KR101082878B1 - Method of restoring iris image - Google Patents

Method of restoring iris image Download PDF

Info

Publication number
KR101082878B1
KR101082878B1 KR1020090006844A KR20090006844A KR101082878B1 KR 101082878 B1 KR101082878 B1 KR 101082878B1 KR 1020090006844 A KR1020090006844 A KR 1020090006844A KR 20090006844 A KR20090006844 A KR 20090006844A KR 101082878 B1 KR101082878 B1 KR 101082878B1
Authority
KR
South Korea
Prior art keywords
iris
image
pixels
diameter
less
Prior art date
Application number
KR1020090006844A
Other languages
Korean (ko)
Other versions
KR20100087832A (en
Inventor
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 KR1020090006844A priority Critical patent/KR101082878B1/en
Publication of KR20100087832A publication Critical patent/KR20100087832A/en
Application granted granted Critical
Publication of KR101082878B1 publication Critical patent/KR101082878B1/en

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T3/00—Geometric image transformation in the plane of the image
    • G06T3/40—Scaling the whole image or part thereof
    • G06T3/4007—Interpolation-based scaling, e.g. bilinear interpolation
    • G06T5/77—

Landscapes

  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Collating Specific Patterns (AREA)
  • Measurement Of The Respiration, Hearing Ability, Form, And Blood Characteristics Of Living Organisms (AREA)

Abstract

본 발명은 영상보간법 또는 신경회로망 또는 SVR을 이용한 홍채 영상 복원 방법에 관한 것으로, 홍채 영상의 인식 성능을 감소시키는 요인 중에 하나인 홍채 직경이 200픽셀 미만 해상도 홍채 영상에 대한 문제를 해결하기 위해 줌 기능이 없는 렌즈를 구비한 카메라를 이용하여 입력받은 홍채 직경이 200픽셀 미만 해상도 홍채 영상을 영상보간법 또는 신경회로망 또는 SVR을 이용하여 해상도를 향상시킴으로써 홍채 인식의 성능을 향상시킨다.The present invention relates to an iris image reconstruction method using image interpolation, neural network, or SVR, and has a zoom function to solve a problem of an iris image having an iris diameter of less than 200 pixels, which is one of the factors reducing the recognition performance of the iris image. The performance of iris recognition is improved by improving the resolution of an iris image having an iris diameter less than 200 pixels input using a camera having no lens using image interpolation or neural network or SVR.

본 발명에 따르면, 홍채 직경이 200픽셀 이상 해상도 홍채 영상을 입력받기 위해 줌 렌즈를 구비한 카메라를 사용하는 대신 줌 렌즈에 비해 상대적으로 비용이 저렴하고 줌 기능이 없는 렌즈를 구비한 카메라를 사용할 수 있게 되므로 홍채 인식 시스템의 전체적인 가격을 감소시킬 수 있고, 이를 통해 홍채 인식 시스템을 저렴한 가격으로 대중화시킬 수 있다. 또한, 원거리에서 취득한 홍채 직경이 200픽셀 미만 해상도 영상으로부터의 홍채 인식을 가능하게 함으로써 원거리 홍채 인식이 가능하며, 이를 통해 예컨대, 출입국 관리가 필요한 공항 및 보안이 필요한 주요 공공기관 등에서 폭넓게 홍채 인식 시스템을 사용될 수 있을 것으로 기대된다.According to the present invention, instead of using a camera having a zoom lens to receive an iris image having an iris diameter of 200 pixels or more, a camera having a lens that is relatively inexpensive and does not have a zoom function can be used. This reduces the overall price of the iris recognition system, thereby popularizing the iris recognition system at a low price. In addition, by enabling iris recognition from images with resolutions of less than 200 pixels in iris diameter acquired from a long distance, iris recognition is possible. This enables a wide range of iris recognition systems, such as airports requiring immigration and major public institutions that require security. It is expected to be used.

홍채 인식, 홍채 영상, 해상도, 영상보간법, 신경회로망, SVRIris recognition, iris image, resolution, image interpolation, neural network, SVR

Description

홍채 영상 복원 방법{Method of restoring iris image}How to restore iris image {Method of restoring iris image}

본 발명은 홍채 영상 복원 기술에 관한 것이며, 더욱 상세히는 영상보간법(Image interpolation) 또는 신경회로망(Neural Network) 또는 SVR(Support Vector Regression)을 이용한 홍채 영상 복원 방법에 관한 것이다.The present invention relates to an iris image reconstruction technique, and more particularly, to an iris image reconstruction method using image interpolation or a neural network or support vector regression (SVR).

도 1을 참조하면, 통상의 홍채 인식 시스템(100)은 특정 사용자의 홍채 영상(예컨대, 단안 홍채 영상, 혹은 양안 홍채 영상)을 촬영하는 홍채 카메라(110)와 홍채 인식에 필요한 사용자들 각각의 홍채 특징값이 등록되어 있는 홍채 인식 DB(120), 및 특정 사용자의 홍채 영상으로부터 획득한 홍채 특징값을 상기 홍채 인식 DB(120)에 기 등록된 해당 사용자의 홍채 특징값과 비교하여 그 유사도를 판정한 결과에 따라 사용자 인증의 수락 혹은 거절을 결정하는 홍채 인식 프로세서(130)를 포함하여 구성된다.Referring to FIG. 1, a typical iris recognition system 100 may include an iris camera 110 that captures an iris image (eg, a monocular iris image or a binocular iris image) of a specific user, and an iris of each of users required for iris recognition. The similarity is determined by comparing the iris feature DB 120 in which the feature value is registered and the iris feature value obtained from the iris image of the specific user with the iris feature value of the corresponding user registered in the iris recognition DB 120. It is configured to include an iris recognition processor 130 for determining whether to accept or reject the user authentication according to the result.

상기와 같은 홍채 인식 시스템(100)의 홍채 인식 프로세서(130)는 상기 홍채 카메라(110)로 촬영하여 획득한 홍채 영상으로부터 홍채 인식에 필요한 홍채 영역 이외의 불필요한 정보인 눈꺼풀, 속눈썹, 조명 반사광이 제거된 홍채 영역을 검출 한 후, 이 홍채 영역에 도비치스 웨이블릿 커널 또는 독립성분분석(ICA) 커널 이외에 가버(Gabor) 커널, 하르(Haar) 커널 등과 같은 홍채 특징 추출 커널(kernel)을 적용하여 홍채 인식 인증을 요구하는 사용자의 홍채 영역에 대응하는 홍채 특징값을 추출한 다음, 상기 사용자의 홍채 특징값과 상기 홍채 인식 DB(120)에 기 등록된 사용자의 홍채 특징값 사이의 유클리디안 거리, 코사인 거리, 해밍 거리 등을 유사도 값으로 산출하여, 그 산출한 값이 특정 임계치를 초과하는지 여부에 따라서 상기 사용자 인증의 수락 혹은 거절을 결정한다.The iris recognition processor 130 of the iris recognition system 100 removes unnecessary information on the eyelids, eyelashes, and illumination reflections other than the iris region required for iris recognition from the iris image obtained by the iris camera 110. After detecting the iris region, the iris recognition algorithm is applied to the iris region by applying an iris feature extraction kernel such as Gabor kernel, Haar kernel, etc. in addition to the Dobichi's wavelet kernel or independent component analysis (ICA) kernel. After extracting the iris feature value corresponding to the iris region of the user requiring authentication, the Euclidean distance, cosine distance between the iris feature value of the user and the iris feature value of the user previously registered in the iris recognition DB 120 , Hamming distance, etc. is calculated as a similarity value, and acceptance or rejection of the user authentication depends on whether the calculated value exceeds a specific threshold value. Determined.

상기와 같은 종래의 홍채 인식 시스템(100)은 상기 홍채 카메라(110)로부터 입력받은 홍채 영상을 이용하여 홍채 인식을 수행하기 때문에, 홍채 영상의 품질이 홍채 인식의 정확도에 많은 영향을 준다. 이러한 홍채 인식의 정확도에 영향을 주는 홍채 영상의 품질 요소 가운데 대표적인 하나가 홍채 영상의 해상도이다. 참고로, 해상도는 영상의 명료성과 정세도를 나타내는 것으로, 통상 카메라 이미지 센서의 면적이 동일할 때 픽셀 수가 많을수록 해상도가 좋은 것이다.Since the conventional iris recognition system 100 performs iris recognition using the iris image input from the iris camera 110, the quality of the iris image has a great influence on the accuracy of iris recognition. One of the representative quality factors of the iris image that affects the accuracy of the iris recognition is the resolution of the iris image. For reference, the resolution indicates the clarity and sharpness of the image. In general, when the area of the camera image sensor is the same, the larger the number of pixels, the better the resolution.

일반적으로, 홍채 인식은 홍채 영상의 해상도에 따라 그 정확도 큰 차이를 보이며, 홍채 인식 성능 감소 없이 홍채 인식을 수행하기 위해서는 입력된 홍채 영상에서의 홍채 직경이 200픽셀 이상 되어야 한다고 알려져 있다[참고문헌; Information Technology. Biometric Data Interchange Formats. Iris Image Data. ISO/IEC 19794-6, 2005].In general, iris recognition has a large difference in accuracy depending on the resolution of an iris image, and it is known that an iris diameter in an input iris image should be 200 pixels or more in order to perform iris recognition without reducing iris recognition performance [Reference; Information Technology. Biometric Data Interchange Formats. Iris Image Data. ISO / IEC 19794-6, 2005].

따라서, 홍채 직경이 200픽셀 미만 해상도 홍채 영상을 가지고 홍채 인식을 수행하게 되면 인식 정확도가 감소되는 문제점이 있기 때문에 기존의 홍채 인식 시스템(100)은 홍채 직경이 200픽셀 이상 해상도의 홍채 영상을 취득하기 위해 상기 홍채 카메라(110)로 가격이 비싼 줌 렌즈(Zoom Lens)를 구비한 카메라를 사용하고 있으며, 또한 사용자에게 홍채 카메라(110)로부터 가까운 거리에 자신의 눈을 위치시키도록 요구하고 있다.Therefore, when iris recognition is performed with an iris image having an iris diameter of less than 200 pixels, the recognition accuracy is reduced. Therefore, the conventional iris recognition system 100 acquires an iris image having an iris diameter of 200 pixels or more. To this end, the iris camera 110 uses a camera equipped with an expensive zoom lens, and also requires the user to place his or her eyes at a close distance from the iris camera 110.

하지만, 상기와 같이 홍채 직경이 200픽셀 이상 해상도의 홍채 영상을 취득하기 위해 가격이 비싼 줌 렌즈(Zoom Lens)를 구비한 카메라를 홍채 카메라(110)로 사용하면 상기 홍채 인식 시스템(100)의 가격 상승을 초래하여 홍채 인식 시스템(100)의 대중화를 어렵게 하고, 또한 사용자에게 홍채 카메라(110)로부터 가까운 거리에 자신의 눈을 위치시키도록 요구하는 경우에는 사용자에게 불편함을 주는 문제점이 있다.However, when an iris camera 110 is used as a camera having an expensive zoom lens to acquire an iris image having an iris diameter of 200 pixels or more as described above, the price of the iris recognition system 100 is increased. Increasingly, it is difficult to popularize the iris recognition system 100, and there is a problem in that the user is inconvenient when requiring the user to place his or her eyes at a close distance from the iris camera 110.

한편, 홍채 인식 기술에서 홍채 직경이 200픽셀 미만 해상도 영상을 홍채 직경이 200픽셀 이상 해상도 영상으로 복원하기 위한 연구가 많이 진행되고 있다. 여기서 복원의 의미는 홍채 인식을 위해 획득한 홍채 직경이 200픽셀 이상 해상도 영상이 원 영상으로 이미 존재함을 전제하는 경우, 홍채 카메라로 실제 촬영하여 획득한 홍채 직경이 200픽셀 미만 해상도 영상과 상기 원 영상을 비교하였을 때, 양자의 해상도 차이에 기인하여 상기 홍채 직경이 200픽셀 이상 해상도 영상에는 있지만 상기 홍채 직경이 200픽셀 미만 해상도 영상에서는 취득되지 않는 손실된 영상이 존재하게 되는데, 이러한 홍채 직경이 200픽셀 미만 해상도 영상으로부터 상기 홍채 직경이 200픽셀 이상 해상도 영상에는 있지만 상기 홍채 직경이 200픽셀 미만 해상도 영상에서는 취득되지 않는 손실된 영상을 복원함으로써 상기 홍채 직경이 200픽셀 이상 해상도 영상, 즉 상기 원 영상을 획득한다는 의미이다.
하지만, 홍채 직경이 200픽셀 미만 해상도 홍채 영상을 홍채 직경이 200픽셀 이상 해상도로 복원한 사례는 많지 않으며, 기존의 연구에서는 단일 홍채 직경이 200픽셀 미만 해상도 홍채 영상이 아닌 여러 장의 홍채 직경이 200픽셀 미만 해상도 홍채 영상을 홍채 직경이 200픽셀 이상 해상도 홍채 영상으로 복원하는 방법이 알 바나드(R.Barnard) 등에 의해 제안된 적이 있다[참고문헌; "High-Resolution Iris Image Reconstruction from low-Resolution Imagery." Proceedings of the SPIE, Advanced Signal Processing Algorithms, Architecture, and Implementations XVI, Vol. 6313,pp.D1-D13, San Diego, CA, Aug. 2006]. 상기의 알 바나드 등은 줌 렌즈에 비해 상대적으로 비용이 저렴하고 줌 기능이 없는 렌즈를 구비한 카메라를 다중으로 이용하여 여러 장의 홍채 직경이 200픽셀 미만 해상도 홍채 영상을 동시에 촬영한 다음 여러 장의 홍채 직경이 200픽셀 미만 해상도 홍채 영상을 단일 홍채 직경이 200픽셀 이상 해상도 홍채 영상으로 복원하였다. 여러 장의 홍채 직경이 200픽셀 미만 해상도 홍채 영상을 사용하여 단일 홍채 직경이 200픽셀 이상 해상도 홍채 영상을 복원하기 위해서는 홍채 직경이 200픽셀 미만 해상도 홍채 영상간의 위치를 정렬(registration)해야 한다. 하지만, 각각의 홍채 직경이 200픽셀 미만 해상도 홍채 영상들을 하나의 홍채 직경이 200픽셀 이상 해상도 영상으로 만들기 위한 정확한 위치 정렬은 매우 힘들뿐만 아니라, 이 과정에서 발생된 위치 정렬 에러는 홍채 인식에서 등록된 사용자를 거부하는 에러인 FRR(False Rejection Rate) 에러를 증가시키는 문제점을 가진다. 또한, 여러 대의 홍채 영상 획득용 카메라를 사용하므로 단일 카메라를 사용하는 홍채 인식 시스템보다 비용이 증가되는 문제점이 있다.On the other hand, in the iris recognition technology, a lot of researches have been conducted to reconstruct an image having a iris diameter of less than 200 pixels to an image having a iris diameter of 200 pixels or more. Here, the meaning of the reconstruction means that if an iris diameter obtained for iris recognition has a resolution of 200 pixels or more already existing as an original image, the iris diameter obtained by actually photographing with an iris camera has a resolution of less than 200 pixels and the circle. When comparing the images, there is a lost image due to the difference in resolution between the iris diameter of 200 pixels or more but not obtained from the resolution of the iris diameter of less than 200 pixels. From the subpixel resolution image, the iris diameter of 200 pixels or more, i.e., the original image, is restored by restoring a lost image in the resolution image of 200 pixels or more that is not obtained in the resolution of the iris diameter of 200 pixels or more. It means to acquire.
However, there are not many cases where an iris image with a iris diameter less than 200 pixels has been restored to a resolution of 200 pixels or more, and previous studies have shown that a single iris diameter of less than 200 pixels has a multiple iris diameter of 200 pixels. A method for reconstructing a less-resolution iris image into an iris image having a iris diameter of 200 pixels or more has been proposed by R. Barnard et al. "High-Resolution Iris Image Reconstruction from low-Resolution Imagery." Proceedings of the SPIE, Advanced Signal Processing Algorithms, Architecture, and Implementations XVI, Vol. 6313, pp. D1-D13, San Diego, CA, Aug. 2006]. Al Barnard et al., Which is relatively inexpensive compared to a zoom lens and uses multiple cameras with a lens without a zoom function, simultaneously captures iris images with a resolution of less than 200 pixels in iris diameter and then multiple irises. An iris image with a resolution less than 200 pixels in diameter was reconstructed into an iris image with a resolution greater than 200 pixels in diameter for a single iris. In order to reconstruct an iris image having a iris diameter of 200 pixels or more by using an iris image having multiple iris diameters less than 200 pixels, positions between iris images having an iris diameter of less than 200 pixels must be aligned. However, the exact alignment of each of the iris images with a resolution of less than 200 pixels in diameter for each iris diameter of 200 pixels or more is very difficult, and the alignment error generated in this process is registered in iris recognition. There is a problem of increasing a False Rejection Rate (FRR) error, which is an error of rejecting a user. In addition, since a plurality of iris image acquisition cameras are used, there is a problem in that the cost is increased compared to an iris recognition system using a single camera.

다른 한편, 단일의 홍채 직경이 200픽셀 미만 해상도 홍채 영상을 홍채 직경이 200픽셀 이상 해상도 홍채 영상으로 복원하는 연구는 진행된 바 없으며, 홍채 인식 기술에서 홍채 직경이 200픽셀 미만 해상도 단일 얼굴 영상을 홍채 직경이 200픽셀 이상 해상도 얼굴 영상으로 복원하는 연구 사례가 대한민국 고려대 이성환 교수 등에 의해 발표된 적이 있다[참고문헌; "Low Resolution Face Recognition Based on Support Vector Data Description," Pattern Recognition, Vol. 39, No.9, 2006, pp. 1809-1812]. 이 연구에서는 홍채 직경이 200픽셀 미만 해상도 단일 얼굴 영상을 홍채 직경이 200픽셀 이상 해상도 얼굴 영상으로 복원하기 위해 주성분 분석 방법(PCA; Principle Component Analysis)을 이용해서 SVDD(Support Vector Data Description)의 방법으로 복원하는 방식을 사용하였다. 상기 주성분 분석 방법은 다차원 특징 벡터로 이루어진 데이터에 대하여 높은 차원에서의 정보를 유지하면서 낮은 차원으로 차원을 축소시키는 다변량 데이터 처리 방법 중의 하나이다. 얼굴 영상에서 높은 차원의 정보를 낮은 차원의 정보로 축소하지만 높은 차원의 얼굴 특징 정보를 유지하고 있다는 특징이 있다. 하지만, 상기와 같이 차원 축소를 하는 주성분 분석 방법을 이용하여 홍채 영상을 낮은 차원으로 축소하게 되면 얼굴 영상처럼 정보의 고유한 특징을 유지하지 못하는 문제점이 있기 때문에 주성분 분석 방법을 홍채 영상에 적용하기는 어려움이 따른다. 또한 이 연구결과에서는 SVDD로 학습한 홍채 직경이 200픽셀 미만 해상도 얼굴 영상의 경우, 홍채 직경이 200픽셀 이상 해상도 얼굴 영상으로 잘 복원되지만 학습하지 않은 얼굴 영상의 경우 복원이 잘 되지 않는다는 문제점이 있다.On the other hand, no research has been conducted to restore an iris image having a single iris diameter of less than 200 pixels to an iris image having a iris diameter of 200 pixels or more, and in iris recognition technology, a single face image having a iris diameter of less than 200 pixels is iris diameter. A study on reconstructing a 200-pixel or higher resolution face image has been presented by Professor Lee Sung-hwan of Korea University [Ref. "Low Resolution Face Recognition Based on Support Vector Data Description," Pattern Recognition, Vol. 39, No. 9, 2006, pp. 1809-1812]. In this study, a single face image with an iris diameter of less than 200 pixels was reconstructed into a face image with an iris diameter of 200 pixels or more, using SVDD (Support Vector Data Description) using Principle Component Analysis (PCA). Restoration method was used. The principal component analysis method is one of multivariate data processing methods for reducing dimensions to low dimensions while maintaining information in high dimensions for data consisting of multidimensional feature vectors. In the face image, the high dimension information is reduced to the low dimension information, but the high dimension facial feature information is maintained. However, if the iris image is reduced to a lower dimension by using the principal component analysis method of dimension reduction as described above, the principal component analysis method may not be applied to the iris image because there is a problem in that it does not maintain the unique characteristics of the information like the face image. Difficulties follow In addition, in this study, face images with iris diameters less than 200 pixels that were trained with SVDD are well restored to face images with resolutions of 200 pixels or more, but face images that are not learned are not well restored.

본 발명은 상기한 바와 같은 종래의 문제점을 해결하기 위한 것으로서, 본 발명의 목적은 홍채 영상의 인식 성능(예컨대, 홍채 인식의 정확도)를 감소시키는 요인 중에 하나인 홍채 직경이 200픽셀 미만 해상도 홍채 영상에 대한 문제를 해결하기 위해 줌 기능이 없는 렌즈를 구비한 카메라를 이용하여 입력받은 홍채 직경이 200픽셀 미만 해상도 홍채 영상을 영상보간법 또는 신경회로망 또는 SVR을 이용하여 해상도를 향상시킴으로써 홍채 인식의 성능을 향상시키는 영상보간법 또는 신경회로망 또는 SVR을 이용한 홍채 영상 복원 방법을 제공하는 것이다.SUMMARY OF THE INVENTION The present invention has been made to solve the above-described problems, and an object of the present invention is to provide an iris image having an iris diameter of less than 200 pixels, which is one of the factors that reduce the recognition performance (eg, the accuracy of iris recognition) of the iris image. In order to solve the problem of iris recognition, the iris image with iris diameter less than 200 pixels is input by using interpolation or neural network or SVR. The present invention provides an improved image interpolation method or an iris image restoration method using neural networks or SVRs.

상기와 같은 본 발명의 목적을 달성하기 위하여, 본 발명에 따른 홍채 영상 복원 방법의 제1실시예는, 줌 렌즈에 비해 상대적으로 비용이 저렴하고 줌 기능이 없는 렌즈를 구비한 홍채 카메라가 특정 사용자의 단일의 홍채 직경이 200픽셀 미만 해상도 홍채 영상을 획득하는 과정; 및 홍채 인식 프로세서가 영상보간법을 사용하여 상기 홍채 카메라를 통해 획득된 단일의 홍채 직경이 200픽셀 미만 해상도 홍채 영상을 홍채 직경이 200픽셀 이상 해상도 홍채 영상으로 해상도를 높여 홍채 인식을 위한 원 영상으로 복원하는 과정;으로 이루어지는 것을 특징으로 한다.In order to achieve the object of the present invention as described above, the first embodiment of the iris image restoration method according to the present invention, the iris camera having a relatively inexpensive and zoom-free lens compared to the zoom lens is a specific user Obtaining an iris image with a single iris diameter of less than 200 pixels in resolution; And an iris recognition processor using image interpolation to restore a iris image having a iris diameter of less than 200 pixels obtained from the iris camera to an iris image having an iris diameter of 200 pixels or more and recovering the original image for iris recognition. The process consisting of;

본 발명에 따른 홍채 영상 복원 방법의 제1실시예에 있어서, 상기 홍채 인식 프로세서(130)가 단일의 홍채 직경이 200픽셀 미만 해상도 홍채 영상을 홍채 직경이 200픽셀 이상 해상도 홍채 영상으로 해상도를 높여 홍채 인식을 위한 원 영상으로 복원하기 위해 이용하는 영상보간법은, 실제 단일 홍채 직경이 200픽셀 미만 해상도 홍채 영상에 존재하는 4개의 이웃 픽셀들과 거리에 대한 가중치 곱들의 합으로부터, 상기 홍채 카메라(110)로 실제 촬영하여 획득한 단일의 홍채 직경이 200픽셀 미만 해상도 영상과 상기 원 영상을 비교하였을 때 양자의 해상도 차이에 기인하여 상기 원 영상에는 있지만 상기 단일의 홍채 직경이 200픽셀 미만 해상도 영상에서는 취득되지 않는 손실된 픽셀의 픽셀 값을 계산하는 양선형 보간법(Bilinear Interpolation), 실제 단일 홍채 직경이 200픽셀 미만 해상도 홍채 영상에 존재하는 16개의 이웃 픽셀들로부터 3차 회선에 의한 가중치 곱으로부터 상기한 손실된 픽셀의 픽셀 값을 계산하는 3차 회선 보간법(Bicubic Interpolation), 실제 단일 홍채 직경이 200픽셀 미만 해상도 홍채 영상에 존재하는 16개의 이웃 픽셀들로부터 고차 방정식에 의한 가중치 곱으로부터 상기한 손실된 픽셀의 픽셀 값을 계산하는 B-스플라인 보간법(B-spline Interpolation), 실제 단일 홍채 직경이 200픽셀 미만 해상도 홍채 영상에 가장 이상적인 저주파 통과 필터의 특성을 가지는 싱크(sync) 함수를 적용하여 상기한 손실된 픽셀의 픽셀 값을 계산하는 랑조스(Lanczos) 보간법 중 어느 하나인 것을 특징으로 한다.In a first embodiment of the method for restoring an iris image according to the present invention, the iris recognition processor 130 increases the resolution of an iris image having a single iris diameter of less than 200 pixels to an iris image having an iris diameter of 200 pixels or more and increasing the resolution. Image interpolation, which is used to reconstruct the original image for recognition, is performed by the iris camera 110 from the sum of weighted products for distance and four neighboring pixels present in an iris image having a real iris diameter of less than 200 pixels. When a single iris diameter obtained by actually photographing the original image is compared with a resolution of less than 200 pixels, the original image is due to the difference in resolution between the original images, but the single iris diameter is not acquired in a resolution image of less than 200 pixels. Bilinear interpolation, which calculates pixel values of lost pixels, the actual single iris texture Bicubic Interpolation, which calculates the pixel value of the lost pixel from the weighted product by the tertiary convolution from 16 neighboring pixels present in this sub-pixel resolution iris image, the actual single iris diameter is 200 B-spline interpolation, which calculates the pixel value of the lost pixel from the weighted product by the higher-order equation from 16 neighboring pixels present in the sub-pixel resolution iris image, the actual single iris diameter of 200 pixels One of the Langzos interpolation methods for calculating pixel values of the lost pixels by applying a sync function having a characteristic of a low pass filter that is most ideal for a lower resolution iris image.

상기와 같은 본 발명의 목적을 달성하기 위하여, 본 발명에 따른 홍채 영상 복원 방법의 제2실시예는, 줌 렌즈에 비해 상대적으로 비용이 저렴하고 줌 기능이 없는 렌즈를 구비한 홍채 카메라가 특정 사용자의 단일의 홍채 직경이 200픽셀 미만 해상도 홍채 영상을 획득하는 과정; 및 홍채 인식 프로세서가 신경회로망 또는 SVR(Support Vector Regression)을 사용하여 상기 홍채 카메라를 통해 획득된 단일의 홍채 직경이 200픽셀 미만 해상도 홍채 영상을 홍채 직경이 200픽셀 이상 해상도 홍채 영상으로 해상도를 높여 홍채 인식을 위한 원 영상으로 복원하는 과정;으로 이루어지는 것을 특징으로 한다.In order to achieve the object of the present invention as described above, the second embodiment of the iris image restoration method according to the present invention, the iris camera having a relatively inexpensive and zoom-free lens compared to the zoom lens is a specific user Obtaining an iris image with a single iris diameter of less than 200 pixels in resolution; And an iris recognition processor using a neural network or SVR (Support Vector Regression) to increase the resolution of a single iris diameter less than 200 pixels iris image obtained through the iris camera to an iris image having an iris diameter of 200 pixels or more. And reconstructing the original image for recognition.

본 발명에 따른 홍채 영상 복원 방법의 제2실시예에 있어서, 상기 홍채 인식 프로세서가 상기 단일의 홍채 직경이 200픽셀 미만 해상도 홍채 영상을 홍채 직경이 200픽셀 이상 해상도 홍채 영상으로 해상도를 높여 홍채 인식을 위한 원 영상으로 복원하기 위해 사용하는 신경회로망은, 상기 단일의 홍채 직경이 200픽셀 미만 해상도 영상에서의 영상 픽셀값이 입력되면, 상기 홍채 카메라로 실제 촬영하여 획득한 단일의 홍채 직경이 200픽셀 미만 해상도 영상과 상기 원 영상을 비교하였을 때 양자의 해상도 차이에 기인하여 상기 원 영상에는 있지만 상기 단일의 홍채 직경이 200픽셀 미만 해상도 영상에서는 취득되지 않는 홍채 직경이 200픽셀 미만 해상도 영상 픽셀 주변의 홍채 직경이 200픽셀 이상 해상도 영상 픽셀값을 출력하도록 학습된 것으로, 홉필드(Hopfield), CSRN(Cellular Simultaneous Recurrent Networks), 단일 퍼셉트론(single-Layer Perceptron), 다층 퍼셉트론(Multi-Layer Perceptron), 전방향 신경망(Feed forward), 피드백형(Recurrent) 신경망 중 어느 하나인 것을 특징으로 한다.
본 발명에 따른 홍채 영상 복원 방법의 제2실시예에 있어서, 상기 홍채 인식 프로세서(130)가 상기 단일의 홍채 직경이 200픽셀 미만 해상도 홍채 영상을 홍채 직경이 200픽셀 이상 해상도 홍채 영상으로 해상도를 높여 홍채 인식을 위한 원 영상으로 복원하기 위해 사용하는 상기 SVR은, 상기 단일의 홍채 직경이 200픽셀 미만 해상도 영상에서의 영상 픽셀값이 입력되면, 상기 홍채 카메라로 실제 촬영하여 획득한 단일의 홍채 직경이 200픽셀 미만 해상도 영상과 상기 원 영상을 비교하였을 때 양자의 해상도 차이에 기인하여 상기 원 영상에는 있지만 상기 단일의 홍채 직경이 200픽셀 미만 해상도 영상에서는 취득되지 않는 홍채 직경이 200픽셀 미만 해상도 영상 픽셀 주변의 홍채 직경이 200픽셀 이상 해상도 영상 픽셀값을 출력하도록 학습된 것을 특징으로 한다.In a second embodiment of the method for restoring an iris image according to the present invention, the iris recognition processor increases the resolution of the iris image having a resolution less than 200 pixels in the single iris diameter to an iris image having a iris diameter of 200 pixels or more, thereby performing iris recognition. The neural network used for reconstructing the original image for a single image has a single iris diameter of less than 200 pixels, and when an image pixel value of a resolution image is inputted, a single iris diameter obtained by actually photographing the iris camera is less than 200 pixels. When comparing the resolution image with the original image, the iris diameter around the resolution image pixel of less than 200 pixels in the iris diameter of the original image but not obtained in the resolution image of the single iris is less than 200 pixels due to the difference in resolution between the two. It is learned to output the pixel value of the resolution more than 200 pixels, the hop field (H opfield, CSRN (Cellular Simultaneous Recurrent Networks), Single-Layer Perceptron, Multi-Layer Perceptron, Feed Forward, and Recurrent Neural Networks do.
In a second embodiment of the method for restoring an iris image according to the present invention, the iris recognition processor 130 increases the resolution of an iris image having a single iris diameter of less than 200 pixels to an iris image having an iris diameter of 200 pixels or more. The SVR used for reconstructing the original image for iris recognition has a single iris diameter obtained by actually photographing the iris camera when an image pixel value of a single iris diameter of less than 200 pixels is input. When comparing the original image with the resolution of less than 200 pixels, the iris diameter less than 200 pixels in the original image but not obtained in the resolution of the single iris diameter less than 200 pixels due to the difference in resolution between the original images Iris diameter of 200 pixels or more, it is learned to output a video pixel value The.

상기와 같은 본 발명의 목적을 달성하기 위하여, 본 발명에 따른 홍채 영상 복원 방법의 제3실시예는, 줌 렌즈에 비해 상대적으로 비용이 저렴하고 줌 기능이 없는 렌즈를 구비한 홍채 카메라가 특정 사용자의 단일의 홍채 직경이 200픽셀 미만 해상도 홍채 영상을 획득하는 과정과; 상기 홍채 인식 프로세서가 영상보간법을 사용하여 상기 홍채 카메라를 통해 획득된 단일의 홍채 직경이 200픽셀 미만 해상도 홍채 영상을 홍채 직경이 200픽셀 이상 해상도 홍채 영상으로 해상도를 높여 홍채 인식을 위한 1차 영상으로 복원하는 과정; 및 상기 홍채 인식 프로세서가 신경회로망 또는 SVR(Support Vector Regression)을 이용하여 상기 1차 영상을 현재보다 더 큰 값으로 정해진 해상도 홍채 영상으로 해상도를 높여 홍채 인식을 위한 원 영상으로 복원하는 과정;으로 이루어지는 것을 특징으로 한다.In order to achieve the object of the present invention as described above, the third embodiment of the iris image restoration method according to the present invention, the iris camera having a relatively inexpensive and zoom-free lens compared to the zoom lens is a specific user Acquiring an iris image having a resolution of less than 200 pixels in a single iris diameter; The iris recognition processor uses an image interpolation method to obtain a iris image having a iris diameter of less than 200 pixels that is obtained through the iris camera, and to increase the resolution to an iris image having a iris diameter of 200 pixels or more. Restoring; And reconstructing, by the iris recognition processor, the primary image using a neural network or SVR (Support Vector Regression) to increase the resolution to a resolution iris image having a larger value than the current one and reconstructing the original image for iris recognition. It is characterized by.

상기와 같은 본 발명의 목적을 달성하기 위하여, 본 발명에 따른 홍채 영상 복원 방법의 제4실시예는, 줌 렌즈에 비해 상대적으로 비용이 저렴하고 줌 기능이 없는 렌즈를 구비한 홍채 카메라가 특정 사용자의 단일의 홍채 직경이 200픽셀 미만 해상도 홍채 영상을 획득하는 과정과; 상기 홍채 인식 프로세서가 신경회로망 또는 SVR(Support Vector Regression)을 사용하여 상기 홍채 카메라를 통해 획득된 단일의 홍채 직경이 200픽셀 미만 해상도 홍채 영상을 홍채 직경이 200픽셀 이상 해상도 홍채 영상으로 해상도를 높여 홍채 인식을 위한 1차 영상으로 복원하는 과정; 및 상기 홍채 인식 프로세서가 영상보간법을 이용하여 상기 1차 영상을 현재보다 더 큰 값으로 정해진 해상도 홍채 영상으로 해상도를 높여 홍채 인식을 위한 원 영상으로 복원하는 과정;으로 이루어지는 것을 특징으로 한다.In order to achieve the object of the present invention as described above, the fourth embodiment of the iris image restoration method according to the present invention, the iris camera having a relatively inexpensive and zoom-free lens compared to the zoom lens is a specific user Acquiring an iris image having a resolution of less than 200 pixels in a single iris diameter; The iris recognition processor uses a neural network or SVR (Support Vector Regression) to increase the resolution of an iris image having a single iris diameter of less than 200 pixels and an iris image having a iris diameter of 200 pixels or more. Restoring a primary image for recognition; And reconstructing, by the iris recognition processor, the primary image by using an image interpolation method to increase the resolution to a resolution iris image having a larger value than the current one and reconstructing the original image for iris recognition.

상술한 바와 같은 본 발명에 따르면, 홍채 직경이 200픽셀 이상 해상도 홍채 영상을 입력받기 위해 줌 렌즈를 구비한 카메라를 사용하는 대신 줌 렌즈에 비해 상대적으로 비용이 저렴하고 줌 기능이 없는 렌즈를 구비한 카메라를 사용할 수 있게 되므로 홍채 인식 시스템의 전체적인 가격을 감소시킬 수 있고, 이를 통해 홍채 인식 시스템을 저렴한 가격으로 대중화시킬 수 있다. 또한, 원거리에서 취득한 홍채 직경이 200픽셀 미만 해상도 영상으로부터의 홍채 인식을 가능하게 함으로써 원거리 홍채 인식이 가능하며, 이를 통해 예컨대, 출입국 관리가 필요한 공항 및 보안이 필요한 주요 공공기관 등에서 폭넓게 홍채 인식 시스템을 사용될 수 있을 것으로 기대된다.According to the present invention as described above, instead of using a camera equipped with a zoom lens to receive an iris image having an iris diameter of 200 pixels or more, the lens is relatively inexpensive and has a zoom function without a zoom function. The use of a camera can reduce the overall price of the iris recognition system, thereby popularizing the iris recognition system at a low price. In addition, by enabling iris recognition from images with resolutions of less than 200 pixels in iris diameter acquired from a long distance, iris recognition is possible. This enables a wide range of iris recognition systems, such as airports requiring immigration and major public institutions that require security. It is expected to be used.

이하, 본 발명의 바람직한 실시예를 첨부된 도면을 참조하여 더욱 상세하게 설명한다.Hereinafter, exemplary embodiments of the present invention will be described in more detail with reference to the accompanying drawings.

도 2는 본 발명에 따른 영상보간법 또는 신경회로망 또는 SVR을 이용한 홍채 영상 복원 방법이 적용된 홍채 인식 방법을 나타낸 플로차트이다. 도 2에 나타낸 홍채 인식 방법은 상기한 도 1에 나타낸 바와 같은 홍채 인식 시스템(100)에 적용되며, 이 홍채 인식 시스템(100)의 홍채 카메라(110)로는 줌 렌즈에 비해 상대적으로 비용이 저렴하고 줌 기능이 없는 렌즈를 구비한 카메라가 사용된다.2 is a flowchart showing an iris recognition method to which an image interpolation method, an iris image reconstruction method using neural network, or an SVR according to the present invention is applied. The iris recognition method shown in FIG. 2 is applied to the iris recognition system 100 as shown in FIG. 1, and the iris camera 110 of the iris recognition system 100 is relatively inexpensive compared to a zoom lens. A camera with a lens without a zoom function is used.

도 2를 참조하면, 상기와 같은 홍채 인식 시스템(100)의 홍채 인식 프로세서(130)는 줌 렌즈에 비해 상대적으로 비용이 저렴하고 줌 기능이 없는 렌즈를 구비한 홍채 카메라(110)를 통해 단일의 홍채 직경이 200픽셀 미만 해상도 홍채 영상을 획득하며(S100), 예컨대 도 3에 나타낸 바와 같은 홍채 직경이 200픽셀 미만 해상도 홍채 영상을 획득할 수 있다. 참고로, 도 3에서는 4가지의 단일의 홍채 직경이 200픽셀 미만 해상도 홍채 영상을 예시하고 있다.Referring to FIG. 2, the iris recognition processor 130 of the iris recognition system 100 as described above is relatively inexpensive compared to a zoom lens and has a single cost through an iris camera 110 having a lens without a zoom function. An iris image having an iris diameter of less than 200 pixels is obtained (S100), for example, an iris image having an iris diameter of less than 200 pixels as shown in FIG. 3 may be obtained. For reference, FIG. 3 illustrates an iris image with four single iris diameters less than 200 pixels in resolution.

이어서, 상기 홍채 인식 프로세서(130)는 영상보간법 또는 신경회로망 또는 SVR을 사용하여 상기와 같이 획득된 단일의 홍채 직경이 200픽셀 미만 해상도 홍채 영상을 도 4에 나타낸 바와 같은 홍채 직경이 200픽셀 이상 해상도 홍채 영상으로 해상도를 높여 복원한다(S110).Subsequently, the iris recognition processor 130 uses a video interpolation method or a neural network or an SVR to obtain a single iris diameter of less than 200 pixels. The iris image has a resolution of 200 pixels or more as shown in FIG. 4. The resolution is restored by increasing the iris image (S110).

이 경우, 영상보간법 또는 신경회로망 또는 SVR은 개별적으로 사용될 수도 있고, 결합하여 사용될 수도 있다.
상기 홍채 인식 프로세서(130)가 영상보간법 또는 신경회로망 또는 SVR을 결합하여 사용하는 경우, 예컨대 영상보간법을 사용하여 상기 홍채 카메라(110)를 통해 획득된 단일의 홍채 직경이 200픽셀 미만 해상도 홍채 영상을 홍채 직경이 200픽셀 이상 해상도 홍채 영상으로 해상도를 높여 홍채 인식을 위한 1차 영상으로 복원한 다음, 신경회로망 또는 SVR(Support Vector Regression)을 이용하여 상기 1차 영상을 현재보다 더 큰 값으로 정해진 해상도 홍채 영상으로 해상도를 높여 홍채 인식을 위한 원 영상으로 복원할 수 있다. 이와 달리, 신경회로망 또는 SVR(Support Vector Regression)을 사용하여 상기 홍채 카메라(110)를 통해 획득된 단일의 홍채 직경이 200픽셀 미만 해상도 홍채 영상을 홍채 직경이 200픽셀 이상 해상도 홍채 영상으로 해상도를 높여 홍채 인식을 위한 1차 영상으로 복원한 다음, 영상보간법을 이용하여 상기 1차 영상을 현재보다 더 큰 값으로 정해진 해상도 홍채 영상으로 해상도를 높여 홍채 인식을 위한 원 영상으로 복원할 수 있다.In this case, image interpolation or neural network or SVR may be used individually or in combination.
When the iris recognition processor 130 uses an image interpolation method or a neural network or SVR in combination, for example, a single iris diameter obtained through the iris camera 110 using an image interpolation method is used to obtain an iris image having a resolution less than 200 pixels. An iris diameter of 200 pixels or more is restored to a primary image for iris recognition by increasing the resolution to an iris image, and then, using a neural network or SVR (Support Vector Regression), the primary image is set to a larger value than the current one. You can reconstruct the original image for iris recognition by increasing the resolution to the iris image. In contrast, a single iris diameter obtained by the iris camera 110 using a neural network or SVR (Support Vector Regression) is used to increase the resolution of an iris image having a iris diameter of 200 pixels or more. After reconstructing the primary image for iris recognition, the primary image may be reconstructed to the original image for iris recognition by increasing the resolution to a resolution iris image having a larger value than the current using image interpolation.

영상 보간법으로는 양선형 보간법(Bilinear Interpolation), 3차 회선 보간법(Bicubic Interpolation), B-스플라인 보간법(B-spline Interpolation), 랑조스(Lanczos) 보간법 등이 사용될 수 있다. Image interpolation may include bilinear interpolation, bicubic interpolation, B-spline interpolation, and lanzozos interpolation.

상기 양선형 보간법(Bilinear Interpolation)은 실제 단일 홍채 직경이 200픽셀 미만 해상도 홍채 영상에 존재하는 4개의 이웃 픽셀들과 거리에 대한 가중치 곱들의 합으로부터, 상기 홍채 카메라(110)로 실제 촬영하여 획득한 단일의 홍채 직경이 200픽셀 미만 해상도 영상과 상기 원 영상을 비교하였을 때 양자의 해상도 차이에 기인하여 상기 원 영상에는 있지만 상기 단일의 홍채 직경이 200픽셀 미만 해상도 영상에서는 취득되지 않는 손실된 픽셀의 픽셀 값을 계산하는 방법이다.
상기 3차 회선 보간법(Bicubic Interpolation)은 실제 단일 홍채 직경이 200픽셀 미만 해상도 홍채 영상에 존재하는 16개의 이웃 픽셀들로부터 3차 회선에 의한 가중치 곱으로부터 상기한 손실된 픽셀의 픽셀 값을 계산하는 방법이다.
상기 B-스플라인 보간법(B-spline Interpolation)은 실제 단일 홍채 직경이 200픽셀 미만 해상도 홍채 영상에 존재하는 16개의 이웃 픽셀들로부터 고차 방정식에 의한 가중치 곱으로부터 상기한 손실된 픽셀의 픽셀 값을 계산하는 방법이다.
상기 랑조스(Lanczos) 보간법은 실제 단일 홍채 직경이 200픽셀 미만 해상도 홍채 영상에 가장 이상적인 저주파 통과 필터의 특성을 가지는 싱크(sync) 함수를 적용하여 상기한 손실된 픽셀의 픽셀 값을 계산하는 방법이다.The bilinear interpolation is obtained by actually photographing the iris camera 110 from a sum of weighted products of distances and four neighboring pixels present in an iris image having an actual single iris diameter of less than 200 pixels. When a single iris diameter of less than 200 pixels is compared to the original image, due to the difference in resolution between the pixels of the lost pixel that are in the original image but not obtained in the single iris diameter less than 200 pixels image How to calculate the value.
The bicubic interpolation is a method of calculating the pixel value of the lost pixel from the weighted product by the tertiary line from 16 neighboring pixels in an iris image having a real single iris diameter of less than 200 pixels. to be.
The B-spline interpolation calculates the pixel value of the lost pixel from the weighted product by the higher-order equation from 16 neighboring pixels in an iris image with an actual single iris diameter of less than 200 pixels. It is a way.
The Langzos interpolation method is a method of calculating the pixel value of the lost pixel by applying a sync function having the characteristics of a low pass filter that is most suitable for an iris image having a single iris diameter of less than 200 pixels. .

삭제delete

신경회로망은 보통 입력값과 출력값의 일정한 패턴을 찾는 방식인데, 그 구조는 입력층(Input layer), 은닉층(Hidden layer), 출력층(Output layer), 가중치, 활성함수 등으로 이루어져 있다.The neural network usually finds a constant pattern of input and output values, and its structure consists of an input layer, a hidden layer, an output layer, a weight, an active function, and the like.

신경회로망의 학습을 통해 일정한 패턴의 홍채 영역을 검출하고, 일정한 패턴의 오차를 줄이는 과정을 반복 수행함으로써 최적의 패턴을 가지는 홍채 영역을 검출한다. 이렇게 검출한 홍채 영역을 이용하여 손실된 픽셀의 픽셀 값을 계산한다.
상기 홍채 인식 프로세서(130)가 상기 단일의 홍채 직경이 200픽셀 미만 해상도 홍채 영상을 홍채 직경이 200픽셀 이상 해상도 홍채 영상으로 해상도를 높여 홍채 인식을 위한 원 영상으로 복원하기 위해 사용하는 신경회로망과 SVR은 상기 단일의 홍채 직경이 200픽셀 미만 해상도 영상에서의 영상 픽셀값이 입력되면, 상기 홍채 카메라(110)로 실제 촬영하여 획득한 단일의 홍채 직경이 200픽셀 미만 해상도 영상과 상기 원 영상을 비교하였을 때 양자의 해상도 차이에 기인하여 상기 원 영상에는 있지만 상기 단일의 홍채 직경이 200픽셀 미만 해상도 영상에서는 취득되지 않는 홍채 직경이 200픽셀 미만 해상도 영상 픽셀 주변의 홍채 직경이 200픽셀 이상 해상도 영상 픽셀값을 출력하도록 학습된 것이다.
상기 홍채 인식 프로세서(130)가 사용하는 신경회로망은 홉필드(Hopfield), CSRN(Cellular Simultaneous Recurrent Networks), 단일 퍼셉트론(single-Layer Perceptron), 다층 퍼셉트론(Multi-Layer Perceptron), 전방향 신경망(Feed forward), 피드백형(Recurrent) 신경망 등이 있다.Through the neural network learning, the iris region having a certain pattern is detected, and the iris region having the optimal pattern is detected by repeating the process of reducing the error of the predetermined pattern. The pixel value of the lost pixel is calculated using the detected iris region.
The neural network and SVR used by the iris recognition processor 130 to reconstruct an iris image having a single iris diameter less than 200 pixels to a resolution iris image having an iris diameter of 200 pixels or more to restore an original image for iris recognition. When an image pixel value of a single iris diameter of less than 200 pixels is input, a single iris diameter of less than 200 pixels obtained by actually photographing the iris camera 110 is compared with the original image. When the iris diameter is less than 200 pixels in the original image but is not acquired in the resolution image of less than 200 pixels due to the resolution difference between the two It was learned to print.
The neural network used by the iris recognition processor 130 includes hopfield, Cellular Simultaneous Recurrent Networks (CSRN), single-layer perceptron, multi-layer perceptron, and forward neural network. forward), feedback neural networks, and so on.

예컨대, 도 5는 단일의 홍채 직경이 200픽셀 미만 해상도 홍채 영상을 홍채 직경이 200픽셀 이상 해상도 홍채 영상으로 해상도를 높여 홍채 인식을 위한 원 영상으로 복원하도록 학습된 신경회로망을 나타낸 실시예이다.
도 5의 신경회로망은 단일의 홍채 직경이 200픽셀 미만 해상도 홍채 영상에서의 영상 픽셀값(I11, I12,…,Imn)이 입력되면, 단일의 홍채 직경이 200픽셀 미만 해상도 홍채 영상에서는 취득되지 않는 홍채 직경이 200픽셀 미만 해상도 영상 픽셀 주변의 홍채 직경이 200픽셀 이상 해상도 영상 픽셀값(O11, O12,…,Omn)을 출력하도록 학습되어 있다. 예컨대, 도 5에 나타낸 바와 같이, 단일의 홍채 직경이 200픽셀 미만 해상도 홍채 영상의 일부인 2×2 픽셀의 4개의 픽셀 값 I11, I12, Im1, I2n이 입력되면, 홍채 직경이 200픽셀 이상 해상도 홍채 영상의 일부인 3×3 픽셀의 9개의 픽셀 값 I11, O1N, I12, O21, O22, O2N, Im1, OM2, I2n이 출력되어 홍채 직경이 200픽셀 미만 해상도 홍채 영상의 손실된 픽셀 5개(O1N,O21,O22,O2N,OM2)가 복원되는 것이다. 여기서, 복원의 의미는 홍채 인식을 위해 획득한 홍채 직경이 200픽셀 이상 해상도 영상의 일부인 3×3 픽셀이 원 영상으로 이미 존재함을 전제하는 경우, 홍채 카메라로 실제 촬영하여 획득한 홍채 직경이 200픽셀 미만 해상도 영상의 일부인 2×2 픽셀과 상기 3×3 픽셀의 원 영상을 비교하였을 때, 양자의 해상도 차이에 기인하여 상기 홍채 직경이 200픽셀 이상 해상도 영상에는 있지만 상기 홍채 직경이 200픽셀 미만 해상도 영상에서는 취득되지 않는 손실된 영상, 즉 상기한 5개(O1N,O21,O22,O2N,OM2)의 손실된 픽셀이 존재하게 되는데, 이러한 홍채 직경이 200픽셀 미만 해상도 영상의 일부인 2×2 픽셀로부터 상기 홍채 직경이 200픽셀 이상 해상도 영상의 일부인 3×3 픽셀에는 있지만 상기 홍채 직경이 200픽셀 미만 해상도 영상의 일부인 2×2 픽셀에서는 취득되지 않는 손실된 영상, 즉 상기한 5개(O1N,O21,O22,O2N,OM2)의 손실된 픽셀을 복원함으로써 상기 홍채 직경이 200픽셀 이상 해상도 영상, 즉 상기 원 영상을 획득한다는 의미이다.
상기 홍채 인식 프로세서(130)가 사용하는 상기 SVR은 비선형 커널(kernel) 함수를 이용하여 입력데이터들을 고차원 공간에 투영하고, 이를 통해 선형 회귀(linear regression)가 가능하게 하는 교사학습(supervised learning) 방법이다. 이때 SVR의 입력과 출력은 도 5의 신경회로망과 동일하다.For example, FIG. 5 illustrates an example of a neural network trained to reconstruct an iris image having a single iris diameter of less than 200 pixels to a iris image having an iris diameter of 200 pixels or more and reconstructing the original image for iris recognition.
In the neural network of FIG. 5, when an image pixel value (I 11 , I 12 , ..., I mn ) of a iris image having a single iris diameter of less than 200 pixels is input, the iris image has a single iris diameter of less than 200 pixels. does not acquire the iris diameter is less than 200 pixels resolution is close to the diameter of the iris image pixel 200-pixel or higher resolution image pixel value is output to the learning (O 11, O 12, ... , O mn). For example, as shown in Figure 5, when a single iris diameter is 200 pixels below the resolution four pixel values of part 2 × 2 pixels in the iris image I 11, I 12, I m1, I 2n is input, the iris diameter of 200 Pixel or higher resolution The nine pixel values I 11 , O 1N , I 12 , O 21 , O 22 , O 2N , I m1 , O M2 , and I 2n of 3 × 3 pixels that are part of the iris image are output and the iris diameter is 200 pixels. Five missing pixels (O 1 N , O 21 , O 22 , O 2N , O M2 ) of the sub-resolution iris image are recovered. Here, the meaning of reconstruction means that if the iris diameter acquired for iris recognition is already present as an original image, 3 × 3 pixels which are part of a resolution of 200 pixels or more already exist, the iris diameter actually obtained by iris camera is 200 When comparing 2 × 2 pixels, which are part of subpixel resolution images, and the 3 × 3 pixel original image, the iris diameter is less than 200 pixels but the iris diameter is less than 200 pixels due to the difference in resolution between them. In the image, there are lost images that are not acquired, i.e., the five lost pixels (O 1N , O 21 , O 22 , O 2N , O M2 ), and these iris diameters are part of the resolution image below 200 pixels. From 2x2 pixels, the iris diameter is at 3x3 pixels, which are part of a resolution image of 200 pixels or higher, but at 2x2 pixels, where the iris diameter is part of a resolution image below 200 pixels. The loss that does not image, that is, above 5 wherein the iris diameter of at least 200 pixels by restoring the lost pixels of the (O 1N, O 21, O 22, O 2N, O M2) resolution image, that is, obtaining the original image I mean.
The SVR used by the iris recognition processor 130 projects supervised learning data into a high-dimensional space using a nonlinear kernel function, thereby enabling linear regression. to be. At this time, the input and output of the SVR is the same as the neural network of FIG.

삭제delete

상기와 같이 영상보간법 또는 신경회로망 또는 SVR에 의해 홍채 직경이 200픽셀 이상 해상도 홍채 영상이 복원되고 나면, 상기 홍채 인식 프로세서(130)는 도 1을 참조하여 설명한 바와 같이, 획득한 홍채 직경이 200픽셀 이상 해상도 홍채 영상으로부터 홍채 인식에 필요한 홍채 영역 이외의 불필요한 정보인 눈꺼풀, 속눈썹, 조명 반사광이 제거된 홍채 영역을 검출한 후(S120,S130), 이 홍채 영역에 도비치스 웨이블릿 커널 또는 독립성분분석(ICA) 커널 이외에 가버(Gabor) 커널, 하르(Haar) 커널 등과 같은 홍채 특징 추출 커널(kernel)을 적용하여 홍채 인식 인증을 요구하는 사용자의 홍채 영역에 대응하는 홍채 특징값을 추출한 다음(S140), 상기 사용자의 홍채 특징값과 상기 홍채 인식 DB(120)에 기 등록된 사용자의 홍채 특징값 사이의 유클리디안 거리, 코사인 거리, 해밍 거리 등을 유사도 값으로 산출하여, 그 산출한 값이 특정 임계치를 초과하는지 여부에 따라서 상기 사용자 인증의 수락 혹은 거절을 결정한다(S150).After the iris image has been reconstructed with an iris diameter of 200 pixels or more by image interpolation, neural network, or SVR, as described above with reference to FIG. 1, the iris recognition processor 130 obtains an iris diameter of 200 pixels. After detecting the iris area from the abnormal resolution iris image other than the iris area necessary for iris recognition, the eyelids, eyelashes, and the iris area from which the reflected light is removed (S120, S130), the Dobitis wavelet kernel or independent component analysis is performed on the iris area. In addition to the ICA kernel, an iris feature extraction kernel such as a Gabor kernel or a Haar kernel is applied to extract an iris feature value corresponding to an iris region of a user requiring iris recognition authentication (S140). Euclidean distance, cosine distance, between the iris feature value of the user and the iris feature value of the user previously registered in the iris recognition DB 120, And calculating the humming distance in similarity value, and the calculated value exceeds a decision whether to accept or reject the user authentication according to whether a predetermined threshold value (S150).

이상에서 설명한 본 발명에 따른 영상보간법 또는 신경회로망 또는 SVR을 이용한 홍채 영상 복원 방법은 상기한 실시예에 한정되지 않고, 이하의 특허청구범위에서 청구하는 본 발명의 요지를 벗어남이 없이 본 발명이 속하는 분야에서 통상의 지식을 가진 자라면 누구든지 다양하게 변경하여 실시할 수 있는 범위까지 그 기술적 정신이 있다.The iris image restoration method using the image interpolation method or the neural network or the SVR according to the present invention described above is not limited to the above embodiments, and the present invention belongs without departing from the gist of the present invention as claimed in the following claims. Anyone with ordinary knowledge in the field has the technical spirit to the extent that various modifications can be made.

도 1은 통상의 홍채 인식 시스템의 구성을 나타낸 실시예.1 is an embodiment showing the configuration of a conventional iris recognition system.

도 2는 본 발명에 따른 영상보간법 또는 신경회로망 또는 SVR(Support Vector Regression)을 이용한 홍채 영상 복원 방법이 적용된 홍채 인식 방법을 나타낸 플로차트.2 is a flowchart illustrating an iris recognition method to which an iris image reconstruction method using image interpolation or neural network or SVR (Support Vector Regression) according to the present invention is applied.

도 3은 홍채 직경이 200픽셀 미만 해상도 홍채 영상의 실시예.3 is an embodiment of an iris image having an iris diameter of less than 200 pixels in resolution.

도 4는 영상보간법으로 도 2의 홍채 직경이 200픽셀 미만 해상도 홍채 영상을 홍채 직경이 200픽셀 이상 해상도 홍채 영상으로 해상도를 높인 상태를 나타낸 실시예.4 is an embodiment showing a state where the resolution of the iris of less than 200 pixels in the iris diameter of FIG.

도 5는 단일의 홍채 직경이 200픽셀 미만 해상도 홍채 영상을 홍채 직경이 200픽셀 이상 해상도 홍채 영상으로 해상도를 높여 홍채 인식을 위한 원 영상으로 복원하도록 학습된 신경회로망을 나타낸 실시예.5 is an embodiment showing a neural network trained to reconstruct a iris image having a single iris diameter of less than 200 pixels to a iris image having a iris diameter of 200 pixels or more and reconstructing the original image for iris recognition.

<도면의 주요부분에 대한 부호의 설명><Description of the symbols for the main parts of the drawings>

100: 홍채 인식 시스템 110: 홍채 카메라100: iris recognition system 110: iris camera

120: 홍채 인식 DB 130: 홍채 인식 프로세서120: iris recognition DB 130: iris recognition processor

Claims (7)

삭제delete 삭제delete 줌 렌즈에 비해 상대적으로 비용이 저렴하고 줌 기능이 없는 렌즈를 구비한 홍채 카메라(110)가 특정 사용자의 단일의 홍채 직경이 200픽셀 미만 해상도 홍채 영상을 획득하는 과정; 및A process in which an iris camera 110 having a relatively low cost and no zoom function compared to a zoom lens acquires a resolution iris image having a single iris diameter of less than 200 pixels of a specific user; And 홍채 인식 프로세서(130)가 신경회로망 또는 SVR(Support Vector Regression)을 사용하여 상기 홍채 카메라(110)를 통해 획득된 단일의 홍채 직경이 200픽셀 미만 해상도 홍채 영상을 홍채 직경이 200픽셀 이상 해상도 홍채 영상으로 해상도를 높여 홍채 인식을 위한 원 영상으로 복원하는 과정;The iris recognition processor 130 uses a neural network or SVR (Support Vector Regression) to obtain a iris image having a single iris diameter of less than 200 pixels obtained through the iris camera 110. Restore the original image for iris recognition by increasing the resolution; 으로 이루어지는 것을 특징으로 하는 홍채 영상 복원 방법.Iris image restoration method comprising the. 제 3 항에 있어서, 상기 홍채 인식 프로세서(130)가 상기 단일의 홍채 직경이 200픽셀 미만 해상도 홍채 영상을 홍채 직경이 200픽셀 이상 해상도 홍채 영상으로 해상도를 높여 홍채 인식을 위한 원 영상으로 복원하기 위해 사용하는 신경회로망은The method of claim 3, wherein the iris recognition processor 130 restores the iris image having a single iris diameter of less than 200 pixels to a iris image having a iris diameter of 200 pixels or more and reconstructing the original image for iris recognition. The neural network used 상기 단일의 홍채 직경이 200픽셀 미만 해상도 영상에서의 영상 픽셀값이 입력되면, 상기 홍채 카메라(110)로 실제 촬영하여 획득한 단일의 홍채 직경이 200픽셀 미만 해상도 영상과 상기 원 영상을 비교하였을 때 양자의 해상도 차이에 기인하여 상기 원 영상에는 있지만 상기 단일의 홍채 직경이 200픽셀 미만 해상도 영상에서는 취득되지 않는 홍채 직경이 200픽셀 미만 해상도 영상 픽셀 주변의 홍채 직경이 200픽셀 이상 해상도 영상 픽셀값을 출력하도록 학습된 것으로,When an image pixel value of a single iris diameter of less than 200 pixels is input, when a single iris diameter of less than 200 pixels and an original image obtained by actually photographing the iris camera 110 are compared with the original image. Due to the difference in resolution between the two, the iris diameter is less than 200 pixels in the original image but the single iris diameter is less than 200 pixels. To learn, 홉필드(Hopfield), CSRN(Cellular Simultaneous Recurrent Networks), 단일 퍼셉트론(single-Layer Perceptron), 다층 퍼셉트론(Multi-Layer Perceptron), 전방향 신경망(Feed forward), 피드백형(Recurrent) 신경망 중 어느 하나인 것을 특징으로 하는 홍채 영상 복원 방법.Hopfield, Cellular Simultaneous Recurrent Networks, CSRN, Single-Layer Perceptron, Multi-Layer Perceptron, Feed Forward, or Recurrent Neural Network Iris image restoration method characterized in that. 제 3 항에 있어서, 상기 홍채 인식 프로세서(130)가 상기 단일의 홍채 직경이 200픽셀 미만 해상도 홍채 영상을 홍채 직경이 200픽셀 이상 해상도 홍채 영상으로 해상도를 높여 홍채 인식을 위한 원 영상으로 복원하기 위해 사용하는 상기 SVR은 The method of claim 3, wherein the iris recognition processor 130 restores the iris image having a single iris diameter of less than 200 pixels to a iris image having a iris diameter of 200 pixels or more and reconstructing the original image for iris recognition. The SVR to use 상기 단일의 홍채 직경이 200픽셀 미만 해상도 영상에서의 영상 픽셀값이 입력되면, 상기 홍채 카메라(110)로 실제 촬영하여 획득한 단일의 홍채 직경이 200픽셀 미만 해상도 영상과 상기 원 영상을 비교하였을 때 양자의 해상도 차이에 기인하여 상기 원 영상에는 있지만 상기 단일의 홍채 직경이 200픽셀 미만 해상도 영상에서는 취득되지 않는 홍채 직경이 200픽셀 미만 해상도 영상 픽셀 주변의 홍채 직경이 200픽셀 이상 해상도 영상 픽셀값을 출력하도록 학습된 것을 특징으로 하는 홍채 영상 복원 방법.When an image pixel value of a single iris diameter of less than 200 pixels is input, when a single iris diameter of less than 200 pixels and an original image obtained by actually photographing the iris camera 110 are compared with the original image. Due to the difference in resolution between the two, the iris diameter is less than 200 pixels in the original image but the single iris diameter is less than 200 pixels. Iris image restoration method characterized in that it was learned to. 줌 렌즈에 비해 상대적으로 비용이 저렴하고 줌 기능이 없는 렌즈를 구비한 홍채 카메라(110)가 특정 사용자의 단일의 홍채 직경이 200픽셀 미만 해상도 홍채 영상을 획득하는 과정과;A process in which an iris camera 110 having a relatively low cost and no zoom function compared to a zoom lens acquires a resolution iris image having a single iris diameter of less than 200 pixels of a specific user; 상기 홍채 인식 프로세서(130)가 영상보간법을 사용하여 상기 홍채 카메라(110)를 통해 획득된 단일의 홍채 직경이 200픽셀 미만 해상도 홍채 영상을 홍채 직경이 200픽셀 이상 해상도 홍채 영상으로 해상도를 높여 홍채 인식을 위한 1차 영상으로 복원하는 과정; 및The iris recognition processor 130 uses an image interpolation method to increase the resolution of an iris image having a iris diameter of less than 200 pixels obtained through the iris camera 110 to an iris image having an iris diameter of 200 pixels or more. Restoring to the primary image for the; And 상기 홍채 인식 프로세서(130)가 신경회로망 또는 SVR(Support Vector Regression)을 이용하여 상기 1차 영상을 현재보다 더 큰 값으로 정해진 해상도 홍채 영상으로 해상도를 높여 홍채 인식을 위한 원 영상으로 복원하는 과정;Reconstructing, by the iris recognition processor 130, an original image for iris recognition by increasing the resolution to a resolution iris image having a larger value than the current by using a neural network or SVR (Support Vector Regression); 으로 이루어지는 것을 특징으로 하는 홍채 영상 복원 방법.Iris image restoration method comprising the. 줌 렌즈에 비해 상대적으로 비용이 저렴하고 줌 기능이 없는 렌즈를 구비한 홍채 카메라(110)가 특정 사용자의 단일의 홍채 직경이 200픽셀 미만 해상도 홍채 영상을 획득하는 과정과;A process in which an iris camera 110 having a relatively low cost and no zoom function compared to a zoom lens acquires a resolution iris image having a single iris diameter of less than 200 pixels of a specific user; 상기 홍채 인식 프로세서(130)가 신경회로망 또는 SVR(Support Vector Regression)을 사용하여 상기 홍채 카메라(110)를 통해 획득된 단일의 홍채 직경이 200픽셀 미만 해상도 홍채 영상을 홍채 직경이 200픽셀 이상 해상도 홍채 영상으로 해상도를 높여 홍채 인식을 위한 1차 영상으로 복원하는 과정; 및The iris recognition processor 130 uses a neural network or an SVR (Support Vector Regression) to obtain an iris image having a single iris diameter of less than 200 pixels that is obtained through the iris camera 110. Restoring the image to a primary image for iris recognition by increasing the resolution; And 홍채 인식 프로세서(130)가 영상보간법을 이용하여 상기 1차 영상을 현재보다 더 큰 값으로 정해진 해상도 홍채 영상으로 해상도를 높여 홍채 인식을 위한 원 영상으로 복원하는 과정;The iris recognition processor 130 reconstructing the primary image to a resolution iris image having a larger value than the current by using image interpolation to restore the original image for iris recognition; 으로 이루어지는 것을 특징으로 하는 홍채 영상 복원 방법.Iris image restoration method comprising the.
KR1020090006844A 2009-01-29 2009-01-29 Method of restoring iris image KR101082878B1 (en)

Priority Applications (1)

Application Number Priority Date Filing Date Title
KR1020090006844A KR101082878B1 (en) 2009-01-29 2009-01-29 Method of restoring iris image

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020090006844A KR101082878B1 (en) 2009-01-29 2009-01-29 Method of restoring iris image

Publications (2)

Publication Number Publication Date
KR20100087832A KR20100087832A (en) 2010-08-06
KR101082878B1 true KR101082878B1 (en) 2011-11-11

Family

ID=42754195

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020090006844A KR101082878B1 (en) 2009-01-29 2009-01-29 Method of restoring iris image

Country Status (1)

Country Link
KR (1) KR101082878B1 (en)

Cited By (20)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2004051691A1 (en) * 2002-12-05 2004-06-17 Orion Electric Co., Ltd. Plasma display panel and multi-display panel using the same
CN107315985A (en) * 2016-04-26 2017-11-03 腾讯科技（深圳）有限公司 A kind of iris identification method and terminal
US11403069B2 (en) 2017-07-24 2022-08-02 Tesla, Inc. Accelerated mathematical engine
US11409692B2 (en) 2017-07-24 2022-08-09 Tesla, Inc. Vector computational unit
US11487288B2 (en) 2017-03-23 2022-11-01 Tesla, Inc. Data synthesis for autonomous control systems
US11537811B2 (en) 2018-12-04 2022-12-27 Tesla, Inc. Enhanced object detection for autonomous vehicles based on field view
US11562231B2 (en) 2018-09-03 2023-01-24 Tesla, Inc. Neural networks for embedded devices
US11561791B2 (en) 2018-02-01 2023-01-24 Tesla, Inc. Vector computational unit receiving data elements in parallel from a last row of a computational array
US11567514B2 (en) 2019-02-11 2023-01-31 Tesla, Inc. Autonomous and user controlled vehicle summon to a target
US11610117B2 (en) 2018-12-27 2023-03-21 Tesla, Inc. System and method for adapting a neural network model on a hardware platform
US11636333B2 (en) 2018-07-26 2023-04-25 Tesla, Inc. Optimizing neural network structures for embedded systems
US11665108B2 (en) 2018-10-25 2023-05-30 Tesla, Inc. QoS manager for system on a chip communications
US11681649B2 (en) 2017-07-24 2023-06-20 Tesla, Inc. Computational array microprocessor system using non-consecutive data formatting
US11734562B2 (en) 2018-06-20 2023-08-22 Tesla, Inc. Data pipeline and deep learning system for autonomous driving
US11748620B2 (en) 2019-02-01 2023-09-05 Tesla, Inc. Generating ground truth for machine learning from time series elements
US11790664B2 (en) 2019-02-19 2023-10-17 Tesla, Inc. Estimating object properties using visual image data
US11816585B2 (en) 2018-12-03 2023-11-14 Tesla, Inc. Machine learning models operating at different frequencies for autonomous vehicles
US11841434B2 (en) 2018-07-20 2023-12-12 Tesla, Inc. Annotation cross-labeling for autonomous control systems
US11893774B2 (en) 2018-10-11 2024-02-06 Tesla, Inc. Systems and methods for training machine models with augmented data
US11893393B2 (en) 2017-07-24 2024-02-06 Tesla, Inc. Computational array microprocessor system with hardware arbiter managing memory requests

Families Citing this family (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR101822655B1 (en) 2011-06-21 2018-01-29 삼성전자주식회사 Object recognition method using camera and camera system for the same
KR101302601B1 (en) * 2012-04-12 2013-08-30 오용길 Image processing apparatus for iris authentication and method thereof
KR20130115840A (en) 2012-04-13 2013-10-22 이광희 Iris identification camera system for mobile device
KR102305999B1 (en) * 2015-01-26 2021-09-28 엘지이노텍 주식회사 Iris recognition camera system, terminal including the same and iris recognition method using the same

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
박정선, 저해상도 얼굴 영상의 해상도 개선을 위한 영역 기반 복원 방법, 정보과학회논문지 소프트웨어 및 응용, 2007.5.15. Vol.34 No.5 pp.476~486*

Cited By (23)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2004051691A1 (en) * 2002-12-05 2004-06-17 Orion Electric Co., Ltd. Plasma display panel and multi-display panel using the same
CN107315985A (en) * 2016-04-26 2017-11-03 腾讯科技（深圳）有限公司 A kind of iris identification method and terminal
CN107315985B (en) * 2016-04-26 2020-12-04 腾讯科技（深圳）有限公司 Iris identification method and terminal
US11487288B2 (en) 2017-03-23 2022-11-01 Tesla, Inc. Data synthesis for autonomous control systems
US11403069B2 (en) 2017-07-24 2022-08-02 Tesla, Inc. Accelerated mathematical engine
US11409692B2 (en) 2017-07-24 2022-08-09 Tesla, Inc. Vector computational unit
US11893393B2 (en) 2017-07-24 2024-02-06 Tesla, Inc. Computational array microprocessor system with hardware arbiter managing memory requests
US11681649B2 (en) 2017-07-24 2023-06-20 Tesla, Inc. Computational array microprocessor system using non-consecutive data formatting
US11561791B2 (en) 2018-02-01 2023-01-24 Tesla, Inc. Vector computational unit receiving data elements in parallel from a last row of a computational array
US11797304B2 (en) 2018-02-01 2023-10-24 Tesla, Inc. Instruction set architecture for a vector computational unit
US11734562B2 (en) 2018-06-20 2023-08-22 Tesla, Inc. Data pipeline and deep learning system for autonomous driving
US11841434B2 (en) 2018-07-20 2023-12-12 Tesla, Inc. Annotation cross-labeling for autonomous control systems
US11636333B2 (en) 2018-07-26 2023-04-25 Tesla, Inc. Optimizing neural network structures for embedded systems
US11562231B2 (en) 2018-09-03 2023-01-24 Tesla, Inc. Neural networks for embedded devices
US11893774B2 (en) 2018-10-11 2024-02-06 Tesla, Inc. Systems and methods for training machine models with augmented data
US11665108B2 (en) 2018-10-25 2023-05-30 Tesla, Inc. QoS manager for system on a chip communications
US11816585B2 (en) 2018-12-03 2023-11-14 Tesla, Inc. Machine learning models operating at different frequencies for autonomous vehicles
US11908171B2 (en) 2018-12-04 2024-02-20 Tesla, Inc. Enhanced object detection for autonomous vehicles based on field view
US11537811B2 (en) 2018-12-04 2022-12-27 Tesla, Inc. Enhanced object detection for autonomous vehicles based on field view
US11610117B2 (en) 2018-12-27 2023-03-21 Tesla, Inc. System and method for adapting a neural network model on a hardware platform
US11748620B2 (en) 2019-02-01 2023-09-05 Tesla, Inc. Generating ground truth for machine learning from time series elements
US11567514B2 (en) 2019-02-11 2023-01-31 Tesla, Inc. Autonomous and user controlled vehicle summon to a target
US11790664B2 (en) 2019-02-19 2023-10-17 Tesla, Inc. Estimating object properties using visual image data

Also Published As

Publication number Publication date
KR20100087832A (en) 2010-08-06

Similar Documents

Publication Publication Date Title
KR101082878B1 (en) Method of restoring iris image
Nguyen et al. Super-resolution for biometrics: A comprehensive survey
Li et al. Face recognition in low quality images: A survey
Liu et al. Robust face hallucination via locality-constrained bi-layer representation
Punnappurath et al. Face recognition across non-uniform motion blur, illumination, and pose
Kondo et al. Automatic human face detection and recognition under non-uniform illumination
Seal et al. Human face recognition using random forest based fusion of à-trous wavelet transform coefficients from thermal and visible images
Chellappa et al. Remote identification of faces: Problems, prospects, and progress
Hajari et al. Neural network approach to iris recognition in noisy environment
Lau et al. Atfacegan: Single face semantic aware image restoration and recognition from atmospheric turbulence
Wang et al. Sparse coding and its applications in computer vision
JP2010108494A (en) Method and system for determining characteristic of face within image
Park et al. Breaking the limitation of manifold analysis for super-resolution of facial images
Shin et al. Super-resolution method based on multiple multi-layer perceptrons for iris recognition
Xu et al. Image superresolution by midfrequency sparse representation and total variation regularization
Ganesh et al. 1 Face Recognition by Sparse Representation
Sidiya et al. Style-based unsupervised learning for real-world face image super-resolution
Meena et al. A Literature Survey of Face Recognition Under Different Occlusion Conditions
Deshmukh et al. Face video super resolution using deep convolutional neural network
Biswas et al. PCA based face recognition on curvelet compressive measurements
Purnomo et al. Elastic net for solving sparse representation of face image super-resolution
Ariffin et al. Thermal and visible image fusion for ear recognition
Autee et al. A review of various approaches to face hallucination
Zhang et al. Cascade residuals guided nonlinear dictionary learning
Dharwadkar et al. Combining eye based features for biometric system

Legal Events

Date Code Title Description
A201 Request for examination
E902 Notification of reason for refusal
E701 Decision to grant or registration of patent right
GRNT Written decision to grant
FPAY Annual fee payment

Payment date: 20141021

Year of fee payment: 4

FPAY Annual fee payment

Payment date: 20160105

Year of fee payment: 5

FPAY Annual fee payment

Payment date: 20161107

Year of fee payment: 6

FPAY Annual fee payment

Payment date: 20171023

Year of fee payment: 7

LAPS Lapse due to unpaid annual fee