KR102205495B1

KR102205495B1 - 지문 인식 방법 및 장치

Info

Publication number: KR102205495B1
Application number: KR1020150138515A
Authority: KR
Inventors: 김원준; 서성주; 김규홍; 김남준
Original assignee: 삼성전자주식회사
Priority date: 2015-04-15
Filing date: 2015-10-01
Publication date: 2021-01-21
Also published as: JP6798793B2; JP2016207207A; KR20160123209A

Abstract

지문 인식 기법이 개시된다. 일 실시예에 따른 지문 인식 기법은 지문 영상을 복수의 블록들로 분할한 뒤, 복수의 블록들과 기 등록된 지문 영상을 비교함으로써 사용자의 지문을 인식한다. 지문 영상 및 기 등록된 지문 영상은 지문의 일부에 해당하는 부분 이미지일 수 있다.

Description

지문 인식 방법 및 장치{METHOD AND APPARATUS FOR RECOGNIZING FINGER PRINT}

아래 실시예들은 지문 인식 방법 및 장치에 관한 것이다.

생체 인식에 의한 인증 기술은 지문, 홍채, 목소리, 얼굴, 혈관 등을 이용하여 사용자를 인증한다. 인증에 사용되는 생체 특성들은 사람마다 다르고, 소지의 불편함이 없을 뿐 아니라, 도용이나 모조의 위험성이 적고, 일생 동안 잘 변하지 않는다는 장점이 있기 때문이다. 특히, 지문 인식 기법은 편리성, 보안성, 경제성 등 여러 가지 이유로 현재 가장 많이 상용화되어 있다. 예를 들어, 지문 인식 기법은 사용자 기기에 대한 보안을 강화하고, 모바일 결제 등 각종 응용 서비스를 용이하게 제공할 수 있다.

일 측에 따른 지문 인식 방법은 사용자의 지문의 부분 이미지에 해당하는 입력 부분 이미지를 수신하는 단계; 상기 입력 부분 이미지를 블록들로 분할하는 단계; 상기 블록들과 기 등록된 지문의 부분 이미지들에 해당하는 등록 부분 이미지들을 비교하는 단계; 및 상기 비교 결과에 기초하여 상기 사용자의 지문을 인식하는 단계를 포함한다.

상기 수신하는 단계는 상기 사용자의 지문의 크기보다 작은 센싱 영역을 통하여, 상기 사용자의 지문의 일부 영역을 센싱 하는 단계를 포함할 수 있다. 상기 등록 부분 이미지들은 기 등록된 사용자의 지문의 크기보다 작은 센싱 영역을 통하여, 상기 기 등록된 사용자의 지문의 일부 영역들을 반복적으로(iteratively) 센싱 함으로써 생성될 수 있다.

상기 비교하는 단계는 상기 블록들 각각이 상기 등록 부분 이미지들에 매칭되는 정도를 나타내는 스코어들을 계산하는 단계를 포함할 수 있다.

상기 비교하는 단계는 상기 블록들과 상기 등록 부분 이미지들을 정합하는 단계; 및 상기 정합 결과에 기초하여 상기 블록들과 상기 등록 부분 이미지들을 비교하는 단계를 포함할 수 있다. 상기 정합하는 단계는 주파수 기반 정합 기법에 기초하여, 상기 블록들과 상기 등록 부분 이미지들 사이의 이동 정보, 회전 정보 및 스케일 정보 중 적어도 하나를 결정하는 단계를 포함할 수 있다.

상기 비교하는 단계는 상기 블록들 각각과 상기 등록 부분 이미지들을 정합함으로써, 상기 등록 부분 이미지들에 대한 최적의 회전 각도들을 결정하는 단계; 상기 등록 부분 이미지들에 대한 최적의 회전 각도들에 기초하여, 상기 등록 부분 이미지들에 대응하여 상기 블록들을 회전시키는 단계; 및 상기 등록 부분 이미지들에 대응하여 회전된 블록들과 상기 등록 부분 이미지들을 비교하는 단계를 포함할 수 있다.

상기 결정하는 단계는 주파수 기반 정합 기법에 기초하여, 상기 블록들과 상기 등록 부분 이미지들 사이의 회전 각도들을 결정하는 단계; 및 회전 각도에 기반한 스코어에 기초하여, 상기 등록 부분 이미지들에 대한 최적의 회전 각도들을 결정하는 단계를 포함할 수 있다.

상기 비교하는 단계는 상기 블록들 각각과 상기 등록 부분 이미지들을 정합함으로써, 스코어들을 계산하는 단계; 상기 계산된 스코어들에 기초하여, 상기 등록 부분 이미지들 중 미리 정해진 수의 등록 부분 이미지들을 선택하는 단계; 상기 계산된 스코어들에 기초하여, 상기 선택된 등록 부분 이미지들에 대한 최적의 회전 각도들을 결정하는 단계; 상기 선택된 등록 부분 이미지들에 대한 최적의 회전 각도들에 기초하여, 상기 선택된 등록 부분 이미지들에 대응하여 상기 블록들을 회전시키는 단계; 및 상기 선택된 등록 부분 이미지들에 대응하여 회전된 블록들과 상기 선택된 등록 부분 이미지들을 비교하는 단계를 포함할 수 있다. 상기 미리 정해진 수는 상기 등록 부분 이미지들의 수보다 작을 수 있다.

상기 인식하는 단계는 상기 비교 결과에 기초하여 상기 사용자를 인증하는 단계; 및 상기 비교 결과에 기초하여 상기 사용자를 식별하는 단계 중 적어도 하나를 포함할 수 있다.

상기 인식하는 단계는 상기 비교 결과에 기초하여 미리 정해진 수의 {블록, 등록 부분 이미지}의 페어들을 선택하는 단계; 및 상기 선택된 페어들에 기초하여 상기 사용자의 지문을 인식하는 단계를 포함할 수 있다.

상기 선택하는 단계는 복수의 페어들 각각에 포함된 블록과 등록 부분 이미지 사이의 스코어에 기초하여, 상기 미리 정해진 수의 페어들을 선택하는 단계를 포함할 수 있다.

일 측에 따른 지문 인식 장치는 사용자의 지문에 해당하는 입력 이미지를 수신하는 지문 센서; 및 상기 입력 이미지를 복수의 블록들로 분할하고, 상기 복수의 블록들과 기 등록된 지문에 해당하는 적어도 하나의 등록 이미지를 비교하며, 상기 비교 결과에 기초하여 상기 사용자의 지문을 인식하는 적어도 하나의 프로세서를 포함한다.

일 측에 따른 생체 이미지 인식 방법은 사용자의 생체 정보에 해당하는 입력 이미지를 수신하는 단계; 상기 입력 이미지를 블록들로 분할하는 단계; 상기 블록들과 기 등록된 생체 정보에 해당하는 등록 이미지를 비교하는 단계; 및 상기 비교 결과에 기초하여 상기 사용자를 인식하는 단계를 포함한다.

도 1 및 도 2는 일 실시예에 따른 지문 영상을 설명하는 도면들.
도 3 및 도 4는 일 실시예에 따른 지문 인식 기법을 설명하는 도면들.
도 5는 일 실시예에 따른 입력 부분 이미지를 복수의 블록들로 분할하여 등록 부분 이미지들과 비교하는 지문 인식 기법을 설명하는 도면.
도 6은 일 실시예에 따른 지문 인식 방법을 나타낸 동작 흐름도.
도 7은 일 실시예에 따른 사용자 인증 방법을 나타낸 동작 흐름도.
도 8은 일 실시예에 따른 주파수 기반 정합 기법을 설명하는 동작 흐름도.
도 9는 일 실시예에 따른 로그-폴라 변환을 설명하는 도면.
도 10은 일 실시예에 따른 블록 스코어를 계산하기 위하여 등록 이미지 및 입력 이미지의 블록을 처리하는 동작을 설명하는 도면.
도 11은 다른 실시예에 따른 사용자 인증 방법을 나타낸 동작 흐름도.
도 12는 일 실시예에 따른 전자 시스템을 도시하는 블록도.

실시예들에 대한 특정한 구조적 또는 기능적 설명들은 단지 예시를 위한 목적으로 개시된 것으로서, 다양한 형태로 변경되어 실시될 수 있다. 따라서, 실시예들은 특정한 개시형태로 한정되는 것이 아니며, 본 명세서의 범위는 기술적 사상에 포함되는 변경, 균등물, 또는 대체물을 포함한다.

제1 또는 제2 등의 용어를 다양한 구성요소들을 설명하는데 사용될 수 있지만, 이런 용어들은 하나의 구성요소를 다른 구성요소로부터 구별하는 목적으로만 해석되어야 한다. 예를 들어, 제1 구성요소는 제2 구성요소로 명명될 수 있고, 유사하게 제2 구성요소는 제1 구성요소로도 명명될 수 있다.

어떤 구성요소가 다른 구성요소에 "연결되어" 있다고 언급된 때에는, 그 다른 구성요소에 직접적으로 연결되어 있거나 또는 접속되어 있을 수도 있지만, 중간에 다른 구성요소가 존재할 수도 있다고 이해되어야 할 것이다.

단수의 표현은 문맥상 명백하게 다르게 뜻하지 않는 한, 복수의 표현을 포함한다. 본 명세서에서, "포함하다" 또는 "가지다" 등의 용어는 설시된 특징, 숫자, 단계, 동작, 구성요소, 부분품 또는 이들을 조합한 것이 존재함으로 지정하려는 것이지, 하나 또는 그 이상의 다른 특징들이나 숫자, 단계, 동작, 구성요소, 부분품 또는 이들을 조합한 것들의 존재 또는 부가 가능성을 미리 배제하지 않는 것으로 이해되어야 한다.

다르게 정의되지 않는 한, 기술적이거나 과학적인 용어를 포함해서 여기서 사용되는 모든 용어들은 해당 기술 분야에서 통상의 지식을 가진 자에 의해 일반적으로 이해되는 것과 동일한 의미를 가진다. 일반적으로 사용되는 사전에 정의되어 있는 것과 같은 용어들은 관련 기술의 문맥상 가지는 의미와 일치하는 의미를 갖는 것으로 해석되어야 하며, 본 명세서에서 명백하게 정의하지 않는 한, 이상적이거나 과도하게 형식적인 의미로 해석되지 않는다.

하기에서 설명될 실시예들은 사용자의 지문을 인식하는 데 사용될 수 있다. 이하, 사용자의 지문을 인식하는 동작은 그 사용자를 인증하거나 식별하는 동작을 포함할 수 있다. 사용자를 인증하는 동작은, 예를 들어 그 사용자가 기 등록된 사용자인지 여부를 판단하는 동작을 포함할 수 있다. 이 경우, 사용자를 인증하는 동작의 결과는 참 또는 거짓으로 출력될 수 있다. 사용자를 식별하는 동작은, 예를 들어 그 사용자가 기 등록된 복수의 사용자들 중 어느 사용자에 해당하는지를 판단하는 동작을 포함할 수 있다. 이 경우, 사용자를 식별하는 동작의 결과는 어느 하나의 기 등록된 사용자의 아이디로 출력될 수 있다. 만약 그 사용자가 기 등록된 복수의 사용자들 중 어느 사용자에도 해당하지 않는 경우, 그 사용자가 식별되지 않음을 알리는 신호가 출력될 수도 있다.

실시예들은 퍼스널 컴퓨터, 랩톱 컴퓨터, 태블릿 컴퓨터, 스마트 폰, 텔레비전, 스마트 가전 기기, 지능형 자동차, 키오스크, 웨어러블 장치 등 다양한 형태의 제품으로 구현될 수 있다. 예를 들어, 실시예들은 스마트 폰, 모바일 기기, 스마트 홈 시스템 등에서 사용자를 인증하는데 적용될 수 있다. 실시예들은 사용자 인증을 통한 결제 서비스에 적용될 수 있다. 또한, 실시예들은 사용자를 인증하여 자동으로 시동을 거는 지능형 자동차 시스템 등에도 적용될 수 있다. 이하, 실시예들을 첨부된 도면을 참조하여 상세하게 설명한다. 각 도면에 제시된 동일한 참조 부호는 동일한 부재를 나타낸다.

도 1 및 도 2는 일 실시예에 따른 지문 영상을 설명하는 도면들이다.

도 1을 참조하면, 일 실시예에 따른 지문 센서(도면 미 표시)는 사용자의 지문(100)을 센싱한다. 지문 센서는 센싱 영역을 통하여 지문(100)을 센싱할 수 있다. 이 때, 지문 센서의 센싱 영역의 크기는 지문(100)의 크기보다 작을 수 있다. 예를 들어, 지문 센서의 센싱 영역은 지문(100)의 크기보다 작은 직사각형 모양을 가질 수 있다. 이 경우, 지문 센서는 센싱 영역을 통하여 지문(100)의 일부를 센싱할 수 있다.

지문 센서는 센싱된 지문을 캡쳐(capture) 함으로써 지문 영상을 생성할 수 있다. 지문 센서의 센싱 영역의 크기가 지문(100)의 크기보다 작은 경우, 지문 센서에 의하여 생성되는 지문 영상은 지문(100)의 일부를 포함하는 부분 이미지(partial image)에 해당할 수 있다.

지문 영상은 사용자의 지문(100)을 등록하거나 인식하는데 이용될 수 있다. 예를 들어, 등록(enrollment) 단계에서 지문 영상이 등록될 수 있다. 등록된 지문 영상은 미리 구비된 저장소에 저장될 수 있다. 지문 센서의 센싱 영역의 크기가 지문(100)의 크기보다 작은 경우, 사용자의 지문(100)의 부분 이미지들에 해당하는 복수의 지문 영상들이 등록될 수 있다. 예를 들어, 복수의 부분 이미지들(110 내지 170)이 등록될 수 있다. 부분 이미지들(110 내지 170)은 각각 지문(100)의 일부를 커버하고, 부분 이미지들(110 내지 170)이 모여 지문(100)을 전체적으로 커버할 수 있다. 이 때, 부분 이미지들(110 내지 170)은 서로 겹칠 수 있다. 이하, 설명의 편의를 위하여 기 등록된 지문의 부분 이미지를 등록 부분 이미지라고 지칭한다.

또한, 인식(recognition) 단계에서 입력된 지문 영상이 인식될 수 있다. 예를 들어, 인식 단계에서 입력된 지문 영상은 기 등록된 지문 영상과 비교될 수 있다. 입력된 지문 영상과 기 등록된 지문 영상이 일치하는지 여부에 따라, 사용자 인증 결과 또는 사용자 식별 결과가 도출될 수 있다. 지문 센서의 센싱 영역의 크기가 지문(100)의 크기보다 작은 경우, 입력된 지문 영상은 사용자의 지문(100)의 부분 이미지에 해당할 수 있다. 이하, 설명의 편의를 위하여 사용자의 지문의 부분 이미지를 입력 부분 이미지라고 지칭한다. 아래에서 상세히 설명하겠으나, 실시예들은 입력 부분 이미지와 등록 부분 이미지들을 비교함으로써 지문을 인식하는 기법을 제공할 수 있다.

도 1에서 지문 센서의 센싱 영역은 직사각형의 모양을 가지는 것으로 설명되었으나, 지문 센서의 센싱 영역의 크기 및 모양은 다양하게 변형될 수 있다. 예를 들어, 도 2를 참조하면, 지문 센서의 센싱 영역은 원형일 수 있다. 이 경우에도, 등록 단계에서, 하나의 지문(200)에 대응하여 복수의 부분 이미지들(210 내지 295)이 등록될 수 있다. 또한, 인식 단계에서, 지문(200)의 일부에 해당하는 지문 영상이 기 등록된 복수의 부분 이미지들(210 내지 295)과 비교될 수 있다.

경우에 따라서, 등록 단계에서 이용되는 지문 센서와 인식 단계에서 이용되는 지문 센서는 서로 다를 수 있다. 예를 들어, 등록 단계에서는 도 1에 도시된 직사각형 모양의 센싱 영역을 갖는 지문 센서가 이용되고, 인식 단계에서는 도 2에 도시된 원형 모양의 센싱 영역을 갖는 지문 센서가 이용될 수 있다.

도 3 및 도 4는 일 실시예에 따른 지문 인식 기법을 설명하는 도면들이다. 도 3을 참조하면, 일 실시예에 따른 지문 인식 장치(300)는 지문 센서(310)를 포함한다. 지문 센서(310)의 센싱 영역의 크기는 사용자의 지문의 크기보다 작을 수 있다. 지문 인식 장치(300)는 지문 센서(310)를 통하여 입력 부분 이미지(315)를 획득할 수 있다. 지문 인식 장치(300)는 미리 구비된 데이터베이스(320)로부터 등록 부분 이미지들(321 내지 323)을 획득할 수 있다. 데이터베이스(320)는 지문 인식 장치(300)에 포함된 메모리(도면 미 표시)에 저장되거나, 지문 인식 장치(300)와 유선, 무선, 또는 네트워크 등으로 연결 가능한 서버 등의 외부 장치(도면 미 표시)에 저장될 수 있다.

지문 인식 장치(300)는 입력 부분 이미지(315)와 등록 부분 이미지들(321 내지 323)을 비교함으로써, 사용자의 지문을 인식할 수 있다. 도 4를 참조하면, 지문 인식 장치(300)는 입력 부분 이미지(315)와 등록 부분 이미지(323)을 비교하기 위하여, 입력 부분 이미지(315)와 등록 부분 이미지(323)를 정합할 수 있다. 예를 들어, 지문 인식 장치(300)는 입력 부분 이미지(315)와 등록 부분 이미지(323)에 공통적으로 포함된 영역이 겹쳐지도록, 입력 부분 이미지(315)를 스케일(scale), 회전(rotation), 및/또는 이동(translation) 시킬 수 있다. 하지만, 입력 부분 이미지(315)와 등록 부분 이미지(323)가 모두 부분 이미지에 해당하므로, 서로 겹치는 영역의 크기가 입력 부분 이미지(315) 및 등록 부분 이미지(323) 각각의 크기에 비하여 상당히 작을 수 있다. 이 경우, 입력 부분 이미지(315)와 등록 부분 이미지(323)를 정합하는 것은 비효율적일 수 있다.

또한, 입력 부분 이미지(315)는 다양한 요인으로 인한 열화를 부분적으로 포함할 수 있다. 예를 들어, 센서를 누르는 압력에 따라 지문 영상 내 변형(deformation)이 발생될 수 있다. 입력 부분 이미지(315)가 생성될 때, 지문 센서의 센싱 영역의 각 부위별로 가해지는 압력이 다를 수 있다. 이로 인하여, 입력 부분 이미지(315)의 적어도 일부에 변형이 생길 수 있다. 또한, 등록 부분 이미지들(321 내지 323)도 다양한 요인으로 인한 열화를 포함할 수 있다. 이 경우, 입력 부분 이미지(315)와 등록 부분 이미지들(321 내지 323)을 비교하는 것은 지문 인식의 신뢰도를 감소시킬 수 있다.

도 5는 일 실시예에 따른 입력 부분 이미지를 복수의 블록들로 분할하여 등록 부분 이미지들과 비교하는 지문 인식 기법을 설명하는 도면이다. 도 5를 참조하면, 지문 인식 장치(300)는 입력 부분 이미지(315)를 복수의 블록들(511 내지 514)로 분할(partitioning) 할 수 있다. 입력 부분 이미지(315)를 복수의 블록들(511 내지 514)로 분할하는 동작은 블록 파티셔닝(block partitioning)이라고 지칭될 수 있다. 지문 인식 장치(300)는 입력 부분 이미지(315)와 등록 부분 이미지들(321 내지 323)을 비교하는 대신, 복수의 블록들(511 내지 514)과 등록 부분 이미지들(321 내지 323)을 비교할 수 있다.

지문 인식 장치(300)는 다양한 방식으로 입력 부분 이미지(315)를 분할할 수 있다. 일 예로, 지문 인식 장치(300)는 미리 정해진 패턴에 따라 입력 부분 이미지(315)를 분할할 수 있다. 미리 정해진 패턴은 지문 센서의 센싱 영역의 모양, 크기, 등록 부분 이미지들의 모양, 크기 등에 따라 사전에 결정될 수 있다. 경우에 따라, 미리 정해진 패턴은 동적으로 변경될 수도 있다. 또한, 블록들은 서로 겹치지 않게 분할되거나, 서로 일정 크기의 영역만큼 겹치도록 분할될 수도 있다.

지문 인식 장치(300)는 블록 패턴 정합을 이용하여 지문을 인식할 수 있다. 블록 패턴 정합은 부분 지문 영상의 패턴 정합을 포함할 수 있다. 아래에서 상세하게 설명하겠으나, 지문 인식 장치(300)는 지문 센서를 통해 입력된 지문 영상을 복수개의 블록으로 나누어 주파수 기반의 정합을 수행하고, 각 블록의 정합 점수를 정렬하여 상위 K개 값의 특징 값을 이용하여 사용자 인증 여부를 판단할 수 있다. 여기서, 특징 값은 상위 K개 값들에 관한 특징을 나타내는 값일 수 있다. 예를 들어, 특징 값은 평균 등 통계 값을 포함할 수 있다. 지문 인식 장치(300)는 지문 영상이 센싱 될 때 손가락의 방향에 관계없이, 지문을 인식할 수 있다.

지문 인식 장치(300)는 복수의 블록들(511 내지 514)을 이용함으로써, 정합의 효율성을 향상시킬 수 있다. 입력 부분 이미지(315)가 입력되는 경우, 입력 부분 이미지(315)와 등록 부분 이미지들(321 내지 323) 각각이 겹치는 영역이 많지 않기 때문에 복수 개의 블록으로 나누어 정합을 수행하는 것이 효과적이다. 일 예로, 지문 인식 장치(300)는 영상 주파수 정보를 기반으로 복수의 등록 부분 이미지들(321 내지 323)에 대하여 각 블록의 회전 각도 및 이동량을 계산할 수 있다. 이 경우, 블록(513)과 등록 부분 이미지(321)에 공통적으로 포함되는 영역(이하, 겹치는 영역)이 블록(513) 내 차지하는 비율은 겹치는 영역이 입력 부분 이미지(315) 내 차지하는 비율에 비하여 크므로, 정합이 효율적으로 수행될 수 있다.

또한, 지문 인식 장치(300)는 복수의 블록들(511 내지 514)을 이용함으로써, 입력 부분 이미지(315) 또는 등록 부분 이미지들(321 내지 323)에 포함된 열화에 강인하게 동작할 수 있다. 예를 들어, 지문 인식 장치(300)는 복수의 블록들(511 내지 514) 중 등록 부분 이미지들(321 내지 323)에 잘 매칭되는 블록만을 이용할 수 있다. 지문 인식 장치(300)는 열화를 포함하는 블록을 이용한 비교 결과는 배제하고, 열화를 포함하지 않는 블록을 이용한 비교 결과만을 이용함으로써, 열화에 강인한 지문 인식이 수행될 수 있다.

지문 인식 장치(300)는 등록 단계에서 부분 등록 이미지들만 저장하고, 부분 등록 이미지들을 스티칭(stitching) 한 정보나 부분 등록 이미지들 사이의 정합 정보 등 추가적인 정보는 저장하지 않을 수 있다. 이로 인하여, 실시예들은 부분 등록 이미지들을 등록할 때 연산 복잡도가 낮으며, 메모리를 효율적으로 사용하는 기술을 제공할 수 있다.

지문 인식 장치(300)는 다양한 방식을 통하여 복수의 블록들(511 내지 514)과 등록 부분 이미지들(311 내지 323)을 정합할 수 있다. 일 예로, 지문 인식 장치(300)는 주파수 기반 정합 기법에 기초하여, 복수의 블록들(511 내지 514)과 등록 부분 이미지들(311 내지 323) 사이의 이동 정보, 회전 정보, 스케일 정보, 또는 이들의 다양한 조합을 결정할 수 있다. 주파수 기반 정합 기법은 주파수 영역에서 정합을 수행하는 기법일 수 있다.

특정 블록과 특정 등록 부분 이미지 사이의 이동 정보는 x축 이동 파라미터인 Tx와 y축 이동 파라미터인 Ty를 포함할 수 있다. 또한, 특정 블록과 특정 등록 부분 이미지 사이의 회전 정보는 회전 파라미터인 R을 포함할 수 있고, 스케일 정보는 스케일 파라미터인 S를 포함할 수 있다. 이하, Tx 및 Ty는 이동량이라고 지칭되고, R은 회전 각도라고 지칭될 수 있다. 지문 인식 장치(300)는 주파수 영역에서 복수의 블록들(511 내지 514)과 등록 부분 이미지들(311 내지 323)을 비교함으로써, 회전 각도, 이동량, 및 스케일 파라미터를 계산할 수 있다. 주파수 영역에서 회전 각도, 이동량, 및 스케일 파라미터를 계산하는 구체적인 방법은 도 8을 참조하여 후술한다.

지문 인식 장치(300)는 정합 결과 도출된 이동 정보에 기초하여 블록을 이동시키고 회전 시킬 수 있다. 지문 인식 장치(300)는 정합 결과 도출된 스케일 정보에 기초하여 블록을 확대 또는 축소 시킬 수 있다. 이동 정보, 회전 정보, 및 스케일 정보는 블록과 등록 부분 이미지 사이에서 상대적이므로, 지문 인식 장치(300)는 블록을 이동, 회전, 또는 스케일 하는 대신 부분 등록 이미지를 이동, 회전, 또는 스케일 할 수도 있다.

지문 인식 장치(300)는 이동, 회전, 스케일로 인하여 블록과 부분 등록 이미지가 겹쳐지면, 겹쳐진 영역에서 정합 스코어를 계산할 수 있다. 예를 들어, 지문 인식 장치(300)는 영상 밝기 값 기반의 정규화 상관 기법(normalized correlation)에 기초하여 정합 스코어를 계산할 수 있다. 도 5를 통하여 확인할 수 있듯이, 지문 인식 장치(300)는 회전이 존재하는 입력 지문 영상에 대해서도 정확하게 정합을 수행할 수 있어서 입력 지문 영상이 임의의 각도로 입력되더라도 정확하게 지문을 인식할 수 있다.

도 6은 일 실시예에 따른 지문 인식 방법을 나타낸 동작 흐름도이다. 도 6을 참조하면, 일 실시예에 따른 지문 인식 방법은 입력 부분 이미지를 수신하는 단계(610), 입력 부분 이미지를 블록들로 분할하는 단계(620), 블록들과 등록 부분 이미지들을 비교하는 단계(630), 및 사용자의 지문을 인식하는 단계(640)를 포함한다.

입력 부분 이미지를 수신하는 단계(610)는 전처리 과정을 수행하는 단계를 포함할 수 있다. 전처리 과정은 지문 영상의 품질을 향상시키는 일련의 동작들을 포함할 수 있다. 지문 영상은 입력 부분 이미지 또는 등록 부분 이미지를 포함한다. 예를 들어, 전처리 과정은 지문 영상에 포함된 노이즈를 제거하는 동작, 지문 영상의 컨트라스트(contrast)를 증가시키는 동작, 지문 영상에 포함된 블러(blur)를 제거하는 디블러링(deblurring) 동작, 지문 영상에 포함된 왜곡(distortion)을 보정하는 와핑(warping) 동작 등을 포함할 수 있다.

또한, 전처리 과정은 지문 영상의 품질을 평가하는 동작을 포함할 수 있다. 지문 영상의 품질이 임계 품질 미만인 경우, 전처리 과정은 획득된 지문 영상을 폐기(discard)하고 사용자로부터 새로운 지문 영상을 입력 받는 동작을 포함할 수 있다.

도 6에 도시된 각 단계들에는 도 1 내지 도 5를 통하여 전술한 사항들이 그대로 적용될 수 있다. 이하, 도 7 내지 도 12를 참조하여, 단계(630)과 단계(640)을 상세하게 설명한다.

도 7은 일 실시예에 따른 사용자 인증 방법을 나타낸 동작 흐름도이다. 도 7을 참조하면, 지문 인식 장치는 단계(620)에서 입력 부분 이미지를 N개의 블록들로 분할한다. 여기서, N은 2 이상의 양의 정수이다. 지문 인식 장치는 단계(710)에서 데이터베이스(715)로부터 L개의 등록 부분 이미지들을 획득할 수 있다. 여기서, L은 1 이상의 양의 정수이다. 지문 인식 장치는 단계(710)에서 N개의 블록들 중 현재 처리 중인 블록과 L개의 등록 부분 이미지들을 정합할 수 있다. 일 예로, 지문 인식 장치는 주파시 기반 정합 기법을 이용하여 블록과 등록 부분 이미지를 정합할 수 있다.

도 8은 일 실시예에 따른 주파수 기반 정합 기법을 설명하는 동작 흐름도이다. 도 8을 참조하면, 단계(1011)에서 빠른 푸리에 변환(Fast Fourier Transform)을 통하여 블록에 포함된 시간 도메인의 정보가 주파수 도메인의 정보로 변환된다. 단계(1012)에서 등록 부분 이미지에 빠른 푸리에 변환이 적용된다. 주파수 도메인의 정보는 (x, y) 좌표를 이용하여 정보를 표현하는 직교 좌표계에 기반할 수 있다.

단계(1021)에서 로그-폴라 변환(Log-Polar Transform)을 통하여 블록에 포함된 주파수 도메인의 정보의 좌표계가 극 좌표계로 변환된다. 일 예로, 빠른 푸리에 변환을 통하여 도출된 FFT 영상 내 픽셀들의 매그니튜드(magnitude) 값에 대하여 로그-폴라 변환이 수행될 수 있다. 극 좌표계는 반지름(radius), 각도(angle), 또는 반지름과 각도의 조합을 이용하여 정보를 표현할 수 있다. 단계(1022)에서 등록 부분 이미지에 포함된 주파수 도메인의 정보에 로그-폴라 변환이 적용된다.

도 9는 일 실시예에 따른 로그-폴라 변환을 설명하는 도면이다. 도 9를 참조하면, 직교 좌표계에서 중심점(1110)을 기준으로 동심원들이 설정될 수 있다. 동심원들은 반지름, 각도, 또는 반지름과 각도의 조합에 따라 복수의 영역들로 분할될 수 있다. 일 예로, 로그-폴라 변환은 직교 좌표계 상의 복수의 영역들을 (반지름, 각도)의 극 좌표계 상의 영역들에 매핑할 수 있다. 이 경우, 직교 좌표계의 중심 영역(1110)은 극 좌표계의 (0, 0°) 영역(1115)으로 매핑될 수 있다. 또한, 직교 좌표계의 영역(1120), 영역(1130), 영역(1140), 영역(1150)은 각각 극 좌표계의 영역(1125), 영역(1135), 영역(1145), 영역(1155)으로 매핑될 수 있다.

도면에 도시하지 않았으나, 로그-폴라 변환은 직교 좌표계 상의 복수의 영역들을 (반지름)의 극 좌표계 상의 영역들에 매핑할 수 있다. 이 경우, 직교 좌표계의 영역(1120)은 극 좌표계의 (0°) 영역으로 매핑되고, 직교 좌표계의 영역(1130)과 영역(1140)은 극 좌표계의 (36°) 영역으로 매핑되며, 직교 좌표계의 영역(1150)은 극 좌표계의 (324°) 영역으로 매핑될 수 있다.

다시 도 8을 참조하면, 단계(1031)에서 블록의 로그-폴라 변환 영상에 빠른 푸리에 변환이 적용된다. 단계(1032)에서 등록 부분 이미지의 로그-폴라 변환 영상에 빠른 푸리에 변환이 적용된다. 단계(1040)에서 페이즈 연관(phase correlation)이 수행된다. 페이즈 연관의 수행 결과 피크(peak)가 검출되며, 검출된 피크의 위치는 블록과 등록 부분 이미지 사이의 회전 정보(θ)를 나타낼 수 있다.

다른 실시예에 따르면, 검출된 피크의 위치는 블록과 등록 부분 이미지 사이의 스케일 정보를 나타낼 수도 있다. 예를 들어, 로그-폴라 변환 영상의 한 축은 각도에 해당하고, 다른 한 축은 반지름(radius)에 해당한다. 이 경우, 페이즈 연관에 의하여 검출된 피크의 위치는 (각도에 해당하는 축의 좌표, 반지름에 해당하는 축의 좌표)로 표현될 수 있다. 각도에 해당하는 축의 좌표는 회전 정보를 나타내며, 반지름에 해당하는 축의 좌표는 스케일 정보를 나타낼 수 있다.

통상적으로 지문 영상은 실질적으로 스케일 변화가 없으므로, 반지름이 미리 정해진 값(예를 들어, 1)로 고정될 수 있다. 이 경우, 페이즈 연관에 의하여 검출된 피크의 위치는 각도에 해당하는 축의 좌표로 표현될 수 있다. 각도에 해당하는 축의 좌표는 회전 정보를 나타낼 수 있다.

단계(1050)에서 회전 정보(θ)에 기초하여 블록이 회전된다. 단계(1060)에서 회전된 블록에 빠른 푸리에 변환이 적용되며, 단계(1070)에서 페이즈 연관이 수행된다. 페이즈 연관의 수행 결과 검출된 피크의 위치는 블록과 등록 부분 이미지 사이의 이동 정보(Tx, Ty)를 나타낼 수 있다. 단계(1080)에서 이동 정보(Tx, Ty)에 기초하여 회전된 블록이 이동될 수 있다.

다시 도 7을 참조하면, 지문 인식 장치는 단계(710)에서 정합 결과에 기초하여 현재 처리 중인 블록이 L개의 등록 부분 이미지들에 매칭되는 정도를 나타내는 L개의 블록 스코어들을 계산할 수 있다. 도 8을 통하여 전술한 바와 같이, 지문 인식 장치는 제1 등록 부분 이미지에 대한 {이동 정보, 회전 정보} 페어에 기초하여, 현재 처리 중인 블록과 제1 등록 부분 이미지가 겹쳐지도록 현재 처리 중인 블록을 회전 및 이동시킬 수 있다.

지문 인식 장치는 겹쳐진 영역에서 블록 스코어를 계산할 수 있다. 지문 인식 장치는 다양한 방식으로 블록 스코어를 계산할 수 있다. 예를 들어, 지문 인식 장치는 영상 밝기 값 기반의 정규화 상관(normalized cross correlation) 기법에 기초하여 블록 스코어를 계산할 수 있다. 예를 들어, 지문 인식 장치는 수학식 1을 이용하여 블록 스코어를 계산할 수 있다.

여기서, W는 영상 I₁과 영상 I₂간의겹쳐진 영역을 나타낸다. 영상 I₁은 회전된 블록이고, 영상 I₂는 등록 부분 이미지일 수 있다. i는 겹쳐진 영역 내 픽셀의 X축 좌표를 나타내고, j는 겹쳐진 영역 내 픽셀의 Y축 좌표를 나타낸다. x는 X축 방향의 이동 정보(Tx)를 나타내고, y는 Y축 방향의 이동 정보(Ty)를 나타낸다. I₁(i, j)는 영상 I₁의 (i, j)좌표에서의 픽셀 값을 나타내고, I₂(x + i, y + j)는 영상 I₂의 (x + i, y + j)좌표에서의 픽셀 값을 나타낸다.

도 10은 일 실시예에 따른 블록 스코어를 계산하기 위하여 등록 이미지 및 입력 이미지의 블록을 처리하는 동작을 설명하는 도면이다. 도 10을 참조하면, 등록 이미지(1210)는 빠른 푸리에 변환 및 로그-폴라 변환을 통하여 제1 LPT 이미지(1220)로 변환된다. 입력 이미지의 블록(1215)은 빠른 푸리에 변환 및 로그-폴라 변환을 통하여 제2 LPT 이미지(1225)로 변환된다.

제1 LPT 이미지(1220)와 제2 LPT 이미지(1225) 사이의 페이즈 연관(1230)에 의하여 등록 이미지(1210)와 블록(1215) 사이의 회전 정보(θ)가 결정된다. 블록(1215)은 회전 정보(θ)에 따라 회전된다. 등록 이미지(1210)의 FFT 이미지와 회전된 블록(1245)의 FFT 이미지 사이의 페이즈 연관(1250)에 의하여 등록 이미지(1210)와 블록(1215) 사이의 이동 정보(Tx, Ty)가 결정된다.

회전 정보(θ) 및 이동 정보(Tx, Ty)에 기초하여, 등록 이미지(1210)와 블록(1215)이 정합된다. 정합된 이미지(1260)에서 등록 이미지(1210)와 회전된 블록(1245)이 겹쳐진 영역에 대하여 스코어(1270)가 계산된다. 스코어(1270)는 블록 스코어, 매칭 스코어 등으로 지칭될 수 있다.

다시 도 7을 참조하면, 지문 인식 장치는 제2 등록 부분 이미지 내지 제L 등록 부분 이미지에 대한 블록 스코어들도 동일한 방식으로 계산할 수 있다. 이하, 블록 스코어는 정합 스코어, 매칭 스코어 등으로 지칭될 수 있다.

지문 인식 장치는 단계(720)에서 방금 처리된 블록이 N개의 블록들 중 마지막 블록인지 여부를 확인할 수 있다. 만약 방금 처리된 블록이 N개의 블록들 중 마지막 블록이 아닌 경우, 지문 인식 장치는 아직 처리되지 않은 블록에 대하여 단계(710)을 수행할 수 있다. 지문 인식 장치는 단계(720)과 단계(730)을 N번 반복함으로써, N x L개의 블록 스코어들을 계산할 수 있다.

지문 인식 장치는 단계(730)에서 N x L개의 블록 스코어들 중 상위 K개의 블록 스코어들을 선택할 수 있다. 도 4를 통하여 전술한 바와 같이, 입력 부분 이미지(315)와 등록 부분 이미지(323)는 서로 일부만 겹칠 수 있다. 이 경우, 입력 부분 이미지(315)의 블록들 중 겹쳐진 영역에 위치하는 블록은 유의미한 블록 스코어를 도출하지만, 겹쳐지지 않은 영역에 위치하는 블록은 무의미한 블록 스코어를 도출할 수 있다. 지문 인식 장치는 N x L개의 블록 스코어들 중 상위 K개의 블록 스코어들을 선택함으로써, 무의미한 블록 스코어를 배제할 수 있다. K는 1 이상 N x L 이하의 범위에서 결정될 수 있다.

지문 인식 장치는 상위 K개의 블록 스코어들에 기초하여 특징 값 Val을 계산할 수 있다. 예를 들어, 지문 인식 장치는 수학식 2를 이용하여 상위 K개의 블록 스코어들의 합을 계산할 수 있다.

여기서,

는 내림차순으로 정렬된 i번째 블록 스코어이다. 특징 값 Val을 계산하는 방식은 상위 K개의 블록 스코어들의 평균을 구하는 등으로 다양하게 변형될 수 있다. 또한, 계산된 최적의 (예를 들어, 블록 스코어가 가장 높은) 회전 각도에 따라 특징 값을 계산하기 위한 각 블록 스코어의 가중치를 다르게 적용할 수 있다.

지문 인식 장치는 단계(740)에서 특징 값 Val과 임계 값을 비교함으로써, 사용자의 인증 여부를 판단할 수 있다. 특징 값 Val이 임계 값보다 큰 경우, 지문 인식 장치는 단계(750)에서 인증에 성공했다고 판단할 수 있다. 특징 값 Val이 임계 값 이하인 경우, 지문 인식 장치는 단계(760)에서 인증에 실패했다고 판단할 수 있다. 여기서, 임계 값은 특징 값 Val을 계산하는 방식, 등록 부분 이미지들의 수, 등록 부분 이미지들의 품질, 입력 부분 이미지의 품질 등에 따라 결정될 수 있다.

도 11은 다른 실시예에 따른 사용자 인증 방법을 나타낸 동작 흐름도이다.

지문 인식 장치는 부분 등록 이미지들에 대하여 블록 별 회전 각도들을 계산하고, 부분 등록 이미지들에 대한 최적의 회전 각도들을 계산할 수 있다. 지문 인식 장치는 각 부분 등록 이미지에 대응하여 최적의 회전 각도를 모든 블록에 동일하게 적용한 후, 회전된 블록과 부분 등록 이미지 사이의 이동량을 계산함으로써 정합 점수를 도출할 수 있다.

지문 인식 장치의 동작은 두 단계로 구분될 수 있다. 예를 들어, 제1 단계에서 한 장의 등록 부분 이미지와 입력 부분 이미지의 N개의 블록들이 정합될 수 있다. 지문 인식 장치는 정합 결과 획득된 N개의 정합 스코어들 중 높은 정합 스코어를 갖는(예를 들어, 가장 유사도가 큰 점수를 갖는) 블록의 회전 각도를 모든 블록에 동일하게 적용할 수 있다. 제2 단계에서 지문 인식 장치는 각 블록에 대한 이동량을 계산할 수 있다.

또한, 아래에서 상세하게 설명하겠으나, 지문 인식 장치는 제1 단계에서 정합 스코어에 기반하여 상위 M개에 해당하는 등록 부분 이미지들을 선택하고, 제2 단계에서 선택된 등록 부분 이미지들만을 사용하여 이동량을 계산함으로써 수행 속도를 효과적으로 향상 시킬 수 있다.

도 11을 참조하면, 지문 인식 장치는 단계(810)에서 데이터베이스(815)로부터 L개의 등록 부분 이미지들을 획득할 수 있다. 지문 인식 장치는 단계(810)에서 N개의 블록들과 L개의 등록 부분 이미지들을 정합할 수 있다. 지문 인식 장치는 정합 결과에 기초하여 N x L개의 1차 블록 스코어들을 계산할 수 있다. 단계(810)에는 도 7의 단계(710) 및 단계(720)를 통하여 전술한 사항들이 그대로 적용될 수 있다.

지문 인식 장치는 단계(820)에서 등록 부분 이미지 별 최적의 회전 각도 R을 결정할 수 있다. 등록 부분 이미지 별 최적의 회전 각도는 등록 부분 이미지에 대응하여 블록들을 회전시키기 위한 각도일 수 있다. 예를 들어, 지문 인식 장치는 제1 등록 부분 이미지와 관련된 N개의 1차 블록 스코어들 중 최상위 블록 스코어를 선택할 수 있다. 지문 인식 장치는 선택된 최상위 블록 스코어가 계산된 정합 정보로부터 회전 각도를 추출할 수 있다. 정합 정보는 {회전 각도, 이동량} 페어일 수 있다. 지문 인식 장치는 추출된 회전 각도를 제1 등록 부분 이미지에 대응하여 블록들을 회전시키기 위한 최적의 회전 각도로 결정할 수 있다. 지문 인식 장치는 동일한 방식으로 다른 등록 부분 이미지들 각각에 대응하여 블록들을 회전시키기 위한 최적의 회전 각도를 결정할 수 있다.

지문 인식 장치는 단계(830)에서 등록 부분 이미지 별 최적의 회전 각도 R에 기초하여, N개의 블록들을 회전시킬 수 있다. 예를 들어, 지문 인식 장치는 제1 등록 부분 이미지에 대응하여, N개의 블록들을 모두 제1 등록 부분 이미지에 대한 최적의 회전 각도만큼 회전시킬 수 있다. 또한, 지문 인식 장치는 다른 등록 부분 이미지에 대응하여, N개의 블록들을 모두 해당 등록 부분 이미지에 대한 최적의 회전 각도만큼 회전시킬 수 있다.

지문 인식 장치는 단계(850)에서 등록 부분 이미지들에 대응하여 회전된 블록들과 해당 등록 부분 이미지들을 비교할 수 있다. 예를 들어, 지문 인식 장치는 주파수 기반 정합 기법에 기초하여 등록 부분 이미지들 각각에 대응하여 회전된 블록들과 해당 등록 부분 이미지를 재 정합할 수 있다. 이 때, 지문 인식 장치는 블록들의 회전 각도는 유지한 채, 블록들의 이동량을 결정할 수 있다. 지문 인식 장치는 재 정합 결과에 기초하여 2차 블록 스코어들을 계산할 수 있다.

지문 인식 장치는 2차 블록 스코어들을 계산할 때, L개의 등록 부분 이미지들을 모두 이용하지 않을 수 있다. 지문 인식 장치는 단계(840)에서 1차 블록 스코어들에 기초하여, L개의 등록 부분 이미지들을 정렬할 수 있다. 예를 들어, 지문 인식 장치는 높은 1차 블록 스코어와 관련된 등록 부분 이미지의 순위가 높아지도록, 등록 부분 이미지들을 정렬할 수 있다. 지문 인식 장치는 정렬된 순서에 따라 M개의 등록 부분 이미지들을 선택할 수 있다. 여기서, M은 L보다 작은 양의 정수이다.

이 경우, 지문 인식 장치는 단계(820)에서 M개의 등록 부분 이미지들에 대한 최적의 회전 각도들을 계산할 수 있다. 지문 인식 장치는 단계(830)에서 M개의 등록 부분 이미지들 각각에 대한 최적의 회전 각도에 기초하여, 블록들을 회전시킬 수 있다. 지문 인식 장치는 단계(850)에서 N x M개의 2차 블록 스코어들을 계산할 수 있다.

지문 인식 장치는 단계(860)에서 N x M개의 블록 스코어들 중 상위 K개의 블록 스코어들을 선택할 수 있다. 지문 인식 장치는 상위 K개의 블록 스코어들에 기초하여 특징 값 Val을 계산할 수 있다. 지문 인식 장치는 단계(870)에서 특징 값 Val과 임계 값을 비교함으로써, 사용자의 인증 여부를 판단할 수 있다. 지문 인식 장치는 특징 값 Val이 임계 값보다 큰 경우 단계(880)에서 인증에 성공했다고 판단하고, 특징 값 Val이 임계 값 이하인 경우 단계(890)에서 인증에 실패했다고 판단할 수 있다.

이상 복수의 등록된 이미지와 비교하는 방법을 설명하였지만 등록된 이미지가 하나인 경우 (L=1) 에도 동일한 인증 방법을 적용할 수 있다. 이 경우 K는 1이상 N이하의 범위에서 결정될 수 있다. 또한 입력과 등록 이미지가 부분 지문 영상인 경우를 설명하였지만 입력과 등록 이미지가 전체 지문 영상인 경우에도 설명한 인증 방법을 적용할 수 있다.

도 12는 일 실시예에 따른 일 실시예에 따른 전자 시스템을 도시하는 블록도이다. 도 12를 참조하면, 전자 시스템은 센서(920), 프로세서(910) 및 메모리(930)를 포함한다. 센서(920), 프로세서(910), 및 메모리(930)는 버스(940)를 통하여 서로 통신할 수 있다.

센서(920)는 도 3에 도시된 지문 센서(310)일 수 있다. 센서(920)는 잘 알려진 방식(예를 들어, 광학 이미지를 전기 신호로 변환하는 방식 등)으로 지문 영상을 캡쳐할 수 있다. 영상은 프로세서(910)로 출력된다.

프로세서(910)는 도 1 내지 도 11을 통하여 전술한 적어도 하나의 장치들을 포함하거나, 도 1 내지 도 11을 통하여 전술한 적어도 하나의 방법을 수행할 수 있다. 예를 들어, 프로세서(910)는 도 3의 지문 인식 장치(300)를 포함할 수 있다. 메모리(930)는 센서(920)에 의하여 캡쳐되어 등록된 등록 부분 이미지들, 센서(920)에 의하여 캡쳐된 입력 부분 이미지, 프로세서(910)에 의하여 처리된 정합 결과, 및/또는 프로세서(910)에 의하여 계산된 블록 스코어 등을 저장할 수 있다. 메모리(930)는 휘발성 메모리 또는 비휘발성 메모리일 수 있다.

프로세서(910)는 프로그램을 실행하고, 전자 시스템을 제어할 수 있다. 프로세서(910)에 의하여 실행되는 프로그램 코드는 메모리(930)에 저장될 수 있다. 전자 시스템은 입출력 장치(도면 미 표시)를 통하여 외부 장치(예를 들어, 퍼스널 컴퓨터 또는 네트워크)에 연결되고, 데이터를 교환할 수 있다.

전자 시스템은 이동 전화, 스마트 폰, PDA, 태블릿 컴퓨터, 랩톱 컴퓨터 등 모바일 장치, 퍼스널 컴퓨터, 태블릿 컴퓨터, 넷북 등 컴퓨팅 장치, 또는 텔레비전, 스마트 텔레비전, 게이트 제어를 위한 보안 장치 등 전자 제품 등 다양한 전자 시스템들을 포함할 수 있다.

이상에서 사용자의 지문의 일부를 이용하여 사용자를 인식하는 경우를 설명하였으나, 실시예들은 사용자의 생체 데이터의 일부를 이용하여 사용자를 인식하는 경우로 확장될 수 있다. 여기서, 생체 데이터는 사용자의 지문에 관한 정보, 정맥(blood vessel)에 관한 정보, 홍채(iris)에 관한 정보 등을 포함할 수 있다. 이 경우, 프로세서(910)는 센서(920)로부터 사용자의 생체 데이터의 일부에 해당하는 입력 부분 데이터를 수신하고, 입력 부분 데이터를 블록들로 분할하며, 블록들과 기 등록된 생체 데이터의 부분 데이터들에 해당하는 등록 부분 데이터들을 비교하며, 비교 결과에 기초하여 사용자를 인식할 수 있다.

일 예로, 센서(920)는 사용자의 정맥 패턴을 인식하는 센서를 포함할 수 있다. 센서(920)는 사용자의 손등의 피부로부터 정맥 패턴을 추출할 수 있다. 센서(920)는 적외선 조명과 필터를 사용하여 피부에 대한 혈관의 밝기 대비를 최대화한 뒤, 정맥 패턴을 포함하는 이미지를 획득할 수 있다. 이 때, 센서(920)는 정맥 패턴 중 일부에 해당하는 부분 이미지를 획득할 수 있다. 이 경우, 프로세서(910)는 정맥 패턴 중 일부에 해당하는 부분 이미지와 기 등록된 정맥 패턴의 부분 이미지들을 비교함으로써, 사용자를 인식할 수 있다.

다른 예로, 센서(920)는 사용자의 홍채 패턴을 인식하는 센서를 포함할 수 있다. 센서(920)는 사용자의 동공과 공막(눈의 백색 영역) 사이의 홍채 패턴을 스캔 또는 캡쳐할 수 있다. 이 때, 센서(920)는 홍채 패턴 중 일부에 해당하는 부분 이미지를 획득할 수 있다. 이 경우, 프로세서(910)는 홍채 패턴 중 일부에 해당하는 부분 이미지와 기 등록된 홍채 패턴의 부분 이미지들을 비교함으로써, 사용자를 인식할 수 있다.

이상에서 설명된 실시예들은 하드웨어 구성요소, 소프트웨어 구성요소, 및/또는 하드웨어 구성요소 및 소프트웨어 구성요소의 조합으로 구현될 수 있다. 예를 들어, 실시예들에서 설명된 장치, 방법 및 구성요소는, 예를 들어, 프로세서, 콘트롤러, ALU(arithmetic logic unit), 디지털 신호 프로세서(digital signal processor), 마이크로컴퓨터, FPGA(field programmable gate array), PLU(programmable logic unit), 마이크로프로세서, 또는 명령(instruction)을 실행하고 응답할 수 있는 다른 어떠한 장치와 같이, 하나 이상의 범용 컴퓨터 또는 특수 목적 컴퓨터를 이용하여 구현될 수 있다. 처리 장치는 운영 체제(OS) 및 상기 운영 체제 상에서 수행되는 하나 이상의 소프트웨어 애플리케이션을 수행할 수 있다. 또한, 처리 장치는 소프트웨어의 실행에 응답하여, 데이터를 접근, 저장, 조작, 처리 및 생성할 수도 있다. 이해의 편의를 위하여, 처리 장치는 하나가 사용되는 것으로 설명된 경우도 있지만, 해당 기술분야에서 통상의 지식을 가진 자는, 처리 장치가 복수 개의 처리 요소(processing element) 및/또는 복수 유형의 처리 요소를 포함할 수 있음을 알 수 있다. 예를 들어, 처리 장치는 복수 개의 프로세서 또는 하나의 프로세서 및 하나의 콘트롤러를 포함할 수 있다. 또한, 병렬 프로세서(parallel processor)와 같은, 다른 처리 구성(processing configuration)도 가능하다.

소프트웨어는 컴퓨터 프로그램(computer program), 코드(code), 명령(instruction), 또는 이들 중 하나 이상의 조합을 포함할 수 있으며, 원하는 대로 동작하도록 처리 장치를 구성하거나 독립적으로 또는 결합적으로(collectively) 처리 장치를 명령할 수 있다. 소프트웨어 및/또는 데이터는, 처리 장치에 의하여 해석되거나 처리 장치에 명령 또는 데이터를 제공하기 위하여, 어떤 유형의 기계, 구성요소(component), 물리적 장치, 가상 장치(virtual equipment), 컴퓨터 저장 매체 또는 장치, 또는 전송되는 신호 파(signal wave)에 영구적으로, 또는 일시적으로 구체화(embody)될 수 있다. 소프트웨어는 네트워크로 연결된 컴퓨터 시스템 상에 분산되어서, 분산된 방법으로 저장되거나 실행될 수도 있다. 소프트웨어 및 데이터는 하나 이상의 컴퓨터 판독 가능 기록 매체에 저장될 수 있다.

실시예에 따른 방법은 다양한 컴퓨터 수단을 통하여 수행될 수 있는 프로그램 명령 형태로 구현되어 컴퓨터 판독 가능 매체에 기록될 수 있다. 상기 컴퓨터 판독 가능 매체는 프로그램 명령, 데이터 파일, 데이터 구조 등을 단독으로 또는 조합하여 포함할 수 있다. 상기 매체에 기록되는 프로그램 명령은 실시예를 위하여 특별히 설계되고 구성된 것들이거나 컴퓨터 소프트웨어 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 광기록 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. 프로그램 명령의 예에는 컴파일러에 의해 만들어지는 것과 같은 기계어 코드뿐만 아니라 인터프리터 등을 사용해서 컴퓨터에 의해서 실행될 수 있는 고급 언어 코드를 포함한다. 상기된 하드웨어 장치는 실시예의 동작을 수행하기 위해 하나 이상의 소프트웨어 모듈로서 작동하도록 구성될 수 있으며, 그 역도 마찬가지이다.

이상과 같이 비록 한정된 도면에 의해 실시예들이 설명되었으나, 해당 기술분야에서 통상의 지식을 가진 자라면 상기의 기재로부터 다양한 수정 및 변형이 가능하다. 예를 들어, 설명된 기술들이 설명된 방법과 다른 순서로 수행되거나, 및/또는 설명된 시스템, 구조, 장치, 회로 등의 구성요소들이 설명된 방법과 다른 형태로 결합 또는 조합되거나, 다른 구성요소 또는 균등물에 의하여 대치되거나 치환되더라도 적절한 결과가 달성될 수 있다. 그러므로, 다른 구현들, 다른 실시예들 및 특허청구범위와 균등한 것들도 후술하는 특허청구범위의 범위에 속한다.

Claims

사용자의 생체 이미지의 부분 이미지에 해당하는 입력 부분 이미지를 수신하는 단계;
상기 입력 부분 이미지를 블록들로 분할하는 단계;
상기 블록들과 기 등록된 생체 이미지의 부분 이미지들에 해당하는 등록 부분 이미지들을 비교하는 단계; 및
상기 비교 결과에 기초하여 상기 사용자의 생체 이미지를 인식하는 단계
를 포함하고,
상기 비교하는 단계는
상기 블록들과 상기 등록 부분 이미지들이 서로 겹쳐지도록, 상기 등록 부분 이미지들 각각에 대응하여 상기 블록들을 이동 및 회전시키는 단계;
상기 블록들을 상기 등록 부분 이미지들에 매칭함으로써 서로 겹쳐진 영역에 대응하는 스코어들을 계산하는 단계; 및
상기 계산된 스코어들 중 제1 스코어들을 선택하는 단계-상기 선택된 제1 스코어들의 수는 상기 계산된 스코어들의 수보다 적음-
를 포함하며,
상기 인식하는 단계는
상기 선택된 제1 스코어들에 기초하여 상기 사용자의 생체 이미지를 인식하는 단계
를 포함하는 생체 이미지 인식 방법.
제1항에 있어서,
상기 수신하는 단계는
상기 사용자의 생체 이미지의 크기보다 작은 센싱 영역을 통하여, 상기 사용자의 생체 이미지의 일부 영역을 센싱 하는 단계
를 포함하는, 생체 이미지 인식 방법.
제1항에 있어서,
상기 등록 부분 이미지들은
기 등록된 사용자의 생체 이미지의 크기보다 작은 센싱 영역을 통하여, 상기 기 등록된 사용자의 생체 이미지의 일부 영역들을 반복적으로(iteratively) 센싱 함으로써 생성되는, 생체 이미지 인식 방법.
제1항에 있어서,
상기 분할하는 단계는
상기 입력 부분 이미지를 미리 정해진 패턴에 따라 분할하는 단계
를 포함하는, 생체 이미지 인식 방법.
제1항에 있어서,
상기 비교하는 단계는
상기 블록들 중 제1 블록과 상기 등록 부분 이미지들을 비교하는 단계; 및
상기 블록들 중 제2 블록과 상기 등록 부분 이미지들을 비교하는 단계
를 포함하는, 생체 이미지 인식 방법.
제1항에 있어서,
상기 비교하는 단계는
상기 블록들 각각이 상기 등록 부분 이미지들에 매칭되는 정도를 나타내는 스코어들을 계산하는 단계
를 포함하는, 생체 이미지 인식 방법.
제1항에 있어서,
상기 비교하는 단계는
상기 블록들과 상기 등록 부분 이미지들을 정합하는 단계; 및
상기 정합 결과에 기초하여 상기 블록들과 상기 등록 부분 이미지들을 비교하는 단계
를 포함하는, 생체 이미지 인식 방법.
제7항에 있어서,
상기 정합하는 단계는
주파수 기반 정합 기법에 기초하여, 상기 블록들과 상기 등록 부분 이미지들 사이의 이동 정보, 회전 정보 및 스케일 정보 중 적어도 하나를 결정하는 단계
를 포함하는, 생체 이미지 인식 방법.
제1항에 있어서,
상기 비교하는 단계는
상기 블록들 각각과 상기 등록 부분 이미지들을 정합함으로써, 상기 등록 부분 이미지들에 대한 최적의 회전 각도들을 결정하는 단계;
상기 등록 부분 이미지들에 대한 최적의 회전 각도들에 기초하여, 상기 등록 부분 이미지들에 대응하여 상기 블록들을 회전시키는 단계; 및
상기 등록 부분 이미지들에 대응하여 회전된 블록들과 상기 등록 부분 이미지들을 비교하는 단계
를 포함하는, 생체 이미지 인식 방법.
제9항에 있어서,
상기 결정하는 단계는
주파수 기반 정합 기법에 기초하여, 상기 블록들과 상기 등록 부분 이미지들 사이의 회전 각도들을 결정하는 단계; 및
회전 각도에 기반한 스코어에 기초하여, 상기 등록 부분 이미지들에 대한 최적의 회전 각도들을 결정하는 단계
를 포함하는, 생체 이미지 인식 방법.
제1항에 있어서,
상기 비교하는 단계는
상기 블록들 각각과 상기 등록 부분 이미지들을 정합함으로써, 스코어들을 계산하는 단계;
상기 계산된 스코어들에 기초하여, 상기 등록 부분 이미지들 중 미리 정해진 수의 등록 부분 이미지들을 선택하는 단계;
상기 계산된 스코어들에 기초하여, 상기 선택된 등록 부분 이미지들에 대한 최적의 회전 각도들을 결정하는 단계;
상기 선택된 등록 부분 이미지들에 대한 최적의 회전 각도들에 기초하여, 상기 선택된 등록 부분 이미지들에 대응하여 상기 블록들을 회전시키는 단계; 및
상기 선택된 등록 부분 이미지들에 대응하여 회전된 블록들과 상기 선택된 등록 부분 이미지들을 비교하는 단계
를 포함하고,
상기 미리 정해진 수는 상기 등록 부분 이미지들의 수보다 작은, 생체 이미지 인식 방법.
제1항에 있어서,
상기 인식하는 단계는
상기 비교 결과에 기초하여 상기 사용자를 인증하는 단계; 및
상기 비교 결과에 기초하여 상기 사용자를 식별하는 단계
중 적어도 하나를 포함하는, 생체 이미지 인식 방법.
제1항에 있어서,
상기 인식하는 단계는
상기 비교 결과에 기초하여 미리 정해진 수의 {블록, 등록 부분 이미지}의 페어들을 선택하는 단계; 및
상기 선택된 페어들에 기초하여 상기 사용자의 생체 이미지를 인식하는 단계
를 포함하는, 생체 이미지 인식 방법.
제13항에 있어서,
상기 선택하는 단계는
복수의 페어들 각각에 포함된 블록과 등록 부분 이미지 사이의 스코어에 기초하여, 상기 미리 정해진 수의 페어들을 선택하는 단계
를 포함하는, 생체 이미지 인식 방법.
하드웨어와 결합되어 제1항 내지 제14항 중 어느 하나의 항의 방법을 실행시키기 위하여 매체에 저장된 컴퓨터 프로그램.
사용자의 생체 이미지에 해당하는 입력 이미지를 수신하는 생체 이미지 센서; 및
상기 입력 이미지를 복수의 블록들로 분할하고, 상기 복수의 블록들과 기 등록된 생체 이미지에 해당하는 적어도 하나의 등록 부분 이미지를 비교하며, 상기 비교 결과에 기초하여 상기 사용자의 생체 이미지를 인식하는 적어도 하나의 프로세서
를 포함하고,
상기 프로세서는 상기 블록들과 상기 등록 부분 이미지들이 서로 겹쳐지도록 상기 등록 부분 이미지들 각각에 대응하여 상기 블록들을 이동 및 회전시키고, 상기 블록들을 상기 등록 부분 이미지들에 매칭함으로써 서로 겹쳐진 영역에 대응하는 스코어들을 계산하고, 상기 계산된 스코어들 중 제1 스코어들을 선택-상기 선택된 제1 스코어들의 수는 상기 계산된 스코어들의 수보다 적음-하며, 상기 선택된 제1 스코어들에 기초하여 상기 사용자의 생체 이미지를 인식하는 생체 이미지 인식 장치.
제16항에 있어서,
상기 입력 이미지는 상기 사용자의 생체 이미지의 일부 이미지에 해당하고,
상기 적어도 하나의 등록 이미지는 상기 기 등록된 생체 이미지의 적어도 하나의 일부 이미지에 해당하는, 생체 이미지 인식 장치.
제16항에 있어서,
상기 적어도 하나의 프로세서는
상기 복수의 블록들과 상기 적어도 하나의 등록 이미지를 정합하고,
상기 정합 결과에 기초하여 상기 복수의 블록들이 상기 적어도 하나의 등록 이미지에 매칭되는 정도를 나타내는 스코어들을 계산하는, 생체 이미지 인식 장치.
제18항에 있어서,
상기 적어도 하나의 프로세서는
주파수 기반 정합 기법에 기초하여, 상기 복수의 블록들과 상기 적어도 하나의 등록 이미지 사이의 이동 정보, 회전 정보 및 스케일 정보 중 적어도 하나를 결정하는, 생체 이미지 인식 장치.
제16항에 있어서,
상기 적어도 하나의 프로세서는
상기 복수의 블록들과 상기 적어도 하나의 등록 이미지를 정합함으로써 상기 적어도 하나의 등록 이미지에 대한 최적의 회전 각도를 결정하고,
상기 결정된 최적의 회전 각도에 기초하여 상기 적어도 하나의 등록 이미지에 대응하여 상기 블록들을 회전시키며,
상기 적어도 하나의 등록 이미지에 대응하여 회전된 블록들과 상기 적어도 하나의 등록 이미지를 비교하는, 생체 이미지 인식 장치.
제20항에 있어서,
상기 적어도 하나의 프로세서는
주파수 기반 정합 기법에 기초하여 상기 복수의 블록들과 상기 적어도 하나의 등록 이미지 사이의 회전 각도들을 결정하고,
회전 각도에 기반한 스코어에 기초하여 상기 최적의 회전 각도를 결정하는, 생체 이미지 인식 장치.
제16항에 있어서,
상기 적어도 하나의 프로세서는
상기 복수의 블록들과 상기 적어도 하나의 등록 이미지를 정합함으로써 스코어들을 계산하고, 상기 계산된 스코어들에 기초하여 상기 적어도 하나의 등록 이미지 중 미리 정해진 수의 등록 이미지를 선택하며, 상기 계산된 스코어들에 기초하여 상기 선택된 등록 이미지에 대한 최적의 회전 각도를 결정하고,
상기 선택된 등록 이미지에 대한 최적의 회전 각도에 기초하여, 상기 선택된 등록 이미지에 대응하여 상기 블록들을 회전시키며,
상기 선택된 등록 이미지에 대응하여 회전된 블록들과 상기 선택된 등록 이미지를 비교하고, 상기 미리 정해진 수는 상기 적어도 하나의 등록 이미지의 수보다 작은, 생체 이미지 인식 장치.
제16항에 있어서,
상기 적어도 하나의 프로세서는
상기 비교 결과에 기초하여 상기 사용자를 인증하거나,
상기 비교 결과에 기초하여 상기 사용자를 식별하는, 생체 이미지 인식 장치.
제16항에 있어서,
상기 적어도 하나의 프로세서는
상기 비교 결과에 기초하여 미리 정해진 수의 {블록, 등록 이미지}의 페어들을 선택하고, 상기 선택된 페어들에 기초하여 상기 사용자의 생체 이미지를 인식하는, 생체 이미지 인식 장치.
제24항에 있어서,
상기 적어도 하나의 프로세서는
복수의 페어들 각각에 포함된 블록과 등록 이미지 사이의 스코어에 기초하여, 상기 미리 정해진 수의 페어들을 선택하는, 생체 이미지 인식 장치.
사용자의 생체 정보에 해당하는 입력 이미지를 수신하는 단계;
상기 입력 이미지를 블록들로 분할하는 단계;
상기 블록들과 기 등록된 생체 정보에 해당하는 등록 이미지를 비교하는 단계; 및
상기 비교 결과에 기초하여 상기 사용자를 인식하는 단계
를 포함하고,
상기 비교하는 단계는
상기 등록 이미지에 기초하여 제1 주파수-도메인 정보를 생성하는 단계;
상기 블록들에 기초하여 제2 주파수-도메인 정보를 생성하는 단계;
상기 제1 주파수-도메인 정보 및 상기 제2 주파수-도메인 정보에 기초하여 페이즈 연관(phase correlation)을 수행함으로써 상기 블록들과 상기 등록 이미지 사이의 회전 정보를 결정하는 단계;
상기 회전 정보에 따라 회전된 블록들에 기초하여 제3 주파수-도메인 정보를 생성하는 단계; 및
상기 제1 주파수-도메인 정보 및 상기 제3 주파수-도메인 정보에 기초하여 페이즈 연관을 수행함으로써 상기 회전된 블록들과 상기 등록 이미지 사이의 이동 정보를 결정하는 단계
를 포함하는 생체 이미지 인식 방법.
제26항에 있어서,
상기 생체 이미지는
지문 이미지, 정맥(blood vessel) 이미지, 및 홍채(iris) 이미지 중 적어도 하나를 포함하는, 생체 이미지 인식 방법.