KR102175481B1 - 생체 인식 장치 및 방법 - Google Patents

생체 인식 장치 및 방법 Download PDF

Info

Publication number
KR102175481B1
KR102175481B1 KR1020180129873A KR20180129873A KR102175481B1 KR 102175481 B1 KR102175481 B1 KR 102175481B1 KR 1020180129873 A KR1020180129873 A KR 1020180129873A KR 20180129873 A KR20180129873 A KR 20180129873A KR 102175481 B1 KR102175481 B1 KR 102175481B1
Authority
KR
South Korea
Prior art keywords
pupil
size
data
feature value
zero crossing
Prior art date
Application number
KR1020180129873A
Other languages
English (en)
Other versions
KR20200049936A (ko
Inventor
이의철
김진만
김태형
조상래
노종혁
조관태
김영삼
Original Assignee
상명대학교산학협력단
한국전자통신연구원
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 상명대학교산학협력단, 한국전자통신연구원 filed Critical 상명대학교산학협력단
Priority to KR1020180129873A priority Critical patent/KR102175481B1/ko
Publication of KR20200049936A publication Critical patent/KR20200049936A/ko
Application granted granted Critical
Publication of KR102175481B1 publication Critical patent/KR102175481B1/ko

Links

Images

Classifications

    • G06K9/00604—
    • 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
    • G06V40/18—Eye characteristics, e.g. of the iris
    • G06V40/19—Sensors therefor
    • G06K9/0061—
    • G06T5/002—
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T5/00—Image enhancement or restoration
    • G06T5/20—Image enhancement or restoration using local operators
    • 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
    • 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
    • G06V40/18—Eye characteristics, e.g. of the iris
    • G06V40/193—Preprocessing; Feature extraction
    • 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
    • G06T2207/20—Special algorithmic details
    • G06T2207/20024—Filtering details
    • G06T2207/20032—Median filtering

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Health & Medical Sciences (AREA)
  • General Health & Medical Sciences (AREA)
  • Ophthalmology & Optometry (AREA)
  • Human Computer Interaction (AREA)
  • Multimedia (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Collating Specific Patterns (AREA)
  • Measurement Of The Respiration, Hearing Ability, Form, And Blood Characteristics Of Living Organisms (AREA)

Abstract

본 발명은 생체 인식 기술에 관한 것으로, 보다 상세하게는 빛에 대해 사용자의 동공 크기 변화를 분석하여 생체 인식하여 사용자의 인증여부를 판단하는 것이다. 본 발명의 일 실시 예에 따르면 착용형 디스플레이 장비를 이용하는 모든 분야에서 생체 인증을 위해 디스플레이 장비 이외 몸에 추가적인 장비를 부착할 필요가 없고, 장소, 조건, 대상에 구애받지 않고, 사용자의 착용형 디스플레이 장비를 응시하는 것만으로 인증을 수행할 수 있다.

Description

생체 인식 장치 및 방법 {BIOMETRIC DEVICE AND METHOD}
본 발명은 생체 인식 기술에 관한 것으로, 보다 상세하게는 동공의 빛에 대한 반응을 이용한 생체 인식 기술에 관한 것이다.
사람의 두뇌는 눈에 보이는 영상 중 익숙하거나 익숙하지 않거나, 또는 관심의 유무에 따라 다른 뇌파와 시선 움직임을 무의식 중에 생성한다고 알려져 있다. 사람마다 과 거의 경험과 지식, 관심사가 다르므로 같은 영상에 대해서도 서로 다른 반응을 보이고, 이는 무의식 중에 일어나서 스스로 제어할 수 없으므로 남들이 복제하기는 더욱 불가능하여, 사용자인증에 사용되기 매우 좋은 생체신호이다.
기존에는 화면에 여러 객체를 띄우고 대상이 시선을 옮기는 경로를 저장하고 특징으로 활용한다. 하지만 별도의 장치가 필요하고 대상의 협조가 필요한 방법이다.
따라서 안전하면서도 편의성이 보장되는 사용자 인증 시스템을 개발할 필요성 이 요구된다
본 발명의 배경기술은 대한민국 등록특허 제10-1729959 호에 개시되어 있다.
본 발명은 적외선 촬영을 통해 생성한 눈 영상에서 나타난 동공의 빛에 대한 반응을 이용한 생체 인식 장치 및 방법을 제공한다.
본 발명의 일 측면에 따르면, 생체 인식 장치가 제공된다.
본 발명의 일 실시 예에 따른 생체 인식 장치는 눈 영상을 입력받는 입력부, 상기 눈 영상으로부터 동공 영역을 추출하고, 동공 영역의 크기를 측정하여 동공 크기 데이터를 생성하는 동공 크기 검출부, 필터를 적용하여 상기 동공 크기 데이터에서 노이즈를 제거하여 전처리 데이터를 생성하는 필터링부, 상기 전처리 데이터에서 각 프레임별 제로 크로싱 포인트를 선정하는 제로 크로싱 포인트 선정부, 상기 제로 크로싱 포인트를 이용하여 동공 크기 변화량을 산출하는 특징 산출부 및 상기 동공 크기 변화 특징에 따라 생체 인식으로 본인 여부를 판단하는 판단부를 포함할 수 있다.
본 발명의 다른 측면에 따르면, 생체 인식 방법 및 이를 실행하는 컴퓨터 프로그램이 기록된 컴퓨터가 판독 가능한 기록매체가 제공된다.
본 발명의 일 실시 예에 따른 생체 인식 방법 및 이를 실행하는 컴퓨터 프로그램이 기록된 컴퓨터가 판독 가능한 기록매체는 눈 영상을 입력받는 단계, 상기 눈 영상으로부터 동공 영역을 추출하고, 동공 영역의 크기를 측정하여 동공 크기 데이터를 생성하는 단계, 필터를 적용하여 상기 동공 크기 데이터에서 노이즈를 제거하여 전처리 데이터를 생성하는 단계, 상기 전처리 데이터의 각 프레임별 동공 크기에 대한 제로 크로싱 포인트를 선정하는 단계, 상기 제로 크로싱 포인트를 이용하여 동공 변화의 특징을 산출하는 단계 및 상기 동공 크기 변화 특징에 따라 생체 인식으로 본인 여부를 판단하는 단계를 포함할 수 있다.
본 발명의 일 실시 예에 따르면, 가상 또는 증강 현실을 위한 착용형 디스플레이 장비를 이용하는 모든 분야에서 사용자가 디스플레이를 응시하는 것만으로 인증을 수행할 수 있다.
또한, 본 발명의 일 실시 예에 따르면, 생체 인식을 위해 디스플레이 장비 이외 몸에 추가적인 장비를 부착할 필요가 없다.
도 1은 본 발명의 일 실시 예에 따른 생체 인식 장치를 예시한 블록도.
도2는 본 발명의 일 실시 예에 따른 생체 인식 장치의 특징 산출부를 예시한 블록도.
도 3은 본 발명의 일 실시 예에 따른 생체 인식 장치가 동공 영상 촬영에 사용하는 영상의 흐름을 도시한 그래프.
도 4는 본 발명의 일 실시 예에 따른 생체 인식 장치가 입력 받은 눈 영상을 예시한 도면.
도 5는 본 발명의 일 실시 예에 따른 눈 영상에서 동공 영역을 결정하고 크기값을 검출한 것을 예시한 도면.
도 6은 본 발명의 일 실시 예에 따른 생체 인식 장치가 측정한 동공 크기를 나타낸 그래프.
도7은 본 발명의 일 실시 예에 따른 생체 인식 장치가 동공 크기 데이터에 대해 메디안 필터를 적용하여 생성한 노이즈 제거 데이터에 평균 필터(average filter)를 적용하여 생성된 전처리 데이터를 나타낸 그래프.
도 8은 본 발명의 일 실시 예에 따른 생체 인식 장치가 전처리를 거친 동공 크기 데이터에 제로 크로싱 포인트 산출 알고리즘을 적용한 그래프.
도 9는 본 발명의 일 실시 예에 따른 생체 인식 장치가 다른 두사람에 대한 생체 특징 값을 예시한 그래프.
도 10은 본 발명의 일 실시 예에 따른 생체 인식 장치가 생체 인식을 하는 방법을 나타낸 순서도.
본 발명은 다양한 변경을 가할 수 있고 여러 가지 실시 예를 가질 수 있는 바, 특정 실시 예들을 도면에 예시하고 이를 상세한 설명을 통해 상세히 설명하고자 한다. 그러나, 이는 본 발명을 특정한 실시 형태에 대해 한정하려는 것이 아니며, 본 발명의 사상 및 기술 범위에 포함되는 모든 변경, 균등물 내지 대체물을 포함하는 것으로 이해되어야 한다. 본 발명을 설명함에 있어서, 관련된 공지 기술에 대한 구체적인 설명이 본 발명의 요지를 불필요하게 흐릴 수 있다고 판단되는 경우 그 상세한 설명을 생략한다. 또한, 본 명세서 및 청구항에서 사용되는 단수 표현은, 달리 언급하지 않는 한 일반적으로 "하나 이상"을 의미하는 것으로 해석되어야 한다.
이하, 본 발명의 바람직한 실시 예를 첨부도면을 참조하여 상세히 설명하기로 하며, 첨부 도면을 참조하여 설명함에 있어, 동일하거나 대응하는 구성 요소는 동일한 도면번호를 부여하고 이에 대한 중복되는 설명은 생략하기로 한다.
도 1내지 도 9는 본 발명의 일 실시 예에 따른 생체 인식 장치를 설명하기 위한 도면들이다.
본 발명의 일 실시 예에 따르면 생체 인식 장치는 가상 또는 증강 현실을 위한 착용형 디스플레이 장비 내에 부착된 적외선 카메라를 통해 취득한 눈 영상을 기반으로 사용자의 생체 인증을 수행하는 것으로, 동공 크기를 기반으로 동공 크기의 변화 정도와 동공 크기의 변화속도를 이용해 사용자의 인증 여부를 판단한다.
도 1 및 도2을 참조하면, 본 발명의 일 실시 예에 따른 생체 인식 장치(100)는 입력부(110), 동공 크기 검출부(120), 필터링부(130), 제로 크로싱 포인트 선정부(140), 특징 산출부(150) 및 판단부(160)를 포함하고, 특징 산출부(150)는 크기 특징부(151), 암순응 특징부(152) 및 명순응 특징부(153)를 포함한다.
입력부(110)는 적외선 카메라가 사용자의 눈을 촬영한 눈 영상을 입력 받는다. 예를 들면, 입력부(110)는 도 3의 영상에 반응하는 눈 영상 데이터를 입력 받는다.
도 3을 참조하면, 본 발명의 일 실시 예에 따른 생체 인식 장치(100)는 암순응을 유발하는 검정 영상과 명순응을 유발하는 하얀 영상을 반복하여 사용한다. 예를 들어, 암순응을 유발하는 검정 영상 2초, 명순응을 유발하는 하얀 영상 2초씩 5번 반복하는 총 20초의 영상을 사용할 수 있다. 또한, 이전에 시청하던 영상이 빛에 대한 반응에 영향을 끼칠 수 있으므로 동일한 환경에서 반응을 측정하기 위해 영상 시작 전에 3초 동안 검정 화면(모든 픽셀의 밝기 값 0)을 사용할 수 있다. 이 때에 암순응을 유발하는 영상의 모든 픽셀의 밝기 값은 0이고, 명순응을 유발하는 영상의 모든 픽셀의 밝기 값은 225로 설정할 수 있다.
또한 입력부(110)는 적외선 카메라와 직접 연결되거나 네트워크 등의 통신 수단으로 연결되어 눈 영상을 수신할 수 있다.
입력부(110)는 예를 들면, 도4와 같은 눈 영상을 동공 크기 검출부(120)로 전송한다. 도4는 본 발명의 일 실시예에 따른 착용형 디스플레이 장비를 사용하고 있는 사용자의 눈을 장비 내부에 부착되어 있는 적외선 카메라를 이용해 촬영한 것이다. 카메라가 장비 내부에 부착되어 있으므로 사용자는 별도의 행동을 수행하지 않아도 된다.
동공 크기 검출부(120)는 눈 영상으로부터 동공 영역을 검출하고, 동공 영역을 이용하여 동공 크기를 산출한다.
동공 크기 검출부(120)는 예를 들면, AdaBoost 알고리즘을 적용하여 도5와 같이 눈 영상에서 동공 영역을 추출할 수 있다. 이 때 동공의 크기 단위는 픽셀(pixel)로 정하도록 한다. 동공 크기 검출부(120)는 동공 영역의 크기를 측정하여 동공 크기를 산출할 수 있다. 이 때, 동공 크기 검출부(120)는 눈 영상의 프레임별 동공 크기를 산출할 수 있다.
동공 크기 검출부(120)는 각 프레임별 동공 크기를 포함하는 동공 크기 데이터를 생성하여 필터링부(130)로 전송한다. 도 6은 본 발명의 일 실시 예에 따른 추출된 동공 크기 값에 대한 그래프이다. 초당 30프레임으로 동공을 촬영하여 추출한 결과값으로 x 축은 프레임 숫자이고, y축은 동공 크기로 표시한 것이다.
필터링부(130)는 동공 크기 검출부(120)로부터 수신한 프레임별 동공 크기 데이터에서 잡음을 제거하여 전처리 데이터를 생성한다. 동공 크기 데이터에 메디안 필터(median filter)를 적용하여 노이즈 제거 데이터를 생성하고, 노이즈 제거 데이터에 평균 필터(average filter)를 적용하여 전처리 데이터를 생성한다. 예를 들어, 동공 크기 데이터 중 사용자가 눈을 깜빡이는 순간의 프레임에 대한 동공 크기는 0일 수 있다. 필터링부(130)는 동공 크기가 0으로 나타난 데이터를 노이즈로 간주하고, 동공 크기 데이터에 메디안 필터를 적용하여 노이즈를 제거한 노이즈 제거 데이터를 생성할 수 있다. 즉, 도 6과 같이 동공 크기 데이터에는 0에 해당하는 프레임이 다수 존재하고, 필터링부(130)는 이에 대해 메디안 필터를 적용하여 노이즈 제거 데이터를 생성할 수 있다.
또한, 필터링부(130)는 노이즈 제거 데이터에 평균 필터를 적용하여 동공 크기의 분석에 방해가 되거나 필요없는 데이터를 제거한 전처리 데이터를 생성할 수 있다. 즉, 필터링부(130)는 도 7과 같이 노이즈 제거 데이터 보다 더 단순한 그래프를 나타내는 전처리 데이터를 생성할 수 있다. 필터링부는 전처리 데이터를 제로 크로싱 포인트 산정부(150)로 전송한다.
제로 크로싱 포인트 선정부(150)는 동공의 크기가 커지다가 작아지는, 작아지다 커지는 지점인 제로 크로싱 포인트 산출한다. 예를 들면, 명순응은 검정 영상에서 동공이 커지다가 하얀 영상으로 변환되면 동공이 작아지고, 암순응은 밝은 영상에서 동공이 작아지다가 어두운 영상으로 변환되면 동공이 커진다. 제로 크로싱 포인트는 상기 명순응 및 암순응이 발현되는 지점이다. 제로 크로싱 포인트 선정부(150)는 전처리 데이터에서 동공의 크기가 커지다가 작아지는 명순응이 발생하는 프레임과 작아지다가 커지는 암순응 반응이 발생하는 프레임을 산출한다.
도 8을 본 발명의 일 실시 예에 다른 필터링부로부터 수신한 전처리가 완료된 동공 크기 변화 데이터에서 제로 크로싱 포인트를 산출한 그래프이다.
도8을 참조하면, 제로 크로싱 포인트는 동공이 커지다가 작아지는 지점들과 작아지다가 커지는 지점들마다 생성된다. 생체 인식 장치(100)는 이 지점들인 제로 크로싱 포인트들을 기반으로 동공 크기의 변화 특징을 추출한다. 제로 크로싱 포인트 선정부(150)는 제로 크로싱 포인트를 특징 산출부(160)로 전송한다.
특징 산출부(160)는 제로 크로싱 포인트를 이용하여 동공 크기 변화의 특징값들을 산출한다. 특징 산출부(160)는 최대 동공크기와 최소 동공크기의 차이인 크기 특징값을 계산하는 크기 특징부(151), 암순응 시 발생되는 변화속도의 평균인 암순응 특징값을 산출하는 암순응 특징부(152) 및 명순응 시 발생되는 변화속도의 평균인 명순응 특징값을 산출하는 명순응 특징부(153)를 포함한다. 크기 특징부(151)는 최대 동공크기와 최소 동공크기의 차이값인 크기 특징값을 제로 크로싱 포인트로 선정된 지점들 중에서 선정한다. 암순응 특징부(152)는 암반응 시 발생하는 제로 크로싱 포인트마다 하기의 수학식 1을 이용해 변화속도를 구하고, 변화속도의 평균인 암순응 특징값을 계산한다. 명반응 특징부(153)도 수학식 1을 이용해 변화속도를 구하고, 변화속도의 평균인 명순응 특징값을 계산한다.
Figure 112018106657312-pat00001
이 때, c[i]는 i번째 제로 크로싱 포인트의 동공 크기 변화 속도이다. s[i]는 i번째 제로 크로싱 포인트의 동공 크기이므로 s[i]-s[i-1]은 최대 동공과 최소 동공의 크기의 차이값이다. f[i]는 i번째 제로 크로싱 포인트의 프레임 번호를 의미하고 1초당 30프레임이 생성되므로 f[i]-f[i-1]가 나타내는 프레임 번호의 차이는 프레임 수를 나타내며 시간에 해당한다. 다시 말하면, 특징 산출부(150)는 i번째 제로 크로싱 포인트와 i+1번째 제로 크로싱 포인트 간 동공 크기의 차를 i번째 제로 크로싱 포인트와 i+1번째 제로 크로싱 포인트의 프레임 번호의 차로 나누어 변화속도를 구한다.
또한, 특징 산출부(150)는 산출된 동공 크기 변화인 크기 특징값, 암순응 특징값 및 명순응 특징값을 판단부(160)로 전송한다.
판단부(160)는 동공 크기 변화량인 크기 특징값, 암순응 특징값 및 명순응 특징값을 생체 인증을 위한 특징으로 활용하고, 인증 여부를 판단한다.
도 9는 본 발명의 일 실시 예에 따른 생체 인식 장치가 계산한 다른 두 사람의 여러 반응 데이터에서 각각의 특징 값을 3차원 그래프로 표현한 것이다. x축은 최대 동공 크기와 최소 동공 크기의 차이값, y축은 명순응 시 동공 크기 변화 속도, z축은 암순응 시 동공 크기 변화 속도를 나타낸다.
아래의 표는 크기 특징값, 명순응 특징값 및 암순응 특징값을 각각의 단일 특징값으로 사용했을 때와 3가지 특징값을 합쳐서 사용했을 때의 판별 성능을 비교한 것이다.
사용한 특징별 성능(%)
최대, 최소 동공의 크기 차이(F1) 명순응 평균 변화속도(F2) 암순응 평균 변화속도(F3) F1+F2+F3
35.3 71.4 43.8 91.4
위 표1 을 참조하면, 생체 인식 장치의 동일한 밝기변화 요소를 가진 시각적 자극에 있어서, 크기 특징값(F1) 명순응 특징값(F2) 및 암순응 특징값(F3)을 함께 인증을 위한 값으로 활용하면 안정적인 판별력을 가지고 되는 것이다.본 발명에 일 실시예에 따르면 생체 인식 장치(100)는 여러 대상의 특징값을 수집해 SVM학습에 활용하고, 학습된 SVM을 분류기로 사용해 생체 인증 여부를 판단한다.
도 10은 본 발명의 일 실시 예에 따른 생체 인식 장치가 생체 인식을 하는 방법을 나타낸 순서도이다. 이하 설명하는 각 단계는 생체 인식 장치를 구성하는 각 기능부를 통해 수행되는 과정이나 발명의 명확하고 간결한 설명을 위해 각 단계의 주체를 생체 인식 장치로 통칭하도록 한다.
도 10를 참조하면, 단계 S1010에서 생체 인식 장치(100)는 눈 영상을 입력 받는다. 예를 들어, 생체 인식 장치(100)는 적외선 카메라로부터 눈 영상을 입력 받을 수 있다.
단계 1020에서 생체 인식 장치(100)는 눈 영상으로부터 동공 영역을 추출하고, 동공 영역의 크기를 측정하여 동공 크기 데이터를 생성한다.
단계 S1030에서 생체 인식 장치(100)는 동공 크기 데이터에 대해 메디안 필터 및 평균 필터를 적용하여 전처리 데이터를 생성한다. 예를 들어, 생체 인식 장치(100)는 동공 크기 데이터에 메디안 필터를 적용하여 노이즈 제거 데이터를 생성하고, 노이즈 제거 데이터에 평균 필터를 적용하여 전처리 데이터를 생성할 수 있다.
단계 S1040에서 생체 인식 장치(100)는 전처리 데이터에서 명순응 및 암순응 시 동공의 크기가 바뀌는 지점을 제로 크로싱 포인트로 선정할 수 있다.
단계 S1050에서 생체 인식 장치(100)는 제로 크로싱 포인트를 이용하여 최대 동공 크기와 최소 동공 크기의 차이값, 명순응 시 동공 크기 변화속도 평균값 및 암순응 시 동공 크기 변화속도 평균값을 산출한다. 3가지 동공 크기 변화량을 산출하는 과정은 수학식 1을 참조하여 상술하였다.
단계 S1060에서 생체 인식 장치(100)는 최대 공동 크기와 최소 동공 크기의 차이값인 크기 특징값, 명반응 시 동공의 크기 변화속도 평균인 명반응 특징값 및 암반응 시 동공 크기의 변화속도의 평균인 암반응 특징값으로 미리 입력된 사용자 특징값과 비교하여 본인 인증 여부를 판단한다.
본 발명의 실시 예에 따른 생체 인식 방법은 다양한 컴퓨터 수단을 통하여 수행될 수 있는 프로그램 명령 형태로 구현되어 컴퓨터 판독 가능 매체에 기록될 수 있다. 컴퓨터 판독 가능 매체는 프로그램 명령, 데이터 파일, 데이터 구조 등을 단독으로 또는 조합하여 포함할 수 있다. 컴퓨터 판독 가능 매체에 기록되는 프로그램 명령은 본 발명을 위하여 특별히 설계되고 구성된 것들이거나 컴퓨터 소프트웨어 분야 당업자에게 공지되어 사용 가능한 것일 수도 있다. 컴퓨터 판독 가능 기록 매체의 예에는 하드 디스크, 플로피 디스크 및 자기 테이프와 같은 자기 매체(magnetic media), CD-ROM, DVD와 같은 광 기록 매체(optical media), 플롭티컬 디스크(floptical disk)와 같은 자기-광 매체(magneto-optical media) 및 롬(ROM), 램(RAM), 플래시 메모리 등과 같은 프로그램 명령을 저장하고 수행하도록 특별히 구성된 하드웨어 장치가 포함된다. 또한 상술한 매체는 프로그램 명령, 데이터 구조 등을 지정하는 신호를 전송하는 반송파를 포함하는 광 또는 금속선, 도파관 등의 전송 매체일 수도 있다. 프로그램 명령의 예에는 컴파일러에 의해 만들어지는 것과 같은 기계어 코드뿐만 아니라 인터프리터 등을 사용해서 컴퓨터에 의해서 실행될 수 있는 고급 언어 코드를 포함한다. 상술한 하드웨어 장치는 본 발명의 동작을 수행하기 위해 하나 이상의 소프트웨어 모듈로서 작동하도록 구성될 수 있으며, 그 역도 마찬가지이다.
이제까지 본 발명에 대하여 그 실시 예들을 중심으로 살펴보았다. 본 발명이 속하는 기술 분야에서 통상의 지식을 가진 자는 본 발명이 본 발명의 본질적인 특성에서 벗어나지 않는 범위에서 변형된 형태로 구현될 수 있음을 이해할 수 있을 것이다. 그러므로 개시된 실시 예들은 한정적인 관점이 아니라 설명적인 관점에서 고려되어야 한다. 본 발명의 범위는 전술한 설명이 아니라 특허청구범위에 나타나 있으며, 그와 동등한 범위 내에 있는 모든 차이점은 본 발명에 포함된 것으로 해석되어야 할 것이다.
100: 생체 인식 장치
110: 입력부
120: 동공 크기 검출부
130: 필터링부
140: 제로 크로싱 포인트 선정부
150: 특징 산출부
151: 크기 특징부
151: 암순응 특징부
152: 명순응 특징부
160: 판단부

Claims (9)

  1. 생체 인식 장치에 있어서,
    눈 영상을 입력받는 입력부;
    상기 눈 영상으로부터 동공 영역을 추출하고, 동공 영역의 크기를 측정하여 동공 크기 데이터를 생성하는 동공 크기 검출부;
    필터를 적용하여 상기 동공 크기 데이터에서 노이즈를 제거하여 전처리 데이터를 생성하는 필터링부;
    상기 전처리 데이터에서 제로 크로싱 포인트를 선정하는 제로 크로싱 포인트 선정부;
    상기 제로 크로싱 포인트를 이용하여 동공 크기 변화량을 산출하는 특징 산출부; 및
    상기 동공 크기 변화 특징에 따라 생체 인식으로 본인 여부를 판단하는 판단부를 포함하되,
    상기 제로 크로싱 포인트 선정부는,
    상기 전처리 데이터에서 동공의 크기가 커지다가 작아지는 명순응이 시작되는 프레임과 작아지다가 커지는 암순응 반응이 시작되는 프레임을 제로 크로싱 포인트로 선정하는 것을 특징으로 하고,
    상기 특징 산출부는
    크기 특징값, 명순응 특징값 및 암순응 특징값을 산출하고,
    상기 크기 특징값은
    최대 동공 크기와 최소 동공 크기의 차이값이고,
    상기 명순응 특징값은
    명순응 시에 발생되는 동공의 변화 속도의 평균값이고,
    상기 암순응 특징값은
    암순응 시에 발생되는 동공의 변화 속도의 평균값이고,
    상기 판단부는
    상기 산출된 동공 변화의 특징값인 크기 특징값, 명순응 특징값 및 암순응 특징값 중 하나 이상을 이용해 본인 여부를 판단하는 생체 인식 장치.
  2. 제1 항에 있어서,
    상기 동공 크기 검출부는 AdaBoost 알고리즘을 적용하여 상기 동공 영역을 추출하는 것을 특징으로 하는 생체 인식 장치.
  3. 제1 항에 있어서,
    상기 필터링부는,
    상기 동공 크기 데이터에 메디안 필터(median filter)를 적용하여 노이즈 제거 데이터를 생성하고,
    상기 노이즈 제거 데이터에 평균 필터(average filter)를 적용하여 상기 전처리 데이터를 생성하는 것을 특징으로 하는 생체 인식 장치.
  4. 삭제
  5. 생체 인식 장치가 생체 인식을 하는 방법에 있어서,
    눈 영상을 입력받는 단계;
    상기 눈 영상으로부터 동공 영역을 추출하고, 동공 영역의 크기를 측정하여 동공 크기 데이터를 생성하는 단계;
    필터를 적용하여 상기 동공 크기 데이터에서 노이즈를 제거하여 전처리 데이터를 생성하는 단계;
    상기 전처리 데이터에서 제로 크로싱 포인트를 선정하는 단계;
    상기 제로 크로싱 포인트를 이용하여 동공 변화의 특징을 산출하는 단계; 및
    상기 동공 크기 변화 특징에 따라 생체 인식으로 본인 여부를 판단하는 단계를 포함하되,
    상기 전처리 데이터에서 제로 크로싱 포인트를 선정하는 단계는
    동공의 크기가 커지다가 작아지는 명순응이 시작되는 프레임과 작아지다가 커지는 암순응 반응이 시작되는 프레임을 상기 제로 크로싱 포인트로 선정하는 단계인 것을 특징으로 하고,
    상기 제로 크로싱 포인트를 이용하여 동공 변화의 특징을 산출하는 단계는
    크기 특징값, 명순응 특징값 및 암순응 특징값을 산출하고,
    상기 크기 특징값은
    최대 동공 크기와 최소 동공 크기의 차이값이고,
    상기 명순응 특징값은
    명순응 시에 발생되는 동공의 변화 속도의 평균값이고,
    상기 암순응 특징값은
    암순응 시에 발생되는 동공의 변화 속도의 평균값이고,
    상기 동공 크기 변화 특징에 따라 생체 인식으로 본인 여부를 판단하는 단계는
    상기 산출된 동공 변화의 특징값인 크기 특징값, 명순응 특징값 및 암순응 특징값 중 하나 이상을 이용해 본인 여부를 판단하는 생체 인식 방법.
  6. 제5 항에 있어서,
    상기 눈 영상으로부터 동공 영역을 추출하고, 동공 영역의 크기를 측정하여 동공 크기 데이터를 생성하는 단계는 AdaBoost 알고리즘을 적용하여 상기 동공 영역을 결정하고 동공 크기 값을 추출하는 단계를 포함하는 생체 인식 방법.
  7. 제5 항에 있어서,
    상기 필터를 적용하여 상기 동공 크기 데이터에서 노이즈를 제거하여 전처리 데이터를 생성하는 단계는,
    상기 동공 크기 데이터에 메디안 필터(median filter)를 적용하여 노이즈 제거 데이터를 생성하는 단계; 및
    상기 노이즈 제거 데이터에 평균 필터(average filter)를 적용하여 상기 전처리 데이터를 생성하는 단계
    를 포함하는 것을 특징으로 하는 생체 인식 방법.
  8. 삭제
  9. 제5항 내지 제7항 중 어느 하나의 생체 인식 방법을 실행하고 컴퓨터가 판독 가능한 기록매체에 기록된 컴퓨터 프로그램.
KR1020180129873A 2018-10-29 2018-10-29 생체 인식 장치 및 방법 KR102175481B1 (ko)

Priority Applications (1)

Application Number Priority Date Filing Date Title
KR1020180129873A KR102175481B1 (ko) 2018-10-29 2018-10-29 생체 인식 장치 및 방법

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020180129873A KR102175481B1 (ko) 2018-10-29 2018-10-29 생체 인식 장치 및 방법

Publications (2)

Publication Number Publication Date
KR20200049936A KR20200049936A (ko) 2020-05-11
KR102175481B1 true KR102175481B1 (ko) 2020-11-09

Family

ID=70729296

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020180129873A KR102175481B1 (ko) 2018-10-29 2018-10-29 생체 인식 장치 및 방법

Country Status (1)

Country Link
KR (1) KR102175481B1 (ko)

Families Citing this family (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR102364933B1 (ko) * 2021-10-07 2022-02-18 주식회사 이모코그 시각적 피로발생구간 판단 방법 및 그 장치
KR102494833B1 (ko) * 2021-10-12 2023-02-06 연세대학교 산학협력단 생체 데이터 기반 초입방 형상을 활용한 임상적 의사결정 인공지능 개발을 위한 전처리 및 합성곱 연산 장치

Family Cites Families (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20050025927A (ko) * 2003-09-08 2005-03-14 유웅덕 홍채인식을 위한 동공 검출 방법 및 형상기술자 추출방법과 그를 이용한 홍채 특징 추출 장치 및 그 방법과홍채인식 시스템 및 그 방법
KR101894273B1 (ko) * 2013-05-24 2018-09-06 주식회사 나조산업 스마트폰의 근거리 홍채 촬영용 카메라를 이용한 홍채 인식 방법
CN104933419B (zh) * 2015-06-30 2019-05-21 小米科技有限责任公司 获取虹膜图像的方法、装置及红膜识别设备

Also Published As

Publication number Publication date
KR20200049936A (ko) 2020-05-11

Similar Documents

Publication Publication Date Title
US11281288B2 (en) Eye and head tracking
US10579865B2 (en) Facial verification method and apparatus
US11580203B2 (en) Method and apparatus for authenticating a user of a computing device
JP6257840B2 (ja) ライブ性分析のためのシステムおよび方法
KR102209595B1 (ko) 강건한 생체인식 애플리케이션들을 위한 세밀한 눈 형상 모델
JP6544244B2 (ja) 情報処理装置、情報処理方法及びプログラム
EP2434372A2 (en) Controlled access to functionality of a wireless device
KR20180121594A (ko) 생체 인증 보안을 위한 청색 광 조정
US11006864B2 (en) Face detection device, face detection system, and face detection method
CN111582238B (zh) 一种应用于人脸遮挡场景的活体检测方法及装置
JP6822482B2 (ja) 視線推定装置、視線推定方法及びプログラム記録媒体
JP2018187287A (ja) 感性推定装置、感性推定システム、感性推定方法およびプログラム
KR102175481B1 (ko) 생체 인식 장치 및 방법
JP6349448B1 (ja) 情報処理装置、情報処理プログラム、及び、情報処理方法
Li et al. Video is all you need: Attacking PPG-based biometric authentication
Willoughby et al. DrunkSelfie: intoxication detection from smartphone facial images
CN112861588A (zh) 一种活体检测的方法、装置
KR101877873B1 (ko) 공포 심리 분석 시스템 및 방법
JP2019040592A (ja) 情報処理装置、情報処理プログラム、及び、情報処理方法
Hernandez-Ortega et al. Continuous presentation attack detection in face biometrics based on heart rate
CN116982093A (zh) 呈现攻击检测
Christian Analysis of contrast enhancement methods for infrared images
KR20200108721A (ko) 사시각 측정 장치 및 방법
JP7103443B2 (ja) 情報処理装置、情報処理方法、およびプログラム
EP4089628A1 (en) Sight line estimation device, sight line estimation method, model generation device, and model generation method

Legal Events

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