KR101054331B1 - 생체 데이터를 이용한 사용자 인증 장치 및 방법 - Google Patents
생체 데이터를 이용한 사용자 인증 장치 및 방법 Download PDFInfo
- Publication number
- KR101054331B1 KR101054331B1 KR1020090118803A KR20090118803A KR101054331B1 KR 101054331 B1 KR101054331 B1 KR 101054331B1 KR 1020090118803 A KR1020090118803 A KR 1020090118803A KR 20090118803 A KR20090118803 A KR 20090118803A KR 101054331 B1 KR101054331 B1 KR 101054331B1
- Authority
- KR
- South Korea
- Prior art keywords
- authentication
- reference value
- value
- frames
- authenticator
- Prior art date
Links
- 238000000034 method Methods 0.000 title claims abstract description 92
- 238000012360 testing method Methods 0.000 claims abstract description 73
- 239000013598 vector Substances 0.000 claims abstract description 54
- 239000000284 extract Substances 0.000 claims abstract description 6
- 230000008569 process Effects 0.000 claims description 22
- 238000004364 calculation method Methods 0.000 abstract description 13
- 238000012545 processing Methods 0.000 abstract description 13
- 238000000605 extraction Methods 0.000 abstract description 6
- 230000006870 function Effects 0.000 description 19
- 238000001617 sequential probability ratio test Methods 0.000 description 13
- 238000010586 diagram Methods 0.000 description 4
- 238000002474 experimental method Methods 0.000 description 3
- 239000000203 mixture Substances 0.000 description 2
- 241000207961 Sesamum Species 0.000 description 1
- 235000003434 Sesamum indicum Nutrition 0.000 description 1
- 230000003542 behavioural effect Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 230000001419 dependent effect Effects 0.000 description 1
- 230000006866 deterioration Effects 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 229920001690 polydopamine Polymers 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 230000002040 relaxant effect Effects 0.000 description 1
- 238000001228 spectrum Methods 0.000 description 1
- 238000012795 verification Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G10—MUSICAL INSTRUMENTS; ACOUSTICS
- G10L—SPEECH ANALYSIS TECHNIQUES OR SPEECH SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING TECHNIQUES; SPEECH OR AUDIO CODING OR DECODING
- G10L17/00—Speaker identification or verification techniques
- G10L17/02—Preprocessing operations, e.g. segment selection; Pattern representation or modelling, e.g. based on linear discriminant analysis [LDA] or principal components; Feature selection or extraction
Landscapes
- Engineering & Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Health & Medical Sciences (AREA)
- Audiology, Speech & Language Pathology (AREA)
- Human Computer Interaction (AREA)
- Physics & Mathematics (AREA)
- Acoustics & Sound (AREA)
- Multimedia (AREA)
- Collating Specific Patterns (AREA)
Abstract
생체 데이터를 이용한 사용자 인증 장치 및 방법이 개시된다. 특징 벡터 추출부는 인증자로부터 생체 특성을 나타내는 인증 데이터 및 식별코드를 입력받아 인증 데이터를 구성하는 복수의 프레임 중에서 서로 겹치는 부분이 없도록 선택된 테스트 프레임들 각각으로부터 특징 벡터를 추출한다. 인증값 산출부는 추출된 특징 벡터들을 기초로 가우시안 모델의 확률 밀도 함수의 유사도 비에 의해 얻어지는 인증값을 산출한다. 인증부는 사전에 설정된 제1기준값 및 상기 제1기준값보다 작은 값을 가지는 제2기준값이 복수의 사용자 각각의 식별코드에 대응하여 저장된 저장부로부터 입력된 식별번호에 대응하는 제1기준값 및 제2기준값을 독출하고, 인증값이 입력된 식별코드에 대응하는 제1기준값보다 크면 인증자를 정당한 사용자로 인증하고, 인증값이 입력된 식별코드에 대응하는 제2기준값보다 작으면 인증자를 사칭자로 결정하여 인증을 거절한다. 제어부는 인증값이 제1기준값과 제2기준값의 사이값인 경우에는 복수의 프레임 중에서 테스트 프레임들을 제외한 프레임들을 순차적으로 테스트 프레임에 추가시켜 특징 벡터의 추출 및 인증값의 산출 과정이 반복 수행되도록 한다. 본 발명에 따르면, 계산량을 감소시켜 처리 속도를 증가시킴과 동시에 사용자 인증의 정확성도 향상시킬 수 있으므로 모바일 기기에서 우수한 성능을 보이는 사용자 인증 시스템을 구현할 수 있다.
Description
본 발명은 생체 데이터를 이용한 사용자 인증 장치 및 방법에 관한 것으로, 개인의 고유한 생체 특성을 기반으로 정당한 사용자와 사칭자를 구분하는 장치 및 방법에 관한 것이다.
최근 휴대폰 및 PDA 등의 모바일 기기에서 금융 서비스, 이메일(e-mail) 서비스 등 사용자의 개인정보를 필요로 하는 각종 서비스의 이용 빈도가 높아지고 있다. 이러한 서비스를 이용할 때 정당한 사용자를 인증하기 위해 현재 가장 보편적으로 사용되는 방법은 사용자가 지정한 아이디(ID) 및 패스워드(password)를 입력하는 방법이다. 또한 보안을 강화하기 위해 공인인증서에 의한 인증 방법도 널리 사용되고 있다. 그러나 이러한 인증 방법들은 인증 수단이 유출될 경우에는 타인의 도용을 막기 어렵다는 단점을 가진다.
생체 인식법(biometrics)은 사용자를 인증하기 위해 음성, 얼굴 및 지문 등의 생리학적 또는 행동 특성을 사용하는 방법이다. 이들은 개인의 고유한 특성이므로 위조가 어렵고, 기존의 방법에 비해 보안을 강화할 수 있다. 이 중에서 사용자 의 목소리를 이용해 사용자를 인식하는 화자 확인법(Speaker Verification : SV)은 가장 친숙하고 편리하면서 비용이 낮아 널리 연구되고 있다.
그런데 모바일 기기에 위와 같은 생체 인식법을 적용하기 위해서는 우선 노이즈가 포함된 입력 데이터로부터 정당한 사용자 또는 사칭자의 여부를 정확하게 구분할 수 있어야 하며, 모바일 기기의 한정된 메모리와 낮은 처리 속도 하에서 동작할 수 있도록 간단하게 구현될 수 있어야 한다. 따라서 모바일 기기에서의 생체 인식법 구현에 관한 기존 연구들은 계산량 감소 및 처리 속도 향상에 중점을 두고 이루어져 왔다.
노다(Noda) 등에 의해 제안된 순시 확률비 테스트(Sequential Probability Ratio Test : SPRT) 방법은 사용자로부터 입력된 생체 특성 데이터의 일부만을 사용함으로써 사용자 인증을 위해 요구되는 데이터의 양을 감소시켜 계산량을 감소시킨다. 즉, 입력된 데이터로부터 얻어진 특징 벡터를 {xt, t=1,2,…,F,‥T}라 하고, 가우시안 혼합모델(Gaussian mixture model)을 기반으로 하는 인증 방법에서 정당한 사용자의 배경모델(Universal Background Model : UBM)을 위한 확률 밀도 함수를 ps(xt), 사칭자의 배경모델을 위한 확률 밀도 함수를 pb(xt)라 한다. 주어진 특징 벡터 xt에 대해 SPRT 방법을 적용하기 위한 유사도 비(likelihood ratio)는 다음의 수학식 1과 같다.
여기서, F는 입력된 데이터로부터 얻어진 특징 벡터 중에서 사용자 인증에 사용되는 특징 벡터의 개수를 나타낸다.
수학식 1과 같이 얻어진 유사도 비가 제1기준값 Tha보다 크면 정당한 사용자로서 인증되고, 제2기준값 Thr보다 작으면 사칭자로서 인증이 거절된다. 이때 제1기준값과 제2기준값은 Tha>Thr을 만족하도록 사전에 설정된 값이다. 산출된 유사도 비가 제1기준값과 제2기준값의 사이값을 가지는 경우에는 F번째 특징 벡터의 다음 특징 벡터인 F+1번째 특징 벡터가 추가되며, F+1개의 특징 벡터에 대해 유사도 비의 산출 및 기준값과의 비교 과정이 반복된다.
위와 같은 SPRT 방법은 계산량 감소에는 효과적이지만, 테스트를 위해 입력된 데이터의 길이가 짧은 경우에는 정확성이 떨어진다는 단점을 가진다. 이러한 단점을 극복하기 위해 제안된 확장된 순시 확률비 테스트(Extended Sequential Probability Ratio Test : ESPRT) 방법은 입력된 데이터 프레임을 사전에 설정된 비율로 이동(shift)시켜 새로운 데이터 프레임을 생성하는 방법을 사용하였다.
SPRT의 또 다른 문제점으로, 목소리를 이용한 사용자 인증을 위해 사용되는 문장의 구성에 따라 인증 성능이 달라지는 문제가 있다. 즉, 전체 데이터 중에서 선택된 일부의 데이터에 모음 성분에 비해 자음 성분이 더 많이 포함되어 있는 경 우에는 오류가 증가하므로 요구되는 데이터 수가 증가하게 된다. 따라서 사용자 인증을 위한 문장 구성에 무관하게 일정한 성능을 보이며, 기존의 SPRT 방법에 비해 처리 속도를 증가시킬 수 있는 새로운 사용자 인증 방법이 필요하다.
본 발명이 이루고자 하는 기술적 과제는, 사용자 인증을 위한 계산량을 감소시켜 빠른 처리 속도를 가지면서도 향상된 정확도를 보이는 생체 데이터를 이용한 사용자 인증 장치 및 방법을 제공하는 데 있다.
본 발명이 이루고자 하는 다른 기술적 과제는, 사용자 인증을 위한 계산량을 감소시켜 빠른 처리 속도를 가지면서도 향상된 정확도를 보이는 생체 데이터를 이용한 사용자 인증 방법을 컴퓨터에서 실행시키기 위한 프로그램을 기록한 컴퓨터로 읽을 수 있는 기록매체를 제공하는 데 있다.
상기의 기술적 과제를 달성하기 위한, 본 발명에 따른 생체 데이터를 이용한 사용자 인증 장치는, 인증자로부터 생체 특성을 나타내는 인증 데이터 및 식별코드를 입력받아 상기 인증 데이터를 구성하는 복수의 프레임 중에서 서로 겹치는 부분이 없도록 선택된 테스트 프레임들 각각으로부터 특징 벡터를 추출하는 특징 벡터 추출부; 상기 추출된 특징 벡터들을 기초로 가우시안 모델의 정당한 사용자에 대한 확률 밀도 함수와 사칭자에 대한 확률 밀도 함수 사이의 유사도 비에 의해 얻어지는 인증값을 산출하는 인증값 산출부; 복수의 정당한 사용자로부터 사전에 입력받은 등록 데이터로부터 산출된 유사도 비를 기초로 하여 사전에 설정된 제1기준값 및 상기 제1기준값보다 작은 값을 가지는 제2기준값이 상기 각각의 사용자의 식별코드에 대응하여 저장된 저장부; 상기 인증값이 상기 저장부에 저장된 기준값들 중 에서 상기 입력된 식별코드에 대응하는 제1기준값보다 크면 상기 인증자를 정당한 사용자로 인증하고, 상기 인증값이 상기 입력된 식별코드에 대응하는 제2기준값보다 작으면 상기 인증자를 사칭자로 결정하여 인증을 거절하는 인증부; 및 상기 인증값이 상기 제1기준값과 상기 제2기준값의 사이값인 경우에는 상기 복수의 프레임 중에서 상기 테스트 프레임들을 제외한 프레임들을 순차적으로 상기 테스트 프레임에 추가시켜 상기 특징 벡터의 추출 및 상기 인증값의 산출 과정이 반복 수행되도록 하는 제어부;를 구비한다.
상기의 기술적 과제를 달성하기 위한, 본 발명에 따른 생체 데이터를 이용한 사용자 인증 방법은, (a) 인증자로부터 생체 특성을 나타내는 인증 데이터 및 식별코드를 입력받아 상기 인증 데이터를 구성하는 복수의 프레임 중에서 서로 겹치는 부분이 없도록 선택된 테스트 프레임들 각각으로부터 특징 벡터를 추출하는 단계; (b) 상기 추출된 특징 벡터들을 기초로 가우시안 모델의 정당한 사용자에 대한 확률 밀도 함수와 사칭자에 대한 확률 밀도 함수 사이의 유사도 비에 의해 얻어지는 인증값을 산출하는 단계; (c) 복수의 정당한 사용자로부터 사전에 입력받은 등록 데이터로부터 산출된 유사도 비를 기초로 하여 사전에 설정된 제1기준값 및 상기 제1기준값보다 작은 값을 가지는 제2기준값이 상기 각각의 사용자의 식별코드에 대응하여 저장된 저장부로부터 상기 인증자가 입력한 식별코드에 대응하는 제1기준값 및 제2기준값을 독출하는 단계; (d) 상기 인증값이 상기 입력된 식별코드에 대응하는 제1기준값보다 크면 상기 인증자를 정당한 사용자로 인증하고, 상기 인증값이 상기 입력된 식별코드에 대응하는 제2기준값보다 작으면 상기 인증자를 사칭자로 결정하여 인증을 거절하는 단계; 및 (e) 상기 인증값이 상기 제1기준값과 상기 제2기준값의 사이값인 경우에는 상기 복수의 프레임 중에서 상기 테스트 프레임들을 제외한 프레임들을 순차적으로 상기 테스트 프레임에 추가시켜 상기 (a) 단계, (b) 단계 및 (d) 단계가 반복 수행되도록 하는 단계;를 갖는다.
본 발명에 따른 생체 데이터를 이용한 사용자 인증 장치 및 방법에 의하면, 입력받은 인증 데이터로부터 생성된 프레임 중에서 서로 겹치지 않도록 선택된 일부의 프레임을 사용자 인증에 사용하고, 사용자 인증을 위해 두 개의 기준값을 사용함으로써, 계산량을 감소시켜 처리 속도를 증가시킴과 동시에 사용자 인증의 정확성도 향상시킬 수 있으므로 모바일 기기에서 우수한 성능을 보이는 사용자 인증 시스템을 구현할 수 있다.
이하에서 첨부된 도면들을 참조하여 본 발명에 따른 생체 데이터를 이용한 사용자 인증 장치 및 방법의 바람직한 실시예에 대해 상세하게 설명한다.
도 1은 본 발명에 따른 생체 데이터를 이용한 사용자 인증 장치에 대한 바람직한 실시예의 구성을 도시한 블록도이다.
도 1을 참조하면, 본 발명에 따른 사용자 인증 장치는, 특징 벡터 추출부(110), 인증값 산출부(120), 저장부(130), 인증부(140) 및 제어부(150)를 구비한다.
특징 벡터 추출부(110)는 인증자로부터 생체 특성을 나타내는 인증 데이터 및 식별코드를 입력받아 인증 데이터를 구성하는 복수의 프레임 중에서 서로 겹치는 부분이 없도록 선택된 테스트 프레임들 각각으로부터 특징 벡터를 추출한다.
인증 데이터는 생체 인식법에 사용하기 위한 사용자의 생체 특성을 나타내는 음성, 지문 등의 데이터일 수 있다. 이하에서는 인증 데이터가 시계열적으로 입력되는 인증자의 음성신호인 경우를 대표적인 실시예로 하여 본 발명의 구성 및 동작을 설명한다. 또한 인증자가 입력하는 식별코드는 저장부(130)에 데이터베이스로 구축되어 저장되어 있는 복수의 사용자에 대한 데이터 중에서 인증자에 대응하는 데이터를 검색하는 데 사용된다. 본 발명에서 사용자 인증을 위한 수단은 식별코드가 아닌 생체 특성을 나타내는 인증 데이터이므로, 식별코드는 별도의 패스워드 없이 아이디(ID) 등 각각의 사용자에게 고유하게 부여된 것으로 할 수 있다.
본 발명에 따른 사용자 인증 장치는 인증자로부터 인증 데이터가 입력되면 입력된 인증 데이터로부터 특징을 추출하여 사전에 정당한 사용자가 등록해 놓은 원본 데이터로부터 추출된 특징과 비교함으로써 인증 데이터를 입력한 인증자가 정당한 사용자인지 아니면 사칭자인지 여부를 판단하게 된다.
인증 데이터가 시계열적으로 입력되는 음성신호인 경우, 이로부터 특징을 추출하기 위해서는 인증 데이터를 복수의 프레임으로 나누어 각각의 프레임마다 특징을 추출하는 방법을 사용한다. 이때 인증 데이터를 단순히 일정한 크기로 분할하여 프레임을 생성하면 프레임 간 경계에서 오류가 발생할 확률이 높아진다. 따라서 인접한 프레임 사이에서 일정 정도의 겹치는 부분이 존재하도록 프레임을 생성하는 것이 바람직하다.
특징 벡터 추출부(110)는 입력된 인증 데이터를 구성하는 복수의 프레임 중에서 사용자의 인증을 위해 사용될 테스트 프레임들을 선택하되, 테스트 프레임들 사이에 서로 겹치는 부분이 없도록 한다. 바람직하게는, 테스트 프레임들은 복수의 프레임으로부터 격번적으로 선택된 프레임이 될 수 있다. 여기서 격번적이라 함은, 이전에 선택된 프레임으로부터 하나의 프레임을 건너뛰고 다음 프레임을 선택하는 것을 말한다. 따라서 테스트 프레임으로는 복수의 프레임 중에서 홀수 번째 프레임 또는 짝수 번째 프레임이 될 수 있다.
도 2는 복수의 프레임으로부터 테스트 프레임을 선택하는 일 예를 도시한 도면이다. 도 2를 참조하면, 인증 데이터로부터 생성된 복수의 프레임 각각은 인접한 프레임과 겹치는 부분을 가지며, 이때 겹침 비율은 50%이다. 이러한 복수의 프레임 중에서 홀수 번째 프레임을 테스트 프레임으로 선택할 경우, 도 2에 도시된 바와 같이 서로 겹치는 부분이 존재하지 않는 프레임들이 테스트 프레임으로 구성된다.
앞에서 설명한 SPRT 방법에서는 복수의 프레임이 처음 부분으로부터 순차적으로 일정 개수의 프레임을 테스트 프레임으로 선택하는 방법을 사용하였다. 그러나 본 발명에서는 인증 데이터를 구성하는 복수의 프레임 전체에 걸쳐 서로 겹치지 않는 프레임들을 테스트 프레임으로 결정함으로써, 일부의 프레임을 사용하더라도 전체 인증 데이터의 정보를 사용하는 효과를 가지게 된다. 따라서 문장의 구성에 크게 구애받지 않고 일정한 성능을 보일 수 있다.
특징 벡터 추출부(110)는 위와 같은 방법에 의해 선택된 테스트 프레임들 각각으로부터 특징 벡터를 추출한다. 특징 벡터는 각각의 프레임의 특성을 대표하는 것으로, 각종 노이즈를 배제하고 원하는 성분만을 포함하도록 다양한 방법에 의해 얻어질 수 있다. 특히 MFCC(Mel Frequency Cepstral Coefficients) 추출법은 사람의 음성 인지 양상이 선형적이지 않고 로그 스케일과 유사한 멜(Mel) 스케일을 따른다는 특성을 반영한 방법으로 특징 벡터 추출에 많이 사용되고 있다.
인증값 산출부(120)는 추출된 특징 벡터들을 기초로 가우시안 모델의 정당한 사용자에 대한 확률 밀도 함수와 사칭자에 대한 확률 밀도 함수 사이의 유사도 비에 의해 얻어지는 인증값을 산출한다.
도 2에 도시된 바와 같이 인증 데이터를 구성하는 전체 프레임들을 {Ft, t=1,2,3,…,T-1,T(T는 홀수)}라 할 때 그로부터 선택된 테스트 프레임들은 {Ft, t=1,3,5,…,T-2,T}와 같이 표현할 수 있다. 또한 각각의 테스트 프레임으로부터 추출된 특징 벡터들을 {xt, t=1,3,5,…,T-2,T}라 하고, 가우시안 모델을 적용하기 위해 각각의 특징 벡터들이 서로 독립적으로 분포되어 있는 것을 전제로 하면 인증값은 다음의 수학식 2에 의해 산출된다.
여기서, Lm은 인증값, ps(xt)는 t번째 테스트 프레임으로부터 추출된 특징 벡터의 정당한 사용자에 대한 확률 밀도 함수, 그리고 pb(xt)는 t번째 테스트 프레임으로부터 추출된 특징 벡터의 사칭자에 대한 확률 밀도 함수이다.
인증값 산출부(120)에 의해 이와 같이 산출된 인증값은 인증부(140)로 입력되어 인증자가 정당한 사용자인지 사칭자인지 여부를 판단하는 데 사용된다. 이때 인증값과 비교 대상이 되어 판단 기준으로 작용하는 기준값은 사전에 설정되어 저장부(130)에 저장되어 있으며, 정당한 사용자에 의해 사전에 입력된 등록 데이터로부터 산출된 값이다.
저장부(130)에는 복수의 정당한 사용자로부터 입력받은 등록 데이터로부터 산출된 복수의 기준값이 정당한 사용자의 식별코드에 각각 대응되어 저장되어 있다. 이때 기준값을 산출하는 방법은 수학식 2에 나타난 것과 같이 정당한 사용자와 사칭자에 대한 확률 밀도 함수를 사용하며, 하나의 정당한 사용자로부터 복수의 등록 데이터를 입력받은 후 추출된 특징 벡터들을 정규화하여 배경모델(UBM)의 확률 밀도 함수를 사용할 수 있다. 기준값을 산출할 때에는 인증값과는 달리 전체 프레임으로부터 추출된 모든 특징 벡터들을 사용하는 것이 바람직하다. 인증 과정에서는 계산량 감소 및 속도 향상이 중요시되지만 기준값을 등록하는 과정에서는 정확도를 높이는 것이 더 중요하기 때문이다.
또한 저장부(130)에 저장되는 기준값은 제1기준값과 제2기준값의 두 개로 저장된다. 즉, 등록 데이터를 구성하는 복수의 프레임으로부터 각각 특징 벡터를 추출하고, 특징 벡터들 모두를 사용하여 수학식 2와 같은 유사도 산출 공식에 의해 원본 기준값을 산출한다. 제1기준값 및 제2기준값은 원본 기준값에 사전에 설정된 비례상수를 곱하여 얻어진다. 예를 들면, 원본 기준값을 Thf라 할 때 확률 밀도 함 수의 유사도 비는 음수의 값을 가지므로 제1기준값 Tha는 원본 기준값보다 큰 값인 0.7Thf로, 제2기준값 Thr은 원본 기준값보다 작은 값인 1.3Thf로 설정할 수 있다.
또한 제1기준값 및 제2기준값은 인증 시스템의 성능에 따라 그 값이 조절될 수 있다. 즉, 시스템의 성능이 우수하여 계산량이 많아져도 높은 정확도를 얻을 수 있는 경우에는 제1기준값은 더 크게 설정하여 0.6Thf로 하고, 제2기준값은 더 작게 설정하여 1.4Thf로 함으로써 사용자 인증의 기준을 보다 엄격하게 설정할 수 있다. 반면, 시스템의 성능이 낮은 경우에는 계산량이 많아지면 시스템의 부담이 커질 수 있으므로 제1기준값 및 제2기준값을 모두 원본 기준값 Thf로 단일화시켜 인증의 정확도는 저하되지만 빠른 처리 속도를 가지도록 구현할 수 있다.
이와 같이 사용자 인증을 위한 기준값으로 단일값이 아닌 두 개의 값을 사용함으로써, 인증자로부터 입력된 인증 데이터의 일부만을 사용하는 인증 방법을 보완하여 사용자 인증의 정확도를 높일 수 있다.
인증부(140)는 인증값이 저장부(130)에 저장된 기준값들 중에서 인증자로부터 입력된 식별코드에 대응하는 제1기준값보다 크면 인증자를 정당한 사용자로 인증하고, 인증값이 입력된 식별코드에 대응하는 제2기준값보다 작으면 인증자를 사칭자로 결정하여 인증을 거절한다.
인증부(140)는 인증값 산출부(120)로부터 입력된 인증값 및 저장부(130)에 저장된 기준값을 사용하여 인증자가 정당한 사용자에 해당하는지 여부를 결정한다. 즉, 인증자가 인증 데이터와 함께 입력한 식별코드에 대응하는 제1기준값 및 제2기준값을 저장부(130)로부터 독출하고, 인증값 산출부(120)로부터 입력받은 인증값을 제1기준값 및 제2기준값과 비교하여 사용자 인증 과정을 수행한다.
인증 과정은 다음의 수학식 3과 같이 표현할 수 있다.
수학식 3과 같이 인증값이 제1기준값보다 큰 경우에는 인증자가 정당한 사용자로서 인증되고, 인증값이 제2기준값보다 작은 경우에는 인증자가 사칭자로 결정되어 인증이 거절된다. 즉, 인증값이 제1기준값보다 크거나 제2기준값보다 작은 경우에만 인증 여부가 확정되고, 추가 과정 없이 인증 과정이 종료된다. 그러나 인증값이 제1기준값과 제2기준값 사이에 위치하는 경우에는 인증 또는 거절 여부가 확정되지 않으므로 추가적인 과정을 필요로 한다.
제어부(150)는 인증값이 제1기준값과 제2기준값의 사이값인 경우에는 복수의 프레임 중에서 테스트 프레임들을 제외한 프레임들을 순차적으로 테스트 프레임에 추가시켜 특징 벡터의 추출 및 인증값의 산출 과정이 반복 수행되도록 한다.
앞에서 설명한 것과 같이 서로 겹치지 않도록 선택된 테스트 프레임들로부터 산출된 인증값과 제1기준값 및 제2기준값을 비교하여 인증 또는 거절 여부가 확정되면 인증 과정은 종료될 수 있다. 그러나 인증 여부가 확정되지 않는 경우에는 최초에 선택된 테스트 프레임들만으로는 사용자 인증을 수행할 수 없으므로 테스트 프레임을 추가적으로 선택하여야 한다.
따라서 제어부(150)는 인증부(140)에서 정당한 사용자 또는 사칭자 여부가 판단되지 않으면 인증자가 입력한 인증 데이터로부터 생성된 복수의 프레임 중에서 테스트 프레임을 제외한 프레임들을 하나씩 순차적으로 테스트 프레임에 추가시킨다. 예를 들면, 테스트 프레임으로 홀수 번째 프레임들이 선택되었다면, 먼저 두 번째 프레임이 새로운 테스트 프레임으로 추가되어 앞의 인증 과정이 반복 수행되는 것이다.
구체적으로, 특징 벡터 추출부(110)는 새로 테스트 프레임으로 추가된 프레임으로부터 특징 벡터를 추출하고, 인증값 산출부(120)는 새로 추가된 테스트 프레임에 대한 인증값을 산출한다. 이때 기존의 테스트 프레임에 대해 산출된 인증값을 이미 가지고 있으므로 새로운 인증값은 추가된 테스트 프레임으로부터 추출된 특징 벡터에 대한 확률 밀도 함수의 유사도 비를 산출하여 기존의 인증값에 곱하여 얻어질 수 있다.
예를 들면, 홀수 번째 프레임들만으로 구성된 테스트 프레임으로부터 수학식 2에 의해 산출된 인증값이 있을 때, 짝수 번째 프레임들 중 가장 앞서는 두 번째 프레임이 새로운 테스트 프레임으로 추가되었을 경우, 새로운 인증값은 다음의 수학식 4와 같이 산출된다.
여기서, Lm'은 새로운 인증값, Lm은 이전 인증 과정에서 산출된 인증값, 그리고 x2는 새로운 테스트 프레임으로 추가된 두 번째 프레임으로부터 추출된 특징 벡터이다.
인증부(140)는 새롭게 산출된 인증값 Lm'이 제1기준값보다 크면 인증자를 정당한 사용자로 인증하고, 제2기준값보다 작으면 인증자를 사칭자로 판단하여 인증을 거절한다. 만약 새로운 인증값이 제1기준값과 제2기준값의 사이값인 경우, 제어부(150)는 나머지 프레임들 중 가장 앞서는 프레임을 다시 새로운 테스트 프레임으로 추가하고, 특징 벡터 추출부(110), 인증값 산출부(120) 및 인증부(130)가 각각의 역할을 반복 수행하도록 한다.
한편, 인증 데이터로부터 생성된 복수의 프레임이 모두 테스트 프레임이 되어 인증 과정을 수행하였음에도 인증 또는 거절 여부가 확정되지 않는 경우에는 더 이상 테스트 프레임으로 추가될 프레임이 없으므로 사용자 인증을 위해 다른 과정을 필요로 한다.
하나의 방법으로 제어부(150)는 복수의 프레임 모두가 테스트 프레임으로 사용되어도 사용자 인증을 할 수 없는 경우에는 인증자에 대해 새로운 인증 데이터의 요청 메시지를 출력할 수 있다. 요청 메시지는 음성 메시지의 형태 또는 화면에 표시되는 문자 메시지의 형태로 출력될 수 있다. 인증자가 메시지에 따라 새로운 인증 데이터를 입력하면 그에 따라 다시 인증 과정이 수행된다.
그러나 앞에서 설명한 바와 같이 본 발명이 모바일 장치의 인증 시스템으로 구현되기 위해서는 메모리를 많이 차지하지 않으면서 빠른 처리 속도를 보이도록 하는 것이 중요하다. 따라서 새로운 인증 데이터를 입력받기보다 사용자 인증 기준을 완화하여 인증 또는 거절 여부를 확정시키는 것이 더 바람직하다.
따라서 인증부(140)는 복수의 프레임 전체가 테스트 프레임으로 결정되어 산출된 최종 인증값이 제1기준값과 제2기준값의 사이값인 경우에는 최종 인증값이 원본 기준값 이상이면 인증자를 정당한 사용자로 인증하고, 최종 인증값이 원본 기준값보다 작으면 인증자를 사칭자로 결정하여 인증을 거절한다. 여기서 원본 기준값은 정당한 사용자가 사전에 등록한 등록 데이터로부터 얻어진 확률 밀도 함수의 유사도 비임을 앞에서 설명한 바 있다.
사용자 인증을 위해 두 개의 기준값을 사용하는 것은 인증 데이터로부터 생성된 프레임의 일부만을 인증 과정에서 사용함에 따라 발생할 수 있는 정확도 저하 문제를 보완하여 인증의 기준을 엄격하게 설정하기 위함이다. 그런데 최초에 선택된 테스트 프레임들을 제외한 나머지 프레임들을 하나씩 순차적으로 새로운 테스트 프레임으로 추가하는 과정을 반복하여 결국 모든 프레임들이 테스트 프레임으로 결정되어 사용자 인증을 수행하였음에도 불구하고 인증 여부가 확정되지 않는 경우에는 인증의 기준을 완화시킬 필요성이 있다.
따라서 인증부(140)는 제1기준값 및 제2기준값 대신 이들을 결정하기 위해 사용되었던 원본 기준값을 사용자 인증에 사용한다. 즉, 복수의 프레임 모두가 테스트 프레임으로 결정되어 산출된 인증값인 최종 인증값이 원본 기준값 Thf 이상이 면 인증자를 정당한 사용자로 인증하고, 최종 인증값이 원본 기준값 Thf보다 작으면 인증자를 사칭자로 판단하여 인증을 거절한다. 이 과정에서 인증 또는 거절 여부는 확정되고, 인증 과정은 종료된다.
이와 같이 인증 데이터 전체의 정보를 포함할 수 있도록 서로 겹치지 않는 테스트 프레임들을 선택하고 두 개의 기준값을 사용하여 인증 또는 거절 여부를 결정함으로써, 모바일 장치에서 구현 가능하도록 계산량을 감소시키고 처리 속도를 높이면서 일정한 성능을 유지하고 인증의 정확도를 향상시킬 수 있다.
도 3은 본 발명에 따른 생체 데이터를 이용한 사용자 인증 방법에 대한 바람직한 실시예의 수행과정을 도시한 흐름도이다.
도 3을 참조하면, 인증자로부터 사용자 인증을 위한 인증 데이터 및 식별코드가 입력되면(S300), 특징 벡터 추출부(110)는 입력된 인증 데이터를 구성하는 복수의 프레임 중에서 서로 겹치는 부분이 없도록 선택된 테스트 프레임들 각각으로부터 특징 벡터를 추출한다(S310). 다음으로 인증값 산출부(120)는 추출된 특징 벡터들을 기초로 정당한 사용자에 대한 확률 밀도 함수와 사칭자에 대한 확률 밀도 함수 사이의 유사도 비에 의해 얻어지는 인증값을 산출한다(S320).
산출된 인증값은 복수의 정당한 사용자로부터 입력받은 등록 데이터에 대해 산출된 확률 밀도 함수의 유사도 비를 기초로 사전에 설정되어 저장부(130)에 저장된 제1기준값 및 제2기준값들 중에서 인증자가 입력한 식별코드에 대응하는 기준값과 비교됨으로써 사용자 인증에 사용된다.
인증부(140)는 인증값이 저장부(130)에 저장된 기준값들 중 인증자가 입력한 식별코드에 대응하는 제1기준값보다 크면(S330), 인증자를 정당한 사용자로 인증한다(S380). 반면, 인증값이 인증자가 입력한 식별코드에 대응하는 제2기준값보다 작으면(S340), 인증자를 사칭자로 결정하여 인증을 거절한다(S390). 한편, 제어부(150)는 인증값이 제1기준값과 제2기준값의 사이값에 해당하며 현재 테스트 프레임이 복수의 프레임 중 일부인 경우에는(S350) 복수의 프레임 중에서 테스트 프레임을 제외한 프레임을 순차적으로 테스트 프레임에 추가한다(S360).
새롭게 추가된 테스트 프레임을 기초로 특징 벡터 추출(S310), 인증값 산출(S320) 및 사용자 인증(S330, S340) 과정이 반복 수행되며, 새로운 테스트 프레임을 추가하여도 인증 또는 거절 여부가 확정되지 않으면 테스트 프레임의 추가 및 추가된 테스트 프레임을 기초로 한 인증 과정이 반복된다.
한편, 복수의 프레임 전체가 테스트 프레임으로 결정되어도(S350) 인증 또는 거절 여부가 확정되지 않는 경우, 인증부(140)는 제1기준값과 제2기준값을 설정할 때 사용된 원본 기준값을 기초로 사용자 인증을 수행한다. 즉, 복수의 프레임이 모두 테스트 프레임으로 결정되었을 때 산출된 최종 인증값이 원본 기준값 이상이면(S370) 인증자를 정당한 사용자로 인증하며(S380), 최종 인증값이 원본 기준값보다 작으면 인증자를 사칭자로 결정하여 인증을 거절한다(S390). 그에 의해 인증 과정은 종료된다.
본 발명의 성능을 확인하기 위한 실험을 수행하였다. 실험은 문장 종속형(text-dependent) 사용자 인증으로 이루어졌으며, 사용된 문장은 '열려라 참깨' 이다. 남녀 각각 100명의 실험자로부터 음성 데이터를 획득하되, 실험자 개인별로 총 15개의 음성 데이터를 획득하였다. 15개의 음성 데이터 중에서 10개는 기준값을 설정하기 위한 등록 데이터로 사용하였고, 나머지 5개는 사용자 인증 실험을 위한 인증 데이터로 사용하였다. 따라서 오거절율(False Reject Rate : FRR)을 위한 문장은 총 1000(200×5)개이고, 오인증률(False Accept Rate : FAR)을 위한 문장은 총 199000(200×199×5)개이다. 수집된 음성 데이터들은 11.025kHz의 주파수로 샘플링하였고, 분해능은 16비트(bit)이다.
각각의 음성 데이터로부터 프레임을 생성할 때, 샘플링된 음성 데이터에서 180개의 샘플을 하나의 프레임으로 하고, 인접한 프레임 사이의 겹침 비율은 50%로 하였다. 각각의 프레임으로부터 특징 벡터를 추출할 때에는 앞에서 설명한 MFCC 추출법을 사용하였다. MFCC 추출법 적용시 FFT(Fast Fourier Transform)은 256 포인트를 사용하고, 필터뱅크 계수는 24개를 사용하였다. 따라서 특징 벡터는 MFCC 추출법에 의해 얻어진 12차 켑스트럼 계수와 12차 델타 켑스트럼 계수의 총 24차원으로 구성된다. 정당한 사용자에 대한 가우시안 모델에서는 기대치-최대화(Expectation-Maximization : EM) 알고리즘을 사용하고, 사칭자의 확률 밀도 함수에 사용된 배경모델(UBM)은 250개의 혼합성분을 사용하였다.
본 발명의 처리 속도 성능을 확인하기 위해 다른 사용자 인증 방법과 본 발명의 프레임율, 즉 전체 프레임 개수에 대한 사용자 인증에 사용된 테스트 프레임 개수의 비율을 비교하였다. 본 발명과의 성능 비교에 사용된 방법들은 인증 데이터로부터 프레임을 생성할 때 50%의 비율로 인접한 프레임이 겹치도록 하여 사용자 인증을 수행하는 방법(이하, '오버랩 방법'이라 한다), 프레임 생성시에 겹치는 부분이 없도록 하여 사용자 인증을 수행하는 방법(이하, '비오버랩 방법'이라 한다) 및 앞에서 설명한 SPRT 방법이다.
사용된 인증 방법에 따른 프레임율을 다음의 표 1에 나타내었다.
인증 방법 | 프레임율(%) |
오버랩 방법 | 100 |
비오버랩 방법 | 50 |
SPRT 방법 | 82.2 |
본 발명 | 76.7 |
표 1을 참조하면, 본 발명은 비오버랩 방법보다는 프레임율이 높게 나타나지만, 오버랩 방법 및 SPRT 방법과 비교하면 프레임율이 각각 23.3% 및 5.5% 감소하여 인증 과정에서 계산량을 감소시키고, 이는 곧 처리속도의 증가로 이어질 수 있다는 것을 확인할 수 있다.
도 4는 가우시안 모델에서 혼합 성분의 개수에 따른 등가 오류율을 인증 방법에 따라 도시한 그래프이다. 도 4를 참조하면, 먼저 모든 인증 방법에서 평균 등가 오류율은 혼합 성분의 개수가 증가함에 따라 낮아지는 경향을 보인다. 즉, 가우시안 모델의 혼합 성분의 개수가 증가할수록 사용자 인증의 정확도는 높아지는 것이다. 등가 오류율을 인증 방법에 따라 살펴보면, 비오버랩 방법이 다른 방법들에 비해 월등하게 높게 나타나며, 다음으로 SPRT 방법, 본 발명, 그리고 오버랩 방법의 순서이다. 본 발명은 오버랩 방법에 비해 사용자 인증에 사용되는 프레임율이 많이 감소되므로 그에 따라 등가 오류율은 평균 0.173% 높게 나타난다. 그러나 SPRT 방법에 비해서는 프레임율이 감소되면서도 등가 오류율 역시 0.068% 낮아진 우수한 성능을 보인다.
도 5는 가우시안 모델의 혼합 성분이 32개일 때 프레임율에 따른 등가 오류율을 도시한 그래프이다. 도 5를 참조하면, 프레임율이 100%인 것은 오버랩 방법에 해당하는 것으로, 높은 제1기준값과 낮은 제2기준값을 가지므로 사용자 인증 기준이 엄격하게 설정되어 있다. 따라서 등가 오류율은 가장 낮게 나타나지만 한편으로 계산량이 증가된다는 문제점이 있다. 또한 프레임율이 50%인 경우는 비오버랩 방법에 해당하며, 제1기준값과 제2기준값이 원본 기준값으로 단일화되어 있는 경우이다. 프레임율이 낮으므로 처리 속도는 높아지지만 인증의 정확성이 매우 떨어진다. 본 발명의 경우는 표 1에서 나타낸 것과 같이 프레임율이 76.7%이므로 적절한 값의 제1기준값과 제2기준값을 설정하면 높은 처리 속도를 가지면서도 인증의 정확도가 향상된 인증 시스템을 구현할 수 있다.
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, 플로피디스크, 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.
이상에서 본 발명의 바람직한 실시예에 대해 도시하고 설명하였으나, 본 발명은 상술한 특정의 바람직한 실시예에 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 변경은 청구범위 기재의 범위 내에 있게 된다.
도 1은 본 발명에 따른 생체 데이터를 이용한 사용자 인증 장치에 대한 바람직한 실시예의 구성을 도시한 블록도,
도 2는 복수의 프레임으로부터 테스트 프레임을 선택하는 일 예를 도시한 도면,
도 3은 본 발명에 따른 생체 데이터를 이용한 사용자 인증 방법에 대한 바람직한 실시예의 수행과정을 도시한 흐름도,
도 4는 가우시안 모델에서 혼합 성분의 개수에 따른 등가 오류율을 인증 방법에 따라 도시한 그래프, 그리고,
도 5는 가우시안 모델의 혼합 성분이 32개일 때 프레임율에 따른 등가 오류율을 도시한 그래프이다.
Claims (13)
- 인증자로부터 생체 특성을 나타내는 인증 데이터 및 식별코드를 입력받아 상기 인증 데이터를 구성하는 복수의 프레임 중에서 서로 겹치는 부분이 없도록 격번적으로 선택된 테스트 프레임들 각각으로부터 특징 벡터를 추출하는 특징 벡터 추출부;상기 추출된 특징 벡터들을 기초로 가우시안 모델의 정당한 사용자에 대한 확률 밀도 함수와 사칭자에 대한 확률 밀도 함수 사이의 유사도 비에 의해 얻어지는 인증값을 산출하는 인증값 산출부;복수의 정당한 사용자로부터 사전에 입력받은 등록 데이터로부터 산출된 유사도 비를 기초로 하여 사전에 설정된 제1기준값 및 상기 제1기준값보다 작은 값을 가지는 제2기준값이 상기 정당한 사용자 각각의 식별코드에 대응하여 저장된 저장부;상기 인증값이 상기 저장부에 저장된 기준값들 중에서 상기 입력된 식별코드에 대응하는 제1기준값보다 크면 상기 인증자를 정당한 사용자로 인증하고, 상기 인증값이 상기 입력된 식별코드에 대응하는 제2기준값보다 작으면 상기 인증자를 사칭자로 결정하여 인증을 거절하는 인증부; 및상기 인증값이 상기 제1기준값과 상기 제2기준값의 사이값인 경우에는 상기 복수의 프레임 중에서 상기 테스트 프레임들을 제외한 프레임들을 순차적으로 상기 테스트 프레임에 추가시켜 상기 특징 벡터의 추출 및 상기 인증값의 산출 과정이 반복 수행되도록 하는 제어부;를 포함하는 것을 특징으로 하는 사용자 인증 장치.
- 삭제
- 제 1항에 있어서,상기 제1기준값 및 상기 제2기준값은 상기 등록 데이터를 구성하는 복수의 프레임으로부터 각각 추출된 특징 벡터들을 기초로 산출한 유사도 비인 원본 기준값에 사전에 설정된 비례상수를 각각 곱하여 결정되는 것을 특징으로 하는 사용자 인증 장치.
- 제 3항에 있어서,상기 인증부는 상기 복수의 프레임 전체가 테스트 프레임으로 결정되어 산출된 최종 인증값이 상기 제1기준값과 상기 제2기준값의 사이값인 경우에는 상기 최종 인증값이 상기 원본 기준값 이상이면 상기 인증자를 정당한 사용자로 인증하고, 상기 최종 인증값이 상기 원본 기준값보다 작으면 상기 인증자를 사칭자로 결정하여 인증을 거절하는 것을 특징으로 하는 사용자 인증 장치.
- 제 1항에 있어서,상기 제어부는 상기 복수의 프레임 전체가 테스트 프레임으로 결정되어 산출된 최종 인증값이 상기 제1기준값과 상기 제2기준값의 사이값인 경우에는 상기 인증자에 대해 새로운 인증 데이터를 입력할 것을 요청하는 메시지를 출력하는 것을 특징으로 하는 사용자 인증 장치.
- 제 1항에 있어서,상기 인증 데이터는 시계열적으로 입력되는 상기 인증자의 음성신호인 것을 특징으로 하는 사용자 인증 장치.
- (a) 인증자로부터 생체 특성을 나타내는 인증 데이터 및 식별코드를 입력받아 상기 인증 데이터를 구성하는 복수의 프레임 중에서 서로 겹치는 부분이 없도록 격번적으로 선택된 테스트 프레임들 각각으로부터 특징 벡터를 추출하는 단계;(b) 상기 추출된 특징 벡터들을 기초로 가우시안 모델의 정당한 사용자에 대한 확률 밀도 함수와 사칭자에 대한 확률 밀도 함수 사이의 유사도 비에 의해 얻어지는 인증값을 산출하는 단계;(c) 복수의 정당한 사용자로부터 사전에 입력받은 등록 데이터로부터 산출된 유사도 비를 기초로 하여 사전에 설정된 제1기준값 및 상기 제1기준값보다 작은 값을 가지는 제2기준값이 상기 정당한 사용자 각각의 식별코드에 대응하여 저장된 저장수단으로부터 상기 인증자가 입력한 식별코드에 대응하는 제1기준값 및 제2기준값을 독출하여 상기 인증값과 비교하는 단계;(d) 상기 인증값이 상기 입력된 식별코드에 대응하는 제1기준값보다 크면 상기 인증자를 정당한 사용자로 인증하고, 상기 인증값이 상기 입력된 식별코드에 대응하는 제2기준값보다 작으면 상기 인증자를 사칭자로 결정하여 인증을 거절하는 단계; 및(e) 상기 인증값이 상기 제1기준값과 상기 제2기준값의 사이값인 경우에는 상기 복수의 프레임 중에서 상기 테스트 프레임들을 제외한 프레임들을 순차적으로 상기 테스트 프레임에 추가시켜 상기 (a) 단계 내지 상기 (d) 단계가 반복 수행되도록 하는 단계;를 포함하는 것을 특징으로 하는 사용자 인증 방법.
- 삭제
- 제 7항에 있어서,상기 제1기준값 및 상기 제2기준값은 상기 등록 데이터를 구성하는 복수의 프레임으로부터 각각 추출된 특징 벡터들을 기초로 산출한 유사도 비인 원본 기준값에 사전에 설정된 비례상수를 각각 곱하여 결정되는 것을 특징으로 하는 사용자 인증 방법.
- 제 9항에 있어서,상기 (d) 단계에서, 상기 복수의 프레임 전체가 테스트 프레임으로 결정되어 산출된 최종 인증값이 상기 제1기준값과 상기 제2기준값의 사이값인 경우에는 상기 최종 인증값이 상기 원본 기준값 이상이면 상기 인증자를 정당한 사용자로 인증하고, 상기 최종 인증값이 상기 원본 기준값보다 작으면 상기 인증자를 사칭자로 결정하여 인증을 거절하는 것을 특징으로 하는 사용자 인증 방법.
- 제 7항에 있어서,상기 (e) 단계에서, 상기 복수의 프레임 전체가 테스트 프레임으로 결정되어 산출된 최종 인증값이 상기 제1기준값과 상기 제2기준값의 사이값인 경우에는 상기 인증자에 대해 새로운 인증 데이터를 입력할 것을 요청하는 메시지를 출력하는 것을 특징으로 하는 사용자 인증 방법.
- 제 7항에 있어서,상기 인증 데이터는 시계열적으로 입력되는 상기 인증자의 음성신호인 것을 특징으로 하는 사용자 인증 방법.
- 제 7항에 기재된 사용자 인증 방법을 컴퓨터에서 실행시키기 위한 프로그램을 기록한 컴퓨터로 읽을 수 있는 기록매체.
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
KR1020090118803A KR101054331B1 (ko) | 2009-12-03 | 2009-12-03 | 생체 데이터를 이용한 사용자 인증 장치 및 방법 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
KR1020090118803A KR101054331B1 (ko) | 2009-12-03 | 2009-12-03 | 생체 데이터를 이용한 사용자 인증 장치 및 방법 |
Publications (2)
Publication Number | Publication Date |
---|---|
KR20110062181A KR20110062181A (ko) | 2011-06-10 |
KR101054331B1 true KR101054331B1 (ko) | 2011-08-04 |
Family
ID=44396404
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
KR1020090118803A KR101054331B1 (ko) | 2009-12-03 | 2009-12-03 | 생체 데이터를 이용한 사용자 인증 장치 및 방법 |
Country Status (1)
Country | Link |
---|---|
KR (1) | KR101054331B1 (ko) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US11048785B2 (en) | 2018-02-14 | 2021-06-29 | Samsung Electronics Co., Ltd | Method and apparatus of performing authentication |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2002334335A (ja) * | 2001-03-09 | 2002-11-22 | Toshiba Corp | 顔画像認識装置および通行制御装置 |
JP2006006753A (ja) * | 2004-06-28 | 2006-01-12 | Fujitsu Ltd | 生体認証システムの登録方法、生体認証システム及びそのプログラム |
-
2009
- 2009-12-03 KR KR1020090118803A patent/KR101054331B1/ko not_active IP Right Cessation
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2002334335A (ja) * | 2001-03-09 | 2002-11-22 | Toshiba Corp | 顔画像認識装置および通行制御装置 |
JP2006006753A (ja) * | 2004-06-28 | 2006-01-12 | Fujitsu Ltd | 生体認証システムの登録方法、生体認証システム及びそのプログラム |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US11048785B2 (en) | 2018-02-14 | 2021-06-29 | Samsung Electronics Co., Ltd | Method and apparatus of performing authentication |
US11720658B2 (en) | 2018-02-14 | 2023-08-08 | Samsung Electronics Co., Ltd. | Method and apparatus of performing authentication |
Also Published As
Publication number | Publication date |
---|---|
KR20110062181A (ko) | 2011-06-10 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US9646614B2 (en) | Fast, language-independent method for user authentication by voice | |
US9430628B2 (en) | Access authorization based on synthetic biometric data and non-biometric data | |
WO2017215558A1 (zh) | 一种声纹识别方法和装置 | |
US9674184B2 (en) | Systems and methods to generate authorization data based on biometric data and non-biometric data | |
TWI423249B (zh) | 用於文字相關之說話者認證之電腦實施方法、電腦可讀取儲存媒體及系統 | |
JP4213716B2 (ja) | 音声認証システム | |
WO2017114307A1 (zh) | 能够防止录音攻击的声纹认证方法、服务器、终端及系统 | |
AU2004300140B2 (en) | System and method for providing improved claimant authentication | |
US6401063B1 (en) | Method and apparatus for use in speaker verification | |
CN104217149B (zh) | 基于语音的生物认证方法及设备 | |
JP2018517927A (ja) | 話者検証のためのニューラルネットワーク | |
US6697779B1 (en) | Combined dual spectral and temporal alignment method for user authentication by voice | |
US20170294192A1 (en) | Classifying Signals Using Mutual Information | |
US10909991B2 (en) | System for text-dependent speaker recognition and method thereof | |
CN111816184B (zh) | 讲话人识别方法、识别装置以及记录介质 | |
JP6996627B2 (ja) | 情報処理装置、制御方法、及びプログラム | |
KR101805437B1 (ko) | 배경 화자 데이터를 이용한 화자 인증 방법 및 화자 인증 시스템 | |
KR101054331B1 (ko) | 생체 데이터를 이용한 사용자 인증 장치 및 방법 | |
WO2002029785A1 (en) | Method, apparatus, and system for speaker verification based on orthogonal gaussian mixture model (gmm) | |
US11929077B2 (en) | Multi-stage speaker enrollment in voice authentication and identification | |
Abdalrahman et al. | A cascaded voice biometric system | |
CN108630207B (zh) | 说话人确认方法和说话人确认设备 | |
Nallagatla et al. | Sequential decision fusion for controlled detection errors | |
JP7287442B2 (ja) | 情報処理装置、制御方法、及びプログラム | |
WO2006027844A1 (ja) | 話者照合装置 |
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: 20140709 Year of fee payment: 4 |
|
FPAY | Annual fee payment |
Payment date: 20150609 Year of fee payment: 5 |
|
FPAY | Annual fee payment |
Payment date: 20160627 Year of fee payment: 6 |
|
LAPS | Lapse due to unpaid annual fee |