KR101949167B1 - System and Method for Judging Quality of Fingerprint Sensor - Google Patents

System and Method for Judging Quality of Fingerprint Sensor Download PDF

Info

Publication number
KR101949167B1
KR101949167B1 KR1020170132601A KR20170132601A KR101949167B1 KR 101949167 B1 KR101949167 B1 KR 101949167B1 KR 1020170132601 A KR1020170132601 A KR 1020170132601A KR 20170132601 A KR20170132601 A KR 20170132601A KR 101949167 B1 KR101949167 B1 KR 101949167B1
Authority
KR
South Korea
Prior art keywords
quality
fingerprint
feature points
fingerprint image
distribution
Prior art date
Application number
KR1020170132601A
Other languages
Korean (ko)
Inventor
백영현
김석한
신요식
Original Assignee
주식회사 유니온커뮤니티
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 주식회사 유니온커뮤니티 filed Critical 주식회사 유니온커뮤니티
Priority to KR1020170132601A priority Critical patent/KR101949167B1/en
Priority to PCT/KR2017/011687 priority patent/WO2019074143A1/en
Application granted granted Critical
Publication of KR101949167B1 publication Critical patent/KR101949167B1/en

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
    • G06V40/1365—Matching; Classification
    • G06K9/00087—
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06K9/00067—
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/40—Extraction of image or video features
    • 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

Abstract

Disclosed are a system for determining the quality of a fingerprint sensor and a determination method thereof. The system for determining the quality of a fingerprint sensor can determine the quality of a fingerprint sensor by using a method for inspecting the quality of a fingerprint image generated by the fingerprint sensor. In order to overcome the ambiguity of a method for simply checking the sharpness of the fingerprint image, the determination method of the quality integrally uses a distribution pattern of feature points, the size of a fingerprint region recognizing the feature points as distributions, the number of the feature points, and the quality of individual feature points to provide a method for scoring the quality of the fingerprint image, which is the quality of the fingerprint sensor.

Description

지문센서 품질 판정 시스템 및 그 판정방법{System and Method for Judging Quality of Fingerprint Sensor}FIELD OF THE INVENTION [0001] The present invention relates to a fingerprint sensor quality judging system,

본 발명은 지문센서가 생성하는 지문 이미지의 품질을 판정함으로써 지문센서의 품질을 판정하는 지문센서 품질 판정 시스템 및 그 판정방법에 관한 것이다. The present invention relates to a fingerprint sensor quality determination system and a method of determining the quality of a fingerprint sensor by determining the quality of a fingerprint image generated by the fingerprint sensor.

지문 인식기술은 지문센서를 이용하여 생체 지문의 이미지를 획득한 다음 해당 지문 이미지를 기등록된 이미지와 비교하는 방법으로 해당 지문이 누구의 지문인지를 인식하는 기술이다. 지문 인식 시스템은 소위 '등록과정'을 통해서 사용자의 지문에 대한 이미지(이하, 지문 이미지라 함)를 생성하고 그 지문 이미지의 특징점(Minutiae)을 등록해 둔다. 이후에 사용자가 사용자 인증을 위해 자신의 지문을 지문인식 시스템에 입력하면, 지문인식 시스템은 제공된 지문으로부터 새로운 지문 이미지를 생성하여 특징점을 추출하고 새롭게 추출된 특징점이 기등록된 특징점과 동일한지 여부를 통해 해당 사용자가 기등록된 사용자인지를 확인할 수 있다. The fingerprint recognition technology is a technique of acquiring an image of a biometric fingerprint using a fingerprint sensor and then comparing the fingerprint image with a previously registered image, thereby recognizing the fingerprint of the fingerprint. The fingerprint recognition system generates an image (hereinafter referred to as a fingerprint image) of the user's fingerprint through a so-called 'registration process' and registers the minutiae of the fingerprint image. When the user inputs his or her fingerprint to the fingerprint recognition system for user authentication, the fingerprint recognition system generates a new fingerprint image from the provided fingerprint and extracts the feature point, and determines whether the newly extracted feature point is the same as the previously registered feature point It is possible to confirm whether the user is an already registered user.

지문 인식을 위해 지문 이미지를 생성하는 지문센서에는 광학식과, 정전 용량이나 전기 전도를 감지하는 반도체 방식, 초음파 방식, 열감지 방식, 비접촉식, 또는 이런 방식들의 복합 등 다양한 방법으로 획득된다. Fingerprint sensors that generate fingerprint images for fingerprint recognition are obtained in a variety of ways including optical and semiconductor, semiconductor, ultrasonic, thermal, noncontact, or combination of these methods to sense capacitance or electrical conduction.

가장 널리 사용되는 방식인 광학식은 프리즘과 같은 광굴절기를 이용하는 방식이다. 사용자가 지문을 프리즘에 접촉하면, 지문센서는 프리즘을 거쳐 사용자의 지문으로 광(Light)을 조사하고 지문의 골(Valley)과 융선(Ridge)에서 반사 및/또는 굴절되는 광을 다시 지문센서 내부의 이미지 센서를 이용하여 디지털 이미지로 생성하는 방식이다. 정전용량 기술을 이용한 반도체 방식은 반도체 칩 최상층 레이어(Layer)에 구현되어 있는 센싱 어레이(Sensing Array)를 이용하여 지문의 골과 융선 패턴에 따른 정전용량의 차이를 인식하여 지문 영상을 취득한다. 지문 이미지는 지문 인식을 위해 최소 500 dpi 이상의 해상도가 바람직하다.The most widely used optical method is a method using a light refractor such as a prism. When the user touches the prism, the fingerprint sensor irradiates light to the fingerprint of the user through the prism, and the light reflected and / or refracted by the valleys and ridges of the fingerprint is reflected again inside the fingerprint sensor And a digital image is generated using an image sensor of the image sensor. In the semiconductor system using the capacitive technology, a fingerprint image is acquired by recognizing the difference in capacitance due to the ridge pattern and the ridge pattern of the fingerprint using a sensing array implemented in the uppermost layer of the semiconductor chip. The fingerprint image should have a resolution of at least 500 dpi for fingerprint recognition.

지문 인식을 위해 새로 획득한 지문 이미지와 기등록된 지문 이미지를 비교할 때는, 지문 이미지 전체를 그대로 비교하는 방식보다 지문 이미지에서 추출한 특징점을 상호 비교하는 방식이 주로 사용된다. 특징점에는 지문의 융선이 갈라지는 지점, 상부 중심점(upper core)와 하부 중심점(lower core)으로 구성된 중심점 지점, 융선의 양끝점, 연결되지 않고 독립적인 융선, 융선의 교차점 등이 포함되며, 개별 지문의 고유한 특징을 반영한다. When comparing a fingerprint image newly obtained for fingerprint recognition with a previously registered fingerprint image, a method of comparing feature points extracted from a fingerprint image is used rather than a method of comparing the entire fingerprint image as it is. The feature points include a point at which the ridge of the fingerprint is divided, a center point point composed of an upper core and a lower core, a ridge end point, an independent ridge that is not connected, and a ridge intersection, It reflects unique characteristics.

따라서 특징점을 비교하는 방식은 지문 전체의 이미지를 비교하는 방식에 비해 지문 인식의 처리 속도를 상당히 높인다. 더구나, 동일 사용자로부터 획득하는 지문 이미지라도 주변 습도나 지문 자체의 습도 등에 따라 매번 달라지기 때문에, 특징점을 비교하는 방식이 지문 이미지 자체를 비교하는 방식에 비해 지문인식의 인증 성공율을 높인다. Therefore, the method of comparing feature points significantly improves the processing speed of fingerprint recognition compared to the method of comparing images of the entire fingerprint. In addition, since the fingerprint image acquired from the same user is different every time depending on the ambient humidity or the humidity of the fingerprint itself, the method of comparing the feature points improves the authentication success rate of the fingerprint recognition compared to the method of comparing the fingerprint image itself.

이런 점을 고려할 때, 지문 인식에서는 그 지문이미지 생성 방식이 광학식인지 반도체 방식인지를 불문하고 지문으로부터 생성하는 지문 이미지의 품질이 매우 중요하다. 그리고 지문 이미지의 품질은 특징점의 품질, 개수, 분포 등에 의해 결정된다. Considering this point, the quality of the fingerprint image generated from the fingerprint is very important, regardless of whether the fingerprint image generation method is optical or semiconductor type. And the quality of the fingerprint image is determined by the quality, number and distribution of the feature points.

[관련된 선행기술][Related Prior Art]

대한민국 공개특허 제10-2008-0062217호 (발명의 명칭: 블록 레벨 품질 측정값을 이용한 지문 영상의 품질 측정방법과 그 기록매체)Korean Patent Laid-Open No. 10-2008-0062217 (Title: Method for measuring quality of fingerprint image using block level quality measurement value and recording medium thereof)

이 발명은 지문 이미지로 획득된 지문 영역(융선) 자체의 품질을 화소값을 이용하여 확인하는 방법을 사용한다. 이를 위해, 이 발명은 지문 이미지를 복수 개의 블록으로 나누고 각 블럭의 화소값의 평균 등을 구하는 방법으로 지문 영상의 품질을 측정하는 것으로서, 본 발명과 다른 형태이다. 무엇보다, 이 발명은 지문 영상 자체의 품질 측정에 관한 것이지, 지문 센서의 품질을 판정하기 위한 방법에 관한 것이 아니다. The present invention uses a method of confirming the quality of a fingerprint area (ridge) obtained by a fingerprint image using pixel values. To this end, the present invention measures quality of a fingerprint image by dividing a fingerprint image into a plurality of blocks and obtaining an average of pixel values of each block, and is a mode different from the present invention. Above all, the present invention relates to the quality measurement of the fingerprint image itself, not to the method for determining the quality of the fingerprint sensor.

본 발명의 목적은, 지문센서가 생성하는 지문 이미지의 품질을 판정함으로써 해당 지문센서가 지문인식에 적합한 지문 이미지를 생산하는지 판정할 수 있는 지문센서 품질 판정 시스템 및 그 판정방법을 제공함에 있다. An object of the present invention is to provide a fingerprint sensor quality determination system and a method of determining the quality of a fingerprint image generated by a fingerprint sensor so as to determine whether the fingerprint sensor produces a fingerprint image suitable for fingerprint recognition.

본 발명은 지문 이미지의 품질에 의해 지문 인식의 인증 성공률이 결정되는 점에 착안하여, 지문으로부터 지문인식에 적합한 지문 이미지를 생성할 수 있는가 여부로 지문센서의 품질을 결정할 수 있다고 보고, 지문 이미지의 품질을 판정하는 방법으로 해당 지문 이미지를 생성하는 지문센서의 품질을 판정하는 방법을 제시한다. 더불어, 지문 이미지의 품질은 지문 인식에 사용되는 특징점의 품질과 같으므로, 본 발명은 지문 이미지에서의 지문 영역의 크기, 특징점 자체의 품질, 특징점의 분포도 등을 기초로 지문 이미지의 품질을 판단하는 방법을 제시함을 목적으로 한다. In view of the fact that the authentication success rate of the fingerprint recognition is determined by the quality of the fingerprint image, the quality of the fingerprint sensor can be determined based on whether the fingerprint image suitable for fingerprint recognition can be generated from the fingerprint. A method of determining the quality of a fingerprint sensor that generates a fingerprint image is proposed. In addition, since the quality of the fingerprint image is the same as the quality of the feature points used for fingerprint recognition, the present invention determines the quality of the fingerprint image based on the size of the fingerprint area in the fingerprint image, the quality of the feature points themselves, This paper proposes a method.

본 발명의 발명자는 특징점의 밀집도가 높을수록 불량한 특징점들이 많이 존재하고 지문의 골과 융선의 경계가 모호하다는 것을 발견하였으며, 본 발명은 이러한 발견을 기초로 특징점의 분포도를 이용하여 지문 이미지의 품질을 판정할 수 있는 방법을 제시함을 목적으로 한다. The inventors of the present invention have found that there are many bad feature points as the density of feature points is high and the boundaries between the ridges of the fingerprints are ambiguous. The present invention, based on this finding, And to provide a method for judging.

상기 목적을 달성하기 위한 본 발명에 따른 지문센서 품질 판정 시스템은 지문센서가 생성하는 지문 이미지의 품질을 판정함으로써 해당 지문센서가 지문인식에 적합한 지문 이미지를 생산하는지 판정할 수 있다. According to an aspect of the present invention, there is provided a fingerprint sensor quality determination system for determining a quality of a fingerprint image generated by a fingerprint sensor, thereby determining whether the fingerprint sensor produces a fingerprint image suitable for fingerprint recognition.

본 발명의 지문센서 품질 판정방법은, 특징점추출부가 상기 지문센서가 지문으로부터 획득한 지문 이미지로부터 특징점을 추출하는 단계와; 분포도 분석부가 상기 특징점추출부가 추출한 전체 특징점의 분포도를 계산하되, n번째 특징점에 대해 제1 기준거리 내에 존재하는 인접 특징점의 개수(s1)를 카운팅하는 과정을 상기 전체 특징점에 대해 반복하는 단계와; 분포도 분석부가 상기 전체 특징점의 개수(M) 대비, 상기 인접 특징점의 개수(s1)가 제1 기준값 이상인 특징점의 개수의 제1 분포도(R1)을 계산하는 단계; 및 품질판정부가 상기 제1 분포도(R1)가 높을수록 상기 지문 이미지의 품질이 낮은 것으로 판정하는 품질판정단계를 포함한다. (여기서, 0<n≤M, M은 상기 추출된 전체 특징점의 개수)The fingerprint sensor quality determination method of the present invention includes the steps of: extracting a feature point from a fingerprint image obtained by the fingerprint sensor from a fingerprint; Calculating a distribution map of all the minutiae points extracted by the minutia extraction unit from the distribution analysis unit, and counting the number of adjacent minutiae in the first reference distance for the nth minutiae; Calculating a first distribution R1 of the number of feature points having a number s1 of adjacent feature points equal to or greater than a first reference value with respect to the total number M of feature points; And a quality judging step of judging that the quality of the fingerprint image is lower as the first distribution degree (R1) is higher. (Where 0 < n &lt; M, M is the total number of extracted feature points)

실시 예에 따라, 본 발명의 판정방법은, 분포도 분석부가 n번째 특징점에 대해 제2 기준거리 내에 존재하는 인접 특징점의 개수(s2)를 카운팅하는 과정을 상기 M개의 전체 특징점에 대해 반복하는 단계와; 분포도 분석부가 상기 전체 특징점의 개수(M) 대비, 상기 인접 특징점의 개수(s2)가 제2 기준값 이상인 특징점의 개수의 제2 분포도(R2)을 계산하는 단계를 더 포함한다. 이 경우, 상기 품질판정단계는 상기 제1 분포도(R1)와 제2 분포도(R2)의 평균값이 높을수록 상기 지문 이미지의 품질이 낮은 것으로 판정할 수 있다. 여기서, 상기 제2 기준거리는 상기 제1 기준거리보다 짧고 상기 제2 기준값은 상기 제1 기준값보다 작다. According to the embodiment, the determination method of the present invention may further include repeating the process of counting the number (s2) of the adjacent feature points existing within the second reference distance to the nth feature point of the distribution degree analysis section for all the M feature points ; Calculating a second distribution (R2) of the number of feature points having the number of adjacent feature points (s2) equal to or greater than a second reference value, with respect to the number (M) of all the feature points. In this case, the quality determination step may determine that the quality of the fingerprint image is lower as the average value of the first distribution R 1 and the second distribution R 2 is higher. Here, the second reference distance is shorter than the first reference distance, and the second reference value is smaller than the first reference value.

다른 실시 예에 따라, 본 발명의 판정방법은, 품질판정부는 상기 평균값에 최고점수를 곱한 값을 상기 지문 이미지의 제1 품질 점수로 표시하는 단계를 더 포함할 수 있다. According to another embodiment, in the determination method of the present invention, the quality determination unit may further include a step of displaying a value obtained by multiplying the average value by the highest score, with the first quality score of the fingerprint image.

다른 실시 예에 따라, 본 발명의 판정방법은, 특징점분석부가 상기 전체 특징점의 좌표를 기초로 상기 지문 영역의 크기를 계산하고 상기 전체 특징점의 개수(M)를 계산하는 단계와; 상기 품질판정부가 상기 지문 이미지의 전체 크기에 대한 지문 영역의 크기 비율을 기초로 상기 지문 이미지의 제2 품질 점수를 계산하고, 상기 전체 특징점의 개수(M)를 기초로 상기 지문 이미지의 제3 품질 점수로 계산하는 단계와를 더 포함할 수 있다. 이 경우, 품질판정부는 상기 제1 내지 제3 품질 점수를 기초로 상기 지문 이미지의 품질을 최종 판정할 수 있다. According to another embodiment, a determination method of the present invention is characterized in that the feature point analysis unit calculates the size of the fingerprint area on the basis of the coordinates of all the feature points and calculates the total number (M) of feature points; Wherein the quality determination unit calculates a second quality score of the fingerprint image based on a ratio of the size of the fingerprint area to the total size of the fingerprint image and calculates a third quality score of the fingerprint image based on the number of all the feature points And a step of calculating a score. In this case, the quality judging unit can finally judge the quality of the fingerprint image based on the first to third quality scores.

다른 실시 예에 따라, 본 발명의 판정방법은, 특징점분석부가 상기 특징점 각각의 품질 점수를 계산하고, 상기 품질판정부가 품질 점수의 평균을 상기 지문 이미지의 제4 품질 점수로 계산하는 단계를 더 포함할 수 있다. 이 경우, 상기 품질판정부는 상기 제1 내지 제4 품질 점수를 기초로 상기 지문 이미지의 품질을 최종 판정할 수 있다. According to another embodiment, the determination method of the present invention further includes the step of the feature point analysis section calculating the quality score of each of the feature points, and the quality determination section calculating an average of the quality scores as the fourth quality score of the fingerprint image can do. In this case, the quality judging unit can finally judge the quality of the fingerprint image based on the first to fourth quality scores.

더불어 본 발명은 특징점추출부, 분포도 계산부 및 품질판정부를 포함하여 상기 지문 이미지의 품질로서 지문센서의 품질을 최종 판정하는 지문센서 품질 판정 시스템에도 미친다. 앞서 설명한 것처럼, 실시 예에 따라 판정 시스템은 특징점 분석부를 더 포함할 수 있다. The present invention also relates to a fingerprint sensor quality determination system for final determination of the quality of the fingerprint sensor as the quality of the fingerprint image including the feature point extraction unit, the distribution degree calculation unit, and the quality determination unit. As described above, according to the embodiment, the determination system may further include a minutia analysis unit.

본 발명의 지문센서 품질 판정 시스템은 지문센서가 생성하는 지문 이미지의 품질을 검사함으로써 지문센서의 품질을 판정한다. The fingerprint sensor quality determination system of the present invention determines the quality of the fingerprint sensor by checking the quality of the fingerprint image generated by the fingerprint sensor.

본 발명의 품질 판정방법은 단순히 지문 이미지의 선명도를 검사하는 방식의 모호함을 극복하기 위하여, 특징점의 분포 형태, 특징점이 분포로 인식되는 지문 영역의 크기, 특징점의 개수 그리고 개별 특징점의 품질을 종합적으로 이용하여 지문 이미지의 품질 즉 지문센서의 품질을 점수화하는 방법을 제시한다. In order to overcome the ambiguity of the method of simply checking the sharpness of the fingerprint image according to the present invention, the quality determination method of the present invention is a method of determining the quality of the fingerprint image by simply calculating the distribution pattern of the feature points, the size of the fingerprint area, We propose a method to score the quality of the fingerprint image, that is, the quality of the fingerprint sensor.

본 발명이 제시하는 방법을 통해 특징 지문센서가 지문인식에 적절한 품질을 가진 것인지 용이하게 판정할 수 있다. It is possible to easily determine whether the feature fingerprint sensor has appropriate quality for fingerprint recognition through the method proposed by the present invention.

도 1은 본 발명의 지문센서 품질 판정시스템의 블록도,
도 2는 본 발명의 지문센서 품질 판정시스템의 판정방법의 설명에 제공되는 흐름도, 그리고
도 3은 특징점 분포도에 따른 품질 평가에 사용된 지문 이미지 예이다. 1 is a block diagram of a fingerprint sensor quality determination system of the present invention;
2 is a flowchart provided in the explanation of the determination method of the fingerprint sensor quality determination system of the present invention, and
3 is an example of a fingerprint image used for quality evaluation according to a minutia distribution chart.

이하 도면을 참조하여 본 발명을 더욱 상세히 설명한다.BEST MODE FOR CARRYING OUT THE INVENTION The present invention will be described in more detail with reference to the drawings.

도 1을 참조하면, 본 발명의 지문센서 품질 판정시스템(100)은 판정 대상인 지문센서(10)와 연결되어 해당 지문센서(10)의 품질을 판정하고 그 점수를 제시한다. 검사자는 품질 검사를 원하는 지문센서(10)를 본 발명의 지문센서 품질 판정시스템(100)에 연결한 후, 지문센서(10)를 통해 지문을 입력하면 본 발명의 지문센서 품질 판정시스템(100)이 해당 지문센서(10)의 품질점수를 제공한다. 통상 검사자의 생체지문을 이용하여 검사를 진행할 수 있다.Referring to FIG. 1, the fingerprint sensor quality determination system 100 of the present invention is connected to a fingerprint sensor 10 to be determined, and determines the quality of the fingerprint sensor 10 and presents the score. The inspector inputs the fingerprint through the fingerprint sensor 10 after connecting the fingerprint sensor 10 to the fingerprint sensor quality determination system 100 of the present invention. Provides a quality score for the fingerprint sensor 10. Normally, the examination can be carried out using the biometric fingerprint of the inspector.

이때, 지문센서(10)는 지문으로부터 지문 이미지를 생성하여 판정시스템(100)에게 제공하면 족하다. 지문센서(10)가 지문 이미지를 생성하는데 사용하는 방식으로는 광학식, 반도체식, 초음파 방식, 열감지 방식 또는 이들을 결합한 복합방식 등 어느 것을 사용해도 무방하며, 이에 대한 제한은 없다. At this time, the fingerprint sensor 10 generates a fingerprint image from the fingerprint and provides it to the judgment system 100. [ The fingerprint sensor 10 may use any of a variety of methods such as optical, semiconductor, ultrasonic, heat sensing, or a combination thereof.

본 발명의 판정을 위해, 지문센서 품질 판정시스템(100)은 특징점추출부(101), 분포도 계산부(103), 특징점분석부(105) 및 품질판정부(107)를 포함한다. The fingerprint sensor quality determination system 100 includes a feature point extraction unit 101, a distribution degree calculation unit 103, a feature point analysis unit 105, and a quality determination unit 107. [

특징점추출부(101)는 지문센서(10)가 생성하여 제공하는 지문 이미지로부터 특징점을 추출한다. 여기서 특징점(Minutiae)은 지문인식에 사용되는 지문의 특징 포인트로서, 통상은 지문의 융선이 갈라지는 지점, 융선이 U자 형태로 회전하는 코어(Core) 지점, 융선의 양끝점, 연결되지 않고 독립적인 융선, 융선의 교차점 등이 해당한다. 도 3의 (a)와 (b)는 지문 이미지의 예로서, 이해를 돕기 위해 추출한 특징점의 위치를 원으로 지문 이미지상에 표시하였다. The feature point extraction unit (101) extracts feature points from a fingerprint image generated and provided by the fingerprint sensor (10). Minutiae is a feature point of a fingerprint used in fingerprint recognition. Usually, the fingerprint is divided into a ridge of the fingerprint, a core point in which the ridge rotates in a U-shape, both ends of the ridge, Ridges, ridges, and so on. 3 (a) and 3 (b) show an example of a fingerprint image, in which the positions of extracted minutiae are displayed on a fingerprint image in order to facilitate understanding.

분포도 계산부(103)는 특징점추출부(101)가 추출한 전체 특징점의 분포 형태에 관한 '분포도'를 계산하여 품질판정부(107)에게 제공한다. 분포도는 일정한 인접거리 내에 위치한 인접 특징점의 수가 기준값 이상인 특징점의 개수를 카운팅하는 방법으로 계산한다. 통상적으로 특징점이 너무 밀집되어 있으면 좋은 품질의 지문이라고 보기 어렵고 실험을 통해서도 지문인식의 실패율이 높아 적합하지 않다고 확인되었다. 이러한 점을 기초로, 품질판정부(107)는 분포도 계산부(103)가 계산한 전체 특징점의 분포도를 기초로 지문이미지의 품질, 즉 지문센서(10)의 품질을 판정한다. 분포도 계산부(103)의 특징점 분포도 계산방법은 아래에서 다시 설명한다. The distribution chart 103 calculates a 'distribution chart' about the distribution patterns of all the minutiae points extracted by the minutiae extracting unit 101 and provides the 'distribution chart' to the quality determining unit 107. The distribution is calculated by counting the number of feature points whose number of adjacent feature points located within a predetermined adjacent distance is equal to or greater than the reference value. Generally, if the feature points are too dense, it is difficult to say that it is a good quality fingerprint, and it is confirmed that the experiment is not suitable because the failure rate of the fingerprint recognition is high. Based on this point, the quality determination section 107 determines the quality of the fingerprint image, that is, the quality of the fingerprint sensor 10, based on the distribution diagram of all the minutiae points calculated by the distribution factor calculation section 103. [ The method of calculating the minutia distribution of the distribution calculation unit 103 will be described below.

특징점분석부(105)는 특징점추출부(101)가 추출한 특징점을 기초로, 지문 영역의 크기, 개별 특징점의 품질, 특징점 전체의 개수 등을 확인하여 품질판정부(107)에게 제공한다. The minutia analysis unit 105 confirms the size of the fingerprint area, the quality of individual minutiae, the total number of minutiae, and the like based on the minutiae extracted by the minutiae extraction unit 101, and provides the quality determination unit 107 with the result.

품질판정부(107)는 분포도 계산부(103) 및/또는 특징점분석부(105)가 제공하는 정보를 기초로 지문 이미지의 품질, 즉 지문센서(10)의 품질을 판정한다. The quality judgment unit 107 judges the quality of the fingerprint image, that is, the quality of the fingerprint sensor 10, based on the information provided by the distribution degree calculation unit 103 and / or the minutia analysis unit 105.

실시 예 1: 특징점 분포에 의한 지문 이미지의 품질 판정Example 1: Quality determination of fingerprint image by minutia distribution

이하에서는 도 1 및 도 2를 참조하여, 특징점 분포에 따른 지문 이미지의 품질을 판정하는 방법을 설명한다. 앞서 설명한 것처럼, 분포도는 전체 특징점 중에서 일정한 인접거리 내에 위치한 인접 특징점의 수가 기준값 이상인 특징점의 개수를 카운팅하는 방법으로 계산한다. 다만, 이하에서는 서로 다른 기준(인접거리, 인접 특징점의 개수)에 따라 제1 분포도(R1)와 제2 분포도(R2)를 구한 다음, 평균을 내어 전체 분포도를 계산하는 예를 설명한다. Hereinafter, a method for determining the quality of a fingerprint image according to a minutia distribution will be described with reference to FIGS. 1 and 2. FIG. As described above, the distribution diagram is calculated by counting the number of feature points whose number of adjacent feature points located within a predetermined adjacent distance among all feature points is equal to or greater than a reference value. Hereinafter, an example will be described in which a first distribution R1 and a second distribution R2 are obtained according to different criteria (the adjacent distance and the number of adjacent minutiae), and then an average is calculated to calculate the entire distribution.

<특징점 추출; S201><Feature point extraction; S201>

검사자가 품질 검사를 원하는 지문센서(10)를 본 발명의 지문센서 품질 판정시스템(100)에 연결한 후 지문센서(10)를 통해 지문을 입력하면, 지문센서(10)는 지문 이미지를 생성하여 특징점추출부(101)에게 제공한다. 특징점추출부(101)는 지문센서(10)가 제공하는 지문 이미지로부터 특징점을 추출한다. 특징점추출부(101)는 종래에 알려진 방식으로 지문 이미지로부터 특징점을 추출할 수 있다. When the fingerprint sensor 10 that is inspected by the inspector is connected to the fingerprint sensor quality determination system 100 of the present invention and the fingerprint is input through the fingerprint sensor 10, the fingerprint sensor 10 generates a fingerprint image To the minutiae point extracting unit (101). The feature point extraction unit (101) extracts feature points from a fingerprint image provided by the fingerprint sensor (10). The feature point extraction unit 101 can extract feature points from the fingerprint image in a conventionally known manner.

<제1 분포도 계산: S203 내지 S207>&Lt; First distribution degree calculation: S203 to S207 >

우선, 분포도 계산부(103)는 n번째 특징점에 대해 제1 기준거리 내에 존재하는 인접 특징점의 개수(s1)를 카운팅한다. 이 과정은 특징점추출부(101)가 추출한 전체 특징점에 대해 수행되어야 하므로 전체 특징점의 개수(M)만큼 반복 수행된다. 다시 말해, 0<n≤M, M은 상기 추출된 전체 특징점의 개수이다. 여기서, 제1 기준거리는 전체 지문 이미지의 크기와 정상적인 특징점 분포에 관한 실험치 등을 고려하여 구할 수 있으며, 예컨대 30 픽셀(Pixels)을 적용할 수 있다(S203). First, the distribution calculation unit 103 counts the number (s1) of adjacent feature points existing within the first reference distance with respect to the n-th feature point. Since this process must be performed on all the minutiae extracted by the minutiae extracting unit 101, it is repeatedly performed by the total number M of minutiae. In other words, 0 < n &lt; M, M is the total number of extracted feature points. Here, the first reference distance can be obtained by taking into account the size of the entire fingerprint image and the experiment value regarding the normal feature point distribution, for example, 30 pixels (S203).

분포도 계산부(103)는 S203 단계에서 카운팅한 인접 특징점의 개수(s1)가 제1 기준값 이상인 특징점의 개수를 카운팅한다. 여기서, 제1 기준값은 제1 기준거리를 고려하여 구할 수 있으며, 예컨대 제1 기준거리가 30 픽셀인 경우, 제1 기준값은 4개로 설정할 수 있다. 다시 말해, 분포도 계산부(103)는 30 픽셀 거리 이내에 인접 특징점이 4개 이상 분포된 특징점의 개수(N1)를 카운팅한다(S205). The distribution calculation unit 103 counts the number of feature points whose number s1 of adjacent feature points counted in step S203 is equal to or greater than the first reference value. Here, the first reference value can be obtained in consideration of the first reference distance. For example, when the first reference distance is 30 pixels, the first reference value can be set to four. In other words, the distribution calculation unit 103 counts the number of feature points N1 in which four or more adjacent feature points are distributed within a distance of 30 pixels (S205).

품질판정부(107)는 전체 특징점의 개수(M) 대비 S205 단계에서 구한 특징점의 개수(N1)의 비율을 제1 분포도(R1)로 계산한다. 필요에 따라, 제1 분포도(R1)을 백분율로 변환할 수도 있다(S207). The quality determination unit 107 calculates the ratio of the number of feature points N1 determined in step S205 to the total number M of feature points as a first distribution R1. If necessary, the first distribution degree R1 may be converted into a percentage (S207).

제1 분포도(R1)가 낮을수록 특징점이 특정한 부분에 밀집될 가능성이 낮은 것이어서 좋은 품질로 간주되고, 제1 분포도(R1)가 높을수록 특징점이 인접거리 내에서 상호 밀집된 것이므로 지문 이미지의 품질이 좋지 않은 것으로 간주된다. The lower the first distribution R1 is, the lower the probability that the feature points will be concentrated in a specific area. Therefore, the first distribution R1 is considered to be a good quality. The higher the first distribution R1, the closer the feature points are in the adjacent distance. .

<제2 분포도 계산: S209 내지 S213>&Lt; Calculation of second distribution degree: S209 to S213 >

분포도 계산부(103)는 제1 분포도와 다른 기준을 적용하여 제2 분포도를 계산한다. The distribution chart calculation unit 103 calculates the second distribution chart by applying a criterion different from the first distribution chart.

분포도 계산부(103)는 n번째 특징점에 대해 제2 기준거리 내에 존재하는 인접 특징점의 개수(s2)를 카운팅한다. 이 과정도 특징점추출부(101)가 추출한 전체 특징점에 대해 수행되어야 하므로 M 번 반복 수행된다. 여기서, 제2 기준거리는 제1 기준거리와 다른 거리, 예컨대 제1 기준거리보다 짧게 설정된다. 예컨대, 제1 기준거리가 30 픽셀로 설정된 경우, 제2 기준거리는 20 픽셀로 설정할 수 있다(S209). The distribution calculation unit 103 counts the number (s2) of adjacent feature points existing within the second reference distance with respect to the n-th feature point. This process is also repeated M times since it must be performed for all the minutiae extracted by the minutiae extracting unit 101. [ Here, the second reference distance is set to be shorter than the first reference distance, for example, shorter than the first reference distance. For example, if the first reference distance is set to 30 pixels, the second reference distance may be set to 20 pixels (S209).

분포도 계산부(103)는 S209 단계에서 카운팅한 인접 특징점의 개수(s2)가 제2 기준값 이상인 특징점의 개수(N2)를 계산한다. 여기서, 제2 기준값은 제2 기준거리를 고려하여 구한다. 제2 기준거리가 제1 기준거리보다 짧은 경우, 제2 기준값은 제1 기준값보다 작은 값으로 설정한다. 예컨대 제1 기준거리를 30 픽셀, 제2 기준거리를 20 픽셀로 설정한 상태에서, 제1 기준값을 4개로 설정하였다면 제2 기준값은 2개로 설정할 수 있다. 다시 말해, 분포도 계산부(103)는 20 픽셀 거리 이내에 인접 특징점이 2개 이상 분포된 특징점의 개수(N2)를 카운팅한다(S211). The distribution calculation unit 103 calculates the number N2 of the feature points whose number s2 of adjacent feature points counted in step S209 is equal to or greater than the second reference value. Here, the second reference value is obtained in consideration of the second reference distance. When the second reference distance is shorter than the first reference distance, the second reference value is set to a value smaller than the first reference value. For example, if the first reference distance is set to 4 while the first reference distance is set to 30 pixels and the second reference distance is set to 20 pixels, the second reference value can be set to two. In other words, the distribution calculation unit 103 counts the number of feature points N2 in which two or more adjacent feature points are distributed within a distance of 20 pixels (S211).

품질판정부(107)는 전체 특징점의 개수(M) 대비, S211 단계에서 계산한 특징점의 개수(N2)의 비율을 계산하여 제2 분포도(R2)를 계산한다(S213). The quality determining unit 107 calculates the second distribution ratio R2 by calculating the ratio of the number of feature points N2 calculated in step S211 to the total number of feature points M in step S213.

제1 분포도(R1)와 마찬가지로, 제2 분포도(R2)가 낮을수록 특징점이 특정한 부분에 밀집될 가능성이 낮은 것이어서 좋은 품질로 간주되고, 제2 분포도(R2)가 높을수록 특징점이 인접거리 내에 상호 밀집된 것이므로 지문 이미지의 품질이 좋지 않은 것으로 간주된다.The lower the second distribution ratio R2, the lower the likelihood that the characteristic points will be concentrated in a specific portion and the better the quality is. Similarly to the first distribution ratio R1, the higher the second distribution degree R2, The quality of the fingerprint image is considered to be poor.

<최종 품질 판정: S215>&Lt; Final quality determination: S215 >

품질판정부(107)는 S207 단계에서 구한 제1 분포도(R1)와 S213 단계에서 구한 제2 분포도(R2)의 평균값을 해당 지문 이미지, 즉 해당 지문센서(10)의 '제1 품질 점수'로 계산한다. 필요에 따라, 제1 품질 점수를 다른 점수 체계로 표시하기 위하여, 평균값에 최고 점수(Max Score, 예컨대 100점)를 곱하여 제1 품질 점수로 표시할 수도 있고, 백분율로도 표시할 수도 있다. The quality determining unit 107 determines whether the average value of the first distribution map R1 obtained in step S207 and the second distribution map R2 obtained in step S213 is equal to the corresponding fingerprint image, . If necessary, the average value may be multiplied by a maximum score (Max Score, e.g., 100 points) to indicate the first quality score in a different score system, or may be expressed as a first quality score or as a percentage.

도 3의 (a)와 b)는 지문 이미지의 예로서, 이해를 돕기 위해, 앞서 설명한 것처럼 추출된 특징점의 위치를 원으로 별도 표시하였다. (a)와 (b)를 비교하면 (b)가 (a)에 비하여 비교적 밀집도가 높다. 따라서 제1 분포도(R1)와 제2 분포도(R2)를 계산하면, (b) 지문 이미지가 (a) 지문 이미지보다 높은 값이 나온다. 실험에서, 제1 기준거리를 30 픽셀, 제2 기준거리를 20 픽셀, 제1 기준값을 4개 그리고 제2 기준값을 2개로 설정하고 100점을 최고 점수로 설정한 경우에, (a) 지문 이미지의 제1 품질 점수는 100점, (b) 지문 이미지의 제1 품질 점수는 60점 정도로 계산되었다. (b) 지문 이미지는 점수가 낮은 만큼 지문 인식에서 오류가 발생할 확률이 높아지고, 이런 형태의 지문 이미지를 생성하는 지문센서의 품질도 낮게 평가된다. 품질판정부(107)는 제1 품질 점수를 검사대상인 지문센서(10)에 대한 품질 점수로 표시부(미도시)를 통해 검사자에게 표시할 수 있다. 3 (a) and 3 (b) show an example of a fingerprint image. In order to facilitate understanding, the positions of extracted feature points are separately indicated by circles as described above. Comparing (a) and (b), (b) is relatively dense compared to (a). Therefore, when the first distribution R1 and the second distribution R2 are calculated, (b) the fingerprint image is higher than (a) the fingerprint image. In the experiment, when the first reference distance is set at 30 pixels, the second reference distance is set at 20 pixels, the first reference value is set at 4, the second reference value is set at 2, and 100 points are set at the highest score, (a) The first quality score of the fingerprint image was calculated as 100 points, and the first quality score of the fingerprint image was calculated as about 60 points. (b) Fingerprint images have a higher probability of errors in fingerprint recognition due to their lower scores, and the quality of fingerprint sensors that generate these types of fingerprint images is evaluated to be lower. The quality determination unit 107 can display the first quality score to the inspector through a display unit (not shown) as a quality score for the fingerprint sensor 10 to be inspected.

이상의 방법으로 본 발명의 판정 시스템(100)의 지문센서(10)의 품질 판정이 수행된다. 도 2의 예에서는 품질판정부(107)가 제1 분포도(R1)와 제2 분포도(R2)의 평균값을 이용하는 방법을 설명하였으나, 품질판정부(107)는 제1 분포도(R1) 또는 제2 분포도(R2) 하나만을 이용하여 해당 지문 이미지의 품질을 판정할 수도 있다. In this way, the quality determination of the fingerprint sensor 10 of the determination system 100 of the present invention is performed. 2, the quality determining section 107 has described the method of using the average value of the first distribution diagram R1 and the second distribution diagram R2. However, the quality determining section 107 may determine the quality of the first distribution R1 or the second distribution R2 The quality of the corresponding fingerprint image may be determined using only one distribution map R2.

실시 예2: 품질 판정의 다른 방법Example 2: Another method of quality determination

앞의 실시 예는 특징점의 분포도를 이용하여 지문 이미지의 품질을 판정하였다. 한편, 지문 이미지의 품질 판정을 다양한 관점에서 복합적으로 수행하기 위하여, 특징점분석부(105)가 계산하는 지문 이미지 내에서 지문 영역의 크기, 전체 특징점의 개수(M) 및/또는 개별 특징점의 품질 등을 고려할 수 있다. In the above embodiment, the quality of a fingerprint image was determined using a distribution chart of feature points. In order to perform the quality determination of the fingerprint image in various viewpoints, the size of the fingerprint area, the number M of all the feature points and / or the quality of individual feature points in the fingerprint image calculated by the feature point analysis unit 105 Can be considered.

<지문 영역의 크기><Size of fingerprint area>

특징점분석부(105)는 특징점추출부(101)가 추출한 전체 특징점의 좌표를 기초로 지문 이미지 내의 지문 영역의 크기를 계산한다. 지문 영역은 도 4에 도시된 것처럼, 가로보다 세로로 긴 영역이며 일반적으로 충분히 크게 지문 영역이 포함되는 것이 바람직하다. The feature point analysis unit 105 calculates the size of the fingerprint area in the fingerprint image based on the coordinates of all the feature points extracted by the feature point extraction unit 101. [ As shown in Fig. 4, the fingerprint area is an area that is longer than the width and is generally sufficiently large to include the fingerprint area.

지문 영역의 크기는 영상처리 기법에 따라 확인할 수도 있으나, 본 발명에서는 간단히 전체 특징점의 좌표를 기초로 지문 영역의 가로와 세로 크기를 측정한다. 다시 말해, 특징점의 좌표들 중에서 x축 상에서 가장 멀리 떨어진 특징점 사이의 거리를 가로 길이로 계산하고, y축 상에서 가장 멀리 떨어진 특징점 사이의 거리를 세로 길이로 계산한다. 특징점의 좌표로 확인하는 지문 영역은 실제 지문 영역의 크기와 다르지만, 본 발명에서 지문 영역의 크기로 지문 이미지의 품질을 판정하는데는 충분하며 상대적으로 간단하고 효율적인 방법이다. The size of the fingerprint area can be checked according to the image processing technique, but in the present invention, the width and height of the fingerprint area are measured based on the coordinates of all the feature points. In other words, the distance between the feature points farthest from the x-axis among the coordinates of the feature point is calculated as the width, and the distance between the feature points farthest from the y-axis is calculated as the length. Although the fingerprint area identified by the coordinates of the minutiae points is different from the size of the actual fingerprint area, in the present invention, the size of the fingerprint area is sufficient to determine the quality of the fingerprint image and is a relatively simple and efficient method.

품질판정부(107)는 지문 이미지의 전체 크기에 대한 특징점분석부(105)가 계산한 지문 영역의 크기의 비율을 기초로 지문 이미지의 제2 품질 점수를 계산할 수 있다. 방법적으로는 품질을 복수 개의 구간으로 나누고, 크기 비율을 백분율로 구한 값이 속하는 구간을 제2 품질 점수로 구할 수 있다. 복수 개의 구간은 예컨대, 1등급(70%), 2등급(60%), 3등급(50%), 그리고 4등급(40%)으로 나눌 수 있다. The quality determination unit 107 can calculate the second quality score of the fingerprint image based on the ratio of the size of the fingerprint area calculated by the minutia analysis unit 105 to the total size of the fingerprint image. As a method, quality can be divided into a plurality of sections, and a section to which a value obtained by dividing a size ratio by a percentage belongs can be obtained as a second quality score. The plurality of sections can be divided into, for example, first class (70%), second class (60%), third class (50%) and fourth class (40%).

<전체 특징점의 개수(M)>&Lt; Number of total feature points (M) >

특징점분석부(105)는 전체 특징점의 개수(M)를 카운팅하여 품질판정부(107)에게 제공한다. The minutiae analyzing unit 105 counts the number M of all minutiae points and provides the counted number M to the quality determining unit 107. [

품질판정부(107)는 전체 특징점의 개수(M)를 기초로 지문 이미지의 품질에 관한 제3 품질 점수를 계산할 수 있다. 여기서도, 방법적으로 복수 개의 품질 구간을 두고, 크기 비율을 백분율로 구한 값이 속하는 구간을 제3 품질 점수로 구할 수 있다. 복수 개의 구간은 예컨대, 특징점의 개수가 10개 이하이면 0점, 15개 이하이면 25점, 15개를 초과하면 50점을 줄 수 있다. The quality determination unit 107 may calculate a third quality score related to the quality of the fingerprint image based on the total number M of feature points. Here, a section in which a plurality of quality intervals are provided in a method, and a value obtained by dividing a size ratio by a percentage belongs can be obtained as a third quality score. For example, if the number of the minutiae is 10 or less, the number of the intervals is 0, if the number of minutiae is 15 or less, 25 points, and if the number of minutiae is 15 or more, 50.

<특징점 각각의 품질><Quality of each feature>

특징점분석부(105)는 특징점추출부(101)가 추출한 전체 특징점 각각의 품질을 평가하여 점수를 매김으로써 전체 특징점의 품질을 제4 품질 점수를 구할 수 있다. 예를 들어, 특징점 각각의 품질을 1등급(100점), 2등급(50점), 그리고 3등급(0점)으로 구분할 수 있다. 특징점분석부(105)는 전체 특징점에 부여된 품질 점수의 합을 전체 특징점 개수(M)로 나누어 구한 평균 품질 점수를 제4 품질 점수로 계산한다. 개별 특징점의 품질을 판단하는 방법은 종래에 알려진 이미지 처리에 관한 방식을 사용할 수 있다. The minutiae point analyzing unit 105 can evaluate the quality of each of all the minutiae points extracted by the minutiae point extracting unit 101 and score them to obtain the quality score of all minutiae points. For example, the quality of each feature point can be divided into 1 grade (100 points), 2 grades (50 points), and 3 grades (0 points). The minutia analysis unit 105 calculates the average quality score obtained by dividing the sum of the quality scores assigned to all the minutiae points by the total minutiae number (M) as the fourth quality score. As a method of determining the quality of individual feature points, a conventionally known image processing method can be used.

<최종 품질 판정><Final quality determination>

도 2의 예에서, 품질판정부(107)는 특징점의 분포도를 기초로 구한 제1 품질 점수를 기초로 지문 이미지, 즉 지문센서(10)의 품질을 최종 판정하지만, 실시 예 2의 품질판정부(107)는 특징점분석부(105)가 구한 특징점 정보를 추가로 이용하여 복합적으로 품질을 판정할 수 있다. In the example of FIG. 2, the quality determination section 107 finally determines the quality of the fingerprint image, that is, the quality of the fingerprint sensor 10 based on the first quality score obtained based on the distribution chart of the minutiae points. (107) can further judge the quality by additionally using the minutia information obtained by the minutia analyzer (105).

품질판정부(107)는 제1 품질 점수 내지 제4 품질점수를 각각 검사자에게 표시할 수도 있지만, 제1 품질 점수와 제2 품질 점수의 조합, 제1 품질 점수와 제3 품질 점수의 조합, 제1 품질 점수와 제4 품질 점수의 조합, 제1 품질 점수와 제2 품질 점수와 제3 품질 점수의 조합, 또는 제1 품질 점수 내지 제4 품질점수의 조합으로 품질 총점을 구할 수 있다. 이 과정에서 품질 점수마다 서로 다른 웨이트(Weight)를 부여하여 총점을 구할 수도 있다. The quality determination unit 107 may display the first quality score to the fourth quality score to the inspector, but it is also possible that the combination of the first quality score and the second quality score, the combination of the first quality score and the third quality score, A total score can be obtained by a combination of a first quality score and a fourth quality score, a combination of the first quality score, the second quality score and the third quality score, or a combination of the first quality score and the fourth quality score. In this process, different weights may be assigned to each quality score to obtain the total score.

이상에서는 본 발명의 바람직한 실시 예에 대하여 도시하고 설명하였지만, 본 발명은 상술한 특정의 실시 예에 한정되지 아니하며, 청구범위에서 청구하는 본 발명의 요지를 벗어남이 없이 당해 발명이 속하는 기술 분야에서 통상의 지식을 가진 자에 의해 다양한 변형실시가 가능한 것은 물론이고, 이러한 변형실시들은 본 발명의 기술적 사상이나 전망으로부터 개별적으로 이해되어서는 안 될 것이다.While the present invention has been particularly shown and described with reference to exemplary embodiments thereof, it is clearly understood that the same is by way of illustration and example only and is not to be construed as limiting the scope of the invention as defined by the appended claims. It will be understood by those skilled in the art that various changes in form and details may be made therein without departing from the spirit and scope of the present invention.

Claims (10)

지문센서 품질 판정방법에 있어서,
상기 지문센서가 지문으로부터 획득한 지문 이미지로부터 특징점을 추출하는 단계;
n번째 특징점에 대해 제1 기준거리 내에 존재하는 인접 특징점의 개수(s1)를 카운팅하는 과정을 상기 추출된 전체 특징점에 대해 반복하는 단계(0<n≤M, M은 상기 추출된 전체 특징점의 개수);
상기 전체 특징점의 개수(M) 대비, 상기 인접 특징점의 개수(s1)가 제1 기준값 이상인 특징점의 개수의 비율인 제1 분포도(R1)을 계산하는 단계; 및
상기 제1 분포도(R1)가 높을수록 상기 지문 이미지의 품질이 낮은 것으로 판정하는 품질판정단계를 포함하여, 상기 지문 이미지의 품질로서 지문센서의 품질을 최종 판정하는 것을 특징으로 하는 지문센서 품질 판정방법.
A fingerprint sensor quality judging method comprising:
Extracting feature points from a fingerprint image obtained from the fingerprint by the fingerprint sensor;
and repeating the step of counting the number of adjacent feature points (s1) existing within a first reference distance with respect to the nth feature point with respect to all extracted feature points (0 < nM, M is the number of all extracted feature points );
Calculating a first distribution (R1), which is a ratio of the number (M) of all the minutiae to the number of minutiae where the number of adjacent minutiae (s1) is greater than or equal to a first reference value; And
And a quality determination step of determining that the quality of the fingerprint image is lower as the first distribution degree (R1) is higher, characterized in that the quality of the fingerprint sensor is finally determined as the quality of the fingerprint image .
제1항에 있어서,
n번째 특징점에 대해 제2 기준거리 내에 존재하는 인접 특징점의 개수(s2)를 카운팅하는 과정을 상기 M개의 전체 특징점에 대해 반복하되, 상기 제2 기준거리는 상기 제1 기준거리보다 짧은 단계; 및
상기 전체 특징점의 개수(M) 대비, 상기 인접 특징점의 개수(s2)가 제2 기준값 이상인 특징점의 개수의 비율인 제2 분포도(R2)를 계산하되, 상기 제2 기준값은 상기 제1 기준값보다 작은 단계를 더 포함하고,
상기 품질판정단계는 상기 제1 분포도(R1)와 제2 분포도(R2)의 평균값이 높을수록 상기 지문 이미지의 품질이 낮은 것으로 판정하는 것을 특징으로 하는 지문센서 품질 판정방법.
The method according to claim 1,
repeating the step of counting the number of adjacent feature points (s2) existing within the second reference distance with respect to the nth feature point, for all M feature points, wherein the second reference distance is shorter than the first reference distance; And
Calculating a second distribution value (R2) that is a ratio of the number (M) of all the feature points to the number of feature points having the number of adjacent feature points (s2) equal to or greater than a second reference value, the second reference value being smaller than the first reference value Further comprising:
Wherein the quality determination step determines that the quality of the fingerprint image is lower as the average value of the first distribution degree (R1) and the second distribution degree (R2) is higher.
제2항에 있어서,
상기 평균값에 최고점수를 곱한 값을 상기 지문 이미지의 제1 품질 점수로 표시하는 단계를 더 포함하는 것을 특징으로 하는 지문센서 품질 판정방법.
3. The method of claim 2,
Further comprising the step of displaying a value obtained by multiplying the average value by the highest score with a first quality score of the fingerprint image.
제3항에 있어서,
상기 지문 이미지의 전체 크기에 대한 지문 영역의 크기 비율을 기초로 상기 지문 이미지의 제2 품질 점수를 계산하되, 상기 전체 특징점의 좌표를 기초로 상기 지문 영역의 크기를 계산하는 단계; 및
상기 전체 특징점의 개수(M)를 기초로 상기 지문 이미지의 제3 품질 점수로 계산하는 단계를 더 포함하고,
상기 품질판정단계는 상기 제1 내지 제3 품질 점수를 기초로 상기 지문 이미지의 품질을 최종 판정하는 것을 특징으로 하는 지문센서 품질 판정방법.
The method of claim 3,
Calculating a second quality score of the fingerprint image based on a size ratio of the fingerprint area to the total size of the fingerprint image, calculating a size of the fingerprint area based on coordinates of all the feature points; And
Calculating a third quality score of the fingerprint image based on the total number M of feature points,
Wherein the quality determination step finally determines the quality of the fingerprint image based on the first to third quality scores.
제4항에 있어서,
상기 특징점 각각의 품질 점수의 평균을 상기 지문 이미지의 제4 품질 점수로 계산하는 단계를 더 포함하고,
상기 품질판정단계는 상기 제1 내지 제4 품질 점수를 기초로 상기 지문 이미지의 품질을 최종 판정하는 것을 특징으로 하는 지문센서 품질 판정방법.
5. The method of claim 4,
Calculating an average of the quality scores of each of the feature points as a fourth quality score of the fingerprint image,
Wherein the quality determination step finally determines the quality of the fingerprint image based on the first to fourth quality scores.
지문센서 품질 판정 시스템에 있어서,
상기 지문센서가 지문으로부터 획득한 지문 이미지로부터 특징점을 추출하는 특징점추출부;
상기 특징점추출부가 추출한 전체 특징점의 분포도를 계산하되, n번째 특징점에 대해 제1 기준거리 내에 존재하는 인접 특징점의 개수(s1)를 카운팅하는 과정을 상기 전체 특징점에 대해 반복한 다음, 상기 전체 특징점의 개수(M) 대비, 상기 인접 특징점의 개수(s1)가 제1 기준값 이상인 특징점의 개수의 제1 분포도(R1)을 계산하는 분포도 계산부 (여기서, 0<n≤M, M은 상기 추출된 전체 특징점의 개수); 및
상기 제1 분포도(R1)가 높을수록 상기 지문 이미지의 품질이 낮은 것으로 판정하는 품질판정부를 포함하여, 상기 지문 이미지의 품질로서 지문센서의 품질을 최종 판정하는 것을 특징으로 하는 지문센서 품질 판정 시스템.
A fingerprint sensor quality judging system comprising:
A feature point extracting unit for extracting feature points from the fingerprint image acquired from the fingerprint by the fingerprint sensor;
Calculating a distribution map of all the minutiae extracted by the minutia extraction unit and counting the number of adjacent minutiae in the first reference distance for the nth minutiae is repeated for all the minutiae, Wherein M is a distribution calculating section for calculating a first distribution R1 of the number of feature points whose number of adjacent feature points s1 is equal to or greater than a first reference value Number of feature points); And
Wherein the quality determination unit determines that the quality of the fingerprint image is lower as the first distribution degree (R1) is higher, so that the quality of the fingerprint sensor is finally determined as the quality of the fingerprint image.
제6항에 있어서,
상기 분포도 계산부는, n번째 특징점에 대해 제2 기준거리 내에 존재하는 인접 특징점의 개수(s2)를 카운팅하는 과정을 상기 M개의 전체 특징점에 대해 반복하고, 상기 전체 특징점의 개수(M) 대비 상기 인접 특징점의 개수(s2)가 제2 기준값 이상인 특징점의 개수의 제2 분포도(R2)을 계산하며,
상기 품질판정부는 상기 제1 분포도(R1)와 제2 분포도(R2)의 평균값이 높을수록 상기 지문 이미지의 품질이 낮은 것으로 판정하며,
상기 제2 기준거리는 상기 제1 기준거리보다 짧고 상기 제2 기준값은 상기 제1 기준값보다 작은 것을 특징으로 하는 지문센서 품질 판정 시스템.
The method according to claim 6,
Wherein the distribution calculating unit repeats the process of counting the number of adjacent feature points s2 existing within the second reference distance with respect to the nth feature point for all the M feature points, Calculating a second distribution diagram (R2) of the number of feature points whose number of feature points (s2) is equal to or greater than a second reference value,
The quality determining unit determines that the quality of the fingerprint image is lower as the average value of the first distribution ratio R1 and the second distribution ratio R2 is higher,
Wherein the second reference distance is shorter than the first reference distance and the second reference value is smaller than the first reference value.
제7항에 있어서,
상기 품질판정부는 상기 평균값에 최고점수를 곱한 값을 상기 지문 이미지의 제1 품질 점수로 표시하는 것을 특징으로 하는 지문센서 품질 판정 시스템.
8. The method of claim 7,
Wherein the quality judging unit displays a value obtained by multiplying the average value by the highest score as a first quality score of the fingerprint image.
제8항에 있어서,
상기 전체 특징점의 좌표를 기초로 지문 영역의 크기를 계산하고 상기 전체 특징점의 개수(M)를 카운팅하는 특징점분석부를 더 포함하고,
상기 품질판정부는 상기 지문 이미지의 전체 크기에 대한 지문 영역의 크기 비율을 기초로 상기 지문 이미지의 제2 품질 점수를 계산하고 상기 전체 특징점의 개수를 기초로 상기 지문 이미지의 제3 품질 점수로 계산한 다음, 상기 제1 내지 제3 품질 점수를 기초로 상기 지문 이미지의 품질을 최종 판정하는 것을 특징으로 하는 지문센서 품질 판정 시스템.
9. The method of claim 8,
Further comprising a feature point analyzing unit for calculating a size of the fingerprint area based on the coordinates of all the feature points and counting the total number of feature points M,
Wherein the quality judging unit calculates a second quality score of the fingerprint image based on a ratio of the size of the fingerprint area with respect to the total size of the fingerprint image and calculates a second quality score of the fingerprint image using the third quality score of the fingerprint image Next, the quality of the fingerprint image is finally determined based on the first to third quality scores.
제9항에 있어서,
상기 특징점분석부는 상기 특징점 각각의 품질 점수를 계산하고,
상기 품질판정부는 상기 특징점 각각의 품질 점수의 평균을 상기 지문 이미지의 제4 품질 점수로 계산한 다음, 상기 제1 내지 제4 품질 점수를 기초로 상기 지문 이미지의 품질을 최종 판정하는 것을 특징으로 하는 지문센서 품질 판정 시스템.


10. The method of claim 9,
Wherein the minutiae analyzing unit calculates a quality score of each of the minutiae points,
Wherein the quality judging unit calculates the average of the quality scores of each of the minutiae points as a fourth quality score of the fingerprint image and finally judges the quality of the fingerprint image based on the first to fourth quality scores Fingerprint sensor quality determination system.


KR1020170132601A 2017-10-12 2017-10-12 System and Method for Judging Quality of Fingerprint Sensor KR101949167B1 (en)

Priority Applications (2)

Application Number Priority Date Filing Date Title
KR1020170132601A KR101949167B1 (en) 2017-10-12 2017-10-12 System and Method for Judging Quality of Fingerprint Sensor
PCT/KR2017/011687 WO2019074143A1 (en) 2017-10-12 2017-10-20 System for judging quality of fingerprint sensor and judging method thereof

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020170132601A KR101949167B1 (en) 2017-10-12 2017-10-12 System and Method for Judging Quality of Fingerprint Sensor

Publications (1)

Publication Number Publication Date
KR101949167B1 true KR101949167B1 (en) 2019-05-08

Family

ID=66100862

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020170132601A KR101949167B1 (en) 2017-10-12 2017-10-12 System and Method for Judging Quality of Fingerprint Sensor

Country Status (2)

Country Link
KR (1) KR101949167B1 (en)
WO (1) WO2019074143A1 (en)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111598023B (en) * 2020-05-20 2023-07-07 公安部物证鉴定中心 Fingerprint identification method and system based on likelihood ratio

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20060124964A (en) * 2005-06-01 2006-12-06 한국전자통신연구원 Mathod and apparatus for classification of fingerprint image quality and fingerprint image recognition system using the same
KR20080062217A (en) * 2006-12-29 2008-07-03 주식회사 케이티 Quality scoring method for fingerprinter images using block-level measures and recordable media thereof
JP2012088918A (en) * 2010-10-19 2012-05-10 Nec Soft Ltd Fingerprint quality calculation device, fingerprint quality calculation method, and fingerprint quality calculation program
JP2013171306A (en) * 2012-02-17 2013-09-02 Nec Soft Ltd Fingerprint quality evaluation device, fingerprint quality evaluation method, fingerprint quality evaluation program

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR100584107B1 (en) * 2003-10-24 2006-06-07 시큐젠 코포레이션 The Optical Fingerprint Image Apparatus and Quality Test Method of the Same

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20060124964A (en) * 2005-06-01 2006-12-06 한국전자통신연구원 Mathod and apparatus for classification of fingerprint image quality and fingerprint image recognition system using the same
KR20080062217A (en) * 2006-12-29 2008-07-03 주식회사 케이티 Quality scoring method for fingerprinter images using block-level measures and recordable media thereof
JP2012088918A (en) * 2010-10-19 2012-05-10 Nec Soft Ltd Fingerprint quality calculation device, fingerprint quality calculation method, and fingerprint quality calculation program
JP2013171306A (en) * 2012-02-17 2013-09-02 Nec Soft Ltd Fingerprint quality evaluation device, fingerprint quality evaluation method, fingerprint quality evaluation program

Also Published As

Publication number Publication date
WO2019074143A1 (en) 2019-04-18

Similar Documents

Publication Publication Date Title
US10275629B2 (en) Method for extracting morphological characteristics from a sample of biological material
Olsen et al. Finger image quality assessment features–definitions and evaluation
EP1467308B1 (en) Image identification system
JPWO2004079658A1 (en) Biological image collation device and collation method thereof
US20070201733A1 (en) Fingerprint collation apparatus, fingerprint pattern area extracting apparatus and quality judging apparatus, and method and program of the same
US20080013803A1 (en) Method and apparatus for determining print image quality
JP2002222424A (en) Fingerprint matching system
BR102015002106A2 (en) validation method of using a real finger to support a fingerprint
US20100183230A1 (en) Feature attribute calculation apparatus, feature extraction apparatus, pattern matching apparatus, and method
KR101959892B1 (en) Fingerprint authentication method and apparatus
TW200813860A (en) Method and apparatus for adaptive hierarchical processing of print images
JP2004118676A (en) Fingerprint authenticating method/program/device
KR101949167B1 (en) System and Method for Judging Quality of Fingerprint Sensor
KR100869876B1 (en) Quality scoring method for fingerprinter images using block-level measures and recordable media thereof
CN104112145B (en) Facial expression recognizing method based on PWLD and D S evidence theories
KR100489430B1 (en) Recognising human fingerprint method and apparatus independent of location translation , rotation and recoding medium recorded program for executing the method
KR100404489B1 (en) Method for signature verification
CN110020686A (en) A kind of road surface method for detecting abnormality based on intelligent perception sensing data
KR101255022B1 (en) Detecting method of building crack using point group
KR100194583B1 (en) Facial component extraction system and its extraction method
Liu et al. Fingerprint image quality assessment based on BP neural network with hierarchical clustering
KR101934390B1 (en) System and Method for Judging Quality of Forged-Fingerprint Detecting Function for Fingerprint Recognition Apparatus
JPH07318331A (en) Recognition method of three-dimensional object
US20080240522A1 (en) Fingerprint Authentication Method Involving Movement of Control Points
Levesque Measurement of skin deformation using fingerprint feature tracking