KR101450247B1 - Ｓｉｆｔ 특징점에 기반한 손가락 정맥 인증 방법 - Google Patents

Ｓｉｆｔ 특징점에 기반한 손가락 정맥 인증 방법 Download PDF

Info

Publication number
KR101450247B1
KR101450247B1 KR1020130017493A KR20130017493A KR101450247B1 KR 101450247 B1 KR101450247 B1 KR 101450247B1 KR 1020130017493 A KR1020130017493 A KR 1020130017493A KR 20130017493 A KR20130017493 A KR 20130017493A KR 101450247 B1 KR101450247 B1 KR 101450247B1
Authority
KR
South Korea
Prior art keywords
image
finger vein
illumination
inverted
feature point
Prior art date
Application number
KR1020130017493A
Other languages
English (en)
Other versions
KR20140089277A (ko
Inventor
윤강준
김휘강
이은정
양성대
백성복
이의철
윤상민
Original Assignee
기초과학연구원
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 기초과학연구원 filed Critical 기초과학연구원
Publication of KR20140089277A publication Critical patent/KR20140089277A/ko
Application granted granted Critical
Publication of KR101450247B1 publication Critical patent/KR101450247B1/ko

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F21/00—Security arrangements for protecting computers, components thereof, programs or data against unauthorised activity
    • G06F21/30—Authentication, i.e. establishing the identity or authorisation of security principals
    • G06F21/31—User authentication
    • G06F21/32—User authentication using biometric data, e.g. fingerprints, iris scans or voiceprints

Landscapes

  • Engineering & Computer Science (AREA)
  • Computer Security & Cryptography (AREA)
  • Theoretical Computer Science (AREA)
  • Computer Hardware Design (AREA)
  • Software Systems (AREA)
  • Physics & Mathematics (AREA)
  • General Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Collating Specific Patterns (AREA)

Abstract

본 발명은 손가락 정맥 인증 방법에 관한 것으로, 보다 구체적으로 획득한 손가락 정맥 원본 영상에서 불규칙한 조명 성분을 정규화시키며 조명 정규화된 손가락 정맥 영상에서 SIFT 특징점을 추출하여 사용자를 인증함으로써, 다수의 특징점을 추출하여 정확하게 사용자를 인증할 수 있으며 기기 호환성이 우수하고 획득한 손가락 정맥 원본 영상을 별도의 지역화(localization) 또는 리사이징(resizing) 없이도 신속하게 사용자 인증을 할 수 있는 손가락 정맥 인증 방법에 관한 것이다.

Description

ＳＩＦＴ 특징점에 기반한 손가락 정맥 인증 방법{Method for authenticating based on finger vein using SIFT keypoint}
본 발명은 손가락 정맥 인증 방법에 관한 것으로, 보다 구체적으로 획득한 손가락 정맥 원본 영상에서 불규칙한 조명 성분을 정규화시키며 조명 정규화된 손가락 정맥 영상에서 SIFT 특징점을 추출하여 사용자를 인증함으로써, 다수의 특징점을 추출하여 정확하게 사용자를 인증할 수 있으며 기기 호환성이 우수하고 획득한 손가락 정맥 원본 영상을 별도의 지역화(localization) 또는 리사이징(resizing) 없이도 신속하게 사용자 인증을 할 수 있는 손가락 정맥 인증 방법에 관한 것이다.
생체인식(Biometric) 기술은 살아있는 인간의 신체적(physical) 또는 행동적(behavioral) 특징을 자동화된 장치로 측정하여 개인 식별 수단으로 활용하는 기술로, 신체적 특징으로는 지문, 얼굴, 홍채, 정맥 등이 있으며 행동적 특징으로는 서명, 음성, 키보드 입력 등이 있다. 이러한 생체인식기술은 편의성과 정확성 면에서 뛰어나 신분확인 및 출입 통제, 기업의 정보 시스템, 전자 상거래까지 그 영역이 넓어지고 있다.
이러한 생체인식기술 중 정맥인식(Vein recognition) 기술은 손등이나 손바닥, 손가락 정맥혈관 패턴정보를 이용하여 개인을 인식하는 기법으로, 적외선을 사용하여 혈관을 투시한 후 반사된 영상을 이용함으로써 신분확인을 하는 것이다. 정맥은 생체 정보의 하나로서 다른 생체정보와 다르게 몸 안에 있어 훼손되거나 복제 및 위조가 불가능하기 때문에 정맥 패턴 정보를 이용해 개인에 대한 인증 및 개인 간의 차이를 식별하는 연구가 활발히 연구되고 있다.
도 1은 종래 정맥 인증 시스템(이하 종래기술1)을 설명하기 위한 도면이다.
도 1을 참고로 살펴보면, 종래 정맥 인증 시스템은 사용자의 손가락 정맥 원본 영상을 획득하는 영상 촬영부(10), 획득한 손가락 정맥 원본 영상을 전처리하는 영상 전처리부(20), 전처리된 손가락 정맥 영상에서 정맥의 분기선과 같은 특징을 추출하는 특징 추출부(30) 및 손가락 정맥 영상 데이터베이스(50)에 저장되어 있는 특징과 추출한 특징을 매칭하여 사용자를 인증하는 인증부(40)를 구비하여 구성된다. 여기서 영상 전처리부(20)는 획득한 손가락 정맥 원본 영상에서 정맥 영역과 배경 영역을 서로 분리하기 위한 과정을 수행하는데, 먼저 손가락 영역과 배경 영역의 경계를 검색하여 손가락 영역과 배경 영역을 분리 검출하는 지역화(localization) 과정과 검출한 손가락 영역을 설정한 크기의 영상으로 변환하는 리사이징(Resizing) 과정을 수행한다.
위에서 설명한 종래기술1의 경우 영상 촬영부(10)은 적외선 조명을 이용하여 손가락 정맥 원본 영상을 획득하는데, 적외선 광원이 특정 부위에 집중되어 조명이 불균형하게 된다. 또한 손가락 내골격 조직 또는 피부 두께의 불균형으로 인하여 획득한 손가락 정맥 원본 영상도 불균한 조명의 영향을 받는다.
이러한 종래기술1의 문제점을 극복하기 위하여 획득한 손가락 정맥 원본 영상에서 조명 성분을 정규화하는 기술(이하 종래기술2)이 도입되었다. 그러나 종래기술2에서 조명 성분을 정규화하는 단계를 보다 구체적으로 살펴보면, 획득한 손가락 정맥 원본 영상에서 조명 성분을 추정하고, 추정한 조명 성분을 손가락 정맥 원본 영상에서 차감하여 조명 성분을 정규화한다. 그러나 종래기술2에서 소개되는 조명 정규화 방식을 사용하는 경우, 조명 정규화된 손가락 정맥 영상의 명도가 낮아지며 이러한 이유로 조명 정규화 과정을 통해 정보가 손실되거나 왜곡되는 문제점이 발생한다.
본 발명에 따른 또 다른 선행기술로는 한국특허출원 제10-2010-7001097호(출원인: 소니주식회사, 발명의 명칭: 정맥 인증장치, 정맥 인증용 촬상장치 및 정맥 조사 방법)와 한국특허출원 제10-2005-96334호(출원인: 가부시키가이샤히타치세이사큐쇼, 발명의 명칭: 개인 인증 장치 및 개인 인증용 혈관 패턴 추출장치)가 있다.
위에서 설명한 종래기술들은 불균형한 조명 성분의 영향을 고려하지 않거나 불균형한 조명 성분을 고려하더라도 조명 정규화 과정에서 데이터가 왜곡되거나 손실되는 문제점이 있었다. 또한, 종래기술들은 영상 촬영부에 특화되어 획득한 손가락 정맥 원본 영상을 지역화 또는 리사이징 과정을 통해 전처리 수행하여 사용자를 인증하기 때문에 다른 영상 촬영부를 사용하는 경우 사용자를 인증하지 못해 기기간 호환성이 낮다는 문제점을 가진다. 더욱이, 종래 기술들은 손가락의 회전이나 손가락 위치 또는 조명 세기에 따라 획득한 손가락 정맥 원본 영상이 서로 상이하며, 이로 인하여 사용자 인증에 오류가 자주 발생하는 문제점을 가진다.
본 발명은 위에서 언급한 종래기술들이 가지는 문제점을 해결하기 위한 것으로, 본 발명이 이루고자 하는 목적은 획득한 손가락 정맥 원본 영상의 전처리가 필요없으며 기기간 호환성이 우수한 손가락 정맥 인증 방법을 제공하는 것이다.
본 발명이 이루고자 하는 다른 목적은 손가락 정맥 원본 영상에서 추정한 조명 성분의 반전 영상을 손가락 정맥 원본 영상에 합산하여 조명 정규화된 손가락 정맥 영상을 생성하고 조명 정규화된 손가락 정맥 영상에서 다수의 SIFT 특징점을 추출하여 정확하게 사용자를 인증할 수 있는 손가락 정맥 인증 방법을 제공하는 것이다.
본 발명이 이루고자 하는 또 다른 목적은 사용자 인증시 손가락 정맥 영상으로부터 추출한 SIFT 특징점을 사용하여 손가락 정맥 영상의 회전, 크기, 조명 등의 미세한 변화에도 불구하고 정확하게 사용자를 인증할 수 있는 손가락 인증 방법을 제공하는 것이다.
본 발명의 목적을 달성하기 위하여 본 발명에 따른 손가락 정맥 인증 방법은 사용자 손가락의 일부분을 촬영한 손가락 정맥 원본 영상을 획득하는 단계와, 손가락 정맥 원본 영상에서 조명 성분을 추정하고 추정한 조명 성분에 기초하여 조명 정규화된 영상을 생성하는 단계와, SIFT(Scale Invariant Feature Transform) 알고리즘을 이용하여 조명 정규화된 영상에서 손가락 정맥의 특징을 나타내는 특징점(keypoint)을 추출하고 추출한 특징점의 서술자를 생성하는 단계와, 추출한 특징점의 서술자와 기저장된 손가락 정맥 영상의 저장 특징점 서술자를 매칭하여 매칭 결과에 따라 사용자를 인증하는 단계를 포함하는 한다.
여기서 조명 정규화된 영상을 생성하는 단계는 손가락 정맥 원본 영상을 반전시켜 반전 원본 영상을 생성하는 단계와, 저주파 조명 성분을 추출하기 하기 위해 평균 필터를 반전 원본 영상에 적용하여 반전 추정 조명 성분을 계산하는 단계와, 반전 추정 조명 성분을 재반전시켜 추정 조명 성분을 계산하는 단계와, 추정 조명 성분과 반전 원본 영상을 서로 합하여 조명 정규화된 반전 영상을 생성하는 단계와, 조명 정규화된 반전 영상을 히스토그램 평활화(Histogram Equalization)하여 조명 정규화된 반전 영상의 픽셀값을 확산 분포시킨 반전 평활화 영상을 생성하는 단계와, 반전 평활화 영상을 재반전시켜 조명 정규화된 영상을 생성하는 단계를 포함한다.
여기서 키포인트를 추출하는 단계는 다른 레벨의 분산을 가지는 가우시안 함수에 의해 블러(blur)된 스케일 공간 영상을 생성하는 단계와, 스케일 공간 영상 중 인접 영상의 차로부터 가우시안 차 영상을 생성하는 단계와, 가우시안 차 영상 중 현재 픽셀에 인접한 인접 픽셀, 가우시안 차 영상에 상위 및 하위 인접한 인접 가우시안 차 영상 중 현재 픽셀에 인접한 차위 인접 픽셀에서 최대 또는 최소 픽셀값을 가지는 후보 특징점을 판단하는 단계와, 후보 특징점에서 불안정한 후보 특징점을 제거하여 특징점을 추출하는 단계를 포함한다.
여기서 특징점의 서술자를 생성하는 단계는 특징점을 중심으로 특징점의 인접 픽셀을 이용하여 특징점과 특징점 인접 픽셀 사이의 방위각과 크기를 계산하는 단계와, 계산한 방위각의 히스토그램으로부터 특징점의 기준 방위를 판단하는 단계와, 기준 방위에 기초하여 특징점 주변에 위치한 국부 영역의 그레디언트 방향과 크기로 표현되는 특징점 서술자를 생성하는 단계를 포함한다.
바람직하게, 사용자를 인증하는 단계에서 추출한 특징점과 매칭되는 기저장된 특징점은 추출한 특징점의 위치 정보에 기초하여 추출한 특징점을 중심으로 임계 거리에 위치하는 손가락 정맥 영상의 저장 특징점인 것을 특징으로 한다.
본 발명에 따른 손가락 정맥 인증 장치는 입력된 손가락 정맥 원본 영상에서 조명 성분을 추정하고 추정한 조명 성분에 기초하여 조명 정규화된 영상을 생성하는 정규화 영상 생성부와, SIFT(Scale Invariant Feature Transform) 알고리즘을 이용하여 조명 정규화된 영상에서 손가락 정맥의 특징을 나타내는 특징점(keypoint)을 추출하고 추출한 특징점의 서술자를 생성하는 특징점 추출부와, 추출한 특징점의 서술자와 기저장된 손가락 정맥 영상의 특징점 서술자를 매칭하여 매칭 결과에 따라 사용자를 인증하는 인증부를 포함한다.
바람직하게, 본 발명에 따른 손가락 정맥 인증 장치는 사용자 손가락의 일부분을 안착하는 안착부와, 안착부에 안착된 사용자 손가락으로 적외선 조명을 조사하는 조명부와, 사용자 손가락을 통과하는 적외선 조명으로부터 사용자 손가락의 정맥 원본 영상을 획득하는 영상 획득부를 구비하는 영상 촬영부를 더 포함하는 것을 특징으로 한다.
본 발명에 따른 손가락 정맥 인증 방법은 종래기술들과 비교하여 다음과 같은 다양한 효과들을 가진다.
첫째, 본 발명에 따른 손가락 정맥 인증 방법은 SIFT 특징점을 이용하여 SIFT 특징점의 매칭 결과에 따라 사용자를 인증하기 때문에, 획득한 손가락 정맥 원본 영상의 전처리가 필요없다.
둘째, 본 발명에 따른 손가락 정맥 인증 방법은 손가락 정맥 원본 영상에서 추출한 SIFT 특징점을 이용하여 SIFT 특징점의 매칭 결과에 따라 사용자를 인증하기 때문에, 손가락 정맥 원본 영상을 획득하는 기기간 호환성이 우수하다.
셋째, 본 발명에 따른 손가락 정맥 인증 방법은 추정한 조명 성분의 반전 영상을 손가락 정맥 원본 영상에 합산하여 조명 정규화된 손가락 정맥 영상을 생성함으로써, 조명 정규화된 손가락 정맥 영상의 명도가 낮아지는 것을 방지하며 조명 정규화된 손가락 정맥 영상에서 다수의 SIFT 특징점을 추출하여 정확하게 사용자를 인증할 수 있다.
넷째, 본 발명에 따른 손가락 정맥 인증 방법은 손가락 정맥 영상으로부터 추출한 SIFT 특징점을 사용하여 사용자를 인증하기 때문에, 획득한 손가락 정맥 영상의 회전, 크기, 조명 등의 미세한 변화에도 불구하고 정확하게 사용자를 인증할 수 있다.
다섯째, 본 발명에 따른 손가락 정맥 인증 방법은 SIFT 특징점의 위치 정보에 기초하여 SIFT 특징점과 임계 거리에 위치하는 특징점만을 매칭 대상으로 하기 때문에, 오류로 매칭되는 특징점이 발생되는 것을 방지하며 빠른 시간에 정확하게 사용자를 인증할 수 있다.
도 1은 종래 손가락 정맥 인증 시스템을 설명하기 위한 도면이다.
도 2는 본 발명에 따른 손가락 정맥 인증 장치를 설명하기 위한 기능 블록도이다.
도 3은 본 발명에 따른 영상 촬영부(110)의 일 예를 설명하기 위한 도면이다.
도 4는 본 발명에 따른 정규화 영상 생성부(120)를 보다 구체적으로 설명하기 위한 기능 블록도를 도시하고 있다.
도 5는 본 발명에 따른 인증부를 보다 구체적으로 설명하기 위한 기능블록도이다.
도 6은 본 발명에 따른 손가락 정맥 인증 방법을 설명하기 위한 흐름도이다.
도 7은 본 발명에 따른 손가락 정맥 영상의 조명 정규화 단계를 보다 구체적으로 설명하기 위한 흐름도이다.
도 8은 본 발명에 따른 손가락 정맥 영상의 조명 정규화 단계에서 생성되는 이미지의 일 예를 도시하고 있다.
도 9는 본 발명에 따른 SIFT 특징점을 추출하는 단계를 설명하기 위한 흐름도이다.
도 10은 가우시안 차 영상을 생성하는 일 예를 설명하기 위한 도면이다.
도 11은 후보 특징점을 추출하는 단계를 설명하기 위한 도면이다.
도 12는 특징점 기술자를 생성하는 과정을 설명하기 위한 도면이다.
도 13은 본 발명에 따른 특징점 매칭 성능을 설명하기 위한 도면이다.
도 14는 본 발명에 따른 SIFT 특징점 매칭시 임계 거리의 일 예를 설명하기 위한 도면이다.
도 15는 본 발명에 따른 평균 필터의 일 예를 도시하고 있다.
이하 첨부한 도면을 참고로 본 발명에 따른 손가락 정맥 인증 방법 및 그 장치에 대해 보다 구체적으로 설명한다.
도 2는 본 발명에 따른 손가락 정맥 인증 장치를 설명하기 위한 기능 블록도이다.
도 2를 참고로 보다 구체적으로 살펴보면, 영상 촬영부(110)는 사용자 손가락 일부에 대한 손가락 정맥 원본 영상을 획득한다. 영상 촬영부(110)에서 획득한 사용자의 손가락 정맥 원본 영상은 정규화 영상 생성부(120)로 입력되는데, 정규화 영상 생성부(120)는 입력된 손가락 정맥 원본 영상에서 조명 성분을 추정하고 추정한 조명 성분에 기초하여 조명 정규화된 영상을 생성한다. 영상 촬영부(110)는 적외선 광원을 이용하여 손가락 정맥 원본 영상을 획득하는데, 적외선 광원의 배치 위치에 따라 적외선 광원이 손가락 특정 부위로 집중되어 조사될 수 있으며 손가락의 골격 조직 또는 손가락 피부 두께의 차이로 인해 획득한 손가락 정맥 원본 영상에서 조명 성분은 불균형이다.
특징점 추출부(130)는 SIFT(Scale Invariant Feature Transform) 알고리즘을 이용하여 조명 정규화된 영상에서 손가락 정맥의 특징을 나타내는 SIFT 특징점(keypoint)을 추출하고, 추출한 SIFT 특징점의 서술자를 생성한다. 추출한 특징점의 서술자는 SIFT 특징점 주변에 위치한 국부 영역의 그레디언트(gradient) 방향과 크기, SIFT 특징점의 위치 정보이다.
인증부(140)는 추출한 특징점의 서술자와 손가락 정맥 영상 데이터베이스(150)에 기저장된 손가락 정맥 영상의 특징점 서술자를 매칭하고, 매칭되는 특징점의 수에 기초하여 사용자를 인증한다. 손가락 정맥 영상 데이터베이스(150)에는 다수 사용자의 손가락 정맥 원본 영상으로부터 위에서 설명한 정규화 영상 생성부(120), 특징점 추출부(130)를 통해 생성된 SIFT 특징점 서술자가 저장되어 있다.
도 3은 본 발명에 따른 영상 촬영부(110)의 일 예를 설명하기 위한 도면이다.
도 3을 참고로 본 발명의 일 실시예에 따른 영상 촬영부는 손가락이 놓이는 안착부(미도시)를 제공하는 본체(2), 본체(2)의 일측에 구비되어 근적외선을 조사하는 조명부(4), 조명부(4)가 구비된 본체의 일측에 대향하는 타측에 구비되어 조명부(4)에서 조사된 근적외선이 신체를 투과하거나 신체에 반사되며 제공되는 광을 이용하여 손가락의 정맥 원본 영상을 획득하는 영상 획득부(6) 및 본체(2)의 일측에 연결설치되어 조명부(4) 및 영상 획득부(6)의 작동 전원을 제공하는 전원공급부(10)를 포함한다.
여기서 본체(2)는 정맥 혈관을 촬영하고자 하는 손가락이 내측에 위치할 수 있도록 만곡된 형태 또는 중공을 갖는 형태로 제작되는데, 예를 들어 측면으로 개구된 "ㄷ" 또는 중공을 갖는"ㅁ" 형상이다.
조명부(4)는 근적외선 광을 발생시키는 것으로, 다수의 근적외선 LED 램프가 복수의 열과 행으로 배열되도록 구성되어 있다. 한편, 영상 획득부(6)는 조명부(4)에서 조사된 근적외선이 손가락을 투과하거나 손가락에 반사되며 제공되는 광을 이용하여 손가락의 정맥 혈관을 촬영하는 것으로, CCD(charge coupled device) 또는 CMOS(complementary Metal-Oxide Semiconductor) 카메라를 사용할 수 있다.
본 발명에 따른 영상 촬영부(110)는 손가락이 안착되는 안착부를 구비하여 손가락 정맥 원본 영상을 획득하고자 하는 손가락의 일부분을 안착부에 안착시킴으로써, 사용자의 손가락 정맥 원본 영상을 획득할 때마다 사용자 손가락의 위치가 변경되지 않도록 한다.
도 4는 본 발명에 따른 정규화 영상 생성부(120)를 보다 구체적으로 설명하기 위한 기능 블록도를 도시하고 있다.
제1 반전부(121)는 손가락 정맥 원본 영상(I(x,y))을 반전시켜 반전 원본 영상(I'(x,y))을 생성하며, 조명 성분 추정부(123)는 저주파 조명 성분을 추출하기 하기 위해 평균 필터를 반전 원본 영상(I(x,y))에 적용하여 반전 추정 조명 성분(R(x,y))을 계산한다. 제2 반전부(125)는 반전 추정 조명 성분(R(x,y)을 재반전시켜 추정 조명 성분(R'(x,y)을 계산한다.
조명 정규화부(127)는 추정 조명 성분(R'(x,y))과 반전 원본 영상(I'(x,y))을 서로 합하여 0에서 255 사이의 픽셀값은 유지시키고 0이하의 픽셀값은 0으로 설정하고 255 이상의 픽셀값은 255로 설정하여 조명 정규화된 반전 영상(I''(x,y))을 생성하며, 평활화부(128)는 조명 정규화된 반전 영상(I''(x,y))을 히스토그램 평활화(Histogram Equalization)하여 조명 정규화된 반전 영상(I'(x,y))의 픽셀값을 확산 분포시킨다. 여기서 히스토그램 평활화를 통해 명암 분포가 빈약한 조명 정규화된 반전 영상의 히스토그램은 균일하게 분포되며, 명암 대비를 최대화시킨 조명 정규화된 손가락 정맥 영상이 생성된다.
제 3 반전부(129)는 반전 평활화 영상을 재반전시켜 조명 정규화된 영상E(x,y)을 생성한다.
영상의 픽셀값이 0에서 255의 값을 가지는 경우, 종래 조명 정규화 방법은 입력 신호으로부터 평균 필터를 입력 영상에 적용하여 생성된 추정 조명 성분을 차감하고, 다시 차감한 값에 255을 합산하여 합산한 값을 1/2로 나누어 조명을 정규화하였다. 종래 조명 정규화 방법을 손가락 정맥 영상에 사용하는 경우 255를 합산함으로 인해 배경 부분이 균등하게 처리되지 않아 잡음 영상이 발생한다는 문제점을 가진다.
본 발명에 따른 정규화 영상 생성부는 추정 조명 성분(R'(x,y))과 반전 원본 영상(I'(x,y))을 서로 합하여 0에서 255 사이의 픽셀값은 유지시키고 0이하의 픽셀값은 0으로 설정하고 255 이상의 픽셀값은 255로 설정시킴으로써, 배경 부분에 잡음 영상이 발생하는 것을 방지할 수 있으며, SIFT 특징점 추출 및 매칭의 정확성을 높일 수 있다.
도 5는 본 발명에 따른 인증부를 보다 구체적으로 설명하기 위한 기능블록도이다.
도 5를 참고로 보다 구체적으로 살펴보면, 특징점 검색부(141)는 추출한 SIFT 특징점의 위치 정보에 기초하여 비교 대상의 손가락 정맥 영상의 SIFT 특징점 중 추출한 SIFT 특징점의 위치로부터 임계 거리(d)에 위치하는 SIFT 특징점을 검색한다. 본 발명에 따른 손가락 정맥 인증 장치의 영상 촬영부(110)를 통해 획득한 손가락 정맥 원본 영상과 손가락 정맥 영상 데이터베이스(150)에 저장되는 손가락 정맥 원본 영상은 모두 안착부를 이용하여 획득되는 손가락 영상이므로 손가락의 위치가 크게 변경되는 않는다는 특성을 이용하여 특징점 검색부(141)는 비교 대상의 손가락 정맥 영상의 SIFT 특징점 중 추출한 SIFT 특징점의 위치로부터 임계 거리에 위치하는 SIFT 특징점만을 매칭 대상으로 검색한다.
매칭부(143)는 검색한 SIFT 특징점의 서술자와 추출한 SIFT 특징점을 유클리드 거리와 비율에 기초하여 매칭하고, 사용자 인증부(145)는 매칭부(143)에서 매칭된 SIFT 특징점의 수에 기초하여 임계수 이상으로 매칭되는 SIFT 특징점을 가지는 경우 사용자를 인증한다.
도 6은 본 발명에 따른 손가락 정맥 인증 방법을 설명하기 위한 흐름도이다.
도 6을 참고로 보다 구체적으로 살펴보면, 사용자의 손가락에 근적외선 조명을 조사하여 사용자 손가락의 정맥 원본 영상을 획득한다(S10). 손가락 정맥에는 헤모글로빈 성분이 포함되어 있기 때문에 근적외선을 흡수하는 성질을 가진다. 따라서 피부 영역에 비해 어두운 손가락 정맥 원본 영상을 획득한다.
획득한 손가락 정맥 원본 영상에서 조명 성분을 추정하고, 추정한 조명 성분을 반전하여 생성되는 반전 조명 성분을 손가락 정맥 원본 영상에 합하여 조명 정규화된 손가락 정맥 영상을 생성한다(S20). SIFT(Scale Invariant Feature Transform) 알고리즘을 이용하여 조명 정규화된 손가락 정맥 영상에서 손가락 정맥의 특징을 나타내는 SIFT 특징점(keypoint)을 추출하고(S30), 추출한 SIFT 특징점 주변에 위치한 국부 영역의 그레디언트 방향과 크기, SIFT 특징점의 위치 정보 등을 포함하는 SIFT 특징점의 서술자를 생성한다(S40). 추출한 특징점의 서술자와 기저장된 손가락 정맥 영상의 저장 특징점 서술자를 매칭하여 매칭되는 특징점의 수가 임계 인증수를 초과하는지 여부에 따라 사용자를 인증한다(S50)
SIFT 특징점의 매칭 과정을 보다 구체적으로 살펴보면, 추출한 SIFT 특징점의 위치 정보(x,y)에 기초하여 기저장된 손가락 정맥 영상의 저장 특징점 중 추출한 SIFT 특징점과 임계 거리에 위치하는 SIFT 특징점을 검색하고 검색한 SIFT 특징점과 추출한 SIFT 특징점 사이의 유클리드 거리와 유클리드 거리의 비율을 기초로 거리가 가까운 SIFT 특징점을 찾아 매칭한다. 예를 들어, 아래의 수학식 1을 통해 검색한 SIFT 특징점과 추출한 SIFT 특징점 사이의 유클리드 거리를 계산하여 거리가 가장 가까운 SIFT 특징점을 선택하여 서로 매칭한다.
[수학식 1]
Figure 112013014793226-pat00001
여기서 D(a,b)는 SIFT 특징점 사이의 유클리드 거리를 나타내며, desa[i]와 desb[i]는 각각 검색한 SIFT 특징점과 추출한 SIFT 특징점의 성분값을 나타낸다.
한편, SIFT 특징점의 위치를 고려하여 너무 떨어져 있는 SIFT 특징점은 매칭에서 제외시키기 위해 아래의 수학식(2)의 조건을 만족해야 한다.
[수학식 2]
Figure 112013014793226-pat00002
여기서 ε는 입력 영상(I)의 가로 또는 세로 크기 중 작은 값의 반보다 작은 값으로 선택 설정된다.
만일 추출한 SIFT 특징점과 검색한 SIFT 특징점들 중 거리가 첫 번째로 가까운 SIFT 특징점 및 두 번째로 가까운 SIFT 특징점 사이의 차이가 임계 값(threshold) 이하인 경우 아래의 수학식 (3)을 통해 거리가 첫 번째로 가까운 SIFT 특징점의 거리와 두 번째로 가까운 SIFT 특징점의 거리의 비율을 계산한다. 거리 비율이 문턱 값(threshold) 이하인 경우에는 거리가 첫 번째로 가까운 SIFT 특징점을 선택하여 매칭한다. 만일 거리 비율이 문턱 값을 넘는 경우 해당 SIFT 특징점이 오정합 확률이 높은 SIFT 특징점으로 판단하고 매칭을 하지 않는다.
[수학식 3]
Figure 112013014793226-pat00003
여기서 D(a, b1)과 D(a, b2)는 SIFT 특징점 사이의 유클리드 거리를 의미하며, A, B는 상수이다.
위와 같은 방법으로 입력영상(I)에 대하여 가장 많은 SIFT 특징점 매칭을 갖는 비교 대상(P)이 선택되며, 이때 수학식(4)와 같이 입력영상(I)에서 생성된 SIFT 특징점(SiftNum(I))에 대한 매칭되는 SIFT 특징점들 수(NumMatchSift(I,P))의 비율이 임계비율(λ)보다 큰면 매칭으로 간주하여 동일인으로 인식하고, 그렇지 않은 경우에는 다른 사람으로 인식한다.
[수학식 4]
Figure 112013014793226-pat00004

도 7은 본 발명에 따른 손가락 정맥 영상의 조명 정규화 단계를 보다 구체적으로 설명하기 위한 흐름도이며, 도 8은 본 발명에 따른 손가락 정맥 영상의 조명 정규화 단계에서 생성되는 이미지의 일 예를 도시하고 있다.
도 7과 도 8을 참고로 보다 구체적으로 살펴보면, 손가락 정맥 원본 영상을 반전시켜 반전 원본 영상을 생성하고(S21), 저주파 조명 성분을 추출하기 하기 위해 평균 필터와 반전 원본 영상을 컨벌루션하여 반전 추정 조명 성분을 계산한다(S23). 조명 성분은 손가락 정맥 원본 영상에서 저주파 성분으로 나타나기 때문에, 반전 원본 영상에 평균 필터((F(x,y))를 컨볼루션하여 반전 원본 영상을 블러(blur)시킴으로써, 반전 원본 영상에서 조명 성분을 추정한다. 도 15는 본 발명에 따른 평균 필터의 일 예를 도시하고 있다.
여기서 평균 필터는 m×n 크기를 가지며 M×N 크기의 반전 원본 영상과 컨볼루션되어 반전 추정 조명 성분을 생성하는데, 반전 원본 영상에서 생성된 반전 추정 조명 성분(R(x,y))은 아래의 수학식(5)에 의해 계산된다.
[수학식 5]
Figure 112013014793226-pat00005
여기서 a=(m-1)/2이고 b=(n-1)/2이다.
반전 추정 조명 성분을 재반전시켜 추정 조명 성분을 계산하고(S25), 추정 조명 성분과 반전 원본 영상을 서로 합하여 조명 정규화된 반전 영상을 생성한다(S27).
조명 정규화된 반전 영상을 히스토그램 평활화(Histogram Equalization)하여 조명 정규화된 반전 영상의 픽셀값을 확산 분포시킨 정맥 혈관 영역과 배경 영역을 명확하게 구분한다(S28). 반전 평활화 영상을 재반전시켜 조명 정규화된 영상을 생성한다(S29).
도 8(a) 내지 도 8(g)는 각각 입력되는 손가락 정맥 원본 영상, 반전 원본 영상, 반전 추정 조명 영상, 추정 조명 영상, 조명 정규화된 반전 영상, 반전 평활화 영상, 조명 정규화된 영상의 일 예를 도시하고 있다.
도 9는 본 발명에 따른 SIFT 특징점을 추출하는 단계를 설명하기 위한 흐름도이다.
도 9를 참고로 보다 구체적으로 살펴보면, 다른 레벨의 분산을 가지는 가우시안 함수와 평화활된 조명 정규화 손가락 정맥 영상을 컨볼루션하여 블러(blur)된 스케일 공간 영상을 아래의 수학식(6)와 같이 생성한다(S31).
[수학식 6]
L(x, y, σ)=G(x, y, σ)*I'(x,y)
여기서 G(x, y, σ)는 가우시안 함수, I'(x,y)는 평활화된 조명 정규화 손가락 정맥 영상, L(x, y, σ)는 다른 레벨의 분산(σ)을 갖는 가우시안 함수에 의해 블러된 영상을 의미한다.
스케일 공간상에서 안정된 특징점을 찾기 위하여 스케일 공간 영상 중 인접 영상의 차로부터 아래의 수학식(7)와 같이 가우시안 차 영상(DOG, Difference of Gaussian)을 생성한다(S33). 도 10은 가우시안 차 영상을 생성하는 일 예를 설명하기 위한 도면이다.
[수학식 7]
DOG=(G(x, y, kσ)*I'(x,y)-G(x, y, σ)*I'(x,y))
=L(x, y, kσ)-L(x, y, σ)
가우시안 차 영상 중 현재 픽셀에 인접한 인접 픽셀, 가우시안 차 영상에 상위 및 하위 인접한 인접 가우시안 차 영상 중 현재 픽셀에 인접한 차위 인접 픽셀에서 최대 또는 최소 픽셀값을 가지는 후보 특징점을 판단한다(S35). 도 11을 참고로 보다 구체적으로 살펴보면, 가우시안 차 영상을 이용하여 현재 영상 내에서의 주변 8개의 픽셀과 인접한 영상에서의 9개의 픽셀(pixel)을 비교한다. 'X'위치가 현재 기준픽셀이라고 가정하면, 'X'를 중심으로 이웃한 픽셀과 인접한 가우시안 차 영상에서의 같은 위치의 일정 영역(예를 들어, 3×3)에 포함되는 픽셀을 포함하는 총 26개 픽셀의 픽셀 값을 비교하여 기준픽셀이 최대 혹은 최소의 값이면 기준픽셀을 후보 특징점으로 등록한다. 스케일 공간상의 옥타브별로 가우시안 차 영상을 이용하여 위의 과정을 반복하여 후보 특징점을 찾아낸다.
후보 특징점(X)에서 불안정한 후보 특징점을 제거하여 SIFT 특징점(X')을 추출한다(S37). 앞서 추출한 후보 특징점들은 불안정한 특징점들을 포함하고 있기 때문에, 아래의 수학식(8)의 테일러(taylor) 함수를 이용하여 낮은 대비를 갖는 불안정한 특징점을 제거한다.
[수학식 8]
Figure 112013014793226-pat00006
여기서 D는 가우시안 차 영상이고, X=(x, y, σ) 후보 특징점이며
Figure 112013014793226-pat00007
는 아래 수학식(9)과 같은 미분 연산으로 계산된다.
[수학식 9]
Figure 112013014793226-pat00008
후보 특징점에 대한
Figure 112013014793226-pat00009
의 절대값이 대조경계값(contrast threshold)보다 작은 경우에는 해당 후보 특징점을 제거한다. 대조 경계값을 작게 할수록 많은 SIFT 특징점들이 추출된다.
여기서 SIFT 특징점(X'(x,y))의 크기 값에 대한 함수 m(x,y)와 방향 값에 대한 함수 θ(x,y)는 아래의 수학식(10)과 수학식(11)에 의해 계산된다.
[수학식 10]
Figure 112013014793226-pat00010
[수학식 11]
Figure 112013014793226-pat00011
영상의 회전이 있더라도 SIFT 특징점(X') 주변 화소값은 변하지 않으므로, 주변 화소값을 기초로 크기(m(x,y))와 방향(θ(x,y)이 결정되는 SIFT 특징점은 영상의 회전에 대해서 일정한 방향 성질을 유지할 수 있다. 영상이 회전한 만큼 SIFT 특징점의 방향도 함께 회전하므로 SIFT 특징점의 기준 방향은 영상의 회전에도 변하지 않는 특징점 기술자를 생성하는 경우 중요한 기준이 된다.
도 12는 특징점 기술자를 생성하는 과정을 설명하기 위한 도면이다.
도 12를 참조하면, 특징점 기준방향을 기준으로 특징점 기술자(Keypoint descriptor)를 생성한다. 특징점 기술자는 조명 정규화된 손가락 정맥 영상과 손가락 정맥 영상 데이터베이스에 저장된 영상의 SIFT 특징점 매칭에 기준이 된다. 영상의 크기, 회전, 노이즈와 같은 외부환경에 변하지 않는 성분을 가진 특징점 기술자일수록 외부 환경에 의한 영상 변화에 강인한 SIFT 특징점 매칭 성능을 가진다.
SIFT 특징점 주변에 위치한 국부 영역의 그래디언트(gradient) 방향과 크기를 계산한다. 앞서 설명한 수학식(8) 및 수학식(9)을 이용하여 국부 영역의 그래디언트 방향과 크기를 계산할 수 있다.
영상회전에 불변하는 기술자를 얻기 위해 그래디언트 방향과 기술자의 좌표를 SIFT 특징점 방향을 기준으로 회전이동하고, 회전된 그래디언트에 SIFT 특징점을 중심으로 가우시안 가중치를 부여한다. SIFT 특징점 주변 영역의 작은 변화에도 그래디언트의 방향과 크기가 민감하게 변하는 것을 방지하기 위해 가우시안 가중치를 부여한다. SIFT 특징점을 중심으로 가우시안 가중치를 부여하여 특징점 주변 영역의 그래디언트를 강조하고 에러를 최소화할 수 있다.
도 12(a)는 SIFT 특징점 주변에 위치한 국부 영역의 그래드언트 방향과 크기를 도시한 도면이고, 도 12(b)는 가우시안 가중치를 부여한 후의 그래디언트 방향과 크기를 도시한 도면이다.
가우시안 가중치가 부여된 그래디언트는 각각의 배열이 8방향을 가지고 있는 4×4 배열로 재구성된다. 이러한 방향성 히스토그램은 128(8×4×4)차원의 벡터로 구성된다. 128차원 벡터를 조명에 강인한 기술자로 만들기 위해 정규화 과정을 수행할 수 있다. 이러한 과정을 통해 생성된 128차원 벡터는 SIFT 특징점을 대표하는 특징점 기술자가 된다.
도 13(a)는 조명 정규화를 하지 않은 손가락 정맥 영상을 이용한 SIFT 특징점 매칭 성능을 설명하기 위한 도면이며, 도 13(b)는 조명 정규화된 손가락 정맥 영상을 이용한 SIFT 특징점 매칭 성능을 설명하기 위한 도면이다. 도 13(a)에서 알 수 있는 바와 같이, 조명 정규화를 하지 않은 손가락 정맥 영상에서는 같은 사람일 경우 10개 정도의 매칭되는 SIFT 특징점이 생기고 다른 사람일 경우 1개 정도의 매칭되는 SIFT 특징점이 생기는 것을 알 수 있다. 이에 반해 도 13(b)에서 알 수 있는 바와 같이 조명 정규화된 손가락 정맥 영상에서는 같은 사람일 경우 50개 정도의 매칭되는 SIFT 특징점이 생기고 다른 사람일 경우에는 매칭되는 SIFT 특징점이 존재하지 않음을 알 수 있다.
도 14는 본 발명에 따른 SIFT 특징점 매칭시 임계 거리의 일 예를 설명하기 위한 도면이다.
도 14(a)에 도시되어 있는 조명 정규화된 손가락 정맥 영상에서 추출한 특징점 중 하나인 F(x,y)을 비교 대상 손가락 정맥 영상의 특징점들과 매칭시, 획득한 손가락 정맥 영상과 손가락 정맥 영상 데이터베이스에 기저장되어 있는 손가락 정맥 영상에서 손가락 위치는 크게 변경되지 않는다는 특징을 이용하여 도 14(b)에 도시되어 있는 바와 같이 특징점 F(x,y)와 임계 거리(d)에 위치하는 특징점만을 매칭하여 사용자 인증에 소요되는 시간을 줄일 수 있다.
한편, 상술한 본 발명의 실시 예들은 컴퓨터에서 실행될 수 있는 프로그램으로 작성 가능하고, 컴퓨터로 읽을 수 있는 기록 매체를 이용하여 상기 프로그램을 동작시키는 범용 디지털 컴퓨터에서 구현될 수 있다.
상기 컴퓨터로 읽을 수 있는 기록 매체는 마그네틱 저장 매체(예를 들어, 롬, 플로피 디스크, 하드디스크 등), 광학적 판독 매체(예를 들면, 시디롬, 디브이디 등) 및 캐리어 웨이브(예를 들면, 인터넷을 통한 전송)와 같은 저장 매체를 포함한다.
본 발명은 도면에 도시된 실시예를 참고로 설명되었으나 이는 예시적인 것에 불과하며, 본 기술 분야의 통상의 지식을 가진 자라면 이로부터 다양한 변형 및 균등한 타 실시예가 가능하다는 점을 이해할 것이다. 따라서, 본 발명의 진정한 기술적 보호 범위는 첨부된 등록청구범위의 기술적 사상에 의해 정해져야 할 것이다.
110: 영상 촬영부 120: 정규화 영상 생성부
130: 특징점 추출부 140: 인증부
150: 손가락 정맥 영상 DB

Claims (9)

  1. (a) 사용자 손가락의 일부분을 촬영한 손가락 정맥 원본 영상을 획득하는 단계;
    (b) 상기 손가락 정맥 원본 영상에서 조명 성분을 추정하고, 상기 추정한 조명 성분에 기초하여 조명 정규화된 영상을 생성하는 단계;
    (c) SIFT(Scale Invariant Feature Transform) 알고리즘을 이용하여 상기 조명 정규화된 영상에서 손가락 정맥의 특징을 나타내는 특징점(keypoint)을 추출하고, 상기 추출한 특징점의 서술자를 생성하는 단계; 및
    (d) 상기 추출한 특징점의 서술자와 기저장된 손가락 정맥 영상의 저장 특징점 서술자를 매칭하여 매칭 결과에 따라 상기 사용자를 인증하는 단계를 포함하는 것을 특징으로 하는 손가락 정맥 인증 방법.
  2. 제 1 항에 있어서, 상기 조명 정규화된 영상을 생성하는 단계는
    상기 손가락 정맥 원본 영상을 반전시켜 반전 원본 영상을 생성하는 단계;
    저주파 조명 성분을 추출하기 하기 위해 평균 필터를 상기 반전 원본 영상에 적용하여 반전 추정 조명 성분을 계산하는 단계;
    상기 반전 추정 조명 성분을 재반전시켜 추정 조명 성분을 계산하는 단계;
    상기 추정 조명 성분과 상기 반전 원본 영상을 서로 합하여 조명 정규화된 반전 영상을 생성하는 단계;
    상기 조명 정규화된 반전 영상을 히스토그램 평활화(Histogram Equalization)하여 상기 조명 정규화된 반전 영상의 픽셀값을 확산 분포시킨 반전 평활화 영상을 생성하는 단계; 및
    상기 반전 평활화 영상을 재반전시켜 조명 정규화된 영상을 생성하는 단계를 포함하는 것을 특징으로 하는 손가락 정맥 인증 방법.
  3. 제 2 항에 있어서, 상기 특징점을 추출하는 단계는
    다른 레벨의 분산을 가지는 가우시안 함수에 의해 블러(blur)된 스케일 공간 영상을 생성하는 단계;
    상기 스케일 공간 영상 중 인접 영상의 차로부터 가우시안 차 영상을 생성하는 단계;
    상기 가우시안 차 영상 중 현재 픽셀에 인접한 인접 픽셀, 상기 가우시안 차 영상에 상위 및 하위 인접한 인접 가우시안 차 영상 중 상기 현재 픽셀에 인접한 차위 인접 픽셀에서 최대 또는 최소 픽셀값을 가지는 후보 특징점을 판단하는 단계; 및
    상기 후보 특징점에서 불안정한 후보 특징점을 제거하여 특징점을 추출하는 단계를 포함하는 것을 특징으로 하는 손가락 정맥 인증 방법.
  4. 제 2 항에 있어서, 상기 특징점의 서술자를 생성하는 단계는
    상기 특징점을 중심으로 상기 특징점의 인접 픽셀을 이용하여 상기 특징점과 상기 특징점 인접 픽셀 사이의 방위각과 크기를 계산하는 단계;
    상기 계산한 방위각의 히스토그램으로부터 상기 특징점의 기준 방위를 판단하는 단계;
    상기 기준 방위에 기초하여 상기 특징점 주변에 위치한 국부 영역의 그레디언트 방향과 크기로 표현되는 특징점 서술자를 생성하는 단계를 포함하는 것을 특징으로 하는 손가락 정맥 인증 방법.
  5. 제 2 항에 있어서, 상기 사용자를 인증하는 단계에서 상기 추출한 특징점과 매칭되는 상기 기저장된 특징점은
    상기 추출한 특징점의 위치 정보에 기초하여 상기 추출한 특징점을 중심으로 임계 거리에 위치하는 손가락 정맥 영상의 저장 특징점인 것을 특징으로 하는 손가락 정맥 인증 방법.
  6. 입력된 손가락 정맥 원본 영상에서 조명 성분을 추정하고, 상기 추정한 조명 성분에 기초하여 조명 정규화된 영상을 생성하는 정규화 영상 생성부;
    SIFT(Scale Invariant Feature Transform) 알고리즘을 이용하여 상기 조명 정규화된 영상에서 손가락 정맥의 특징을 나타내는 특징점(keypoint)을 추출하고, 상기 추출한 특징점의 서술자를 생성하는 특징점 추출부; 및
    상기 추출한 특징점의 서술자와 기저장된 손가락 정맥 영상의 특징점 서술자를 매칭하여 매칭 결과에 따라 사용자를 인증하는 인증부를 포함하는 것을 특징으로 하는 손가락 정맥 인증 장치.
  7. 제 6 항에 있어서, 상기 정규화 영상 생성부는
    상기 손가락 정맥 원본 영상을 반전시켜 반전 원본 영상을 생성하는 제1 반전부;
    저주파 조명 성분을 추출하기 하기 위해 평균 필터를 상기 반전 원본 영상에 적용하여 반전 추정 조명 성분을 계산하는 조명 성분 추정부;
    상기 반전 추정 조명 성분을 재반전시켜 추정 조명 성분을 계산하는 제2 반전부;
    상기 추정 조명 성분과 상기 반전 원본 영상을 서로 합하여 조명 정규화된 반전 영상을 생성하는 조명 정규화부;
    상기 조명 정규화된 반전 영상을 히스토그램 평활화(Histogram Equalization)하여 상기 조명 정규화된 반전 영상의 픽셀값을 확산 분포시킨 반전 평활화 영상을 생성하는 평활화부; 및
    상기 반전 평활화 영상을 재반전시켜 조명 정규화된 영상을 생성하는 제3 반전부를 포함하는 것을 특징으로 하는 손가락 정맥 인증 장치.
  8. 제 7 항에 있어서, 상기 인증부는
    상기 추출한 특징점의 위치 정보에 기초하여 상기 추출한 특징점과 임계 거리에 위치하는, 기저장된 손가락 정맥 영상의 특징점을 검색하는 특징점 검색부;
    상기 검색한 특징점의 서술자와 상기 추출한 특징점을 매칭하는 매칭부; 및
    상기 매칭부의 매칭 결과에 기초하여 상기 사용자를 인증하는 인증부를 포함하는 것을 특징으로 하는 손가락 정맥 인증 장치.
  9. 제 6 항 내지 제 8 항 중 어느 한 항에 있어서, 상기 손가락 정맥 인증 장치는
    사용자 손가락의 일부분을 안착하는 안착부와, 상기 안착부에 안착된 사용자 손가락으로 적외선 조명을 조사하는 조명부와, 상기 사용자 손가락을 통과하는 적외선 조명으로부터 상기 사용자 손가락의 정맥 원본 영상을 획득하는 영상 획득부를 구비하는 영상 촬영부를 더 포함하는 것을 특징으로 하는 손가락 정맥 인증 장치.
KR1020130017493A 2012-12-31 2013-02-19 Ｓｉｆｔ 특징점에 기반한 손가락 정맥 인증 방법 KR101450247B1 (ko)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
KR1020120158293 2012-12-31
KR20120158293 2012-12-31

Publications (2)

Publication Number Publication Date
KR20140089277A KR20140089277A (ko) 2014-07-14
KR101450247B1 true KR101450247B1 (ko) 2014-10-15

Family

ID=51737513

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020130017493A KR101450247B1 (ko) 2012-12-31 2013-02-19 Ｓｉｆｔ 특징점에 기반한 손가락 정맥 인증 방법

Country Status (1)

Country Link
KR (1) KR101450247B1 (ko)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106127151A (zh) * 2016-06-23 2016-11-16 北京海鑫科金高科技股份有限公司 基于改进局部二值模型的指静脉识别方法及装置

Families Citing this family (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR102028049B1 (ko) * 2018-04-09 2019-10-02 김봉균 동물 귀 정맥을 이용한 동물의 인증 방법
WO2020218656A1 (ko) * 2019-04-26 2020-10-29 엘지전자 주식회사 전자 장치 및 그 제어방법
CN113643341B (zh) * 2021-10-12 2021-12-28 四川大学 一种基于分辨率自适应的异尺度目标图像配准方法

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20010074059A (ko) * 2001-01-20 2001-08-04 정인수 모바일 단말기용 얼굴 기반 개인 신원 검증 방법 및 장치
JP2003263640A (ja) * 2002-03-08 2003-09-19 Toyota Motor Corp 生体情報を用いた個人識別装置
JP2006099614A (ja) * 2004-09-30 2006-04-13 Toshiba Corp 生体判別装置および生体判別方法
JP4291107B2 (ja) * 2003-10-27 2009-07-08 株式会社日立製作所 指認証装置とその指置きガイド

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20010074059A (ko) * 2001-01-20 2001-08-04 정인수 모바일 단말기용 얼굴 기반 개인 신원 검증 방법 및 장치
JP2003263640A (ja) * 2002-03-08 2003-09-19 Toyota Motor Corp 生体情報を用いた個人識別装置
JP4291107B2 (ja) * 2003-10-27 2009-07-08 株式会社日立製作所 指認証装置とその指置きガイド
JP2006099614A (ja) * 2004-09-30 2006-04-13 Toshiba Corp 生体判別装置および生体判別方法

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106127151A (zh) * 2016-06-23 2016-11-16 北京海鑫科金高科技股份有限公司 基于改进局部二值模型的指静脉识别方法及装置
CN106127151B (zh) * 2016-06-23 2019-04-19 北京海鑫科金高科技股份有限公司 基于改进局部二值模型的指静脉识别方法及装置

Also Published As

Publication number Publication date
KR20140089277A (ko) 2014-07-14

Similar Documents

Publication Publication Date Title
CN110852160B (zh) 以图像为基准的生物识别系统及计算机实施方法
JP5107045B2 (ja) 目に関して取得される画像中の虹彩を表す画素を特定する方法
Hsia New verification strategy for finger-vein recognition system
KR20190075560A (ko) 라이브니스 검사 방법 및 장치
JP2009523265A (ja) 画像中の虹彩の特徴を抽出する方法
US20080298642A1 (en) Method and apparatus for extraction and matching of biometric detail
JP2007188504A (ja) 画像中の画素強度をフィルタリングする方法
EP2092460A1 (en) Method and apparatus for extraction and matching of biometric detail
Hartung et al. Spectral minutiae for vein pattern recognition
Wang et al. Hand vein recognition based on multiple keypoints sets
KR101025666B1 (ko) 지정맥 특징점 추출 방법 및 장치
KR101450247B1 (ko) Ｓｉｆｔ 특징점에 기반한 손가락 정맥 인증 방법
Patil et al. Assessing vulnerability of dorsal hand-vein verification system to spoofing attacks using smartphone camera
Donida Labati et al. A scheme for fingerphoto recognition in smartphones
El_Tokhy Robust multimodal biometric authentication algorithms using fingerprint, iris and voice features fusion
Tiwari et al. A palmprint based recognition system for smartphone
Estacio et al. A rotation invariant algorithm for bimodal hand vein recognition system
Kumar et al. Rank level integration of face based biometrics
Rajan et al. A novel finger vein feature extraction technique for authentication
Premalatha et al. A dorsal hand vein recognition-based on local gabor phase quantization with whitening transformation
Kubanek et al. Feature extraction of palm vein patterns based on two-dimensional density function
KR20170087755A (ko) 퍼지 추론 기반 지정맥 영상 추출 방법 및 그 장치
Rahulkar et al. Fast discrete curvelet transform based anisotropic feature extraction for iris recognition
Nestorovic et al. Extracting unique personal identification number from iris
Kovac et al. Multimodal biometric system based on fingerprint and finger vein pattern

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: 20170911

Year of fee payment: 4

FPAY Annual fee payment

Payment date: 20180919

Year of fee payment: 5

FPAY Annual fee payment

Payment date: 20190917

Year of fee payment: 6