KR101823145B1 - 기준 포인트 이용 및 미이용에 의한 확실한 생체 특징 추출 - Google Patents

기준 포인트 이용 및 미이용에 의한 확실한 생체 특징 추출 Download PDF

Info

Publication number
KR101823145B1
KR101823145B1 KR1020127001529A KR20127001529A KR101823145B1 KR 101823145 B1 KR101823145 B1 KR 101823145B1 KR 1020127001529 A KR1020127001529 A KR 1020127001529A KR 20127001529 A KR20127001529 A KR 20127001529A KR 101823145 B1 KR101823145 B1 KR 101823145B1
Authority
KR
South Korea
Prior art keywords
reference point
template
feature set
biometric data
individual
Prior art date
Application number
KR1020127001529A
Other languages
English (en)
Other versions
KR20120102034A (ko
Inventor
안토뉘스 헤르마뉘스 마리아 아케르만스
사브리 보우호벨
디르크 예룬 브레바르트
알폰스 안토뉘스 마리아 람베르튀스 브뤼에케르스
버크 고크버크
쿤 테오 요한 데 그루트
에밀레 요세퓌스 카를로스 켈크붐
토마스 안드레아스 마리아 케페나르
아베케 네가쉬 레마
Original Assignee
코닌클리케 필립스 엔.브이.
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 코닌클리케 필립스 엔.브이. filed Critical 코닌클리케 필립스 엔.브이.
Publication of KR20120102034A publication Critical patent/KR20120102034A/ko
Application granted granted Critical
Publication of KR101823145B1 publication Critical patent/KR101823145B1/ko

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
    • G06V40/10—Human or animal bodies, e.g. vehicle occupants or pedestrians; Body parts, e.g. hands
    • G06V40/12—Fingerprints or palmprints
    • G06V40/1347—Preprocessing; Feature extraction
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
    • G06V40/10—Human or animal bodies, e.g. vehicle occupants or pedestrians; Body parts, e.g. hands
    • G06V40/12—Fingerprints or palmprints
    • G06V40/1347—Preprocessing; Feature extraction
    • G06V40/1359—Extracting features related to ridge properties; Determining the fingerprint type, e.g. whorl or loop
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/25—Fusion techniques
    • G06F18/253—Fusion techniques of extracted features
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/25—Fusion techniques
    • G06F18/254—Fusion techniques of classification results, e.g. of results related to same input data
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
    • G06V10/77—Processing image or video features in feature spaces; using data integration or data reduction, e.g. principal component analysis [PCA] or independent component analysis [ICA] or self-organising maps [SOM]; Blind source separation
    • G06V10/80—Fusion, i.e. combining data from various sources at the sensor level, preprocessing level, feature extraction level or classification level
    • G06V10/806—Fusion, i.e. combining data from various sources at the sensor level, preprocessing level, feature extraction level or classification level of extracted features
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
    • G06V10/77—Processing image or video features in feature spaces; using data integration or data reduction, e.g. principal component analysis [PCA] or independent component analysis [ICA] or self-organising maps [SOM]; Blind source separation
    • G06V10/80—Fusion, i.e. combining data from various sources at the sensor level, preprocessing level, feature extraction level or classification level
    • G06V10/809—Fusion, i.e. combining data from various sources at the sensor level, preprocessing level, feature extraction level or classification level of classification results, e.g. where the classifiers operate on the same input data
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/98—Detection or correction of errors, e.g. by rescanning the pattern or by human intervention; Evaluation of the quality of the acquired patterns
    • G06V10/993—Evaluation of the quality of the acquired pattern

Abstract

본 발명의 기본 아이디어는 개인의 생체 템플레이트를 생성할 때 적어도 2개의 서로 다른 특징 추출 프로세스들 중 하나를 선택적으로 이용하는 것이다. 개인은 생체 데이터가 도출될 수 있는 지문, 홍채, 귀, 얼굴, 등과 같은 생리학적 특성을 등록 당국의 센서에 제공한다. 다음에서, 논의될 특성은 임의의 적합한 생체 특성이 이용될 수 있을지라도 지문들일 것이다. 지문로부터 생체 데이터의 위치 기준 포인트와 도출된다. 위치 기준 포인트의 도출은 다수의 공지된 방법들 중에서 임의의 적합한 방법을 이용하여 달성될 수 있다. 이러한 기준 포인트는 코어, 델타, 상세 좌표들의 가중된 평균, 등의 위치일 수도 있을 것이다. 전형적으로, 기준 포인트는 xr, yr, 및 각 αr에 의해 표기된 3차원 좌표로서 표현된 지문의 코어를 포함한다. 기여 표시자는 도출된 위치 기준 포인트를 위해 계산되고, 도출된 위치 기준 포인트와 신뢰성있는 것으로 간주될 수 있는지가 결정된다. 도출된 기준 포인트의 신뢰도에 따라, 2개의 서로 다른 특징 추출 프로세스들 중 하나가 선택되는데, 제 1 특징 세트는 도출된 기준 포인트과 무관한 방법을 이용하여 추출되거나, 도출된 기준 포인트를 고려하는 방법이 이용된다. 기준 포인트의 추정이 더 나을수록, 기준 포인트-종속적 추출 방법은 더 신뢰성이 있게 된다. 마지막으로, 생체 템플레이트는 추출된 제 1 특징 세트를 이용하여 생성된다.

Description

기준 포인트 이용 및 미이용에 의한 확실한 생체 특징 추출{ROBUST BIOMETRIC FEATURE EXTRACTION WITH AND WITHOUT REFERENCE POINT}
본 발명은 개인에 연관된 생체 데이터로부터 템플레이트(template)를 생성하는 방법 및 시스템, 및 생체 데이터를 이용함으로써 개인의 아이덴티티를 검증하는 방법 및 시스템에 관한 것이다.
물리적 대상을 인증하는 프로세스는, 보안 빌딩들에의 조건부 액세스 또는 디지털 데이터(예를 들면, 컴퓨터 또는 착탈가능한 저장 매체들에 저장된)에의 조건부 액세스와 같은 많은 응용들에서, 또는 식별 목적들(예를 들면, 특별한 활동에 대해 식별된 개인을 적발하거나, 공항에서 승객들을 탑승시키기 위해)을 위해서 일반적으로 착수된다.
식별 및/또는 인증을 위한 생체의 이용은 날로 증가하는 정도로 패스워드들, 핀-코드들 및 인증 토큰들과 같은 통상적인 식별 수단에 대한 더 나은 대안인 것으로 간주된다. 생체 식별에서, 지문들, 홍채들, 귀의 모양, 얼굴 외형, 등과 같은 이용자에게 고유한 특징들은 이용자의 식별을 제공하기 위해 이용된다. 오늘날, 지문들은 가장 일반적인 생체 양상이고, 생체 시장의 대략 70%가 아이덴티티 검증을 위해 지문들을 이용한다. 대다수의 지문 알고리즘들은 개인의 생체 템플레이트를 형성하기 위한 적합한 방법으로 처리되는 상세 위치들에 기초한다. 이들 위치들은 등록 및 검증 동안 추정된다. 등록, 즉 등록 당국이 이용자의 생체 템플레이트를 획득할 때 초기 프로세스 동안, 이용자는 시스템에 템플레이트를 생성하여 아마도 암호화하여 저장하는 등록 당국의 등록 디바이스에 자신의 생체를 제공한다. 검증 동안, 이용자는 다시 시스템에 자신의 생체를 제공하고, 이에 의해 저장된 템플레이트는 검색(및 필요하다면 복호화)되고 저장되고 새로이 생성된 템플레이트와 대조가 행해진다. 즉, 등록 동안 얻어졌던 상세 위치들은 검증 동안 획득된 것들과 비교된다. 충분히 적합한 일치가 있다면, 이용자는 인증된 것으로 간주된다.
대안적 방식들은 지문 이미지의 리지들 및 밸리들의 방향성 필드와 같은 형태에 관계된 파라미터들을 이용한다. 이러한 방향성 필드는 지문에서 위치의 함수로서 추정되고 이어서 특징 데이터(또는 이들의 파생)로서 이용된다. 측정 데이터의 병진 및 회전은 미세 위치들 또는 형태에 관계된 파라미터들이 대조되어야 할 때 주요 문제들을 야기한다. 이용자는 등록 동안과는 다르게 검증 동안 자신의 손가락을 놓을 수 있다. 대부분의 경우에, 검증 동안 비교 단계는 병진 및 회전 차이들을 보상하기 위해 실제 비교 프로세스가 이용되기 전에 템플레이트 정렬 단계를 요구한다. 보다 진보된 비교 알고리즘들은 비선형 왜곡도 고려한다.
비밀 위반이 시스템에서 일어날 때는 언제나 생체 식별 시스템을 이용하는 개인들의 무결성을 보호하기 위해서, 실제 템플레이트가 평문으로는 결코 이용될 수 없게 생체 템플레이트들을 암호화 또는 해시하고 암호화된 데이터에 관해 검증(또는 대조)을 실행하는 암호화 기술들이 구상될 수 있다. 생체 데이터에 대한 암호화 또는 원-웨이 함수들을 이용하는 이들 템플레이트 보호 기술들의 출현으로, 비교 동안 템플레이트 정렬은 사실상 불가능하다. 비교는 암호화된 영역에서 이용되고, 따라서 정렬 또는 분석 목적을 위해 원래의 생체 데이터에의 액세스는 없다. 결국, 정렬 문제들은 템플레이트를 생성하기 전에 사전 처리 단계로서 해결되어야 한다.
사전처리 단계로서 정렬을 위한 공지된 방법은 특징들을 추출하고, 어떤 기준 포인트에 의해 상세 데이터를 정정하는 것이다. 이 기준 포인트는 코어 위치(들), 델타 위치, 평균 미세 위치, 또는 이외 어떤 다른 지문 이미지 내에 비교적 안정된 재생성가능한 기준 위치의 도움으로 발견 및/또는 생성될 수도 있을 것이다. 특징들이 이 기준 포인트에 관하여 규정되고, 이 프로세스가 등록 및 검증을 위해 유사하게 규정된다면, 검증 단계에서 비교동안 추가의 정렬 단계에 대한 필요성이 없다. 기준 포인트를 이용하는 방법이 대부분의 경우들에 있어 상당히 성공적일지라도, 이 또한 문제들을 야기할 수 있다. 실험적 테스트들로부터, 현재의 지문 분석 알고리즘들을 위해, 지문들의 약 10%는 신뢰성있는 기준 포인트(예를 들면, 고유 코어 위치)을 갖지 않는 것으로 추정된다. 이러한 경우들에 있어서, 정렬은 빈약하게 추정된 기준 포인트를 이용하여 실행되고 전혀 가능하지 않다. 검증 단계에서, 이것은 개인이 사실상 권한부여가 되었을지라도 개인이 거절될 수도 있다는 결과를 가지고, 이것은 전체 집단에 대해서 평균으로 검증 실행의 현저한 저하를 초래한다. 명백히, 권한받은 개인들을 잘못 거절하지 않는 것이 바람직하다. 즉 낮은 오 거절율(FRR)이 요구된다. 따라서, 기준 포인트의 추출에 적합하지 않은 생체 특징들을 갖는 개인들은 등록 실패가 일어나지 않거나, 검증 단계에서 고 FRR가 생성하지 않을 것이다.
본 발명의 목적은 이 문제를 극복하는 것이고, 개인에 연관된 생체 데이터로부터 템플레이트를 생성하는 방법을 제공하는 것이다.
이 목적은 개인에 연관된 생체 데이터로부터 템플레이트를 생성하는 방법, 및 독립 청구항들에 규정된 생체 데이터를 이용함으로써 개인의 아이덴티티를 검증하는 방법에 의해 달성된다. 본 발명의 추가의 실시예들은 종속 청구항들에 규정되고, 본 발명의 다른 목적들은 다음 설명을 통해 명백하게 될 것이다.
본 발명의 제 1 양태에서, 개인에 연관된 생체 데이터로부터 템플레이트를 생성하는 방법이 제공된다. 방법은 생체 데이터의 위치 기준 포인트 및 위치 기준 포인트에 대한 신뢰도 측정을 도출하는 단계, 도출된 위치 기준 포인트에 대한 기여 표시자를 계산하는 단계, 생체 데이터로부터 제 1 특징 세트를 추출하는 단계로서, 세트는 도출된 기준 포인트와 신뢰성이 있는 것으로 간주된다면 도출된 위치 기준 포인트를 고려하여 추출되는, 상기 추출 단계를 포함한다. 그러나, 기준 포인트가 신뢰성이 없는 것으로 간주된다면, 제 1 특징 세트의 추출은 도출된 위치 기준 포인트에 관계없이 착수된다. 또한, 방법은 추출된 제 1 특징 세트로부터 템플레이트를 생성하고 템플레이트를 기여 표시자에 연관시키는 단계를 포함한다.
본 발명의 제 2 양태에서, 생체 데이터를 이용함으로써 개인의 아이덴티티를 검증하는 방법이 제공된다. 방법은 개인의 등록 동안 계산되는 기여 표시자가 위치 기준 포인트가 등록에서 신뢰성 있었던 것으로 간주된다면, 개인의 생체 데이터의 위치 기준 포인트를 도출하는 단계를 포함한다. 또한, 방법은 기여 표시자가 신뢰도를 나타낸다면, 생체 데이터로부터 제 1 특징 세트를 추출하는 단계로서, 제 1 특징 세트는 도출된 위치 기준 포인트를 고려하여 추출되는, 상기 추출 단계, 및 추출된 제 1 특징 세트로부터 템플레이트를 생성하는 단계를 포함한다. 마지막으로, 방법은 생성된 템플레이트를 상응을 체크하기 위해 적어도 하나의 등록된 템플레이트와 비교하는 단계로서, 개인의 아이덴티티는 상응이 존재하는지 검증되는, 상기 비교 단계를 포함한다.
본 발명의 제 3 양태에서, 개인에 연관된 생체 데이터로부터 템플레이트를 생성하기 위한 디바이스가 제공된다. 디바이스는 센서 및 프로세서를 포함하고, 센서는 개인의 생체 데이터의 위치 기준 포인트 및 위치 기준 포인트에 대한 신뢰도 측정을 도출하도록 구성된다. 프로세서는 도출된 위치 기준에 대한 기여 표시자를 계산하도록 구성된다. 센서는 또한 생체 데이터로부터 제 1 특징 세트를 추출하도록 구성되고, 제 1 특징 세트는 위치 기준 포인트와 신뢰성 있는 것으로 간주될 수 있음을 나타낸다면, 도출된 위치 기준 포인트를 고려하여 추출된다. 또한, 프로세서는 추출된 제 1 특징 세트로부터 템플레이트를 생성하고 템플레이트를 계산된 기여 표시자에 연관시키게 더욱 배열된다.
본 발명의 제 4 양태에서, 생체 데이터를 이용함으로써 개인의 아이덴티티를 검증하기 위한 디바이스가 제공된다. 디바이스는 센서 및 프로세서를 포함한다. 센서는 등록 동안 계산되는 기여 표시자가 위치 기준 포인트가 등록에서 신뢰성 있는 것으로 간주되었음을 나타낸다면, 개인의 생체 데이터의 위치 기준 포인트를 도출하고, 기여 표시자가 신뢰도를 나타낸다면, 제 1 특징 세트는 도출된 위치 기준 포인트를 고려하여 추출되는 것으로, 생체 데이터로부터 제 1 특징 세트를 추출하게 더욱 배열된다. 프로세서는 추출된 제 1 특징 세트로부터 템플레이트를 생성하도록 구성되고, 개인의 아이덴티티는 상응이 존재하는지 검증되는 것으로, 상응을 체크하기 위해 생성된 템플레이트를 적어도 하나의 등록된 템플레이트와 비교하도록 구성된다.
본 발명의 기본 아이디어는 개인의 생체 템플레이트를 생성할 때 적어도 2개의 서로 다른 특징 추출 프로세스들 중 하나를 선택적으로 이용하는 것이다. 개인은 생체 데이터가 도출될 수 있는 지문, 홍채, 귀, 얼굴, 등과 같은 생리학적 특성을 등록 당국의 센서에 제공한다. 다음에서, 논의될 특성은 임의의 적합한 생체 특성이 이용될 수 있을지라도 지문들일 것이다. 지문로부터 생체 데이터의 위치 기준 포인트와 도출된다. 위치 기준 포인트의 도출은 다수의 공지된 방법들 중에서 임의의 적합한 방법을 이용하여 달성될 수 있다. 이러한 기준 포인트는 코어, 델타, 상세 좌표들의 가중된 평균, 등의 위치일 수도 있을 것이다. 전형적으로, 기준 포인트는 xr, yr, 및 각 αr로 표기된 3차원 좌표로서 표현된 지문의 코어를 포함한다. 또한, 도출된 위치 기준 포인트와 신뢰성이 있는 것으로 간주될 수 있는지 결정되고, 기여 표시자는 도출된 위치 기준 포인트를 위해 계산된다. 도출된 기준 포인트의 신뢰도에 따라, 2개의 서로 다른 특징 추출 프로세스들 중 하나가 선택되는데, 제 1 특징 세트는 도출된 기준 포인트와는 무관한 방법을 이용하여 추출되거나, 도출된 기준 포인트를 고려하는 방법이 이용된다. 기준 포인트의 추정이 더 나을수록, 기준 포인트-종속적 추출 방법은 더 신뢰성이 있게 된다. 마지막으로, 생체 템플레이트는 추출된 제 1 특징 세트를 이용하여 생성되고, 생성된 템플레이트는 후속 검증을 위한 기여 표시자에 연관된다.
기준 포인트의 추정을 적격이 되게 할 수 있기 위해서, 기여 표시자는 도출된 기준 포인트를 위해 계산되고, 기준 포인트와 개인의 지문 내 확실히 있고 또한 확실하게 검출될 수 있는 것으로 분석이 나타낸다면, 기여 표시자에는 예를 들면, 1의 값이 주어진다. 그러나, 기준 포인트와 발견될 수 없다면, 기여 표시자에는 0의 값이 주어진다.
제 1 예시적 상황에서, 기여 표시자가 1의 값을 갖거나 1에 매우 가깝다면, 제 1 추출된 특징 세트로부터 생성될 생체 템플레이트는 이것이 기준 포인트의 양호한 추정을 나타내며 결국 추출의 특정 방법이 이 특정 상황에서 신뢰성있는 것으로 간주될 수 있음을 나타내기 때문에, 도출된 기준 포인트를 고려하는 추출 방법을 이용하여 생성된다. 따라서, 이 제 1 상황에서, 생체 내 기준 포인트의 존재는 기여 표시자에 의해 알려진다.
제 2 예시적 상황에서, 기여 표시자가 0의 값을 갖거나 0에 매우 가깝다고 가정하고, 제 1 추출된 특징 세트로부터 생성될 생체 템플레이트는 이것이 기준 포인트의 빈약한 추정을 나타내며 결국 도출된 기준 포인트를 고려하는 추출 방법이 특정 상황에서 신뢰성있는 것으로 간주될 수 없음을 나타내기 때문에, 기준 포인트-무관 추출 방법을 이용하여 생성된다. 대신, 도출된 위치 기준 포인트에 무관한 추출 방법이 이용된다. 이에 따라, 이 제 2 상황에서, 생체 내 기준 포인트의 부재는 기여 표시자에 의해 알려진다.
본 발명의 실시예에서, 제 2 특징 세트는 생체 데이터로부터 추출된다. 이 실시예에서, 템플레이트는 추출된 특징 세트들 중 어느 하나 또는 양쪽 모두로부터 생성되고, 기여 표시자는 생성된 템플레이트 내 각각의 특징 세트의 기여를 결정하기 위해 더욱 고려된다.
이 특정 실시예에서, 신뢰도 표시자는 0 내지 1의 범위 내 임의의 값을 취할 수 있다. 물론, 다른 등급화가 가능하다. 앞에 기술된 상황들에서처럼, 기여 표시자의 값이 1에 가깝다면, 제 1 추출된 특징 세트로부터 생성될 생체 템플레이트는 도출된 기준 포인트를 고려하는 추출 방법을 이용하여 생성되고, 반면 기여 표시자의 값이 0에 가깝다면, 제 1 추출된 특징 세트로부터 생성될 생체 템플레이트는 기준 포인트-무관 추출 방법을 이용하여 생성된다. 따라서, 기여 표시자가 기준 포인트의 매우 양호하거나, 매우 부적합한 추정을 나타내는 경우 제 1 특징 세트만이 추출될 필요가 있다.
그러나, 생체 템플레이트는 제 1 및 제 2 특징 세트들로부터 도출된 특징들의 부분들로부터 생성될 수도 있을 것이고, 이 경우 기여 표시자는 두 세트들로부터 이용되는 특징들의 절대 또는 상대적 개수를 결정한다. 따라서, 제 3 예시적 상황에서, 기여 표시자가 예를 들면, 0.5의 값, 즉 도출된 기준 포인트의 신뢰도가 양호하지만 현저하지 않은 것으로 간주된다고 할 때, 제 1 특징 세트는 기준 포인트-종속적 방법을 이용하여 추출된다. 또한, 제 2 특징 세트는 기준 포인트-무관 방법을 이용하여 추출되고, 추출된 특징 세트들 중 어느 하나 또는 양쪽 모두로부터 생성될 생체 템플레이트는 제 1 및 제 2 특징 세트의 조합으로부터 생성되는데, 이것은 기준 포인트의 꽤 양호한 추정을 나타내며 결국 수락가능하게 신뢰성있거나, 심지어 부분적으로 매우 신뢰성이 있는 것으로 간주될 수 있는 추출된 제 1 특징 세트를 나타내기 때문이다. 결국, 특징들의 부분들은 제 1 추출된 세트로부터 취해지고 제 2 추출된 세트로부터 취해진 특징들의 부분들과 조합되어 생체 템플레이트를 생성할 수 있다.
위와 유사하게, 본 발명의 실시예에서, 기여 표시자 자체는, 선택된 등급화에 따라, 생성된 템플레이트 내 각각의 특징 세트의 기여를 나타낸다. 예를 들면, 0.5의 값은 생성된 템플레이트 내 2개의 특징 세트들에 대해 50/50-가중치가 주어져야 함을 나타낼 수도 있을 것이다. 대안적 실시예에서, 별도의 특징 세트 표시자는 생성된 템플레이트 내 각각의 특징 세트의 기여를 나타내기 위해 이용된다. 이러한 대안적 실시예에서, 기여 표시자는 기준 포인트의 추정을 적격이 되게 하기 위해서만 이용되고 생성된 템플레이트 내 각각의 특징 세트의 가중치를 나타내기 위해 이용되지 않는다.
알 수 있는 바와 같이, 본 발명은 예를 들면, 등록 동안 개인의 생체 템플레이트를 생성하기 위해 2개의 서로 다른 보충적 특징 추출 프로세스들의 조합이 이용되는 점에서 잇점이 있다. 따라서, 정렬 문제들에 관계된 종래기술에서 앞에서 논의된 문제들은 기준 포인트 데이터를 고려하는 특징 추출 프로세스가 이용되는 점에서 발명에 의해 완화되거나 극복되고, 생체 데이터로부터 위치 기준 포인트의 추정이 빈약하거나 전혀 가능하지 않다면 기준 포인트-무관 특징 추출 프로세스가 이용된다. 본 발명에 의해, 신뢰성있는 특징 세트는 생체 템플레이트를 생성하기 위해 이용될 것이다.
제 1 특징 세트는 기준 포인트 추정이 양호하거나 적어도 수락가능한 경우엔, 생체 데이터 기준 포인트를 고려하는 추출 프로세스를 이용하여 도출된다. 예시적 기준 포인트 추출 프로세스는 본 발명의 실시에들의 상세한 설명에서 기술될 것이다.
제 2 특징 세트(또는 빈약한 기준 포인트 추정의 경우엔 제 1 특징 세트)는 기준 포인트-무관 추출 프로세스를 이용하여 도출되고, 예를 들면, (a) 완전한 지문 이미지에 대해 분석된 요약 특징들 또는 (b) 병진 및/또는 회전-무관 특징들을 가져오게 하는 전용 변환들을 이용하여 도출될 수 있다. 본 발명의 실시예들의 상세한 설명에서, 카테고리 (a)에 속하는 방식이 기술될 것이다. 본 양수인에 양도되고 참조로서 여기에 포함시키는 미국 특허 출원 US2007/0266427은 이러한 방법을 개시한다.
개인의 검증 동안, 개인은 이 특정 예에선 지문인 생체 데이터가 도출될 수 있는 대응하는 생리학적 특성을 검증 당국의 센서에 제공한다. 개인의 등록 동안 계산된 기여 표시자가 획득되고 (a) 기준 포인트를 고려하는 특징 추출 방법 또는 (b) 기준 포인트과 무관한 특징 추출 방법을 이용할지를 결정하기 위해 고려된다. 등록 기여 표시자가 기준 포인트와 신뢰성있게 도출될 수 있음을 나타내는 경우에, 생체 데이터의 위치 기준 포인트와 도출되고, 제 1 특징 세트는 대응하는 추출 방법이 등록 동안 이용되었기 때문에, 도출된 위치 기준 포인트를 고려하여 추출된다. 그러나, 등록 동안 계산된 기여 표시자가 기준 포인트의 추정이 빈약함을 나타낸다면, 기준 포인트 무관 방법이 추출을 위해 이용될 것이다. 이 특정한 경우에, 검증 동안 기준 포인트를 도출할 필요가 없다. 이어서, 템플레이트는 추출된 제 1 특징 세트로부터 생성되고, 따라서 이 세트는 등록 동안 이용된 방법에 대응하는 방법을 이용하여 추출되었다. 검증 템플레이트가 제 1 특징 세트로부터 생성되었을 때, 검증 템플레이트는 등록 동안 생성된 적어도 하나의 템플레이트와 비교된다. 상응이 존재한다면, 개인의 아이덴티티가 검증될 수 있다.
등록 단계에서 특징 세트들의 조합이 개인을 위해 이용되는 경우에, 개인을 검증할 때 특징들의 동일한 조합이 이용된다. 따라서, 본 발명의 실시예에서, 생체 데이터의 위치 기준 포인트와 도출된다. 개인의 등록 동안 계산된 기여 표시자는 도출된 위치 기준 포인트를 위해 획득되고, 기여 표시자는 생성된 템플레이트 내 각각의 특징 세트의 기여를 나타낸다. 이어서, 제 1 특징 세트는 기준 포인트-종속적 방법을 이용하여 추출되고, 제 2 특징 세트는 기준 포인트-무관 방법을 이용하여 추출된다. 템플레이트는 기여 표시자에 기초하여 추출된 특징 세트들의 조합으로부터 생성된다. 마지막으로, 검증 템플레이트는 등록 동안 생성된 적어도 하나의 템플레이트와 비교된다. 상응이 존재한다면, 개인의 아이덴티티가 검증될 수 있다.
대안적 실시예에서, 앞에서 논의된 특징 세트 표시자는 생성된 템플레이트에서 각각의 특징 세트의 기여를 나타내기 위해 이용된다. 검증 템플레이트가 적합한 특징 세트(들)로부터 생성되었을 때, 검증 템플레이트는 등록 동안 생성된 적어도 하나의 템플레이트에 비교된다. 상응이 존재한다면, 개인의 아이덴티티가 검증될 수 있다.
실제로, 개인으로부터 검증 템플레이트는 잡음, 오정렬, 측정 오류들, 등에 기인하여 대응하는 등록에 거의 동일하지 않을 것임에 유의한다. 초과되는 소정의 임계값은 검증 템플레이트를 등록 템플레이트와 비교하는 단계에서 이용될 수 있다. 두 개의 템플레이트들이 어떤 정도로 서로 부합하는 것으로 간주된다면, 즉 비교값이 임계값 이상이면, 대조는 충분히 양호한 것으로 간주된다.
비보호된 생체 템플레이트들의 이용이 위에서 기술되었을지라도, 보호된, 즉 암호화된 템플레이트들의 생성 및 대조가 본 발명에서 이용될 수 있음에 유의한다.
템플레이트를 생성하기 위해 한 단일의 추출된 특징 세트가 이용되는 경우에, 신뢰도의 측정은 기여 표시자를 대신할 수도 있을 것이다. 따라서, 신뢰도의 측정은 2개의 서로 다른 특징 추출 프로세스들 중 어느 것이 선택됨을 나타낼 수도 있는데, 도출된 기준 포인트와는 무관한 방법이 이용되거나, 도출된 기준 포인트를 고려하는 방법이 이용된다. 기준 포인트의 추정이 더 나을수록, 기준 포인트-종속적 추출 방법이 더 신뢰성이 있게 된다. 예를 들면, 1의 값을 갖거나, 1에 매우 가까운 신뢰도의 측정에 있어서, 제 1 추출된 특징 세트로부터 생성될 생체 템플레이트는 도출된 기준 포인트를 고려하는 추출 방법을 이용하여 생성되고, 0의 값을 갖거나, 0에 매우 가까운 신뢰도의 측정에 있어서, 제 1 추출된 특징 세트로부터 생성될 생체 템플레이트는 기준 포인트-무관 추출 방법을 이용하여 생성된다.
개인의 아이덴티티의 검증이 본 발명에서 실행될 때, 이 검증은 개인의 인증이 실행되는 것을 의미하거나 개인의 식별이 실행됨을 의미할 수 있는 것에 유의한다. 인증에서, 개인은 어떤 아이덴티티를 가질 것을 요구하고, 제공된 데이터와 저장된 데이터 간에 상응을 검증하기 위해서 제공된 생체 데이터는 저장된 생체 데이터(요청된 아이덴티티에 결부되는)와 비교된다. 식별에서, 제공된 생체 데이터는 제공된 데이터와 저장된 데이터 간에 상응을 검증하기 위해서, 복수의 저장된 가용한 생체 데이터 세트들과 비교된다. 어쨌든, 제공된 데이터는 하나 이상의 저장된 데이터 세트들과 비교된다. "검증"이라는 용어는 이 용어가 이용되는 맥락에 따라, 본원 전체에 걸쳐 "인증" 또는 "식별"을 나타낼 수 있다는 것이 명백하다.
본 발명의 다른 특징들 및 잇점들은 첨부된 청구항들 및 다음 설명을 검토할 때 명백하게 될 것이다. 당업자들은 본 발명의 서로 다른 특징들이 조합되어 다음에 기술되는 것들 외의 실시예들을 생성할 수 있음을 안다. 본 발명은 청구항들에 인용된 특징들의 모든 가능한 조합들에 관계된 것임에 유의한다.
본 발명의 이들 및 다른 특징들은 본 발명의 실시예들을 도시한 첨부된 도면들을 참조하여, 이제 더 상세히 기술될 것이다.
도 1은 본 발명의 실시예에 따라. 개인에 연관된 생체 데이터로부터 템플레이트를 생성하기 위한 디바이스를 도시한 도면.
도 2는 본 발명의 실시예에 따라. 생체 데이터를 이용함으로써 개인의 아이덴티티를 검증하는 디바이스를 도시한 도면.
도 3은 본 발명의 또 다른 실시예에 따라. 개인에 연관된 생체 데이터로부터 템플레이트를 생성하기 위한 디바이스를 도시한 도면.
도 4는 본 발명의 또 다른 실시예에 따라.생체 데이터를 이용함으로써 개인의 아이덴티티를 검증하는 디바이스를 도시한 도면.
도 1은 본 발명의 실시예에 따라 개인에 연관된 생체 데이터로부터 템플레이트를 생성하기 위한 디바이스(100)를 도시한 것이다. 따라서, 도 1에 도시된 디바이스(100)는 생체 식별 시스템에 개인을 등록하기 위해 이용된다.
등록 디바이스(100)는 개인(102)의 제공된 생체 특성, 예를 들면, 지문으로부터 특징 세트들을 추출하기 위한 센서(101)를 포함한다. 지문으로부터, 센서(101)는 생체 데이터의 위치 기준 포인트 및 위치 기준 포인트에 대한 신뢰도 측정을 도출한다. 프로세서(103)는 블록(104)에서 도출된 위치 기준 포인트에 대한 기여 표시자를 계산하고, 도출된 위치 기준 포인트와 신뢰성있는 것으로 간주될 수 있는지가 결정된다. 도 1에 도시된 바와 같이, 프로세서(103)는 이 정보를 다시 센서(101)에 공급하고, 도출된 기준 포인트의 신뢰성에 따라, 2개의 서로 다른 특징 추출 프로세스들 중 하나가 선택되는데, 제 1 특징 세트는 도출된 기준 포인트과 무관한 방법을 이용하여 센서(101)에 의해 추출되거나, 센서(101)는 도출된 기준 포인트를 고려하는 방법을 이용한다. 기준 포인트의 추정이 더 나을수록, 기준 포인트-종속적 추출 방법은 더 신뢰성이 있게 된다. 마지막으로, 블록(105)에서 추출된 제 1 특징 세트를 이용하여 생체 템플레이트가 생성된다. 생성된 생체 템플레이트는 특별한 생성된 생체 템플레이트에 대해 어떤 추출 방법이 이용될 것인지를 나중에 검증자에게 나타내기 위한 기여 표시자와 함께 메모리(106)(프로세서 내에 또는 외부에 위치된)에 저장된다. 보안 이유로, 생성된 템플레이트는 메모리(106)에 전송되기 전에 블록(105)에서 암호화될 수 있다. 또한, 메모리(106)는 반드시 등록 디바이스(100)의 일체화된 부분일 필요는 없으나, 세계의 다른 부분에서도 디바이스로부터 원격에 위치될 수 있다.
도 2는 본 발명의 실시예에 따라 생체 데이터를 이용함으로써 개인의 아이덴티티를 검증하는 디바이스(200)를 도시한 것이다. 도 2의 검증 디바이스(200)는 도 1의 등록 디바이스(100)와 구조적으로 매우 훨씬 유사하다.
개인(202)의 검증 동안, 개인은 이 특별한 예에서 지문인 생체 데이터가 도출될 수 있는 대응하는 생리학적 특성을 검증 디바이스(200)의 센서(201)에 제공한다. 개인의 등록 동안 계산된 기여 표시자는 메모리(206)로부터 프로세서(203)의 블록(204)에 의해 획득되어 센서(201)에 제공된다. 기여 표시자는 (a) 기준 포인트를 고려하는 특징 추출 방법을 이용하거나, 아니면 (b) 기준 포인트와는 무관한 특징 추출 방법을 이용할지를 결정하기 위해 센서(201)에 의해 고려된다. 기준 포인트와 신뢰성 있게 도출될 수 있음을 등록 기여 표시자가 나타내는 경우에, 생체 데이터의 위치 기준 포인트는 센서(201)에 의해 도출되고, 제 1 특징 세트는 대응하는 추출 방법이 등록 동안 이용되었기 때문에, 도출된 위치 기준 포인트를 고려하여 추출된다. 그러나, 등록 동안 계산된 기여 표시자가 기준 포인트의 추정이 빈약함을 나타낸다면, 기준 포인트 무관 방법이 추출을 위해 이용될 것이다. 이 특별한 경우에, 검증 동안 기준 포인트를 도출할 필요는 없다. 이어서, 블록(205)는 이에 따라 세트는 등록 동안 이용되는 방법에 대응하는 방법을 이용하여 추출되었던 추출된 제 1 특징 세트로부터 템플레이트를 생성한다. 검증 템플레이트가 제 1 특징 세트로부터 생성되었을 때, 검증 템플레이트가 블록(207)에서 등록 동안 생성되고 메모리(206)로부터 가져온 적어도 하나의 템플레이트와 비교된다. 상응이 존재한다면, 개인(202)의 아이덴티티가 검증될 수 있다.
실제 상황에서, 등록 당국은 검증자와 일치할 수 있지만, 이들은 분배될 수도 있다. 예로서, 생체 시스템이 은행 응용들을 위해 이용된다면, 은행의 모든 큰 지점들은 전형적으로 신규 개인들을 시스템에 등록할 수 있게 하여 분배된 등록 당국이 생성되게 할 것이다. 등록 후에, 개인이 자신의 생체 데이터를 인증으로서 이용하면서 이러한 지점으로부터 현금을 인출하기를 원한다면, 이 지점은 검증자의 역할을 취할 것이다. 한편, 이용자가 자신의 생체 데이터를 인증으로서 이용하여 편의점에서 지불한다면, 편의점은 검증자의 역할을 취할 것이지만, 편의점은 등록 당국으로서 기능하진 않을 것이다.
위에서 알 수 있는 바와 같이, 개인은 생체 센서를 내장하고 계산능력들이 있는 디바이스에 액세스할 수 있다. 실제로, 디바이스는 스마트 카드에 일체화된 지문 센서 또는 모바일 전화 또는 PDA 내 홍채 또는 얼굴 인식을 위한 카메라를 포함할 수도 있을 것이다. 개인이 신뢰된 당국(예를 들면, 은행, 국립 당국, 정보)로부터 디바이스를 얻었으며 따라서 이 개인이 이 디바이스를 신뢰하는 것으로 가정된다.
이제, 도출된 위치 기준 포인트를 고려하는 방법인, 생체 데이터로부터 특징 세트들을 추출하기 위한 종래 기술의 방법은 "Practical Biometric Authentication with Template Protection" by Pim Tuyls et al, AVBPA 2005, LNCS 3546, pp. 436-446, 2005, Springer-Verlag Berlin Heidelberg 2005에 기술되어 있다. 이 방법은 제 1 특징 세트를 추출하기 위해 본 발명에서 이용될 수도 있을 것이다.
"Fingerprint Feature Extraction"이라 표기된 2.3절을 참조하면, 고정 기길이 특징 벡터 표현이 제시되어 있고 이의 원소들은 직접 하나씩 비교될 수 있다. 선택된 특징 벡터는 리지 라인들의 국부적 방위들에 의해 지문의 전역 형상을 기술한다. 대조 동안 등록 단계를 요구함이 없이, 특징 벡터들의 직접적인 비교를 할 수 있게 하기 위해서, 특징 벡터들은 특징 추출 동안 미리 정렬되어야 한다. 이 목적을 위해서, 코어 포인트(즉 가장 안쪽의 만곡된 리지의 맨위에 점)이 이용된다. 이들 코어 포인트들은 공지된 우도 비-기반 알고리즘을 이용하여 자동으로 추출된다. 지문의 모양을 기술하기 위해서, 2가지 유형들의 특징 벡터들이 그레이 스케일 지문 이미지들로부터 추출된다.
제 1 특징 벡터는 스퀘어 방향성 필드이다. 예를 들면, 코어 포인트을 중심으로 하는 예를 들면, 8 픽셀들의 간격들을 가진 16 x 16 포인트들의 정규 격자에서 평가된다. 256 위치들 각각에서, 스퀘어 방향성 필드는 x- 및 y- 값들을 나타내는 2개의 원소들의 벡터로 부호화되어 512-차원 특징 벡터가 된다.
제 2 특징 벡터는 지문의 Gabor 응답이다. 공간 로컬 평균의 감산 후에, 지문 이미지는 다음 식에 의해 주어지는 한 세트의 4개의 복소수 Gabor 필터들에 의해 필터링된다.
hGabor(x, y) = exp(-(x2 + y2)/2σ2)*exp(j2πfㆍ(xsinθ + ycosθ))
방위들 θ은 0, π/4, π/2, 및 3π/4에 설정되고, 공간 주파수 f는 평균 공간 리지-밸리 주파수(f = 0.11)에 조율되고, 필터의 폭 σ은 전체 방위 범위가 커퍼되게 설정된다(σ = 3.5). 출력 이미지들의 절대값들이 취해지고, 이것은 이어서 저역통과 가우시안 윈도우에 의해 필터링된다. 다시, 샘플들은 8 픽셀들의 간격들을 가진 16 x 16 점들의 정규 격자로 취해지고 코어 포인트을 중심으로 한다. 합성 특징 벡터는 길이 1024이다. 대조를 위해 이용되는 합성 특징 벡터는 스퀘어 방향성 필드 및 Gabor 응답의 연결이다. 이것은 지문의 전역 형상을 1536 원소들로 기술한다. 이에 따라, 추출된 특징 세트는 도출된 위치 기준 포인트("코어 포인트")에 기초하여 결정된다.
도출된 코어 포인트의 신뢰도에 관하여, "Enrolment"라 표기된 3.1절을 참조한다. 사람 i의 입력 특징 벡터들은 Xi = {X i ,j}j = 1....M으로서 표기된다. 바이너리 스트링 Q(X i ,j)는 특징 벡터 X i ,j로부터 구성된다. j=1...M에 대해 값들 (Q(X i ,j))t이 모두 같다면, 고정된 이용자 i = 1,...,N에 대해 Q(X i ,j)의 t-번째 성분을 신뢰성있다라고 한다. 부울린 벡터 Bi∈{0,1}k는 신뢰성있는 비트들을 나타낸다. 이의 t-번째 엔트리는 Q(X i ,j) 의 t-번째 성분이 신뢰성있다면 1이고 그렇지 않다면 t-번째 엔트리는 제로이다.
또한, 위치 기준 포인트와는 무관하게 동작하는 방법인, 생체 데이터로부터 특징 세트들을 추출하는 종래기술의 방법은 본 양수인에 양도된 미국 특허 출원 US2007/0266427에 기술되어 있다. 요약하여, 방법은 서로 다른 성분들의 합산을 실행하고 결과적인 합을 평균화 함수와 콘벌루션을 행하고 이에 의해서 헬퍼 데이터 방식에서 잇점이 있게 이용될 수 있는 새로운 제 1 특징 벡터 XF = fX ,s(x)가 생성되게 함으로써, 제 1 세트의 생체 데이터 XT로부터 n + 1 성분들을 포함하는 제 1 특징 세트 X의 도출을 기술하고 특징 밀도함수 fX ,s(x)로 변환된다.
Figure 112012005024446-pct00001
이것은 전형적으로 밀도 함수의 샘플링된 버전이 될 것이고, 이에 따라 특징 세트 X 내에 있는 n + 1 개의 성분들에 관계없이 동일한 유한 차원들의 특징 벡터들이 된다.
본 발명으로 돌아가서, 또 다른 실시예가 기술된 도 3을 참조한다. 이 특정 실시예에서, 템플레이트는 추출된 특징 세트들의 조합을 이용하여 생성된다. 도 3의 디바이스(300)는 도 1의 디바이스(100)와 매우 구조적으로 유사하다. 그러나, 기여 표시자는 이 실시예에서 템플레이트 생성 블록(305)에도 제공된다. 등록 디바이스(300)의 센서(301)는 개인(302)에 의해 제공되는 생체 데이터의 위치 기준 포인트를 도출하고, 도출된 위치 기준 포인트와 신뢰성있는 것으로 간주될 수 있는지가 더욱 결정된다. 프로세서(303)는 블록(304)에서 도출된 위치 기준 포인트에 대한 기여 표시자를 계산한다. 이 특별한 실시예에서, 도출된 기준 포인트의 신뢰도는 양호한 것으로 간주되나, 이에 따라 생체 템플레이트는 제 1 및 제 2 특징 세트로부터 도출되는 특징들의 부분들로부터 생성되어야 하는 것으로 판단된다. 프로세서(303)는 이 정보를 다시 센서(301)에 공급하고, 도출된 기준 포인트를 고려하는 방법을 이용하여 제 1 특징 세트 및 도출된 기준 포인트와는 무관한 방법을 이용하여 제 2 특징 세트를 추출한다. 블록(304)은 템플레이트 생성 블록(305)에 기여 표시자를 더욱 제공한다.
마지막으로, 생체 템플레이트는 제 1 및 제 2 특징 세트로부터 도출된 특징들의 부분들을 이용하여 블록(305)에서 생성되고, 기여 표시자는 템플레이트 내 두 세트들로부터 이용되는 특징들의 절대 또는 상대적 개수를 결정한다. 생성된 생체 템플레이트는 추후에 생성된 템플레이트 내 각각의 특징 세트의 기여를 검증자에 나타내는 기여 표시자와 함께 메모리(306)에 저장된다.
도 4는 본 발명의 또 다른 실시예에 따라 생체 데이터를 이용함으로써 개인의 아이덴티티를 검증하는 디바이스(400)를 도시한 것이다. 도 4의 검증 디바이스(400)는 도 3의 등록 디바이스(300)과 구조적으로 거의 흡사하다.
개인(402)은 자신의 지문을 검증 디바이스(400)의 센서(401)에 제공한다. 개인의 등록 동안 계산된 기여 표시자는 메모리(406)로부터 프로세서(403)의 블록(404)에 의해 획득되어 센서(401)에 제공된다. 이 특정 실시예에서, 도출된 기준 포인트의 신뢰도는 양호한 것으로 간주되나, 두드러지진 않으며, 따라서 생체 템플레이트는 제 1 및 제 2 특징 세트로부터 도출된 특징들의 부분들로부터 생성되어야 할 것으로 판단된다. 검증 디바이스(400)의 센서(401)는 개인(402)에 의해 제공된 생체 데이터의 위치 기준 포인트를 도출하고, 도출된 기준 포인트를 고려하는 방법을 이용하여 제 1 특징 세트와, 도출된 기준 포인트와는 무관한 방법을 이용하여 제 2 특징 세트를 더욱 추출한다. 이어서, 블록(405)에서 제 1 및 제 2 특징 세트로부터 도출된 특징들의 부분들을 이용하여 생체 템플레이트가 생성되고, 메모리(406)에 의해 공급되는 기여 표시자는 템플레이트 내 두 세트들로부터 이용되는 특징들의 절대 또는 상대적 개수를 결정한다. 마지막으로, 검증 템플레이트가 제 1 및 제 2 특징 세트로부터 생성되었을 때, 검증 템플레이트는, 블록(407)에서, 등록 동안 생성되고 메모리(406)로부터 가져온 적어도 하나의 템플레이트와 비교된다. 상응이 존재한다면, 개인(402)의 아이덴티티가 검증될 수 있다.
본 발명의 디바이스들은 마이크로프로세서들 또는 계산능력들을 가진 다른 유사한 전자장비, 예를 들면 ASIC들, FPGA들, CPLD들 등과 같은 프로그래밍가능한 로직 디바이스들을 이용하여 구성됨이 명백하다. 또한, 마이크로프로세서들은 본 발명의 타스트들를 달성하는데 적합한 메모리들, 디스크들 또는 그외 것들에 저장된 적합한 소프트웨어를 실행한다.
또한, 위에 기술된 디바이스들 내에서, 이들에 관련하여, 통신되는 데이터는 SHA-1, MD5, AES, DES 또는 RSA와 같은 표준 암호화 기술들을 이용하여 더욱 보호될 수 있음이 당업자에게 명백하다. 임의의 데이터가 시스템 내 포함된 디바이스들(검증 동안 뿐만 아니라 등록 동안) 간에 교환되기 전에, 디바이스는 통신이 설정된 따른 디바이스의 진위에 관해 어떤 증거를 원할 수도 있을 것이다. 예를 들면, 신뢰된 디바이스가 수신된 등록 데이터를 생성하였다는 것이 등록 당국에 확증되어야만 하는 것이 가능하다. 이것은 공개키 증명서들을 이용함으로써, 또는 실제 설정, 대칭키 기술들에 따라 달성될 수 있다. 또한, 이용자 디바이스가 신뢰될 수 있다는 것과 위변조되지 않았다는 것이 등록 당국에 확증되어야만 하는 것이 가능하다. 그러므로, 디바이스들은 등록 당국이 위변조를 검출할 수 있게 하는 메커니즘들을 내포할 수 있다. 예를 들면, 물리적 클론불가 기능들(PUFs)이 이용될 수도 있다. PUF는 기능을 평가하기는 용이하나 물리적 시스템을 특징지우기는 어렵게 하는, 물리적 시스템에 의해 실현되는 기능이다. 실제 설정에 따라, 디바이스들 간에 통신들은 비밀 및 인증되어야 할 수도 있을 것이다. 이용될 수 있는 표준 암호화 기술들은 공개키 기술들 또는 유사한 대칭 기술들에 기초한 보안 인증 채널들(SACs)이다.
또한, 등록 데이터 및 검증 데이터는 등록/검증 데이터의 암화적으로 은닉된 카피로부터 등록/검증 데이터의 평문 카피를 생성하기가 계산적으로 실현불가하도록, 원-웨이 해시 함수, 또는 등록 데이터 및 검증을 은닉하는 이외 어떤 다른 적합한 암호화 함수를 이용함으로써 암호적으로 은닉될 수도 있는 것에 유의한다. 예를 들면, 키 이용 원-웨이 해시 함수, 트랩도어 해시 함수, 비대칭 암호화 함수 또는 심지어 대칭 암호화 함수를 이용하는 것이 가능하다.
100, 300: 등록 디바이스 101, 401: 센서
103, 303, 403: 프로세서 106, 306, 406: 메모리
200, 400: 검증 디바이스

Claims (15)

  1. 개인에 연관된 생체 데이터로부터 템플레이트(template)를 생성하는 방법에 있어서:
    상기 개인의 상기 생체 데이터의 위치 기준 포인트을 도출하는 단계;
    상기 위치 기준 포인트에 대한 신뢰도 측정을 도출하는 단계;
    적어도 2개의 다른 특징 추출 프로세스들 중 어느 하나를 선택하는 단계로서:
    상기 신뢰도 측정이 상기 위치 기준 포인트가 신뢰성있는 것으로 간주될 수 있음을 나타낸다면, 상기 생체 데이터로부터 제 1 특징 세트를 추출하는 것으로서, 상기 제 1 특징 세트는 도출된 위치 기준 포인트를 고려하여 추출되는, 상기 제 1 특징 세트를 추출하고,
    상기 신뢰도 측정이 상기 위치 기준 포인트가 신뢰성있는 것으로 간주될 수 없음을 나타낸다면, 상기 생체 데이터로부터 제 2 특징 세트를 추출하는 것으로서, 상기 제 2 특징 세트는 상기 도출된 위치 기준 포인트와는 무관하게 추출되는, 상기 제 2 특징 세트를 추출하는, 상기 선택하는 단계; 및
    추출된 특징 세트들 중 어느 하나로부터 상기 템플레이트를 생성하는 단계를 포함하는, 개인에 연관된 생체 데이터로부터 템플레이트를 생성하는 방법.
  2. 제 1 항에 있어서,
    상기 도출된 위치 기준 포인트에 대한 기여 표시자를 계산하는 단계 및 상기 템플레이트를 생성된 템플레이트 내 각각의 특징 세트의 계산된 기여 표시자에 연관시키는 단계를 포함하고, 상기 템플레이트는 상기 제 1 또는 제 2 특징 세트들로부터 도출된 특징들의 부분들로부터 생성되고, 상기 계산된 기여 표시자는 상기 생성된 템플레이트 내 상기 각각의 특징 세트로부터 이용되는 특징들의 절대 또는 상대적 개수를 결정하는, 개인에 연관된 생체 데이터로부터 템플레이트를 생성하는 방법.
  3. 제 2 항에 있어서,
    상기 생성된 템플레이트 및 상기 계산된 기여 표시자를 저장하는 단계를 추가로 포함하고, 상기 계산된 기여 표시자는 상기 생성된 템플레이트 내 상기 각각의 특징 세트의 기여를 나타내는, 개인에 연관된 생체 데이터로부터 템플레이트를 생성하는 방법.
  4. 제 2 항에 있어서,
    상기 생성된 템플레이트 및 특징 세트 표시자를 저장하는 단계를 추가로 포함하고, 상기 특징 세트 표시자는 상기 생성된 템플레이트 내 상기 각각의 특징 세트의 기여를 나타내는, 개인에 연관된 생체 데이터로부터 템플레이트를 생성하는 방법.
  5. 제 2 항에 있어서,
    상기 제 2 특징 세트는 상기 계산된 기여 표시자가 상기 위치 기준 포인트가 신뢰성이 없는 것으로 간주됨을 나타낸다면, 상기 도출된 위치 기준 포인트와는 무관하게 추출되는, 개인에 연관된 생체 데이터로부터 템플레이트를 생성하는 방법.
  6. 생체 데이터를 이용함으로써 개인의 아이덴티티(identity)를 검증하는 방법에 있어서:
    적어도 2개의 다른 특징 추출 프로세스들 중 어느 하나를 선택하는 단계로서:
    상기 개인의 등록 동안 계산된 기여 표시자가 위치 기준 포인트가 등록에서 신뢰성있는 것으로 간주되었음을 나타낸다면, 상기 개인의 상기 생체 데이터의 상기 위치 기준 포인트를 도출하고, 상기 생체 데이터로부터 제 1 특징 세트를 추출하는 것으로서, 상기 제 1 특징 세트는 도출된 위치 기준 포인트를 고려하여 추출되는, 상기 제 1 특징 세트를 추출하고;
    상기 개인의 등록 동안 상기 계산된 기여 표시자가 상기 위치 기준 포인트가 등록에서 신뢰성있는 것으로 간주되지 않았음을 나타낸다면, 상기 생체 데이터로부터 제 2 특징 세트를 추출하는 것으로서, 상기 제 2 특징 세트는 상기 도출된 위치 기준 포인트와는 무관하게 추출되는, 상기 제 2 특징 세트를 추출하는, 상기 선택하는 단계;
    추출된 특징 세트들 중 어느 하나로부터 템플레이트를 생성하는 단계;
    상응을 체크하기 위해 생성된 템플레이트를 적어도 하나의 등록된 템플레이트와 비교하는 단계로서, 상기 생성된 템플레이트 및 상기 적어도 하나의 등록된 템플레이트 사이의 상기 상응이 존재한다면 상기 개인의 상기 아이덴티티는 검증되는, 상기 비교하는 단계를 포함하는, 생체 데이터를 이용함으로써 개인의 아이덴티티를 검증하는 방법.
  7. 개인에 연관된 생체 데이터로부터 템플레이트를 생성하기 위한 디바이스에 있어서:
    센서; 및
    프로세서를 포함하고,
    상기 센서는 상기 개인의 상기 생체 데이터의 위치 기준 포인트 및 상기 위치 기준 포인트에 대한 신뢰도 측정을 도출하도록 구성되고;
    상기 센서는:
    상기 신뢰도 측정이 상기 위치 기준 포인트가 신뢰성 있는 것으로 간주될 수 있음을 나타낸다면, 상기 생체 데이터로부터 제 1 특징 세트를 추출하는 것으로서, 상기 제 1 특징 세트는 도출된 위치 기준 포인트를 고려하여 추출되는, 상기 제 1 특징 세트를 추출하고;
    상기 신뢰도 측정이 상기 위치 기준 포인트가 신뢰성 있는 것으로 간주될 수 없음을 나타낸다면, 상기 생체 데이터로부터 제 2 특징 세트를 추출하는 것으로서, 상기 제 2 특징 세트는 상기 도출된 위치 기준 포인트와는 무관하게 추출되는, 상기 제 2 특징 세트를 추출하는, 적어도 2개의 다른 특징 추출 프로세스들 중 어느 하나를 선택하도록 추가로 구성되고,
    상기 프로세서는 추출된 특징 세트들 중 어느 하나로부터 템플레이트를 생성하도록 추가로 구성되는, 템플레이트 생성 디바이스.
  8. 제 7 항에 있어서,
    상기 프로세서는 상기 도출된 위치 기준 포인트에 대한 기여 표시자를 계산하고 상기 템플레이트를 계산된 기여 표시자에 연관시키도록 구성되고,
    상기 프로세서는 상기 계산된 기여 표시자로 하여금 생성된 템플레이트 내 각각의 특징 세트의 기여를 결정하기 위해 고려되도록 추가로 구성되는, 템플레이트 생성 디바이스.
  9. 생체 데이터를 이용함으로써 개인의 아이덴티티를 검증하기 위한 디바이스에 있어서:
    센서; 및
    프로세서를 포함하고;
    상기 센서는:
    상기 개인의 등록 동안 계산된 기여 표시자가 위치 기준 포인트가 등록에서 신뢰성있는 것으로 간주되었음을 나타낸다면, 상기 개인의 상기 생체 데이터의 상기 위치 기준 포인트를 도출하고, 상기 생체 데이터로부터 제 1 특징 세트를 추출하는 것으로서, 상기 제 1 특징 세트는 도출된 위치 기준 포인트를 고려하여 추출되는, 상기 제 1 특징 세트를 추출하고;
    상기 개인의 등록 동안 상기 계산된 기여 표시자가 위치 기준 포인트가 등록에서 신뢰성있는 것으로 간주되지 않았음을 나타낸다면, 상기 생체 데이터로부터 제 2 특징 세트를 추출하는 것으로서, 상기 제 2 특징 세트는 상기 도출된 위치 기준 포인트와는 무관하게 추출되는, 상기 제 2 특징 세트를 추출하는, 적어도 2개의 다른 특징 추출 프로세스들 중 어느 하나를 선택하도록 구성되고,
    상기 프로세서는 추출된 특징 세트들 중 어느 하나로부터 템플레이트를 생성하고, 상응을 체크하기 위해 상기 생성된 템플레이트를 적어도 하나의 등록된 템플레이트와 비교하도록 구성되고,
    상기 계산된 기여 표시자는 생성된 템플레이트 내 각각의 특징 세트의 기여를 결정하도록 고려되고,
    상기 생성된 템플레이트 및 상기 적어도 하나의 등록된 템플레이트 사이의 상기 상응이 존재한다면 상기 개인의 상기 아이덴티티는 검증되는, 아이덴티티 검증 디바이스.
  10. 디바이스에 포함된 처리 유닛 상에서 컴퓨터-실행가능한 성분들이 구동될 때, 상기 디바이스로 하여금 제 1 항 또는 제 6 항에 따른 방법을 실행하게 하기 위한 상기 컴퓨터 실행가능한 성분들을 포함하는, 컴퓨터 프로그램이 기록된, 컴퓨터가 판독가능한 기록매체.
  11. 삭제
  12. 삭제
  13. 삭제
  14. 삭제
  15. 삭제
KR1020127001529A 2009-06-24 2010-06-17 기준 포인트 이용 및 미이용에 의한 확실한 생체 특징 추출 KR101823145B1 (ko)

Applications Claiming Priority (3)

Application Number Priority Date Filing Date Title
EP09163612 2009-06-24
EP09163612.6 2009-06-24
PCT/IB2010/052724 WO2010150146A2 (en) 2009-06-24 2010-06-17 Robust biometric feature extraction with and without reference point

Publications (2)

Publication Number Publication Date
KR20120102034A KR20120102034A (ko) 2012-09-17
KR101823145B1 true KR101823145B1 (ko) 2018-01-29

Family

ID=43048936

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020127001529A KR101823145B1 (ko) 2009-06-24 2010-06-17 기준 포인트 이용 및 미이용에 의한 확실한 생체 특징 추출

Country Status (6)

Country Link
US (1) US8655026B2 (ko)
EP (1) EP2446394A2 (ko)
JP (1) JP5676592B2 (ko)
KR (1) KR101823145B1 (ko)
CN (1) CN102460473B (ko)
WO (1) WO2010150146A2 (ko)

Families Citing this family (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
FR2988197B1 (fr) * 2012-03-19 2015-01-02 Morpho Procede de generation et de verification d'identite portant l'unicite d'un couple porteur-objet
KR101419784B1 (ko) * 2013-06-19 2014-07-21 크루셜텍 (주) 지문 인식 및 인증을 위한 방법 및 장치
US9817956B2 (en) * 2014-12-12 2017-11-14 Excalibur Ip, Llc User authentication and data encryption
CA3004880C (en) * 2015-11-13 2023-10-31 Charles H. Herder, Iii Public/private key biometric authentication system
CN107977653B (zh) * 2017-12-22 2022-08-09 云南大学 复数滤波器及pi值相结合的多尺度奇异点检测方法
US10997446B2 (en) * 2018-02-16 2021-05-04 Fingerprint Cards Ab Enrollment scheme for an electronic device
WO2019222709A1 (en) 2018-05-17 2019-11-21 Badge Inc. System and method for securing personal information via biometric public key
US11115203B2 (en) * 2018-05-17 2021-09-07 Badge Inc. System and method for securing personal information via biometric public key
US10878071B2 (en) 2018-10-23 2020-12-29 International Business Machines Corooration Biometric authentication anomaly detection
WO2020160101A1 (en) 2019-01-30 2020-08-06 Badge Inc. Biometric public key system providing revocable credentials

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20010036297A1 (en) * 2000-04-27 2001-11-01 Jun Ikegami Personal authentication system and method using biometrics information, and registering apparatus, authenticating apparatus and pattern information input medium for the system
JP2003044857A (ja) 2001-07-31 2003-02-14 Casio Comput Co Ltd 指紋照合システム及び指紋照合装置
US20040005087A1 (en) * 2002-07-08 2004-01-08 Hillhouse Robert D. Method and apparatus for supporting a biometric registration performed on an authentication server
JP2004192544A (ja) 2002-12-13 2004-07-08 Casio Comput Co Ltd 画像照合装置、画像照合方法、画像照合プログラム
JP2004265038A (ja) 2003-02-28 2004-09-24 Nec Corp 指紋照合装置及びその方法

Family Cites Families (19)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2815045B2 (ja) * 1996-12-16 1998-10-27 日本電気株式会社 画像特徴抽出装置，画像特徴解析装置，および画像照合システム
US6356649B2 (en) * 1997-04-11 2002-03-12 Arete Associate, Inc. “Systems and methods with identity verification by streamlined comparison and interpretation of fingerprints and the like”
DE19924628A1 (de) 1999-05-28 2000-11-30 Giesecke & Devrient Gmbh Einrichtung und Verfahren zur biometrischen Authentisierung
KR100453220B1 (ko) * 2001-12-05 2004-10-15 한국전자통신연구원 지문 특징점을 이용한 사용자 인증 장치 및 방법
US7274807B2 (en) * 2002-05-30 2007-09-25 Activcard Ireland Limited Method and apparatus for supporting a biometric registration performed on a card
JP4030830B2 (ja) * 2002-08-13 2008-01-09 日本電気株式会社 縞模様画像鑑定装置および縞模様画像鑑定方法
JP2005004718A (ja) * 2003-05-16 2005-01-06 Canon Inc 信号処理装置及び制御方法
EP1697907A1 (en) 2003-12-24 2006-09-06 Telecom Italia S.p.A. User authentication method based on the utilization of biometric identification techniques and related architecture
JP4340553B2 (ja) * 2004-02-06 2009-10-07 富士通株式会社 生体情報照合装置
KR101163083B1 (ko) * 2004-06-09 2012-07-06 코닌클리케 필립스 일렉트로닉스 엔.브이. 위치 집합 사이의 대응성을 결정하는 시스템 및 방법, 및 컴퓨터 판독가능 매체
JP4340618B2 (ja) * 2004-10-08 2009-10-07 富士通株式会社 生体情報認証装置及び方法，並びに生体情報認証プログラム及び生体情報認証プログラムを記録したコンピュータ読取可能な記録媒体
US20060171571A1 (en) * 2005-02-01 2006-08-03 Chan Michael T Systems and methods for quality-based fusion of multiple biometrics for authentication
US7899216B2 (en) * 2005-03-18 2011-03-01 Sanyo Electric Co., Ltd. Biometric information processing apparatus and biometric information processing method
US20070036400A1 (en) * 2005-03-28 2007-02-15 Sanyo Electric Co., Ltd. User authentication using biometric information
CN101119198B (zh) * 2006-08-03 2010-09-22 华为技术有限公司 一种生物模版及生物模版构造方法及身份认证方法
CN101127592A (zh) * 2006-08-15 2008-02-20 华为技术有限公司 一种生物模版注册方法及系统
JP4923910B2 (ja) * 2006-09-22 2012-04-25 富士通株式会社 生体認証装置、制御方法及び制御プログラム
US7773779B2 (en) * 2006-10-19 2010-08-10 I.Q.S. Shalev Ltd. Biometric systems
CN101030246A (zh) * 2007-04-09 2007-09-05 黄东运 一种指纹的识别方法

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20010036297A1 (en) * 2000-04-27 2001-11-01 Jun Ikegami Personal authentication system and method using biometrics information, and registering apparatus, authenticating apparatus and pattern information input medium for the system
JP2003044857A (ja) 2001-07-31 2003-02-14 Casio Comput Co Ltd 指紋照合システム及び指紋照合装置
US20040005087A1 (en) * 2002-07-08 2004-01-08 Hillhouse Robert D. Method and apparatus for supporting a biometric registration performed on an authentication server
JP2004192544A (ja) 2002-12-13 2004-07-08 Casio Comput Co Ltd 画像照合装置、画像照合方法、画像照合プログラム
JP2004265038A (ja) 2003-02-28 2004-09-24 Nec Corp 指紋照合装置及びその方法

Also Published As

Publication number Publication date
US20120087550A1 (en) 2012-04-12
JP5676592B2 (ja) 2015-02-25
US8655026B2 (en) 2014-02-18
JP2012531647A (ja) 2012-12-10
CN102460473B (zh) 2013-12-25
WO2010150146A3 (en) 2011-02-24
CN102460473A (zh) 2012-05-16
KR20120102034A (ko) 2012-09-17
EP2446394A2 (en) 2012-05-02
WO2010150146A2 (en) 2010-12-29

Similar Documents

Publication Publication Date Title
KR101823145B1 (ko) 기준 포인트 이용 및 미이용에 의한 확실한 생체 특징 추출
Dinca et al. The fall of one, the rise of many: a survey on multi-biometric fusion methods
WO2017100929A1 (en) Systems and methods for authentication using digital signature with biometrics
JP4659035B2 (ja) 特徴位置に基づくバイオメトリック・テンプレート類似性
KR100996466B1 (ko) 비밀분산 기법을 이용한 지문정보 저장 장치, 비밀분산 기법을 이용한 지문 인증 시스템 및 비밀분산 기법을 이용한 지문 인증 방법
US20080013794A1 (en) Feature Extraction Algorithm for Automatic Ear Recognition
KR100824733B1 (ko) 3차원 퍼지볼트를 이용한 지문 데이터 은닉 방법, 3차원퍼지볼트를 이용한 지문 데이터 인증 방법, 3차원퍼지볼트를 이용한 지문 데이터 은닉 장치 및 3차원퍼지볼트를 이용한 지문 데이터 인증 시스템
Kim et al. Multimodal biometric image watermarking using two-stage integrity verification
US20200387589A1 (en) Method and electronic device for authenticating a user
US11507690B2 (en) Method of enrolling data to control an identity, and identity-control method
Saraswathi et al. Retinal biometrics based authentication and key exchange system
US20220078020A1 (en) Biometric acquisition system and method
Buhan et al. A quantitative analysis of indistinguishability for a continuous domain biometric cryptosystem
Butt et al. Privacy protection of biometric templates
Bayly et al. Fractional biometrics: safeguarding privacy in biometric applications
Cimato et al. Biometrics and privacy
Armoogum et al. A practical approach for secure biometric template storage for authentication
Zahed et al. A novel technique for enhancing security in biometric based authentication systems
JP2006350683A (ja) 人物認証装置
Sondrol Possible Attacks on Match-In-Database Fingerprint Authentication
Mastali Synergising fingerprint biometrics and cryptography for improved authentication
Elmadani Trusted Document Signing based on use of biometric (Face) keys
Spagnolo et al. Analogue Fingerprinting for painting authentication
CN113935002A (zh) 一种基于蜜罐技术的安全人脸认证方法和系统
Kil et al. A study on the portable secure authenticator using fingerprint

Legal Events

Date Code Title Description
A201 Request for examination
E902 Notification of reason for refusal
E90F Notification of reason for final refusal
E701 Decision to grant or registration of patent right
GRNT Written decision to grant