KR100749380B1 - 암호화 생체인식시스템의 고유 생체코드 생성방법 - Google Patents

암호화 생체인식시스템의 고유 생체코드 생성방법 Download PDF

Info

Publication number
KR100749380B1
KR100749380B1 KR1020060022659A KR20060022659A KR100749380B1 KR 100749380 B1 KR100749380 B1 KR 100749380B1 KR 1020060022659 A KR1020060022659 A KR 1020060022659A KR 20060022659 A KR20060022659 A KR 20060022659A KR 100749380 B1 KR100749380 B1 KR 100749380B1
Authority
KR
South Korea
Prior art keywords
biometric
iris
unique
code
information
Prior art date
Application number
KR1020060022659A
Other languages
English (en)
Inventor
이연주
김재희
박강령
Original Assignee
연세대학교 산학협력단
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 연세대학교 산학협력단 filed Critical 연세대학교 산학협력단
Priority to KR1020060022659A priority Critical patent/KR100749380B1/ko
Application granted granted Critical
Publication of KR100749380B1 publication Critical patent/KR100749380B1/ko

Links

Images

Classifications

    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06VIMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V40/00Recognition of biometric, human-related or animal-related patterns in image or video data
    • G06V40/10Human or animal bodies, e.g. vehicle occupants or pedestrians; Body parts, e.g. hands
    • G06V40/18Eye characteristics, e.g. of the iris
    • G06V40/193Preprocessing; Feature extraction
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06FELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00Pattern recognition
    • G06F18/20Analysing
    • G06F18/21Design or setup of recognition systems or techniques; Extraction of features in feature space; Blind source separation
    • G06F18/213Feature extraction, e.g. by transforming the feature space; Summarisation; Mappings, e.g. subspace methods
    • G06F18/2134Feature extraction, e.g. by transforming the feature space; Summarisation; Mappings, e.g. subspace methods based on separation criteria, e.g. independent component analysis
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06FELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00Pattern recognition
    • G06F18/20Analysing
    • G06F18/23Clustering techniques
    • G06F18/232Non-hierarchical techniques
    • G06F18/2321Non-hierarchical techniques using statistics or function optimisation, e.g. modelling of probability density functions
    • G06F18/23213Non-hierarchical techniques using statistics or function optimisation, e.g. modelling of probability density functions with fixed number of clusters, e.g. K-means clustering
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06FELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00Pattern recognition
    • G06F18/20Analysing
    • G06F18/24Classification techniques
    • G06F18/241Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches
    • G06F18/2411Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches based on the proximity to a decision surface, e.g. support vector machines
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06VIMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00Arrangements for image or video recognition or understanding
    • G06V10/40Extraction of image or video features
    • G06V10/52Scale-space analysis, e.g. wavelet analysis
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06VIMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V40/00Recognition of biometric, human-related or animal-related patterns in image or video data
    • G06V40/10Human or animal bodies, e.g. vehicle occupants or pedestrians; Body parts, e.g. hands
    • G06V40/16Human faces, e.g. facial parts, sketches or expressions
    • G06V40/168Feature extraction; Face representation
    • G06V40/169Holistic features and representations, i.e. based on the facial image taken as a whole

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Data Mining & Analysis (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • General Physics & Mathematics (AREA)
  • General Engineering & Computer Science (AREA)
  • Health & Medical Sciences (AREA)
  • Evolutionary Computation (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Artificial Intelligence (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Evolutionary Biology (AREA)
  • Multimedia (AREA)
  • Oral & Maxillofacial Surgery (AREA)
  • General Health & Medical Sciences (AREA)
  • Human Computer Interaction (AREA)
  • Probability & Statistics with Applications (AREA)
  • Ophthalmology & Optometry (AREA)
  • Collating Specific Patterns (AREA)

Abstract

본 발명은 생체인식기술과 암호화기술을 결합한 암호화 생체인식시스템(Crypto-biometric system)에서 고유한 생체코드를 생성하는 방법을 개시한다.
본 발명의 방법은 생체정보를 입력하는 입력 단계; 상기 입력된 생체정보를 영상처리하는 전처리 단계; 상기 전처리 단계를 통해 얻은 생체정보로부터 생체 특징값을 추출하는 특징 추출 단계; 상기 특징 추출 단계를 통해 얻은 생체 특징값을 클러스터링하여 고유한 생체 코드를 생성하는 생체코드 생성 단계; 및 상기 생체코드 생성 단계에서 얻어진 생체 코드를 암호화-생체 인식 시스템에 적용하는 생체코드 적용단계를 구비한다.
따라서 본 발명에 따르면 입력환경의 변화에 민감한 생체 정보로부터 생체특징을 추출하고, 그 특징 값을 클러스터링하여 사람마다 고유한 생체코드를 생성하여 다양한 암호화 생체인식 시스템에 적용할 수 있다.
암호화, 생체코드, 생체인식, 홍채인식, 지문인식, 얼굴인식, 키

Description

암호화 생체인식시스템의 고유 생체코드 생성방법{ A method for generating invariant biometric code in Biometric Cryptosystem }
도 1은 종래의 바이오스크립트를 설명하기 위한 개략도,
도 2는 본 발명에 따라 고유한 생체코드를 생성하는 절차를 도시한 순서도,
도 3은 본 발명에 따라 고유한 홍채코드를 생성하는 절차를 도시한 순서도,
도 4는 본 발명에 따른 홍채코드를 퍼지 볼트에 적용한 예를 도시한 순서도,
도 5는 본 발명에 따라 홍채영상을 블록화하는 개념을 도시한 도면,
도 6은 본 발명에 따른 홍채코드 생성을 위한 클러스터링 개념을 도시한 도면,
도 7은 본 발명이 적용되는 암호화 생체인식시스템(퍼지 볼트)의 전체 흐름도,
도 8은 본 발명에 따라 고유한 지문코드를 생성하는 절차를 도시한 순서도,
도 9는 본 발명에 따라 고유한 얼굴코드를 생성하는 절차를 도시한 순서도.
본 발명은 생체인식기술과 암호화기술을 결합한 암호화 생체인식시스템(Crypto-biometric system)에 관한 것으로, 더욱 상세하게는 암호화 생체인식시스템에서 고유한 생체코드를 생성하는 방법에 관한 것이다.
최근 기존의 암호화 시스템이 갖는 암호화 키의 보안 및 관리 문제를 해결하기 위하여, 생체 정보와 암호화 시스템을 결합하고자 하는 연구가 활발히 진행되고 있다.
현재의 암호화 시스템은 송수신하고자 하는 정보를 암/복호하는데 있어서 높은 보안성을 갖고 있기 때문에 널리 사용되고 있으나, 사용자가 암호화 키를 관리하거나 기억해야 하는 불편한 점이 있으며, 허가 받지 않은 타인에 의해 암호화 키가 공유되거나 유출될 수 있다는 문제점이 있다.
그러나 이러한 암호화 키를 미리 저장하여 사용하는 것이 아니라, 허가 받은 사용자의 생체 정보로부터 동적으로 생성하는 경우 암호화 키 보관 문제를 해결할 수 있다. 따라서 암호화 시스템과 생체인식시스템이 결합되어 만들어진 암호화-생체인식시스템(crypto-biometric system)은 높은 보안성과 사용자의 편리성을 동시에 보장해 준다.
하지만 생체 정보와 암호화 시스템은 서로 상반된 특성을 가지고 있어 두 시스템의 결합을 어렵게 만든다. 즉, 생체 정보 자체는 고유성과 불변성을 가지고 있 지만 센서 및 카메라 등을 통해 얻어진 생체 데이터는 입력 환경의 변화 등에 민감하여 동일인의 생체 정보로부터 항상 같은 값의 암호화 키를 생성해 내지 못한다. 반면에 대부분의 암호화 시스템은 패스워드(password)기반으로 정확한 키 값을 요구한다. 따라서 기존 암호화 시스템의 보안성을 향상시키고 현재 생체인식시스템이 갖는 저장 템플릿(template) 보호 문제점을 해결하기 위해서는 안정되게 고유한 생체키를 생성하는 방법이 필요하다.
지금까지 알려진, 생체 정보와 암호화 시스템을 결합하는 종래의 기술로는 바이오스크립트(Bioscript) 기술과 지문인식을 이용한 퍼지 볼트(Fuzzy Vault) 기술이 있다.
도 1은 종래의 암호화-생체인식시스템의 하나인 바이오스크립트를 설명하기 위한 개략도로서, 도 1a는 바이오스크립트기술의 생체정보와 암호화키의 결합과정을 나타내고, 도 1b는 바이오스크립트 기술의 암호화키의 출력과정을 나타내며, 도 1c는 바이오스크립트 기술의 단순 반복키 매핑 과정을 이용한 암호화키와 생체정보의 매핑을 도시한 도면이다.
생체 정보와 암호화 시스템을 결합하는 바이오스크립트(Bioscrypt) 기술은 도 1에 도시된 바와 같이, 임의의 위상 데이터와 정의된 필터 함수를 이용하여 생체 정보와 암호화 키를 결합한 바이오스크립트(Bioscrypt)를 생성하고, 디코딩(decoding) 단에서는 이 바이오스크립트(Bioscrypt)와 입력 생체 정보를 이용하여 생체 고유 키(id)를 생성하는 방법이다. 생체 데이터로 지문을 사용하였으며 획득된 지문 영상 전체를 생체 특징으로 이용하였다. 필터 함수는 획득된 지문 영상과 임의의 위상 데이터를 이용하여 정의된다.
생체 정보와 암호화 키의 결합과정은 도 1a와 같이, 생체 정보를 정의된 필터에 통과시켜 얻은 결과의 지역적 비트 위치를 암호화 키의 비트 값과 룩업 테이블(Lookup table)의 형태로 연결시켜 결합하게 된다. 그러나 이 기술은 도 1c에 도시된 바와 같이 지역적 비트 위치에 근거한 단순 반복적인 키 매핑(mapping)에 의해 암호화 키를 복원하게 되므로 영상 데이터의 1 화소 단위의 이동에도 다른 고유키를 얻게 되는 결과를 가져올 수 있다. 따라서 바이오스크립트(Bioscrypt) 기술을 적용하여 생체 고유키를 생성하기 위해서는 사전에 입력 생체 정보를 정확하게 정렬(alignment)하는 것이 필수적으로 요구된다.
또한 지문인식을 이용한 퍼지볼트(Fingerprint Fuzzy Vault) 기술은 다항식을 이용하여 생체 정보와 암호화 키를 결합하여 생체 정보와 키 정보가 은닉된 볼트(Vault)라는 안전한 데이터를 생성하는 방법이다. 입력 생체 데이터로 지문을 사용하였으며 특징점(minutiae)의 위치를 생체 특징으로 이용하였다. 생체 정보와 암호화 키를 결합하기 위해서 암호화 키를 계수로 갖는 고차 다항식을 생성한 후, 특징점(minutiae)의 위치 값을 정의된 다항식의 변수에 대입하여 값을 얻는다. 이때 나온 값들이 볼트(vault)를 형성하고, 다항식의 정보를 숨기기 위해 다항식과 무관한 임의의 값(Chaff Point)들을 볼트(vault)에 포함시킨다.
그러나 이러한 방법 역시 동일 사용자에 대해 등록시의 생체 정보 특징 값과 인증시의 생체 정보 특징 값이 달라지면, 즉 입력 생체 정보의 정렬(alignment)이 제대로 이루어 지지 않으면 원하는 암호화 키를 얻을 수 없다는 문제점이 있다. 따 라서, 이 방법은 입력 지문 영상의 정렬(alignment)에 따라 성능이 많이 좌우되는 것으로 알려져 있으며, 이러한 이유로 다양한 조합에 의해 코드 생성을 시도해 봄으로써 처리시간이 매우 오래 걸리는 문제점이 있다.
본 발명의 목적은 상기와 같은 문제점들을 해결하고 입력환경의 변화에 민감한 생체정보로부터 생체특징을 추출하고 그 특징 값을 클러스터링하여 사람마다 고유한 생체코드를 생성하는 암호화 생체인식시스템의 고유 생체코드 생성방법을 제공하는 것이다.
또한 본 발명의 다른 목적은 암호화 시스템과 생체정보가 결합하여 새롭게 정의된 암호화-생체인식시스템에 생체정보 중 하나인 홍채정보를 적용할 수 있는 암호화 생체인식시스템의 고유 홍채코드 생성방법을 제공하는 것이다.
또한 본 발명의 다른 목적은 암호화-생체인식시스템에 생체정보 중 하나인 지문정보를 적용할 수 있는 암호화 생체인식시스템의 고유 지문코드 생성방법을 제공하는 것이다.
또한 본 발명의 다른 목적은 암호화-생체인식시스템에 생체정보 중 하나인 얼굴정보를 적용할 수 있는 암호화 생체인식시스템의 고유 얼굴코드 생성방법을 제공하는 것이다.
상기와 같은 목적을 달성하기 위하여 본 발명은, 생체정보를 입력하는 입력 단계; 상기 입력된 생체정보를 영상처리하는 전처리 단계; 상기 전처리 단계를 통해 얻은 생체정보로부터 생체 특징값을 추출하는 특징 추출 단계; 상기 특징 추출 단계를 통해 얻은 생체 특징값을 클러스터링하여 고유한 생체 코드를 생성하는 생체코드 생성 단계; 및 상기 생체코드 생성 단계에서 얻어진 생체 코드를 암호화-생체 인식 시스템에 적용하는 생체코드 적용단계를 구비한 것을 특징으로 한다.
상기 생체정보는 홍채정보이고, 상기 입력 단계에서는 홍채 인식 시스템에서 사용하는 카메라를 이용하여 한 사람으로부터 한 장 혹은 여러 장의 홍채 영상을 취득하고, 상기 전처리 단계에서는 취득된 홍채 영상에서 홍채 경계를 찾아 홍채 영상만 추출한 뒤 극좌표계(Polar Coordinate)로 변환하고, 상기 특징 추출 단계에서는 극좌표계로 변환된 홍채 영상에서 눈썹, 눈꺼풀, 조명 반사(glint)에 의해 가려짐이 없는 영역을 선택하여 소정의 홍채 특징 추출 방법에 의해 홍채 특징을 추출하고, 상기 생체코드 생성 단계에서는 추출된 홍채 특징을 각 사람마다 클러스터를 갖도록 클러스터링하여 각 사람에 대해 고유한 홍채코드를 얻는 것을 특징으로 한다.
또한 상기 생체정보는 지문정보이고, 상기 지문정보의 특징값으로 지문 영상의 융선(ridge) 끝점(end-point)과 분기점(bifurcation)의 위치 및 각도, 혹은 지문 영상 전체 혹은 블록 단위에서 융선의 방향각을 사용하는 것을 특징으로 한다.
그리고 상기 생체정보는 얼굴정보이고, 상기 얼굴정보의 특징값으로 고유얼굴(eigenface) 계수를 사용하거나 독립성분분석(Independent Component Analysis) 에 의한 기저 벡터(Basis Vector)의 계수들을 사용할 수 있는 것을 특징으로 한다.
이하, 첨부된 도면을 참조하여 본 발명의 바람직한 실시예를 자세히 설명하기로 한다.
도 2는 본 발명에 따라 고유한 생체코드를 생성하는 절차를 도시한 순서도이다.
본 발명의 생체정보로부터의 고유한 생체코드를 생성하기 위한 방법은 도 2에 도시된 바와 같이, 생체정보를 입력하는 단계(S1)와, 입력된 생체정보를 영상처리하는 전처리 단계(S2)와, 상기 S2 단계를 통해 얻은 생체정보로부터 생체 특징값을 추출하는 단계(S3)와, 상기 S3 단계를 통해 얻은 생체 특징값을 클러스터링하여 고유한 생체코드를 생성하는 단계(S4,S5)와, 상기 S4단계에서 얻어진 생체코드를 암호화-생체 인식 시스템에 적용하는 단계(S6)를 포함한다.
이러한 본 발명은 일반적인 생체인식시스템(지문, 얼굴, 홍채, 음성, 장문, 손 혈관 인식 시스템 등)에 적용 가능하나, 이하에서는 홍채영상으로부터 고유한 홍채코드를 생성하는 예를 제1 실시예로, 지문영상으로부터 고유한 지문코드를 생성하는 예를 제2 실시예로, 얼굴영상으로부터 고유한 얼굴코드를 생성하는 예를 제3 실시예로 구분하여 설명하기로 한다.
[제1 실시예]
도 3은 본 발명에 따라 홍채영상으로부터 고유한 홍채코드를 생성하는 절차 를 도시한 순서도이다.
본 발명에 따라 고유한 홍채코드를 생성하는 절차는 도 3에 도시된 바와 같이, 눈영상 입력단계(S11)와, 홍채영상에서 홍채영역을 추출하는 전처리단계(S12), 홍채특징을 추출하는 특징추출단계(S13), 홍채특징을 클러스터링하여 고유한 홍채코드를 생성하는 홍채코드생성단계(S14,S15)로 이루어진다. 이와 같이 생성된 홍채코드는 암호화 생체인식시스템에 적용될 수 있다(S16).
도 3을 참조하면, 입력단계(S11)에서는 기존의 홍채 인식 시스템에서 사용하는 카메라를 이용하여 한 사람으로부터 한 장 혹은 여러 장의 홍채 영상을 취득하고, 전처리단계(S12)에서는 취득된 홍채 영상에서 홍채 경계를 찾아 홍채 영상만 추출한 뒤 극좌표계(Polar Coordinate)로 변환한다.
특징 추출단계(S13)에서는 극좌표계로 변환된 홍채 영상에서 눈썹, 눈꺼풀, 조명 반사(glint)에 의해 가려짐이 없는 영역을 선택하여 홍채 특징 추출 방법에 의해 홍채 특징을 추출하고, 고유한 홍채 코드 생성단계(S14,S15)에서는 추출된 홍채 특징을 각 사람마다 클러스터를 갖도록 클러스터링하여 각 사람에 대해 변화가 거의 없는 고유한 홍채코드를 얻는다.
도 4는 본 발명에 따른 홍채코드를 퍼지 볼트에 적용한 예를 도시한 순서도이고, 도 5는 본 발명에 따라 홍채영상을 블록화하는 개념을 도시한 도면이며, 도 6은 본 발명에 따른 홍채코드 생성을 위한 클러스터링 개념을 도시한 도면이다.
도 4를 참조하면, 홍채 인식 시스템에서 사용되고 있는 카메라를 통해 단일 혹은 여러 장의 사용자 눈 영상(도 5의 A)을 취득한다(S21). 취득된 눈 영상에서 홍채 및 동공의 경계를 원형 경계 검출법과 같은 영상 처리 방법으로 찾는다(S22).
이후 홍채 영역을 분리해 도 5의 (B)와 같이 극좌표계로 변환한다(S23). 퍼지 볼트(Fuzzy Vault)라는 암호화 생체 인식 시스템에 적용하기 위해 극좌표계로 변환된 홍채 영상을 도 5의 (C) 및 (D)에서와 같이 눈꺼풀, 눈썹 및 글린트에 의해 가려지는 부분이 적은 두 영역으로 나눈 후, 각각 여러 개의 블록으로 분할한다. 도 5의 (D) 및 (E)를 참조하면, 홍채영역은 두 영역으로 나누어진 후, 각 영역이 7개의 블록으로 구분되어 전체 14개의 블록으로 분할된 것을 알 수 있다(S24).
이어 각각 분할된 블록에 대해 독립성분분석 방법을 이용하여 홍채 특징을 추출한다(S25).
각 사람마다 블록의 개수 만큼 홍채 특징이 추출되고, 각 블록으로부터 얻어진 홍채 특징을 모든 블록마다 따로 각 사람이 자신의 클러스터를 갖도록 도 6에 도시된 바와 같이 클러스터링한다(S26). 클러스터링하여 나온 각 클러스터의 평균값 또는 임의로 지정한 값이 그 사람을 나타내는 고유한 홍채 코드가 된다(S27). 도 6a는 클러스터링의 등록과정을 나타내고, 도 6b는 생체키 추출과정을 나타낸다.
한 사람의 홍채 영상으로부터 얻어지는 여러 개의 홍채 코드들은 하나의 집합 성분들이 되어 퍼지 볼트(fuzzy vault)에 입력되며 도 7에서와 같이 다항식을 나타낼 수 있는 점을 생성하여 퍼지 볼트(fuzzy vault)에 적용된다(S28).
도 7은 본 발명이 적용되는 암호화 생체인식시스템(퍼지 볼트)의 전체 흐름도로서, 도 7a는 등록단계를 나타내고, 도 7b는 인증단계를 나타낸다. 등록단계에서는 암호화키로 다항식을 생성한 후 앞서 구한 홍채코드를 입력받아 다항식 위의 점을 생성한다. 여기에 임의의 점을 추가하여 볼트를 생성한다. 인증단계에서는 볼트를 입력받고 새로운 홍채코드를 입력받아 에러를 정정한 후 다항식을 재생성하여 암호키를 생성한다.
이와 같이 제1 실시예는 홍채 영상의 홍채 무늬 패턴으로부터 기존의 홍채 특징추출방법을 이용하여 홍채특징을 추출한 후, 각 사람별로 클러스터링(clustering)하여 고유한 홍채 코드를 생성하는 방법이다.
이때, 홍채 특징 추출 방법으로 독립성분분석(Independent Component Analysis)이나 1차원 혹은 2차원 가버 필터(2D-Gabor filter) 방법, 1차원 혹은 2차원 웨이블릿 변환(wavelet transform), LOG필터(Laplacian of Gaussian filter) 방법을 사용할 수 있다.
또한 클러스터링하여 얻은 고유한 홍채코드는 각 클러스터(cluster)의 평균(중심)값(prototype)이나 각 클러스터에 유사 임의 값(Pseudo Random Number)을 지정하여 얻을 수 있다.
그리고 클러스터링할 때 클러스터의 개수는 등록하는 사람의 수와 같거나 혹은 다르게 할 수 있고, 클러스터링 방법으로 k평균(k-means), c평균(c-means), 서포트 벡터 머신(support vector machines), 신경망, 아이소데이터(Isodata) 등을 이용할 수 있으며, 클러스터 추출 오류를 보정하기 위해 선형블록코딩(Linear Block Coding), 리드-솔로몬 부호화(Reed-Solomon Coding) 등 다양한 오류 정정 기법을 사용할 수 있다.
그리고 홍채 특징 추출 시 눈썹, 눈꺼풀, 조명 반사 등의 영향을 받지 않는 전 홍채 영역을 이용하여 홍채 특징을 추출하거나 홍채 특징 추출 시 눈썹, 눈꺼풀, 조명 반사 등의 영향을 받지 않는 홍채의 일부 영역을 여러 블록으로 분할하여 각 블록으로부터 홍채 특징을 추출할 수 있다.
또한 홍채 특징을 추출하기 전 홍채 영상을 미리 정합(alignment)하거나 혹은 정합하지 않을 수 있고, 홍채 특징을 추출하기 위해 한 눈 혹은 양 눈 홍채를 이용할 수 있으며, 홍채 특징을 추출하기 위해 한 장 혹은 2장 이상의 홍채 영상들을 이용할 수 있다.
다시 도 4를 참조하면, 홍채 특징 추출은 사람마다 고유한 홍채 무늬 패턴의 특징을 추출하는 것으로 기존의 방법으로는 도그만(Daugman)이 제안한 2차원 가버필터(2D-Gabor filter)를 이용한 방법, 볼레스(Boles)가 제안한 1차원 웨이블릿 변환(1D-wavelet transform)을 이용하여 영 교차점(zero-crossing point)을 특징으로 한 방법, 와일드(Wildes)가 제안한 LOG 필터(Laplacian of Gaussian filter)를 이용한 방법, 그리고 독립성분분석(independent component analysis)을 이용한 방법 등 여러 가지가 있다.
본 발명에서는 기존의 방법들 중 독립성분분석 방법을 선택하여 홍채 특징 코드를 추출하였다. 독립성분분석 방법을 선택한 이유는 두 가지가 있다. 첫째로 독립성분분석을 이용한 홍채 특징 추출 방법은 기존의 방법들 중에서 성능이 가장 뛰어난 2차원 가버필터를 이용한 방법과 비교했을 때, 매우 유사한 인식 성능을 가지기 때문이다. 둘째로 독립성분분석을 이용하면 홍채 코드의 길이를 줄임으로써 제안한 방법에 효과적으로 적용할 수 있기 때문이다. 가버필터나 웨이블릿 등을 이 용하여 얻은 홍채 코드는 대부분 그 길이가 길고 고정되어 있다. 반면에 독립성분분석을 이용할 경우에는 기저의 개수를 변화시켜 코드의 길이를 줄일 수 있다. 본 발명의 방법에서는 모든 사람에 대해서 각 사람마다 얻어지는 클러스터를 여러 개 저장해야 한다. 따라서 코드의 길이가 길면 모든 클러스터의 평균값을 저장할 때 많은 저장공간이 필요하게 된다. 반대로 코드의 길이를 줄이면 저장공간을 줄일 수 있고 클러스터를 형성하거나 자신의 클러스터를 찾는데 걸리는 시간을 단축할 수 있다.
독립성분분석 방법은 통계적 비교사 학습 (unsupervised learning) 방법 중 하나로 다차원의 데이터 분포로부터 그 데이터들을 가장 잘 표현할 수 있는 새로운 성분들을 찾아내는 방법이다. 여기에서 중요한 점은 분석하고자 하는 신호를 잘 나타낼 수 있는 성분들이 통계적으로 서로 독립되어 있다는 가정이 필요하다는 것이다. 이 방법은 특정 신호로부터 그것을 이루는 독립적인 성분들을 추출해냄으로써 임의의 신호를 분석하는데 적용된다. 홍채 영상으로부터 특징을 추출하기 위해서는 홍채 패턴 영상을 하나의 신호로 보고, 그 신호를 잘 표현하는 독립성분들을 분리해내어 그 성분들을 홍채특징으로 이용한다.
독립성분분석을 이용하여 홍채 특징을 추출하는 과정은 크게 두 단계로 이루어진다. 첫 번째 단계는 여러 사람의 홍채 영상으로부터 그 영상 신호를 이루는 독립된 성분을 추출하여 기저(basis)를 생성하는 학습(training)과정이다. 두 번째 단계는 입력된 홍채 영상으로부터 첫 번째 단계에서 생성된 기저를 이용하여 홍채 코드를 추출하는 과정이다. 기저의 생성 과정은 입력된 홍채 영상으로부터 눈썹 (eyelash) 및 눈꺼풀(eyelid)의 영향이 적은 홍채 영역을 추출하여 극 좌표계로 변환한 후, 영상을 스트레칭(stretching)한다.
스트레칭된 영상에서 눈썹, 눈꺼풀 그리고 조명에 의한 글린트(glint)에 의해 가려지지 않도록 도 5의 (D)와 같이 두 영역을 선택하고, 하나의 영역에 대해서 다시 겹쳐지는 부분이 있도록 7개의 블록으로 분할한다. 즉, 한 홍채 영상으로부터 14개의 블록을 생성하게 된다. 도 5의 (D)와 같이 분할된 각 블록마다 홍채 영상의 r축 방향으로 가우시안(Gaussian) 함수를 곱하여 1차원의 입력 벡터를 생성한다. 저장된 여러 사람의 홍채 영상으로부터 얻어진 다양한 1차원의 홍채 신호들은 학습과정을 통하여 그 신호들을 이루는 독립성분들을 분리해 낸다. 여기서 생성된 독립성분들이 기저가 된다. 홍채 코드 추출 과정은 홍채 영상의 입력에서부터 1차원의 입력 벡터를 생성하기 까지는 기저 생성 과정과 동일하다. 입력된 영상으로부터 1차원 입력 벡터가 얻어지면, 첫 번째 단계에서 생성된 기저의 선형 합으로 입력 영상을 표현할 수 있다. 여기서 얻어지는 선형 계수를 홍채 특징 벡터로 사용한다. 최종적으로 홍채 코드를 생성하기 위해서 추출된 홍채 특징 벡터를 부호에 따라 0과 1의 값으로 이진화한다.
입력된 하나의 홍채 영상으로부터 14개의 홍채 코드가 얻어진다. 여기서 홍채 영역을 14개의 블록으로 분할한 이유는 14개의 생체키로 구성되는 집합을 암호화 키로 사용하는 암호화-생체인식시스템에 적용하기 위해서이다.
독립성분분석 방법을 통해 생성된 홍채 코드는 그대로 암호화 시스템에 사용할 수 없다. 그 이유는 센서 및 카메라 등을 통해 얻어진 생체 데이터는 입력 환경 의 변화에 민감하여 동일인으로부터 얻어진 코드라도 그 값이 항상 동일하지 않기 때문이다. 따라서 본 발명에서는 홍채 코드로부터 고유 불변한 생체키를 추출하기 위한 방법을 사용하고, 동일인에 대한 코드 변화도를 줄임으로써 동일인에 대해서는 고유한 생체코드가 타인에 대해서는 서로 다른 코드가 생성되도록 한다.
[제2 실시예]
도 8은 본 발명에 따라 고유한 지문코드를 생성하는 절차를 도시한 순서도이다.
본 발명에 따라 지문영상으로부터의 고유한 지문코드를 생성하기 위한 방법은 도 8에 도시된 바와 같이, 지문영상을 입력하는 입력단계(S31)와, 입력된 지문영상을 전처리하는 전처리단계(S32)와, 상기 S32단계를 통해 처리된 지문영상으로부터 지문 특징값을 추출하는 단계(S33)와, 상기 S33단계를 통해 얻은 지문 특징값을 클러스터링하여 고유한 지문코드를 생성하는 단계(S34,S35)와, 상기 S35단계에서 얻어진 지문코드를 암호화-생체 인식 시스템에 적용하는 단계(S36)를 포함한다.
본 발명의 제2 실시예는 지문 영상에서 특징을 추출한 후, 각 사람 별로 특징 값을 클러스터링(clustering)하여 고유한 지문코드를 생성하는 방법이다.
제2 실시예에서 특징값으로 지문 영상의 융선(ridge) 끝점(end-point)과 분기점(bifurcation)의 위치 및 각도 등을 사용할 수 있고, 특징값으로 지문 영상 전체 혹은 블록 단위에서 융선의 방향각 등을 사용할 수 있다.
또한 제2 실시예에서 클러스터링하여 얻은 고유한 지문 코드는 각 클러스터 (cluster)의 평균(중심)값(prototype)으로부터 구해질 수 있거나 클러스터링하여 얻은 고유한 지문코드는 각 클러스터에 유사 임의 값(Pseudo Random Number)을 지정하여 얻을 수 있다.
그리고 제2 실시예에서 클러스터링할 때 클러스터의 개수는 등록하는 사람의 수와 같거나 혹은 다르게 할 수 있고, 클러스터링 방법으로 k평균(k-means), c평균(c-means), 서포트 벡터 머신(support vector machines), 신경망, 아이소데이터(Isodata) 등을 이용할 수 있으며, 클러스터 추출 오류를 정정하기 위해 선형블록코딩(Linear Block Coding), 리드-솔로몬 부호화(Reed-Solomon Coding) 등 다양한 오류 정정 기법을 사용할 수 있다.
제2 실시예에서 지문의 특징을 추출하기 전에 지문 영상을 미리 정합(alignment)하거나 혹은 정합하지 않을 수 있고, 지문 특징을 추출하기 위해 한 손가락 혹은 두 개 이상의 손가락 지문을 이용할 수 있으며, 지문 특징을 추출하기 위해 한 장 혹은 2장 이상의 지문 영상들을 이용할 수 있다.
[제3 실시예]
도 9는 본 발명에 따라 고유한 얼굴코드를 생성하는 절차를 도시한 순서도이다.
본 발명에 따라 얼굴영상으로부터의 고유한 얼굴코드를 생성하기 위한 방법은 도 9에 도시된 바와 같이, 얼굴영상을 입력하는 단계(S41)와, 입력된 얼굴영상을 전처리하는 단계(S42)와, 상기 전치리된 얼굴영상으로부터 얼굴 특징값을 추출 하는 단계(S43)와, 상기 S43단계를 통해 얻은 얼굴 특징값을 클러스터링하여 고유한 얼굴 코드를 생성하는 단계(S44,S45)와, 상기 S45단계에서 얻어진 얼굴 코드를 암호화-생체 인식 시스템에 적용하는 단계(S46)를 포함한다.
본 발명의 제3 실시예는 얼굴 영상에서 특징값을 추출한 후 각 사람 별로 클러스터링하여 고유한 얼굴 코드를 생성한다.
제3 실시예에서 특징값으로 고유얼굴(eigenface) 계수를 사용할 수 있고, 특징값으로 독립성분분석(Independent Component Analysis)에 의한 기저 벡터(Basis Vector)의 계수들을 사용할 수 있다.
또한 제3 실시예에서 클러스터링하여 얻은 고유한 얼굴 코드는 각 클러스터(cluster)의 평균(중심)값(prototype)으로부터 구해질 수 있고, 클러스터링하여 얻은 고유한 얼굴 코드는 각 클러스터에 유사 임의 값(Pseudo Random Number)을 지정하여 얻을 수 있다.
제3 실시예에서 클러스터링할 때 클러스터의 개수는 등록하는 사람의 수와 같거나 혹은 다르게 할 수 있고, 클러스터링 방법으로 k평균(k-means), c평균(c-means), 서포트 벡터 머신(support vector machines), 신경망, 아이소데이터(Isodata) 등을 이용할 수 있으며, 클러스터 추출 오류를 정정하기 위해 선형블록코딩(Linear Block Coding), 리드-솔로몬 부호화(Reed-Solomon Coding) 등 다양한 오류 정정 기법을 사용할 수 있다.
또한 제3 실시예에서 얼굴의 특징을 추출하기 전에 얼굴 영상을 미리 정합(alignment)하거나 혹은 정합하지 않을 수 있고, 얼굴 특징을 추출하기 위해 한 장 혹은 2장 이상의 얼굴 영상들을 이용할 수 있다.
[적용 예]
본 발명은, 생체정보(지문, 얼굴, 홍채, 음성, 장문, 손 혈관 등)로부터 기존 (비)대칭키 암호화 알고리즘에서의 암호화 키를 직접 생성해 내는 응용으로 사용할 수 있고, 또한 본 발명을 퍼지볼트에 적용하여 생성된 암호화 키를 변형된 생체 저장 정보로 사용함으로써 변형 생체 인식(changeable (cancellable) biometric)으로 사용할 수 있으며, 퍼지 볼트를 이용한 암호화 키를 대용량 DB에서의 고속 탐색을 위한 대분류 정보로 사용할 수 있다.
또한 본 발명은 생체정보와 임의의 디지털 포맷인 비트열을 생체 정보나 비트열의 누출 없이 결합(binding)하고, 권한이 부여된 생체정보 입력에 대하여 불변 디지털 비트열인 생체 고유키의 추출이 가능하기 때문에 디지털 비트열이 이용된 모든 암호화 및 보안 시스템에 적용 가능하다. 특히, 본 발명은 정확한 입력 값을 요구하는 퍼지 볼트(fuzzy vault)와 같은 암호화-생체 인식 시스템에 적용이 가능하고, 이외에도 금융 시스템, 네트워크 보안, 출입 장치 등의 대부분에서 사용되고 있는 패스워드의 사용이 생체 고유키로 대체될 수 있고, PKI시스템에서 키(private or public key)보안 분야에 응용될 수 있다.
이상에서 설명한 바와 같이, 본 발명에 따르면 입력환경의 변화에 민감한 생 체 정보로부터 생체특징을 추출하고 그 특징 값을 클러스터링하여 사람마다 고유한 생체코드를 생성하여 다양한 암호화 생체인식 시스템에 적용할 수 있다. 즉, 본 발명은 생체 특징 추출 알고리즘을 통해 얻어진 생체 코드의 가변성(variation)을 줄임으로써 동일인에 대해서는 언제나 같은 고유한 키를 생성할 수 있다.
본 발명의 기술적 사상의 범주를 벗어나지 않으면서 당해 분야의 기술자에게 다양한 다른 변형은 명백하고 용이하게 만들어 질 수 있다. 따라서, 특허청구범위는 상기에 나타난 것과 같은 상세한 설명에 의해서 제한되지 않고, 보다 넓게 해석되어야 할 것이다.

Claims (10)

  1. 생체정보를 입력하는 입력 단계;
    상기 입력된 생체정보를 영상처리하는 전처리 단계;
    상기 전처리 단계를 통해 얻은 생체정보로부터 생체 특징값을 추출하는 특징 추출 단계;
    상기 특징 추출 단계를 통해 얻은 생체 특징값을 클러스터링하여 고유한 생체 코드를 생성하며, 클러스터 추출 오류를 보정하기 위해 선형블록코딩(Linear Block Coding)이나 리드-솔로몬 부호화(Reed- Solomon Coding)와 같은 오류 정정 기법을 사용하는 생체코드 생성 단계; 및
    상기 생체코드 생성 단계에서 얻어진 생체 코드를 암호화-생체 인식 시스템에 적용하는 생체코드 적용단계를 구비한 것을 특징으로 하는 암호화 생체인식시스템의 고유 생체코드 생성방법.
  2. 제1항에 있어서, 상기 생체정보는 홍채정보이고,
    상기 입력 단계에서는 홍채 인식 시스템에서 사용하는 카메라를 이용하여 한 사람으로부터 한 장 혹은 여러 장의 홍채 영상을 취득하고,
    상기 전처리 단계에서는 취득된 홍채 영상에서 홍채 경계를 찾아 홍채 영상만 추출한 뒤 극좌표계(Polar Coordinate)로 변환하고,
    상기 특징 추출 단계에서는 극좌표계로 변환된 홍채 영상에서 눈썹, 눈꺼풀, 조명 반사(glint)에 의해 가려짐이 없는 영역을 선택하여 소정의 홍채 특징 추출 방법에 의해 홍채 특징을 추출하고,
    상기 생체코드 생성 단계에서는 추출된 홍채 특징을 각 사람마다 클러스터를 갖도록 클러스터링하여 각 사람에 대해 고유한 홍채코드를 얻는 것을 특징으로 하는 암호화 생체인식시스템의 고유 생체코드 생성방법.
  3. 제2항에 있어서, 상기 홍채정보로부터 특징을 추출하는 방법으로는 독립 성분 분석(Independent Component Analysis)이나 1차원 혹은 2차원 가버 필터(2D-Gabor filter) 방법, 1차원 혹은 2차원 웨이블릿 변환(wavelet transform), LOG필터(Laplacian of Gaussian filter) 방법을 중 어느 하나를 사용하는 것을 특징으로 하는 암호화 생체인식시스템의 고유 생체코드 생성방법.
  4. 제3항에 있어서, 상기 독립 성분 분석방법은
    상기 극좌표계로 변환된 홍채 영상을 눈꺼풀, 눈썹 및 글린트에 의해 가려지는 부분이 적은 두 영역으로 나눈 후, 각각 여러 개의 블록으로 분할하고, 각각 분할된 블록에 대해 독립 성분 분석 방법을 이용하여 홍채 특징을 추출하는 것을 특징으로 하는 암호화 생체인식시스템의 고유 생체코드 생성방법.
  5. 제2항에 있어서, 상기 클러스터링 방법으로 k평균(k-means), c평균(c-means), 서포트 벡터 머신(support vector machines), 신경망, 아이소데이터(Isodata) 중 어느 하나를 사용할 수 있고,
    상기 클러스터링하여 얻은 고유한 홍채 코드는 각 클러스터의 평균값 (prototype)이나 각 클러스터에 유사임의값(Pseudo Random Number)을 지정하여 얻는 것을 특징으로 하는 암호화 생체인식시스템의 고유 생체코드 생성방법.
  6. 제1항에 있어서, 상기 생체정보는 지문정보이고,
    상기 지문정보의 특징값으로 지문 영상의 융선(ridge) 끝점(end-point)과 분기점(bifurcation)의 위치 및 각도, 혹은 지문 영상 전체 혹은 블록 단위에서 융선의 방향각을 사용하는 것을 특징으로 하는 암호화 생체인식시스템의 고유 생체코드 생성방법.
  7. 제6항에 있어서, 상기 클러스터링 방법으로는 k평균(k-means), c평균(c-means), 서포트 벡터 머신(support vector machines), 신경망, 아이소데이터(Isodata) 중 어느 하나를 사용할 수 있고,
    상기 클러스터링하여 얻은 고유한 지문 코드는 각 클러스터의 평균값(prototype)으로부터 구해질 수 있거나 각 클러스터에 유사 임의 값(Pseudo Random Number)을 지정하여 얻을 수 있는 것을 특징으로 하는 암호화 생체인식시스템의 고유 생체코드 생성방법.
  8. 제1항에 있어서, 상기 생체정보는 얼굴정보이고,
    상기 얼굴정보의 특징값으로 고유얼굴(eigenface) 계수를 사용하거나 독립성분분석(Independent Component Analysis)에 의한 기저 벡터(Basis Vector)의 계수 들을 사용할 수 있는 것을 특징으로 하는 암호화 생체인식시스템의 고유 생체코드 생성방법.
  9. 제8항에 있어서, 상기 클러스터링 방법으로 k평균(k-means), c평균(c-means), 서포트 벡터 머신(support vector machines), 신경망, 아이소데이터(Isodata) 등을 이용할 수 있으며,
    상기 클러스터링하여 얻은 고유한 얼굴 코드는 각 클러스터의 평균값(prototype)이나 각 클러스터에 유사 임의 값(Pseudo Random Number)을 지정하여 얻을 수 있는 것을 특징으로 하는 암호화 생체인식시스템의 고유 생체코드 생성방법.
  10. 삭제
KR1020060022659A 2006-03-10 2006-03-10 암호화 생체인식시스템의 고유 생체코드 생성방법 KR100749380B1 (ko)

Priority Applications (1)

Application Number Priority Date Filing Date Title
KR1020060022659A KR100749380B1 (ko) 2006-03-10 2006-03-10 암호화 생체인식시스템의 고유 생체코드 생성방법

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020060022659A KR100749380B1 (ko) 2006-03-10 2006-03-10 암호화 생체인식시스템의 고유 생체코드 생성방법

Publications (1)

Publication Number Publication Date
KR100749380B1 true KR100749380B1 (ko) 2007-08-16

Family

ID=38614598

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020060022659A KR100749380B1 (ko) 2006-03-10 2006-03-10 암호화 생체인식시스템의 고유 생체코드 생성방법

Country Status (1)

Country Link
KR (1) KR100749380B1 (ko)

Cited By (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR101471814B1 (ko) 2011-09-06 2014-12-10 모르포 홍채 인식에 의한 식별
KR102173488B1 (ko) * 2019-05-30 2020-11-04 (주)자이온프로세스 양자 암호화 시스템 및 그것을 이용한 홍채 패턴 데이터의 양자 암호화 방법
CN111967033A (zh) * 2020-08-28 2020-11-20 深圳康佳电子科技有限公司 基于人脸识别的图片加密方法、装置、终端及存储介质
EP4120127A1 (en) * 2017-03-24 2023-01-18 Magic Leap, Inc. Accumulation and confidence assignment of iris codes
WO2024032277A1 (zh) * 2023-05-26 2024-02-15 杭州电子科技大学 基于深度神经网络编码的个人化人脸生物密钥生成方法

Citations (8)

* Cited by examiner, † Cited by third party
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
WO1999026372A1 (en) 1997-11-14 1999-05-27 Digital Persona, Inc. Cryptographic key generation using biometric data
JPH11144059A (ja) 1997-11-06 1999-05-28 Enix Corp 指紋登録システム
KR20000034228A (ko) * 1998-11-28 2000-06-15 김영환 웨이블랫의 방향정보를 이용한 지문인식 방법
KR20020074330A (ko) * 2001-03-20 2002-09-30 삼성전자 주식회사 계층적 주요 성분 분석에 기반한 얼굴 인식 방법 및 장치
WO2004015615A1 (en) 2002-08-12 2004-02-19 Bioscrypt Inc. Pattern-based interchange format
KR20040076962A (ko) * 2003-02-27 2004-09-04 이희찬 얼굴과 홍채를 결합한 복합 생체 코드 추출 시스템
US6944768B2 (en) 2002-04-19 2005-09-13 Cross Match Technologies, Inc. System and methods for access control utilizing two factors to control access

Patent Citations (8)

* Cited by examiner, † Cited by third party
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
JPH11144059A (ja) 1997-11-06 1999-05-28 Enix Corp 指紋登録システム
WO1999026372A1 (en) 1997-11-14 1999-05-27 Digital Persona, Inc. Cryptographic key generation using biometric data
KR20000034228A (ko) * 1998-11-28 2000-06-15 김영환 웨이블랫의 방향정보를 이용한 지문인식 방법
KR20020074330A (ko) * 2001-03-20 2002-09-30 삼성전자 주식회사 계층적 주요 성분 분석에 기반한 얼굴 인식 방법 및 장치
US6944768B2 (en) 2002-04-19 2005-09-13 Cross Match Technologies, Inc. System and methods for access control utilizing two factors to control access
WO2004015615A1 (en) 2002-08-12 2004-02-19 Bioscrypt Inc. Pattern-based interchange format
KR20040076962A (ko) * 2003-02-27 2004-09-04 이희찬 얼굴과 홍채를 결합한 복합 생체 코드 추출 시스템

Cited By (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR101471814B1 (ko) 2011-09-06 2014-12-10 모르포 홍채 인식에 의한 식별
EP4120127A1 (en) * 2017-03-24 2023-01-18 Magic Leap, Inc. Accumulation and confidence assignment of iris codes
KR102173488B1 (ko) * 2019-05-30 2020-11-04 (주)자이온프로세스 양자 암호화 시스템 및 그것을 이용한 홍채 패턴 데이터의 양자 암호화 방법
CN111967033A (zh) * 2020-08-28 2020-11-20 深圳康佳电子科技有限公司 基于人脸识别的图片加密方法、装置、终端及存储介质
CN111967033B (zh) * 2020-08-28 2024-04-05 深圳康佳电子科技有限公司 基于人脸识别的图片加密方法、装置、终端及存储介质
WO2024032277A1 (zh) * 2023-05-26 2024-02-15 杭州电子科技大学 基于深度神经网络编码的个人化人脸生物密钥生成方法

Similar Documents

Publication Publication Date Title
Manisha et al. Cancelable biometrics: a comprehensive survey
Dinca et al. The fall of one, the rise of many: a survey on multi-biometric fusion methods
Kumar Jindal et al. Face template protection using deep convolutional neural network
Galbally et al. Iris image reconstruction from binary templates: An efficient probabilistic approach based on genetic algorithms
Lumini et al. An improved biohashing for human authentication
Jagadeesan et al. Secured cryptographic key generation from multimodal biometrics: feature level fusion of fingerprint and iris
Revenkar et al. Secure iris authentication using visual cryptography
KR100949801B1 (ko) 퍼지볼트 시스템에서의 다항식 복원장치 및 그 방법
Gawande et al. A novel algorithm for feature level fusion using SVM classifier for multibiometrics‐based person identification
Sheng et al. A biometric key generation method based on semisupervised data clustering
Jindal et al. Securing face templates using deep convolutional neural network and random projection
KR100749380B1 (ko) 암호화 생체인식시스템의 고유 생체코드 생성방법
Asaker et al. A novel cancellable Iris template generation based on salting approach
Selwal et al. Low overhead octet indexed template security scheme for multi-modal biometric system
Wu et al. A multi-spectral palmprint fuzzy commitment based on deep hashing code with discriminative bit selection
Kim et al. A performance driven methodology for cancelable face templates generation
Dash et al. Efficient private key generation from iris data for privacy and security applications
Toygar et al. On the use of ear and profile faces for distinguishing identical twins and nontwins
US11762969B1 (en) Systems and methods for facilitating biometric recognition
Choras Ear Biometrics.
Sheng et al. Reliable and secure encryption key generation from fingerprints
US11501580B1 (en) Methods and systems for implementing secure biometric recognition
Al-Saidi et al. Iris features via fractal functions for authentication protocols
Gayathri et al. Fisher-Yates chaotic shuffling based visual cryptography scheme for multimodal biometric authentication
Sehar et al. FinCaT: a novel approach for fingerprint template protection using quadrant mapping via non-invertible transformation

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
G170 Re-publication after modification of scope of protection [patent]
FPAY Annual fee payment

Payment date: 20110630

Year of fee payment: 5

FPAY Annual fee payment

Payment date: 20120622

Year of fee payment: 6

LAPS Lapse due to unpaid annual fee