KR101704717B1 - 홍채 인식 장치 및 그 동작 방법 - Google Patents

Abstract

실시예는 안구의 홍채를 인식하는 홍채 인식 장치로, 상기 안구의 영상을 수집하는 영상 수집부; 및 상기 안구의 영상에서 홍채 영역의 초점 정확도를 수치화하여 홍채 인식 대상 이미지를 판별하는 제어부; 를 포함하는 것을 특징으로 한다.

Description

홍채 인식 장치 및 그 동작 방법 {APPARATUS FOR RECOGNIZING IRIS AND OPERATING METHOD THEREOF}

본 발명의 기술 분야는 홍채 인식 장치 및 홍채 인식 방법에 관한 것으로서 특히 획득한 영상에서 효율적으로 홍채를 인식할 수 있는 홍채 인식 장치 및 홍채 인식 장치의 동작 방법에 관한 것이다.

컴퓨터와 핸드폰 등의 전자 제품은 사용자의 개인 정보를 포함하는 경우가 많다. 또한 컴퓨터 핸드폰 등의 전자 제품을 이용한 전자상 거래가 널리 확산되고 있는 추세이다. 따라서 전자 제품은 사용자를 정확히 식별할 수 있어야 한다. 이를 위해 비밀번호와 아이디를 사용하여 사용자를 인식하는 방법이 널리 사용되어 왔다. 다만 이러한 방식은 개인 정보 유출과 해킹에 취약할 수 있는 문제가 있다. 따라서 이를 대체할 여러 가지 대안이 제시되어왔다.

이중 하나로서 생체인식시스템이 점차 상용화되고 있는 추세에 있다. 생체인식이란 사람 개개인 마다 다르게 가진 생체 정보를 추출하여 판별이 가능하도록 하는 것이다. 특히 지문 인식 장치를 포함하는 핸드폰이 상용화 되어 널리 사용되고 있다. 다만, 지문의 경우에도 어렵지 않게 복제가 가능하여 여전히 해킹 위험이 존재한다는 의견이 제시되고 있다. 따라서 이러한 문제를 해결하기 위한 방법으로 홍채 인식 장치가 주목 받고 있다.

홍채 인식 장치는 사람의 홍채를 인식함으로써 그 사람의 신원을 파악하는 장치이다. 이러한 홍채인식시스템은 지문과 달리 홍채의 복제나 위조가 불가능하다는 장점이 있다.

이러한 홍채 인식 시스템은 신원파악의 정확도를 높여 보안성을 높이는 것이 주관심사인데, 이때 카메라로부터 촬영된 영상의 초점이 정확한지가 가장 중요한 요소에 해당한다.

기존에 초점의 정확도를 판별하는 기술로 웨이블렛(wavelet), 컨볼루션 커널(convolution kernel), 소벨 엣지(sobel edge) 및 이미지 베리언스(image variance) 등이 사용되고 있다. 그런데, 이러한 기술들은 촬영된 영상의 초점을 정확하게 판별하기 어려운 문제가 있고, 연산방법이 복잡한 단점이 있다. 구체적으로, 기존 초점 정확도 판별 기술들은 주변 밝기나 눈의 크기에 민감하게 반응하여 초점의 정확도를 판별하기 어려우며, 이미지의 전체적인 초점을 판별하기 때문에 불필요한 연산이 요구되고, 정작 사용자의 홍채 이미지에 대한 초점 정도는 부정확하게 판별될 수 있는 등의 단점이 있다.

실시예는 이미지에서 사용자의 홍채에 대한 초점의 정확도를 정밀하게 측정하여 홍채 인식 효율을 향상시킬 수 있는 홍채 인식 장치 및 그 동작 방법을 제공하고자 한다.

실시예에 따른 안구의 홍채를 인식하는 홍채 인식 장치는 상기 안구의 영상을 수집하는 영상 수집부; 및 상기 안구의 영상에서 홍채 영역의 초점 정확도를 수치화하여 홍채 인식 대상 이미지를 판별하는 제어부; 를 포함하는 것을 특징으로 한다.

이때, 상기 제어부는 상기 안구의 영상에 크롭 이미지를 추출한 후 상기 홍채 인식 대상 이미지를 판별하는 크롭 이미지 추출부를 포함할 수 있고, 상기 크롭 이미지 추출부는 영상내에서 안구의 홍채 위치를 탐색하여 크롭 이미지를 추출할 수 있다.

또한, 상기 제어부는 상기 안구의 영상으로 라플라시안 이미지를 생성하여 상기 홍채 영역의 초점 정확도를 산출하는 라플라시안 이미지 생성부를 포함할 수 있고, 상기 라플라시안 이미지 생성부는 상기 안구 영상에 대한 블러 이미지를 생성한 후 상기 블러 이미지와 안구 영상의 각 픽셀 마다 차이를 구하여 라플라시안 이미지를 생성할 수 있다. 그리고, 상기 라플라시안 이미지 생성부는 상기 블러 이미지를 가우시안 필터를 이용하여 생성할 수 있다.

또한, 상기 제어부는 상기 라플라시안 이미지의 엔트로피 값을 구하여 상기 홍채 영역의 초점 정확도를 수치화하는 엔트로피 산출부를 포함할 수 있다. 상기 엔트로피 산출부는 상기 라플라시안 이미지에서 히스토그램을 생성하여 엔트로피 값을 산출할 수 있고, 상기 엔트로피 산출부는 상기 엔트로피 값을 정규화하여 상기 홍채 영역의 초점 정확도를 수치화할 수 있다.

실시예에 따른 안구의 홍채를 인식하는 홍채 인식 장치의 동작 방법은 상기 안구의 영상을 수집하는 단계; 및 상기 안구의 영상에서 홍채 영역의 초점 정확도를 수치화하여 홍채 인식 대상 이미지를 판별하는 단계를 포함할 수 있다.

다른 측면의 실시예에 다른 안구의 홍채를 인식하는 홍채 인식 장치의 동작 방법은 사용자가 상기 홍채 인식 장치의 작동영역 내로 들어오면, 상기 사용자의 적어도 하나 이상의 안구의 영상을 수집하는 단계; 상기 적어도 하나 이상의 안구의 영상에서 홍채 영역의 초점 정확도를 수치화하는 단계; 및 상기 적어도 하나 이상의 안구의 영상이 홍채 인식 대상인지 여부를 판별하는 단계; 를 포함할 수 있다.

이때, 상기 적어도 하나 이상의 안구의 영상 중 어느 하나도 상기 홍채 인식의 대상이 될 수 없는 경우, 다시 사용자의 안구의 영상을 수집하는 단계; 를 더 포함할 수 있다.

또한, 상기 적어도 하나 이상의 안구의 영상 중 상기 홍채 영역의 초점 정확도가 가장 높은 안구의 영상을 선정하여 홍채 인식을 수행하는 단계; 를 더 포함할 수 있다.

실시예에 따른 홍채 인식 방법은 초점 정확도가 높은 영상으로 홍채 인식을 수행함으로써, 불필요한 데이터 처리를 막으면서 정확도 높은 홍채 인식을 수행할 수 잇는 장점이 있다.

구체적으로, 실시예는 기 설정된 기준 엔트로피 값을 만족하는 영상을 판별하여 홍채 인식을 함으로써, 보안성 높은 홍채 인식 시스템을 구현할 수 있다. 즉, 실시예는 홍채 인식률과 밀접한 상호관계를 갖는 초점의 정확도를 엔트로피 값으로 환산하여, 보안성 높은 홍채 인식 시스템을 구현할 수 있다

다른 측면에서, 실시예의 홍채 인식 방법은 홍채 인식 전 수집된 영상이 홍채 인식에 적합한지 사전에 판단하여 영상 수집 량을 결정할 수 있어서, 홍채 인식 처리 속도를 향상시킬 수 있다.

또 다른 측면에서, 실시예의 홍채인식 방법은 복수의 이미지 중 홍채에 대한 초점 정확도가 가장 높은 이미지를 선정하여, 선정된 이미지만 홍채 인식을 수행함으로써, 연산을 단순화하여 처리속도를 향상시킬 수 있으며, 초점이 정확한 이미지로 홍채 인식을 수행하여 홍채 인식 정확도를 향상시킬 수 있다.

도 1은 실시예에 따른 홍채 인식 장치의 블락도를 보여준다.
도 2는 실시예에 따른 제어부의 블락도를 보여준다.
도 3은 실시예에 따른 홍채 인식을 위한 초점 정확도를 판별하는 일련의 과정을 나타내는 흐름도이다.
도 4는 영상 수집부에서 획득된 영상이고, 도 5는 획득된 영상에서 추출된 크롭 이미지이며, 도 6은 크롭 이미지의 블러 이미지이고, 도 7은 크롭 이미지의 라플라시안 이미지이다.
도 8은 초점의 정확성이 떨어지는 안구 영상이고, 도 9는 초점의 정확성이 높은 안구 영상이다.
도 10은 제 1 실시예에 따른 홍채 인식 방법을 나타내는 흐름도이다.
도 11은 제 2 실시예에 따른 홍채 인식 방법을 나타내는 흐름도이다.

아래에서는 첨부한 도면을 참고로 하여 본 발명의 실시예에 대하여 본 발명이 속하는 기술 분야에서 통상의 지식을 가진 자가 용이하게 실시할 수 있도록 상세히 설명한다. 그러나 본 발명은 여러 가지 상이한 형태로 구현될 수 있으며 여기에서 설명하는 실시예에 한정되지 않는다. 그리고 도면에서 본 발명을 명확하게 설명하기 위해서 설명과 관계없는 부분은 생략하였으며, 명세서 전체를 통하여 유사한 부분에 대해서는 유사한 도면 부호를 붙였다.

또한 어떤 부분이 어떤 구성요소를 "포함"한다고 할 때, 이는 특별히 반대되는 기재가 없는 한 다른 구성요소를 제외하는 것이 아니라 다른 구성요소를 더 포함할 수 있는 것을 의미한다.

도 1은 실시예에 따른 홍채 인식 장치(10)의 블락도를 보여준다.

도 1에 도시된 바와 같이, 실시예에 따른 홍채 인식 장치(10)는 조명부(300), 영상 수집부(400), 제어부(100) 및 디스플레이부(200)를 포함할 수 있다.

조명부(300)는 홍채 인식 대상인 홍채를 포함하는 안구를 향해 적외선을 조사한다. 이때 적외선은 주파수가 700 nm에서 900 nm 사이인 근 적외선(NIR)일 수 있다. 구체적인 실시예에 따라서는 홍채 인식 장치(10)는 복수의 조명 장치를 포함할 수 있다.

영상 수집부(400)는 안구의 영상을 수집한다. 이때, 영상 수집부(400)가 수집하는 영상은 이미지 시퀀스일 수 있고, 단일 이미지 일 수 있다. 영상 수집부(400)가 수집한 영상은 홍채 인식에 사용된다. 따라서 영상 수집부(400)는 홍채 인식을 위해 좁은 범위의 고화질 영상을 수집하여야 한다. 그러므로 영상 수집부(400)는 비교적 화각이 작은 렌즈를 포함할 수 있다. 이때, 영상 수집부(400) 는 구체적인 실시예에서 카메라일 수 있다. 또 다른 구체적인 실시예에서 영상 수집부(400)는 카메라 외에 이미지 센서 또는 기타 안구의 영상을 수집할 수 있는 다른 장치일 수 있다.

또한 구체적인 실시예에서 영상 수집부(400)는 비교적 넓은 범위의 영상으로서 사용자의 안구를 포함하는 영상을 수집하는 추가적인 영상 수집부(400)를 더 포함할 수 있다. 이때, 추가적인 영상 수집부(400)는 홍채 인식을 위한 영상을 수집하는데 사용되는 렌즈보다 화각이 큰 렌즈를 포함할 수 있다.

디스플레이부(200)는 영상 수집부(400)가 수집한 영상을 표시하고, 사용자 인터페이스를 표시할 수 있다.

제어부(100)는 조명부(300), 영상 수집부(400) 및 디스플레이부(200)의 동작을 제어한다. 구체적으로, 제어부(100)는 영상 수집부(400)에서 수집된 영상을 분석하여 초점의 정확도를 판별할 수 있다. 나아가, 기 설정된 초점의 정확도를 만족하는 영상을 분석하여 홍채 인식을 수행할 수 있다.

도 2는 실시예에 따른 제어부(100)의 블락도를 보여준다.

도 2를 참조하면, 실시예에 따른 제어부(100)는 수집된 영상에서 홍채 부분의 초점 정확도를 판별하기 위하여 크롭 이미지 추출부(110), 라플라시안 이미지 생성부(120) 및 엔트로피 산출부(130)를 포함할 수 있다.

제어부(100)의 구성을 나눈 것은 설명의 편의를 위한 것으로, 마이크로프로세서에서 수행되는 일련의 처리과정 중 일부들로 이해해도 좋다.

먼저, 크롭 이미지 추출부(110)는 수집된 영상에서 홍채 위치를 탐색하여, 크롭 이미지를 추출할 수 있다. 이때, 크롭 이미지는 수집된 영상에서 눈 주변의 영역을 의미할 수 있다. 좀더 구체적으로, 크롭 이미지는 수집된 영상에서 홍채 주변의 영역을 의미할 수 있다.

홍채 인식률을 높이기 위해서는 홍채 주위에 초점이 정확하게 맞춰져 있는지가 중요하므로, 영상 전체에 초점 보다는 눈, 더 정확히는 홍채에 초점이 정확하게 맞춰졌는지를 판별하는 것이 중요하다. 특히, 수집된 영상에서 사용자의 안경, 눈썹 및 코 등은 패턴이 뚜렷하여 영상의 초점 정확도를 판별하는데 방해가 될 수 있으므로, 이러한 구성들을 제거하고 영상에서 초점의 정확도를 판별할 필요가 있다.

이를 위하여, 크롭 이미지 추출부(110)는 영상에서 홍채 영역만 크롭(crop)할 수 있다. 이러한 크롭 이미지 추출부(110)는 아이 디텍터를 이용하여 크롭 이미지를 추출할 수 있다. 그리고 크롭 이미지 추출부(110)는 홍채 영역에 눈썹이 포함되는 경우, 이를 탐지하여 차후 엔트로피 산출부(130)에서 엔트로피 값을 추출할 때 이를 제외할 수 있다.

라플라시안 이미지 생성부(120)는 크롭 이미지에서 라플라시안 이미지를 생성할 수 있다.

실시예에서, 라플라시안 이미지 생성부(120)는 크롭 이미지에서 블러 이미지(blurring image)를 생성할 수 있다. 구체적으로, 블러 이미지는 크롭 이미지가 가우시안 필터를 통과하여 생성된 가우시안 이미지일 수 있다.

그리고, 실시예에서 라플라시안 이미지 생성부(120)는 크롭 이미지와 블러 이미지를 비교하여 라플라시안 이미지를 생성할 수 있다. 구체적으로, 라플라시안 이미지 생성부(120)는 크롭 이미지와 가우시안 이미지의 각 픽셀 마다 차를 구하여 라플라시안 이미지를 생성할 수 있다.

엔트로피 산출부(130)는 라플라시안 이미지의 에지의 강도 또는/및 이미지 베리언스를 엔트로피 값으로 환산하여, 초점의 정확도를 수치화할 수 있다.

구체적으로 실시예에서, 엔트로피 산출부(130)는 라플라시안 이미지에서 히스토그램을 생성할 수 있다.

이때, 엔트로피 산출부(130)가 히스토그램을 생성하는 라플라시안 이미지에는 눈썹과 같은 초점 정확도 판단에 방해가 되는 요소들이 제거되어 있다. 따라서, 엔트로피 산출부(130)는 홍채 영역과 관련된 이미지의 히스토그램에서 엔트로피 값을 추출함으로써, 엔트로피 값과 홍채 영역 초점 정확도 사이의 상관성을 높일 수 있다.

엔트로피 값이 높다는 것은 라플라스 이미지의 에지의 강도와 이미지 베리언스가 높다는 것을 의미하며, 이는 홍채의 초점 정확도가 높다는 것으로 이해할 수 있다. 따라서, 사용자는 일정 엔트로피 값의 기준을 만족하는 영상에 대한 홍채 인식률을 구하여, 기준 엔트로피 값을 정할 수 있다.

예를 들어, 높은 보안 수준을 요구하는 홍채 인식 시스템에서는 99.9% 이상의 홍채 인식률을 가질 때의 이미지의 엔트로피 값을 구한 후 이를 기준 엔트로피 값으로 설정할 수 있다.

제어부(100)는 기 설정된 기준 엔트로피 값을 만족하는 영상을 판별하여 홍채 인식을 함으로써, 보안성 높은 홍채 인식 시스템을 구현할 수 있다. 즉, 실시예는 홍채 인식률과 밀접한 상호관계를 갖는 초점의 정확도를 엔트로피 값으로 환산하여, 보안성 높은 홍채 인식 시스템을 구현할 수 있다.

도 3은 실시예에 따른 홍채 인식을 위한 초점 정확도를 판별하는 일련의 과정을 나타내는 흐름도이다.

도 4는 영상 수집부(400)에서 획득된 영상이고, 도 5는 획득된 영상에서 추출된 크롭 이미지이며, 도 6은 크롭 이미지의 블러 이미지이고, 도 7은 크롭 이미지의 라플라시안 이미지이다.

이하에서는 도 3 내지 도 7을 참고하여 홍채 인식 장치(10)의 구체적인 동작을 설명하도록 한다.

먼저, 영상 수집부(400)는 사용자의 영상을 수집한다. (S101) 이때, 조명부(300)는 사용자의 안구에 조명을 조사할 수 있다.

제어부(100)는 수집한 영상에 기초하여 크롭 이미지를 추출한다. (S103)

제어부(100)는 수집한 영상에 중앙 영역을 추출하여 크롭 이미지를 추출할 수 있다. 다만, 사용자 마다 눈의 크기가 다르기 때문에 일괄적으로 수집된 영상의 중앙 영역을 크롭하는 경우, 불필요한 오브젝트가 삽입되거나 홍채가 잘려져 정확한 홍채 초점 정확도 판별이 어려울 수 있다.

이러한 문제를 해결하기 위하여, 제어부(100)는 크롭 이미지 추출부(110)를 사용할 수 있다. 실시예에서, 크롭 이미지 추출부(110)는 영상 내에서 안구의 홍채 위치를 탐색하여 사용자에 맞는 크롭 이미지를 추출할 수 있다.

즉, 실시예는 사용자의 안구 형상에 따라서 크롭 이미지를 생성하여, 홍채 인식에 필요한 이미지만을 추출하여 홍채 인식을 수행함으로써, 홍채 인식 로드를 감소시키면서 초점 정확도를 정밀하게 판별할 수 있다.

그리고, 제어부(100)는 추출된 크롭 이미지에서 라플라시안 이미지를 생성한다. (S105)

실시예에서, 제어부(100)는 라플라시안 이미지 생성부(120)를 이용하여, 크롭 이미지에서 블러 이미지를 생성할 수 있다. 예를 들어, 라플라시안 이미지 생성부(120)는 가우시안 필터를 사용하여 크롭 이미지에서 가우시안 이미지를 생성할 수 있다.

이후, 라플라시안 이미지 생성부(120)는 크롭 이미지와 가우시안 이미지의 각 픽셀 마다 차를 구하여 라플라시안 이미지를 생성할 수 있다.

전술한 바와 같이, 라플라시안 이미지에서 에지의 강도나 이미지 베리언스는 초점의 정확도를 판별할 수 있는 척도가 될 수 있다.

이를 위해, 제어부(100)는 라플라시안 이미지의 엔트로피 값을 산출한다. (S107)

[수학식 1]

(where i is each gray level in the histogram of laplacian image and f(i) is the observed frequency of occurrence)

수학식 1은 라플라시안 이미지에서 엔트로피 값을 산출하는 식이다.

제어부(100)의 엔트로피 산출부(130)는 수학식 1을 통해 라플라시안 이미지의 엔트로피 값을 산출할 수 있다. 이러한 엔트로피 값은 라플라시안 이미지의 에지의 강도와 이미지 베리언스를 수치화한 값이므로, 크롭 이미지인 홍채 영역 이미지의 초점 정확도를 나타내는 척도가 될 수 있다.

구체적인 실시예로, 엔트로피 산출부(130)는 라플라시안 이미지의 히스토그램을 계산할 수 있다. 엔트로피 산출부(130)는 수학식 1에 계산된 히스토그램(f(i))을 대입하여 라플라시안 이미지의 엔트로피를 산출할 수 있다.

제어부(100)는 이렇게 산출된 엔트로피 값을 정규화 할 수 있다. 예를 들어, 제어부(100)는 엔트로피 값을 0~100까지 정규화하여 초점의 정확도를 수치화할 수 있다.

그리고, 제어부(100)는 기 설정된 기준 엔트로피 값을 만족하는 영상을 판별하여 홍채 인식을 함으로써, 보안성 높은 홍채 인식 시스템을 구현할 수 있다. 예를 들어, 제어부(100)는 기 설정된 기준 엔트로피 값이 80인 경우, 수집된 영상의 엔트로피 값이 80 이상인 이미지를 초점 정확도가 높은 이미지로 판별할 수 있다.

실시예는 홍채 인식률과 밀접한 상호관계를 갖는 초점의 정확도를 엔트로피 값으로 환산하여, 보안성 높은 홍채 인식 시스템을 구현할 수 있다

도 8은 초점의 정확성이 떨어지는 안구 영상이고, 도 9는 초점의 정확성이 높은 안구 영상이다.

실시예에 따라서, 도 8의 안구 영상의 크롭 이미지의 엔트로피를 정규화한 값은 76이고, 도 9의 안구 영상의 크롭 이미지의 엔트로피를 정규화한 값은 93이다.

도 8의 초점 정확도가 떨어지는 안구 영상을 홍채 인식하였을 때, 사용자의 홍채 인식 정확도가 낮고, 도 9의 초점 정확도가 높은 안구 영상을 홍채 인식하였을 때, 홍채 인식 정확도가 높았다.

따라서, 실시예에 따른 홍채 인식 방법은 초점 정확도가 높은 영상으로 홍채 인식을 수행함으로써, 불필요한 데이터 처리를 막으면서 정확도 높은 홍채 인식을 수행할 수 잇는 장점이 있다.

그리고, 이러한 실시예는 수집된 영상에서 홍채 영역의 초점 정확도가 높은지를 정밀하게 판단하면서, 연산방법이 단순하여 처리속도가 빠른 장점이 있다.

이하에서는 이러한 홍채 초점 정확도 판단방법을 이용하여 홍채 인식을 수행하는 다양한 실시예를 설명한다.

도 10은 제 1 실시예에 따른 홍채 인식 방법을 나타내는 흐름도이다.

먼저, 사용자가 홍채 인식 장치(10)의 작동영역 내로 들어왔는지 판단한다. (S201)

그리고, 사용자가 작동영역 내로 들어온 경우, 영상 수집부(400)는 사용자의 적어도 하나 이상의 이미지를 수집한다. (S203)

이후, 아이 로컬라이제이션(S205)와, 라플라시안 이미지 생성(S207)과, 엔트로피 값 산출(S209)을 통해 수집된 이미지의 초점 정확도를 판별한다. (S211)

초점의 정확도 판별과정은 전술하였으므로, 중복 설명은 생략하기로 한다.

제어부(100)는 초점의 정확도를 엔트로피 값으로 환산하고, 기 설정된 엔트로피 값을 만족하는지를 통해 수집된 영상이 홍채 인식 대상이 되는지 판별한다.

제어부(100)는 엔트로피 값이 기 설정된 엔트로피 값을 넘는 경우, 수집된 영상 중 크롭 이미지의 초점 정확도가 높은 것으로 인식하여, 홍채 인식을 수행한다. (S213)

제어부(100)는 엔트로피 값이 기 설정된 엔트로피 값 미만인 경우, 수집된 영상의 초점은 어긋난 것으로 판별하여, 다시 사용자의 영상을 수집한다.

제 1 실시예의 홍채 인식 방법은 홍채 인식 전 수집된 영상이 홍채 인식에 적합한지 사전에 판단하여 영상 수집 량을 결정할 수 있어서, 홍채 인식 처리 속도를 향상시킬 수 있다.

도 11은 제 2 실시예에 따른 홍채 인식 방법을 나타내는 흐름도이다.

먼저, 사용자가 홍채 인식 장치(10)의 작동영역 내로 들어왔는지 판단한다. (S301)

그리고, 사용자가 작동영역 내로 들어온 경우, 영상 수집부(400)는 사용자의 이미지 시퀀스를 수집한다. (S303)

이후, 수집된 복수의 이미지를 각각 아이 로컬라이제이션(S305)와, 라플라시안 이미지 생성(S307)과, 엔트로피 값 산출 한다. (S309)

다음으로, 제어부(100)는 복수의 이미지 중 엔트로피 값이 가장 높은 이미지를 홍채 인식 대상으로 선정할 수 있다. (S311)

즉, 제어부(100)는 엔트로피 값이 가장 높은 이미지를 홍채에 대한 초점 정확도가 가장 높은 것으로 인식하여, 홍채 인식 대상 이미지로 선택할 수 있다.

이후, 제어부(100)는 선정된 홍채 인식 대상 이미지로 홍채 인식을 수행할 수 있다. (S303)

제 2 실시예는 복수의 이미지 중 홍채에 대한 초점 정확도가 가장 높은 이미지를 선정하여, 선정된 이미지만 홍채 인식을 수행함으로써, 연산을 단순화하여 처리속도를 향상시킬 수 있으며, 초점이 정확한 이미지로 홍채 인식을 수행하여 홍채 인식 정확도를 향상시킬 수 있다.

이상에서 실시 예들에 설명된 특징, 구조, 효과 등은 본 발명의 적어도 하나의 실시예에 포함되며, 반드시 하나의 실시예에만 한정되는 것은 아니다. 나아가, 각 실시예에서 예시된 특징, 구조, 효과 등은 실시예들이 속하는 분야의 통상의 지식을 가지는 자에 의해 다른 실시예들에 대해서도 조합 또는 변형되어 실시 가능하다. 따라서 이러한 조합과 변형에 관계된 내용들은 본 발명의 범위에 포함되는 것으로 해석되어야 할 것이다.

이상에서 실시예를 중심으로 설명하였으나 이는 단지 예시일 뿐 본 발명을 한정하는 것이 아니며, 본 발명이 속하는 분야의 통상의 지식을 가진 자라면 본 실시예의 본질적인 특성을 벗어나지 않는 범위에서 이상에 예시되지 않은 여러 가지의 변형과 응용이 가능함을 알 수 있을 것이다. 예를 들어, 실시예에 구체적으로 나타난 각 구성 요소는 변형하여 실시할 수 있는 것이다. 그리고 이러한 변형과 응용에 관계된 차이점들은 첨부된 청구 범위에서 규정하는 본 발명의 범위에 포함되는 것으로 해석되어야 할 것이다.

10: 홍채 인식 장치
100: 제어부
200: 디스플레이부
300: 조명부
400: 영상 수집부

Claims (16)

1. 안구의 홍채를 인식하는 홍채 인식 장치에 있어서,
   상기 안구의 영상을 수집하는 영상 수집부; 및
   상기 안구의 영상에서 홍채 영역의 초점 정확도를 수치화하여 홍채 인식 대상 이미지를 판별하는 제어부; 를 포함하고,
   상기 제어부는
   상기 안구의 영상으로 라플라시안 이미지를 생성하여 상기 홍채 영역의 초점 정확도를 산출하는 라플라시안 이미지 생성부와, 상기 라플라시안 이미지의 엔트로피 값을 구하여 상기 홍채 영역의 초점 정확도를 수치화하는 엔트로피 산출부 포함하는
   홍채 인식 장치.
2. 제 1 항에 있어서,
   상기 제어부는
   상기 안구의 영상에 크롭 이미지를 추출한 후 상기 홍채 인식 대상 이미지를 판별하는 크롭 이미지 추출부를 포함하는
   홍채 인식 장치.
3. 제 2 항에 있어서,
   상기 크롭 이미지 추출부는
   상기 안구의 영상에서 상기 홍채의 위치를 탐색하여 상기 크롭 이미지를 추출하는
   홍채 인식 장치.
4. 삭제
5. 제 1 항에 있어서,
   상기 라플라시안 이미지 생성부는 상기 안구 영상에 대한 블러 이미지를 생성한 후 상기 블러 이미지와 안구 영상의 각 픽셀 마다 차이를 구하여 라플라시안 이미지를 생성하는
   홍채 인식 장치.
6. 제 5 항에 있어서,
   상기 라플라시안 이미지 생성부는 상기 블러 이미지를 가우시안 필터를 이용하여 생성하는
   홍채 인식 장치.
7. 삭제
8. 제 1 항에 있어서,
   상기 엔트로피 산출부는 상기 라플라시안 이미지에서 히스토그램을 생성하여 엔트로피 값을 산출하는
   홍채 인식 장치.
9. 제 8 항에 있어서,
   상기 엔트로피 산출부는 상기 엔트로피 값을 정규화하여 상기 홍채 영역의 초점 정확도를 수치화하는
   홍채 인식 장치.
10. 안구의 홍채를 인식하는 홍채 인식 장치의 동작 방법에 있어서,
    상기 안구의 영상을 수집하는 단계; 및
    상기 안구의 영상에서 홍채 영역의 초점 정확도를 수치화하여 홍채 인식 대상 이미지를 판별하는 단계를 포함하고,
    상기 안구의 영상의 초점 정확도 수치화 단계는
    상기 안구의 영상에 홍채 영역인 크롭 이미지를 추출하는 단계와, 상기 크롭 이미지로 라플라시안 이미지를 생성하는 단계와, 상기 라플라시안 이미지의 엔트로피 값을 구하여 상기 홍채 영역의 초점 정확도를 수치화하는 단계 포함하는
    홍채 인식 장치의 동작 방법.
    
11. 삭제
12. 삭제
13. 삭제
14. 삭제
15. 삭제
16. 삭제

Images