KR100734837B1 - 다중 생체 인식 시스템 및 그 방법 - Google Patents

다중 생체 인식 시스템 및 그 방법 Download PDF

Info

Publication number
KR100734837B1
KR100734837B1 KR1020050087027A KR20050087027A KR100734837B1 KR 100734837 B1 KR100734837 B1 KR 100734837B1 KR 1020050087027 A KR1020050087027 A KR 1020050087027A KR 20050087027 A KR20050087027 A KR 20050087027A KR 100734837 B1 KR100734837 B1 KR 100734837B1
Authority
KR
South Korea
Prior art keywords
comparison
biometric information
comparison value
vector
value
Prior art date
Application number
KR1020050087027A
Other languages
English (en)
Other versions
KR20070032117A (ko
Inventor
이용진
안도성
최우용
문기영
정교일
손승원
Original Assignee
한국전자통신연구원
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by 한국전자통신연구원 filed Critical 한국전자통신연구원
Priority to KR1020050087027A priority Critical patent/KR100734837B1/ko
Priority to US11/521,862 priority patent/US20070071286A1/en
Publication of KR20070032117A publication Critical patent/KR20070032117A/ko
Application granted granted Critical
Publication of KR100734837B1 publication Critical patent/KR100734837B1/ko

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
    • G06V40/70—Multimodal biometrics, e.g. combining information from different biometric modalities
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/25—Fusion techniques
    • G06F18/254—Fusion techniques of classification results, e.g. of results related to same input data
    • G06F18/256—Fusion techniques of classification results, e.g. of results related to same input data of results relating to different input data, e.g. multimodal recognition

Abstract

다중 생체 인식 시스템 및 그 방법이 개시된다. 본 발명에 따른 다중 생체 인식 시스템은 단일 비교값 생성부가 서로 다른 조합의 생체정보를 가진 후보자의 비교값 벡터와 상대적 비교가 가능하도록 단일화된 비교값을 생성하므로, 데이터베이스에 등록된 후보자들의 생체정보의 종류와 개수가 일치 하지 않더라도 다중 생체인식이 가능하다.

Description

다중 생체 인식 시스템 및 그 방법{System for multimodel biometric identification and method thereof}
도 1은 본 발명에 따른 다중 생체 인식 시스템의 일실시예를 개략적으로 나타내는 블록도이다.
도 2는 본 발명에 따른 다중 생체 인식 방법의 일실시예를 나타내는 흐름도이다.
도 3은 도 1의 제1단일 비교값 생성기(162)의 제1실시예를 개략적으로 나타내는 블록도이다.
도 4는 도 1의 제2단일 비교값 생성기(164)의 제1실시예를 개략적으로 나타내는 블록도이다.
도 5는 도 1의 제5단일 비교값 생성기(170)의 제1실시예를 개략적으로 나타내는 블록도이다.
도 6은 도 1의 제1단일 비교값 생성기(162)의 제2실시예를 개략적으로 나타내는 블록도이다.
도 7는 도 1의 제2단일 비교값 생성기(164)의 제2실시예를 개략적으로 나타내는 블록도이다.
도 8은 도 1의 제5단일 비교값 생성기(170)의 제2실시예를 개략적으로 나타 내는 블록도이다.
도 9는 도 1의 제1단일 비교값 생성기(162)의 제3실시예를 개략적으로 나타내는 블록도이다.
도 10은 도 1의 제2단일 비교값 생성기(164)의 제3실시예를 개략적으로 나타내는 블록도이다.
도 11은 도 1의 제5단일 비교값 생성기(170)의 제3실시예를 개략적으로 나타내는 블록도이다.
도 12는 도 1의 제1단일 비교값 생성기(162)의 제4실시예를 개략적으로 나타내는 블록도이다.
도 13은 도 1의 제2단일 비교값 생성기(164)의 제4실시예를 개략적으로 나타내는 블록도이다.
도 14는 도 1의 제5단일 비교값 생성기(170)의 제4실시예를 개략적으로 나타내는 블록도이다.
본 발명은 복수개의 단일 생체 인식 시스템의 비교값을 이용하는 다중 생체인식 시스템에 관한 것으로, 특히, 데이터베이스에 등록된 후보자 사이의 생체정보의 개수와 종류가 동일하지 않은 경우에도 다중 생체 정보 인식이 가능한 다중 생체 인식 시스템 및 그 방법에 관한 것이다.
이하, 설명을 명확히 하기 위해 '사용자'와 '후보자'의 의미를 다음과 같이 정의한다.
사용자: 데이터베이스에 등록된 후보자의 생체정보와 비교를 통해 신원을 확인 하고자 하는 사람.
후보자: 데이터 베이스에 생체정보가 등록되어 있고 신원이 알려져 있는 사람. 잠재적인 사용자.
생체 인식 시스템은 사용자의 생체 정보를 이용하여 신원을 확인하는 시스템으로써, 보다 구체적으로 그 방법에 있어서는 크게 인증(verification)과 인식(identification)으로 나눌 수 있다.
인증은 사용자가 본인임을 확인 받는 것으로 일대일(1:1) 비교를 통해 신원을 확인하는 방법인 반면에, 인식은 데이터베이스(Database)에 등록된 여러 후보자의 생체인식 데이터와의 일대다수(1:다수) 비교를 통해 가장 유사한 사람을 찾아 사용자의 신원을 확인하는 방법이다. 즉, 인증은 예/아니오(yes/no) 형태의 이진 클래스(binary class, two class) 결과값을 생성한다. 반면에, 인식은 후보자 사이에서 사용자일 가능성 정도를 나타내는 값을 계산하고, 이 값을 이용하여 가장 유력한 순으로 후보자를 나열한 목록을 최종 결과물로 생성한다.
한편, 생체 인식에서 사용되는 특징으로는 얼굴, 지문, 정맥 및 홍채 등과 같은 신체적 특징과 서명, 걸음걸이 및 음성과 같은 행동학적 특징이 있다. 단일 생체인식은 사용자의 이러한 생체 특징 중에서 하나만을 이용하는 방법이다. 하지만, 얼굴 인식의 경우는 조명 변화에 민감하며, 지문의 경우는 땀이나 물기가 스캐 너에 배어 있으면 오인식율이 크게 높아지는 등 사용하는 신체 특징에 따라 여러 장단점이 있어 어느 특정한 방법이 완벽하다고 할 수 없다. 특히, 하나의 생체 특징으로 표현할 수 있는 경우의 수, 즉 생체 특징의 표현 자유도에 제한이 있기 때문에, 필연적으로 많은 사용자가 등록되는 생체인식 시스템의 경우 하나의 생체 특징만으로는 높은 성능과 신뢰도를 지닌 시스템을 구현하기가 어렵게 된다. 따라서 다양한 생체특징을 이용하여 사용자 인식을 수행함으로써 생체인식 시스템의 성능 및 신뢰성을 높일 수 있다.
종래의 다중 생체 인식 시스템은 사용자와 후보자의 생체 정보를 비교하여 생체정보 비교값 벡터를 생성하고, 생성된 비교값 벡터에 대한 이진 분류기(binary classifier)의 판별 결과값을 기준으로 후보자 목록을 만든다. 하지만 판별 결과값의 크기를 이용하여 후보자 목록을 만들기 위해서는, 후보자 마다 사용되는 생체정보의 종류와 개수가 동일해야 한다는 문제점이 있다.
그런, 다중 생체 인식 방법의 경우, 후보자에 따라 다중 생체인식 시스템 설계 시 고려하였던 생체정보들 중에, 특정 조합의 생체정보만 등록될 가능성이 충분히 발생할 수 있다. 예컨대, 얼굴/지문/정맥 정보를 이용하여 다중 생체인식 시스템을 구축하였다고 하자. 하지만, 사고 또는 등록시의 주변 상황에 따라 지문 정보를 입력하지 못한 후보자가 발생할 수도 있다. 좀 더 구체적인 예로, 3명의 후보자의 생체정보가 데이터베이스에 다음과 같이 등록된 상황을 가정할 수 있다.
(1)첫번째 후보자: 얼굴/지문/정맥 정보 모두 등록됨.
(2)두 번째 후보자: 얼굴/지문 정보만 등록됨.
(3)세 번째 후보자: 정맥 정보만 등록됨.
이러한 경우, 신원을 확인 받고자 하는 사용자와 첫번째 후보자 사이에서는 얼굴/지문/정맥 정보를 비교할 수 있고, 3개의 생체정보 비교값을 생성할 수 있다. 그리고 사용자와 두 번째 후보자 사이에서는 얼굴/지문 정보만을 비교할 수 있고, 2개의 생체 비교값을 생성할 수 있다. 그리고, 사용자와 세 번째 후보자 사이에서는 정맥 정보만을 비교할 수 있고, 1개의 생체정보 비교값만을 생성할 수 있다.
결국, 후보자 마다 생성된 생체정보 비교값들의 종류와 개수가 다르기 때문에, 각 후보자가 사용자인지를 판별하기 위해서는 각각의 생체정보 비교값 조합에 맞는 이진 분류기가 필요하다. 구체적으로, 얼굴/지문/정맥의 생체정보 비교값 벡터로 훈련된 제1이진 분류기, 얼굴/지문의 생체정보 비교값 벡터로 훈련된 제2이진 분류기 및 정맥의 생체정보 비교값 벡터로 훈련된 제3이진 분류기가 필요하다. 따라서, 첫번째 후보자가 신원을 확인 하고자 하는 사용자일 가능성은 제1이진 분류기의 판별 결과값을 이용하고, 두 번째 후보자가 사용자일 가능성은 제2이진분류기의 판별 결과값을 이용하고, 세 번째 후보자가 사용자일 가능성은 제3이진분류기의 판별 결과값을 이용하면 된다. 그러나, 서로 다른 조합의 생체정보에 대한 이진분류기의 판별 결과값을 서로 비교하는 것은 합리적이지 못하다. 이진 분류기의 판별 결과값은 판별 경계선(decision boundary)에서 생체정보 비교값 벡터까지의 거리인데, 첫 번째, 두 번째, 세 번째 사용자에 대한 판별 결과값은 서로 다른 종류의 벡터로부터 생성된 거리이기 때문이다. 즉, 이진 분류기의 판별 결과값은 동일한 조합의 생체정보가 등록된 후보자 사이에서, 사용자일 가능성을 비교할 때 상대적인 크기에 의미가 있지, 그 값 자체에 절대적 의미가 있는 것은 아니기 때문이다.
결국, 종래의 다중 생체 인식 시스템으로는 데이터베이스에 등록된 후보자 사이의 생체정보의 개수와 종류가 동일하지 않은 경우 다중 생체 정보 인식이 어렵다는 문제가 있다.
본 발명이 이루고자 하는 기술적 과제는, 데이터베이스에 등록된 후보자 사이의 생체정보의 개수와 종류가 동일하지 않은 경우에도 다중 생체 정보 인식이 가능한 다중 생체 인식 시스템 및 그 방법을 제공하는 데 있다.
본 발명이 이루고자 하는 다른 기술적 과제는, 상기 다중 생체 인식 방법을 컴퓨터에서 판독 가능한 프로그램 코드로 기록된 기록매체를 제공하는 데 있다.
상기 기술적 과제를 이루기 위해, 신원 확인을 요청하는 사용자의 다중 생체 정보를 인식하는 본 발명에 따른 다중 생체 인식 시스템은 상기 사용자의 다중 생체 정보와 이미 등록된 후보자들의 다중 생체 정보를 각각의 단일 생체 정보별로 비교하여 단일 생체 정보별로, 등록된 후보자의 단일 생체 정보 비교값을 생성하는 생체 인식부, 등록된 후보자의 단일 생체 정보 비교값을 후보자별로 모아 비교값 벡터를 생성하고, 생성된 비교값 벡터를 비교값 벡터 생성에 이용된 단일 생체 정보의 조합에 따라 분류하는 비교값 벡터 생성 및 조합 분류부, 비교값 벡터 생성 및 조합 분류부에 의해 제공되는 비교값 벡터를, 서로 다른 조합의 단일 생체 정보를 가지는 후보자들 사이에서 사용자일 가능성을 상대적으로 비교할 수 있게 후보 자별로 단일화된 비교값으로 변환하는 단일 비교값 생성부 및 전체 후보자에 대한 상기 단일 비교값을 이용하여 다중 생체 인식에 의하여 신원 요청 확인을 한 사용자일 가능성이 높은 후보자의 리스트를 소정의 방식으로 나열한 후보자 목록을 생성하는 인식 목록 생성부를 포함하는 것을 특징으로 한다.
상기 기술적 과제를 이루기 위해, 본 발명에 따른 다수개의 단일 생체인식 시스템을 이용하여 신원확인을 요청하는 사용자의 다중 생체 정보를 인식하는 방법은, 다수개의 단일 생체 인식 시스템 각각에서 사용자의 다중 생체 정보와 기 등록된 후보자들의 생체 정보를 비교하여 등록된 후보자의 단일 생체 정보 비교값을 생성하는 (a)단계, 상기 단일 생체 정보 비교값을 통해 후보자별로 비교값 벡터를 생성하는 (b)단계, 상기 비교값 벡터를 상기 비교값 벡터 생성에 이용된 단일 생체 정보의 조합에 따라 분류하는 (c)단계, 상기 (c)단계에서 단일 생체 정보의 조합에 따라 분류되어 제공되는 후보자의 비교값 벡터를 서로 다른 조합의 단일 생체 정보를 갖는 후보자의 비교값 벡터들과 상대적으로 비교할 수 있도록 단일화된 비교값으로 변환하는 (d)단계 및 전체 후보자들 각각에 대한 상기 단일 비교값을 이용하여, 사용자일 가능성이 높은 후보자의 리스트를 소정의 방식으로 나열한 후보자 목록을 생성하는 (e)단계를 포함하는 것을 특징으로 한다.
이하, 본 발명에 따른 다중 생체 인식 시스템 및 그 방법을 첨부한 도면들을 참조하여 다음과 같이 설명한다.
도 1은 본 발명에 따른 다중 생체 인식 시스템의 일실시예를 개략적으로 나타내는 블록도이다. 도 1에 도시된 실시예는 3개의 단일 생체 정보를 이용하여 생 체 인식을 하는 다중 생체 인식 시스템으로, 생체인식 시스템(100), 정규화부(120), 비교값 벡터 생성 및 조합 분류부(140), 단일 비교값 생성부(160) 및 인식 목록 생성부(180)로 구성된다.
생체인식 시스템(100)은 신원 확인을 요청하는 사용자의 다중 생체 정보와 이미 등록된 후보자들의 다중 생체 정보를 각각의 단일 생체 정보별로 비교하고, 등록된 후보자별로 단일 생체 정보 비교값을 생성한다. 구체적으로, 단일 생체 인식 시스템(100)은 제1단일 생체 인식 시스템(102), 제2단일 생체 인식 시스템(104) 및 제3단일 생체 인식 시스템(106)으로 구성되며, 신원 확인을 요청하는 사용자의 단일 생체 정보 각각은 대응하는 제1단일 생체 인식 시스템(102), 제2단일 생체 인식 시스템(104) 및 제3단일 생체 인식 시스템(106)으로 입력된다. 예컨대, 도 1에 도시된 다중 생체 인식 시스템이 사용자의 얼굴,지문 및 정맥 정보를 이용하여 생체 인식을 하는 시스템이라면, 제1단일 생체 인식 시스템(102)은 얼굴 정보를 인식하고, 제2단일 생체 인식 시스템(104)은 지문 정보를 인식하고, 제3단일 생체 인식 시스템(106)은 정맥 정보를 인식하는 것으로 설정할 수 있다. 이 경우, 사용자의 얼굴 정보는 제1단일 생체 인식 시스템(102)으로, 사용자의 지문 정보는 제2단일 생체 인식 시스템(104)으로, 사용자의 정맥 정보는 제3단일 생체 인식 시스템(106)으로 각각 입력된다.
먼저, 제1단일 생체 인식 시스템(102)은 신원을 확인하고자 하는 사용자의 제1생체 정보와 제1단일 생체 인식 시스템(102)에 이미 등록된 후보자들(n명) 각각에 대하여 제1생체 정보를 비교하여 등록된 후보자별로 제1생체 정보 비교값을 생 성한다. 제1단일 생체 인식 시스템(102)에서 생성되는 제1생체 정보 비교값은 [s1,1, s2,1,...., sn,1]으로 나타난다. 여기에서, sn,1은 신원을 확인하고자 하는 사용자의 제1생체 정보와 제1단일 생체 인식 시스템(102)에 등록된 n번째 후보자의 제1생체 정보를 상호 비교하여 생성된 생체정보 비교값이다. 만약, 제1생체 정보가 등록되지 않은 후보자의 경우, 해당 생체 정보가 등록되지 안았음을 나타내도록 생체정보 비교값은 널(null)값을 가지도록 한다.
마찬가지로, 제2단일 생체 인식 시스템(104)에서는 신원 확인 요청하는 사용자의 제2생체 정보와 제2단일 생체 인식 시스템(104)에 이미 등록된 사용자들(n명) 각각에 대한 제2생체 정보를 비교하여 등록된 후보자별로 제2생체 정보 비교값을 생성한다. 제2단일 생체 인식 시스템(104)에서 생성되는 제2생체 정보 비교값은 [s1,2, s2,2,...., sn,2]으로 나타난다. 여기에서, sn,2은 신원 확인을 요청하는 사용자의 제2생체 정보와 제2단일 생체 인식 시스템(104)에 등록된 n번째 후보자의 제2생체 정보를 상호 비교하여 생성된 생체 정보 비교값이다. 만약, 제2생체 정보가 등록되지 않은 후보자의 경우, 해당 생체 정보가 등록되지 안았음을 나타내도록 생체정보 비교값은 널(null)값을 가지도록 한다.
또한, 제3단일 생체 인식 시스템(106)에서는 신원 확인 요청하는 사용자의 제3생체 정보와 제3단일 생체 인식 시스템(106)에 이미 등록된 후보자들(n명) 각각에 대한 제3생체 정보를 비교하여 등록된 후보자별로 제3생체 정보 비교값을 생성한다. 제3단일 생체 인식 시스템(106)에서 생성되는 제3생체 정보 비교값은 [s1,3, s2,3,...., sn,3]으로 나타난다. 여기에서, sn,3은 신원 확인을 요청하는 사용자의 제3생체 정보와 제3단일 생체 인식 시스템(106)에 등록된 n번째 후보자의 제3생체 정보를 상호 비교하여 생성된 생체 정보 비교값이다. 만약, 제3생체 정보가 등록되지 않은 후보자의 경우, 해당 생체 정보가 등록되지 안았음을 나타내도록 생체 정보 비교값은 널(null)값을 가지도록 한다.
계속해서, 정규화부(120)는 단일 생체 인식 시스템(100)으로부터 입력되는 제1 내지 제3생체 정보 비교값들을 공통된 범위와 단위값을 가지도록 정규화한다. 이와 같이 정규화부(120)를 통하여 정규화를 수행하는 이유는 제1 내지 제3단일 생체 인식 시스템(102~106) 중 일부는 생체 정보 비교값을 유사도 형태로 나타나고, 일부는 생체 정보 비교값을 비유사도 형태로 나타낼 수 있으므로, 이를 어느 하나로 통일시키기 위함이다. 또한, 각각의 단일 생체 인식 시스템(102~106)의 생체 정보 비교값이 서로 다른 범위의 값을 가지는 경우 이를 공통된 범위의 값으로 통일시키기 위함이다. 여기서, 공통된 범위의 값이란 사용자가 보다 인식하기 편한 범위인 0 에서 1 또는 0 에서 100과 같이 나타내는 범위의 값을 말하며, 이는 단일 비교값 생성부(160)에서 확률분포 추정과 이진분류기의 학습을 용이하게 하고 인식 성능을 높이기 위해 다양한 범위의 값이 사용될 수 있다.
비교값 벡터 생성 및 조합 분류부(140)는 후보자별로 생성된 제1 내지 제3생체 정보 비교값을 모아 비교값 벡터를 만든다. 이때 특정 생체 정보가 등록되지 않아 생체 정보 비교값 중 널(null)값을 가지는 부분은 삭제하여 비교값 벡터를 만든다. 예를 들어, 첫번째 후보자가 제1 내지 제3생체 정보 모두 등록되어 있다면, 첫 번째 후보자에 대한 비교값 벡터는 [s1,1, s1,2, s1,3] 형태로 생성된다. 그리고, 두 번째 후보자가 제1 및 제3생체 정보만 등록되어 있고, 제2생체 정보는 등록되어 있지 않다면, 두 번째 후보자에 대한 비교값 벡터는 [s2,1, s2,3] 형태로 생성된다. 또한, 세 번째 후보자는 제3생체 정보만 등록되어 있다면, 세 번째 후보자에 대한 비교값 벡터는 [s3,3] 형태의 비교값 벡터가 생성된다. 비교값 벡터 생성 및 조합 분류부(140)는 이처럼 생성된 비교값 벡터에 사용된 생체 정보의 조합, 즉 생체 정보의 종류와 개수에 따라 분류하여 단일 비교값 생성부(160)로 제공한다.
단일 비교값 생성부(160)는 서로 다른 조합의 생체 정보를 가지는 후보자들 사이에서 신원을 확인하고자 하는 사용자일 가능성을 상대적으로 비교할 수 있도록 후보자별로 단일화된 비교값 [f1, f2, ... fn]을 생성한다. 여기서, f1은 첫 번째 후보자에 대한 단일 비교값이고, f2는 두 번째 후보자에 대한 단일 비교값이고, fn은 n 번째 후보자에 대한 단일 비교값을 각각 나타낸다. 구체적으로, 단일 비교값 생성부(160)는 인식 대상인 생체 정보의 조합에 상응하는 개수의 단일 비교값 생성기들(162~174)로 구성되며, 각각의 단일 비교값 생성기(162~174)는 비교값 벡터 생성 및 조합 분류부(140)에서 분류되어 제공되는 비교값 벡터를 이용하여 다른 조합의 생체 정보를 이용하여 생성된 비교값 벡터와 상대적 비교가 가능한 단일화된 비교값을 생성한다.
구체적으로, 제1단일 비교값 생성기(162)는 제1 내지 제3생체 정보로 이루어진 후보자의 비교값 벡터를 비교값 벡터 생성 및 조합 분류부(140)로부터 제공받아 다른 조합의 생체 정보로부터 생성된 후보자의 비교값 벡터와 상대적 비교가 가능하도록 단일화된 비교값을 생성한다. 제2단일 비교값 생성기(164)는 제1 및 제2생체 정보로 이루어진 후보자의 비교값 벡터를 비교값 벡터 생성 및 조합 분류부(140)로부터 제공받아 다른 조합의 생체 정보로부터 생성된 후보자의 비교값 벡터와 상대적 비교가 가능하도록 단일화된 비교값을 생성한다.
제3단일 비교값 생성기(166)는 제1 및 제3생체 정보로 이루어진 후보자의 비교값 벡터를 비교값 벡터 생성 및 조합 분류부(140)로부터 제공받아 다른 조합의 생체 정보로부터 생성된 후보자의 비교값 벡터와 상대적 비교가 가능하도록 단일화된 비교값을 생성한다. 제4단일 비교값 생성기(168)는 제2 및 제3생체 정보로 이루어진 후보자의 비교값 벡터를 비교값 벡터 생성 및 조합 분류부(140)로부터 제공받아 다른 조합의 생체 정보로부터 생성된 후보자의 비교값 벡터와 상대적 비교가 가능하도록 단일화된 비교값을 생성한다. 제5단일 비교값 생성기(170)는 제1생체 정보로 이루어진 후보자의 비교값 벡터를 비교값 벡터 생성 및 조합 분류부(140)로부터 제공받아 다른 조합의 생체 정보로부터 생성된 후보자의 비교값 벡터와 상대적 비교가 가능하도록 단일화된 비교값을 생성한다.
제6단일 비교값 생성기(172)는 제2생체 정보로 이루어진 후보자의 비교값 벡터를 비교값 벡터 생성 및 조합 분류부(140)로부터 제공받아 다른 조합의 생체 정보로부터 생성된 후보자의 비교값 벡터와 상대적 비교가 가능하도록 단일화된 비교 값을 생성한다. 마지막으로, 제7단일 비교값 생성기(174)는 제3생체 정보로 이루어진 후보자의 비교값 벡터를 비교값 벡터 생성 및 조합 분류부(140)로부터 제공받아 다른 조합의 생체 정보로부터 생성된 후보자의 비교값 벡터와 상대적 비교가 가능하도록 단일화된 비교값을 생성한다. 한편, 제1 내지 제7단일 비교값 생성기들(162~174) 각각에서 단일 비교값을 생성하는 방법은 다음의 4가지 방법이 있을 수 있다.
(1)비교값 벡터의 사후 확률(posterior probability)을 이용한 방법.
(2)비교값 벡터의 클래스 조건부 확률(class-conditional probability)에 대한 로그 교차적비(log odds ratio)를 이용한 방법.
(3)비교값 벡터에 대한 이진분류기의 판별값과 판별값의 사후 확률(posterior probability)를 이용한 방법.
(4)비교값 벡터에 대한 이진분류기의 판별값과 판별값의 클래스 조건부 확률(class-conditional probability)에 대한 로그 교차적비(log odds ratio)를 이용한 방법.
이들 방법을 이용하여 단일 비교값을 생성하는 방법에 대해서는 도 3 내지 도 14를 참조하여 상세하게 설명될 것이다.
계속해서, 인식 목록 생성부(180)는 단일 비교값 생성부(160)에서 생성된 전체 후보자에 대한 단일 비교값 [f1, f2, ... fn]을 이용하여 다중 생체 인식에 의하여 신원 요청 확인을 한 사용자일 가능성이 높은 순서 또는 낮은 순서로 인식 목록을 생성한다.
도 1에서는 본 발명을 보다 쉽게 설명하기 위하여 단일 생체 인식부(102~106)의 개수가 3개인 것으로 한정하여 나타내었으나, 본 발명은 사용된 생체정보의 종류와 개수에 한정되지 않는다. 또한, 동일한 하나의 생체에 대해서도 서로 다른 인식 방법을 사용하여 다수개의 단일 생체 인식부를 구성하여 이용할 수도 있다.
도 2는 본 발명에 따른 다중 생체 인식 방법의 일실시예를 나타내는 흐름도이다.
도 1 및 도 2를 참조하여, 생체 인식 시스템(100)은 신원확인을 요청하는 사용자의 다중 생체 정보와 기 등록된 후보자들의 생체 정보를 비교하여 등록된 후보자별로 단일 생체 정보 비교값을 생성한다(제600단계).
제600단계 후에, 정규화부(120)는 단일 생체 인식 시스템(100)으로부터 입력되는 단일 생체 정보 비교값들을 공통된 범위와 단위값을 가지도록 정규화한다(제610단계).
제610단계 후에, 비교값 벡터 생성 및 조합 분류부(140)는 후보자별로 생성된 단일 생체 정보 비교값을 모아 비교값 벡터를 생성하고(제620단계), 생성된 비교값 벡터를 사용된 생체 정보의 조합, 즉 생체 정보의 종류와 개수에 따라 분류한다(제630단계).
제630단계 후에, 단일 비교값 생성부(160)는 비교값 벡터 생성 및 조합 분류부(140)로부터 분류되어 제공되는 비교값 벡터를, 서로 다른 조합의 생체 정보를 가지는 후보자들 사이에서 신원을 확인하고자 하는 사용자일 가능성을 상대적으로 비교할 수 있도록, 후보자별로 단일화된 비교값 [f1, f2, ... fn]으로 변환한다(제640단계).
제640단계 후에, 인식 목록 생성부(180)는 단일 비교값 생성부(160)에서 생성된 전체 후보자에 대한 단일 비교값 [f1, f2, ... fn]을 이용하여 다중 생체 인식에 의하여 신원 요청 확인을 한 사용자일 가능성이 높은 순서 또는 낮은 순서로 인식 목록을 생성한다(제650단계).
이상에서 설명된 바와 같이, 단일 비교값 생성부(160)는 서로 다른 조합의 생체정보를 가진 후보자의 비교값 벡터와 상대적 비교가 가능하도록 단일화된 비교값을 생성하므로, 데이터베이스에 등록된 후보자들의 생체정보의 종류와 개수가 일치 하지 않더라도 다중 생체 인식이 가능하다.
도 3 내지 도 5는 도 1의 제1, 제2 및 제5단일 비교값 생성기(162, 164, 170)의 일실시예를 각각 나타내는 블록도로서, 비교값 벡터 입력부(200, 200', 200"), 클래스 조건부 확률(class-conditional probability) 계산부(220, 220', 220"), 사후 확률(posterior probability) 계산부(240, 240', 240")를 포함하여 구성된다. 도 3 내지 도 5를 참조하여, 비교값 벡터의 사후 확률(posterior probability)를 이용하여 단일 비교값을 생성하는 방법을 설명한다.
먼저, 도 3을 참조하여, 비교값 벡터 입력부(200)는 비교값 벡터 생성부 및 조합 분류부(140)로부터 제1 내지 제3생체 정보가 등록된 a 번째 후보자의 비교값 벡터 [sa,1, sa,2, sa,3]를 입력한다.
클래스 조건부 확률(class-conditional probability) 계산부(220)는 클래스 조건부 확률(class-conditional probability)
Figure 112007002706422-pat00001
(222)와 클래스 조건부 확률(class-conditional probability)
Figure 112007002706422-pat00002
(224)의 값을 계산한다. 여기서,
Figure 112007002706422-pat00003
는 같은 사람의 제1, 2, 3 생체 정보를 비교하여 생성된 비교값 벡터의 분포에 대한 확률 값이고,
Figure 112007002706422-pat00004
는 서로 다른 사람의 제 1, 2, 3 생체정보를 비교하여 생성된 비교값 벡터의 분포에 대한 확률 값이다. 또한, G는 같은 사람의 생체 정보를 비교하여 발생한 비교값 벡터들의 클래스(class)를 나타내고, I는 서로 다른 사람의 생체 정보를 비교하여 발생한 비교값 벡터들의 클래스(class)를 나타낸다. 한편,
Figure 112007002706422-pat00005
와
Figure 112007002706422-pat00006
의 값을 계산하기 위해서는 동일인의 제1 내지 제3생체 정보를 비교하였을 때 발생한 비교값 벡터의 확률 분포
Figure 112007002706422-pat00007
와 서로 다른 사람의 제1 내지 제3 생체 정보를 비교하였을 때 발생한 비교값 벡터의 확률 분포
Figure 112007002706422-pat00008
를 추정(estimation)해야 한다. 이 두 가지 분포는 본인 생체 정보를 비교하여 생성된 제 1 내지 제3생체 비교값 벡터와 서로 다른 사람의 제1 내지 제3생체 정보를 비교해 생성된 비교값 벡터를 이용하여 추정할 수 있다. 추정 방법으로는 크게 파라메트릭(Parametric), 세미 파라메트릭(Semi-parametric), 비파라메트릭(Non-parametric) 방법이 있으며, 이에 대한 자세한 방법은 'Neural Networks for Pattern Recognition, Christopher M. Bishop, Oxford'을 참고한다.
사후 확률(posterior probability) 계산부(240)는 클래스 조건부 확률(class-conditional probability) 계산부(120)에서 계산된 클래스 조건부 확률(class-conditional probability)
Figure 112007002706422-pat00009
및
Figure 112007002706422-pat00010
와, 사전 확률(prior probability)
Figure 112007002706422-pat00011
및
Figure 112007002706422-pat00012
를 이용하여, 입력된 비교값 벡터가 동일인의 생체정보를 비교하여 생성되었을 확률
Figure 112007002706422-pat00013
을 계산하고, 계산된 결과를 비교값 벡터 [sa,1, sa,2, sa,3] 즉, a 번째 후보자에 대한 단일 비교값
Figure 112007002706422-pat00014
로서 제공한다. 여기서, 사전 확률(prior probability)
Figure 112007002706422-pat00015
와
Figure 112007002706422-pat00016
는 비교값 벡터로부터 직접 추정되는 값이 아니라, 시스템 설계자가 경험적 지식 또는 사전 지식으로 미리 설정하여야 하는 값이다.
Figure 112007002706422-pat00017
는 다음 수학식 1을 통해 구해질 수 있다.
Figure 112005052067852-pat00018
또한, 도 4를 참조하여, 비교값 벡터 입력부(200')는 비교값 벡터 생성 및 조합 분류부(140)로부터 제1 및 제2생체 정보가 등록된 b 번째 후보자의 비교값 벡터 [sb,1, sb,2]를 입력한다.
클래스 조건부 확률(class-conditional probability) 계산부(220)는 클래스 조건부 확률(class-conditional probability)
Figure 112007002706422-pat00019
(222')와 클래스 조건부 확률(class-conditional probability)
Figure 112007002706422-pat00020
(224')의 값을 계산한다. 여기서,
Figure 112007002706422-pat00021
는 같은 사람의 제1 및 제2생체 정보를 비교하여 생성된 비교값 벡터의 분포에 대한 확률 값이고,
Figure 112007002706422-pat00022
는 서로 다른 사람의 제1 및 제2생체정보를 비교하여 생성된 비교값 벡터의 분포에 대한 확률 값이다. 한편,
Figure 112007002706422-pat00023
와
Figure 112007002706422-pat00024
의 값을 계산하기 위해서는 동일인의 제1 및 제2생체 정보를 비교하였을 때 발생한 비교값 벡터의 확률 분포
Figure 112007002706422-pat00025
와 서로 다른 사람의 제1 및 제2생체 정보를 비교하였을 때 발생한 비교값 벡터의 확률 분포
Figure 112007002706422-pat00026
를 추정(estimation)해야 하며, 추정 방법은 도 3을 참조하여 설명한 바와 같다.
사후 확률(posterior probability) 계산부(240')는 클래스 조건부 확률(class-conditional probability) 계산부(120')에서는 계산된 클래스 조건부 확률(class-conditional probability)와, 사전 확률(prior probability)
Figure 112007002706422-pat00027
및
Figure 112007002706422-pat00028
를 이용하여, 입력된 비교값 벡터가 동일인의 생체정보를 비교하여 생성되었을 확률
Figure 112007002706422-pat00029
을 계산하고, 계산된 결과를 비교값 벡터 [sb,1, sb,2] 즉, b 번째 후보자에 대한 단일 비교값
Figure 112007002706422-pat00030
로서 제공한다.
Figure 112007002706422-pat00031
는 다음 수학식 2를 통해 구해질 수 있다.
Figure 112005052067852-pat00032
계속해서, 도 5를 참조하여 비교값 벡터 입력부(200")는 비교값 벡터 생성 및 조합 분류부(140)로부터 제1생체 정보가 등록된 c 번째 후보자의 비교값 벡터 [sc,1]를 입력한다.
클래스 조건부 확률(class-conditional probability) 계산부(220")는 클래스 조건부 확률(class-conditional probability)
Figure 112007002706422-pat00033
(222")와 클래스 조건부 확률(class-conditional probability)
Figure 112007002706422-pat00034
(224")의 값을 계산한다. 여기서,
Figure 112007002706422-pat00035
는 같은 사람의 제1생체 정보를 비교하여 생성된 비교값 벡터의 분포에 대한 확률 값이고,
Figure 112007002706422-pat00036
는 서로 다른 사람의 제1생체정보를 비교하여 생성된 비교 값 벡터의 분포에 대한 확률 값이다. 한편,
Figure 112007002706422-pat00037
와
Figure 112007002706422-pat00038
의 값을 계산하기 위해서는 동일인의 제1생체 정보를 비교하였을 때 발생한 비교값 벡터의 확률 분포
Figure 112007002706422-pat00039
와 서로 다른 사람의 제1 및 제3 생체 정보를 비교하였을 때 발생한 비교값 벡터의 확률 분포
Figure 112007002706422-pat00040
를 추정(estimation)해야 하며, 추정 방법은 도 3을 참조하여 설명한 바와 같다.
사후 확률(posterior probability) 계산부(240")는 클래스 조건부 확률(class-conditional probability) 계산부(120')에서는 계산된 클래스 조건부 확률(class-conditional probability)와, 사전 확률(prior probability)
Figure 112007002706422-pat00041
및
Figure 112007002706422-pat00042
를 이용하여, 입력된 비교값 벡터가 동일인의 생체정보를 비교하여 생성되었을 확률
Figure 112007002706422-pat00043
을 계산하고, 계산된 결과를 비교값 벡터 [sc,1] 즉, c 번째 후보자에 대한 단일 비교값
Figure 112007002706422-pat00044
로서 제공한다.
Figure 112007002706422-pat00045
는 다음 수학식 3을 통해 구해질 수 있다.
Figure 112005052067852-pat00046
한편, 여기서 설명되지 않은 나머지 단일 비교값 생성기들은 도 4 및 도 5를 참조하여 설명된 단일 비교값 생성기와 동일한 동작을 하므로 여기서는 그 상세한 설명을 생략한다.
도 6 내지 도 8은 도 1의 제1, 제2 및 제5단일 비교값 생성기(162, 164, 170)의 다른 일실시예를 각각 나타내는 블록도로서, 비교값 벡터 입력부(300, 300', 300"), 클래스 조건부 확률(class-conditional probability) 계산부(320, 320', 320"), 로그 교차적비(log odds ratio) 계산부(340, 340', 340")를 포함하여 구성된다. 도 5 내지 도 7을 참조하여, 비교값 벡터의 클래스 조건부 확률(class-conditional probability)에 대한 로그 교차적비(log odds ratio)를 이용하여 단일 비교값을 생성하는 방법을 설명한다. 한편, 도 6 내지 도 8에서의 비교값 벡터 입력부(300, 300', 300") 및 클래스 조건부 확률(class-conditional probability) 계산부(320, 320', 320")는 도 3 내지 도 5에서 설명된 비교값 벡터 입력부(200, 200', 200") 및 클래스 조건부 확률(class-conditional probability) 계산부(220, 220', 220")와 동일한 동작을 하므로 여기서는 그 설명을 생략하고, 로그 교차적비(log odds ratio) 계산부(340, 340', 340")의 동작에 대해 상세히 설명한다.
먼저, 도 6은 도 1의 제1단일 비교값 생성기(162)의 다른 실시예를 개략적으로 나타내는 블록도이다. 도 6을 참조하여, 로그 교차적비(log odds ratio) 계산부(340)는 클래스 조건부 확률(class-conditional probability) 계산부(320)에서 계산된 클래스 조건부 확률(class-conditional probability)
Figure 112007002706422-pat00047
와 클래스 조건부 확률(class-conditional probability)
Figure 112007002706422-pat00048
를 이용하여 사후 확률(posterior probability)
Figure 112007002706422-pat00049
에 대한 로그 교차적비(log odds ratio)를 계산하고, 계산된 결과를 비교값 벡터 [sa,1, sa,2, sa,3] 즉, a 번째 후보자에 대한 단일 비교값
Figure 112007002706422-pat00050
로서 제공한다. a 번째 후보자에 대한 단일 비교값
Figure 112007002706422-pat00051
를 구하는 과정을 수학식 4 내지 7을 참조하여 설명한다. 먼저,
Figure 112007002706422-pat00052
에 대한 로그 교차적비(log odds ratio)는 다음 수학식 4와 같이 정의된다.
Figure 112005052067852-pat00053
수학식 4에서 정의된 로그 교차적비(log odds ratio)는 사후 확률(posterior probability)
Figure 112007002706422-pat00054
에 대한 단조 증가 함수이기 때문에, 사후 확률(posterior probability) 대신 로그 교차적비(log odds ratio)를 사용하더라도 값의 크기에 대한 상대적 순위의 변화는 없다. 즉, 사후 확률(posterior probability)대신 사후 확률(posterior probability)의 로그 교차적비(log odds ratio)를 사용하더라도 후보자 목록의 후보자 순위에는 변화가 없다.
Figure 112007002706422-pat00055
에 대한 로그 교차적비(log odds ratio)는 다음 수학식 5와 같이 클래스 조건부 확률(class-conditional probability)과 사전 확률(prior probability)의 로그 교차적비(log odds ratio)의 합으로 나타낼 수 있다.
Figure 112005052067852-pat00056
Figure 112005052067852-pat00057
여기서,
Figure 112007002706422-pat00058
는 모든 비교값 벡터에 대해 동일한 상수값(constant)으로 후보자 목록을 생성하는데 영향을 주지 못한다. 즉, 사후 확률(posterior probability)
Figure 112007002706422-pat00059
와 이에 대한 로그 교차적비(log odds ratio)는 다음 수학식 6과 같은 비례 관계가 성립된다.
Figure 112005052067852-pat00060
Figure 112005052067852-pat00061
따라서, a 번째 후보자에 대한 단일 비교값
Figure 112005052067852-pat00062
는 다음 수학식 7에 의해 계산될 수 있다.
Figure 112005052067852-pat00063
한편, 도면 3 내지 도 5를 참조하여 설명된 바와 같이, 사후 확률(posterior probability)을 이용하여 단일 비교값을 생성하는 경우, 사전 확률(prior probability)
Figure 112007002706422-pat00064
및
Figure 112007002706422-pat00065
를 추정해야 하며, 이는 비교값 벡터로부터 추정되는 값이 아니라 시스템 설계자의 경험적 지식으로 설정 해야 되는 값이다. 그러나, 도 6을 참조하여 설명된 바와 같이 사후 확률(posterior probability) 대신 클래스 조건부 확률(class-conditional probability)에 대한 로그 교차적비(log odds ratio)를 단일 비교값으로 이용할 경우, 사전 확률(prior probability)
Figure 112007002706422-pat00066
및
Figure 112007002706422-pat00067
를 별도로 시스템 설계자가 추정하지 않아도 동일한 결과를 얻을 수 있다는 장점이 있다.
도 7은 도 1의 제2단일 비교값 생성기(164)의 다른 실시예를 개략적으로 나타내는 블록도이다. 도 7을 참조하여, 로그 교차적비(log odds ratio) 계산부(340')는 클래스 조건부 확률(class-conditional probability) 계산부(320')에서 계산된 클래스 조건부 확률(class-conditional probability)
Figure 112007002706422-pat00068
와 클래스 조건부 확률(class-conditional probability)
Figure 112007002706422-pat00069
를 이용하여 사후 확률(posterior probability)
Figure 112007002706422-pat00070
에 대한 로그 교차적비(log odds ratio)를 계산하고, 계산된 결과를 비교값 벡터 [sb,1, sb,2] 즉, b 번째 후보자에 대한 단일 비교값
Figure 112007002706422-pat00071
로서 제공한다. b 번째 후보자에 대한 단일 비교값
Figure 112007002706422-pat00072
를 구하는 과정은 도 6의 설명을 참조하며, 결과적으로
Figure 112007002706422-pat00073
는 다음 수학식 8과 같이 구해진다.
Figure 112005052067852-pat00074
도 8은 도 1의 제5단일 비교값 생성기(170)의 다른 실시예를 개략적으로 나타내는 블록도이다. 도 8을 참조하여, 로그 교차적비(log odds ratio) 계산부(340")는 클래스 조건부 확률(class-conditional probability) 계산부(320")에서 계산된 클래스 조건부 확률(class-conditional probability)
Figure 112007002706422-pat00075
와 클래스 조건부 확률(class-conditional probability)
Figure 112007002706422-pat00076
를 이용하여 사후 확률(posterior probability)
Figure 112007002706422-pat00077
에 대한 로그 교차적비(log odds ratio)를 계산하고, 계산된 결과를 비교값 벡터 [sc,1] 즉, c 번째 후보자에 대한 단일 비교값
Figure 112007002706422-pat00078
로서 제공한다. c 번째 후보자에 대한 단일 비교값
Figure 112007002706422-pat00079
를 구하는 과정은 도 6의 설명을 참조하며, 결과적으로
Figure 112007002706422-pat00080
는 다음 수학식 9과 같이 구해진다.
Figure 112005052067852-pat00081
한편, 여기서 설명되지 않은 나머지 단일 비교값 생성기들은 도 7 및 도 8을 참조하여 설명된 단일 비교값 생성기와 동일한 동작을 하므로 여기서는 그 상세한 설명을 생략한다.
도 9 내지 도 11은 도 1의 제1, 제2 및 제5단일 비교값 생성기(162, 164, 170)의 제3실시예를 각각 나타내는 블록도로서, 비교값 벡터 입력부(400, 400', 400"), 생체 정보 비교값 이진 분류부(420, 420', 420"), 클래스 조건부 확률(class-conditional probability) 계산부(440, 440', 440") 및 사후 확률(posterior probability) 계산부(460, 460', 460")를 포함하여 구성된다. 도 9 내지 도 11을 참조하여, 비교값 벡터에 대한 이진 분류기의 판별값과 판별값의 사후 확률(posterior probability)를 이용하여 단일 비교값을 생성하는 방법을 설명한다.
먼저, 도 9는 도 1의 제1단일 비교값 생성기(162)의 제3실시예를 개략적으로 나타내는 블록도이다. 도 9를 참조하여, 비교값 벡터 입력부(400)는 비교값 벡터 생성부 및 조합 분류부(140)로부터 제1 내지 제3생체 정보가 등록된 a 번째 후보자의 비교값 벡터 [sa,1, sa,2, sa,3]를 입력한다.
생체 정보 비교값 이진 분류부(420)는 제1 내지 제3생체정보를 비교하여 생성된 비교값 벡터 중, 같은 사람의 생체정보를 비교해서 생성된 비교값 벡터인지 서로 다른 사람의 생체정보를 비교하여 생성된 비교값 벡터인지 판별하고, 판별 결 과
Figure 112005052067852-pat00082
를 출력한다. 다중 생체 인식을 위한 이진 분류부의 동작은 기 출원된 발명(출원번호: 10-2005-0024054, 다중 생체인식 방법 및 그 시스템)을 참고한다.
클래스 조건부 확률(class-conditional probability) 계산부(440)는 생체 정보 비교값 이진 분류부(420)에서 제공되는 판별값
Figure 112007002706422-pat00083
에 대한 클래스 조건부 확률(class-conditional probability)
Figure 112007002706422-pat00084
(442)와 클래스 조건부 확률(class-conditional probability)
Figure 112007002706422-pat00085
(442)의 값을 계산하다.
사후 확률(posterior probability) 계산부(460)는 다음 수학식 10을 이용하여 판별값
Figure 112007002706422-pat00086
가 같은 사람의 생체정보를 비교하여 생성되었을 확률인 사후 확률(posterior probability)
Figure 112007002706422-pat00087
를 계산하고, 계산된 결과를 비교값 벡터 [sa,1, sa,2, sa,3] 즉, a 번째 후보자에 대한 단일 비교값
Figure 112007002706422-pat00088
로서 제공한다.
Figure 112005052067852-pat00089
이처럼, 이진 분류기의 판별값을 이용하는 이유는 다차원 데이터에 대해 확률분포를 추정하는 것보다 이진 분류기를 학습하는 것이 더 쉽기 때문이다. 그리고, 일반적으로 분류(classification) 성능 측면에서, 확률 분포 추정을 통한 분류보다 이진 분류기를 이용하는 것이 더 우수하기 때문이다. 앞서 설명한 바와 같이 이진 분류기를 이용한 경우, 이진 분류기의 판별 출력값인 1차원 데이터에 대해서 확률 분포를 추정하기 때문에 보다 쉽게 장치를 구성할 수 있다.
도 10은 도 1의 제2단일 비교값 생성기(164)의 제3실시예를 개략적으로 나타 내는 블록도이다. 도 10 참조하여, 비교값 벡터 입력부(400')는 비교값 벡터 생성부 및 조합 분류부(140)로부터 제1 및 제2생체 정보가 등록된 b 번째 후보자의 비교값 벡터 [sb,1, sb,2]를 입력한다.
생체 정보 비교값 이진 분류부(420')는 제1 및 제2생체 정보를 비교하여 생성된 비교값 벡터 중, 같은 사람의 생체정보를 비교해서 생성된 비교값 벡터인지 서로 다른 사람의 생체정보를 비교하여 생성된 비교값 벡터인지 판별하고, 판별 결과
Figure 112005052067852-pat00090
를 출력한다.
클래스 조건부 확률(class-conditional probability) 계산부(440')는 생체 정보 비교값 이진 분류부(420')에서 제공되는 판별값
Figure 112007002706422-pat00091
에 대한 클래스 조건부 확률(class-conditional probability)
Figure 112007002706422-pat00092
(442')와 클래스 조건부 확률(class-conditional probability)
Figure 112007002706422-pat00093
(442')의 값을 계산하다.
사후 확률(posterior probability) 계산부(460')는 다음 수학식 11을 이용하여 판별값
Figure 112007002706422-pat00094
가 같은 사람의 생체정보를 비교하여 생성되었을 확률인 사후 확률(posterior probability)
Figure 112007002706422-pat00095
를 계산하고, 계산된 결과를 비교값 벡터 [sb,1, sb,2] 즉, b 번째 후보자에 대한 단일 비교값
Figure 112007002706422-pat00096
로서 제공한다.
Figure 112005052067852-pat00097
계속해서, 도 11은 도 1의 제5단일 비교값 생성기(170)의 제3실시예를 개략 적으로 나타내는 블록도이다. 도 11을 참조하여, 비교값 벡터 입력부(400")는 비교값 벡터 생성부 및 조합 분류부(140)로부터 제1생체 정보가 등록된 c 번째 후보자의 비교값 벡터 [sc,1]를 입력한다.
생체 정보 비교값 이진 분류부(420")는 제1생체 정보를 비교하여 생성된 비교값 벡터 중, 같은 사람의 생체정보를 비교해서 생성된 비교값 벡터인지 서로 다른 사람의 생체정보를 비교하여 생성된 비교값 벡터인지 판별하고, 판별 결과
Figure 112005052067852-pat00098
를 출력한다.
클래스 조건부 확률(class-conditional probability) 계산부(440")는 생체 정보 비교값 이진 분류부(420")에서 제공되는 판별값
Figure 112007002706422-pat00099
에 대한 클래스 조건부 확률(class-conditional probability)
Figure 112007002706422-pat00100
(442")와 클래스 조건부 확률(class-conditional probability)
Figure 112007002706422-pat00101
(442")의 값을 계산하다.
사후 확률(posterior probability) 계산부(460")는 다음 수학식 12를 이용하여 판별값
Figure 112007002706422-pat00102
가 같은 사람의 생체정보를 비교하여 생성되었을 확률인 사후 확률(posterior probability)
Figure 112007002706422-pat00103
를 계산하고, 계산된 결과를 비교값 벡터 [sc,1] 즉, b 번째 후보자에 대한 단일 비교값
Figure 112007002706422-pat00104
로서 제공한다.
Figure 112005052067852-pat00105
한편, 여기서 설명되지 않은 나머지 단일 비교값 생성기들은 도 9 및 도 10 을 참조하여 설명된 단일 비교값 생성기와 동일한 동작을 하므로 여기서는 그 상세한 설명을 생략한다.
도 12 내지 도 14는 도 1의 제1, 제2 및 제5단일 비교값 생성기(162, 164, 170)의 제4실시예를 각각 나타내는 블록도로서, 비교값 벡터 입력부(500, 500', 500"), 생체 정보 비교값 이진 분류부(520, 520', 520"), 클래스 조건부 확률(class-conditional probability) 계산부(540, 540', 540") 및 사후 확률(posterior probability) 계산부(560, 560',560")를 포함하여 구성된다. 도 11 내지 도 13을 참조하여, 비교값 벡터에 대한 이진 분류기의 판별값과 판별값의 클래스 조건부 확률(class-conditional probability)에 대한 로그 교차적비(log odds ratio)를 이용하여 단일 비교값을 생성하는 방법을 설명한다. 한편, 도 12 내지 도 14에서의 비교값 벡터 입력부(500, 500', 500"), 생체 정보 비교값 이진 분류부(520, 520', 520") 및 클래스 조건부 확률(class-conditional probability) 계산부(540, 540', 540")는 도 9 내지 도 11에서 설명된 비교값 벡터 입력부(400, 400', 400"), 생체 정보 비교값 이진 분류부(420, 420', 420"), 클래스 조건부 확률(class-conditional probability) 계산부(440, 440', 440")와 동일한 동작을 하므로 여기서는 그 설명을 생략하고, 로그 교차적비(log odds ratio) 계산부(560, 560', 560")의 동작에 대해 상세히 설명한다.
먼저, 도 12는 도 1의 제1단일 비교값 생성기(162)의 제4실시예를 개략적으로 나타내는 블록도이다. 도 12를 참조하여, 로그 교차적비(log odds ratio) 계산부(560)는 클래스 조건부 확률(class-conditional probability) 계산부(540)에서 계산된 클래스 조건부 확률(class-conditional probability)
Figure 112007002706422-pat00106
(542)와 클래스 조건부 확률(class-conditional probability)
Figure 112007002706422-pat00107
(544)의 값을 이용하여 사후 확률(posterior probability)
Figure 112007002706422-pat00108
에 대한 로그 교차적비(log odds ratio)를 계산하고, 계산된 결과를 비교값 벡터 [sa,1, sa,2, sa,3] 즉, a 번째 후보자에 대한 단일 비교값
Figure 112007002706422-pat00109
로서 제공한다. a 번째 후보자에 대한 단일 비교값
Figure 112007002706422-pat00110
를 구하는 과정은 도 6을 참조하여 설명된 것과 동일한 맥락에서 설명될 수 있으며, 결과적으로 다음 수학식 13과 같은 관계가 성립될 수 있다.
Figure 112005052067852-pat00111
따라서, a 번째 후보자에 대한 단일 비교값
Figure 112005052067852-pat00112
는 수학식 14에 의해 다음과 같이 계산될 수 있다.
Figure 112005052067852-pat00113
또한, 도 13은 도 1의 제2단일 비교값 생성기(164)의 제4실시예를 개략적으로 나타내는 블록도이다. 도 13을 참조하여, 로그 교차적비(log odds ratio) 계산부(560')는 클래스 조건부 확률(class-conditional probability) 계산부(540')에서 계산된 클래스 조건부 확률(class-conditional probability)
Figure 112007002706422-pat00114
(542')와 클래스 조건부 확률(class-conditional probability)
Figure 112007002706422-pat00115
(544')의 값을 이용하여 사후 확률(posterior probability)
Figure 112007002706422-pat00116
에 대한 로그 교차적비(log odds ratio)를 계산하고, 계산된 결과를 비교값 벡터 [sb,1, sb,2] 즉, b 번째 후보자에 대한 단일 비교값
Figure 112007002706422-pat00117
로서 제공한다. b 번째 후보자에 대한 단일 비교값
Figure 112007002706422-pat00118
를 구하는 과정은 도 5를 참조하여 설명된 것과 동일한 맥락에서 설명될 수 있으며, 결과적으로 b 번째 후보자에 대한 단일 비교값
Figure 112007002706422-pat00119
는 다음 수학식 15과 같이 구해질 수 있다.
Figure 112005052067852-pat00120
계속해서, 도 14는 도 1의 제5단일 비교값 생성기(170)의 제4실시예를 개략적으로 나타내는 블록도이다. 도 14를 참조하여, 로그 교차적비(log odds ratio) 계산부(560")는 클래스 조건부 확률(class-conditional probability) 계산부(540")에서 계산된 클래스 조건부 확률(class-conditional probability)
Figure 112007002706422-pat00121
(542")와 클래스 조건부 확률(class-conditional probability)
Figure 112007002706422-pat00122
(544")의 값을 이용하여 사후 확률(posterior probability)
Figure 112007002706422-pat00123
에 대한 로그 교차적비(log odds ratio)를 계산하고, 계산된 결과를 비교값 벡터 [sc,1] 즉, c 번째 후보자에 대한 단일 비교값
Figure 112007002706422-pat00124
로서 제공한다. c 번째 후보자에 대한 단일 비교값
Figure 112007002706422-pat00125
를 구하는 과정은 도 6을 참조하여 설명된 것과 동일한 맥락에서 설명될 수 있으며, 결과적으로 c 번째 후보자에 대한 단일 비교값
Figure 112007002706422-pat00126
는 다음 수학식 16과 같이 구해질 수 있다.
Figure 112005052067852-pat00127
한편, 여기서 설명되지 않은 나머지 단일 비교값 생성기들은 도 10 및 도 11을 참조하여 설명된 단일 비교값 생성기와 동일한 동작을 하므로 여기서는 그 상세 한 설명을 생략한다.
이상에서 설명된 바와 같이, 본 발명에 따른 다중 생체 인식 시스템 및 그 방법은 단일 비교값 생성부(160)가 서로 다른 조합의 생체정보를 가진 후보자의 비교값 벡터와 상대적 비교가 가능하도록 단일화된 비교값을 생성하므로, 데이터베이스에 등록된 후보자들의 생체정보의 종류와 개수가 일치 하지 않더라도 다중 생체인식이 가능하다.
본 발명은 또한 컴퓨터로 읽을 수 있는 기록매체에 컴퓨터가 읽을 수 있는 코드로서 구현하는 것이 가능하다. 컴퓨터가 읽을 수 있는 기록매체는 컴퓨터 시스템에 의하여 읽혀질 수 있는 데이터가 저장되는 모든 종류의 기록장치를 포함한다. 컴퓨터가 읽을 수 있는 기록매체의 예로는 ROM, RAM, CD-ROM, 자기 테이프, 플라피디스크, 광데이터 저장장치 등이 있으며, 또한 캐리어 웨이브(예를 들어 인터넷을 통한 전송)의 형태로 구현되는 것도 포함한다. 또한 컴퓨터가 읽을 수 있는 기록매체는 네트워크로 연결된 컴퓨터 시스템에 분산되어, 분산방식으로 컴퓨터가 읽을 수 있는 코드가 저장되고 실행될 수 있다. 그리고 본 발명을 구현하기 위한 기능적인(functional) 프로그램, 코드 및 코드 세그먼트들은 본 발명이 속하는 기술분야의 프로그래머들에 의해 용이하게 추론될 수 있다.
이상에서 본 발명의 바람직한 실시 예에 대해 도시하고 설명하였으나, 본 발명은 상술한 특정의 바람직한 실시 예에 한정되지 아니하며, 청구범위에서 청구하는 본 발명의 요지를 벗어남이 없이 당해 발명이 속하는 기술분야에서 통상의 지식을 가진 자라면 누구든지 다양한 변형 실시가 가능한 것은 물론이고, 그와 같은 변 경은 청구범위 기재의 범위 내에 있게 된다.
상술한 바와 같이, 본 발명에 따른 다중 생체 인식 시스템 및 그 방법은 단일 비교값 생성부가 서로 다른 조합의 생체정보를 가진 후보자의 비교값 벡터와 상대적 비교가 가능하도록 단일화된 비교값을 생성하므로, 데이터베이스에 등록된 후보자들의 생체정보의 종류와 개수가 일치 하지 않더라도 다중 생체인식이 가능하다.

Claims (23)

  1. 신원 확인을 요청하는 사용자의 다중 생체 정보를 인식하는 다중 생체 인식 시스템에 있어서,
    상기 사용자의 다중 생체 정보와 이미 등록된 후보자들의 다중 생체 정보를 각각의 단일 생체 정보별로 비교하여 단일 생체 정보별로, 등록된 후보자의 단일 생체 정보 비교값을 생성하는 생체 인식부;
    상기 등록된 후보자의 단일 생체 정보 비교값을 후보자별로 모아 비교값 벡터를 생성하고, 생성된 비교값 벡터를 상기 비교값 벡터 생성에 이용된 단일 생체 정보의 조합에 따라 분류하는 비교값 벡터 생성 및 조합 분류부;
    상기 비교값 벡터 생성 및 조합 분류부에 의해 제공되는 비교값 벡터를, 서로 다른 조합의 단일 생체 정보를 가지는 후보자들 사이에서 상기 사용자일 가능성을 상대적으로 비교할 수 있게 후보자별로 단일화된 비교값으로 변환하는 단일 비교값 생성부; 및
    전체 후보자에 대한 상기 단일 비교값을 이용하여 다중 생체 인식에 의하여 신원 요청 확인을 한 사용자일 가능성이 높은 후보자의 리스트를 소정의 방식으로 나열한 후보자 목록을 생성하는 인식 목록 생성부를 포함하는 것을 특징으로 하는 다중 생체 인식 시스템.
  2. 제1항에 있어서,
    상기 단일 생체 정보 비교값은 상기 사용자에 대한 생체정보와 상기 후보자들에 대한 생체정보를 비교하여 상호 일치하는 정도를 수치화하여 나타내는 값인 것을 특징으로 하는 다중 생체인식 시스템.
  3. 제1항에 있어서, 상기 생체 인식부는
    상기 다중 생체 정보를 이루는 단일 생체 정보 각각을 인식하는 다수의 단일 생체 정보 인식부들을 포함하며,
    상기 단일 생체 정보 인식부들 각각은 후보자별로 단일 생체 정보 비교값을 생성하며, 해당 단일 생체 정보가 등록되지 않은 후보자는 단일 생체 정보 비교값을 널(null)값으로 표시하는 것을 특징으로 하는 다중 생체 인식 시스템.
  4. 제3항에 있어서,
    상기 비교값 벡터는 상기 생체 인식 비교값 중 널(null)값은 삭제하여 상기 후보자가 등록한 생체 정보에 대한 생체인식 비교값의 조합으로만 구성되는 것을 특징으로 하는 다중 생체 인식 시스템.
  5. 제1항에 있어서,
    상기 단일 생체인식 비교값을 정규화하는 정규화부를 더 포함하되,
    상기 비교값 벡터 생성 및 조합 분류부는 상기 정규화된 생체인식 비교값을 통하여 상기 각각의 등록된 후보자 별로 비교값 벡터를 생성하는 것을 특징으로 하 는 다중 생체 인식 시스템.
  6. 제1항에 있어서, 상기 단일 비교값 생성부는
    상기 생체 인식부의 인식 대상인 단일 생체 정보들로 생성 가능한 조합들 각각에 대응하는 단일 비교값 생성기들을 포함하며,
    상기 단일 비교값 생성기 각각은 상기 비교값 벡터 생성 및 조합 분류부로부터 상기 단일 생체 정보들의 조합별로 분류되어 제공되는 비교값 벡터를 이용하여 다른 조합의 생체 정보를 이용하여 생성된 비교값 벡터와 상대적 비교가 가능한 상기 단일 비교값을 생성하는 것을 특징으로 하는 다중 생체 인식 시스템.
  7. 제6항에 있어서, 상기 단일 비교값 생성기 각각은
    상기 비교값 벡터 생성부 및 조합 분류부로부터 적어도 하나 이상의 생체 정보가 등록된 a 번째 후보자의 비교값 벡터를 받아들이는 비교값 벡터 입력부;
    같은 사람의 다중 생체 정보를 비교하여 생성된 비교값 벡터의 분포에 대한 확률 값인 클래스 조건부 확률(class-conditional probability)
    Figure 112007002706422-pat00128
    와 서로 다른 사람의 다중 생체 정보를 비교하여 생성된 비교값 벡터의 분포에 대한 확률 값인 클래스 조건부 확률(class-conditional probability)
    Figure 112007002706422-pat00129
    을 계산하는 클래스 조건부 확률(class-conditional probability) 계산부; 및
    (여기서, G는 같은 사람의 생체 정보를 비교하여 발생한 비교값 벡터들의 클래스를 나타내고, I는 서로 다른 사람의 생체 정보를 비교하여 발생한 비교값 벡터들의 클래스를 나타낸다.)
    상기
    Figure 112007002706422-pat00130
    및 상기
    Figure 112007002706422-pat00131
    와, 사전 확률(prior probability)
    Figure 112007002706422-pat00132
    및
    Figure 112007002706422-pat00133
    를 이용하여, 입력된 비교값 벡터가 동일인의 생체정보를 비교하여 생성되었을 확률
    Figure 112007002706422-pat00134
    을 a 번째 후보자에 대한 단일 비교값
    Figure 112007002706422-pat00135
    로서 수학식
    Figure 112007002706422-pat00136
    (여기서, 상기 사전 확률(prior probability)
    Figure 112007002706422-pat00137
    와
    Figure 112007002706422-pat00138
    는 시스템 설계자가 사전 학습에 의해 미리 설정하는 값을 나타낸다.) 과 같이 계산하는 사후 확률(posterior probability) 계산부를 포함하는 것을 특징으로 하는 다중 생체 인식 시스템.
  8. 제6항에 있어서, 상기 단일 비교값 생성기 각각은
    상기 비교값 벡터 생성부 및 조합 분류부로부터 적어도 하나 이상의 생체 정보가 등록된 a 번째 후보자의 비교값 벡터를 받아들이는 비교값 벡터 입력부;
    같은 사람의 다중 생체 정보를 비교하여 생성된 비교값 벡터의 분포에 대한 확률 값
    Figure 112007002706422-pat00139
    와 서로 다른 사람의 다중 생체 정보를 비교하여 생성된 비교값 벡터의 분포에 대한 확률 값
    Figure 112007002706422-pat00140
    을 계산하는 클래스 조건부 확률(class-conditional probability) 계산부(여기서, G는 같은 사람의 생체 정보를 비교하여 발생한 비교값 벡터들의 클래스를, I는 서로 다른 사람의 생체 정보를 비교하여 발생한 비교값 벡터들의 클래스를 각각 나타냄); 및
    상기
    Figure 112007002706422-pat00141
    와 상기
    Figure 112007002706422-pat00142
    를 이용하여 구해지는 사후 확률(posterior probability)
    Figure 112007002706422-pat00143
    에 대한 로그 교차적비(log odds ratio)를 a 번째 후보자에 대한 단일 비교값
    Figure 112007002706422-pat00144
    로서 수학식
    Figure 112007002706422-pat00145
    와 같이 계산하는 로그 교차적비(log odds ratio) 계산부를 포함하는 것을 특징으로 하는 다중 생체 인식 시스템.
  9. 제6항에 있어서, 상기 단일 비교값 생성기 각각은
    상기 비교값 벡터 생성부 및 조합 분류부로부터 적어도 하나 이상의 생체 정보가 등록된 a 번째 후보자의 비교값 벡터를 받아들이는 비교값 벡터 입력부;
    a 번째 후보자의 비교값 벡터가 같은 사람의 생체정보를 비교해서 생성된 비교값 벡터인지 서로 다른 사람의 생체정보를 비교하여 생성된 비교값 벡터인지 판별하고, 판별 결과
    Figure 112007002706422-pat00146
    를 출력하는 생체 정보 비교값 이진 분류부;
    상기 생체 정보 비교값 이진 분류부에서 제공되는 판별값
    Figure 112007002706422-pat00147
    에 대한 클래스 조건부 확률(class-conditional probability)
    Figure 112007002706422-pat00148
    와 클래스 조건부 확률(class-conditional probability)
    Figure 112007002706422-pat00149
    의 값을 계산하는 클래스 조건부 확률(class-conditional probability) 계산부; 및
    (여기서, G는 같은 사람의 생체 정보를 비교하여 발생한 비교값 벡터들의 클래스를, I는 서로 다른 사람의 생체 정보를 비교하여 발생한 비교값 벡터들의 클래스를 각각 나타냄)
    상기 클래스 조건부 확률(class-conditional probability) 계산부에서 계산된
    Figure 112007002706422-pat00150
    및
    Figure 112007002706422-pat00151
    와, 사전 확률(prior probability)
    Figure 112007002706422-pat00152
    및
    Figure 112007002706422-pat00153
    를 이용하여, 상기 판별값
    Figure 112007002706422-pat00154
    가 동일인의 생체정보를 비교하여 생성되었을 확률
    Figure 112007002706422-pat00155
    을 a 번째 후보자에 대한 단일 비교값
    Figure 112007002706422-pat00156
    로서 수학식
    Figure 112007002706422-pat00157
    (여기서, 상기 사전 확률(prior probability)
    Figure 112007002706422-pat00158
    와
    Figure 112007002706422-pat00159
    는 시스템 설계자가 사전 학습에 의해 미리 설정하는 값을 나타낸다.) 과 같이 계산하는 사후 확률(posterior probability) 계산부를 포함하는 것을 특징으로 하는 다중 생체 인식 시스템.
  10. 제6항에 있어서, 상기 단일 비교값 생성기 각각은
    상기 비교값 벡터 생성부 및 조합 분류부로부터 적어도 하나 이상의 생체 정보가 등록된 a 번째 후보자의 비교값 벡터를 받아들이는 비교값 벡터 입력부;
    a 번째 후보자의 비교값 벡터가 같은 사람의 생체정보를 비교해서 생성된 비교값 벡터인지 서로 다른 사람의 생체정보를 비교하여 생성된 비교값 벡터인지 판별하고, 판별 결과
    Figure 112007002706422-pat00160
    를 출력하는 생체 정보 비교값 이진 분류부;
    상기 생체 정보 비교값 이진 분류부에서 제공되는 판별값
    Figure 112007002706422-pat00161
    에 대한 클래스 조건부 확률(class-conditional probability)
    Figure 112007002706422-pat00162
    와 클래스 조건부 확률(class-conditional probability)
    Figure 112007002706422-pat00163
    의 값을 계산하는 클래스 조건부 확률(class-conditional probability) 계산부; 및
    (여기서, G는 같은 사람의 생체 정보를 비교하여 발생한 비교값 벡터들의 클래스를, I는 서로 다른 사람의 생체 정보를 비교하여 발생한 비교값 벡터들의 클래스를 각각 나타냄)
    상기
    Figure 112007002706422-pat00164
    와 상기
    Figure 112007002706422-pat00165
    의 값을 이용하여 구해지는 사후 확률(posterior probability)
    Figure 112007002706422-pat00166
    에 대한 로그 교차적비(log odds ratio)를 a 번째 후보자에 대한 단일 비교값
    Figure 112007002706422-pat00167
    로서 수학식
    Figure 112007002706422-pat00168
    와 같이 계산하는 로그 교차적비(log odds ratio) 계산부를 포함하는 것을 특징으로 하는 다중 생체 인식 시스템.
  11. 다수개의 단일 생체인식 시스템을 이용하여 신원확인을 요청하는 사용자의 다중 생체 정보를 인식하는 방법에 있어서,
    (a)상기 다수개의 단일 생체 인식 시스템 각각은 상기 사용자의 다중 생체 정보와 기 등록된 후보자들의 생체 정보를 비교하여 등록된 후보자의 단일 생체 정보 비교값을 생성하는 단계;
    (b)상기 단일 생체 정보 비교값을 통해 후보자별로 비교값 벡터를 생성하는 단계;
    (c)상기 비교값 벡터를 상기 비교값 벡터 생성에 이용된 단일 생체 정보의 조합에 따라 분류하는 단계;
    (d)상기 (c)단계에서 단일 생체 정보의 조합에 따라 분류되어 제공되는 후보자의 비교값 벡터를 서로 다른 조합의 단일 생체 정보를 갖는 후보자의 비교값 벡 터들과 상대적으로 비교할 수 있도록 단일화된 비교값으로 변환하는 단계; 및
    (e)전체 후보자들 각각에 대한 상기 단일 비교값을 이용하여, 상기 사용자일 가능성이 높은 후보자의 리스트를 소정의 방식으로 나열한 후보자 목록을 생성하는 단계를 포함하는 것을 특징으로 하는 다중 생체 인식 방법.
  12. 제11항에 있어서,
    상기 단일 생체 정보 비교값은 상기 사용자에 대한 생체정보와 상기 후보자자들에 대한 생체정보를 비교하여 상호 일치하는 정도를 수치화하여 나타내는 값인 것을 특징으로 하는 다중 생체 인식 방법.
  13. 제11항에 있어서, 상기 단일 생체 정보 비교값은
    해당 단일 생체 정보가 등록되지 않은 후보자는 단일 생체 정보 비교값을 널(null)값으로 표시하는 것을 특징으로 하는 다중 생체 인식 방법.
  14. 제11항에 있어서,
    상기 비교값 벡터는 상기 생체 인식 비교값 중 널(null)값은 삭제하여 상기 후보자가 등록한 단일 생체 정보의 조합에 대한 생체인식 비교값만으로 구성되는 것을 특징으로 하는 다중 생체 인식 방법.
  15. 제11항에 있어서, 상기 (b)단계는
    (b-1)상기 단일 생체 인식 비교값을 정규화하는 단계; 및
    (b-2)상기 정규화된 단일 생체 인식 비교값을 상기 후보자 별로 비교값 벡터를 설정하는 단계를 포함하는 것을 특징으로 하는 다중 생체인식 방법.
  16. 제11항에 있어서, 상기 (d)단계는
    (d1_1)적어도 하나 이상의 생체 정보가 등록된 a 번째 후보자의 비교값 벡터를 받아들이는 단계;
    (d1_2)같은 사람의 다중 생체 정보를 비교하여 생성된 비교값 벡터의 분포에 대한 확률 값인 클래스 조건부 확률(class-conditional probability)
    Figure 112007002706422-pat00169
    와 서로 다른 사람의 다중 생체 정보를 비교하여 생성된 비교값 벡터의 분포에 대한 확률 값인 클래스 조건부 확률(class-conditional probability)
    Figure 112007002706422-pat00170
    을 계산하는 단계; 및
    (여기서, G는 같은 사람의 생체 정보를 비교하여 발생한 비교값 벡터들의 클래스를 나타내고, I는 서로 다른 사람의 생체 정보를 비교하여 발생한 비교값 벡터들의 클래스를 나타냄)
    (d1_3)상기
    Figure 112007002706422-pat00171
    및 상기
    Figure 112007002706422-pat00172
    와, 사전 확률(prior probability)
    Figure 112007002706422-pat00173
    및
    Figure 112007002706422-pat00174
    를 이용하여, 입력된 비교값 벡터가 동일인의 생체정보를 비교하여 생성되었을 확률
    Figure 112007002706422-pat00175
    을 a 번째 후보자에 대한 단일 비교값
    Figure 112007002706422-pat00176
    로서 수학식
    Figure 112007002706422-pat00177
    (여기서, 상기 사전 확률(prior probability)
    Figure 112007002706422-pat00178
    와
    Figure 112007002706422-pat00179
    는 시스템 설계자가 사전 학습에 의해 미리 설정하는 값을 나타낸다.)과 같이 계산하는 단계를 포함하는 것을 특징으로 하는 다중 생체 인식 방법.
  17. 제11항에 있어서, 상기 (d)단계는
    (d2_1)적어도 하나 이상의 생체 정보가 등록된 a 번째 후보자의 비교값 벡터를 받아들이는 단계;
    (d2_2)같은 사람의 다중 생체 정보를 비교하여 생성된 비교값 벡터의 분포에 대한 확률 값인 클래스 조건부 확률(class-conditional probability)
    Figure 112007002706422-pat00180
    와 서로 다른 사람의 다중 생체 정보를 비교하여 생성된 비교값 벡터의 분포에 대한 확률 값인 클래스 조건부 확률(class-conditional probability)
    Figure 112007002706422-pat00181
    을 계산하는 단계; 및
    (여기서, G는 같은 사람의 생체 정보를 비교하여 발생한 비교값 벡터들의 클래스를 나타내고, I는 서로 다른 사람의 생체 정보를 비교하여 발생한 비교값 벡터들의 클래스를 나타냄)
    (d2_3)상기
    Figure 112007002706422-pat00182
    와 상기
    Figure 112007002706422-pat00183
    를 이용하여 구해지는
    Figure 112007002706422-pat00184
    에 대한 로그 교차적비(log odds ratio)를 a 번째 후보자에 대한 단일 비교값
    Figure 112007002706422-pat00185
    로서 수학식
    Figure 112007002706422-pat00186
    와 같이 계산하는 단계를 포함하는 것을 특징으로 하는 다중 생체 인식 방법.
  18. 제17항에 있어서, (d2_3)단계는
    (d2_31) 수학식
    Figure 112007002706422-pat00187
    과 같이 정의되는
    Figure 112007002706422-pat00188
    에 대한 로그 교차적비(log odds ratio)를 수학식
    Figure 112007002706422-pat00189
    (여기서, 상기 사전 확률(prior probability)
    Figure 112007002706422-pat00190
    와
    Figure 112007002706422-pat00191
    는 시스템 설계자가 사전 학습에 의해 미리 설정하는 값을 나타낸다.) 와 같이 클래스 조건부 확률(class-conditional probability) 와 사전 확률(prior probability)의 로그 교차적비(log odds ratio)의 합으로 구하는 단계;
    (d2_32)사후 확률(posterior probability)
    Figure 112007002706422-pat00192
    와 이에 대한 로그 교차적비(log odds ratio) 사이에 수학식
    Figure 112007002706422-pat00193
    와 같은 비례 관계를 구하는 단계; 및
    (d2_33)상기 (d2_32)단계에서의 비례관계를 이용하여 상기 수학식
    Figure 112007002706422-pat00239
    와 같이 a 번째 후보자에 대한 단일 비교값
    Figure 112007002706422-pat00194
    을 구하는 단계를 포함하는 것을 특징으로 하는 다중 생체 인식 방법.
  19. 제11항에 있어서, 상기 (d)단계는
    (d3_1)적어도 하나 이상의 생체 정보가 등록된 a 번째 후보자의 비교값 벡터를 받아들이는 단계;
    (d3_2)상기 a 번째 후보자의 비교값 벡터가 같은 사람의 생체정보를 비교해서 생성된 비교값 벡터인지 서로 다른 사람의 생체정보를 비교하여 생성된 비교값 벡터인지 판별하는 단계;
    (d3_3)상기 (d3_2)단계에서의 구해진 판별값
    Figure 112007002706422-pat00195
    에 대한 클래스 조건부 확률(class-conditional probability)
    Figure 112007002706422-pat00196
    와 클래스 조건부 확률(class-conditional probability)
    Figure 112007002706422-pat00197
    의 값을 계산하는 단계; 및
    (여기서, G는 같은 사람의 생체 정보를 비교하여 발생한 비교값 벡터들의 클래스를, I는 서로 다른 사람의 생체 정보를 비교하여 발생한 비교값 벡터들의 클래스를 각각 나타낸다.)
    (d3_4)상기
    Figure 112007002706422-pat00198
    및 상기
    Figure 112007002706422-pat00199
    와, 사전 확률(prior probability)
    Figure 112007002706422-pat00200
    및
    Figure 112007002706422-pat00201
    를 이용하여, 상기 판별값
    Figure 112007002706422-pat00202
    가 동일인의 생체정보를 비교하여 생성되었을 확률
    Figure 112007002706422-pat00203
    을 a 번째 후보자에 대한 단일 비교값
    Figure 112007002706422-pat00204
    로서 수학식
    Figure 112007002706422-pat00205
    (여기서, 상기 사전 확률(prior probability)
    Figure 112007002706422-pat00206
    와
    Figure 112007002706422-pat00207
    는 시스템 설계자가 사전 학습에 의해 미리 설정하는 값을 나타낸다.)과 같이 계산하는 단계를 포함하는 것을 특징으로 하는 다중 생체 인식 방법.
  20. 제19항에 있어서, 상기 (d3_2)단계는
    (d3_21) 상기 비교값 벡터를 이진 분류기를 이용하여 본인 비교에 의한 비교값 벡터인지 타인 비교에 의한 비교값 벡터인지 검증하는 단계; 및
    (d3_22) 상기 (d3_21)단계에서의 검증을 통하여 본인 비교에 의한 비교값 벡터인지 타인 비교에 의한 비교값 벡터인지 판별값을 생성하는 단계를 포함하는 것을 특징으로 하는 다중 생체 인식 방법.
  21. 제11항에 있어서, 상기 (d)단계는
    (d4_1)적어도 하나 이상의 생체 정보가 등록된 a 번째 후보자의 비교값 벡터를 받아들이는 단계;
    (d4_2)상기 a 번째 후보자의 비교값 벡터가 같은 사람의 생체정보를 비교해서 생성된 비교값 벡터인지 서로 다른 사람의 생체정보를 비교하여 생성된 비교값 벡터인지 판별하는 단계;
    (d4_3)상기 (d4_2)단계에서의 구해진 판별값
    Figure 112007002706422-pat00208
    에 대한 클래스 조건부 확률(class-conditional probability)
    Figure 112007002706422-pat00209
    와 클래스 조건부 확률(class-conditional probability)
    Figure 112007002706422-pat00210
    의 값을 계산하는 단계; 및
    (여기서, G는 같은 사람의 생체 정보를 비교하여 발생한 비교값 벡터들의 클래스를, I는 서로 다른 사람의 생체 정보를 비교하여 발생한 비교값 벡터들의 클래스를 각각 나타낸다.)
    (d4_4)상기
    Figure 112007002706422-pat00211
    와 상기
    Figure 112007002706422-pat00212
    의 값을 이용하여 이용하여 구해지는 사후 확률(posterior probability)
    Figure 112007002706422-pat00213
    에 대한 로그 교차적비(log odds ratio)를 a 번째 후보자에 대한 단일 비교값
    Figure 112007002706422-pat00214
    로서 수학식
    Figure 112007002706422-pat00215
    와 같이 계산하는 단계를 포함하는 것을 특징으로 하는 다중 생체 인식 방법.
  22. 제21항에 있어서, 상기 (d4_2)단계는
    (d4_21) 상기 비교값 벡터를 이진 분류기를 이용하여 본인 비교에 의한 비교값 벡터인지 타인 비교에 의한 비교값 벡터인지 검증하는 단계; 및
    (d4_22) 상기 (d3_21)단계에서의 검증을 통하여 본인 비교에 의한 비교값 벡터인지 타인 비교에 의한 비교값 벡터인지 판별값을 생성하는 단계를 포함하는 것을 특징으로 하는 다중 생체 인식 방법.
  23. 제21항에 있어서, 상기 (d4_3)단계는
    (d4_31) 수학식
    Figure 112007002706422-pat00216
    과 같이 정의되는
    Figure 112007002706422-pat00217
    에 대한 로그 교차적비(log odds ratio)를 수학식
    Figure 112007002706422-pat00218
    (여기서, 상기 사전 확률(prior probability)
    Figure 112007002706422-pat00219
    와
    Figure 112007002706422-pat00220
    는 시스템 설계자가 사전 학습에 의해 미리 설정하는 값을 나타낸다.) 와 같이 클래스 조건부 확률(class-conditional probability) 와 사전 확률(prior probability)의 로그 교차적비(log odds ratio)의 합으로 구하는 단계;
    Figure 112007002706422-pat00221
    (d2_32)사후 확률(posterior probability)
    Figure 112007002706422-pat00222
    와 이에 대한 로그 교차적비(log odds ratio) 사이에 수학식
    Figure 112007002706422-pat00223
    와 같은 비례 관계를 구하는 단계; 및
    (d2_33)상기 (d2_32)단계에서의 비례관계를 이용하여 상기 수학식
    Figure 112007002706422-pat00240
    와 같이 a 번째 후보자에 대한 단일 비교값
    Figure 112007002706422-pat00224
    을 구하는 단계를 포함하는 것을 특징으로 하는 다중 생체 인식 방법.
KR1020050087027A 2005-09-16 2005-09-16 다중 생체 인식 시스템 및 그 방법 KR100734837B1 (ko)

Priority Applications (2)

Application Number Priority Date Filing Date Title
KR1020050087027A KR100734837B1 (ko) 2005-09-16 2005-09-16 다중 생체 인식 시스템 및 그 방법
US11/521,862 US20070071286A1 (en) 2005-09-16 2006-09-15 Multiple biometric identification system and method

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020050087027A KR100734837B1 (ko) 2005-09-16 2005-09-16 다중 생체 인식 시스템 및 그 방법

Publications (2)

Publication Number Publication Date
KR20070032117A KR20070032117A (ko) 2007-03-21
KR100734837B1 true KR100734837B1 (ko) 2007-07-03

Family

ID=37894003

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020050087027A KR100734837B1 (ko) 2005-09-16 2005-09-16 다중 생체 인식 시스템 및 그 방법

Country Status (2)

Country Link
US (1) US20070071286A1 (ko)
KR (1) KR100734837B1 (ko)

Families Citing this family (12)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
GB0620694D0 (en) * 2006-10-18 2006-11-29 Fingerpin Biometrics
US20090103783A1 (en) * 2007-10-19 2009-04-23 Artec Ventures System and Method for Biometric Behavior Context-Based Human Recognition
US8320638B2 (en) 2008-04-10 2012-11-27 Pitt Alan M Anonymous association system utilizing biometrics
JP5121681B2 (ja) * 2008-04-30 2013-01-16 株式会社日立製作所 生体認証システム、認証クライアント端末、及び生体認証方法
US20110211734A1 (en) * 2010-03-01 2011-09-01 Richard Jay Langley Method and system for conducting identity matching
US8989520B2 (en) * 2010-03-01 2015-03-24 Daon Holdings Limited Method and system for conducting identification matching
JP2013137590A (ja) * 2011-12-28 2013-07-11 Fujitsu Frontech Ltd 認証装置、認証プログラム、および認証方法
KR102439938B1 (ko) * 2015-08-03 2022-09-05 삼성전자주식회사 사용자 인증을 위한 멀티-모달 퓨전 방법 및 사용자 인증 방법
KR20170025083A (ko) * 2015-08-27 2017-03-08 삼성전기주식회사 지문 감지 장치 및 이를 포함하는 전자 장치
KR101950799B1 (ko) * 2018-08-09 2019-02-21 크루셜텍(주) 다중 생체 인식 장치 및 이를 포함하는 출입 시스템
CN110008931A (zh) * 2019-04-16 2019-07-12 上海应用技术大学 结合指纹与指静脉信息的混合识别方法
KR20210057401A (ko) * 2019-11-12 2021-05-21 한국전자통신연구원 다중 생체정보 기반 사용자 인증 장치 및 방법

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2000268175A (ja) * 1999-03-18 2000-09-29 Omron Corp 個人認証方法および装置
JP2004154546A (ja) * 2002-09-13 2004-06-03 Ricoh Co Ltd 画像形成装置

Family Cites Families (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US5502774A (en) * 1992-06-09 1996-03-26 International Business Machines Corporation Automatic recognition of a consistent message using multiple complimentary sources of information
US6219539B1 (en) * 1997-04-08 2001-04-17 Nortel Networks Corporation Systems and methods for implementing private wireless communications
DE10132013B4 (de) * 2001-07-03 2004-04-08 Siemens Ag Multimodale Biometrie
US7006673B2 (en) * 2001-07-25 2006-02-28 Activcard Ireland Limited Method of hash string extraction
US20030110038A1 (en) * 2001-10-16 2003-06-12 Rajeev Sharma Multi-modal gender classification using support vector machines (SVMs)
WO2003062236A1 (en) * 2002-01-22 2003-07-31 Warner-Lambert Company Llc 2-(PYRIDIN-2-YLAMINO)-PYRIDO[2,3d]PYRIMIDIN-7-ONES
MY139314A (en) * 2003-08-01 2009-09-30 Multimedia Glory Sdn Bhd Method of identifying an individual using biometrics
US7356168B2 (en) * 2004-04-23 2008-04-08 Hitachi, Ltd. Biometric verification system and method utilizing a data classifier and fusion model
WO2006135394A2 (en) * 2004-08-20 2006-12-21 The Regents Of The University Of Colorado, A Body Corporate Biometric signature and identification through the use of projective invariants

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2000268175A (ja) * 1999-03-18 2000-09-29 Omron Corp 個人認証方法および装置
JP2004154546A (ja) * 2002-09-13 2004-06-03 Ricoh Co Ltd 画像形成装置

Also Published As

Publication number Publication date
KR20070032117A (ko) 2007-03-21
US20070071286A1 (en) 2007-03-29

Similar Documents

Publication Publication Date Title
KR100734837B1 (ko) 다중 생체 인식 시스템 및 그 방법
He et al. Performance evaluation of score level fusion in multimodal biometric systems
US7747044B2 (en) Fusing multimodal biometrics with quality estimates via a bayesian belief network
US7356168B2 (en) Biometric verification system and method utilizing a data classifier and fusion model
EP2073147B1 (en) Generic biometric filter
US7287013B2 (en) Multimodal fusion decision logic system
JP5121681B2 (ja) 生体認証システム、認証クライアント端末、及び生体認証方法
Soltane et al. Face and speech based multi-modal biometric authentication
Poh et al. A user-specific and selective multimodal biometric fusion strategy by ranking subjects
Navaz et al. Face recognition using principal component analysis and neural networks
Giot et al. Fast computation of the performance evaluation of biometric systems: Application to multibiometrics
Damousis et al. Four machine learning algorithms for biometrics fusion: A comparative study
Telgad et al. Combination approach to score level fusion for Multimodal Biometric system by using face and fingerprint
Fakhar et al. Fuzzy pattern recognition-based approach to biometric score fusion problem
Gamassi et al. Quality assessment of biometric systems: a comprehensive perspective based on accuracy and performance measurement
Joshi et al. Multimodal biometrics: state of the art in fusion techniques
US20060126904A1 (en) Method for multi-model biometric identification and system thereof
Aly et al. A Multimodal Biometric Recognition system using feature fusion based on PSO
Poh et al. A methodology for separating sheep from goats for controlled enrollment and multimodal fusion
KR100651734B1 (ko) 다중 생체인식 방법 및 그 시스템
Zhao Learning user keystroke patterns for authentication
Mohammed Anzar et al. On combining multi-normalization and ancillary measures for the optimal score level fusion of fingerprint and voice biometrics
Kumar et al. Biometric based personal authentication using fuzzy binary decision tree
Gavrilova et al. Current Trends in Multimodal Biometric System—Rank Level Fusion
Nazarkevych et al. Design of biometric system and modeling of machine learning for entering the information system

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: 20130527

Year of fee payment: 7

FPAY Annual fee payment

Payment date: 20140529

Year of fee payment: 8

LAPS Lapse due to unpaid annual fee