KR102028049B1 - 동물 귀 정맥을 이용한 동물의 인증 방법 - Google Patents

동물 귀 정맥을 이용한 동물의 인증 방법 Download PDF

Info

Publication number
KR102028049B1
KR102028049B1 KR1020180041193A KR20180041193A KR102028049B1 KR 102028049 B1 KR102028049 B1 KR 102028049B1 KR 1020180041193 A KR1020180041193 A KR 1020180041193A KR 20180041193 A KR20180041193 A KR 20180041193A KR 102028049 B1 KR102028049 B1 KR 102028049B1
Authority
KR
South Korea
Prior art keywords
image
ear
region
pixel
pixel value
Prior art date
Application number
KR1020180041193A
Other languages
English (en)
Inventor
김봉균
Original Assignee
김봉균
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 김봉균 filed Critical 김봉균
Priority to KR1020180041193A priority Critical patent/KR102028049B1/ko
Priority to PCT/KR2018/005331 priority patent/WO2019198867A1/ko
Application granted granted Critical
Publication of KR102028049B1 publication Critical patent/KR102028049B1/ko

Links

Images

Classifications

    • 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
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F21/00—Security arrangements for protecting computers, components thereof, programs or data against unauthorised activity
    • G06F21/30—Authentication, i.e. establishing the identity or authorisation of security principals
    • G06F21/31—User authentication
    • G06F21/32—User authentication using biometric data, e.g. fingerprints, iris scans or voiceprints
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F21/00—Security arrangements for protecting computers, components thereof, programs or data against unauthorised activity
    • G06F21/30—Authentication, i.e. establishing the identity or authorisation of security principals
    • G06F21/45—Structures or tools for the administration of authentication
    • G06K9/4671—
    • G06T5/002—
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T5/00—Image enhancement or restoration
    • G06T5/40—Image enhancement or restoration using histogram techniques
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T5/00—Image enhancement or restoration
    • G06T5/70—Denoising; Smoothing
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/10—Segmentation; Edge detection
    • G06T7/11—Region-based segmentation
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/10—Segmentation; Edge detection
    • G06T7/194—Segmentation; Edge detection involving foreground-background segmentation
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/20—Image preprocessing
    • G06V10/30—Noise filtering
    • 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
    • G06V10/46—Descriptors for shape, contour or point-related descriptors, e.g. scale invariant feature transform [SIFT] or bags of words [BoW]; Salient regional 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
    • G06V10/40—Extraction of image or video features
    • G06V10/46—Descriptors for shape, contour or point-related descriptors, e.g. scale invariant feature transform [SIFT] or bags of words [BoW]; Salient regional features
    • G06V10/462—Salient features, e.g. scale invariant feature transforms [SIFT]
    • 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
    • G06V40/14—Vascular patterns
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/30—Subject of image; Context of image processing
    • G06T2207/30004—Biomedical image processing
    • G06T2207/30101—Blood vessel; Artery; Vein; Vascular

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Computer Security & Cryptography (AREA)
  • General Engineering & Computer Science (AREA)
  • Computer Hardware Design (AREA)
  • Software Systems (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Multimedia (AREA)
  • Health & Medical Sciences (AREA)
  • General Health & Medical Sciences (AREA)
  • Vascular Medicine (AREA)
  • Human Computer Interaction (AREA)
  • Measurement Of The Respiration, Hearing Ability, Form, And Blood Characteristics Of Living Organisms (AREA)
  • Collating Specific Patterns (AREA)

Abstract

본 발명은 동물의 인증 방법에 관한 것으로, 보다 구체적으로 동물의 귀 정맥 영상으로부터 추출한 특징점과 기저장 등록된 동물의 귀 정맥 영상의 특징점을 비교함으로써 동물의 귀 정맥 영상으로부터 동물을 정확하게 구별 인증할 수 있으며, 강아지 또는 고양이 등과 같은 귀에 털이 무수히 존재하는 동물에 특화하여 귀 정맥 영상을 귀 영역과 배경 영역으로 1차 분리한 후 귀 영역에 존재하는 털 잡음 성분을 제거함으로써 귀 정맥 영상으로부터 특징점을 정확하게 추출하여 동물을 정확하게 구별 인증할 수 있다.

Description

동물 귀 정맥을 이용한 동물의 인증 방법{Method for authorizing pet using vein pattern of ear}
본 발명은 동물의 인증 방법에 관한 것으로, 보다 구체적으로 동물의 귀 정맥 영상으로부터 추출한 특징점과 기저장 등록된 동물의 귀 정맥 영상의 특징점을 비교함으로써 동물의 귀 정맥 영상으로부터 동물을 정확하게 구별 인증할 수 있으며, 강아지 또는 고양이 등과 같은 귀에 털이 무수히 존재하는 동물에 특화하여 귀 정맥 영상을 귀 영역과 배경 영역으로 1차 분리한 후 귀 영역에 존재하는 털 잡음 성분을 제거함으로써 귀 정맥 영상으로부터 특징점을 정확하게 추출하여 동물을 정확하게 구별 인증할 수 있다.
생체 인식 기술은 생체 정보를 이용하여 개인의 신원을 확인하거나 식별하는 기술을 말한다. 현재까지의 생체 인식 기술에는 지문, 얼굴, 홍채 또는 목소리 등을 이용하여 개인 신원을 식별하여 왔다.
지문 인식 기술은 인식 장치가 작고, 저렴하게 대량 생산이 가능하다. 또한 인식의 정확성과 신속성의 측면에서도 비교적 좋은 성능을 보인다. 그러나 지문은 신체 밖으로 드러나 있어 도난당하기 쉽고 땀 등에 의해 변형될 가능성이 있어 인식 성능에 영향을 미칠 수 있다. 또한, 위생상의 문제점도 존재한다. 홍채 인식 기술은 인식 오류가 날 가능성이 거의 없고 위조도 어렵다는 점에서 가장 신뢰할 수 있는 생체 인식 기술이다. 그러나 대부분의 사람이 홍채 인식을 위해 눈에 직접 빛을 비추기를 꺼리며, 홍채 인식 장치는 크기가 크며 고가라는 단점이 있다. 얼굴 또는 목소리 인식 기술은 신원 인식을 하는데 있어 가장 자연스러운 형태의 생체 정보라는 장점을 가진다. 그러나 인식의 정확성 측면에서 다른 기술에 비해서 그 정확성이 떨어지는 단점을 가진다.
상술한 생체 인식 기술들의 단점들을 보완 및 해소하기 위하여, 현재에는 정맥 인식 기술이 개발되어 있는 실정이다. 정맥 인식 기술이란 적외선을 통해 취득한 정맥 패턴 영상을 이용하여 개인을 식별하는 기술을 말한다. 인간의 정맥은 피부 바로 밑에 복잡한 형태를 가지고 위치하며, 여러 연구에 따르면 정맥의 패턴은 개개인에 따라 모두 다르며 나이를 먹어도 그 패턴이 변화하지 않는 것으로 알려져 있다. 정맥 인식 기술은 다음과 같은 장점을 갖는다. 즉, 정맥은 신체 내부에 존재하므로 도난 또는 위조의 위험이 거의 없고, 피부 표면의 상태가 인식에 아무런 영향을 끼치지 않는다. 또 적외선을 이용하여 사용자의 편의성이 높은 비접촉식 장치를 구성할 수 있으며, 정맥 패턴은 안정적이고 비교적 명확하게 찾을 수 있으므로, 작고 이미지 프로세싱이 간단한 정맥 영상을 획득하기 위하여 해상도가 낮은 카메라를 사용할 수 있다. 즉, 정맥 인식 기술은 보안성과 편의성의 측면에서 균형 잡힌 성능을 제공할 수 있다.
이러한 장점들로 인해 최근 정맥 인식 기술은 지문, 홍채, 얼굴 및 목소리 인식 기술에 비해서 위조 변조가 어려워 보다 안전성이 높은 생체 인증 장치의 구현이 가능하고, 소형화가 가능하므로, 다양한 분야에의 응용이 기대되고 있다.
한편, 이러한 정맥 패턴의 특성은 사람에게만 나타나는 것이 아니라 포유류 동물에도 각각 서로 다른 고유의 특성으로 나타난다. 따라서, 정맥 인식 기술은 사람 뿐만 아니라 향후 동물에도 적용 가능하며, 동물에 대한 정맥 인식 장치 또한 그 필요성이 점점 증가하고 있다. 특히, 개나 고양이와 같은 애완 동물의 경우, 정맥 패턴 인식 및 등록을 통해 애완동물을 구별하거나 인증하는 시스템으로 관리될 수 있다.
본 발명에 따른 선행기술로는 한국특허출원 제10-2010-7001097호(출원인: 소니주식회사, 발명의 명칭:정맥 인증장치, 정맥 인증용 촬상장치 및 정맥 조사 방법)와 한국특허출원 제10-2005-96334호(출원인: 가부시키가이샤히타치세이사큐쇼, 발명의 명칭: 개인 인증 장치 및 개인 인증용 혈관 패턴 추출장치)가 있다.
본 발명은 위에서 언급한 종래기술이 가지는 문제점을 해결하기 위한 것으로, 본 발명이 이루고자 하는 목적은 애완 동물의 귀 정맥 영상으로부터 추출한 특징점과 기저장 등록된 애완 동물의 귀 정맥 영상의 특징점을 비교하여 애완 동물을 인증하는 방법을 제공하는 것이다.
본 발명이 이루고자 하는 다른 목적은 강아지 또는 고양이 등과 같은 애완 동물에 특화되어 애완 동물의 귀에 많이 존재하는 떨 잡음 성분을 제거하여 귀 정맥 영상으로부터 특징점을 정확하게 추출할 수 있는 애완 동물의 인증 방법을 제공하는 것이다.
본 발명의 목적을 달성하기 위하여 본 발명의 일 실시예에 따른 애완 동물의 인증 방법은 애완동물의 귀의 일부분을 촬영한 귀 정맥 원본 영상을 획득하는 단계와, 귀 정맥 원본 영상에서 귀 영역과 배경 영역을 분리하고 분리한 귀 영역에서 떨 잡음 성분을 제거한 잡음 제거 영상을 생성하는 단계와, 잡음 제거 영상의 조명 성분을 추정하고 추정한 조명 성분에 기초하여 조명 정규화된 영상을 생성하는 단계와, SIFT(Scale Invariant Feature Transform) 알고리즘을 이용하여 조명 정규화된 영상에서 귀 정맥의 특징을 나타내는 특징점을 추출하고 추출한 특징점의 서술자를 생성하는 단계와, 추출한 특징점의 서술자와 기저장된 애완 동물의 귀 정맥 영상의 저장 특징점 서술자를 매칭하여 매칭 결과에 따라 애완 동물을 인증하는 단계를 포함하는 것을 특징으로 한다.
바람직하게, 본 발명의 일 실시예에 따른 잡음 제거 영상을 생성하는 단계는 귀 정맥 원본 영상의 각 픽셀의 픽셀값을 배경 영역으로 설정한 영역에 위치하는 픽셀의 픽셀값 또는 귀 영역으로 설정한 영역에 위치하는 픽셀의 픽셀값과 비교하여 귀 정맥 원본 영상에서 귀 영역과 배경 영역을 분리하는 단계와, 분리한 귀 영역에 존재하는 털 픽셀의 픽셀값을 인접 픽셀값으로 분산하여 귀 영역에 존재하는 털 잡음 성분을 제거하여 잡음 제거 영상을 생성하는 단계를 포함하는 것을 특징으로 한다.
바람직하게, 본 발명의 일 실시예에 따른 귀 영역과 배경 영역을 분리하는 단계는 촬영한 귀 정맥 원본 영상에서 기준 배경영역과 기준 귀영역을 판단하는 단계와, 기준 배경영역을 구성하는 픽셀들의 픽셀값으로부터 6차원 픽셀값 벡터를 계산하고 기준 귀영역을 구성하는 픽셀들의 픽셀값으로부터 6차원 픽셀값 벡터를 계산하는 단계와, 잡음 제거 영상에 포함되어 있는, 기준 배경영역과 기준 귀영역 이외의 임의 픽셀들에 대해 각각 6차원 픽셀값을 계산하는 단계와, 임의 픽셀의 6차원 픽셀값을 기준 배경영역을 구성하는 픽셀들의 6차원 픽셀값 벡터와 기준 귀영역을 구성하는 픽셀들의 6차원 픽셀값 벡터로 구분하여 표현하여 기준 배경영역을 구성하는 6차원 픽셀값 벡터의 계수 조합과 기준 귀영역을 구성하는 6차원 픽셀값 벡터의 계수 조합으로부터 영역 판단 지수를 계산하는 단계와, 계산한 영역 판단 지수에 기초하여 임의 픽셀이 배경 영역에 해당하는지 아니면 귀 영역에 해당하는지 판단하여 잡음 분리 영상에서 귀 영역을 분리하는 단계 더 포함하는 것을 특징으로 한다.
바람직하게, 본 발명의 일 실시예에 따른 잡음 제거 영상을 생성하는 단계는 귀 영역을 구성하는 N×N(N은 홀수) 크기의 단위 영상 블록에서 중심 픽셀과 인접 픽셀의 픽셀값을 오름차순으로 나열하는 단계와, 오름차순으로 나열된 중심 블록과 인접 픽셀의 픽셀값에서 중간 위치에 위치하는 중심 픽셀값을 판단하는 단계와, 단위 영상 블록의 중심 픽셀의 픽셀값을 중심 픽셀값으로 설정하여 귀 영역에 존재하는 털 잡음 성분을 제거하는 단계는 포함하는 것을 특징으로 한다.
바람직하게, 본 발명의 일 실시예에 따른 조명 정규화된 영상을 생성하는 단계는 귀 정맥 원본 영상을 반전시켜 반전 원본 영상을 생성하는 단계와, 저주파 조명 성분을 추출하기 하기 위해 평균 필터를 반전 원본 영상에 적용하여 반전 추정 조명 성분을 계산하는 단계와, 반전 추정 조명 성분을 재반전시켜 추정 조명 성분을 계산하는 단계와, 추정 조명 성분과 반전 원본 영상을 서로 합하여 조명 정규화된 반전 영상을 생성하는 단계와, 조명 정규화된 반전 영상을 히스토그램 평활화(Histogram Equalization)하여 조명 정규화된 반전 영상의 픽셀값을 확산 분포시킨 반전 평활화 영상을 생성하는 단계와, 반전 평활화 영상을 재반전시켜 조명 정규화된 영상을 생성하는 단계를 포함하는 것을 특징으로 한다.
바람직하게, 본 발명의 일 실시예에 따른 특징점을 추출하는 단계는 다른 레벨의 분산을 가지는 가우시안 함수에 의해 블러(blur)된 스케일 공간 영상을 생성하는 단계와, 스케일 공간 영상 중 인접 영상의 차로부터 가우시안 차 영상을 생성하는 단계와, 가우시안 차 영상 중 현재 픽셀에 인접한 인접 픽셀, 가우시안 차 영상에 상위 및 하위 인접한 인접 가우시안 차 영상 중 현재 픽셀에 인접한 차위 인접 픽셀에서 최대 또는 최소 픽셀값을 가지는 후보 특징점을 판단하는 단계와, 후보 특징점에서 불안정한 후보 특징점을 제거하여 특징점을 추출하는 단계를 포함하는 것을 특징으로 한다.
바람직하게, 본 발명의 일 실시예에 따른 특징점의 서술자를 생성하는 단계는 특징점을 중심으로 특징점의 인접 픽셀을 이용하여 특징점과 특징점 인접 픽셀 사이의 방위각과 크기를 계산하는 단계와, 계산한 방위각의 히스토그램으로부터 특징점의 기준 방위를 판단하는 단계와, 기준 방위에 기초하여 특징점 주변에 위치한 국부 영역의 그레디언트 방향과 크기로 표현되는 특징점 서술자를 생성하는 단계를 포함하는 것을 특징으로 한다.
본 발명에 따른 애완 동물의 인증 방법은 애완 동물의 귀 정맥 영상으로부터 추출한 특징점과 기저장 등록된 애완 동물의 귀 정맥 영상의 특징점을 비교함으로써, 애완 동물의 귀 정맥 영상으로부터 애완 동물을 정확하게 구별 인증할 수 있다.
또한 본 발명에 따른 애완 동물의 인증 방법은 강아지 또는 고양이 등과 같은 애완 동물에 특화하여 귀 정맥 영상을 귀 영역과 배경 영역으로 1차 분리한 후 귀 영역에 존재하는 떨 잡음 성분을 제거함으로써, 귀 정맥 영상으로부터 특징점을 정확하게 추출하여 애완 동물을 정확하게 구별 인증할 수 있다.
도 1은 본 발명에 따른 애완동물의 귀 정맥 인증 장치를 설명하기 위한 기능 블록도이다.
도 2는 본 발명에 따른 애완동물의 귀 정맥 영상을 획득하는 일 예를 도시하고 있다.
도 3은 본 발명에 따른 영상 촬영부의 일 예를 도시하고 있다.
도 4는 본 발명의 일 실시예에 따른 잡음 제거부를 설명하기 위한 기능 블록도이다.
도 5는 본 발명에 따른 정규화 영상 생성부의 일 예를 설명하기 위한 기능 블록도를 도시하고 있다.
도 6은 본 발명에 따른 인증부를 보다 구체적으로 설명하기 위한 기능 블록도이다.
도 7은 본 발명에 따른 애완동물의 인증 방법을 설명하기 위한 흐름도이다.
도 8은 본 발명에 따라 조며 정규화된 영상을 생성하는 단계의 일 예를 설명하기 위한 흐름도이다.
도 9는 본 발명에 따라 귀 정맥 원본 영상에서 배경영역과 귀영역을 분리하는 단계의 일 예를 설명하기 위한 흐름도이다.
도 10은 기준 배경영역과 기준 귀영역의 판단 예를 설명하기 위한 도면이다.
도 11은 본 발명에 따라 특징점을 추출하는 단계의 일 예를 설명하기 위한 흐름도이다.
본 발명에서 사용되는 기술적 용어는 단지 특정한 실시 예를 설명하기 위해 사용된 것으로, 본 발명을 한정하려는 의도가 아님을 유의해야 한다. 또한, 본 발명에서 사용되는 기술적 용어는 본 발명에서 특별히 다른 의미로 정의되지 않는 한, 본 발명이 속하는 기술 분야에서 통상의 지식을 가진 자에 의해 일반적으로 이해되는 의미로 해석되어야 하며, 과도하게 포괄적인 의미로 해석되거나, 과도하게 축소된 의미로 해석되지 않아야 한다. 또한, 본 발명에서 사용되는 기술적인 용어가 본 발명의 사상을 정확하게 표현하지 못하는 잘못된 기술적 용어일 때에는, 당업자가 올바르게 이해할 수 있는 기술적 용어로 대체되어 이해되어야 할 것이다.
또한, 본 발명에서 사용되는 단수의 표현은 문맥상 명백하게 다르게 뜻하지 않는 한 복수의 표현을 포함한다. 본 발명에서, "구성된다" 또는 "포함한다" 등의 용어는 발명에 기재된 여러 구성 요소들, 또는 여러 단계를 반드시 모두 포함하는 것으로 해석되지 않아야 하며, 그 중 일부 구성 요소들 또는 일부 단계들은 포함되지 않을 수도 있고, 또는 추가적인 구성 요소 또는 단계들을 더 포함할 수 있는 것으로 해석되어야 한다.
또한, 첨부된 도면은 본 발명의 사상을 쉽게 이해할 수 있도록 하기 위한 것일 뿐, 첨부된 도면에 의해 본 발명의 사상이 제한되는 것으로 해석되어서는 아니 됨을 유의해야 한다.
한편, 본 발명에 따른 애완동물의 인증 방법은 귀를 가진 다양한 동물에 적용 가능하지만 이하에서는 애완동물로 한정하여 설명한다.
이하 첨부한 도면을 참고로 본 발명에 따른 애완동물의 인증 방법에 대해 보다 구체적으로 설명한다.
도 1은 본 발명에 따른 애완동물의 귀 정맥 인증 장치를 설명하기 위한 기능 블록도이다.
도 1을 참고로 보다 구체적으로 살펴보면, 영상 촬영부(110)는 애완동물의 귀 일부에 대한 귀 정맥 원본 영상을 획득한다. 영상 촬영부(110)에서 획득한 애완동물의 귀 정맥 원본 영상은 잡음 제거부(130)로 입력되는데 잡음 제거부(130)는 애완동물의 귀 영상에서 털로 인해 발생하는 잡음 성분을 제거한다. 애완동물의 귀에는 무수히 많은 털들이 존재하는데 이러한 귀의 털들은 애완동물의 귀 정맥 영상에서 잡음 성분으로 작용하게 된다.
잡음 제거부(130)에서 털 잡음 성분이 제거된 잡음 제거 영상은 정규화 영상 생성부(150)로 입력되는데, 정규화 영상 생성부(150)는 잡음 제거 영상에서 조명 성분을 추정하고 추정한 조명 성분에 기초하여 조명 정규화된 영상을 생성한다. 영상 촬영부(110)는 적외선 광원을 이용하여 애완동물의 귀 원본 영상을 획득하는데, 적외선 광원의 배치 위치에 따라 적외선 광원이 귀 특정 부위로 집중되어 조사될 수 있으며 귀의 골격 조직 또는 귀 피부 두께의 차이로 인해 획득한 귀 정맥 원본 영상에서 조명 성분은 불균형이다.
특징점 추출부(170)는 SIFT(Scale Invariant Feature Transform) 알고리즘을 이용하여 조명 정규화된 영상에서 귀 정맥의 특징을 나타내는 SIFT 특징점(keypoint)을 추출하고, 추출한 SIFT 특징점의 서술자를 생성한다. 추출한 특징점의 서술자는 SIFT 특징점 주변에 위치한 국부 영역의 그레디언트(gradient) 방향과 크기, SIFT 특징점의 위치 정보이다.
인증부(180)는 추출한 특징점의 서술자와 귀 정맥 영상 데이터베이스(190)에 기저장된 귀 정맥 영상의 특징점 서술자를 매칭하고, 매칭한 특징점의 수에 기초하여 애완동물을 인증한다. 귀 정맥 영상 데이터베이스(190)에는 다수 애완동물의 귀 정맥 원본 영상으로부터 위에서 설명한 잡음 제거부(130), 정규화 영상 생성부(150), 특징점 추출부(170)를 통해 생성된 SIFT 특징점 서술자가 저장되어 있다.
도 2는 본 발명에 따른 애완동물의 귀 정맥 영상을 획득하는 일 예를 도시하고 있으며, 도 3은 본 발명에 따른 영상 촬영부의 일 예를 도시하고 있다.
도 2와 도 3을 참고로 살펴보면, 애완동물의 귀(10)에는, 특히, 귀(10)의 외측면(11)이 아니라 내측면(12)에는 정맥이 외부 관찰 가능하게 잘 나타난다. 귀(10)의 외측면(11)에는 일반적으로 털이 나있어 정맥 관찰이 쉽지 않다. 본 발명의 일 실시예에 따른 영상 촬영부(110)는, 애완동물의 귀(10)에 형성된 정맥을 촬영하기 위한 것으로, 특히, 동물의 귀(10)의 내측면(12)에 형성된 정맥을 촬영하기에 용이하도록 형성될 수 있다.
본 발명의 일 실시예에 따른 애완동물의 영상 촬영부(110)는, 촬영 케이스(111)와, 적외선 램프(112)와, 카메라(113)를 포함하여 구성된다.
촬영 케이스(111)는 애완동물의 귀(10)가 삽입될 수 있도록 내부 공간이 형성된다. 예를 들면, 중공 파이프 형태로 형성될 수 있는데, 촬영 케이스(111)의 일측에는 애완동물의 귀가 삽입되는 삽입 개구부(114)가 형성되고, 타측에는 애완동물의 귀(10) 끝단부가 관통하여 외부 노출될 수 있도록 관통 개구부(115)가 형성될 수 있다. 촬영 케이스(111)의 타측은 관통 개구부(115)가 아니라 단순히 폐쇄된 형태로 형성될 수도 있다. 그러나, 애완동물의 귀(10)는 애완동물의 종류에 따라 그 크기가 다양한데, 촬영 케이스(111)의 타측이 폐쇄된 형태로 형성되면, 다양한 크기의 귀(10)를 삽입하기 어렵고, 귀(10)가 상대적으로 큰 경우, 귀(10)를 촬영 케이스(111)에 삽입하는 과정에서 귀(10) 끝단이 촬영 케이스(111) 타단에 의해 눌리거나 접히는 등 어려움이 발생할 수 있으므로, 촬영 케이스(111)의 타측 끝단에 관통 개구부(115)를 형성함으로써, 동물의 귀(10)가 촬영 케이스(111)를 관통하여 외부 노출되도록 하는 것이 바람직하다.
또한, 일반적으로 애완동물의 머리는 둥그런 형태로 외측 방향으로 볼록하게 만곡진 형태로 형성되므로, 촬영 케이스(111)의 삽입 개구부(114) 형성 부위는 애완동물의 머리 형태에 대응하여 오목하게 만곡진 형태로 형성됨으로써, 촬영 케이스(111)의 일측단부가 애완동물의 머리 부분에 밀착될 수 있고, 이에 따라 애완동물의 귀(10)가 촬영 케이스(111) 내부에 완전하게 삽입될 수 있다.
특히, 이러한 구조를 통해 애완동물의 귀(10)를 항상 균일한 깊이로 촬영 케이스(111)에 삽입할 수 있어 촬영을 위한 애완동물의 귀(10)의 위치를 항상 일정하게 할 수 있다.
한편, 촬영 케이스(111)에는 사용자가 손에 쥐고 조작할 수 있는 손잡이부(116)가 형성될 수 있고, 손잡이부(116)에는 적외선 램프(112) 및 카메라(113) 등의 조작을 위한 조작 버튼(117)이 구비될 수 있다.
적외선 램프(112)는 촬영 케이스(111)에 장착되며, 촬영 케이스(111)에 삽입된 애완동물의 귀(10)를 투과하도록 적외선을 발광한다. 카메라(113)는 촬영 케이스(111)에 장착되며, 애완동물의 귀(10)를 투과한 적외선을 통해 동물의 귀(10)에 형성된 정맥의 영상을 촬영한다.
이러한 배치 구조에 따라 카메라(113)가 귀(10)의 내측면(12)을 촬영하게 되므로, 귀(10)의 내측면(12)에 주로 관찰되는 정맥 패턴을 더욱 명확하게 촬영할 수 있다.
도 4는 본 발명의 일 실시예에 따른 잡음 제거부를 설명하기 위한 기능 블록도이다.
도 4를 참고로 보다 구체적으로 살펴보면, 잡음 제거부(130)는 애완동물의 귀 정맥 원본 영상으로부터 귀 정맥 영상을 획득하기 전, 애완동물의 귀에 분포하는 무수한 털 잡음 성분을 제거하는데, 잡음 제거부(130)는 애완동물의 귀 정맥 원본 영상에서 배경 영역과 귀 영역을 분리하는 분리부(130-1)와 분리한 귀 영역에서 털 잡음 성분을 제거하는 제거부(130-3)를 구비하고 있다.
분리부(130-1)는 애완동물의 귀 외곽을 따라 무수히 분포하는 긴 털 성분을 제거하기 위해 귀 외곽인 배경 영역과 귀 내부인 귀 영역을 서로 분리하는 역활을 수행하며, 제거부(130-3)는 귀 영역에 존재하는 상대적으로 짧은 길이의 털 잡음 성분을 제거하는 역활을 수행한다.
분리부(130-1)에 대해 보다 구체적으로 살펴보면, 기준 배경영역 판단부(131)는 촬영한 귀 정맥 원본 영상에서 기준 배경영역을 판단하며, 기준 귀영역 판단부(132)는 촬영한 귀 정맥 원본 영상에서 기준 귀영역을 판단한다. 바람직하게, 기준 배경영역 판단부(131)는 촬영한 귀 정맥 원본 영상의 좌측, 우측 및 상단 경계로부터 설정된 이격 거리에 위치하는 영역을 기준 배경영역으로 판단하며, 기준 귀영역 판단부(132)는 촬영한 귀 정맥 원본 영상의 하단 중심으로부터 설정된 이격 거리에 위치하는 영역을 기준 귀영역으로 판단한다.
영역 판단지수 계산부(133)는 기준 배경영역을 구성하는 픽셀들의 픽셀값으로부터 6차원 픽셀값 벡터를 계산하고, 기준 귀영역을 구성하는 픽셀들의 픽셀값으로부터 6차원 픽셀값 벡터를 계산하며, 잡음 제거 영상에 존재하는 임의 픽셀의 6차원 픽셀값을 기준 배경영역을 구성하는 6차원 픽셀값 벡터의 계수 조합과 기준 귀영역을 구성하는 6차원 픽셀값 벡터의 계수 조합으로부터 영역 판단지수를 계산한다.
영역 분리부(134)는 영역 판단지수 계산부(133)에서 계산한 임의 픽셀들의 영역 판단지수에 기초하여 촬영한 귀 정맥 원본 영상의 각 픽셀을 기준 배경영역에 할당하거나 기준 귀영역에 할당하며, 귀 정맥 원본 영상에서 기준 배경영역에 할당된 픽셀값을 제거하여 귀 정맥 원본 영상에서 귀 외곽 무수한 털들이 존재하는 귀 외곽의 배경영역을 제거한 귀영역 분리 영상을 생성한다.
한편, 제거부(130-3)에 대해 보다 구체적으로 살펴보면, 단위 블록 생성부(135)는 귀영역 분리 영상을 N×N(N은 홀수) 크기의 단위 영상 블록으로 분할하며, 나열부(137)는 각 단위 영상 블록을 구성하는 픽셀들의 픽셀값을 오름차순 또는 내림차순으로 나열한다.
중간 픽셀값 판단부(138)는 오름차순 또는 내림차순으로 나열한 단위 영상 블록의 픽셀값에 기초하여 중간 위치에 위치하는 중간 픽셀값을 판단한다. 단위 영상 블록을 구성하는 픽셀들 중 중심에 위치하는 중심 픽셀의 픽셀값을 중간 픽셀값으로 교체하여 귀영역 분리 영상에서 털 잡음 성분을 제거한 잡음 제거 영상을 생성한다.
도 5는 본 발명에 따른 정규화 영상 생성부의 일 예를 설명하기 위한 기능 블록도를 도시하고 있다.
제1 반전부(151)는 잡음 제거 영상(I(x,y))을 반전시켜 반전 영상(I'(x,y))을 생성하며, 조명 성분 추정부(153)는 저주파 조명 성분을 추출하기 하기 위해 평균 필터를 반전 영상(I'(x,y))에 적용하여 반전 추정 조명 성분(R(x,y))을 계산한다. 제2 반전부(155)는 반전 추정 조명 성분(R(x,y)을 재반전시켜 추정 조명 성분(R'(x,y)을 계산한다.
조명 정규화부(157)는 추정 조명 성분(R'(x,y))과 반전 영상(I'(x,y))을 서로 합하여 0에서 255 사이의 픽셀값은 유지시키고 0 이하의 픽셀값은 0으로 설정하고 255 이상의 픽셀값은 255로 설정하여 조명 정규화된 반전 영상(I''(x,y))을 생성하며, 평활화부(158)는 조명 정규화된 반전 영상(I''(x,y))을 히스토그램 평활화(Histogram Equalization)하여 조명 정규화된 반전 영상(I''(x,y))의 픽셀값을 확산 분포시킨다. 여기서 히스토그램 평활화를 통해 명암 분포가 빈약한 조명 정규화된 반전 영상의 히스토그램은 균일하게 분포되며, 명암 대비를 최대화시킨 조명 정규화된 귀 정맥 영상이 생성된다.
제 3 반전부(159)는 반전 평활화 영상을 재반전시켜 조명 정규화된 영상E(x,y)을 생성한다.
영상의 픽셀값이 0에서 255의 값을 가지는 경우, 종래 조명 정규화 방법은 입력 신호로부터 평균 필터를 입력 영상에 적용하여 생성된 추정 조명 성분을 차감하고, 다시 차감한 값에 255을 합산하여 합산한 값을 1/2로 나누어 조명을 정규화하였다.
본 발명에 따른 정규화 영상 생성부는 추정 조명 성분(R'(x,y))과 반전 영상(I'(x,y))을 서로 합하여 0에서 255 사이의 픽셀값은 유지시키고 0이하의 픽셀값은 0으로 설정하고 255 이상의 픽셀값은 255로 설정시킴으로써, 애완동물의 귀 영역에 존재하는 정맥 패턴을 보다 선명하게 필터링하며 SIFT 특징점 추출 및 매칭의 정확성을 높일 수 있다.
도 6은 본 발명에 따른 인증부를 보다 구체적으로 설명하기 위한 기능 블록도이다.
도 6을 참고로 보다 구체적으로 살펴보면, 특징점 검색부(181)는 추출한 SIFT 특징점의 위치 정보에 기초하여 비교 대상의 귀 정맥 영상의 SIFT 특징점 중 추출한 SIFT 특징점의 위치로부터 임계 거리(d)에 위치하는 SIFT 특징점을 검색한다. 본 발명에 따른 획득한 애완 동물의 귀 정맥 원본 영상과 귀 정맥 영상 데이터베이스(190)에 저장되는 귀 정맥 원본 영상은 모두 동일한 애완동물 인증 장치의 영상 촬영부를 통해 균일 위치에서 촬영한 귀 영역의 영상이므로 애완동물의 귀 위치가 크게 변경되는 않는다는 특성을 이용하여 특징점 검색부(181)는 비교 대상의 귀 정맥 영상의 SIFT 특징점 중 추출한 SIFT 특징점의 위치로부터 임계 거리에 위치하는 SIFT 특징점만을 매칭 대상으로 검색한다.
매칭부(183)는 검색한 SIFT 특징점의 서술자와 추출한 SIFT 특징점을 유클리드 거리와 비율에 기초하여 매칭하고, 애완동물 인증부(185)는 매칭부(183)에서 매칭된 SIFT 특징점의 수에 기초하여 임계수 이상으로 매칭되는 SIFT 특징점을 가지는 경우 애완동물을 매칭되는 애완동물로 인증한다.
도 7은 본 발명에 따른 애완동물의 인증 방법을 설명하기 위한 흐름도이다.
도 7을 참고로 보다 구체적으로 살펴보면, 애완동물의 귀 부분을 영상 촬영부에 위치시켜 애완동물의 귀 정맥 원본 영상을 획득한다(S10).
획득한 귀 정맥 원본 영상에서 각 픽셀을 기준 배경영역에 할당하거나 기준 귀영역에 할당하며, 귀 정맥 원본 영상에서 기준 배경영역에 할당된 픽셀값을 제거하여 귀 정맥 원본 영상에서 귀 외곽 긴 털들이 존재하는 귀 외곽의 배경영역을 제거한 귀영역 분리 영상을 생성하며(S20), 귀영역 분리 영상에 존재하는 털 잡음 성분을 제거하여 귀영역 분리 영상에서 귀영역에 존재하는 무수한 털 잡음 성분을 제거한 잡음 제거 영상을 생성한다(S30).
애완동물의 귀 정맥 원본 영상을 획득하는 경우, 애완동물의 귀 털의 분포 특성에 따라 귀 경계의 외곽으로 무수한 상대적 긴 털들이 존재하며 귀 경계의 내부에는 무수한 상대적 짧은 털들이 존재하는데, 이러한 애완동물의 귀 털 분포 특성에 따라 귀 경계 외곽에 존재하는 상대적 긴 털들은 픽셀값에 따라 귀 경계의 외곽 배경영역으로 제거하여 먼저 귀 정맥 원본 영상에서 귀 영역만을 분리하며, 다시 귀 영역 분리 영상에서는 중간필터를 이용하여 무수히 많은 상대적 짧은 털 잡음 성분을 필터링한다.
본 발명에서는 귀 영역 분리 영상에서 평균필터를 사용하는 대신 중간필터를 사용하여 털 잡음 성분을 필터링하는 이유는 털은 통상적으로 가느다랗고 길게 존재하는데 평균필터를 사용하여 털 잡음 성분을 제거하는 경우 털의 주변으로 블러(blur)가 발생하게 된다. 그러나 중간필터를 사용하는 경우 가느다랗고 긴 털에 해당하는 픽셀의 픽셀값을 주변 픽셀값으로 매칭하여 털 잡음 성분을 제거함으로써, 영상의 블러없이 선명하게 털 잡음 성분만을 제거할 수 있다.
잡음 제거 영상에서 조명 성분을 추정하고 추정한 조명 성분에 기초하여 조명 정규화된 영상을 생성한다(S50).
SIFT(Scale Invariant Feature Transform) 알고리즘을 이용하여 조명 정규화된 영상에서 귀 정맥의 특징을 나타내는 SIFT 특징점(keypoint)을 추출하고(S50), 추출한 SIFT 특징점의 서술자를 생성한다(S70).
추출한 특징점의 서술자와 귀 정맥 영상 데이터베이스에 기저장된 귀 정맥 영상의 특징점 서술자를 매칭하고, 매칭되는 특징점의 수에 기초하여 애완동물을 인증한다(S90).
SIFT 특징점의 매칭 과정을 보다 구체적으로 살펴보면, 추출한 SIFT 특징점의 위치 정보(x,y)에 기초하여 기저장된 귀 정맥 영상의 저장 특징점 중 추출한 SIFT 특징점과 임계 거리에 위치하는 SIFT 특징점을 검색하고 검색한 SIFT 특징점과 추출한 SIFT 특징점 사이의 유클리드 거리와 유클리드 거리의 비율을 기초로 거리가 가까운 SIFT 특징점을 찾아 매칭한다.
입력영상에 대하여 가장 많은 SIFT 특징점 매칭을 갖는 비교 대상(P)이 선택되며, 입력영상에서 생성된 SIFT 특징점(SiftNum(I))에 대한 매칭되는 SIFT 특징점들 수의 비율이 임계비율(λ)보다 큰면 매칭으로 간주하여 동일한 애완동물로로 인식하고, 그렇지 않은 경우에는 다른 애완동물로 인식한다.
도 8은 본 발명에 따라 조며 정규화된 영상을 생성하는 단계의 일 예를 설명하기 위한 흐름도이다.
도 8을 참고로 보다 구체적으로 살펴보면, 잡음 제거 영상I(x,y)을 반전시켜 반전 영상을 생성하고(S41), 저주파 조명 성분을 추출하기 하기 위해 평균 필터와 반전 영상을 컨벌루션하여 반전 추정 조명 성분을 계산한다(S43). 조명 성분은 귀 정맥 원본 영상에서 저주파 성분으로 나타나기 때문에, 반전 영상에 평균 필터((F(x,y))를 컨볼루션하여 반전 영상을 블러(blur)시킴으로써, 반전 영상에서 조명 성분을 추정한다.
여기서 평균 필터는 m×l 크기를 가지며 M×L 크기의 반전 영상과 컨볼루션되어 반전 추정 조명 성분을 생성하는데, 반전 영상에서 생성된 반전 추정 조명 성분(R(x,y))은 아래의 수학식(1)에 의해 계산된다.
[수학식 1]
Figure 112018035282249-pat00001
여기서 a=(m-1)/2이고 b=(l-1)/2이다.
반전 추정 조명 성분을 재반전시켜 추정 조명 성분을 계산하고(S45), 추정 조명 성분과 반전 영상을 서로 합하여 조명 정규화된 반전 영상을 생성한다(S47).
조명 정규화된 반전 영상을 히스토그램 평활화(Histogram Equalization)하여 조명 정규화된 반전 영상의 픽셀값을 확산 분포시킨 정맥 혈관 영역과 혈관 배경 영역을 명확하게 구분한다(S48). 반전 평활화 영상을 재반전시켜 조명 정규화된 영상을 생성한다(S49).
도 9는 본 발명에 따라 귀 정맥 원본 영상에서 배경영역과 귀영역을 분리하는 단계의 일 예를 설명하기 위한 흐름도이다.
도 9를 참고로 보다 구체적으로 살펴보면, 촬영한 귀 정맥 원본 영상에서 기준 배경영역을 판단하며(S21), 촬영한 귀 정맥 원본 영상에서 기준 귀영역을 판단한다(23). 촬영한 귀 정맥 원본 영상의 좌측, 우측 및 상단 경계로부터 설정된 이격 거리에 위치하는 영역을 기준 배경영역으로 판단하며, 촬영한 귀 정맥 원본 영상의 하단 중심에서 귀 정맥 원본 영상의 좌측으로부터 설정된 이격 거리에 위치하는 영역을 기준 귀영역으로 판단한다.
도 10(a)에 도시되어 있는 바와 같이, 촬영한 귀 정맥 원본 영상에서 좌측(L)으로부터 설정된 제1 이격거리, 우측(R)으로부터 설정된 제2 이격거리 및 상단(T)으로부터 설정된 제3 이격거리는 통상적으로 애완동물의 귀를 포함하지 않은 배경영역이 존재하는데, 귀 정맥 원본 영상에서 좌측으로 설정된 제1 이격거리만큼 이격된 픽셀들로 이루어진 제1 기준 배경영역, 귀 정맥 원본 영상에서 우측으로부터 설정된 제2 이격거리만큼 이격된 픽셀들로 이루어진 제2 기준 배경영역 및 귀 정맥 원본 영상에서 상단으로부터 설정된 제3 이격거리만큼 이격된 픽셀들로 이루어진 제3 기준 배경영역을 기준 배경영역으로 판단한다.(제1 기준 배경영역, 제2 기준 배경영역 및 제3 기준 배경영역은 빨간선으로 표시되어 있음)
한편, 도 10(b)에 도시되어 있는 바와 같이, 촬영한 귀 정맥 원본에서 중심영역, 즉 귀 정맥 원본의 하단 중심에서 좌측으로부터 제4 이격거리만큼 이격되어 배치되어 있는 픽셀들로 이루어진 영역을 기준 귀영역으로 판단한다.(기준 귀영역은 파란선으로 표시되어 있음)
다시 도 9를 참고로 살펴보면, 기준 배경영역을 구성하는 픽셀들의 RGB 픽셀값으로부터 YUV 픽셀값을 계산하여 기준 배경영역을 구성하는 픽셀들의 6차원 픽셀값 벡터를 계산하고, 기준 귀영역을 구성하는 픽셀들의 RGB 픽셀값으로부터 YUV 픽셀값을 계산하여 기준 귀영역을 구성하는 픽셀들의 6차원 픽셀값 벡터를 계산한다(S24).
YUV 픽셀값은 아래의 수학식(2)과 같이 계산할 수 있다.
[수학식 2]
Y=0.299R+0.587G+0.114B
U=0.492(B-Y)
V=0.877(R-Y)
잡음 제거 영상에 포함되어 있는, 기준 배경영역과 기준 귀영역 이외의 임의 픽셀들에 대해 각각 RGB 픽셀값으로부터 YUV 픽셀값을 계산하여 임의 픽셀들을 6차원 픽셀값을 계산한다(S25).
임의 픽셀의 6차원 픽셀값을 앞서 계산한 기준 배경영역을 구성하는 픽셀들의 6차원 픽셀값 벡터와 기준 귀영역을 구성하는 픽셀들의 6차원 픽셀값 벡터로 구분하여 표현하는데, 기준 배경영역을 구성하는 6차원 픽셀값 벡터의 계수 조합과 기준 귀영역을 구성하는 6차원 픽셀값 벡터의 계수 조합으로부터 영역 판단 지수(T)를 계산한다(S27).
계산한 영역 판단 지수에 기초하여 임의 픽셀이 배경 영역에 해당하는지 아니면 귀 영역에 해당하는지 판단하여 배경 영역에 해당하는 경우 0의 픽셀값으로 설정하여 잡음 분리 영상에서 귀 영역을 분리한다(S29).
바람직하게, 임의 픽셀(x)은 기준 귀영역(IF)을 구성하는 픽셀(v)들의 6차원 픽셀값 벡터(F(v))와 기준 배경영역(IB)을 구성하는 픽셀(w)들의 6차원 픽셀값 벡터(F(w))에 의해 아래의 수학식(3)와 같이 표현된다.
[수학식 3]
Figure 112018035282249-pat00002
한편, 본 발명에 따른 일 실시예에서 영역 판단 지수(T)는 아래의 수학식(4)와 같이 표현된다.
[수학식 4]
Figure 112018035282249-pat00003
영역 판단 지수는 0에서 1 사이의 값을 가지는데, 임의 픽셀에 대한 영역 판단 지수의 값이 1에서 0.5 사이의 값을 가지는 경우 임의 픽셀은 귀 영역으로 판단하며, 영역 판단 지수의 값이 0.5에서 0 사이의 값을 가지는 경우 임의 픽셀을 배경 영역으로 판단한다.
도 11은 본 발명에 따라 특징점을 추출하는 단계의 일 예를 설명하기 위한 흐름도이다.
도 11을 참고로 보다 구체적으로 살펴보면, 다른 레벨의 분산을 가지는 가우시안 함수와 평화활된 조명 정규화 손가락 정맥 영상을 컨볼루션하여 블러(blur)된 스케일 공간 영상을 아래의 수학식(5)와 같이 생성한다(S51).
[수학식 5]
L(x, y, σ)=G(x, y, σ)*I'(x,y)
여기서 G(x, y, σ)는 가우시안 함수, I'(x,y)는 평활화된 조명 정규화 귀 정맥 영상, L(x, y, σ)는 다른 레벨의 분산(σ)을 갖는 가우시안 함수에 의해 블러된 영상을 의미한다.
스케일 공간상에서 안정된 특징점을 찾기 위하여 스케일 공간 영상 중 인접 영상의 차로부터 아래의 수학식(6)과 같이 가우시안 차 영상(DOG, Difference of Gaussian)을 생성한다(S53).
[수학식 6]
DOG=(G(x, y, kσ)*I'(x,y)-G(x, y, σ)*I'(x,y))=L(x, y, kσ)-L(x, y, σ)
가우시안 차 영상 중 현재 픽셀에 인접한 인접 픽셀, 가우시안 차 영상에 상위 및 하위 인접한 인접 가우시안 차 영상 중 현재 픽셀에 인접한 차위 인접 픽셀에서 최대 또는 최소 픽셀값을 가지는 후보 특징점을 판단한다(S55).
후보 특징점(X)에서 불안정한 후보 특징점을 제거하여 SIFT 특징점(X')을 추출한다(S57). 앞서 추출한 후보 특징점들은 불안정한 특징점들을 포함하고 있기 때문에, 테일러(taylor) 함수를 이용하여 낮은 대비를 갖는 불안정한 특징점을 제거한다.
한편, 상술한 본 발명의 실시 예들은 컴퓨터에서 실행될 수 있는 프로그램으로 작성 가능하고, 컴퓨터로 읽을 수 있는 기록 매체를 이용하여 상기 프로그램을 동작시키는 범용 디지털 컴퓨터에서 구현될 수 있다.
상기 컴퓨터로 읽을 수 있는 기록 매체는 마그네틱 저장 매체(예를 들어, 롬, 플로피 디스크, 하드디스크 등), 광학적 판독 매체(예를 들면, 시디롬, 디브이디 등) 및 캐리어 웨이브(예를 들면, 인터넷을 통한 전송)와 같은 저장 매체를 포함한다.
본 발명은 도면에 도시된 실시예를 참고로 설명되었으나 이는 예시적인 것에 불과하며, 본 기술 분야의 통상의 지식을 가진 자라면 이로부터 다양한 변형 및 균등한 타 실시예가 가능하다는 점을 이해할 것이다. 따라서, 본 발명의 진정한 기술적 보호 범위는 첨부된 등록청구범위의 기술적 사상에 의해 정해져야 할 것이다.
110: 영상 촬영부 130: 잡음 제거부
150: 정규화 영상 생성부 170: 특징점 추출부
180: 인증부 190: 귀정맥 영상 DB
130-1: 분리부 130-3: 제거부
131: 기준 배경영역 판단부 132: 기준 귀영역 판단부
133: 비교부 134: 영역 분리부
135: 단위블록 생성부 137: 나열부
138: 중간픽셀값 판단부 139: 잡음 성분 제거부
151: 제1 반전부 153: 조명성분 추출부
155: 제2 반전부 157: 조명 정규화부
158: 평활화부 159: 제3 반전부
181: 특징점 검색부 183: 매칭부
185: 애완동물 인증부

Claims (7)

  1. 동물의 귀의 일부분을 촬영한 귀 정맥 원본 영상을 획득하는 단계;
    상기 귀 정맥 원본 영상에서 귀 영역과 배경 영역을 분리하고, 분리한 귀 영역에서 떨 잡음 성분을 제거한 잡음 제거 영상을 생성하는 단계;
    상기 잡음 제거 영상의 조명 성분을 추정하고, 상기 추정한 조명 성분에 기초하여 조명 정규화된 영상을 생성하는 단계;
    SIFT(Scale Invariant Feature Transform) 알고리즘을 이용하여 상기 조명 정규화된 영상에서 귀 정맥의 특징을 나타내는 특징점(keypoint)을 추출하고, 상기 추출한 특징점의 서술자를 생성하는 단계; 및
    상기 추출한 특징점의 서술자와 기저장된 동물의 귀 정맥 영상의 저장 특징점 서술자를 매칭하여 매칭 결과에 따라 상기 동물을 인증하는 단계를 포함하며,
    상기 잡음 제거 영상을 생성하는 단계는
    상기 귀 영역을 구성하는 N×N(N은 홀수) 크기의 단위 영상 블록에서 중심에 위치하는 중심 픽셀의 픽셀값과 상기 중심 픽셀에 인접하여 배치되어 있는 인접 픽셀의 픽셀값을 오름차순 또는 내림차순으로 나열하는 단계;
    오름차순 또는 내림차순으로 나열된 상기 단위 영상 블록의 픽셀값에서 중간 위치에 위치하는 중간 픽셀값을 판단하는 단계; 및
    상기 단위 영상 블록의 중심 픽셀의 픽셀값을 상기 중간 픽셀값으로 설정하여 상기 귀 영역에 존재하는 털 잡음을 제거하는 단계를 포함하는 것을 특징으로 하는 동물의 인증 방법.
  2. 제 1 항에 있어서, 상기 잡음 제거 영상을 생성하는 단계는
    상기 귀 정맥 원본 영상의 각 픽셀의 픽셀값을 배경 영역으로 설정한 영역에 위치하는 픽셀의 픽셀값 또는 귀 영역으로 설정한 영역에 위치하는 픽셀의 픽셀값과 비교하여 상기 귀 정맥 원본 영상에서 귀 영역과 배경 영역을 분리하는 단계; 및
    상기 분리한 귀 영역에 존재하는 털을 나타내는 픽셀의 픽셀값을 인접 픽셀값으로 분산하여 상기 귀 영역에 존재하는 털 잡음 성분을 제거하여 잡음 제거 영상을 생성하는 단계를 더 포함하는 것을 특징으로 하는 동물의 인증 방법.
  3. 제 2 항에 있어서, 상기 귀 영역과 상기 배경 영역을 분리하는 단계는
    촬영한 귀 정맥 원본 영상에서 기준 배경영역과 기준 귀영역을 판단하는 단계;
    기준 배경영역을 구성하는 픽셀들의 픽셀값으로부터 6차원 픽셀값 벡터를 계산하고, 기준 귀영역을 구성하는 픽셀들의 픽셀값으로부터 6차원 픽셀값 벡터를 계산하는 단계:
    잡음 제거 영상에 포함되어 있는, 기준 배경영역과 기준 귀영역 이외의 임의 픽셀들에 대해 각각 6차원 픽셀값을 계산하는 단계;
    임의 픽셀의 6차원 픽셀값을 기준 배경영역을 구성하는 픽셀들의 6차원 픽셀값 벡터와 기준 귀영역을 구성하는 픽셀들의 6차원 픽셀값 벡터로 구분하여 표현하여 기준 배경영역을 구성하는 6차원 픽셀값 벡터의 계수 조합과 기준 귀영역을 구성하는 6차원 픽셀값 벡터의 계수 조합으로부터 영역 판단 지수를 계산하는 단계;
    계산한 영역 판단 지수에 기초하여 임의 픽셀이 배경 영역에 해당하는지 아니면 귀 영역에 해당하는지 판단하여 잡음 분리 영상에서 귀 영역을 분리하는 단계 더 포함하는 것을 특징으로 하는 동물의 인증 방법.
  4. 삭제
  5. 제 1 항에 있어서, 상기 조명 정규화된 영상을 생성하는 단계는
    상기 귀 정맥 원본 영상을 반전시켜 반전 원본 영상을 생성하는 단계;
    저주파 조명 성분을 추출하기 하기 위해 평균 필터를 상기 반전 원본 영상에 적용하여 반전 추정 조명 성분을 계산하는 단계;
    상기 반전 추정 조명 성분을 재반전시켜 추정 조명 성분을 계산하는 단계;
    상기 추정 조명 성분과 상기 반전 원본 영상을 서로 합하여 조명 정규화된 반전 영상을 생성하는 단계;
    상기 조명 정규화된 반전 영상을 히스토그램 평활화(Histogram Equalization)하여 상기 조명 정규화된 반전 영상의 픽셀값을 확산 분포시킨 반전 평활화 영상을 생성하는 단계; 및
    상기 반전 평활화 영상을 재반전시켜 조명 정규화된 영상을 생성하는 단계를 포함하는 것을 특징으로 하는 동물의 인증 방법.
  6. 제 5 항에 있어서, 상기 특징점을 추출하는 단계는
    다른 레벨의 분산을 가지는 가우시안 함수에 의해 블러(blur)된 스케일 공간 영상을 생성하는 단계;
    상기 스케일 공간 영상 중 인접 영상의 차로부터 가우시안 차 영상을 생성하는 단계;
    상기 가우시안 차 영상 중 현재 픽셀에 인접한 인접 픽셀, 상기 가우시안 차 영상에 상위 및 하위 인접한 인접 가우시안 차 영상 중 상기 현재 픽셀에 인접한 차위 인접 픽셀에서 최대 또는 최소 픽셀값을 가지는 후보 특징점을 판단하는 단계; 및
    상기 후보 특징점에서 불안정한 후보 특징점을 제거하여 특징점을 추출하는 단계를 포함하는 것을 특징으로 하는 동물의 인증 방법.
  7. 제 6 항에 있어서, 상기 특징점의 서술자를 생성하는 단계는
    상기 특징점을 중심으로 상기 특징점의 인접 픽셀을 이용하여 상기 특징점과 상기 특징점 인접 픽셀 사이의 방위각과 크기를 계산하는 단계;
    상기 계산한 방위각의 히스토그램으로부터 상기 특징점의 기준 방위를 판단하는 단계; 및
    상기 기준 방위에 기초하여 상기 특징점 주변에 위치한 국부 영역의 그레디언트 방향과 크기로 표현되는 특징점서술자를 생성하는 단계를 포함하는 것을 특징으로 하는 동물의 인증 방법.
KR1020180041193A 2018-04-09 2018-04-09 동물 귀 정맥을 이용한 동물의 인증 방법 KR102028049B1 (ko)

Priority Applications (2)

Application Number Priority Date Filing Date Title
KR1020180041193A KR102028049B1 (ko) 2018-04-09 2018-04-09 동물 귀 정맥을 이용한 동물의 인증 방법
PCT/KR2018/005331 WO2019198867A1 (ko) 2018-04-09 2018-05-10 동물 귀 정맥을 이용한 동물의 인증 방법

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020180041193A KR102028049B1 (ko) 2018-04-09 2018-04-09 동물 귀 정맥을 이용한 동물의 인증 방법

Publications (1)

Publication Number Publication Date
KR102028049B1 true KR102028049B1 (ko) 2019-10-02

Family

ID=68164404

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020180041193A KR102028049B1 (ko) 2018-04-09 2018-04-09 동물 귀 정맥을 이용한 동물의 인증 방법

Country Status (2)

Country Link
KR (1) KR102028049B1 (ko)
WO (1) WO2019198867A1 (ko)

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2006067226A2 (en) * 2004-12-22 2006-06-29 Dilab I Lund Ab Biometric identification of laboratory animals
KR20140033262A (ko) * 2012-08-27 2014-03-18 삼성테크윈 주식회사 실내 감시 시스템 및 실내 감시 방법
KR20140089277A (ko) * 2012-12-31 2014-07-14 기초과학연구원 Ｓｉｆｔ 특징점에 기반한 손가락 정맥 인증 방법

Family Cites Families (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2009129353A (ja) * 2007-11-27 2009-06-11 Toshiba Corp 動物認証情報管理装置
KR20150115028A (ko) * 2014-04-02 2015-10-14 (주)블루노바 애완동물 건강관리 시스템 및 그 제어방법

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2006067226A2 (en) * 2004-12-22 2006-06-29 Dilab I Lund Ab Biometric identification of laboratory animals
KR20140033262A (ko) * 2012-08-27 2014-03-18 삼성테크윈 주식회사 실내 감시 시스템 및 실내 감시 방법
KR20140089277A (ko) * 2012-12-31 2014-07-14 기초과학연구원 Ｓｉｆｔ 특징점에 기반한 손가락 정맥 인증 방법

Also Published As

Publication number Publication date
WO2019198867A1 (ko) 2019-10-17

Similar Documents

Publication Publication Date Title
JP7242528B2 (ja) モバイルデバイスを用いてキャプチャした画像を使用する、指紋によるユーザ認証を実施するためのシステムおよび方法
US11263432B2 (en) Systems and methods for performing fingerprint based user authentication using imagery captured using mobile devices
JP5107045B2 (ja) 目に関して取得される画像中の虹彩を表す画素を特定する方法
KR101998112B1 (ko) 얼굴 특징점 기반 부분 영역 지정을 통한 부분 가림 얼굴 인식 방법, 이를 수행하기 위한 기록 매체 및 장치
JP2009523265A (ja) 画像中の虹彩の特徴を抽出する方法
KR101017798B1 (ko) 평균 곡률을 이용하는 지정맥 인증 방법 및 장치
JP2018508888A (ja) モバイル・デバイスを用いてキャプチャしたイメージを使用する指紋ベースのユーザ認証を実行するためのシステムおよび方法
JP2007188504A (ja) 画像中の画素強度をフィルタリングする方法
KR20090087895A (ko) 생체인식정보의 추출과 대조를 위한 방법 및 장치
Nadheen et al. Feature level fusion in multimodal biometric authentication system
Donida Labati et al. A scheme for fingerphoto recognition in smartphones
Wasnik et al. Presentation attack detection for smartphone based fingerphoto recognition using second order local structures
KR101450247B1 (ko) Ｓｉｆｔ 특징점에 기반한 손가락 정맥 인증 방법
US10860834B2 (en) Enhanced biometric privacy
KR102028049B1 (ko) 동물 귀 정맥을 이용한 동물의 인증 방법
KR101496852B1 (ko) 지정맥 인증 시스템
Chowdhury et al. Fuzzy rule based approach for face and facial feature extraction in biometric authentication
KR101767051B1 (ko) 퍼지 추론 기반 지정맥 영상 추출 방법 및 그 장치
Mohammed et al. Conceptual analysis of Iris Recognition Systems
Hongo et al. Personal authentication with an iris image captured under visible-light condition
Indi et al. Person identification based on multi-biometric characteristics
Toprak et al. Fusion of full-reference and no-reference anti-spoofing techniques for ear biometrics under print attacks
Jannis et al. An overview of touchless 2D fingerprint recognition
Dimov et al. Appearance-based 3D object approach to human ears recognition
Tallam et al. Finger vein recognition system using image processing

Legal Events

Date Code Title Description
E701 Decision to grant or registration of patent right
GRNT Written decision to grant