KR102038576B1 - 홍채 인식 시스템의 부정행위 검출 방법 - Google Patents

Abstract

인간의 눈의 홍채를 인식하기 위한 인식 시스템에 대해 시도된 부정행위를 검출하는 방법으로서,
- 가시광 스펙트럼의 제1 이미지 캡처 수단(3)을 사용하여 홍채(2)의 제1 이미지(3a)를 생성하는 단계;
- 근적외 스펙트럼의 제2 이미지 캡처 수단(4)를 사용하여 상기 홍채(2)의 제2 이미지(4a)를 생성하는 단계를 포함하는 방법.
상기 방법은,
- 상기 제1 이미지(3a)의 복수 개의 픽셀들의 개별 픽셀들의 광학 특성들의 함수로서 결정된 상기 제1 이미지(3a)의 적어도 하나의 특성의 결정; 및
- 상기 제2 이미지(4a)의 복수의 픽셀들의 개별 픽셀들의 광도들의 함수로서 결정된 상기 제2 이미지(4a)의 적어도 하나의 특성의 결정;
을 포함하며,
상기 결정된 제1 이미지의 상기 적어도 하나의 특성 및 상기 결정된 제2 이미지의 상기 적어도 하나의 특성의 함수로서, 시도된 부정행위가 의심되는 검출을 나타내는 신호(S)가 생성된다.

Description

홍채 인식 시스템의 부정행위 검출 방법{Method of detecting fraud of an iris recognition system}

본 발명은 인간의 눈의 홍채를 인식하기 위한 시스템에 대해 시도된 부정행위를 검출하는 방법의 분야에 관한 것이다.

일반적으로 말하면, 인간의 눈의 홍채는 동공을 둘러싸고 공막으로 둘러싸인 채색된 영역이다. 상기 홍채에는 여러 상이한 컬러의 영역이 있다. 소정 영역의 컬러는 상기 소정 영역의 멜라닌 밀도에 따라 이루어진다.

이러한 소정 영역의 멜라닌 밀도가 클수록 가시광 스펙트럼에서 관찰될 때 이러한 영역이 더 어둡게 보이게 된다.

상기 홍채의 소정 영역의 멜라닌의 양은 개인의 햇빛 노출 또는 홍채 색소 침착 장애와 같은 매개변수들의 함수로서 시간경과에 따라 변하기 쉽다. 이것이 의미하는 것은 홍채 영역들의 컬러 데이터가 소정의 개인의 소정의 홍채의 인식/인증/식별을 보장하기에 부적절하다는 것을 의미한다.

상기 홍채는 상기 동공을 확장시키거나 또는 이와는 반대로 상기 동공을 수축시키는 역할을 하는 다수의 근섬유(muscle fibre)를 포함한다. 이러한 근섬유들 대부분, 약 6000 개의 근섬유는 상기 동공 주위에 반경으로 배열된다.

이러한 근섬유들은 다소 밀집해 있고 다소 얽혀 있으며 네트워크를 형성하고, 이러한 네트워크는 각각의 눈마다 고유하다.

홍채 인식 시스템은 개인을 인증하는 애플리케이션에 공지되어 있다. 그러나 이러한 시스템은 인간의 눈의 홍채 또는 더미 홍채의 이미지를 제시함으로써 속임수에 취약하다. 상기 홍채 인식 시스템에 대한 부정행위의 위험을 제한하기 위해, 가시광 범위에서 이러한 홍채의 이미지를 사용하고 근적외 범위에서 이러한 동일 홍채의 이미지를 사용하는 것이 고려되어왔다.

따라서, 본원의 출원인과 동일한 출원인 명의의 문헌 FR2864290_A1에는 생체 인식 검출 방법이 개시되어 있으며, 상기 생체 인식 검출 방법에서는,

- 가시광 스펙트럼에 민감한 제1 이미지 캡처 수단을 사용하여 관찰되는 인간의 눈의 홍채의 제1 이미지; 그리고

- 적외선 스펙트럼에 민감한 제2 이미지 캡처 수단을 사용하여 관찰되는 이러한 홍채의 제2 이미지;를 생성하는 것을 포함한다.

제1 컬러 이미지는 상기 홍채의 외측 에지를 검출하고 상기 적외선 스펙트럼의 제2 이미지에 위치한 상응하는 생체 인식 관심 영역의 국부화(localisation)를 원활하게 하여 내부의 생체 특성, 본 사례에서는 텍스처 특성을 검색하는데 사용된다. 이 경우에 인증은 적외선 스펙트럼의 제2 이미지의 관심 영역에서 상기 네트워크 또는 상기 홍채의 텍스처의 전형적인 특성을 검색함으로써 수행된다. 이러한 문헌 FR2864290_A1에는 또한 적외선 스펙트럼에서 눈에 보이는 잉크로 상기 홍채의 이미지를 제시함으로써 수행되는 인간의 눈의 홍채를 인식하기 위한 시스템에 대해 시도된 부정행위의 타입이 기재되어 있다. 이러한 타입의 잉크가 가시광 스펙트럼에서 실제 홍채의 컬러와는 다른 특정한 컬러를 지니기 때문에, 이러한 문헌 FR2864290_A에는 상기 제1 이미지의 비색 분석(colorimetric analysis)에 의해 시도된 부정행위를 검출하는 방법이 제안되어 있다.

상기 홍채 인식 시스템의 보안을 개선하기 위해 상기 시스템에 대해 시도된 부정행위의 사례들의 검출을 개선하는 것이 유용하다.

본 발명의 목적은 인간의 눈의 홍채를 인식하기 위한 시스템에 대해 시도된 부정행위의 사례들의 검출을 허용하는 방법을 제공하는 것이다.

이를 위해, 본 발명에 의하면, 인간의 눈의 홍채를 인식하기 위한 시스템에 대해 시도된 부정행위를 검출하는 방법이 제공되며, 상기 방법은,

- 가시광 스펙트럼에 민감하며 상기 가시광 스펙트럼의 적어도 50%를 커버(cover)하는 주파수 범위에 걸쳐 민감한 제1 이미지 캡처 수단을 사용하여 관찰되는 인간의 눈의 홍채의 제1 이미지를 생성하는 단계로서, 상기 제1 이미지는 광역 스펙트럼 컬러 이미지인, 단계;

- 근적외 스펙트럼에 민감한 제2 이미지 캡처 수단을 사용하여 관찰되는 상기 홍채의 제2 이미지를 생성하는 단계;

를 포함한다.

본 발명에 따른 방법은 본질적으로

- 상기 제1 이미지의 복수의 픽셀들의 개별 픽셀들의 광학 특성들의 함수로서 결정되는 상기 제1 이미지의 적어도 하나의 특성을 결정하는 단계; 및

- 상기 제2 이미지의 복수의 픽셀들의 개별 픽셀들의 광도들의 함수로서 결정되는 상기 제2 이미지의 적어도 하나의 특성을 결정하는 단계;

를 포함하며,

상기 결정된 제1 이미지의 상기 적어도 하나의 특성 및 상기 결정된 제2 이미지의 상기 적어도 하나의 특성의 함수로서, 시도된 부정행위가 의심되는 검출을 나타내는 신호가 생성되는 것을 특징으로 한다.

본원 명세서에서, "홍채(iris)"라는 용어는 항상 인간의 눈의 홍채를 나타낸다. 가시광 스펙트럼은 380nm 및 700nm 사이의 파장의 광을 의미하고 근적외 스펙트럼은 700nm 및 950nm 사이의 파장의 광 스펙트럼을 의미한다.

본 발명을 이해하기 위해, 가시광 스펙트럼에서의 그리고 상기 가시광 스펙트럼의 적어도 50%를 커버하는 주파수 범위에 걸친 제1 이미지 캡처 수단의 감도는 이러한 제1 캡처 수단이 380nm-700nm 범위의 적어도 50% 이상의 범위 내의 광 주파수를 획득하는 것을 의미한다. 그러한 이유로, 대역폭 380nm-700nm의 적어도 50%인 전체 주파수 대역폭에 걸쳐 민감한 임의의 이미지 캡처 수단은 광역 스펙트럼 이미지 캡처 수단으로 간주한다. 광역 스펙트럼 컬러 이미지는 여러 컬러를 갖는 컬러 이미지를 의미하며, 이러한 컬러들 중 한 컬러는 저 주파수를 지니며 다른 한 컬러는 이러한 저 주파수와 관련하여 고 주파수를 가지며 고 주파수와 저주파수 간의 차는 적어도 160nm(즉, 상기 가시광 스펙트럼 380nm-700nm의 폭의 적어도 50%의 주파수 간격)이다.

상기 제1 이미지의 복수의 픽셀들 중 한 픽셀의 광학 특성은 이러한 픽셀의 광도 및/또는 컬러 이미지의 이러한 픽셀의 컬러를 포함한다.

이미지 캡처 수단을 사용하여 "관찰된 인간의 눈의 홍채"라는 용어는 이미지 캡쳐 수단의 반대편에 직접 위치된 실제 인간 홍채의 관찰과 인간의 눈의 홍채 복제물 관찰 모두를 포함하며, 이러한 홍채의 복제물은 이미지 캡처 수단의 반대편에 배치된다.

제1 이미지의 특성 및 제2 이미지의 특성의 함수로서 생성되는 부정행위가 의심되는 사례를 나타내는 신호를 생성하는 것은 이러한 이미지들의 특정 실시형태들을 고려하여 시도된 부정행위가 의심되는 검출을 나타내는 신호를 생성해야 할지를 결정할 수 있게 한다. 따라서, 가시광 스펙트럼의 이미지에서의 부정행위의 한 표시 및 근적외 스펙트럼의 이미지에서의 부정행위의 다른 한 표시를 개별적으로 검색함으로써 통상적으로 검출되지 않는 부정행위의 사례들이 검출될 수 있다.

이와는 대조적으로, 본 발명에서는, 의심되는 부정행위를 나타내는 신호를 생성함에 있어서 제1 이미지의 특성 및 제2 이미지의 특성 양자 모두를 고려한다.

부정행위의 추가적인 케이스들은 이러한 방식으로 검출될 수 있다.

본 발명에 따른 방법의 선호 실시 예에 의하면, 상기 결정된 제1 이미지의 적어도 하나의 특성 및 상기 결정된 이미지의 적어도 하나의 특성을 사용하여, 제1 및 제2 이미지들 간의 유사도를 나타내는 유사 매개변수는 적어도 하나의 소정의 유사 기준에 따라 계산되며, 이러한 유사 매개변수는 사전에 결정된 중간 문턱값을 포함하여, 상기 제1 및 제2 값들 사이에서 변화하고(다시 말하면, 상기 제1 및 제2 값들 사이에서 상기 유사 매개변수들이 변화할 때, 이러한 유사 매개변수가 상기 사전에 결정된 중간 문턱값을 채택/통과하게 되고), 상기 제1 값은 상기 제1 이미지 및 상기 제2 이미지 간의 높은 유사도에 상응하며 상기 제2 값은 상기 제1 이미지 및 상기 제2 이미지 간의 낮은 유사도에 상응하고, 의심되는 부정행위의 검출을 나타내는 신호는 상기 유사 매개변수가 상기 중간 문턱값 및 상기 제1 값 사이에 위치하며 상기 적어도 하나의 소정의 유사 기준에 따른 높은 유사도에 상응하는 값을 채택할 경우에 의심되는 부정행위의 사례를 나타내도록 발행된다.

상기 제1 이미지와 상기 제2 이미지 간의 유사도는 적어도 하나의 사전에 결정된 유사 기준을 기반으로 하여 결정된다.

그러한 이유로, 상기 제1 이미지 및 상기 제2 이미지 간의 높은 유사도에 상응하는 제1 값은 이러한 적어도 하나의 소정의 유사 기준을 기반으로 하여 결정된다. 마찬가지로, 상기 제1 이미지와 상기 제2 이미지 간의 낮은 유사도에 상응하는 제2 값은 또한, 이와 동일한 적어도 하나의 소정의 유사 기준을 기반으로 하여 결정된다.

본 발명에 따른 방법의 이러한 선호 실시 예에 의하면, 상기 이미지들이 상기 적어도 하나의 소정의 기준에 따라 높은 유사도를 지니는 경우에, 다시 말하면 상기 유사 매개변수가 상기 제1 값 및 상기 사전에 결정된 중간 문턱값 사이에 위치한 값을 지니는 경우에, 시도된 부정행위의 사례가 관련될 확률이 큰 것으로 검출된다. 이 경우에는, 상기 의심되는 부정행위가 관련됨을 나타내는 신호가 생성된다.

상기 홍채의 멜라닌 반점들과 같은 실제 눈의 홍채의 일부 특성은 단지 가시광 스펙트럼에만 민감한 센서를 사용하여 생성된 이미지에는 분명하게 나타나지만, 단지 근적외 스펙트럼에만 민감한 센서를 사용하여 생성된 이미지에는 나타나지 않는다.

이와는 반대로, 홍채 텍스처와 같은 실제 눈의 홍채의 일부 특성은 단지 근적외 스펙트럼의 제2 이미지에서만 볼 수 있고 가시광 스펙트럼의 제1 이미지에서는 볼 수 없다. 그러한 이유로, 어두운 홍채는 멜라닌에 따라 이루어지며 근적외 스펙트럼의 제2 이미지에서 뚜렷하게 보이지만 가시광 스펙트럼에서는 뚜렷이 보이지 않는 텍스처 데이터를 지닌다. 상기 제2 이미지에서 볼 수 있는 이러한 텍스처 데이터는 특히 풍부하고 생체 인식 데이터를 나타낸다.

따라서, 가시광 스펙트럼 및 근적외 스펙트럼 각각의 제1 및 제2 이미지 간의 유사는 2개의 이미지 중 하나의 이미지에서 나머지 이미지에서 보일 수 있는 특성이 보일 수 있는 반면에, 실제 홍채의 경우, 상기 2개의 이미지에서 상기 특성이 관찰되어서는 안된다는 것을 의미할 수 있다.

본 발명에 따른 방법에 의해, 적어도 하나의 소정의 유사 기준을 고려하여 상기 2개의 이미지 간의 유사도에 대한 유사 매개변수가 결정될 수 있다. 그 후에, 상기 유사 매개변수가 상기 이미지들 간의 유사도/유사를 나타내는 경우에는, 시도된 부정행위의 검출에 대한 강력한 의심이 있게 되며 시도된 부정행위를 나타내는 상기 신호가 발생된다.

이와는 반대로, 채택된 유사 기준에 따라, 상기 유사 매개변수가 상기 제1 이미지 및 상기 제2 이미지 간의 유사를 나타내지 않는 경우에, 시도된 부정행위를 확립하는 어떠한 객관적인 이유도 없게 되며, 의심되는 부정행위의 검출을 나타내는 신호를 발생하기 전에 시도된 부정행위의 징후의 검출을 기다리게 된다.

선호적으로, 상기 제1 이미지 및 상기 제2 이미지 간의 유사도를 나타내는 유사 매개변수의 상기 계산은 상기 제1 이미지의 제1 관심 영역 및 상기 제2 이미지의 제2 관심 영역을 관찰함으로써 수행되며, 상기 제1 및 제2 이미지들의 상기 제1 및 제2 관심 영역들은 관찰된 홍채의 동일 영역을 나타낸다.

본 발명에 따른 방법을 구현하기 위해 사용될 수 있는 유사 기준의 다른 예들이 이하에 제시될 것이다.

본 발명에 따른 방법의 한 실시 예에 의하면, 상기 적어도 하나의 소정의 유사 기준은 상기 제1 이미지의 소정 영역 및 상기 제2 이미지의 상응하는 소정 영역에서 보일 수 있는 객체의 존재를 포함하며, 상기 유사 매개변수는 상기 중간 문턱 값과 상기 제1 값 사이에 위치하며 상기 객체의 존재의 경우 높은 유사도에 상응하는 계산된 값을 지닌다.

이미지들 간의 유사 매개변수 또는 유사 기준의 계산은 간행물「J. Matas, O. Chum, M. Urban, and T. Pajdla, "Robust wide baseline stereo from maximally stable extremal regions." Proc. of British Machine Vision Conference, pages 384-396, 2002」에 제시된 MSER 방법을 채용할 수 있다. 본 발명에 따른 방법의 한 실시 예에 의하면, 상기 적어도 하나의 유사 기준은 상기 제1 이미지에 존재하고 또한 상기 제2 이미지에 존재하는 스폿들의 수를 포함하며, 상기 유사 매개변수는 상기 중간 문턱값 및 상기 제1 값 사이에 위치하고 상기 스폿들의 수가 1보다 크거나 같은 경우 높은 유사도에 상응하는 계산된 값을 지닌다.

다시 말하면, 가시광 스펙트럼의 이미지(제1 이미지) 및 근적외 스펙트럼의 이미지(제2 이미지) 양자 모두에서, 전형적으로 멜라닌의 적어도 하나의 스폿이 검출되면, 상기 계산된 유사 매개변수는 상기 제1 이미지와 상기 제2 이미지 사이에 충분한 유사가 존재하는 것으로 여겨지고, 그 후에 의심되는 부정행위를 알리는 신호가 생성되도록 이루어진다.

근적외 스펙트럼의 이미지에서 보일 수 있고 또한 가시광 스펙트럼에서 보일 수 있는 하나 또는 여러 개의 스폿들의 검출로 시도된 부정행위의 사례가 관련되는 확률들이 높아진다.

실제로, 가시광의 제1 이미지에 나타나는 한 스폿은 일반적으로 관찰된 홍채의 여러 인접 지점에서의 특정 멜라닌 밀도를 나타낸다.

멜라닌 밀도의 변화는 근적외선 스펙트럼에서 정상적으로 보이지 않을 수 있지만 후자에서는 단지 홍채의 텍스처만 보일 수 있어야 한다.

상기 제1 및 제2 이미지들에서 관찰된 홍채가 실제 홍채인 경우, 가시광 스펙트럼의 제1 이미지에서 보일 수 있는 스폿(들)이 근적외 스펙트럼의 제2 이미지에서 보이지 않을 수 있어야 한다.

이와는 반대로, 상기 제1 및 제2 이미지에서 관찰된 객체가 예를 들면 가시광 스펙트럼으로 생성된 홍채의 이미지, 위조된 홍채 또는 홍채 사진의 잉크젯 또는 레이저 인쇄물과 같은 홍채의 이미지로부터 얻어진 복제물인 경우, 상기 제1 이미지 및 상기 제2 이미지 양자 모두에서 보일 수 있는 하나 또는 여러 개의 스폿들을 식별하는 것이 가능하게 된다.

스폿들의 수의 기준에 따라 상기 2개의 이미지 간의 이러한 유사는 충분하거나 강하거나 현저한 것으로 여겨져서 시도된 부정행위의 사례를 의심하게 된다. 상기 2개의 이미지를 기반으로 하여 계산된 유사 매개변수는 그 후에 상기 중간 문턱 값 및 상기 제1 값 사이에 위치하며 높은 유사도에 상응하는 계산된 값을 지니게 된다.

의심되는 부정행위의 검출을 나타내는 신호는 그 후에 의심되는 부정행위의 발생을 나타내도록 발생된다.

발생할지도 모를 만큼이나 놀랄만 한 것처럼, 채택 된 유사 기준의 함수로서, 상기 제1 및 제2 이미지들이 매우 유사한 것으로 밝혀지다면, 시도된 부정행위는 의심되고 이러한 의심을 나타내는 신호가 생성되게 된다.

(유사 기준이 스폿들의 수인 이전의 방법과는 아마도 상보적인) 본 발명에 따른 방법의 다른 한 실시 예에 의하면, 유사 기준은 상기 제1 및 제2 이미지들 간의 통계적 거리일 수있다.

이 경우에, 상기 유사 매개변수는,

- 상기 제1 이미지의 픽셀들의 상기 개별 광학 특성들을 측정함으로써 얻어진 제1 데이터 시리즈; 및

- 상기 제2 이미지의 픽셀들의 상기 개별 광도들을 측정함으로써 얻어진 제2 데이터 시리즈; 간의 통계적 거리 값을 사용하여 얻어진다.

상기 2개의 이미지 간의 통계적 거리는 예를 들면 Chi2-타입 거리를 사용하여 결정된다.

상기 유사 기준을 계산하기 위해 통계적 거리를 사용하면 상기 제1 이미지 및 상기 제2 이미지 간의 유사도 및 상기 이미지들의 텍스처들 간의 차들을 기반으로 하여 정확하게 정량화된 배경 정보를 얻는 것이 가능하다.

이러한 실시 예에서, 상기 유사 매개변수는 통계적 거리 값을 사용하여 계산된다.

상기 제1 이미지와 상기 제2 이미지 간의 이러한 통계적 거리에 의존하는 유사 매개변수가 사전에 결정된 문턱값보다 크다면, 시도된 부정행위의 사례를 의심할 정도록 이러한 이미지들 간에 충분한 유사도가 있다는 것이 명백하게 된다. 상기 시도된 부정행위 신호는 그 후에 발생될 수 있다.

특정 실시 예에서:

- 한편으로, 상기 제1 데이터 시리즈는 상기 제1 이미지의 픽셀들의 측정된 특성들을 사용하여 계산에 의해 얻어지며, 이러한 제1 데이터 시리즈는 상기 제1 이미지에서 보일 수 있는 텍스처의 디스크립터를 구성하고; 그리고

- 한편으로, 상기 제2 데이터 시리즈는 상기 제2 이미지의 픽셀들의 측정된 특성들을 사용하여 계산에 의해 얻어지며, 이러한 제2 데이터 시리즈는 상기 제2 이미지에서 보일 수 있는 텍스처의 디스크립터를 구성한다.

예를 들어, 텍스처 디스크립터는 John Daugman 명의의 특허 US5291560에 기재된 것들과 같은 가버(Gabor) 필터들을 포함할 수 있다.

다른 타입의 텍스쳐 디스크립터는 본 발명에 따른 프로세스를 구현하는데 사용될 수 있으며, 그 목적은 상기 이미지들의 표준화된 비교를 허용하는 제1 및 제2 시리즈의 표준화된 데이터를 제공함으로써 처리/사용된 데이터의 표준화에 의해 결정되는 신뢰도를 지니는 부정행위 검출 및 상기 제1 및 제2 이미지들 간의 유사 매개변수의 계산을 원활하게 하는 것이다.

본 발명의 다른 특징들 및 이점들은 첨부된 도면들을 참조하면서 예시적인 것이지만 제한적이지 않은 것으로 제공되는 이하의 설명으로부터 분명히 명백해질 것이다.

도 1은 본 발명에 따른 홍채 인식 시스템의 개략도이다.
도 2a는 멜라닌의 스폿들을 포함하는 실제 눈의 제1 및 제2 이미지들의 생성을 보여주는 도면이며, 제1 이미지는 가시광 스펙트럼에서 보이게 되고, 제2 이미지는 근적외 스펙트럼에서 보이게 된다.
도 2b는 또한 제1 및 제2 이미지를 보여주는 도면이지만, 멜라닌의 스폿들일 수 있는 스폿들을 지니는 눈/위조된 눈의 복제물이 여기에서 보이게 되며, 시도된 부정행위의 징후인 제1 및 제2 이미지들 상의 이러한 스폿들의 존재가 언급된다.
도 3은 시도된 부정행위를 검출하는데 사용된 유사 기준이 제1 및 제2 이미지들의 픽셀 특성들을 기반으로 하여 생성된 데이터 간의 통계적 거리인 본 발명에 따른 방법의 한 실시 예를 보여주는 도면이다.
도 4는 실제 홍채의 인식에 대한 적용시 본 발명에 따른 방법을 예시하는 도면으로서, 이 경우에는 통계적 거리 기준에 따른 제1 및 제2 이미지들 간의 유사가 없다.
도 5는 도 4에서와 동일한 요소들을 보여주는 도면이지만, 이 경우에 보이게 되는 홍채는 모조물/복제물이며, 제1 이미지 및 제2 이미지 간에 고도의 유사가 관찰됨으로써, 부정행위의 강한 의심 및 의심되는 부정행위의 검출을 나타내는 신호의 발생을 의미하게 된다.

본 발명은 인간의 눈의 홍채를 인식하기 위한 시스템에 대해 시도된 부정행위를 검출하는 방법에 관한 것이다.

본 발명은 또한 본 발명에 따른 방법을 채용하는 인간의 눈의 홍채를 인식하기 위한 시스템에 관한 것이며, 상기 시스템은 국경 통제 시스템 또는 빌딩 출입 통제 시스템의 일부일 수 있다.

본 발명은 또한 데이터 처리 및 교환을 허용하며 본 발명에 따른 상기 인식 시스템을 합체하는 고정된 단말기, 즉 경계 통제 단말기 또는 빌딩 출 통제 단말기, 또는 모바일 단말기, 즉(스마트폰, 또는 태블릿 컴퓨터와 같은) 휴대용 기기에 관한 것이다.

본 발명에 따른 홍채(2)를 인식하기 위한 시스템(1)은 적어도,

- 가시광 스펙트럼에 민감한 제1 이미지 캡처 수단(3);

- 근적외 스펙트럼에 민감한 제2 이미지 캡처 수단(4);

- 상기 제1 및 제2 이미지 캡처 수단에 연결된 계산 기기(5);

- 알려진 개인의 적어도 하나의 홍채의 사전에 수록된 생체 인식 특성을 저장하기 위한 가능한 제1 저장 수단(6)으로서, 상기 가능한 제1 저장 수단은 상기 계산 기기에 연결되는, 제1 저장 수단(6);

- 제1 이미지 캡처 수단(3)을 사용하여 관찰된 인간의 눈의 홍채의 적어도 하나의 제1 이미지(3a) 및 제2 이미지 캡처 수단(4)을 사용하여 관찰된 상기 홍채의 적어도 하나의 제2 이미지(4a)를 저장하기 위한 제2 저장 수단(7);

을 포함한다.

상기 제1 저장 수단(6)이 존재하는 경우, 이들은 상기 시스템의 단말기에 통합될 수도 있고, 상기 단말기로부터 멀리 떨어진 상기 시스템의 서버에 통합될 수도 있으며, 이러한 단말기는 이동식일 수도 있고 고정식일 수도 있다.

상기 계산 기기(5)는 본 발명에 따른 부정행위 검출 프로세스를 실행하도록 구성된다.

이를 위해, 상기 계산 기기(5)는 상기 제1 및 또는 제2 이미지 캡처 수단(3, 4)에 의해 생성된 적어도 하나의 이미지에서, 상기 알려진 개인의 홍채의 생체 인식 특성들이 상기 제1 저장 수단(6)에 사전에 수록되어 있는 경우 그리고 그들이 또한 상기 적어도 하나의 이미지에서 보이게 되는 경우 상기 알려진 개인의 생체 인식 특성들을 인식하는 것을 포함하는 인식 동작을 수행하도록 구성된다. 상기 적어도 하나의 이미지는 예를 들면 제1 또는 제2 이미지(3a, 4a) 또는 상기 제1 또는 제2 이미지(3a, 4a) 중 적어도 하나를 포함하는 일련의 이미지들 중에서 선택된 다른 한 이미지이다.

상기 계산 기기(5)는 또한 상기 인식 동작의 실행 결과에 따라, 알려진 개인의 홍채의 생체 인식 특성들이 인식되었는지를 나타내는 인증 또는 식별 신호를 생성하도록 구성된다.

본 발명에 따른 방법에 의하면:

- 제1 캡처 수단(3)을 사용하여, 홍채가 관찰되고, 상기 홍채(2)의 제1 이미지(3a)가 가시광 스펙트럼에서 생성되며;

- 제2 캡처 수단(4)을 사용하여, 이러한 홍채가 관찰되고, 상기 홍채(2)의 제2 이미지(4a)가 근적외 스펙트럼에서 생성된다.

이러한 제1 및 제2 캡처 수단들은 동일한 센서 또는 몇몇 개별 센서들에 속할 수 있다.

상기 이미지들(3a, 4a)은 적어도 하나의 RAM 및 필요하다면 상기 단말기에 위치하는 국부 영구 메모리 및/또는 상기 단말기로부터 멀리 떨어진 서버 상에 위치하는 원격 영구 메모리를 포함하는 제2 저장 수단(7)을 사용하여 저장된다.

위에서 언급한 바와 같이, 상기 제1 이미지(3a)는 컬러 이미지, 다시 말하면 몇 개의 광역 스펙트럼 컬러들로 이루어진 컬러 이미지, 다시 말하면 380nm-700nm의 주파수 범위의 폭의 적어도 50%의 스펙트럼에 걸쳐 분포된 컬러들을 지니는 이미지이다.

도 2a 및 도 2b에 도시된 바와 같이, 관찰된 홍채(2)는 어느 정도 높은 멜라닌 밀도들을 지니는 영역들을 지닌다. 이러한 영역들 중 일부는 스폿들(T)을 형성하며, 하나의 스폿(T)은 상기 스폿(T)의 인접 영역들에 비해 멜라닌의 상당한 차등 농도로 높은 국부적인 멜라닌 밀도를 디스플레이하는 홍채(2)의 일부에 상응한다.

도 2a에서 관찰된 홍채는 실제 인간의 홍채(V)이며, 그 반면에 도 2b에서 관찰된 홍채는 실제 인간의 홍채의 복제물(R)이다. 이러한 복제물(R)은 본 발명에 따른 인식 시스템을 속이려고 시도하고 부정행위를 수행하려고 하는데 사용된다. 이러한 복제물(R)은 사진 또는 인쇄된 이미지와 같은 위조물이다.

도 2a에 도시된 실제 홍채(V)가 관련되든 아니면 도 2b에 도시된 홍채(R)의 복제물이 관련되든, 실제 홍채 또는 홍채의 컬러 이미지를 기반으로 하여 가시광 스펙트럼에서 생성된 각각의 제1 이미지(3a) 상에 스폿들(T)이 명확하게 나타남을 알 수 있다.

도 2a의 근적외 스펙트럼(4a)의 제2 이미지(실제 홍채(V)를 관찰함에 의한 근적외 이미지)에서는 제1 이미지(3a)에서 관찰 가능한 스폿들(T)과 같은 멜라닌 밀도의 변화들이 이미지(4a)에서 관찰 가능하지 않음을 알 수 있다.

이와는 반대로, 도 2b의 근적외 스펙트럼(4a)의 제2 이미지(홍채의 복제물(R)을 관찰함에 의한 근적외 이미지)에서는 상기 제1 이미지(3a)에서 관찰 가능한 스폿들(T)와 같은 멜라닌 밀도의 변화들이 상기 이미지(4a)에서 적어도 부분적으로 관찰 가능하게 유지됨을 알 수 있다.

상기 제1 및 제2 이미지들(3a, 4a)이 실제 홍채(V)의 관찰로부터 얻어질 때, 상기 이미지들(3a, 4a)이 홍채(2)의 복제물(R)의 관찰 결과일 경우보다 적은 상기 이미지들(3a, 4a) 간의 유사가 존재한다.

이러한 현상은 멜라닌의 성질과 근본적으로 관련이 있는데, 그 이유는 멜라닌이 근적외 스펙트럼에서 관찰 할 때 덜 눈에 띄기 때문이다.

이하에서 설명되겠지만, 본 발명에 따른 방법을 채용하는 홍채 인식 시스템은 소정의 유사 기준에 따라, 상기 제1 및 제2 이미지들(3a, 4a) 간의 유사도를 결정하고, 이러한 이미지들(3a, 4a) 간의 유사도를 나타내는 유사 매개변수(Param)에 의해 채택된 값의 함수로서 의심되는 부정행위를 나타내는 신호(S)의 생성을 좌우하도록 구성된다.

이를 위해, 상기 홍채 인식 시스템의 계산 기기(5)는,

- 상기 제1 이미지(3a)의 적어도 하나의 특성을 결정하고, 상기 적어도 하나의 특성은 상기 제1 이미지의 복수의 픽셀들의 개별 픽셀들의 광학 특성들의 함수로서 결정되며; 그리고

상기 홍채 인식 시스템의 계산 기기(5)는,

- 상기 제2 이미지(4a)의 적어도 하나의 특성을 결정하고, 이러한 후자의 적어도 하나의 특성은 상기 제2 이미지의 복수의 픽셀들의 개별 픽셀들의 광도들의 함수로서 결정된다.

상기 제1 이미지(3a)의 적어도 하나의 특성 및 상기 제2 이미지(4a)의 적어도 하나의 특성의 함수로서, 상기 계산 기기(5)는 시도된 부정행위의 의심되는 검출 검출을 나타내는 신호(S)를 생성하거나 생성하지 않는다.

시도된 부정행위의 의심되는 검출을 나타내는 신호(S)를 생성해야 할지를 결정하기 위해 상기 제1 이미지의 특성 및 상기 제2 이미지의 특성 양자 모두를 사용하는 것은 검출 가능한 부정행위의 범위를 증가시키기 위해 상기 이미지들의 이러한 특성들의 상관을 허용한다.

예를 들어, 적외 스펙트럼에서 홍채의 이미지를 제시함으로써 부정행위가 수행되는 경우, 생성된 상기 제1 및 제2 이미지들(3a, 4a)은 그 후에 이러한 이미지들 양자 모두에서 멜라닌이 없는 것과 유사하다. 이러한 2개의 이미지(3a, 4a) 간의 유사도는 시도된 부정행위의 사례의 식별을 허용한다.

더 구체적으로는, 도 3, 도 4 및 도 5를 참조하여 설명되겠지만, 상기 제1 이미지(3a)의 상기 하나 이상의 특성 및 상기 제2 이미지(4a)의 상기 하나 이상의 특성을 사용하여, 적어도 하나의 소정의 유사 기준에 따라 상기 제1 및 제2 이미지들 간의 유사도를 나타내는 유사 매개변수(Param)가 계산된다.

이러한 유사 매개변수는 사전에 결정된 문턱값을 포함하여 제1 값과 제2 값 사이에서 변한다. 이하에 제시되는 선호 실시 예에서, 하나 또는 여러 개의 보정 계수들(F1, F2)이 계산되고 상기 유사 매개변수(Param)를 정의하는데 사용된다. 이러한 유사 매개변수(Param)는 더 강건하게 되고, 따라서 본 발명에 따른 부정행위 검출 방법의 신뢰도를 향상시켜 준다.

실제로, 이러한 보정 계수들(F1, F2)은 상기 유사 매개변수(Param)를 계산하는데 사용된 데이터의 표준화를 허용한다. 그러므로 사전에 결정된 중간 문턱값의 사용은 상기 신호(S)의 발생을 트리거하거나 트리거하지 않게 하는데 요구되는 민감도/유사 레벨을 조정하는데 유용하다.

상기 유사 매개변수(Param)를 계산하면 소정의 유사 기준/기준들에 따라 이미지 간의 유사를 평가하기 위한 객관적인 척도(objective scale)를 얻는 것이 가능하다.

상기 제1 값은 상기 제1 이미지(3a)와 상기 제2 이미지(4a) 간의 높은 유사도에 상응하고 상기 제2 값은 상기 제1 이미지(3a)와 제2 이미지(4a) 간의 낮은 유사도에 상응한다.

유사 매개변수(Param)가 상기 중간 문턱값과 상기 제1 값 사이에 위치하며 상기 적어도 하나의 소정의 유사 기준에 따라 높은 유사도에 상응하는 값을 채택할 때 의심되는 부정행위의 사례를 나타내도록 의심되는 부정행위의 검출을 나타내는 신호(S)가 발생된다.

선택된 중간 문턱값의 함수로서, 부정행위 검출 방법의 동작 모드는,

- 실제 경보와 허위 경보를 구별하기 위해 이러한 경보들을 분석할 때 추가 작업이 포함되는 허위 경보를 생성할 확률이 높은 상황; 및

- 더 적은 추가 분석 작업이 포함되는 허위 경보를 생성할 확률이 높지만 부정행위의 사례를 검출하지 못할 공산(公算; likelihood)이 높아지는 상황;

사이에서 적응된다.

이러한 이유로, 상기 문턱값의 선택은 본 발명에 따른 방법이 의도되는 애플리케이션의 타입에 의존하게 된다.

관측된 홍채의 특성들에 따라 여러 개의 가능한 문턱값 중에서 중간 문턱값을 선택하는 것이 가능하지만, 본 실시 예는 유사 매개변수(Param)의 계산을 허용하는 데이터를 표준화하는 것이 바람직하기 때문에 선호적인 것이 아니다. 선호적으로는, 상기 제1 이미지의 복수의 픽셀들의 개별 픽셀들의 광학 특성들이 상기 복수의 픽셀들의 개별 픽셀들의 광도들을 포함한다.

본 실시 예는 동일한 타입의 광학 특성, 다시 말하면 이미지들(3a, 4a)의 개별 픽셀들의 광도들을 기반으로 하여 비교 기준을 얻는 것을 가능하게 하기 때문에 유리하다. 이는 유사 매개변수(Param)의 계산을 원활하게 한다.

변형 실시 예에 의하면, 상기 제1 이미지(3a)의 복수의 픽셀들의 개별 픽셀들의 광학 특성들은 상기 복수의 픽셀들의 개별 픽셀 컬러들을 포함한다.

가시광 스펙트럼에 민감한 이미지 캡처 수단(3)을 사용하여, 제1 이미지(3a)가 생성되고, 상기 제1 이미지(3a)는 컬러를 띠고 있으며 상기 제1 이미지(3a)의 픽셀들 각각이 적어도 자신의 컬러 및 자신의 광도에 의해 특징화되고 이러한 특징화가 상기 픽셀의 광학 특성들을 형성한다.

상기 제1 이미지의 적어도 하나의 특성이 상기 이미지(3a)상의 특정 스폿(T) 인 경우, 상기 스폿(T)은 상기 이미지의 개별 픽셀들의 컬러들을 사용하여 위치할 수 있다. 예를 들면, 상기 스폿은 사전에 결정된 컬러의 차 내에서 상기 스폿(T)의 픽셀에 인접한 이미지의 다른 픽셀들의 컬러들과 다른 공통 컬러를 지니는 이미지의 인접 픽셀들을 검색함으로써 정의될 수 있다.

본 실시 예에서, 상기 스폿은 상기 제1 이미지(3a)의 픽셀들의 컬러들의 변화에 의해 식별된다.

또한, 상기 스폿은 상기 제1 이미지(3a)의 픽셀들 간의 컬러 변화의 특성들 및 광도 변화의 특성들의 조합 분석에 의해 식별되는 것이 가능하다. 본 실시 예에 의하면, 상기 제1 이미지의 복수의 픽셀들의 개별 픽셀들의 광학 특성들은 상기 제1 이미지의 그와 동일한 복수의 픽셀들의 개별 픽셀들의 컬러들 및 광도들 양자 모두를 포함한다.

도 4 및 도 5에 도시된 본 발명의 특정 실시 예에 의하면, 상기 유사 매개변수(Param)는,

- 상기 제1 이미지(3a)의 상기 개별 픽셀들의 상기 광학 특성들을 측정함으로써 얻어진 제1 데이터 시리즈(D1)(이 경우, 상기 제1 이미지(3a)의 복수의 픽셀들의 개별 픽셀들의 휘도들이 여기에 관련됨); 및

- 상기 제2 이미지(4a)의 개별 픽셀들의 상기 광도들을 측정함으로써 얻어진 제2 데이터 시리즈; 간의 통계적 거리값에 의존하여 이루어진다.

도 4는 본 발명에 따른 방법의 특정 실시 예에 따라 수행되고 상기 제1 및 제2 광학 수단(3, 4)을 사용하여 실제 홍채를 관찰함을 기반으로 하여 수행되는 프로세싱의 일 예를 보여주는 도면이다.

도 5는 또한 본 발명에 따른 방법의 상기 특정 실시 예에 따라 수행되지만, 상기 제1 및 제2 광학 수단(3, 4)을 통한 홍채(R)의 복제물의 관찰을 기반으로 하여 수행되는 프로세싱의 일 예를 보여주는 도면이다.

도 4 및 도 5 양자 모두의 경우에, 일단 상기 제1 및 제2 이미지들(3a, 4a)이 획득되면, 제1 단계는 이러한 이미지들에 관심 영역들(Zi)을 위치시키는 단계를 포함하며, 상기 관심 영역들(Zi)은 관찰된 홍채의 관찰된 동일 영역에 상응한다.

이러한 목적을 위해, 본 발명에 따른 방법은,

- 상기 제1 이미지(3a)에서 제1 관심 영역(Zi)을 위치시키는 단계로서, 상기 제1 이미지(3a)의 복수의 픽셀들의 개별 픽셀들이 상기 제1 관심 영역(Zi)에 배타적으로 포함되는, 단계; 및

- 상기 제2 이미지(4a)에서 제2 관심 영역(Zi)을 위치시키는 단계로서, 상기 제2 이미지(4a)의 복수의 픽셀들의 개별 픽셀들이 상기 제2 관심 영역(Zi)에 배타적으로 포함되는, 단계;를 포함한다.

상기 제1 및 제2 관심 영역들(Zi)은 관찰된 홍채(2)의 바닥 부분에 상응한다.

특징들이 풍부한 영역이 관련되어 있고, 눈꺼풀 또는 속눈썹에 의해 은폐될 가능성이 적기 때문에, 조사될 복수의 픽셀들이 관찰된 홍채의 바닥 부분에 위치/상응하는 것이 바람직하다.

상기 관심 영역(Zi)은,

- 어두운 영역의 동공들 및 상기 제1 이미지(3a)에서 관찰될 때 밝은 홍채 간의 밝기 대조에 의한 관심 영역의 내부 에지(B1)의 정의;

- 눈의 바닥 부분에 눈의 백색을 형성하는 공막(8) 및 동공의 외부 한계의 위치에서의 상기 제1 이미지의 컬러들의 대비에 의한 관심 영역의 외부 에지(B2)의 정의; 및

- 관심 영역의 제1 및 제2 상부 에지(B3, B4)의 정의 - 상기 상부 에지들(B3, B4) 모두는 상기 이미지에서 선호적으로 수평이며 아마도 상기 동공(P)의 중심을 통과하는 홍채 반경(2)에 대해 수직 연장하는 직선(D)의 세그먼트들에 의해 형성됨-;을 포함하는 정의 방법을 사용하여 정의될 수 있다.

관심 영역들(Zi)을 정의하는 방법은 상기 직선(D)과 각각 원호의 형태를 이루고 있는 내부(B1) 및 외부(B2) 간의 4개의 교점의 정의를 포함한다. 이러한 4개의 교점 중에서, 2개의 지점은 홍채 반지름의 좌측에 위치하고 2개의 지점은 상기 홍채 반지름의 우측에 위치한다.

상기 제1 상부 에지(B3)는 홍채 반경의 좌측으로 2개의 지점 사이에서 연장되는 곡선(D)의 세그먼트에 상응하고, 상기 제2 상부 에지(B4)으로부터의 제2 지점은 상기 홍채 반지름의 우측으로 상기 2개의 지점 사이에서 연장되는 세그먼트에 상응한다.

이와 같이 관심 영역(Zi)이 위치하게 되는 폐쇄된 둘레가 형성된다.

요약하면, 이러한 폐쇄된 둘레는 연속해서,

-(라인 세그먼트의 형상을 이루는) 제1 상부 에지(B3);

- 동공(P)과 홍채(2) 사이에 위치하는 원호 형상을 이루는 하부 에지(B1)로서, 원호의 중심이 상기 동공(P)의 중심인, 하부 에지(B1);

- 제2 상부 에지(B4)(라인 세그먼트); 및

- 상기 홍채와 공막(8) 사이에 위치하는 원호 모양을 이루는 외부 에지(B2)로서, 원호의 중심이 또한 상기 동공(P)의 중심인, 외부 에지(B2);로 이루어 진다.

상기 제1 및 제2 이미지들의 관심 영역들 각각의 극 투영(polar projection)은 상기 제1 및 제2 이미지들(3a, 4a)을 각각 특징화하는 제1 및 제2 데이터 시리즈를 얻도록 수행될 수 있다. 이러한 극 투영은 데이터의 표준화를 허용하여 후자가 동공 확장 및 절대 크기에 덜 민감하게 하고, 그럼으로써 이미지들 간의 비교를 원활하게 해준다. 예를 들어, 극 투영은 특허 문헌 US5291560에 기재되어 있다.

상기 극 투영을 통해 각각의 원호 형상을 이루는 관심 영역은 실질적으로 직사각형인 형상(Zi2)으로 투영된 관심 영역으로 변환된다. 그러므로 가시광 스펙트럼에서 홍채의 하부 부분의 관찰로부터 획득되는 투영된 관심 영역 및 근적외 스펙트럼에서 상기 홍채의 동일한 하부 부분의 관찰로부터 획득되는 투영된 관심 영역이 얻어지게 된다.

각각의 투영된 관심 영역(Zi2)은 상기 관심 영역(Zi2)에 존재하는 로컬 바이너리 패턴(local binary patterns)의 프로세싱(로컬 바이너리 패턴(Local Binary Patterns)에 대해 약어 LBP로 알려진 프로세싱)에 의해 후속 처리되고 디지털 형태로 상기 관심 영역의 표현(Zi3)이 얻어진다.

요약하면, 상기 통계적 거리를 계산하기 위해 사용된 제1 데이터 시리즈(D1)는 상기 제1 이미지(3a)의 복수의 픽셀들의 각각의 소정의 픽셀에 대해, 상기 소정의 픽셀과 상기 소정의 픽셀에 인접하는/근접하는 상기 동일한 복수의 픽셀들의 개별 픽셀들 간의 광도와의 표준편차를 이것의 픽셀 사이의 광도와의 표준 편차를 계산함으로써 얻어진다.

상기 제1 데이터 시리즈(D1)의 데이터는 이와 같이 계산된 각각의 표준 편차에 대해 관찰된 발생 횟수를 포함한다.

상기 제2 데이터 시리즈(D2)는 상기 제2 이미지(4a)의 복수의 픽셀들의 각각의 소정의 픽셀에 대해, 상기 소정의 픽셀과 상기 소정의 픽셀에 인접하는 상기 동일한 복수의 픽셀들의 개별 픽셀들 간의 광도와의 표준 편차를 계산함으로써 얻어진다. 상기 제2 데이터 시리즈(D2)의 데이터는 이와 같이 계산된 각각의 표준 편차에 대해 관찰된 발생 횟수를 포함한다.

상기 제1 및 제2 데이터 시리즈들(D1, D2)의 데이터는 세로 좌표로서 소정의 표준 편차의 발생 횟수를 나타내고 가로 좌표로서 소정의 표준 편차의 값, 다시 말하면 상기 바이너리 패턴의 코드의 값을 나타내는 도 4 및 도 5의 히스토그램들의 형태로 나타나 있다.

다시 말하면, 그것은,

- 한편으로는, 상기 제1 이미지(3a)의 복수의 픽셀들에서 로컬 바이너리 패턴(LBP)을 결정함으로써 상기 제1 데이터 시리즈(D1)를 설정하는 문제;와

- 한편으로는, 상기 제2 이미지(4a)의 복수의 픽셀들에서 로컬 바이너리 패턴(LBP)을 결정함으로써 상기 제2 데이터 시리즈(D2)를 설정하는 문제이다.

소정의 이미지(3a, 4a)의 복수의 픽셀들 각각에 대해, 이러한 로컬 바이너리 패턴(LBP)들은 상기 소정의 이미지(3a, 4a)의 상기 복수의 픽셀들에서 상호 인접한 픽셀들 간의 광도의 차이들을 게산함으로써 결정된다.

마지막으로, 이러한 제1 및 제2 데이터 시리즈들(D1, D2)을 정의함으로써, 통계적 거리값이 이러한 제1 및 제2 데이터 시리즈들(D1, D2) 사이에서 계산된다. 이러한 통계적 거리값은 상기 제1 및 제2 이미지들(3a, 4a) 간의 유사 매개변수를 구성할 수도 있고, 선호적으로는 이러한 이미지들(3a, 4a) 간의 유사 매개변수를 다른 보정 계수들로 정의하는데 사용될 수 있다.

선호적으로, 상기 제1 및 제2 이미지들(3a, 4a) 사이의 유사 매개변수(Param)를 계산하기 위해, 상기 제1 이미지(3a)의 컬러들 및 픽셀들의 함수로서 결정되는 제1 보정 계수(F1)가 사용된다. 상기 제1 이미지(3a)의 픽셀들의 컬러는 상기 제1 이미지(3a)에 나타난 홍채의 지점들의 멜라닌 밀도의 추정을 허용하는 기준이다.

그러한 이유로, 상기 제1 보정 계수(F1)는 이러한 홍채에서 추정된 멜라닌 밀도를 적어도 간접적으로 고려한다.

이러한 제1 보정 계수(F1)는 소정의 규칙에 따라 결정될 수 있다. 예를 들어, 이러한 규칙에 의하면, 상기 제1 보정 계수(F1)는 주로 청색 홍채에 대한 제1 값, 주로 회색 홍채에 대한 제2 값, 주로 갈색 홍채에 대한 제3 값 및 주로 흑색 홍채에 대한 제4 값을 채택한다. 상기 제1 값은 상기 제2 값보다 작고 상기 제2 값은 제3 값보다 작으며 제3 값은 제4 값보다 작다.

그러한 이유로, 주로 청색 홍채(상기 홍채의 관심 영역의 주된 컬러가 이러한 관심 영역의 주요 컬러임)의 경우, 상기 제1 보정 계수(F1)는 상기 제1 값으로 알려진 낮은 값을 지니게 된다. 이와는 반대로, 주로 흑색 홍채의 경우, 상기 제1 보정 계수(F1)는 상기 제4 값으로 알려진 높은 값을 채택하게 된다.

다시 말하면:

- 주로 적은 멜라닌을 지니는 밝은 컬러의 홍채의 경우에, 상기 제1 이미지와 상기 제2 이미지 사이의 유사 매개변수를 계산하는 데 사용되는 데이터의 약간의 보정만을 얻으려면 보정 계수(F1)가 낮게 되며; 그리고

- 다량의 멜라닌이 함유된 어두운 홍채의 경우에, 보정 계수(F1)가 높게 된다.

선호적으로, 상기 제1 및 제2 이미지들 간의 상기 유사 매개변수를 계산하기 위해, 상기 제1 이미지(3a)의 엔트로피 레벨의 함수 및/또는 상기 제2 이미지(4a)의 엔트로피 레벨의 함수로서 결정되는 제2 보정 계수(F2)가 사용된다.

소정의 이미지에 다른 데이터가 포함되어 있고 상기 소정의 이미지의 엔트로피가 높을수록 이러한 이미지가 데이터로 풍부해지게 되고 이미지 품질면에서 더 흥미롭게 된다.

이러한 제2 보정 계수(F2)는 적어도 상기 제1 및 제2 이미지들 중 하나에서의 엔트로피 레벨 또는 이러한 이미지들 양자 모두에서 관찰되는 엔트로피 레벨들의 함수로서 계산된다.

상기 이미지들의 엔트로피가 낮을수록 그리고 상기 이미지들의 유사가 커질수록 결과적으로는 소정의 문턱값에 대한 잘못된 경보가 증가하는 확률로 유사가 증가한다.

다시 말하면, 이미지의 엔트로피 레벨이 낮을수록 그리고 이미지가 빈약할수록, 선택된 제2 보정 계수(F2)는 낮은 값을 갖게 된다. 그러한 이유로, 엔트로피/텍스처에서 관찰된 이미지가 빈약할수록, 유사 매개변수의 값은 제2 보정 계수(F2)에 의해 감소된다.

이미지의 엔트로피 레벨이 클수록, 상기 이미지가 텍스처에서 풍부해지게 된다. 이 경우, 상기 제2 보정 계수(F2)는 높은 값을 얻도록 선택된다. 그러한 이유로, 엔트로피/텍스처에서 관찰된 이미지가 풍부할수록, 유사 매개변수의 값은 제2 보정 계수(F2)에 의해 최대가 된다.

다시 말하면, 텍스처 데이터의 고밀도를 표시하는 이미지에 대해, 높은 엔트로피 레벨이 얻어진다. 이와는 반대로, 상기 이미지가 블러(blur)되거나 포화되는 경우나 또는 상기 이미지를 생성하는 데 사용된 센서의 하드웨어 고장이 발생한 경우에 상기 이미지상에는 텍스처 데이터가 거의 또는 전혀 얻어지지 않게 된다. 이 경우에 상기 제1 이미지와 상기 제2 이미지 간의 편차 매개변수가 시도된 부정행위의 사례가 존재하는 지의 여부를 결정할 수 있다는 것에 관련이 없을 가능성이 크다. 그 후에는 유사 매개변수의 값을 감소시켜서 그것이 사전에 결정된 문턱값 아래로 떨어지도록 하고, 원칙적으로 부정행위가 존재함을 나타내는 신호(S)를 생성하는 것을 회피하게 된다. 실제 시도된 부정행위가 관련되어 있는지 또는 품질이 떨어지는 이미지 또는 품질이 떨어지는 이미지들을 유발하는 기술적인 문제가 관련되어 있는지를 확인하기 위해 더 세부적인 분석이 수행될 수 있다.

이미지의 엔트로피는 전체 이미지를 관찰함으로써, 또는 선호적으로는 단지 상기 이미지의 관심 영역만을 관찰함으로써 계산될 수 있다.

이러한 엔트로피 계산에서는 상기 이미지에서 관찰 가능한 주파수 대역의 강도 스펙트럼의 전부 또는 일부에 통해 계산된 에너지 스펙트럼 밀도를 지니는 적어도 하나의 객체를 상기 이미지에서나 또는 상기 이미지의 관심 영역(Zi)에서 검색하는 것이 채용될 수 있다. 이러한 스펙트럼 밀도는 상기 이미지에 적용된 소정의 주파수 필터의 평균 응답 강도를 사용하여 계산할 수 있으며, 상기 주파수 필터는 상기 이미지에서 관찰 가능한 상기 소정의 주파수 대역을 정의한다.

요약하면, 상기 유사 매개변수(Param)는 이하의 수학식

Param = f(고정 거리 Chi-2; F1; F2)

또는 더 구체적으로는 이하의 수학식

Param = F1*F2/(Chi-2 통계적 거리)

로 표기될 수 있다. 관찰된 홍채가 실제 홍채인 도 4의 예에서, 상기 이미지들(3a, 4a)/데이터 시리즈(D1, D2) 및 보정 계수들(F1, F2) 간의 Chi-2 통계적 거리를 기반으로 하여 계산된 유사 매개변수(Param)는 값 10.5를 취한다.

관찰된 객체가 홍채의 복제물(R)인 도 5의 예에서, 이러한 이미지들(3a, 4a)/데이터 시리즈(D1, D2) 및 보정 계수들(F1, F2) 간의 Chi-2 통계적 거리를 기반으로 하여 계산된 유사 매개변수(Param)는 값 20.4를 취하는 것으로 관찰된다.

그러한 이유로, 상기 복제물(R)의 이미지들(3a, 4a)은 실제 홍채를 관찰함으로써 생성된 이미지들(3a, 4a)보다 더 큰 유사도를 지니는 것으로 확립된다.

도 4에서와같이, 계산된 통계적 거리를 기반으로 하여 계산된 유사 매개변수(Param)가 10.5이면, 이러한 유사 매개변수는 이전에 선택된 문턱값 미만이다. 이 경우에, 원칙적으로 상기 이미지들(3a, 4a)이 실제 홍채를 관찰한 결과로부터 생기는 것으로 확립된다.

실제 홍채(V)의 관찰의 경우에, 시도된 부정행위의 검출의 부재를 나타내는 신호(S)를 생성하도록 결정될 수 있다.

이와는 반대로, 도 5에서와같이, 상기 통계적 거리를 기반으로 하여 계산된 유사 매개변수(Param)(20.4)가 상기 선택된 문턱값 이상이면, 이 경우에 원칙적으로 상기 이미지들(3a, 4a)이 홍채의 복제물(R)의 관찰로부터 생기거나 또는 상기 이미지들이 부정행위의 위험에 대한 적절한 평가를 허용하지 않는 것으로 확립된다.

복제물(R)의 관찰의 경우에, 시도된 부정행위의 의심되는 검출을 나타내는 신호(S)가 생성될 수 있다.

도 3의 흐름도는 초기에 상기 제1 및 제2 이미지들(3a, 4a)을 생성하거나 또는 사람의 눈의 홍채를 상기 제1 및 제2 캡처 수단들(3, 4)을 사용하여 관찰함으로써 본 발명에 따른 방법을 요약한 것이다. 둘째로, 상기 이미지들에서 표현된 홍채는 상기 2개의 이미지에서 보일 수 있고 관찰되는 홍채의 동일한 영역에 상응하는 상기 홍채의 적어도 하나의 관심 영역(Zi)을 포함하는 여러 영역으로 세그먼트화된다. 이러한 동작에 이어서, 상기 관심 영역(Zi)이 분리되고, 상기 제1 이미지(3a)의 관심 영역의 극 투영 및 제2 이미지(4a)의 관심 영역의 극 투영이 생성된다. 이러한 극 투영을 위한 투영의 중심은 홍채의 중심이다. 극 투영들에 의해 변환된 이러한 관심 영역들 각각은 상기 변환된 관심 영역들에서 대응하게 보일 수 있는 로컬 바이너리 패턴의 프로세싱에 의해 후속 처리된다.

이어서, 도 4 및 도 5에 도시된 바와 같이, 관찰된 데이터는 2개의 데이터 시리즈(D1, D2)를 컴파일하기 위해 각각의 데이터 아이템의 발생 히스토그램들의 형태로 분포된다.

마지막으로 Chi-2 통계적 거리가 이러한 히스토그램들/데이터 시리즈(D1, D2) 사이에서 계산된다. 이러한 Chi-2 통계적 거리값은 상기 제1 및 제2 보정 계수들(F1, F2)을 적용함으로써 보정되어, 이러한 화상들 간의 유사를 나타내는 유사 매개변수(Param)를 얻는 것을 가능하게 해준다.

이러한 매개변수(Param)가 사전에 결정된 문턱값 미만이면, 상기 제1 및 제2 이미지들(3a, 4a)은 이 경우에 낮은 유사도를 지니는 것으로 간주하게 되는데, 이것이 의미하는 것은 실제 홍채를 직접 관찰함으로써 상기 제1 및 제2 이미지들(3a, 4a)이 생성된 것을 의미한다. 이 경우에, 상기 신호는 "참(TRUE)" 값을 취할 수 있다. 이러한 매개변수(Param)가 사전에 결정된 문턱값보다 높다면, 상기 이미지들은 매우 유사한 것으로 간주하게 되는데, 이것이 의미하는 것은 상기 제1 및 제2 이미지들이 홍채의 복제물(R)을 관찰함으로써 생성된 것을 의미한다. 상기 신호(S)는 시도된 부정행위의 사례의 검출을 나타내는 값 "거짓(FALSE)"을 취할 수 있다.

특정 실시 예에서, 부정행위의 검출을 나타내는 신호의 발생이 없는 경우 그리고 상기 유사 매개변수(Param)가 상기 중간 문턱값과 상기 제2 값 사이에 위치하며 상기 적어도 하나의 소정의 유사 기준에 따른 낮은 유사도에 상응하는 값을 지니는 한, 부정행위의 의심되는 검출이 없음을 나타내는 신호(S)는 차후에 의심되는 부정행위가 없음을 나타내도록 발생된다.

다시 말하면, 상기 제1 및 제2 이미지들이 상기 적어도 하나의 소정의 유사 기준에 따른 낮은 유사도를 지닌다면, 즉 상기 유사 매개변수가 상기 제2 값과 상기 사전에 결정된 중간 문턱값 사이에 위치하는 값을 지닌다면, 이는 시도된 부정행위의 사례가 관련되어 있을 가능성이 없는 것으로 검출되게 된다.

이 경우에 그리고 단지 상기 동일한 제1 및 제2 이미지들을 기반으로 하여 발생된 부정행위의 검출을 나타내는 신호(S)의 발생이 없는 경우에만, 의심되는 부정행위의 검출이 없음을 나타내는 신호가 생성된다.

부정행위의 검출을 나타내는 신호가 상기 제1 및 제2 이미지들을 기반으로 하여 발생된 경우에, 의심되는 부정행위의 검출이 없음을 나타내는 신호가 발생되지 않게 된다.

시도된 부정행위의 사례가 검출되는지에 의존하여 서로 다른 액션들이 트리거될 수 있다. 예를 들면, 시도된 부정행위의 의심되는 검출을 나타내는 신호를 생성하는 경우에,

- 홍채가 상기 제1 및 제2 이미지들에서 표현되는 개인의 인증 또는 식별 작업의 실행을 금지하는 것; 또는

- 부가적인 홍채 인식 시도를 허용하기 전에 사전에 결정된 기간의 대기 시간의 개시를 명령하는 것; 또는

- 시도된 부정행위의 사례에서 홍채가 사용된 사람의 신원을 신원 데이터베이스에서의 삭제를 명령하는 것; 또는

- 시스템의 경보 수단을 사용한 경보의 트리거를 명령하는 것;

이 가능하다.

지금부터 상기 제1 및 제2 이미지 캡처 수단(3, 4)의 2가지 가능한 실시 예가 설명될 것이다.

제1 실시 예에서, 상기 제1 이미지 캡처 수단(3)은 단지 가시광 스펙트럼에서만 민감한 제1 타입의 셀들을 포함하고, 상기 제2 이미지 캡처 수단(4)은 단지 근적외 스펙트럼에서만 민감한 제2 타입의 셀들을 포함하며, 이러한 제1 및 제2 타입의 셀들은 동일한 전자 이미지 센서에 속한다. 이 경우, 상기 제1 및 제2 타입의 셀들은 상호 보간되어 동일한 전자 이미지 센서 매체, 예를 들면 상기 센서의 플레이트 상에 조립된다.

이는 상기 동일한 전자 센서의 사용을 허용하여 이미지들 양자 모두에 공통된 관점에서 상기 이미지들 양자 모두를 생성하게 해준다. 이러한 실시 예로 인해, 상기 동일한 관점에서 이러한 이미지들의 획득을 시뮬레이션하기 위해 이러한 2개의 이미지의 기하학적 등록을 수행할 필요가 없다.

상기 제1 실시 예에 대해 변형적인 제2 실시 예(도 1)에서, 제1 이미지 캡처 수단(3)은 단지 가시광 스펙트럼에서만 민감한 제1 타입의 셀들을 포함하고, 상기 제2 이미지 캡처 수단(4)은 단지 근적외 스펙트럼에서만 민감한 제2 타입의 셀들을 포함한다. 상기 제1 타입의 셀들은 동일한 제1 전자 이미지 센서에 속하며 상기 제2 타입의 셀들은 상기 동일한 제2 전자 이미지 센서에 속한다. 이러한 상기 제1 및 제2 타입의 센서들은 사전에 결정된 거리(Dx) 만큼 이격되어 있다.

제2 실시 예에서, 상기 방법은 상기 제1 및 제2 이미지들을 등록하는 작업을을 포함할 수 있다. 이러한 등록 작업은 카메라 교정으로나 또는 카메라 교정 없이 그리고 이미지 프로세싱을 통해 서로 다른 방법으로 수행될 수 있다.

하나의 방법은 각각의 이미지에서 홍채를 세그먼트화한 다음에 이러한 이미지들의 로그-극(log-polar) 변환을 수행하고 상기 이미지들 상에 존재하는 홍채 데이터를 비교하여 공통 기준 지점에 상기 이미지들의 홍채들을 배치하는 것에 해당하게 하는 것을 포함할 수 있다.

다른 한 방법은 로컬 디스크립터(local descriptor)들을 사용하여 상기 이미지들의 매칭에 이어서 상기 이미지들의 등록을 허용하는 것을 포함할 수 있다.

몇몇 문헌들에는 "스케일 불변 특징 변환(scale invariant feature transform)"을 의미하는 SIFT 방법 또는 간행물「Lowe D. G., 1999, Object recognition from local scale invariant features, Proceedings of the International Conference on Computer Vision, vol. p. 1150-1157」에 실린 방법과 같은 이미지 등록 방법들이 기재되어 있다. 교정 방법은 또한 본원 출원인과 동일한 출원인 명의의 특허 문헌 WO2015071426으로부터 공지되어있다.

간단히 말해서, 등록 작업은 상기 제1 및 제2 이미지들(3a, 4a)이 거리(Dx)에 관련된 왜곡을 카메라들의 광축들 간의 각도들 및 상기 카메라들의 초점 길이들과 같은 상기 카메라들 간의 다른 차이들로 제한함으로써 상기 이미지들 양자 모두에 공통인 동일한 관점에서 획득된 것처럼 보이도록 상기 제1 및 제2 이미지들(3a, 4a)을 변형시키는 단계를 포함할 수 있다.

마지막으로, 본 발명에 따른 방법의 가능한 실시 예에 의하면, 상기 방법이:

- 사전에 결정된 비색 분석(colorimetric analysis) 규칙에 따라, 컬러로 이루어진 제1 이미지(3a)에 제시된 홍채가 실제 홍채를 나타내는 것처럼 보이는지를 확립하기 위해 상기 컬러로 이루어진 제1 이미지(3a)를 분석하는 단계를 포함하는 제1 테스트;

- 스폿들(T)의 수를 포함하는 상기 적어도 하나의 소정의 유사 기준을 사용하여 상기 유사 매개변수를 계산하는 단계를 포함하는 제2 테스트;

- 상기 제1 및 제2 데이터 시리즈(D1, D2) 간의 통계적 거리값을 계산함으로써 상기 유사 매개변수를 계산하는 단계를 포함하는 제 3 테스트;를 포함하는 것으로 보장될 수 있다.

상기 제1 테스트는 상기 제1 이미지에 디스플레이된 홍채의 컬러들을 관찰하고, 사전에 결정된 비색 분석 규칙에 따라 외관상 실제 홍채의 이미지가 포함되는 지를 확립하는 단계를 포함할 수 있다. 상기 제1 테스트의 결론은 상기 제1 이미지가 외견상 실제 홍채의 이미지인 것으로 내려진 경우 상기 제1 테스트는 성공한 것으로 간주하게 된다. 반면에 상기 제1 이미지에서 관찰된 컬러들이 실제 홍채의 컬러들과 매치하지 않으면 상기 테스트가 성공적이지 않고 홍채의 모조물/복제물(R)이 포함되어 있는 것으로 결론이 내려진다.

이러한 테스트들 중 적어도 하나가 실패한 경우하에 의심되는 부정행위를 나타내는 신호(S)가 생성된다.

상기 테스트들의 수행 순서는 선호적으로 제1 테스트, 제2 테스트 그 다음에 제3 테스트이다. 상기 신호(S)는 상기 테스트들 중 하나가 실패하면 바로 생성된다. 이는 가장 단순한 테스트로부터 가장 복잡한 테스트로의 진행이 이루어지게 하면서 상기 신호(S)를 생성하기 위해 필요한 계산의 횟수를 제한하는 것을 가능하게한다.

변형적으로는, 이러한 테스트들은 병렬로 수행될 수 있으며, 상기 신호(S)는 테스트들 중 적어도 하나가 실패하자마자 항상 생성된다. 또한, 이 시점에서 상기 신호(S)가 생성되어야 할지가 결정되게 하는 확률적 조합에 따라 상기 테스트들을 조합하는 것이 가능하다.

선호적으로, 위에서 설명한 바와 같이, 이는 상기 이미지들 간의 통계적 거리의 하나 또는 몇몇의 보정 계수들(F1, F2)을 사용하여 상기 이미지들 간의 유사 매개변수를 계산하도록 구성되어 있다.

어떤 경우에는, 시도된 부정행위의 의심되는 검출을 나타내는 신호(S)는 시도된 부정행위를 나타낼 수 있지만 실제로 시도된 부정행위의 확인된 사례는 일어나지 않게 된다. 이 경우, 상기 신호는 오류인 것으로 간주하게 된다. 이와는 반대로, 상기 신호(S)는 시도된 부정행위의 실제 사례를 나타낼 수 있다.

상기 신호(S)의 확실한 사용을 원활하게 하기 위해, 본 발명에 의하면, 시도된 부정행위의 의심되는 검출을 나타내는 신호(S)가 시도된 부정행위의 확인된 사례에 대해 생성될 확률을 나타내는 신뢰도 지표를 생성하는 것이 제안된다.

이상적으로, 이러한 신뢰도 지표는 상기 제1 이미지(3a)의 적어도 하나의 특정한 특징 및 상기 제2 이미지(4a)의 적어도 하나의 특정한 특징의 함수로서 계산된다.

그러한 이유로, 상기 신호(S)가 생성될 때, 이것에는 상응하는 신뢰도 지표가 수반되고, 한편으로는 상기 신호(S)의 존재에 따라 그리고 다른 한편으로는 상기 신뢰도 지표에 의해 채택된 값에 따라 특정한 액션들을 수행해야 할 것인지가 결정될 수 있다. 예를 들면, 상기 신호 S가 생성되는 반면에, 상기 제1 및 제2 이미지들 중 적어도 하나가 매우 빈약한 품질을 지니고 예를 들면 매우 낮은 엔트로피를 표시할 때, 상기 계산된 신뢰도 지표는 이 경우에 상기 신호(S)가 시도된 부정행위의 실제 사례에 상응하는 확률이 매우 낮다는 것을 나타내는 값을 취하게 된다. 이와는 반대로, 상기 신호(S)가 생성되는 반면에 상기 제1 이미지가 매우 높은 엔트로피를 표시하고 상기 제2 이미지가 또한 높은 엔트로피를 표시할 때, 상기 신뢰도 지표는 상기 신호(S)가 시도된 부정행위의 실제 사례에 상응하는 확률이 높다는 것을 나타내는 값을 취하게 된다. 본 실시 예에서, 상기 신뢰도 지표를 계산하는데 사용되는 제1 이미지의 특정한 특징은 상기 제1 이미지의 엔트로피이고, 상기 신뢰도 지표를 계산하는데 사용되는 제2 이미지의 특정한 특징은 상기 제2 이미지의 엔트로피이다. 그러한 이유로, 상기 신호(S)에서의 신뢰도 지표는 상기 제1 및 제2 이미지들(3a, 4a)의 특정한 특징에 의존한다.

본 발명은 위에서 설명된 것에 한정되지 않고 또한 이하에 제시되는 것들과 같은 다른 특징들을 포함한다.

시도된 부정행위의 의심되는 검출을 나타내는 신호는 의심되는 시도된 부정행위가 없거나 이와는 반대로 시도된 부정행위의 사례가 검출되었음을 나타낼 수 있다. 단일 객체가 획득되는 것처럼 보이게 하기 위해 상기 제1 및 제2 이미지 캡처 수단의 앞에 별도의 2개의 객체를 제시함으로써 상기 홍채 인식 시스템을 속이는 위험을 제한하기 위해, 이는 상기 제1 및 제2 이미지 캡처 수단이 견고한 기계 구조를 통해 기계적으로 연결되도록 구성된다.

선호적으로, 이는 시도된 부정행위의 사례를 검출하지 못할 위험을 제한하기 위해 동시에 생성되도록 인스턴스를 검출하지 못할 위험을 제한하기 위해 상기 제1 및 제2 이미지들(3a, 4a)이 동시에 생성되도록 구성된다. 이를 위해, 이는 선호적으로 상기 제1 및 제2 이미지들(3a, 4a)이 서로 1초 미만의 간격으로, 선호적으로는 서로 50분의 1초 미만의 간격으로 그리고 선호적으로는 서로 100분의 1초 미만의 간격으로 생성되도록 구성된다. 획득 용량이 초당 25개의 이미지일 때 하나 또는 여러 개의 비디오 획득 기기들이 상기 제1 및 제2 이미지 캡처 수단으로서 사용되는 경우에, 이는 그럼으로써 상기 제1 및 제2 이미지들이 상기 2개의 이미지 간에 1/50 초 미만의 간격으로 생성되도록 구성된다. 이러한 것은 상기 간격 동안 상기 카메라들에 의해 생성된 이미지들이 2개의 서로 다른 객체일 가능성을 크게 제한한다.

이러한 것은 가시광 및 근적외 스펙트럼의 예상 이미지들을 각각 표시하는 동일한 홍채의 2개의 개별 복제물을 연속적으로 제시함으로써 부정행위를 할 위험을 감소시킨다.

Claims (15)

1. 인간의 눈의 홍채(2)를 인식하기 위한 인식 시스템(1)에 대해 시도된 부정행위를 검출하는 방법으로서,
   상기 방법은,
   - 가시광 스펙트럼에 민감하며 상기 가시광 스펙트럼의 적어도 50%를 커버(cover)하는 주파수 범위에 걸쳐 민감한 제1 이미지 캡처 수단(3)을 사용하여 관찰되는 인간의 눈의 홍채의 제1 이미지(3a)를 생성하는 단계로서, 상기 제1 이미지는 광역 스펙트럼 컬러 이미지인, 단계;
   - 근적외 스펙트럼에 민감한 제2 이미지 캡처 수단(4)을 사용하여 관찰되는 상기 홍채(2)의 제2 이미지(4a)를 생성하는 단계;
   를 포함하는, 홍채 인식 시스템에 대한 부정행위 검출 방법에 있어서,
   상기 홍채 인식 시스템에 대한 부정행위 검출 방법은,
   - 상기 제1 이미지(3a)의 복수의 픽셀들의 개별 픽셀들의 광학 특성들의 함수로서 결정되는 상기 제1 이미지(3a)의 적어도 하나의 특성을 결정하는 단계; 및
   - 상기 제2 이미지(4a)의 복수의 픽셀들의 개별 픽셀들의 광도들의 함수로서 결정되는 상기 제2 이미지(4a)의 적어도 하나의 특성을 결정하는 단계;
   를 포함하며,
   상기 결정된 제1 이미지(3a)의 상기 적어도 하나의 특성 및 상기 결정된 제2 이미지(4a)의 상기 적어도 하나의 특성의 함수로서, 시도된 부정행위가 의심되는 검출을 나타내는 신호(S)가 생성되고,
   상기 결정된 제1 이미지(3a)의 적어도 하나의 특성 및 상기 결정된 이미지(4a)의 적어도 하나의 특성을 사용하여, 상기 제1 및 제2 이미지들(3a, 4a) 간의 유사도를 나타내는 유사 매개변수는 적어도 하나의 소정의 유사 기준에 따라 계산되며, 상기 유사 매개변수는 사전에 결정된 중간 문턱값을 포함하여, 제1 및 제2 값들 사이에서 변화하고, 상기 제1 값은 상기 제1 이미지 및 상기 제2 이미지 간의 제1 유사도에 상응하며 상기 제2 값은 상기 제1 이미지 및 상기 제2 이미지 간의 제2 유사도에 상응하고, 상기 제1 이미지 및 상기 제2 이미지 간의 제1 유사도는 상기 제1 이미지 및 상기 제2 이미지 간의 제2 유사도보다 크며, 의심되는 부정행위의 검출을 나타내는 신호(S)는 상기 유사 매개변수가 상기 중간 문턱값 및 상기 제1 값 사이에 위치하는 값을 취할 경우에 의심되는 부정행위의 사례를 나타내도록 발행되고,
   상기 제1 및 제2 이미지들 간의 유사 매개변수를 계산하기 위해, 상기 제1 이미지(3a)의 컬러들 및 픽셀들의 함수로서 결정되는 제1 보정 계수(F1)가 사용되는, 홍채 인식 시스템에 대한 부정행위 검출 방법.
2. 삭제
3. 삭제
4. 제1항에 있어서,
   상기 제1 보정 계수(F1)는 상기 제1 보정 계수(F1)가 청색 홍채에 대한 제1 값, 회색 홍채에 대한 제2 값, 갈색 홍채에 대한 제3 값 및 흑색 홍채에 대한 제4 값을 취하는 규칙에 따라 결정되며, 상기 제1 값은 상기 제2 값보다 작고 상기 제2 값은 상기 제3 값보다 작으며 상기 제3 값은 상기 제4 값보다 작은, 홍채 인식 시스템에 대한 부정행위 검출 방법.
5. 제1항 또는 제4항에 있어서,
   상기 제1 및 제2 이미지들 간의 상기 유사 매개변수를 계산하기 위해, 상기 제1 이미지(3a)의 엔트로피 레벨의 함수; 상기 제2 이미지(4a)의 엔트로피 레벨의 함수; 및 상기 제1 이미지(3a)의 엔트로피 레벨의 함수 및 상기 제2 이미지(4a)의 엔트로피 레벨의 함수; 중의 하나로서 결정되는 제2 보정 계수(F2)가 사용되는, 홍채 인식 시스템에 대한 부정행위 검출 방법.
6. 제1항 또는 제4항에 있어서,
   상기 제1 이미지(3a)의 복수의 픽셀들의 개별 픽셀들의 광학 특성들이 상기 복수의 픽셀들의 개별 픽셀들의 광도들을 포함하는, 홍채 인식 시스템에 대한 부정행위 검출 방법.
7. 제1항 또는 제4항에 있어서,
   부정행위의 검출을 나타내는 신호(S)의 발생이 없는 경우 그리고 상기 유사 매개변수가 상기 중간 문턱값과 상기 제2 값 사이에 위치하는 값을 지니는 한, 부정행위의 의심되는 검출이 없음을 나타내는 신호는 차후에 의심되는 부정행위가 없음을 나타내도록 발생되는, 홍채 인식 시스템에 대한 부정행위 검출 방법.
8. 제1항 또는 제4항에 있어서,
   상기 적어도 하나의 소정의 유사 기준은 상기 제1 이미지의 소정 영역 및 상기 제2 이미지의 상응하는 소정 영역에서 보일 수 있는 객체의 존재를 포함하며, 상기 유사 매개변수는 상기 객체의 존재의 경우 상기 중간 문턱 값과 상기 제1 값 사이에 위치하는 계산된 값을 지니는, 홍채 인식 시스템에 대한 부정행위 검출 방법.
9. 제1항 또는 제4항에 있어서,
   상기 유사 매개변수는,
   - 상기 제1 이미지(3a)의 상기 개별 픽셀들의 상기 광학 특성들을 측정함으로써 얻어진 제1 데이터 시리즈(D1); 및
   - 상기 제2 이미지(4a)의 상기 개별 픽셀들의 상기 광도들을 측정함으로써 얻어진 제2 데이터 시리즈(D2); 간의 통계적 거리값을 사용하여 결정되는, 홍채 인식 시스템에 대한 부정행위 검출 방법.
10. 제9항에 있어서,
    - 상기 제1 데이터 시리즈(D1)는 상기 제1 이미지(3a)의 픽셀들의 상기 측정된 특성들을 사용하여 계산에 의해 얻어지며, 상기 제1 데이터 시리즈(D1)는 상기 제1 이미지에서 보일 수 있는 텍스처의 디스크립터를 구성하고;
    - 상기 제2 데이터 시리즈(D2)는 상기 제2 이미지(4a)의 픽셀들의 상기 측정된 특성들을 사용하여 계산에 의해 얻어지며,
    상기 제2 데이터 시리즈(D2)는 상기 제2 이미지에서 보일 수 있는 텍스처의 디스크립터를 구성하는, 홍채 인식 시스템에 대한 부정행위 검출 방법.
11. 제1항 또는 제4항에 있어서,
    상기 홍채 인식 시스템에 대한 부정행위 검출 방법은,
    - 상기 제1 이미지(3a)에서 제1 관심 영역(Zi)을 위치시키는 단계로서, 상기 제1 이미지(3a)의 복수의 픽셀들의 개별 픽셀들이 상기 제1 관심 영역(Zi)에 배타적으로 포함되는, 단계; 및
    - 상기 제2 이미지(4a)에서 제2 관심 영역(Zi)을 위치시키는 단계로서, 상기 제2 이미지(4a)의 복수의 픽셀들의 개별 픽셀들이 상기 제2 관심 영역(Zi)에 배타적으로 포함되는, 단계;를 더 포함하며,
    상기 제1 및 제2 관심 영역들(Zi)은 관찰된 홍채(2)의 바닥 부분에 위치하는, 홍채 인식 시스템에 대한 부정행위 검출 방법.
12. 제1항 또는 제4항에 있어서,
    상기 제1 이미지 캡처 수단(3)은 단지 가시광 스펙트럼에서만 민감한 제1 타입의 셀들을 포함하고, 상기 제2 이미지 캡처 수단(4)은 단지 근적외 스펙트럼에서만 민감한 제2 타입의 셀들을 포함하며, 상기 제1 및 제2 타입의 셀들은 동일한 전자 이미지 센서에 속하는, 홍채 인식 시스템에 대한 부정행위 검출 방법.
13. 제1항 또는 제4항에 있어서,
    상기 제1 이미지 캡처 수단(3)은 단지 가시광 스펙트럼에서만 민감한 제1 타입의 셀들을 포함하고, 상기 제2 이미지 캡처 수단(4)은 단지 근적외 스펙트럼에서만 민감한 제2 타입의 셀들을 포함하며, 상기 제1 타입의 셀들은 동일한 제1 전자 이미지 센서에 속하고 상기 제2 타입의 셀들은 동일한 제2 전자 이미지 센서에 속하며, 상기 제1 및 제2 타입의 센서들은 이격되어 있고, 상기 홍채 인식 시스템에 대한 부정행위 검출 방법은 상기 제1 및 제2 이미지들을 등록하는 단계를 포함하는, 홍채 인식 시스템에 대한 부정행위 검출 방법.
14. 제1항 또는 제4항에 있어서,
    상기 제1 이미지(3a)의 적어도 하나의 특정한 특징 및 상기 제2 이미지(4a)의 적어도 하나의 특정한 특징의 함수로서, 시도된 부정행위의 검출의 신뢰도 지표가 계산되며, 상기 신뢰도 지표는 시도된 부정행위의 의심되는 검출을 나타내는 신호(S)가 시도된 부정행위의 확인된 사례에 대해 생성될 확률을 나타내는, 홍채 인식 시스템에 대한 부정행위 검출 방법.
15. 인간의 눈의 홍채(2)를 인식하기 위한 인식 시스템(1)에 있어서,
    상기 홍채 인식 시스템은, 적어도
    - 가시광 스펙트럼에 민감하며 상기 가시광 스펙트럼의 적어도 50%를 커버(cover)하는 주파수 범위에 걸쳐 민감한 제1 이미지 캡처 수단(3);
    - 근적외 스펙트럼에 민감한 제2 이미지 캡처 수단(4);
    - 상기 제1 및 제2 이미지 캡처 수단에 연결된 계산 기기(5);
    - 알려진 개인의 적어도 하나의 홍채의 사전에 수록된 생체 인식 특성을 저장하기 위한 제1 저장 수단(6)으로서, 제1 저장 수단은 상기 계산 기기(5)에 연결되는, 제1 저장 수단(6);
    - 제1 이미지 캡처 수단(3)을 사용하여 관찰된 인간의 눈의 홍채의 적어도 하나의 제1 이미지(3a) 및 제2 이미지 캡처 수단(4)을 사용하여 관찰된 상기 홍채의 적어도 하나의 제2 이미지(4a)를 저장하기 위한 제2 저장 수단(7);
    을 포함하며,
    상기 계산 기기(5)는 제1항 또는 제4항에 기재된 부정행위 검출 방법을 실행하도록 구성되는, 홍채 인식 시스템.

Images