor 26 compares whether the energy value calculated by the calculator 24 is greater than a predetermined reference value (S230).
에너지값이 기준값보다 크면 그 영역을 추출하여 저장하고(S235), 추출되는 영역을 미리 지정된 횟수만큼 S210 단계부터 반복한다(S240).If the energy value is greater than the reference value, the region is extracted and stored (S235), and the extracted region is repeated from step S210 a predetermined number of times (S240).
이와 같은 과정으로 에너지값이 기준값보다 큰 홍채 특징영역을 추출하여 저장하면, 특징벡터부(28)는 특징영역 추출부(26)에서 추출되어 저장된 영역을 부영역으로 분할하여 평균과 표준편차를 구한다(S250). 그리고, S250 단계에서 구한 평균과 표준편차를 이용하여 특징벡터를 구성한다(S260).When the iris feature region whose energy value is larger than the reference value is extracted and stored in this manner, the feature vector unit 28 divides the extracted region extracted from the feature region extractor 26 into subregions to obtain an average and a standard deviation. (S250). The feature vector is constructed using the mean and the standard deviation obtained in step S250 (S260).
마지막에 인식수단(30)은 특징벡터 추출수단(20)에서 추출된 특징벡터와 특징벡터 DB(40)에 등록된 특징벡터에 지지벡터 기계학습법을 적용하여 동일성 여부를 식별한다(S300).Finally, the recognition means 30 identifies the identity by applying the support vector machine learning method to the feature vector extracted by the feature vector extraction means 20 and the feature vector registered in the feature vector DB 40 (S300).
즉, 두 개의 벡터에 지지벡터 기계학습법을 적용하여 특징벡터간 거리를 계산한 후, 계산된 특징벡터간 거리가 미리 지정된 기준값보다 작으면 동일인으로 인식하는 것이다.That is, after calculating the distance between the feature vectors by applying the support vector machine learning method to the two vectors, if the calculated distance between the feature vectors is smaller than the predetermined reference value, it is recognized as the same person.
한편, 도 4a와 같이 필터링 수단(60)이 더 포함된 경우, 필터링 수단(60)은 외부로부터 입력받은 눈 영상을 필터링하여 홍채영상 추출수단(10)에 출력한다(S400).Meanwhile, when the filtering means 60 is further included as shown in FIG. 4A, the filtering means 60 filters the eye image received from the outside and outputs the filtered eye image to the iris image extracting means 10 (S400).
깜빡임 탐색부(62)는 행별로 블록들의 평균밝기 합을 계산하여 가장 밝은 값(F1)을 필터링부(68)에 출력하고(S410), 동공위치 탐색부(64)는 각 블록의 평균밝기가 미리 지정된 값보다 작은 블록(F2)을 계산하여 필터링부(68)에 출력한다(S420). 그리고, 수직성분 탐색부(66)는 눈 영상에 소벨(Sobel) 경계선 검출방법을 적용하여 홍채영역의 수직성분 값(F3)을 계산한다(S430).The blink search unit 62 calculates the average brightness sum of the blocks for each row and outputs the brightest value F1 to the filtering unit 68 (S410), and the pupil position search unit 64 displays the average brightness of each block. A block F2 smaller than a predetermined value is calculated and output to the filtering unit 68 (S420). The vertical component search unit 66 calculates the vertical component value F3 of the iris region by applying a Sobel boundary detection method to the eye image (S430).
그러면, 필터링부(68)는 깜빡임 탐색부(62)와 동공위치 탐색부(64) 및 수직성분 탐색부(66)가 탐색한 값에 가중치(W1,W2,W3)를 각각 곱하고, 곱한 결과가 미리 정한 기준값보다 큰 눈 영상을 제외시킨다(S440). 필터링부(68)는 나머지 눈 영상을 홍채영상 추출수단(10)으로 출력한다.Then, the filtering unit 68 multiplies the values searched by the blinking search unit 62, the pupil position search unit 64, and the vertical component search unit 66 by the weights W1, W2, and W3, respectively, and the multiplied result An eye image larger than a predetermined reference value is excluded (S440). The filtering unit 68 outputs the remaining eye image to the iris image extraction unit 10.
이상의 본 발명은 상기에 기술된 실시예들에 의해 한정되지 않고, 당업자들에 의해 다양한 변형 및 변경을 가져올 수 있으며, 이는 첨부된 청구항에서 정의되는 본 발명의 취지와 범위에 포함된다.The present invention is not limited to the embodiments described above, and various modifications and changes can be made by those skilled in the art, which are included in the spirit and scope of the present invention as defined in the appended claims.
이상에서 살펴본 바와 같이 본 발명은, 캐니 경계선 검출방법, 바이섹션(Bisection)법 및 탄성체 모델을 이용하여 정보의 손실없이 홍채영상을 추출할 수 있다.As described above, according to the present invention, an iris image can be extracted without loss of information by using a Canny boundary detection method, a bisection method, and an elastic body model.
그리고, 동공의 움직임이나 홍채영역의 회전 및 위치 변경, 카메라의 명암차로 홍채영상이 찌그러지는 등의 잡영에 의한 영향을 최소화 할 수 있고, 홍채검출의 정확성을 향상시킬 수 있다.In addition, it is possible to minimize the effects of miscellaneous effects such as movement of the pupil, rotation and position of the iris region, distortion of the iris image due to contrast between the cameras, and improved accuracy of iris detection.
따라서, 눈 영상 입력시 사용자의 위치와 거리에 영향을 받지 않고 영상획득이 가능하므로 사용자의 편의성을 극대화 할 수 있다.Therefore, it is possible to maximize the user's convenience because the image can be acquired without being influenced by the position and distance of the user when inputting the eye image.
또, 웨이블렛 패킷변환을 이용하여 홍채영상의 저주파와 고주파 대역에서도 효과적으로 특징영역을 추출하여 특징벡터를 구성할 수 있다. 특히, 종래에 비해 축소된 크기를 가지면서도 보다 많은 특징을 포함하는 특징벡터를 구성할 수 있으므로, 특징벡터의 크기를 효과적으로 줄일 수 있다.In addition, by using wavelet packet transformation, a feature vector may be constructed by effectively extracting feature regions even in a low frequency and a high frequency band of an iris image. In particular, since it is possible to configure a feature vector including more features while having a reduced size as compared with the related art, the size of the feature vector can be effectively reduced.
또, 지지벡터 기계학습을 분류규칙으로 이용하여 단순하고 큰 값에 영향을 받지 않는 특징벡터로 정규화할 수 있고, 동일인과 타인간의 변별력을 극대화시킬 수 있다. 따라서, 처리성능이나 처리시간의 관점에서 효율적으로 인식할 수 있는 기술을 제공한다. In addition, by using the support vector machine learning as a classification rule, it can be normalized to feature vectors that are not affected by simple and large values, and can maximize the discriminating ability between the same person and others. Therefore, the present invention provides a technique that can be efficiently recognized in view of processing performance and processing time.
그리고, 홍채패턴 정보의 분석 이외에 다양한 패턴인식 분야의 문제에도 유연성 있게 적용할 수 있는 기반을 제공한다.In addition to the analysis of iris pattern information, it provides a foundation that can be flexibly applied to problems in various pattern recognition fields.
또, 입력된 눈 영상에 깜빡임이 있는 경우, 사용자의 움직임으로 인해 동공 중심이 영상의 중앙에서 크게 벗어나 홍채 영역의 일부가 사라진 경우, 눈꺼풀에 의하여 생기는 그림자의 영향으로 홍채영상이 불분명하게 나타나는 경우, 또는 잡영이 심하게 들어간 경우의 영상을 사전에 실시간 처리로 제외시킴으로써 처리의 효율성과 인식률을 향상시킬 수 있는 등의 이점이 있다.In addition, when there is a flicker on the input eye image, when the pupil center is greatly removed from the center of the image due to the user's movement, and a part of the iris area disappears, when the iris image is unclear due to the shadow caused by the eyelid Alternatively, by removing the image of the case in which the miscellaneous image is badly entered in advance in real time processing, there is an advantage of improving the efficiency and recognition rate of the processing.
도 1a는 본 발명에 따른 웨이블렛 패킷변환을 이용한 홍채인식 시스템의 일실시예를 도시한 블록 구성도.Figure 1a is a block diagram showing an embodiment of an iris recognition system using wavelet packet conversion according to the present invention.
도 1b는 등록수단이 더 포함된 홍채인식 시스템의 블록 구성도.Figure 1b is a block diagram of an iris recognition system further comprising a registration means.
도 2a는 홍채영상 추출수단의 일실시예를 도시한 블록 구성도.Figure 2a is a block diagram showing an embodiment of the iris image extraction means.
도 2b는 바이섹션법을 적용하여 홍채를 추출하는 방법을 설명하기 위한 도면.Figure 2b is a view for explaining a method of extracting the iris by applying the bisection method.
도 2c는 홍채영상에 적용하는 탄성체 모델을 도시한 도면.Figure 2c is a diagram showing an elastic body model applied to the iris image.
도 3a는 특징벡터 추출수단의 일실시예를 도시한 블록 구성도.3A is a block diagram showing an embodiment of the feature vector extracting means.
도 3b는 홍채 특징영역을 설명하기 위한 도면.3B illustrates an iris feature region.
도 4a는 필터링 수단이 더 포함된 홍채인식 시스템의 실시예를 나타낸 블록 구성도Figure 4a is a block diagram showing an embodiment of an iris recognition system further comprising a filtering means
도 4b는 필터링 수단의 일실시예를 나타낸 블록 구성도.Figure 4b is a block diagram showing an embodiment of the filtering means.
도 5는 본 발명에 따른 웨이블렛 패킷변환을 이용한 홍채인식 방법의 일실시예를 도시한 흐름도.5 is a flowchart illustrating an embodiment of an iris recognition method using wavelet packet conversion according to the present invention.
도 6은 홍채영상 추출단계를 상세히 나타낸 흐름도.6 is a flow chart showing in detail the iris image extraction step.
도 7은 특징벡터 추출단계를 상세히 나타낸 흐름도.7 is a flowchart illustrating a feature vector extraction step in detail.
도 8은 영상 필터링 단계를 도시한 흐름도.8 is a flowchart illustrating an image filtering step.
<도면의 주요부분에 대한 부호의 설명><Description of the symbols for the main parts of the drawings>
10 : 홍채영상 추출수단 20 : 특징벡터 추출수단10: iris image extraction means 20: feature vector extraction means
30 : 인식수단 40 : 특징벡터 DB30: recognition means 40: feature vector DB
50 : 등록수단 60 : 필터링 수단50: registration means 60: filtering means
Claims (46)
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR10-2002-0076361A KR100476406B1 (en) | 2002-12-03 | 2002-12-03 | Iris identification system and method using wavelet packet transformation, and storage media having program thereof |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR10-2002-0076361A KR100476406B1 (en) | 2002-12-03 | 2002-12-03 | Iris identification system and method using wavelet packet transformation, and storage media having program thereof |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| KR20040048520A KR20040048520A (en) | 2004-06-10 |
| KR100476406B1 true KR100476406B1 (en) | 2005-03-17 |
Family
ID=37343267
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| KR10-2002-0076361A KR100476406B1 (en) | 2002-12-03 | 2002-12-03 | Iris identification system and method using wavelet packet transformation, and storage media having program thereof |
Country Status (1)
| Country | Link |
|---|---|
| KR (1) | KR100476406B1 (en) |
Families Citing this family (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR20060111812A (en) * | 2005-04-25 | 2006-10-30 | 자바정보기술 주식회사 | Iris cognition method using comparison area embossed peculiar characteristic of iris pattern |
| KR20160042562A (en) | 2014-10-10 | 2016-04-20 | 현대자동차주식회사 | Apparatus and Method for Recognizing of Iris |
| KR102369412B1 (en) * | 2017-02-02 | 2022-03-03 | 삼성전자주식회사 | Device and method to recognize iris |
Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US5291560A (en) * | 1991-07-15 | 1994-03-01 | Iri Scan Incorporated | Biometric personal identification system based on iris analysis |
| KR20020065249A (en) * | 2001-02-06 | 2002-08-13 | 이승재 | Human Iris Verification Using Similarity between Feature Vectors |
| KR20020071330A (en) * | 2001-03-06 | 2002-09-12 | 에버미디어 주식회사 | Non-contact type human iris recognition method by correction of rotated iris image |
| KR20020071329A (en) * | 2001-03-06 | 2002-09-12 | 에버미디어 주식회사 | Method of recognizing human iris using daubechies wavelet transform |
| KR20030046007A (en) * | 2001-12-03 | 2003-06-12 | 이일병 | Iris image processing and recognizing method for personal identification |
-
2002
- 2002-12-03 KR KR10-2002-0076361A patent/KR100476406B1/en not_active IP Right Cessation
Patent Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US5291560A (en) * | 1991-07-15 | 1994-03-01 | Iri Scan Incorporated | Biometric personal identification system based on iris analysis |
| KR20020065249A (en) * | 2001-02-06 | 2002-08-13 | 이승재 | Human Iris Verification Using Similarity between Feature Vectors |
| KR20020071330A (en) * | 2001-03-06 | 2002-09-12 | 에버미디어 주식회사 | Non-contact type human iris recognition method by correction of rotated iris image |
| KR20020071329A (en) * | 2001-03-06 | 2002-09-12 | 에버미디어 주식회사 | Method of recognizing human iris using daubechies wavelet transform |
| KR20030046007A (en) * | 2001-12-03 | 2003-06-12 | 이일병 | Iris image processing and recognizing method for personal identification |
Non-Patent Citations (1)
| Title |
|---|
| Paper 1999.7. * |
Also Published As
| Publication number | Publication date |
|---|---|
| KR20040048520A (en) | 2004-06-10 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| KR100453943B1 (en) | Iris image processing recognizing method and system for personal identification | |
| KR100724932B1 (en) | apparatus and method for extracting human face in a image | |
| US20060147094A1 (en) | Pupil detection method and shape descriptor extraction method for a iris recognition, iris feature extraction apparatus and method, and iris recognition system and method using its | |
| US7460693B2 (en) | Method and apparatus for the automatic detection of facial features | |
| US7317816B2 (en) | Enabling content-based search of objects in an image database with reduced matching | |
| US7092554B2 (en) | Method for detecting eye and mouth positions in a digital image | |
| KR20080025610A (en) | Iris recognition method and apparatus for thereof | |
| KR20090087895A (en) | Method and apparatus for extraction and matching of biometric detail | |
| Rouhi et al. | A review on feature extraction techniques in face recognition | |
| CN109190456B (en) | Multi-feature fusion overlook pedestrian detection method based on aggregated channel features and gray level co-occurrence matrix | |
| Ling et al. | Image quality assessment for free viewpoint video based on mid-level contours feature | |
| CN109815823B (en) | Data processing method and related product | |
| CN110443181A (en) | Face identification method and device | |
| CN111209873A (en) | High-precision face key point positioning method and system based on deep learning | |
| WO2023124278A1 (en) | Image processing model training method and apparatus, and image classification method and apparatus | |
| Jayaraman et al. | An efficient color and texture based iris image retrieval technique | |
| Le et al. | Document retrieval based on logo spotting using key-point matching | |
| CN110909612A (en) | Gait recognition method and system based on deep neural network and machine vision | |
| CN111126102A (en) | Personnel searching method and device and image processing equipment | |
| KR100476406B1 (en) | Iris identification system and method using wavelet packet transformation, and storage media having program thereof | |
| Kamboj et al. | CG-ERNet: a lightweight Curvature Gabor filtering based ear recognition network for data scarce scenario | |
| Puhan et al. | Robust eyeball segmentation in noisy iris images using fourier spectral density | |
| US8655080B2 (en) | Method and apparatus for identifying combinations of matching regions in images | |
| Liu et al. | Robust face recognition by sparse local features from a single image under occlusion | |
| Campadelli et al. | A color based method for face detection |
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 | ||
| N231 | Notification of change of applicant | ||
| LAPS | Lapse due to unpaid annual fee |