KR100871349B1

KR100871349B1 - 광학 분광분석법을 이용한 개체의 생체인식 식별 또는검증을 위한 기구 및 방법

Info

Publication number: KR100871349B1
Application number: KR1020037013366A
Authority: KR
Inventors: 로버트 케이. 로위; 마크 라이즈 로빈슨; 스토브 엘. 페렐라; 로자니 엔. 랜더스만
Original assignee: 루미다임 인크.
Priority date: 2001-04-11
Filing date: 2002-01-16
Publication date: 2008-12-01
Also published as: JP2004529701A; CN1509153A; KR20040010622A; CA2443439A1; EP1380015B1; DE60211678D1; IL158291A; WO2002084605A3; US20020009213A1; EP1380015A2; ATE327549T1; JP4020251B2; IL158291A0; CN1250162C; US6560352B2; WO2002084605A2; DE60211678T2; AU2002239928B2

Abstract

조직의 광학 분광분석법을 이용한 생체인식 식별 또는 신원 검증을 수행하기 위한 방법 및 기구. 조직 광학 스펙트럼은 피부로 광복사를 투사하여 조직을 통하여 투과되거나 반사된 빛을 포획함으로써 얻을 수 있다. 바람직하게 수집된 조직 스펙트럼은 표피 아래에 있는 피부 조직을 통과한 빛을 주로 포함한다. 다수의 조직 스펙트럼과 신원이 1인 이상의 개체로부터 수집될 수 있다. 이러한 조직 스펙트럼은 컴퓨터 상에서 분석될 수 있고, 사람 간의 계차를 분류하는데 가장 중요한 스펙트럼 특징이 주성분 분석, 선형 판별 분석 또는 다양한 다른 관련 기술을 이용해서 확인될 수 있다. 하나 이상의 조직 스펙트럼과 신원은 이후에 식별 또는 검증될 수 있는 개체들로부터 수집될 수 있다. 식별 또는 검증이 필요한 표적 개체는 분광분석 측정을 위하여 적절한 조직 부위를 제출할 수 있다. 게다가 신원 검증을 필요로 하는 표적 개체는 유형 사용자명(typed user name), 비밀번호(PIN code), 자기카드(magnetic card), 트랜스폰더(transponder) 등과 같은 어떤 수단들을 이용해서 목적 신원을 제출할 수 있다. 사람 간의 분류 스펙트럼 특징에 관한 표적 스펙트럼 및 등록된 스펙트럼 데이터베이스에서의 스펙트럼 또는 스펙트럼들 사이의 유사성이 결정되고, 식별 또는 검증이 유사도에 기초하여 인정된다.

생체 인식, 검증, 식별, 분광기, 광학 분광분석법, 신원 확인

Description

광학 분광분석법을 이용한 개체의 생체인식 식별 또는 검증을 위한 기구 및 방법 {APPARATUS AND METHOD OF BIOMETRIC IDENTIFICATION OR VERIFICATION OF INDIVIDUALS USING OPTICAL SPECTROSCOPY}

관련된 특허 및 계류중인 출원에 대한 상호 참조(cross reference)

본 출원은 1999년 10월 8일에 출원된 "근적외선 스펙트럼에 의한 개체 식별을 위한 기구 및 방법"이란 명칭의 미국 특허 출원 Serial No. 09/415,594의 일부 계속 출원(CIP 출원)이다.;그리고 그것은 현재 미국 특허 제 6,152,876 호이며, " 향상된 광학 인터페이스로 무채혈 분석대상물 측정하는 방법"이란 명칭으로 1998년 10월 19일에 출원된 미국 특허 출원 Serial No. 09/174,812;및 현재 미국 특허 제 5,935,062 호이며, 1997년 6월 9일에 " 확산 반사 측정 기구"란 명칭으로 출원된 미국 특허 출원 Serial No. 08/871,366와 관련되어 있으며, 모두는 본 출원과 동일한 출원인에 의해 출원되었으며, 그 발명의 내용은 참조로 여기에 기재되어 있다.

본 발명은 일반적으로 조직으로부터의 광학 스펙트럼 데이터를 이용하여 알려지지 않은 개체들의 생체 인식 식별을 수행하거나 한 개체의 신원을 검증하기 위한 방법 및 시스템에 관한 것이다. 더욱 상세하게는, 본 발명은 표피 아래의 조직 에의한 빛 에너지의 흡광도 및 산란도를 측정하기 위하여 근자외선, 가시광선 또는 근적외선 영역에서 또는 이들 영역으로부터의 파장을 조합하여 광학 에너지를 이용한 살아있는 개체의 생체 인식 식별 또는 검증을 하기 위한 방법 및 기구에 관한 것이다. 입사 광복사에 의하여 조직에 의하여 부여된 스펙트럼의 특징은 한 개체에게 독특하고 생체인식 확인을 위하여 적당하다. 그러한 확인은 등록 데이터베이스에 포함된 미리 저장된 조직 스펙트럼 데이터와 현재의 조직 스펙트럼을 비교하기 위하여 여러 분류 기술들을 사용함으로써 이루어졌다.

생체 인식은 한 사람 또는 다른 생물체를 식별하기 위한 하나 이상의 신체적 또는 행동적 특징을 이용하는 과정을 가리킨다. 생체 인식이 일어나는 두 가지 일반 모드가 있다: 1:다수(식별: identification) 및 1:1(검증: verification). 1: 다수 인식은 "do I know you?"라는 질문에 대한 답변을 시도한다. 생체인식 측정 장치는 표적 개체로부터 생체인식 데이터의 한 셋트를 수집한다. 이 정보만으로부터 그 사람이 생체인식 시스템에 미리 등록된 사람인지를 평가한다. FBI의 자동 지문인식 시스템(AFIS)과 같은 1: 다수 인식 태스크를 수행하는 시스템은 일반적으로 매우 비싸고(수백만 달러이거나 그 이상) 알려지지 않은 샘플 및 수백만 또는 수억의 엔트리를 포함하는 큰 데이터베이스 사이의 정합을 검출하기 위해서는 수 분이 소요된다. 생체인식의 1:1 모드는 "are you who you say you are?"라는 질문에 대답한다. 이 모드는 한 개체가 암호, 매그네틱 카드, 또는 다른 수단들을 사용하여 신원을 주장하고 그 장치가 목적 신원에 일치하는 등록 데이터와 표적 생체인식 데이터를 비교함으로써 그 사람의 신원을 확인하기 위해서 생체인식 데이터를 사용하는 경우에 사용된다.

이 두 개의 모드 사이에 최소한 하나의 변형이 또한 존재한다. 이 변형은 적은 수의 개체들이 등록된 데이터베이스에 포함되고 생체인식에의 적용이 표적 개체가 등록된 셋트 사이에 있는지 여부 만의 확인을 요구하는 경우에 발생한다. 이 경우에, 개체의 정확한 신원이 요구되지 않으며, 그래서 그 태스크는 상기에서 기술한 인식 태스크와 다소 다르다(그리고 종종 더 쉽다). 이 변형은 생체인식 시스템이 고가의, 위험한 또는 복잡한 기계를 보호하기 위하여 사용되어지는 곳에서의 적용에 유용할 수 있다. 이 예에서, 단지 권한있는 사람들만이 그 장비를 사용할 수 있어야 하지만, 어떠한 권한있는 직원이 어떤 특정 시간에 그것을 사용하는가를 명확하게 정하는 것은 중요하지 않을 수 있다.

비록 일반적으로 1:다수 인식 태스크가 1:1 보다 더욱 어려울지라도, 두개의 태스크는 일정한 생체인식 장치에 대하여 승인되거나 권한을 부여받은 사용자의 수가 단 한 명의 개체까지 감소했을 때에는 동일하게 된다. 예를 들어, 거주지, 개인 자동차, 개인 컴퓨터, 휴대폰, 권총, 그리고 다른 그와 같은 개인 기기로의 생체 접근은 전형적으로 몇몇 사람만을 위한 권한부여 데이터베이스를 요구한다.

생체인식 식별 및 검증은 많은 응용분야에서 유용하다. 예로서는 보호 구역으로의 출입 허가를 얻는것 또는 기계를 활성화시키는 것에 앞서 신원을 검증하는 것을 포함한다. 또 다른 예로서는 개체의 신원이 알려지지 않은 때에 병원 환자 기 록을 정합시키기 위한 것과 같이, 그 개체에 대한 서류철 기록에 개체를 정합시키기 위한 인식일 수 있다. 생체 인식은 용의자가 체포되었으나, 실제 용의자의 신원이 알려지지 않은 때에 경찰 기록들을 정합시키는 데에 또한 유용하다. 생체인식 식별 또는 검증의 부가적인 사용은 자동차의 열쇠 없는 출발 및 출입에 관한 응용분야, 보안 컴퓨터 및 네트워크 접근, 자동화된 금융 거래, 권한을 부여받은 권총 사용, 및 출퇴근 관리에 관한 적용을 포함한다.

생체 인식을 위한 현재의 방법들은 여러가지 있지만, 가장 일반적인 기술 중 일부는 지문 패턴 매칭, 얼굴 인식, 정맥, 홍채 스캐닝, 및 음성 인식을 포함한다. 이들 기술들의 각각은 생체 인식에 대한 필요를 어느 정도까지 제기한다. 그러나, 비용, 효율, 또는 다른 문제들 때문에, 존재하는 방법들 각각은 다른 기술에 비하여 유리 및 불리한 점을 가진다.

시장에 나와 있는 현재의 생체인식 제품 중 하나가 어드밴스트 바이오메트릭스 사(Advanced Biometrics, Inc.)에 의해 제조된

으로 알려져 있다. 이 제품은 Stiver등에 의해 미국 특허 제 5,793,881 호에서 기재된 기술에 기초하고 있다. 이 특허에서, Stiver등은 내부 광원을 가진 원통의 또는 긴 투명 외피 및 영상 분류법을 사용하여 그 손의 내부 구조 또는 피하 구조를 기록하기 위하여 그 외피를 잡는 사람의 손을 스캔하기 위한 수단으로 이루어진 보안장치인 인식 시스템을 기재하고 있다. 그 시스템은 손의 혈관 및 연결된 조직의 패턴을 영상화하기 위하여 근적외선을 사용한다. 이 특허에 기초한

제품은 그들이 청구한 것처럼 많은 지문 인식기 또는 정맥 시스템을 가진 라텍스 몰드를 사용함으로써 침입 자에 의해 쉽게 행해질 수 있는 생체인식 시스템 무력화 능력을 감소시켰다는 점을 클레임으로 하였다. 그러나, 영상 접근은 시스템 복잡성 및 비용 양자 모두에 더하여 좋은 품질의 광학기기 및 /또는 검출기 어레이를 요구한다. 또한, 그 시스템은 영상 혈관에 의존하므로, 동일한 부위가 등록하는 동안 사용된 그 시스템에 제시될 것을 요구하고, 또한 그 부위의 저장은 소프트웨어가 신원을 확인하기 위해 두개의 이미지를 정밀히 조정하도록 허락할 정도로 충분히 정확할 것을 요구한다. 결정적으로, 센서 헤드의 크기는 정확한 인식을 위해 이미지화 되어야 하는 손의 비율로 제한된다.

살아있는 인간의 조직은 인간의 신체 상태를 진단, 치료 및 모니터하는 전문 의학 분야에서 특히 유용한 많은 인자들과 분석 대상물 정보를 포함하는 동역학 시스템으로서 인식된다. 이 때문에, 분광분석법을 사용하여 조직 성분의 무혈 측정을 하기 위한 방법을 개발하는 쪽으로 노력이 기울여졌다. 살아있는 조직의 분광사진 분석은 개체의 분석 대상물을 정의하고 그러한 스펙트럼 데이터와 그 분석 대상물의 농도와 관계된 스펙트럼의 정보의 확인에 촛점이 맞춰져 왔었다. 이러한 분석 대상물의 농도는 개별 사람에 있어서 시간에 따라 변한다. 진단과 치료에서의 사용을 위하여 충분한 정확성을 가진 조직 스펙트럼 데이터를 얻는 것은 어렵다는 것이 판명되었다. 분석을 수행할 때의 어려움은 조직 시스템이 다른 굴절률 및 흡광도 특성을 가진 물질의 복잡한 매트릭스라는 사실과 관련하여 발견되었다. 또한, 중요한 구성성분들이 아주 낮은 농도로 여러번 존재하기 때문에, 물과 같은 고농도 구성성분들이 희망하는 구성요소 농도를 정확하게 읽고 낮은 레벨의 구성요소 스펙트 럼 정보를 확인하는데에 해로운 영향을 주었었다. 이러한 기술의 개발은 항상 글루코오스와 같은 중요한 동역학 분석 대상물의 농도에서의 변화에 따른 스펙트럼 출력 변화에 촛점이 맞춰져 왔다. 공개된 기술은 시간에 따라 농도가 달라질 것으로 기대되는 특정 분석 대상물의 농도를 확인하는 데에 촛점이 맞춰져 있다.

분석대상물 농도에 대한 근적외선 조직 스펙트럼을 수집하고 분석하기 위한 향상된 방법 및 기구가 일반 출원된 미국 특허 출원 및 발행된 특허에 기재되어 있다. 미국 특허 제 5,655,530 호 및 1997년 4월 18일에 출원된 미국 특허 출원 Serial No. 08/844,501,"향상된 광학 인터페이스로 무혈 혈액 분석대상물을 측정하는 방법"은 당뇨병이 있는 개체에서의 글루코오스 농도에 주요 초점을 두고, 시간에 따라 변하는 조직 분석대상물 농도의 근적외선 분석과 관련되는 것이다. 그 방법과 기구는 시험의 반복성 및 정확도를 향상시키기 위해서 센서와 피부 사이에 굴절률 -매칭 매체를 배치시키는 것을 포함한다. 1998년 10월 19일에 출원된 미국 특허출원 Serial No. 09/174,812, "향상된 광학 인터페이스로 무혈 혈액 분석대상물을 측정하는 방법"은 무혈의 살아있는 조직 분석대상물 분석에서 부가적인 향상을 그 내용으로 하고 있다. 이러한 3개의 출원 또는 특허의 각각의 내용은 여기에 참고로 기재되어 있다.

미국 특허 제 5,636,633 호는 분석대상물 농도의 정확한 무혈 측정의 또 다른 면에 관한 것이다. 그 기구는 정반사광으로부터 확산 반사광을 분리하기 위하여, 투명한 반사 4분면을 가지는 장치를 포함한다. 피부로 투사된 입사광은 피부로부터 되돌아오는 정반사광 및 확산 반사광의 결과를 가져온다. 정반사광은 거의 또는 전혀 유용하지 않은 정보를 가지며, 수집에 앞서 제거되는 것이 바람직하다. 1997년 6월 9일에 출원된 미국 특허 출원 Serial No. 08/871,366, "향상된 확산 반사율 모니터링 기구"는 정반사광으로부터 확산 반사광을 분리하기 위한 블로킹 블레이드 장치(blocking blade device)를 포함하는 것으로서 정확한 분석대상물 농도 분석을 위해 더욱 개량된 것을 그 내용으로 한다. 그 블레이드는 내부 진피 층보다 훨씬 더 적은 분석 대상물 정보를 가진 곳인 표면 표피층으로부터의 빛은 받아들이지 않고, 더 깊숙한 내부 진피층으로부터의 빛이 포획되는 것을 허락하고 노이즈에 기여한다. 그 블레이드는 표피로부터의 확산 반사 뿐만 아니라 정반사를 포획한다. 본 발명의 출원인에게 출원 번호가 할당된 상기 특허 및 출원의 내용이 또한 여기에 참조로 기재되어 있다.

미국 특허 제 5,435,309 호는 여러 스펙트럼 분석을 위하여 적정 파장을 선택하기 위한 시스템에 관한 것이다. 단지 한 파장의 사용은 특히 다수의 인자들을 가지는 솔루션에 대하여 불충분한 정보를 준다. 너무 많은 파장의 사용은 너무 많은 노이즈를 포함할 수 있고, 계산에 있어서 조합의 폭발적 증가를 유도할 수도 있다. 그래서, 사용되는 파장의 수는 제한되어야 하고 파장은 잘 선택되어야 한다. 유전적 알고리즘이 가장 적절한 파장을 선택하기 위해 이 참고자료에서 사용되었다. 이 특허의 내용은 참고로 여기에 기재되어 있다.

본 발명은 근자외선, 가시 광선 또는 근적외선 스펙트럼 영역에서 및 그러한 스펙트럼 영역의 조합에서 광학 분광분석법을 사용하여 개체의 생체인식 식별 또는 검증을 하기 위한 방법 및 기구를 포함한다. 발명의 내용에 속하는 방법 및 기구는 다른 이점들을 제공할 뿐만 아니라 현재의 생체인식 시스템에 비하여 뛰어난 수행능력을 제공한다. 선행기술인 생체 인식 장치는 그들의 기술을 획득하기 위해서는 신체의 특정 부분의 사용을 요구한다는 점에서 명확히 불리한 점을 가지고 있다. 예를 들어, 지문 장치는 손가락의 단지 맨 끝의 복면 부분이 생체인식 부위로서 사용될 수 있을 것을 요구한다. 본 발명의 방법 및 기구는 생체 인식이 손가락, 손바닥, 손목, 팔뚝 및 몸에 있는 다른 편리한 부위를 사용해서 일어나는 것을 가능하게 한다. 또한, 심지어 손가락을 사용하는 경우에 조차, 본 발명은 배면 또는 복면 상에서 손가락을 따라 다수의 부위의 사용을 허락한다. 그 지문 판독기는 등록 분석 동안 제시된 동일한 손가락이 식별 또는 검증을 위하여 그 판독기에 제시될 것을 요구한다. 본 발명은 등록을 위하여 그리고 그 다음의 검증을 위하여 다른 손가락(또는 다른 부위)을 사용할 수 있다. 이 능력은 사용자가 단지 그 시스템에 하나의 등록 부위를 제시해야 할 뿐만 아니라 그 장치를 사용하는 동안 중요한 융통성을 제공하기 때문에 증가된 등록 효율을 제공한다. 이 융통성의 예는 사용자가 특정한 손에있는 한 부위를 등록하고 그 특정한 부위가 그 부위의 어떤 상처나 어떤 심각한 표면 감염 때문에 그 이후의 분석에서 이용 불가능한 경우이다. 본 발명인 이 분광분석에 기초한 생체인식 시스템은 그런 부위의 사전 등록없이도 다른 손으로부터의 그 부위에 작용한다. 또한, 비록 하기의 결과가 피부 표면과의 접촉을 요구하는 광학 시스템에 기초할 지라도, 이미 논의된 미국 특허 제 5,636,633 호 또 는 미국 특허 출원 Serial No. 08/871,366에 기재된 것과 같은 광학 시스템은 비접촉 모드에서 유사한 데이터를 만들어 내기 위하여 본 발명에서 사용될 수 있다. 그런 비접촉 생체인식 센서 기구는 중요한 광학 구성요소들과 관련된 마모 및 오염 문제들을 최소화하기 위하여 대중적인 장소에 설치되었을 때 중요한 이점을 가진다.

본 발명은 특별한 개체의 결과적인 조직 스펙트럼이, 일단 분석 장치가 그 개체를 인식하기 위해 훈련되고 나면, 그 개체를 인식하기 위해 사용될 수 있는 독특한 스펙트럼 특성 및 스펙트럼 특성의 조합을 포함한다는 출원인의 인식에 기초한다. 본 발명의 기구는 근자외선, 가시광선, 초근적외선 또는 근적외선 에너지 및 이들의 조합을 사용하여 생체인식 분석을 수행한다. 특히, 출원인들은 근적외선 분광분석 시스템으로 수집된 1.25-2.5 ㎛ 범위에서의 근적외선 스펙트럼 데이터가 스펙트럼 생체인식 신원 확인 또는 신원 검증을 위하여 사용될 수 있음을 설명할 수 있었다. 또한, 출원인들은 350-1000nm 범위에서 근자외선, 가시광선 및 초근적외선 스펙트럼 데이터가 생체인식 확인을 수행하기 위해서 또한 사용될 수 있음을 보여준다. 비록 전술한 스펙트럼 영역의 일방 또는 쌍방이 사용될 수 있을 지라도, 후자의 영역은 더 낮은 비용 및 이 스펙트럼 영역에서 작동하는 것으로서 시스템에서 통합될 수 있는 실리콘 검출기의 일반적으로 더 높은 효율 때문에 유리할 수도 있다.

생체인식 태스크를 위해 본 발명을 사용하기 위하여, 그 장치 및 알고리즘은 이 출원에서 실행을 최적화하기 위하여 구성되는 것이 필요하다. 비록 분석된 조직 이 분석대상물 농도에 따른 동역학적 시스템이고, 그래서 조직 스펙트럼 데이터가 시간에 따라 그리고 분석 사이에 상당히 달라질지라도, 출원인들은 여기에 기재된 기술을 이용해서 높은 정확도를 획득할 수 있었다.

첫째로, 그 방법은 어떤 주어진 파장에서 조직의 스펙트럼 특성에서의 경미한 변화에도 민감하게 남아있는 반면, 기구적, 환경적인 및 샘플링 변화들에 기인한 효과를 최소화 하는 조직 스펙트럼을 정확하게, 반복적으로 얻기 위한 기구 및 기술을 포함한다. 그 시스템은 조직 샘플의 안 및 밖으로 광학적 처리량을 최적화한다. 둘째로, 특정 개체에게 독특한 스펙트럼의 특징 또는 스펙트럼 특징의 조합이 스펙트럼 결과의 가시적 비교에 의해 쉽게 명백하게 되거나 인식되지 않기 때문에, 본 발명은 개체에 대한 중요한 스펙트럼 특징을 인식하기 위한 장치를 먼저 훈련시키기 위하여, 그리고 다음으로 의도한 식별 또는 검증의 시간에 그런 특징들을 새로운 스펙트럼 데이터와 비교하기 위하여, 판별 분석 기술에 의존한다. 본 발명은 한 개체로 부터 획득한 스펙트럼 데이터를 데이터베이스에 존재하는 스펙트럼 데이터와 비교하기 위하여, 마할라노비스 거리(Mahalanobis distances), 스펙트럼의 오차 등급(spectral residual magnitudes), k-최근접법(K-nearest-neighbor methods), 또는 선형 또는 비선형 판별 기술(linear or nonlinear discriminant techniques)에 기초한 것들과 같은 판별 분석 방법을 포함한다.

본 발명은 그래서, 무혈 조직 분광분석법을 사용해서 개체의 신원을 식별 또는 검증하는 방법을 포함한다. 조직 부위 및 파장 범위에 의존해서, 스펙트럼 데이터는 투과 또는 반사 형상으로 수집될 수 있다. 바람직한 방법 및 기구는 선택된 복사광을 피부에 투사하여 반사된 비흡수 선택 복사를 수집한다. 정반사 보다는 확산 반사광이 수집되는 것이 바람직하고, 표피 보다는 진피 및 더 깊은 조직으로부터 확산 반사된 빛이 더욱 바람직하다. 수집된 스펙트럼 데이터는 컴퓨터 데이터베이스에 저장될 수 있다.

본 발명과 관련된 3개의 주요한 데이터 요소들이 있다: 교정, 등록 및 표적 스펙트럼 데이터. 교정 데이터는 생체인식 확인을 위하여 중요한 스펙트럼의 특징을 정하기 위하여 사용된다. 이 스펙트럼 데이터의 셋트는 알려진 신원의 한 개체 또는 개체들로부터 수집된 조직 광학 스펙트럼 데이터의 연속으로 구성된다. 바람직하게, 이들 데이터는 시간의 기간에 걸쳐서 수집되고, 한 사람이 거쳐 지나갈 것으로 기대되는 신체적 상태의 거의 전 범위를 포함하는 것으로서, 다수의 스펙트럼이 각 개체에 대하여 수집되는 것과 같은 한 상태의 셋트로 수집된다. 또한, 스펙트럼 수집을 위해 사용되는 기구 또는 기구들은 그것 또는 동종 기구가 실제 사용에서 보여줄 것 같은 기구적인 및 환경적인 효과들의 전범위를 또한 포함해야 한다. 이러한 교정 데이터는 그리고 나서 기구적인 효과(기구내 및 기구들 사이 모두) 및 환경적인 효과 뿐만아니라 사람내의 효과에 민감하지 않은 반면에 사람간의 스펙트럼 차이에 민감한 스펙트럼의 파장 또는 "인자들"(즉, 파장 또는 스펙트럼 모양의 선형 조합)을 정하기 위하여 그와 같은 방법으로 분석된다. 이러한 파장 또는 인자들은 생체 인식 확인 태스크를 수행하기 위해서 그 다음에 사용된다.

생체인식 확인을 위하여 사용되는 스펙트럼 데이터의 두번째 주요한 셋트는 권한 부여 또는 등록 스펙트럼 데이터이다. 등록 스펙트럼은 권한을 부여받거나 또 는 그렇지 않으면 생체 시스템에 의해 인식되어지도록 요구된 개체들로부터 수집된다. 등록 스펙트럼은 몇 초 또는 몇 분의 기간에 걸쳐 수집될 수 있다. 두 개 이상의 광학 샘플은 샘플 사이에 유사성을 확인하기 위하여 그리고 샘플들 중 하나에서 샘플 인공산물을 배제하기 위하여 그 개체로부터 수집될 수 있다. 만일 그런 인공산물이 발견되면, 부가적인 등록 스펙트럼이 수집될 수 있다. 이러한 스펙트럼 데이터는 함께 평균되거나 아니면 조합되거나, 또는 개별적으로 저장될 수 있다. 어느 한 경우에, 그 데이터는 등록 데이터베이스에 저장된다. 대부분의 경우에, 등록 데이터의 각 셋트는 그 스펙트럼이 측정되어지는 바로 그 사람에 대한 식별자와 연관된다. 식별 태스크의 경우에, 식별자는 어떤 시간에 생체인식 시스템에 누가 접근하였는가의 기록 유지 목적을 위하여 사용될 수 있다. 검증 태스크를 위하여, 식별자는 검증이 수행되기 전에 적절한 등록 데이터의 셋트를 추출하기 위하여 사용된다.

스펙트럼 생체인식 시스템을 위하여 사용되는 데이터의 세 번째 및 마지막 주요 셋트는 어떤 사람이 그들을 식별하거나 그들의 신원을 검증하기 위하여 생체인식 시스템을 사용하려고 시도할 때 수집된 스펙트럼 데이터이다. 이들 데이터는 표적 스펙트럼으로 나타낸다. 그들은 유사도를 확인하기 위하여 교정 셋트로부터 확인된 분류 파장 또는 인자를 사용하여 적절한 등록 스펙트럼 또는 스펙트럼들과 비교된다. 만일 표적 및 등록 스펙트럼이 충분히 유사하다면, 생체인식 확인이 이루어진다. 만일 유사도가 적절하지 않다면, 그러면 생체인식 확인이 취소되고 새로운 표적 측정이 시도될 수 있다. 식별의 경우에는, 그 시스템은 표적 스펙트럼과 등록 스펙트럼의 모두를 비교하고, 등록된 개체의 데이터의 하나 이상이 표적 스펙트럼과 충분히 유사하다면 정합을 보고한다. 만일 하나 이상의 등록된 개체가 표적과 정합된다면, 정합되는 개체들 전부가 보고되거나 가장 잘 정합되는 사람이 식별된 사람으로서 보고될 수 있다. 검증의 경우에는, 표적 스펙트럼은 매그네틱 카드, 유형 유저 네임, 트랜스폰더, 또 다른 생체인식 시스템으로부터의 신호, 또는 다른 수단들을 사용해서 수집된 목적 신원에 의하여 수행된다. 이 식별자는 생체인식 유사성이 이루어져서 신원이 검증되거나 부인되기 전에, 등록 데이터베이스로부터 스펙트럼의 데이터의 일치하는 셋트를 검색하기 위해서 사용된다.

검증의 한 방법으로, 주성분 분석이 스펙트럼의 인자들을 만들어내기 위해 교정 데이터에 적용된다. 이들 인자들은 유사성 메트릭스로서 마할라노비스 거리 및 스펙트럼의 오차 등급 값을 만들어내기 위해서 표적 스펙트럼 및 등록 스펙트럼 사이에 얻어진 스펙트럼 계차에 적용된다. 신원은 단지 전술한 거리 및 등급이 각각에 대하여 미리 정해진 임계값 셋트 보다 더 적은 경우에만 검증된다. 유사하게, 생체 인식을 위한 바람직한 방법에 있어서, 마할라노비스 거리 및 스펙트럼 오차 등급은 데이터베이스 스펙트럼의 각각에 관하여 표적 스펙트럼을 위하여 계산된다. 신원은 가장 적은 마할라노비스 거리 및 각각에 대하여 미리 정해진 임계값 셋트보다 더 적은 스펙트럼 오차 등급을 주는 데이터베이스 스펙트럼과 관련된 사람 또는 사람들로서 정해진다.

생체인식 태스크를 수행하기 위한 하나의 시스템은 하기를 포함한다: 입력 장치 및 출력 장치를 가지는 컴퓨터; 등록된 사람들에 대하여 선택된 조직 스펙트 럼 데이터를 포함하는 데이터베이스; 표피 하의 조직으로 선택된 복사광을 투사하기 위한 복사원 또는 광원; 조직과 인터페이스하기 위한 샘플러; 복수의 파장에 대하여 피하의 복사 강도를 측정하기 위한 검출기를 포함하는 분광기; 및 분류 인자의 한 셋트를 적용함으로써 복수의 광학 스펙트럼 사이에 유사도를 평가하기 위하여 컴퓨터에서 실행되는 분류 프로그램. 그 프로그램은 판별 분석을 수행하기 위한 소프트웨어를 포함할 수 있다. 또한, 그 프로그램은 부가적인 권한을 부여받은 스펙트럼의 데이터를 수집하기 위한 또는 데이터베이스로부터 존재하는 스펙트럼 데이터를 제거하기 위한 개별 모듈을 포함할 수 있다. 검증 태스크를 위해서 스펙트럼의 생체인식 시스템을 사용하는 경우에, 그 시스템은 또한 접근을 얻으려고 시도하는 사람의 목적 신원을 확인하기 위한 어떤 수단을 포함할 것이다. 목적 신원을 수집하기 위한 방법은 매그네틱 카드, 비밀번호, 이름 또는 아이디의 키보드 입력, 음성 명령, 트랜스폰더 등을 포함하지만, 이들에 한정되는 것은 아니다.

본 발명을 특징짓는 이들 및 다양한 다른 이점 및 신규한 특징은 이 문서의 한 부분이 되고 이것에 부가된 특허청구범위 부분에서 특히 지적된다. 그러나, 본 발명의 더 나은 이해를 위하여, 그것의 이점 및 그것의 사용, 참조에 의해 얻어진 대상은 이 문서의 또 하나의 부분이 되는 도면이 되어야 하고, 또 본 발명을 설명하고 기술하는 바람직한 실시예가 있는 곳에서 덧붙여진 상세한 설명 부분이 되어야 한다.

도면에서, 참조 부호는 여러 관점에서의 본 발명의 바람직한 실시예의 해당 부분 또는 인자들을 나타낸다:

도 1은 바람직한 생체인식 분석기 속에 포함된 구성요소의 블록 다이어그램이다;

도 2는 인덱싱-매칭 유체를 통해 피부 표면과 연결된 센서 구성요소의 부분 횡단면이다;

도 3은 인덱싱-매칭 유체를 통하여 피부 표면의 반대 면과 연결된 센서 구성요소의 대안적인 실시예의 부분 횡단면이다;

도 4는 본 발명인 근적외선 생체인식 기구에 대한 오인 수락률 및 오인 거부율을 나타내는 그래프이다;

도 5는 도 4의 생체인식 분석기에 대한 수신기 작동 특성들을 요약하는 그래프이다;

도 6은 스펙트럼의 근자외선, 가시광선 및 초근적외선 영역에서 작동하는 본 발명인 생체인식 센서에 대한 오인 수락률 및 오인 거부율을 나타내는 그래프이다;

도 7은 도 6의 생체인식 센서에 대한 수신기 작동 상태를 나타내는 그래프이다.

본 발명의 구체적인 실시예가 여기에 기재된다. 그러나, 기재된 실시예는 다양한 시스템으로 구체화될 수 있는 본 발명의 전형적인 것으로서 이해되어야 한다. 그래서, 여기에서 상세하게 기재된 것은 한정적으로 해석되어서는 안되지만, 다소 클레임의 기초로서 그리고 당업자가 본 발명을 다양하게 실시하도록 알려주기 위한 대표적인 예로서 해석된다.

본 발명은 근자외선 영역, 가시광선 영역, 초근적외선, 근적외선 영역 및 이들 영역의 조합에서의 정확하고, 정밀하며, 반복할 수 있는 개체의 조직 스펙트럼이 개체마다의 독특한 스펙트럼 특징 및 스펙트럼 특징의 조합을 포함한다는 출원인의 인식에 기초를 둔다. 이 명세서를 통하여, 350nm-1000nm의 근자외선, 가시광선 및 초근적외선 영역을 포함하는 스펙트럼 데이터는 이 영역이 실질상 실리콘 검출기가 센서티브하게 반응하는 스펙트럼 영역이라는 사실 때문에 실리콘-영역 데이터로서 나타내질 것이다.

본 발명은 또한 판별법 분석 기술을 이용한 적절한 분석이, 개체의 신원이 이전의 시험으로부터 저장된 조직 스펙트럼 데이터와 비교되는 검증의 시간에 얻어진 조직 스펙트럼 데이터와의 비교에 의해서 검증될 수도 있게 하기 위하여, 스펙트럼의 출력의 가시적인 분석에서 즉시 명백하게 되지 않는 이들 독특한 특징 또는 조합을 인식할 수 있다는 인식에 기초하고 있다. 인식 방법은 또한 개체에 있어서 분석 대상물 농도의 측정과 함께 또는 동시에 사용될 수 있다. 또한, 본 발명의 생체인식 방법은 그 시스템의 정확도를 증가시키거나 또는 시스템 결함 또는 다른 이유로 한 방법이 사용될 수 없는 경우에, 한 사람을 인식하기 위한 하나 이상의 방법을 제공하기 위하여, 다른 생체인식 기술과 함께 사용될 수 있다.

이전의 스펙트럼 데이터는 특정 개체에게 독특한 것으로 인식된 특징에 기초 하여 특정 사람을 인식하는 장치를 훈련시키는 데에 사용된다. 이들 독특한 스펙트럼 특징은 비록 분석의 각 시간에 분석되어지는 조직이 개체에 있어서의 신체적인 변화 때문에 농도가 변하고, 결과적인 조직 스펙트럼도 변하게 되는, 구성인자 및 분석 대상물을 포함하는 동역학적 시스템일지라도, 일관되게 존재한다는 것이 발견되었다.

미리 언급한 것처럼, 본 발명의 방법의 성공에서 중요하다고 믿어진 두가지 요소가 있다. 첫째, 그 방법은 어떤 주어진 파장에서 조직의 스펙트럼 특성에서의 경미한 변화에 민감하게 남아 있는 반면, 기구적인, 환경적인 및 샘플링 변화에 기인한 효과를 최소화하는 조직 스펙트럼을 정확하게, 반복적으로 얻기 위한 기구 및 기술을 포함한다. 또한, 그 시스템은 조직 샘플 안 및 밖으로의 광학 처리량을 최적화한다. 둘째, 그 방법은 특정한 개체에게 중요한 스펙트럼 특징을 인식하게 하기 위하여 , 그리고 그런 특징들과 시도된 검증 또는 식별의 시간에 얻어진 새로운 스펙트럼 데이터를 비교하기 위하여 기구를 훈련시키기 위한 특별한 기술을 요구한다. 특정 개체에게 독특한 스펙트럼의 특징 또는 스펙트럼 특징의 조합은 스펙트럼 결과의 가시적인 비교로 즉시 명백해지거나 인식되어지지 않고, 독특한 스펙트럼 특징은 다른 개체들에게서 다른 파장으로 존재하기 때문에, 본 발명은 스펙트럼 데이터를 비교하기 위하여 판별 분석 기술에 의존한다. 본 발명의 기구 및 방법의 각 구성요소는 이하에서 상세히 설명된다.

도 1을 참조하면, 본 발명인 바람직한 전체 분광분석 시스템의 블록 다이어그램을 보여준다. 그 시스템은 일반적으로 광학 샘플러(34)의 입력부로 선택된 파 장에서의 빛 에너지를 제공하는 광원(32)을 포함한다. 빛은 샘플러(34)의 입력부로 부터 조직(36)으로 지나간다. 일단 조직(36)에서, 빛의 일부분이 샘플러(38)의 출력부로 지나가고, 그리고 분광기(40)로 들어간다. 분광기(40)에서 검출기에 의해 수집된 신호는 디지털화되고 스펙트럼 유사성 인식 서브시스템(44) 내에서 분석된 데이터와 함께 처리 서브시스템(42)으로 보내지고, 차례로 그 데이터에 기초한 적절한 출력(46)을 제공한다. 그 출력은 단순히 그들이 강력히 주장하는 사람인지 아닌지, 택일적으로 그 시스템이 알려지지 않은 개체의 인식을 출력할 수 있는지 여부에 관한 '예 또는 아니오'의 결정일 것이다.

조직 스펙트럼 데이터를 얻을 때에, 측정이 최소한 두 개의 다른 모드로 이루어질 수 있다. 조직의 일부를 통해 투과된 빛을 측정할 수 있는 것이거나 조직으로부터 반사된 빛을 측정할 수 있는 것이라는 것이 인식된다. 비록 실리콘-영역과 같은 영역에서 파장에 의존해서 빛이 1 센티미터 이상의 상당한 깊이까지 조직을 통과할 수 있을 지라도, 조직의 투과 샘플링은 사용될 수 있는 몸의 부위를 제한한다. 그래서, 샘플링의 어떤 모드가 본 발명에, 그리고 특히 실리콘-영역에서 빛을 이용한 분석에 적용될 수 있는 반면에, 바람직한 그리고 더욱 융통성이 있는 방법은 반사광에 기초한다.

광자는 반사되고, 굴절률 불연속으로 굴절되므로, 조직에 즉시 영향을 미치는 빛은 조직 표면에서 작은 반사율을 가진다. 이것은 정반사율로 나타내진다. 이 빛은 그 조직으로 투과되지 않기 때문에, 그것은 조직 구성인자에 대한 정보를 거의 포함하고 있지 않다. 이것은 피부의 생리학적 빛에서 특히 사실인데, 그것은 근 본적으로 죽은 외층을 지니고, 개체에게 독특하다고 믿어진 스펙트럼 정보가 부족하다. 그래서, 개체에게 독특한 스펙트럼 데이터를 포함하는 반사광 에너지는 조직 샘플의 더 깊숙한 내부에서 굴절율 불연속을 통하여 표면까지 다시 반사된 빛이라고 믿어졌다. 이 반사광 에너지를 확산 반사광으로 나타낸다.

출원인은 입사 광자의 대 부분이 조직에서 흡수되고 산란된다는 것을 알아내었다. 조직의 밖으로 다시 연결되도록 이용할 수 있는 그런 광자들은 그들의 각 경로에서 비켜나는 것 같다. 사실상, 당연히, 광자는 빛이 확산 반사율 샘플러를 사용하여 수집될 때, 입력 광학기기를 향한 방향으로 조직을 빠져나가기 위해 방향을 전환해야 한다. 그러나, 출원인들은 조직 외부의 공기 굴절률 및 평균 조직 굴절률 사이에 굴절률 불연속과 관련된 검출에 있어서 하나의 문제를 발견했다. 이 입사광에 작용하는 불연속성이 약 5 퍼센트 이하의 작은 정반사율 및 굴절률을 유도한다는 것을 발견하였다. 그러나, 바깥으로 나가는 동안, 그 불연속성은 임계각 현상을 일으킨다. 광자가 고굴절율 매체로부터 저굴절율 매체로 이동하기 때문에, 임계각은 광자가 전적으로 내부적으로 반사되고 그 조직 샘플을 벗어나지 않을 곳 위에 존재한다. 조직으로부터 공기로 이동하는 광자에 대한 임계각은 약 46도가 된다고 알려졌고, 그리고 그것이 문제를 제시한다. 정상적으로 조직 표면에 입사하는 광자는, 조직을 빠져나가기 위해서는 큰 각을 통해 벗어나야만 한다. 산란의 전방 방향성 때문에, 광자가 이와 같이 하는 것은 어렵고, 조직과 공기 인터페이스와 함께 스치고 지나가거나 또는 조직 및 공기 인터페이스와 함께 높은 각 입사를 만들 것 같다. 스치고 지나가는 입사 광자들은 임계각이 초과되기 때문에 벗어나지 못할 것 이다. 본 발명의 실시예는 이 문제를 극복하기 위한 특징을 포함하고 부가적인 고-입사-각 광이 광학 샘플러(38)의 출력에 의해 수신될 수 있다는 것을 확실히 한다.

결과적인 정반사를 감소시키는 블록커 블레이드 장치(blocker blade device) 또는 기능적으로 유사한 입력부 및 출력부의 배치 사용이 굴절률에서의 변화에 의해 만들어진 문제의 많은 부분을 경감시킨다. 조직-공기 인터페이스에서 임계각 문제에 기인한 광의 손실이 측정 신호 대 잡음비에서 경미한 감소를 가져오고, 그리고 그것은 많은 생체인식 확인 출원에 대하여 관용될 수 있는 것이다.

분석 기구와 조직을 빠져나간 짝을 이루는 빛 에너지와 관계된 굴절률에서의 차이에 대한 대안적인 솔루션은 조직으로 빛을 효율적으로 도입하는 굴절률을 가지는 한편, 중요한 스펙트럼 범위에서 아주 낮은 흡수성을 가지고, 훌륭한 유동성 및 적용범위와 양립가능한 점성을 가지며, 정반사를 감소시키고, 조직 밖으로 빛을 효율적으로 다시 내보내는 이멀젼(immersion) 유체의 사용이다.

이제 도 2 및 3을 참조해서, 조직 스펙트럼을 무혈적으로 획득하는 기구의 두 개의 바람직한 실시예의 부분 횡단면이 묘사되어 있다. 도 2 및 3에서의 묘사는 에너지원(16) 및 스펙트럼 분석기(30)에 효과적으로 연결된 무혈 센서 구성요소(11)를 이용하는 구성을 묘사하는 개략도이다. 신체 구성요소들의 상대적인 크기, 모양 및 상세한 것은 묘사되지 않았다. 각 도면은 또한 광학 인덱스-매칭 매체(22)의 사용을 나타낸다.

도 2에 묘사된 기구 및 도 3에 묘사된 기구는 일반적으로 3개의 구성요소인 에너지원(16), 광학 센서 구성요소(11), 및 스펙트럼 분석기(30)를 포함한다. 도 2 의 실시예는 입력 구성요소(20) 및 출력 구성요소(26)를 포함하는 것으로서 센서 구성요소(11)를 묘사하고, 그리고 그것은 입력 및 출력 광에너지 모두에 대한 단일 렌즈 시스템을 포함할 수 있다. 입력 구성요소(20) 및 출력 구성요소(26)는 선택된 조직(10)의 일반 피부 표면(12)과 접촉해 있다. 도 3의 대안의 실시예는 대안 센서 구성요소(11) 장치를 묘사하고, 여기서 입력 구성요소(20) 및 출력 구성요소(26)는 조직(10)의 반대 표면(12),(14)에 설치되어 있다. 양 실시예는 조직(10)에 의해 빛 에너지의 흡광도 측정을 하도록 하는 기능을 한다. 그러나, 도 2의 실시예는 여기서 구성인자 또는 특징에 의해 조직(10)으로부터 확산적으로 반사되는 빛 에너지의 양을 측정하기 위해 사용된다. 반면에, 도 3의 실시예는 조직(10)을 통한 빛 에너지의 투과를 측정한다. 다른 실시예에서는, 다양한 파장에서의 흡광도는 에너지원(16)으로 부터 빛 에너지의 강도와의 비교에 의해 결정될 수 있다.

에너지원 또는 광원(16)은 많은 이용가능한 디자인으로부터 선택될 수 있다. 하나의 실시예에서, 넓은 대역, 적외선 흑체원은 1.0 및 2.5㎛ 사이의 에너지원 (16)으로부터 방출된 바람직한 광학 파장과 함께 사용된다. 광원(16)은 또한 바람직하게 스펙트럼의 실리콘 영역에서 빛을 방출하는 광원일 수 있고, 그리고 그것은 실리콘 검출기가 액티브하고 대략 350-1000nm 사이인 스펙트럼 영역으로서 정의된다. 광원은 수정 텅스텐 할로겐 백열전구, 광대역의 발광다이오드(LEDs), 레이저 다이오드의 수집 또는 수직 공동 표면 발광 레이저(VCSELS), 글로브 바(globe bars) 또는 그 기술분야에서 알려져 있는 다양한 다른 광학원에 기초할 수 있다. 빛 에너지는 조직에 중계되어야 하고 적절한 디자인의 샘플러(36)가 이용될 수 있 다. 그 장치는 조직상의 적절한 위치에 그 빛을 전달하기 위해서 광섬유로 구성될 수 있다. 디자인의 이 형태는 도 2 및 3에서 개략적으로 보여진다. 에너지원(16)은 에너지원으로부터 입력 구성요소(20)까지 적외선 에너지(18)를 전달하기 위한 첫번째 수단과 효과적으로 결합되어 있다. 바람직한 실시예에서, 이 첫번째 수단(18)은 에너지원(16)을 입력 구성요소(20) 가까이 둠으로써 공기를 통하여 입력 구성요소(20)로의 단순한 빛 에너지의 투과이다.

센서 구성요소(11)에서 입력 구성요소(20)는 광섬유 또는 고에너지 밀도 지점에 빛 에너지를 집중시키는 광학렌즈를 포함할 수 있다. 그러나, 다른 광선 촛점 수단이 조명의 영역을 바꾸기 위해 광학 렌즈와 조합해서 이용될 수도 있다고 이해된다. 예를 들어, 다수의 렌즈 시스템, 테이퍼드 파이버(tapered fiber) 또는 다른 전형적인 광학 광선- 모양 장치가 입력 빛 에너지를 변환시키기 위해서 사용될 수 있다. 다른 바람직한 실시예에서, 상기에서 언급한 미국 특허 출원 "조직의 분광사진 분석 시스템"에 기재된 것처럼 샘플러(36)는 샘플 부위에 빛을 집중시키기 위한 집속집열기(compound parabolic concentrated; CPC)로 이루어진 비섬유 디자인일 수 있다.

일단 빛이 조직과 반응하면, 일루미네이션 방법과 유사한 방식으로 수집될 수 있다. 광 섬유의 적절한 배치가 사용되거나 CPC와 같은 비섬유 수집기기가 적용될 수도 있다.

도 2 및 3에서 묘사된 양 실시예에서, 출력 센서(26)는 조직(10)으로 부터 반사된 또는 투과된 빛에너지를 수신하기 위해 이용된다. 바람직한 실시예에서, 정 반사 조절 장치는 확산 반사광으로부터 정반사광을 분리하기 위해 포함되었다. 그런 장치는 1997년 6월 9일에 출원된, "확산 반사율 모니터링 기구"란 명칭의 동시 출원 및 일반 출원 Serial No. 08/871,366에 기재되어 있으며, 그 발명의 내용이 여기에 기재되어 있다. 하기에서 분석 방법과 함께 기술되어 있는 것처럼, 도 3의 실시예가 조직(10)을 통해서 투과된 빛을 수신하는 출력 센서(26)를 포함하는 반면, 도 2의 실시예는 반사된 빛 에너지를 수신하는 출력 센서(26)를 갖는다. 입력 구성요소(20)에서 처럼, 출력 구성요소(26)는 광학 렌즈인 것이 바람직하다. 다른 광 수집 수단은 다수의 렌즈 시스템, 테이퍼드 파이버, 또는 다른 광선-수집 수단은 스펙트럼 분석기(30)로 빛에너지를 향하게 할 때에 도와주도록 출력 구성요소 (26)에 포함될 수 있다.

적외선 에너지(28)를 전달하는 두번째 수단은 출력 구성요소(26)에 효과적으로 결합되어 있다. 적외선 에너지(28)를 전달하는 두번째 수단을 통하여 전달된 빛은 스펙트럼 분석기(30)로 전달된다. 바람직한 실시예에서, 출력 구성요소에 효과적인 연결은 스펙트럼 분석기(30)로, 공기를 통하여 출력 구성요소를 빠져나가는 반사된 또는 투과된 빛 에너지의 전달을 포함한다. 거울 또는 거울의 연속은 스펙트럼 분석기로 이 빛 에너지를 향하게 하기 위해서 이용될 수 있다.

본 발명의 방법을 실시할 때에, 조직(10) 영역은 분석 점으로서 선택된다. 이 영역은 손가락 및 엄지손가락의 배면 또는 복면, 손목의 배면 또는 복면, 엄지와 검지 손가락 사이의 막, 무지구, 소지구, 내측 소지구, 귓불, 관자놀이, 팔뚝 또는 어떤 다른 피부 표면 상에서의 피부 표면(12)를 포함할 수 있다. 바람직하게, 샘플링의 영역은 상대적으로 부드럽고 딱딱하지 않은 표면이다. 임의적으로, 유체이든 변형된 고체이든 간에 인덱스-매칭 매체(22)는 센서 구성요소(11)에 결합하기 위해 분석되어지는 그 영역에서 피부 표면(12) 상에 위치될 수 있으며, 그리고 그것은 그 기구에 입력 구성요소(20) 및 출력 구성요소(26)를 포함한다.

조직(10)의 스펙트럼 데이터를 획득할 때에, 에너지원(16)으로부터 빛 에너지가 적외선 에너지(18)를 전달하기 위한 첫 번째 수단을 통하여 입력 구성요소( 20)로 전달된다. 빛에너지는 입력 구성요소(20)로부터 인덱스-매칭 매체(22)를 통하여, 피부표면(12) 까지 전달된다. 피부 표면(12)과 접한 빛 에너지는 피부 표면 (12) 하에 포함된 다양한 구성인자 및 분석 대상물에 의해 차별적으로 흡수된다. 바람직한 실시예에서, 비흡수 빛 에너지는 선택적인 인덱스-매칭 매체(22)를 통하여 다시 전달되자마자 출력 구성요소(26)로 다시 반사된다. 비흡수 빛 에너지는 스펙트럼 분석기(30)로 적외선 에너지(28)를 전달하기 위한 두번째 수단을 통하여 전달된다.

도 3의 대안적인 실시예에서, 다양한 파장에서 빛 에너지의 양이 조직(10)을 통해 반대 또는 두번째 피부 표면(14)으로 전달되는 반면, 입력 구성요소(20)를 통하여 전달된 빛 에너지 및 인덱스-매칭 매체(22)의 첫번째 양은 조직(10)에 의하여 차별적으로 흡수된다. 두번째 피부 표면(14)로 부터, 비흡수 빛 에너지는 선택적인 인덱스-매칭 매체(24)의 두번째 양을 통하여 조직 스펙트럼을 형성하기 위한 스펙트럼 분석기(30)로의 이후의 전달과 함께 출력 구성요소(26)로 전달된다. 투과 샘플링을 위해 사용될 수 있는 조직 부위는 손가락 및 엄지손가락, 엄지 및 검지 손 가락 사이의 막, 귓불, 또는 인체의 상대적으로 얇은 부분을 둘러싸고 있는 어느 다른 피부표면을 포함할 수 있다. 바람직하게, 샘플링의 영역은 상대적으로 부드럽고, 딱딱하지 않은 표면이다.

도 1에서, 분광기 서브시스템(40)은 다양한 방법 및 기구를 포함할 수 있다. 광학 스펙트럼을 검출하는 바람직한 방법은 푸리에 변환 적외선 분광기 시스템에서와 같은 광학 간섭 현상에 기초해서 얻어진다. 그러한 한 시스템이 이와 함께 동일한 날짜에 출원되고, 일반 출원된 미국 특허 출원 Serial No. 09/832,585, "인간에게 있어서 무혈 글루코스 측정 시스템" 및 이와 동일한 날짜에 출원된 미국 특허 출원 Serial No. 09/832,631, "암호된 변수 필터 분광기"에 기술되어 있고, 이 둘의 발명의 내용이 참고로 여기에 포함되어 있다. 광학 스펙트럼을 검출하기 위한 다른 방법들이 그래이팅, 프리즘, 가변파장 필터, 막(mock) 간섭계, 새그낵(Sagnac) 간섭계 또는 커먼-패스(common-path) 간섭계, 및 당업자에게 알려진 다른 수단들을 사용하는 것을 포함한다. 이 분광기의 많은 것은 분광기 및 검출기가 조직 앞에서 일어나는 스펙트럼-분리와 함께 두 개의 명확한 단위로 취급될 수 있도록 한다. 예를 들어, FTIR 가변파장 필터, 및 막 간섭계는 모두 조직 앞에 위치될 수 있고 빛에 대한 암호를 특징지을 수 있으며, 그리고 그것은 그 다음에 도 1에서 보여준 것처럼 조직 이후에 위치한 검출기에 의해 보여질 것이다.

본 발명을 실시할 때에, 조직 스펙트럼 데이터는 조직 샘플의 구성인자의 기능으로서 적외선 에너지의 그러한 파장에서 흡광도를 나타내는 다양한 파장에서 출력 센서에 의해 수신된 빛의 강도를 측정함으로써 결정된다. 당해 기술분야에서 잘 알려져 있는 것처럼, 본 발명의 스펙트럼 분석기(30)는 검출기상에서 적외선 에너지 입사 강도를 전압의 비례 진폭으로 전환할 수 있다. 이런 방식으로, 출력 스펙트럼은 분석 중 조직에 대하여 한정된다.

일단 조직 분석을 위한 정확하고 반복가능한 스펙트럼 데이터가 얻어지면, 본 발명의 두번째 주요 구성요소는 장치 또는 기구가 특정 개체에 대하여 독특한 스펙트럼 특징 또는 특징들의 조합을 인식하도록 그리고 데이터베이스의 스펙트럼 데이터 및 그것의 독특한 특징을 아마도 동일한 개체로부터의 새로운 스펙트럼 데이터와 비교하여 사실상 동일한 개체로부터 유래된 스펙트럼 데이터인지를 결정하도록 훈련시키기 위한 분류방법을 정의하는 것이다.

바람직한 방법에서는, 식별 또는 검증 태스크는 제한된 수의 권한을 부여받은 사람들(예컨대, 분광분석 측정을 수행하는 경우, 공간으로 출입을 얻는 경우, 연동장치가 된 차량 또는 기계에 대한 콘트롤을 얻는 경우, 입국관리 검문소를 통과하는 경우 등)에 대하여 작동이 행해지도록 할 때 실행된다. 그 사람의 스펙트럼 데이터는 그사람의 신원의 식별 또는 검증을 위해 사용된다. 이 바람직한 방법에서는, 그 사람은 초기에 하나 이상의 대표적인 조직 스펙트럼이 수집됨으로써 그 시스템에 등록된다. 만일 스펙트럼 둘 이상이 등록 동안 수집된다면, 등록 데이터를 파괴하는 샘플 인공물의 가능성을 제한하면서, 이들 스펙트럼은 무모순인지 체크되고 만일 그들이 충분히 유사한 경우에만 기록된다. 검증 구현을 위하여, 비밀번호, 매그네틱 카드 넘버, 유저네임, 뱃지, 음성 패턴, 다른 생체 인식과 같은 식별자 또는 어떤 다른 식별자가 수집되고 확인된 등록 스펙트럼 또는 스펙트럼들과 관 련된다.

그 다음의 사용에서, 생체 인식은 권한을 얻기위한 시도를 하는 한 사람으로부터 스펙트럼을 수집함으로써 발생한다. 이 스펙트럼은 등록된 권한인증 데이터베이스에서의 스펙트럼과 비교되고 만일 권한인증된 데이터베이스 입력에 대한 정합이 미리 정해진 임계값 이상이라면 인식이 된다. 검증 태스크도 유사하지만, 그 사람이 수집된 스펙트럼에 더하여 식별자를 제시할 것이 요구된다. 식별자는 특정 등록 데이터베이스 스펙트럼을 선택하도록 사용되고 권한부여는 만일 현재의 스펙트럼이 선택된 등록 스펙트럼과 충분히 유사하다면 주어질 것이다. 만일 생체인식 태스크가 단지 한사람에게 권한부여되어 있는 작동과 관련된다면, 검증 태스크 및 식별 태스크는 동일하고, 둘다 단독의 권한있는 개체가 별개의 식별자 필요없이 작동을 시도하는 것에 대한 확인으로 단순화된다.

제안된 검증 방법의 바람직한 실시는 권한을 희망하는 사람으로부터 수집된 스펙트럼, V(ν)을 사용하여 계차 스펙트럼, D(ν) 및 등록 권한 스펙트럼,A(ν) 또는 인식이 제시되는 사람과 일치하는 스펙트럼들을 만든다.

D(ν)=V(ν)-A(ν)

여기서, ν는 스펙트럼 주파수 또는 파장을 나타내는 변수이고, D,V,A 는 흡광도 단위 또는 어떤 관련된 양에서의 스펙트럼 값이다. 택일적으로, D,V,및 A는 스펙트럼 강도값이고 "계차" 연산은 요소대 요소비가 된다:

D(ν)=V(ν)/A(ν)

다른 유사한 특징의 수학 연산이 또한 이 출원에 대하여 사용될 수 있다. 식별을 위하여, 검증 경우와 유사한 절차가 뒤따르지만, 등록 데이터베이스에서의 각 입력에 대하여 반복된다.

바람직한 생체인식 방법의 다른 주요 요소는 D(ν)를 만들기 위해 사용되는 것과 동일한 수학 연산을 사용해서 개발된 스펙트럼 교정 데이터셋트이다. 교정 데이터베이스에서 스펙트럼 계차(또는 비율, 등)는 바람직하게 각각 한 명 이상의 사람에 대하여 여러번 측정되어 형성된다. 견고성을 위해서, 교정 데이터베이스에 포함된 사람의 샘플링은 신체적으로 기대되는 변화, 분광분석 측정 장치 내 또는 간의 기대되는 변화 및 측정 환경에서의 변화를 모두 포함해야 한다. 한 바람직한 실시예에서, 스펙트럼의 계차는 주어진 사람으로부터 다수의 스펙트럼 조합에서 만들어질 수 있지만, 결코 다른 사람으로부터의 스펙트럼을 사용해서 만들어져서는 안된다. 사람 내부 계차 스펙트럼으로 교정 데이터베이스를 채움으로써, 전형적인 사람간의 스펙트럼 계차가 제거되고, 결과적인 교정 베이터 베이스는 단지 기계적인 및 환경적인 효과 뿐만 아니라 사람 내부적인 스펙트럼 특징만을 포함한다.

검증 태스크는 스펙트럼 계차, D(ν)가 교정 데이터베이스와 일치하는지의 확인을 통하여 수행된다. 만일 그 사람이 제시한 인식이 정확하다면, 결과적인 계차 스펙트럼, D(ν)은 단지 사람 내부의 스펙트럼 특징만을 포함할 것이고, 그래서 교정 데이터베이스와 일치할 것이다. 역으로, 만일 인식이 정확하지 않다면, D(ν)는 사람 내부의 스펙트럼 특징을 포함할 것이며, 개체에 대한 사람 내부 스펙트럼 계차 데이터베이스와 양립할 수 없을 것이다. 이 경우에, 검증은 실패할 것이다.

유사하게, 식별이 계차 스펙트럼의 각각(등록 데이터베이스에서의 각 입력을 위한 어떤 것)과 교정 데이터베이스를 비교함으로써 수행된다. 교정 데이터베이스에서 사람 내부 변화와 일치하는 결과를 만드는 어떤 계차든지 신원의 측정이라고 불린다. 만일 계차의 어떤 것도 교정 데이터베이스와 일치하는 결과를 만들지 못한다면, 접근을 시도한 사람은 권한이 없는 침입자로 간주된다.

데이터베이스와의 일치는 선형 판별 분석, 2차 판별 분석, K-최근접, 신경회로망, 및 다른 분류 기술들을 포함하는 다양한 방법으로 조사된다. 바람직한 방법에서는 복수의 분석 기술에 기초한 판별 분석 기술이 사용된다. 이러한 방법은 사람 내부 교정 데이터베이스에서 근본적인 스펙트럼 모양(인자, 부하벡터, 고유벡터, 잠재변수 등)을 확인하는데 그리고 데이터베이스와 D(ν)의 일치를 확인하기 위해서 표준 이상치 분류방법(스펙트럼의 F비율, 마할라노비스 거리, 유클리드 거리 등)을 사용하는데 의존한다. 근본적인 스펙트럼의 모양은 여기에서 기재된 것처럼 복수의 수단에 의해 만들어 질수 있다. 첫째, 근본적인 스펙트럼 모양은 교정 데이터의 단순 스펙트럼 분해(고유 분석, 퓨리에 분석 등)에 기초해서 만들어 질 수 있다.

근본적인 스펙트럼 모양을 만드는 두 번째 방법은 참고로 그 내용이 여기에 포함된 미국 특허 제 6,157,041호," 분광분석 교정 모델 조정을 위한 방법 및 기구" 에서 기술된 일반 모델의 개발에 관한 것이다. 이 출원에서, 근본 스펙트럼 모양은 사람 내부의 스펙트럼 특징에서 수행된 교정 절차를 통해서 만들어졌다.

세 번째 방법에서, 근본 스펙트럼 모양은 모의 구성인자 변화에 기초한 교정의 개발에 의해 만들어졌다. 모의 구성인자 변화는 실제 신체 또는 환경 또는 기구 변화에 의해 도입된 변화를 모델로 할 수 있거나 간단히 인공 분광분석 변화일 수 있다.

스펙트럼 계차, D(ν)가 데이터베이스와 일치하는지 여부를 분류하는 다른 수단이 본 발명인 식별 및 검증 방법에 적용가능하다는 것이 인식되었다. 이들 방법은 전술한 기술들과 함께 또는 대신 사용될 수 있다.

분류 방법에서 많은 변화가 본 발명의 범위내에서 가능하다. 한 실시예에서, 전체 스펙트럼은 실질상 동일한 파장 또는 파수 간격으로 저장된다. 또 다른 실시예에서, 중요한 미리 선택된 파장이 기록된다. 하지만 또 다른 실시예에서는, 스펙트럼 데이터가 다양한 스펙트럼을 실질적으로 재생시킬 수 있는 변수로서 분석되고 저장된다. 후자의 실시예에서, 변수 밖의 특정 파장에서의 측정은 저장되지 않는다. 등록 스펙트럼은 데이터베이스에서 저장될 수 있다. 하나의 실시예에서, 많은 등록 스펙트럼이 한 번의 출석에서 얻어지고 검증된 스펙트럼 데이터베이스를 실장하도록 사용된다. 또 다른 실시예에서, 스펙트럼은 한 개체에 대한 여러 번의 출석에 걸쳐 획득된다.

미리 언급된 것처럼, 스펙트럼 계차 또는 거리는 동일 개체에 대한 동일한 파장에서 측정된 다른 측정값에서 계산을 수행함으로써 얻어질 수 있다. 스펙트럼의 계차를 정의할 때 변화가 가능하다. 이를 설명하기 위하여, 본 발명은 단일 파장에서 얻어진 측정 샘플의 경우를 우선적으로 고려한다. 스펙트럼 계차는 그 파장에서 새로운 스펙트럼 값에 비례하는 평균에 대한 표준 편차 및 평균 측정 값과 같은 시료 집단의 통계적 분석의 형태를 얻을 수 있다. 다양한 파장이 샘플 집단에 대한 표준 편차를 최대화 또는 최소화하기 위한 시도에서 평가될 수 있다. 권한있는 사람과 사칭하는 사람 사이에 구별 또는 판별을 허용하기 위하여, 사람 내부 변수를 최대화하는 반면 단일 개체에 대하여 얻어진 샘플에 대한 파장의 변화를 최소화하기 위해 파장을 선택하는 것이 바람직할 수 있다. 예를 들어, 사람들 사이에 변하지 않는 파장은 생체인식 판별에서는 유용하지 않다. 동시에, 사람 내부 계차가 사람간의 계차를 제거할 수 있을 때에, 동일한 개체에 대한 측정들 사이에 큰 변화가 없는 파장을 선택하는 것이 바람직하다.

위에서 논의한 단순한 단일파장의 경우에, 사람 내부 스펙트럼 계차를 최소화하는 반면 사람간 스펙트럼 계차를 최대화하는 파장이 선택될 수 있다. 이 일차원적 예에서, 다양한 개체들에 대하여 축을 따라 이들 밀집 군을 배열하는 반면, 한 축을 따라 한 점에 대해 각 개체에 대한 측정값이 밀집되도록 하는 경향이 있는 파장이 선택될 수 있다. 표적 샘플이 도입될 때, 얻어진 측정값은 목적 신원에 대한 개체를 위한 값의 군과 비교될 수 있다. 임계값은 검증된 개체에 대한 값의 각 군으로 확인될 수 있다. 예를 들어, 임계값은 동일한 집단에 대한 두 개의 표준 편 차에 맞춰질 수 있고, 어떤 측정치가 이 범위를 벗어나서 거절되는 측정치를 가진다면, 개체 검증은 거절된다.

상기 단순화된 단일 파장 예로부터, 스펙트럼 데이터 분석의 이론이 전개될 수 있다. 2-파장 예에서, 두 개의 파장이 선택될 수 있고 2차원 도면에서 X-Y 좌표로서 서로서로에 대하여 두 개의 파장 측정이 구획될 수 있다. X-Y 도면은 바람직하게 서로에게서 넓게 분리되어 있고, 여러번 측정된 다른 개체들에 각각 일치하는 군의 연속을 보여준다. 이런 군들의 분산은 사람내의 변화에서 정상을 측정하기 위해서 사용될 수 있고 정해진 사람에 대한 모든 측정값의 특정 백분율이 평균 군 위치 주위의 특정 영역내에 있도록 기대되는 것과 같이, 각 군의 평균 위치에 대한 확률값을 확인하기 위해 사용될 수 있다.

등록 데이터가 2-파장의 경우에 얻어졌을 때, 각 등록된 사람의 위치는 유사한 X-Y 도면상에서 구획될 수 있다. 각 등록 점 주위의 영역은 각 등록된 사람에게서 수집된 모든 그 다음의 측정 중에서 99% 처럼, 높은 비율이 이 영역 내에서 있을 것으로 기대되는 것과 같이 확률 경계를 정하기 위한 교정 셋트에서 만들어진 정보를 사용하여 그려질 수 있다. 그 다음의 스펙트럼 생체 인식을 위하여, 데이터가 수집되고 이 동일한 X-Y 그래프 상에서 구획된다. 만일 수집된 데이터가 99% 확률경계내에 있다면, 그 사람은 적절한 등록 개체로서 인식된다고 할 수 있다. 만일 시험 데이터 포인트가 99% 확률 경계내에 있지 않다면, 테스트 중인 그 사람은 등록되어 있지 않거나 권한이 부여되지 않을 것 같고, 첫번째 측정에서 오류가 있는 경우에 측정을 다시 하여야 한다. 만일 등록된 데이터의 군이 테스트 데이터가 두 개 이상의 확률 영역내에 있는 경우라면, 권한이 확인되지만 식별은 모호하다. 만일 절대 인식이 자동차에서 셋팅되는 특성을 정하는 것처럼 그 태스크에 중요하다면, 후보 신원의 각각에 대하여 확률이 계산될 수 있고, 가장 큰 확률을 가진 것이 사용된다. 마침내, 만일 생체인식 태스크가 식별 보다는 검증을 요구한다면, 앞의 방법은 단일 후보 등록 데이터 포인트를 사용하여 동일하게 진행된다.

유사하게, 이 분석 적용의 3-파장 예는 3차원 공간에서 구획되고, 군으로부터 표적 포인트의 기하 거리가 결정되어진 데이터 포인터의 군에 의해 대표되는 것으로 생각될 수 있다. 확장에 의해, 10 파장이 선택될 수 있고, 군으로부터 표적 점의 거리가 10-차원 공간에서 계산될 수 있다. 쉽게 상상 될수 없지만, 복수의 파장이 바람직한 실시예에서 사용된다.

대안의 방법에서, 함수들이 스펙트럼의 측정 값을 미리 처리하기 위해서 사용되고, 직접 측정치 보다는 차라리 결과적인 함수가 사용된다. 예를 들어, 두 파장에서 측정된 측정값이 한 개체에 있어서 고저가 있게, 또 다른 것과 반대로, 달라진다는 것이 관찰될 수도 있지만, 이 두 값의 평균 또는 합은 그 개체에게 일정하게 유지되는 것으로 보여진다. 이 예에서, 여러번의 출석으로부터 서로에 대한 두 측정값의 구획이 음의 기울기를 가지는 선분에 대한 군을 보여준다. 합 또는 평균의 1차원 도면은 단일 점에 대한 밀집 군을 보여준다. 이런 식으로, 많은 파장이 단일 값에서 결과를 얻기 위한 함수로 미리 처리될 수 있고, 단일 값은 직접 측정대신에 사용되었다. 바람직한 실시예에서, 각 파장에서 미가공 측정치의 가중치를 둔 조합을 대표하는(또한 인수, 부하 벡터, 고유벡터, 잠재 변수, 분류 특징으로 알려진) 함수는 주성분 분석, 고유치 분해, 선형 판별식 분석 또는 그 기술분야에서 통상의 지식을 가진자에게 알려져 있는 다른 방법들과 같은 기술을 사용해서 이루어진다. 인수의 셋트로 데이터를 분해하는 이점은 인간의 시각화를 촉진할 수도 있는 차원 축소 뿐만 아니라 결과 분석의 증가된 정확성, 속도 및 안정성을 포함한다. 일단 미가공 데이터의 분해가 수행되면, 인자들의 결과 등급이 상기에 제공된 다파장 예와 동일한 방식으로 사용될 수 있다.

사용하기 위한 파장의 선택이 중요할 수 있다. 파장을 선택하는 한 방법이 미국 특허 제 5,435,309 호에서 논의되었다. 한 방법에서, 중요한 파장은 보다 앞선것으로부터 선택되고 모든 샘플에 대해 사용되었다. 또 다른 방법에서, 측정은 주기적으로 사람 내 및 사람 간 계차를 재계산 하기위해 사용되었다. 새로운 다른 상태로 가깝게 밀집된 또는 심지어 겹쳐진 개체들의 권한부여된 데이터베이스로의 첨가는 다른 파장 또는 이 파장에서 작용할 수 있는 다른 함수를 선택함으로써 교정될 수 있다.

일반적으로 행하여 지고 있는 조직 스펙트럼 데이터는 미리 기술한 것처럼, 개체의 팔목 안쪽, 손가락 및 엄지손가락의 배면 또는 복면에서의 지골의 어느 것, 손목의 배면 또는 복면, 무지구, 소지구, 내면 소지구, 또는 다른 편리하고 적절한 부위로부터 얻을 수 있다. 조직 스펙트럼 데이터는 컴퓨터 데이터베이스에 저장될 수 있다. 일반적으로, 저장 전 또는 후에, 근본 스펙트럼 모양 및 인자 와 그들의 등급과 같은 특징의 등급이 정해질 수 있다. 스펙트럼 F-비, 마할라노비스 거리 및 유클리드 거리와 같은 표준 이상치 분류법은 목적 신원을 가진 그 사람에 대한 스 펙트럼 권한 데이터베이스와 표적 스펙트럼의 일치를 결정하기 위해서 사용될 수 있다.

한 방법에서, 교정 스펙트럼의 충분한 수가 수집된 이후에, 교정 데이터베이스는 소프트웨어에 의해 실행되고, 적절한 인자를 만들어내면서, 데이터 상에서 판별 분석이 수행된다. 한 방법에서, 주성분 분석이 인자들을 만들어내기 위해 교정 데이터에 적용되었다. 또 다른 방법에서, 큰 사람내 거리로 군을 분리하는 반면, 판별 분석이 사람간 데이터 포인트를 함께 밀집할 때에 유용한 인자들을 만들기 위해 수행되었다. 본 발명과 관계된 유용한 판별분석 방법의 예는 선형 판별분석 및 2차 판별 분석, 및 다른 비선형 판별 분석 기술을 포함한다.

신원 검증이 희망될 때의 한 방법에서, 조직 스펙트럼 및 목적 신원이 표적 개체로부터 얻어진다. 현재 조직 스펙트럼은 스펙트럼 계차를 만드는, 적당한 등록 스펙트럼에서 빼진다. 스펙트럼 계차는 교정 데이터셋트로부터 만들어진 인자들을 사용해서 분해될 수 있고, 스펙트럼 계차 및 교정 셋트 사이에 일치가 계산될 수 있다. 한 계산은 교정 인수 셋트에 관한 스펙트럼 계차의 마할라노비스 거리를 측정한다. 만일 그 거리가 임계값 거리 미만이면, 목적 신원은 긍정적으로 검증될 수 있다. 또 다른 계산은 교정 인수 셋트에 대한 스펙트럼 계차의 스펙트럼 오차를 만든다. 만일 오차가 미리 결정된 임계값 미만이라면, 목적 신원은 긍정적으로 인식된다. 또 다른 방법에서, 스펙트럼 오차 및 마할라노비스 거리 둘다는 신원이 긍정적으로 확인되기 전에 각각의 임계값 이하이어야 한다.

실험 결과

한 실험이 개체의 신원을 검증하기 위해서 여기에 기술된 방법을 이용하는 것의 유용성을 결정하기 위해 행해졌다. 사용된 기구는 퍼킨 엘머(Perkin Elmer)에 의해 제조된 근적외선 퓨리에 전이 스펙트로포토미터이다. 특수한 모델인 퍼킨 엘머 2000을 사용했다. 인간 조직의 샘플링이 팔뚝의 내측에서 행해졌다. 광학 샘플링 장치는 조직을 빠져나가는 빛을 모으기 위한 섬유와 조직으로의 광을 입사하기 위한 섬유 각각을 가지는 섬유 광학 샘플링 장치이다. 인덱스 매칭 유체는 팔과 섬유 광 샘플링 헤드 사이에 위치된다. 결과적인 강도 스펙트럼은 흡수 스펙트럼으로 전환되고 벡터 파장에 의해 눈금이 정해진다. 스펙트럼은 기록되고 다음으로 4,200-7,200

의 파장 범위에서 처리된다. 데이터는 288명의 다른 사람들에 대하여 측정된 출석 평균 스펙트럼(출석 당 5 샘플)으로 구성된다. 각각은 5주 기간 내에서 어느 때의 단일 출석을 위해 측정된다. 또한, 동일한 5주 기간에 걸쳐 다수의 출석(공칭 10번)을 위해 3명이 측정되었다.

조사를 위한 기본 구조가 교정 모델, 매칭이 수행되는 개체들의 많은 수로 부터의 스펙트럼으로 이루어진 스펙트럼 데이터베이스, 및 알려지지 않은 개체로부터의 스펙트럼(표적 스펙트럼)을 가지고 있다. 검증 태스크는 지정된 사람으로서 표적 스펙트럼을 적절하게 인식하는 것 또는 그 사람이 적절하게 자신을 식별하지 않았는지를 결정하는 것이다.

이 경우에 적용된 판별 방법은 계차 스펙트럼이 교정 모델로 제시되었을 때 만들어지는 마할라노비스 거리 및 스펙트럼 오차 등급에 의존한다. 스펙트럼 계차 는 데이터베이스에서 표적 스펙트럼 및 시험 스펙트럼 사이에 형성된다. 만일 주어진 스펙트럼 계차 쌍에 대한 마할라노비스 거리 및 스펙트럼 오차의 값이 둘 다 기술된 수준 이하라면, 그 두 스펙트럼은 동일한 개체로부터 유래했다고 결정된다. 만일 하나 또는 둘의 메트릭스가 그들 개별의 임계값보다 더 크면, 두 개의 스펙트럼이 다른 개체들로부터 유래했다고 결정된다.

두 메트릭스에 대한 임계값은 완전-모델 교정 데이터에 대한 개별적 누적 분포 함수를 조사함으로써 정해진다. 두 임계값이 이 조사를 위하여 사용되었다: 각각이 교정 데이터("관대한")의 99%를 완전히 처리하는 한 쌍 및 교정 데이터("엄격한")의 단지 95%만을 처리하는 한 쌍.

오인 긍정 에러율은 라운드-로빈(round-robin) 방식으로 288명의 개별 사람의 스펙트럼을 사용함으로써 조사되었다. 각각이 데이터베이스에서 끌어내지고, 데이터베이스에 있는 얼마나 많은 남아있는 사람들이 두 유사성 임계값의 각각에서 이 스펙트럼에 정합되는가에 대한 한 평가가 이루어졌다. 오인 부정 에러율은 동일한 사람의(3명의 반복된 사람의 각각에 대하여 수행된) 출석 사이에 관측된 매칭의 정도로 관찰함으로써 조사되었다.

임계값이 더욱 관대한 임계값(99%)으로 정해졌을 때, 288명의 사람들의 각각이 스펙트럼 도서관으로부터 끌어내져서 남아있는 287명의 사람의 스펙트럼과 비교하여 측정되었을 때, 라운드-로빈 결과는 "매치"의 수를 보여준다. 평균적으로, 0.17%의 오인 긍정률을 만들어내면서, 각 사람은 이 데이터베이스 내의 또 다른 사람의 0.5와 매치된다. 이것은 데이터베이스에 있지 않는 한 사람이 그가 도서관 사 람 중 하나라고 부정확하게 기술되고, 측정이 이것을 확인하였을 때 발생하는 에러율이다.

다음의 테스트에서, 5주 데이터 수집 기간에 걸쳐 반복적으로 측정된 사람들 중 1인은 상기에서 기술된 동일한 검증 방법을 사용해서 모든 다른 검사와 비교된다. 그 관대한 임계값를 이용해서, 0.0%의 오인 부정 에러율의 결과를 가져오면서, 모든 출석이 모든 다른 출석과 매치된다. 다른 두 명의 반복된 사람으로부터의 결과도 유사하다.

검증 임계값이 근소하게 더욱 엄격한 기준(95%)로 정해졌을 때, 0.0%의 오인 긍정 에러률의 결과를 가져오면서, 교차하는 사람 및 동일한 사람에 대한 결과는 사람간에 관찰된 어떠한 매치도 없다는 것을 보여준다. 동일한 사람, 교차 출석 결과는 30% 이상의 단일 샘플 오인 부정 에러율을 유도하면서, 어느 한 출석과 어느 다른 출석과 매치하는데에 감소된 능력을 보여준다. 그러나, 만일 스펙트럼의 도서관이 다른 신체 상태인 사람의 복수 샘플링으로 구성된다면, 검증 결과는 크게 향상될 수 있다. 이 경우에, 만일 스펙트럼 도서관이 남아있는 샘플의 9명 모두로 구성된다면, 0.0%의 오인 부정 에러율의 결과를 나타내면서, 스펙트럼 도서관 입력의 하나 이상(사실상 3 이상) 시간의 100%는 표적 스펙트럼과 매치된다. 다른 두 명의 반복되는 사람으로부터의 결과도 유사하다.

본 발명은 사람에 있어서 생체 분석에 촛점을 두고 상세히 설명되었다. 그러나, 본 방법과 기술은 동물의 신원을 식별하거나 확인하기 위하여 소, 말 및 다른 가축과 같은 다른 생물 유기체의 생체 분석을 위하여 사용될 수 있다는 것이 인식 되었다. 또한 본 방법 및 기술은 또한 샘플의 신원을 인식하거나 확인하기 위하여 혈액, 조직 또는 체액 샘플의 시험관 분석에 적용될 수 있다.

1.1-2.5㎛ NIR 스펙트럼 영역에서 생체인식 능력은 또한 지원자 대상의 한 그룹에 대한 광학 샘플을 수집하기 위해서 실험실 시스템을 사용해서 조사되었다. 그 시스템은 40W 수정 텅스텐 할로겐 광원, 섬유 광 샘플러 어셈블리,

의 스펙트럼 해상도 및 1㎟ InGaAs 검출기를 가지고 작동되는 Bomem WorkIR 분광기로 구성되어 있다. 광학 샘플러는 대략 0.6mm의 광원 검출기 간격을 가지는 6개의 다른 조사-검출 번들로 구성되어 있다. 이 경우에, 어떤 인덱스 매칭 유체는 샘플러 및 조직 사이에 사용되지 않았다. 데이터가 17주 연구의 한 부분에 참여한 87명의 당뇨 환자로부터 수집되었다. 대략 그 대상의 반이 6주 연구에 참가했고 반은 11주 동안 참가했다. 다른 경우에, 각 사람은 그 연구에 참가한 각 주 동안 한 주당 2번의 개별 방문 동안 측정되었다. 각 측정 방문 동안, 다수 (3-5) 광학 샘플이 그들의 왼쪽 팔뚝의 내면에서 수집되었다. 각 광학 샘플은 90초의 측정시간으로 구성되었다. 5100 이상의 전체 광학 샘플이 이 연구 그룹에서 수집되었다. 결과 강도 스펙트럼은 가흡광도 데이터로 로그 전환되었고, 등급 함수는 스펙트럼 노이즈 특성을 일정하게 만들기 위해 그 스펙트럼에 적용되었다. 표준 이상치 메트릭스(마할라노비스 거리 및 스펙트럼의 F-비)는 이후의 처리과정 전에 멀리 떨어진 스펙트럼을 제거하기 위해서 결과 등급 흡광도 데이터에 적용되었다.

생체인식 분석은 권한있는 사용자("확인")로부터 30명의 대상자의 데이터를 임의적으로 선택하고, 권한없는 사용자("침입자")로부터의 10 개를 선택함으로써 수행되었고, 남아있는 대상자의 데이터는 교정 셋트를 만들기 위해 사용되었다. 교정 데이터는 미국 특허 제 6,157,041 호, "분광분석의 교정 모델을 조정하기 위한 방법 및 기구"에서 기술된 것처럼 일반 데이터를 만들기 위해 처리되었다. 이 데이터의 PCA 분해는 50개의 고유 벡터 및 평점을 만들기 위해 수행되었다. 평점은 각 평점 셋트에 대한 사람 내부 변이와 사람 간의 변이 비에 대한 가장 큰 값을 가지는 20 인자를 결정하기 위해 분석되었다.

확인 대상의 데이터의 각각을 위한 첫 두 샘플은 평균되고, 30 초기 등록 스펙트럼으로서 사용되었다. 남아있는 확인 스펙트럼의 각각은 시간 순서로 획득되고 등록 스펙트럼으로부터 빼진다. 이 스펙트럼 계차는 선택된 교정 인자로 제시되었고 마할라노비스 거리가 계산되었다. 만일 마할라노비스 거리가 특정 임계값 값 이하라면, 확인 스펙트럼은 유효하다고 간주되고, 확인 스펙트럼(0.2) 및 등록 스펙트럼(0.8)의 가중 합은 등록 스펙트럼을 업데이트하기 위해 사용되었다. 이 과정이 다수의 임계값에 대하여 반복되었다. 그 기술 분야에서 통상의 지식을 가진 자는 스펙트럼 F-비가 신원 결정을 수행하기 위해 마할라노비스 거리 메트릭 대신에 또는 함께 사용될 수 있다는 것을 인식할 것이다.

침입자 데이터는 동일한 임계값을 사용한 유효 데이터로서 유사한 방법으로 처리된다. 결과의 수행 도면이 도 4 및 5에서 보여진다. 도 4는 오인 수락율(FAR) 및 오인 거부율(FRR)을 임계값 함수로서 보여준다. 도 5는 이 데이터에 대한 일치하는 수신기 작동 특징(ROC) 곡선을 보여준다. 이 데이터에 대한 동일 에러율(EER :FAR=FRR)은 연장된 시간의 기간에 걸쳐 생체인식 능력의 높은 정도를 나타내며 거의 0.2%이다.

다음으로, 상기에서 기술한 동일한 NIR 시스템이 다수의 비 당뇨 지원자에 대한 복수의 조직 부위를 사용하여 식별 태스크를 수행하기 위해 사용되었다. 스펙트럼의 식별 및 검증을 위해 테스트되고 확인된 조직 부위는 팔뚝의 배면 및 복면, 손목의 배면 또는 복면, 무지구, 소지구, 내면 소지구, 검지 손가락 및 엄지 사이의 막 및 이마를 포함했다. 특정 부위의 사용은 상기에서 기술된 것과 유사한 분류방법을 요구했다. 각각의 새로운 부위는 교정 데이터가 그 조직 부위에서 수집된 데이터를 포함할 것을 요구했다. 일단 적절한 교정 데이터가 수집되고 인자를 만들기 위해 처리되면, 그 부위는 다음의 등록 및 시험을 위해 사용될 수 있다. 모든 경우에, 대측성을 가지는 부위 또는 다수의 상대물을 가지는 부위는 거의 교대로 사용될 수 있다: 한 사람은 왼쪽 검지를 등록할 수 있고 오른쪽 검지(또는 어떤 다른 손가락)를 생체인식 태스크를 수행하기 위해 사용할 수 있다.

상기에서 기술된 근 적외선 데이터를 수집하기 위해서 사용되는 동일한 87명의 대상자들은 또한 실리콘-영역 시스템으로 동시에 샘플된다. 1x2048 실리콘 선형 CCD 어레이 및 12-비트 디지타이제이션(digitization)을 가진 오션 옵틱스 회절 격자 분광기(Ocean Optics grationg array spectrometer)는 350nm-1000nm의 스펙트럼 범위를 포함하는 스펙트럼 데이터를 수집하기 위하여 섬유 광 프로브와 함께 사용된다. 스펙트럼 데이터는 스펙트럼 당 256 데이터 포인트를 만들기 위해 8-포인트 움직이는-윈도우 평균 필터(8-point moving-window averaging filter)를 사용해서 하나로 정리되었다. 이들 데이터는 2.6%의 EER을 가지고서, 도 6(FAR 및 FRR) 및 도 7(ROC)에서 보여지는 결과를 만들어내는 NIR 데이터와 유사한 방식으로 처리되고 분석되었다. 결과가 NIR 시스템에 의해 생산된 것만큼 좋지 않지만, 그들은 생체인식 확인이 실리콘-영역에서 이루어질 수 있다는 것을 강력하게 지적한다. 실리콘 및 근적외선 데이터의 분석이 실리콘 데이터가 이 시스템의 준최적 셋업에 기인한 것 같은 기구 변화 때문에 상당히 더 큰 노이즈를 포함하고, 측정된 결과에서 반전 효과를 가진다는 것을 보여준다.

이 명세서에 의해 다루어지는 본 발명의 새로운 특징 및 이점은 상기 상세한 설명부분에서 설명되었다. 그러나, 이 명세서는 많은 면에서, 단지 설명적인 것으로 이해될 것이다. 변화는 본 발명의 범위를 넘지 않는 한, 세세한 부분에서, 특히 모양, 크기, 및 부품 배열의 면에서 이루어 질 수 있다. 물론 본 발명의 범위는 덧붙여진 청구범위에서 표현된 언어로 한정된다.

Claims

삭제
삭제
삭제
삭제
삭제
삭제
삭제
삭제
삭제
표적 개체를 식별하기 위한 시스템에 있어서,

1인 이상의 등록된 사람으로부터 수집된 조직 광학 스펙트럼 데이터를 포함하는 등록 데이터베이스와, 이 때, 상기 등록된 사람의 광학 스펙트럼 데이터는 복수의 측정값을 가지며;

상기 표적 개체로부터 최소한 하나의 조직 광학 스펙트럼 데이터를 얻기 위한 수단과, 이 때, 상기 표적 개체의 광학 스펙트럼 데이터는 복수의 측정값을 가지며;

상기 표적 개체의 광학 스펙트럼 데이터 및 상기 모든 등록된 사람의 광학 스펙트럼 데이터를 비교하기 위한 수단과, 이 때, 상기 비교는 상기 표적 광학 스펙트럼 데이터 및 상기 등록된 사람의 스펙트럼 데이터 사이의 유사도의 측정을 제공하며;

유사도의 대응하는 측정이 최소한 정해진 임계값 만큼 유사한 경우에 상기 등록된 사람중 최소 1인으로서 신원을 검출하기 위한 수단을 포함하는 것을 특징으로 하는 표적 개체를 식별하기 위한 시스템.
제 10 항에 있어서,

상기 표적 개체의 스펙트럼 데이터를 얻기 위한 수단은, 상기 표적 개체의 표피하의 조직으로부터 반사된 광 복사를 측정하기 위한 수단을 포함하는 것을 특징으로 하는 표적 개체를 식별하기 위한 시스템.
삭제
삭제
삭제
삭제
삭제
삭제
삭제
삭제
삭제
삭제
삭제
삭제
삭제
삭제
삭제
삭제
삭제
삭제
삭제
삭제
삭제
많은 등록된 개체들로부터 수집된 조직 광학 스펙트럼을 포함하는 등록 데이터베이스를 이용하며, 상기 스펙트럼 데이터는 복수의 측정 파장을 가지는, 표적 개체를 식별하는 방법에 있어서,

상기 표적 개체로부터 표적 조직 스펙트럼 데이터를 얻는 단계와, 이 때, 상기 표적 조직 광학 스펙트럼 데이터는 복수의 측정 파장을 가지며;

상기 표적 개체로부터 상기 목적 신원을 얻는 단계와;

상기 표적 개체의 광학 스펙트럼 데이터와 상기 등록된 사람의 광학 스펙트럼 데이터를 비교하는 단계와, 이 때, 상기 비교는 상기 표적 광학 스펙트럼 데이터 및 상기 등록된 사람의 스펙트럼 데이터 각각 사이의 유사도의 측정을 제공하며;

상기 표적 개체의 스펙트럼 유사도의 측정이 등록된 사람의 광학 스펙트럼 데이터 중 하나와 최소한 정해진 임계값 만큼 유사하다는 것을 확인함으로써 상기 표적 개체의 신원을 긍정적으로 확인하는 단계를 포함하는 것을 특징으로 하는 표적 개체를 식별하는 방법
제 33 항에 있어서,

상기 방법은 상기 표적 개체의 광학 스펙트럼 데이터 및 상기 등록된 사람의 광학 스펙트럼 데이터 사이의 상기 비교를 수행하기 위한 분류 알고리즘을 부가적으로 포함하는 것을 특징으로 하는 표적 개체를 식별하는 방법.
제 34 항에 있어서,

상기 방법은 최소한 1인의 개체에 대해서 한 번 이상 측정하여 수집된 교정 광학 스펙트럼 데이터 한 셋트로부터 결정된 분류 특징들을 부가적으로 포함하는 것을 특징으로 하는 표적 개체를 식별하는 방법.
제 35 항에 있어서,

상기 분류 특징들은, 상기 분류 특징들에 관한 유사성을 결정하기 위하여 표적 광학 스펙트럼 데이터 및 등록 스펙트럼 데이터 사이의 상기 비교에 적용되는 것을 특징으로 하는 표적 개체를 식별하는 방법.
제 36 항에 있어서,

상기 식별은, 상기 표적 광학 스펙트럼 데이터와 상기 등록 스펙트럼 데이터의 상기 분류 특징을 이용한 상기 비교가 최소한 많은 등록된 사람들의 광학 스펙트럼 데이터의 유사성의 미리 정해진 측정과 유사할 때 발생하는 것을 특징으로 하는 표적 개체를 식별하는 방법.
제 37 항에 있어서,

상기 표적 신원은, 등록 스펙트럼 데이터가 최소한 미리 정해진 유사성의 측정값 만큼 상기 표적 스펙트럼 데이터와 유사하게 되는 모든 상기 등록된 사람들 중에서 가장 유사한 사람으로 선택되는 것을 특징으로 하는 표적 개체를 식별하는방법.
제 33 항에 있어서,

1인 이상의 등록된 개체들로부터 수집된 광학 스펙트럼 데이터를 가진 등록 데이터베이스를 부가적으로 포함하는 것을 특징으로 하는 표적 개체를 식별하는 방법.
제 33 항에 있어서,

1인의 등록된 개체로부터 수집된 광학 스펙트럼 데이터를 가진 등록 데이터베이스를 부가적으로 포함하는 것을 특징으로 하는 표적 개체를 식별하는 방법.
삭제
삭제
삭제
삭제
제 33 항에 있어서,

상기 조직 스펙트럼은 표피하의 조직으로부터의 실질적인 스펙트럼 컨트리뷰션을 포함하는 것을 특징으로 하는 표적 개체를 식별하는 방법.
삭제
삭제
삭제
제 10 항에 있어서,

비교를 하기 위한 상기 수단은 입력 장치 및 출력 장치를 포함하고, 상기 표적 개체의 광학 스펙트럼과 상기 모든 등록된 사람의 광학 스펙트럼 데이터를 비교하기 위하여 상기 컴퓨터에서 실행되는 프로그램을 갖추고 있는 컴퓨터를 포함하는 것을 특징으로 하는 표적 개체를 식별하기 위한 시스템.
제 10 항에 있어서,

상기 표적 개체로부터 목적 신원을 얻기 위한 수단을 부가적으로 포함하며, 신원을 표시하기 위한 상기 수단은 상기 표적 개체의 스펙트럼 유사도의 측정치가 최소한 정해진 임계값 만큼 유사하다는 것을 확인함으로써 상기 표적 개체의 신원을 긍정적으로 검증하기 위한 수단을 포함하는 것을 특징으로 하는 표적 개체를 식별하기 위한 시스템.
제 33 항에 있어서,

상기 표적 개체의 광학 스펙트럼 데이터와 상기 등록된 사람의 광학 스펙트럼 데이터를 비교하는 단계는 상기 표적 조직 광학 스펙트럼 데이터 및 상기 등록된 사람의 광학 스펙트럼 데이터의 각각에 대한 판별 분석을 수행하는 단계를 포함하여 이루어지는 것을 특징으로 하며; 및

상기 표적 개체의 신원을 긍정적으로 확인하는 단계는 상기 판별 분석이 등록된 사람의 광학 스펙트럼 데이터 중의 상기 하나에 대하여 충족되는지를 결정하는 단계를 포함하여 이루어지는 것을 특징으로 하는 표적 개체를 식별하기 위한 방법.
제 33 항에 있어서,

상기 표적 개체로부터 목적 신원을 얻는 단계를 부가적으로 포함하며, 상기 표적 개체의 신원을 긍정적으로 확인하는 단계는 상기 표적 개체의 스펙트럼 유사성의 측정치가 최소한 정해진 임계값 만큼 유사하다는 것을 확인함으로써 상기 표적 개체의 신원을 긍정적으로 검증하는 단계를 포함하여 이루어지는 것을 특징으로 하는 표적 개체를 식별하기 위한 방법.