KR102332320B1 - 홍채 컬러 인식을 갖는 멀티-밴드 생체인식 카메라 - Google Patents

홍채 컬러 인식을 갖는 멀티-밴드 생체인식 카메라 Download PDF

Info

Publication number
KR102332320B1
KR102332320B1 KR1020167017074A KR20167017074A KR102332320B1 KR 102332320 B1 KR102332320 B1 KR 102332320B1 KR 1020167017074 A KR1020167017074 A KR 1020167017074A KR 20167017074 A KR20167017074 A KR 20167017074A KR 102332320 B1 KR102332320 B1 KR 102332320B1
Authority
KR
South Korea
Prior art keywords
iris
image
light
initial
during
Prior art date
Application number
KR1020167017074A
Other languages
English (en)
Other versions
KR20160145536A (ko
Inventor
제라드 더크 스미츠
스티븐 데이비드 올리버
Original Assignee
삼성전자주식회사
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 삼성전자주식회사 filed Critical 삼성전자주식회사
Publication of KR20160145536A publication Critical patent/KR20160145536A/ko
Application granted granted Critical
Publication of KR102332320B1 publication Critical patent/KR102332320B1/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
    • G06V40/197—Matching; Classification
    • 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
    • G06K9/00617—
    • G06K9/2018—
    • G06K9/2027—
    • G06K9/209—
    • G06K9/4652—
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/30—Determination of transform parameters for the alignment of images, i.e. image registration
    • G06T7/33—Determination of transform parameters for the alignment of images, i.e. image registration using feature-based methods
    • G06T7/337—Determination of transform parameters for the alignment of images, i.e. image registration using feature-based methods involving reference images or patches
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/90—Determination of colour characteristics
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/10—Image acquisition
    • G06V10/12—Details of acquisition arrangements; Constructional details thereof
    • G06V10/14—Optical characteristics of the device performing the acquisition or on the illumination arrangements
    • G06V10/141—Control of illumination
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/10—Image acquisition
    • G06V10/12—Details of acquisition arrangements; Constructional details thereof
    • G06V10/14—Optical characteristics of the device performing the acquisition or on the illumination arrangements
    • G06V10/147—Details of sensors, e.g. sensor lenses
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V30/00—Character recognition; Recognising digital ink; Document-oriented image-based pattern recognition
    • G06V30/10—Character recognition
    • G06V30/14—Image acquisition
    • G06V30/142—Image acquisition using hand-held instruments; Constructional details of the instruments
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N23/00—Cameras or camera modules comprising electronic image sensors; Control thereof
    • H04N23/10—Cameras or camera modules comprising electronic image sensors; Control thereof for generating image signals from different wavelengths
    • H04N23/11—Cameras or camera modules comprising electronic image sensors; Control thereof for generating image signals from different wavelengths for generating image signals from visible and infrared light wavelengths
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N23/00—Cameras or camera modules comprising electronic image sensors; Control thereof
    • H04N23/45—Cameras or camera modules comprising electronic image sensors; Control thereof for generating image signals from two or more image sensors being of different type or operating in different modes, e.g. with a CMOS sensor for moving images in combination with a charge-coupled device [CCD] for still images
    • H04N5/2258—
    • H04N5/332—
    • 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
    • G06T2207/10—Image acquisition modality
    • G06T2207/10004—Still image; Photographic image
    • 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
    • G06T2207/10—Image acquisition modality
    • G06T2207/10016—Video; Image sequence
    • 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
    • G06T2207/10—Image acquisition modality
    • G06T2207/10024—Color image
    • 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
    • G06T2207/10—Image acquisition modality
    • G06T2207/10141—Special mode during image acquisition
    • G06T2207/10152—Varying illumination
    • 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
    • G06T2207/30196—Human being; Person
    • G06T2207/30201—Face
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/10—Image acquisition
    • G06V10/12—Details of acquisition arrangements; Constructional details thereof
    • G06V10/14—Optical characteristics of the device performing the acquisition or on the illumination arrangements
    • G06V10/143—Sensing or illuminating at different wavelengths
    • 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
    • G06V10/56—Extraction of image or video features relating to colour
    • 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
    • G06V40/16—Human faces, e.g. facial parts, sketches or expressions
    • G06V40/168—Feature extraction; Face representation
    • G06V40/171—Local features and components; Facial parts ; Occluding parts, e.g. glasses; Geometrical relationships

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Multimedia (AREA)
  • Health & Medical Sciences (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • General Health & Medical Sciences (AREA)
  • Human Computer Interaction (AREA)
  • Ophthalmology & Optometry (AREA)
  • Signal Processing (AREA)
  • Vascular Medicine (AREA)
  • Oral & Maxillofacial Surgery (AREA)
  • Measurement Of The Respiration, Hearing Ability, Form, And Blood Characteristics Of Living Organisms (AREA)
  • Image Input (AREA)

Abstract

본 발명의 실시 예는 호스트 장치를 위한 생체인식 홍채 스캔 카메라 시스템을 제공한다. 생채인식 홍채 스캔 카메라는 호스트 장치에 위치하고, 이미지 캡쳐 동안 근적외선(NIR) 파장으로 사람에게 빛을 비추도록 구성되는 제1 조명 소스, 호스트 장치에 위치하고, 가시광선 파장(VW)으로 사람에서 빛을 비추도록 구성되는 제2 조명 소스, 호스트 장치에 위치하는 생체인식 카메라를 포함한다. 생체인식 카메라는 사람의 NIR 이미지를 사람의 제1 비디오 이미지를 생성하기 위한 전자적 신호로 변환하도록 구성된 제1 이미지 센서, 사람의 VW 이미지를 사람의 제2 비디오 이미지를 생성하기 위한 전자적 신호로 변환하도록 구성된 제2 이미지 센서, 및 사용자의 홍채 컬러를 기반으로 이미지 캡쳐 동안 사람에게 빛을 비추는 제1 조명 소스 및 제2 조명 소스 중 하나를 선택하고, 사람의 대응하는 비디오 이미지를 수신하고, 비디오 이미지를 기반으로 사람의 인증 상태를 판별하도록 구성되는 프로세서를 포함한다.

Description

홍채 컬러 인식을 갖는 멀티-밴드 생체인식 카메라{MULTI-BAND BIOMETRIC CAMERA SYSTEM HAVING IRIS COLOR RECOGNITION}
본 발명의 실시 예들은 일반적으로, 장치의 사용자를 식별하는 것과 연관된다. 좀 더 상세하게, 본 발명의 실시 예들은 홍채 식별(iris identification)을 통해 호스트 장치의 사용자를 인증하는 것과 연관된다.
스마트폰들 및 태블릿들과 같은 많은 전자 장치들은 사용자 인증의 목적을 위하여 생체 측정 장치들(biometric devices)을 집적(integrate)한다. 생체인식(biometric)장치들은, 예를 들어, 홍채 인식 기능뿐만 아니라, 얼굴 인식(facial recognition) 및 제스쳐 또는 모션 인식(motion recognition)과 같은, 추가적인 기능들을 지원할 수 있는 카메라 시스템들 및 홍채 스캐너들을 포함할 수 있다. 그러나 홍채 스캔 시스템들은 다양한 제약들을 갖는다. 특히, 이러한 제약들은 사용자 가변성, 예를 들어, 장치의 다양한 사용자들에 대한 홍채 색의 가변성과 연관된다. 홍채 색(iris color)은 홍채의 최외곽 층에서의 색소 세포들(pigmented cells)로 입사된 광의 흡수 차이에 의한 것이다. 더 적은 양의 색소는 흡수를 적게 하고, 홍채의 안쪽 층들로부터 반사되는 빛이 더 많아지게 한다. 외부 층을 통해 반사된 빛의 전달 동안의 산란(scattering)은 이미 수신된 홍채 컬러, 예를 들어, 푸른 색의 홍채의 외관에 영향을 미친다. 색소의 더 높은 레벨들은 홍채의 외관을 점진적으로 더욱 어둡게 한다. 다크 브라운 색의 홍채는 높은 색소 레벨들의 최상위에서 발생한다.
홍채의 하나의 타입(예를 들어, 홍채 컬러)에 최적화된 홍채 스캔 시스템은 다른 타입의 홍채에 대하여 기능적인 제약을 가질 수 있다. 예를 들어, 푸른 홍채에 대한 최적화는 갈색 홍채의 인식(recognition) 능력을 제한할 수 있다. 이는 홍채 스캔 시스템에서 장치의 사용자를 정확하게 식별하는 것을 못하게 할 수 있다.
현재, 홍채의 이미지를 캡쳐하는 다양한 홍채 스캔 카메라 시스템들이 존재한다. 모바일 장치에서 구현될 수 있는 생체인식 홍채 스캔 카메라 시스템들(biometric iris scan camera systems)은 효과적인 동작을 위하여 다양한 문제에 직면한다. 여러 가지 문제점들은 홍채 가변성(예를 들어, 사용자는 브라운, 블루, 그린, 또는 다른 컬러의 홍채 컬러를 가질 수 있다.); 홍채 방해(예를 들어, 눈꺼풀, 속눈썹, 및 사용자의 다른 내재된 특징들은 홍채의 이미지를 획득하는데 간섭할 수 있다.); 주변 조명(예를 들어, 자연 조건 또는 강한 광 잡음 소스가 있는 상황에서의 동작); 모션 블러(예를 들어, 눈이 움직이거나 또는 제어되거나 또는 의도하지 않은 다른 움직임들에 의한); 근접 거리에서의 피사계 심도(예를 들어, 카메라 시스템의 의도된 초점 거리보다 짧은 거리에서 획득된 이미지들); 생체인식 홍채 스캔 시스템을 위한 추가적인 공간 및 추가적인 비용; 및 제한된 시야를 포함한다. 신뢰할 수 있는 식별을 위하여, 카메라는 홍채의 스캔에서, 예를 들어 대략 200 행 및 200 열 스캔 라인과 호환될 수 있는 분해능으로 이미지를 캡쳐해야 한다. 홍채의 지름은 일반적으로 10~12 mm이다. 카메라 및 홍채 사이의 거리는, 일반적으로, 40~50cm로 크다. 그러므로 카메라 캡쳐 영역은 얼굴 및 홍채 영역에 적절하게 위치해야 한다. 이러한 이슈들을 해결할 수 있는 생체인식 홍채 스캔 카메라 시스템은 이점을 가질 것이다.
본 발명의 실시 예들에 따르면, 호스트 장치는 신뢰할 수 있는 홍채 식별 및 사용자 인증을 위한 생체인식 홍채 스캔 카메라 시스템을 포함한다. 홍채 스캔 카메라 시스템은 근적외선(NIR; near-infrared) 광 및/또는 가시광선 파장(VW; visible wavelength) 광을 사용하여 홍채 이미지를 획득할 수 있다. 카메라 시스템은 사용자를 처음에 이미징하여 사용자의 홍채 컬러를 검출할 수 있고, 홍채 컬러를 기반으로, NIR 홍채 스캔 또는 VW 홍채 스캔을 사용할지 판별할 수 있다. 더욱이, NIR 및 VW 시스템들은 집적된 카메라 시스템들로써 동작될 수 있다. 홍채 스캔 카메라 시스템은 일련의 이미지들을 획득하고, 홍채를 캡쳐하고 인증을 수행하기 위하여 적절한 조명 조건을 선택하기 위하여, 다른 조명 조건들에서 캡쳐된 익명의 홍채 이미지들의 데이터베이스와 비교할 수 있다. 홍채 스캔 카메라 시스템은 선택적으로 눈움직임을 추적하여 홍채 스캔을 시작할 때를 판별하고, 홍채 이미지 처리에서 적확한 측정들을 구현하기 위하여 눈꺼풀 및 속눈썹과 같은 홍채의 방해물들을 식별하고, 얼굴 특징을 식별하여 왼쪽 또는 오른쪽 눈 중 어디가 이미징될지 판별할 수 있다.
본 발명의 사상에 따르면, 호스트를 위한 생체인식 홍채 스캔 카메라 시스템은 호스트 장치에 위치하고, 이미지 캡쳐 동안 근적외선(NIR; near infrared) 파장에서 사람에게 빛을 비추는 제1 조명 소스를 포함한다. 호스트 장치는 호스트 장치에 위치하고 가시광선 파장(VW; visible wavelength)에서 사람에게 빛을 비추는 제2 조명 장치 및 호스트 장치에 위치한 생체 측정 카메라를 포함한다. 생체 측정 카메라는 사람의 NIR 이미지를 사람의 제1 비디오 이미지를 생성하기 위한 전자적 신호로 변환하는 제1 이미지 센서, 및 사람의 VW 이미지를 사람의 제2 비디오 이미지를 생성하기 위한 전자적 신호로 변환하는 제2 이미지 센서, 및 사용자의 홍채 컬러를 기반으로 제1 조명 소스 및 제2 조명 소스 중 이미지 캡쳐 동안 사람에게 빛을 비추는 하나를 선택하고, 사람의 대응하는 비디오 이미지를 수신하고, 비디오 이미지를 기반으로 사람의 인증 상태를 판별하도록 구성되는 프로세서를 포함한다.
본 발명의 다른 사상에 따르면, 생체인식 인증을 위한 사람의 이미지를 캡쳐하는 방법은 사람의 홍채 컬러를 기반으로 조명 파장을 선택하는 단계를 포함한다. 방법은 이미지 캡쳐 동안 선택된 파장에서 광 소스를 사용하여 사람에게 빛을 비추는 단계,를 포함하고, 카메라 시스템에 인접한 광 소스는 근적외선(NIR; near infrared) 파장에 응답하는 제1 이미지 센서 및 가시광선 파장(VW; visible wavelength)에 응답하는 제2 이미지 센서,를 포함하고, 카메라 시스템 및 광 소스는 호스트 장치에 실장된다. 방법은 이미지 캡쳐 동안 선택된 파장에서 사람의 반사된 조명을 선택된 파장과 대응하는 이미지 센서에서 수신하는 단계를 포함한다. 방법은 사람의 반사된 조명과 대응하는 전기적 신호를 생성하는 단계, 전기적 신호를 처리하여 사람의 홍채의 이미지를 생성하는 단계, 및 홍채 이미지를 기반으로 사람의 인증 상태를 판별하는 단계를 포함한다.
본 발명의 다른 사상에 따르면, 생체인식 사용자 인증을 수행할 수 있는 모바일 장치는 프로세서, 홍채 데이터베이스를 저장하고, 프로세서와 기능적으로 연결된 메모리, 제어된 파장에서 조명을 방출하도록 구성되는 조명 소스, 및 카메라를 포함하고, 조명은 대상의 홍채를 비추도록 동작할 수 있다. 카메라는 대상의 근적외선(NIR; near-infrared) 이미지를 홍채의 제1 비디오 이미지를 생성하기 위한 전자적 신호로 변환하도록 구성되는 제1 이미지 센서, 및 사람의 가시광선 파장(VW; visible wavelength) 이미지를 홍채의 제2 비디오 이미지로 생성하기 위한 전자적 신호로 변환하도록 구성되는 제2 이미지 센서를 포함한다. 프로세서는 홍채 컬러를 기반으로 이미지 캡쳐를 위한 제어된 파장을 선택하고, 홍채의 비디오 이미지들을 수신하고, 홍채 데이터베이스에 저장된 미리 등록된 이미지들과 매칭하도록 구성된다. 매칭이 결정된 경우, 대상은 인증된다.
상세한 설명의 일부를 형성하고 포함되는 첨부된 도면들은 본 발명의 실시 예들을 보여주고, 상세한 설명과 함께 본 발명의 이론들을 설명하기 위하여 제공된다.
도 1은 본 발명의 실시 예에 따른, 호스트 장치의 생체인식 홍채 스캔 카메라 시스템을 보여주는 블록도이다.
도 2는 본 발명의 예시적인 실시 예에 따른, 호스트 장치의 생체인식 홍채 스캔 카메라 시스템의 동작 방법을 보여주는 순서도이다.
도 3은 본 발명의 예시적인 실시 예에 따른, 이미지 캡쳐 모드를 결정하기 위한 생체인식 홍채 스캔 카메라 시스템의 동작 방법을 보여주는 순서도이다.
도 4는 본 발명의 실시 예에 따른, 익명의 프로토콜의 맥락에서의 구현 및 조명 조건들의 최적화를 위한 조정 단계들을 포함하는, 사용자 인식 및 인증을 위한 홍채 이미지 획득 및 처리 방법을 보여주는 순서도이다.
도 5는 본 발명의 예시적인 실시 예들에 따른, 호스트 장치의 생체인식 홍채 스캔 카메라 시스템에서 사용되는 협대역 픽셀들을 포함하는 가시광선 파장 이미지 센서를 보여주는 개념적인 도면이다.
일부 실시 예들이 상세하게 설명된다. 주제가 대안적인 실시 예들과 함께 설명될 것이나, 그것들이 청구된 주제를 이러한 실시 예들로 한정하는 것이 의도되지 않음은 잘 이해될 것이다. 그와는 반대로, 특허청구범위의 주제는 첨부된 특허청구범위에 의해 정의되는 바와 같은 청구된 주제들의 기술적 사상 및 범위 내에 포함될 수 있는 대안, 변형들, 및 동등물들을 포함하는 것으로 의도된다.
더욱이, 이하의 상세한 설명에서, 다양한 상세한 설명들은 청구된 주제의 전반적인 이해를 제공하기 위한 것이다. 그러나 당업자에 의해 이러한 상세한 설명들 또는 그것들의 동등물들 없이 실시 예들이 구현될 수 있음은 잘 이해될 것이다. 다른 예들에서, 잘 알려진 방법들, 절차들, 구성들, 및 회로들은 주제의 특징들 및 사상들을 불필요하게 모호하게 하지 않기 위하여 상세하게 설명되지 않는다.
설명된 발명의 맥락(특히, 이하의 특허청구 범위의 맥락에서)에서 단수 명사들 및 유사한 지시 대상들의 사용은, 본문에서 다르게 지칭되지 않거나 또는 맥락에 의해 명확하게 반박되지 않는 한 단수 및 복수 형태 모두를 포함하는 것으로 이해된다. "포함하다(comprising, having, including, and containing)"의 용어는, 다르게 언급되지 않는 한, 개방형 용어(즉, "포함하되, 이에 한정되지 않는"의 의미)로써 이해된다.
본문에서 사용되는 바와 같은 "구성" 또는 "모듈"의 용어는 특정 작업들을 수행하는 ASIC(application specific integrated circuit) 또는 FPGA(field programmable 소프트웨어 또는 하드웨어 구성을 의미하나, 이에 한정되는 것은 아니다. 예시적으로, 구성 또는 모듈은 소프트웨어 구성들, 객체-지향형 소프트웨어, 클래스 구성들, 및 태스크 구성들, 프로세스들, 기능들, 속성들, 절차들, 서브루틴들, 프로그램 코드의 세그먼트들, 및 변수들과 같은 구성들을 포함할 수 있다. 구성들 또는 모듈들 및 구성들을 위해 제공되는 기능은 일부 구성들 및 구성들 또는 모듈들로 조합되거나 또는 추가적인 구성들 및 구성들 또는 모듈들로 더 분할될 수 있다.
상세한 설명의 일부 내용은 컴퓨터 메모리에서 수행될 수 있는 데이터 비트들에 대한 동작의 다른 기호적인 표현들, 절차들, 단계들, 로직 블록들, 및 처리의 용어들을 사용하여 나타난다. 이러한 설명들 및 표현들은 데이터 처리 분야에서, 당업자가 그들의 업무의 요지를 가장 효율적으로 전달하기 위하여 데이터 처리 기술 분야의 당업자에 의해 사용되는 수단이다. 절차, 컴퓨터에서 실행되는 단계, 로직 블록, 프로세스 등은 본문에서, 일반적으로, 의도된 결과를 도출하는 단계들 또는 명령어들의 일관성 있는 시퀀스로 간주된다. 단계들은 물리량들의 물리적인 조작들을 요구하는 것이다. 대개, 반드시 필요하지 않을지라도, 이러한 양들은 저장되고, 전송되고, 조합되고, 비교되고, 컴퓨터 시스템에서 다르게 조작될 수 있는 전기적 또는 자기적 신호들의 형태를 갖는다. 이는 일반적으로 사용되는 이유로, 비트들, 값들, 요소들, 기호들, 심볼들, 용어들, 숫자들, 등으로써 이러한 신호들이 지칭된다.
그러나 이러한 그리고 유사한 용어들 모두가 적절한 물리량들과 연관되는 것이고, 단순히 이러한 물리량에 적용된 편리한 기호들임에 유념해야 한다. 본문에서 명확하게 언급되지 않는 한, "액세스(accessing)", "쓰기(writing)", "포함(including)", "저장(storing)", "전송(transmitting)", "횡단(traversing)", "연관(associating)", "식별(identifying)" 등과 같은 용어를 활용하는 전체적인 언급들은 컴퓨터 시스템의 레지스터 및 메모리들에 포함된 물리적(전자적) 양들로써 대표되는 데이터를 컴퓨터 시스템의 메모리들 또는 레지스터들 또는 다른 정보 스토리지, 전송 또는 표시 장치들에 포함된 물리적 양들로써 유사하게 대표되는 다른 데이터로 전송하고 조작하는 컴퓨터 시스템 또는 유사한 전자 컴퓨팅 장치의 처리들 및 동작을 참조한다.
도 1을 참조하면, 블록도는 호스트 장치(100)의 생체인식 홍채 스캔 카메라 시스템의 예시적인 실시 예를 도시한다. 장치(100)는 메모리(112), 적어도 하나의 프로세서(114), 입력 출력 장치(116)(I/O)를 포함하는 구성들을 갖는다. 예시적인 실시 예에 따르면, 호스트 장치(100)는 생체인식 홍채 스캔 카메라 시스템을 갖추고 있다. 생체인식 홍채 스캔 카메라 시스템은, 예를 들어, 사용자 식별 및 인증을 위하여 사람 홍채의 이미지들을 캡쳐하는데 사용될 수 있다. 일 실시 예에서, 생체인식 홍채 스캔 카메라 시스템은 가시광선 파장(VW) 이미지 센서(122), 및 근적외선(NIR) 이미지 센서(126), 및 NIR 광 소스(124), 및 VW 광 소스(128)를 포함할 수 있다. VW 이미지 센서(122)는 가시광선 스펙트럼내의 조명에 민감하고(sensitive), NIR 이미지 센서(126)는 근적외선 스펙트럼 내의 조명에 민감하다. 생체인식 홍채 스캔 카메라 시스템은 홍채인식 요소(118)(iris recognition component) 및 홍채 데이터베이스(120)를 포함한다. 일 실시 예에서, 홍채인식 요소(118) 및 홍채 데이터베이스(120)는 메모리(112)에 저장되고 프로세서(114)에 의해 실행되는 소프트웨어 구성들이다.
생체인식 홍채 스캔 카메라 시스템은 사용자 식별 및 인증을 위하여 사용자의 홍채의 이미지들을 캡쳐하는데 사용될 수 있다. NIR 광 소스(124) 및 이미지 센서(126)는 더 어두운 컬러의 사용자 홍채(예를 들어, 갈색 홍채)를 이미징하는 데 선택되고, VW 광 소스(128) 및 이미지 센서(122)는 더 밝은 컬러의 사용자 홍채(예를 들어, 푸른 홍채)를 이미징하는 데 선택된다. 실시 예에 따르면, 동작에서, NIR 광 소스(124)는 이미지 캡쳐 동안 근적외선 빛을 사용하여 장치의 사용자를 비춘다.(예를 들어, 번쩍인다.) NIR 파장들에 민감한 이미지 센서(예를 들어, NIR 센서(126))는 객체의 광 이미지를 이미지 처리를 위한 전자 신호로 변환한다. 본 발명의 실시 예들에 따르면, 생체인식 카메라 시스템은 이미지 캡쳐 동안 가시광선을 사용하여 장치의 사용자를 비추는 가시광선 파장(VW) 광 소스(128), 및 객체의 광 이미지를 이미지 처리를 위한 전자 신호로 변환하는 가시광선 파장에 민감한 이미지 센서(예를 들어, VW 이미지 센서(122))를 더 포함할 수 있다. 이미지 센서(예를 들어, NIR 이미지 센서(126), VW 이미지 센서(122), 또는 그것들의 조합)로부터 출력된 비디오 이미지들은 사용자의 인증 상태를 판별하는 홍채인식 요소(118)에 의해 수신된다. 예를 들어, 사용자의 인증 상태는 홍채 데이터 베이스(120)에 저장된 이전에 등록된 이미지들 및 홍채의 이미지를 매칭시키는 시도를 통해 결정된다. 매칭되는 경우, 사용자는 인증될 수 있다.
메모리(112), 프로세서(114), I/O(116), VW 이미지 센서(122), NIR 이미지 센서(126), 및 디스플레이(110)는 하나 또는 그 이상의 시스템 버스들(미도시)을 통해 서로 연결될 수 있다. 메모리(112)는, 예를 들어, RAM, ROM, 캐시, 가상 메모리, 및 플래시 메모리를 포함하는 다른 메모리 형태들을 포함하는 하나 또는 그 이상의 메모리들을 포함할 수 있다. 프로세서(114)는 하나 또는 그 이상의 코어들을 포함하는 단일 프로세서 또는 하나 또는 그 이상의 코어들을 포함하는 복수의 프로세서들을 포함할 수 있다. I/O(116)는 정보를 입력하고, 정보를 출력하는 구성들의 조합이다. I/O(116)를 포함하는 예시적인 구성들은 마이크로폰, 스피커, 및 네트워크 상에서의 통신을 위한 무선 네트워크 인터페이스 컨트롤러(또는 유사한 구성)를 포함할 수 있다. 프로세서(114)는 하드웨어 자원들을 관리하고, 기본 작업들을 수행하는 운영 체제(OS; operating system)를 실행할 수 있다. OS의 예들은 Symbian™, BlackBerry OS™, iOS™, Windows™, 및 Android™를 포함할 수 있다. 일 실시 예에서, 디스플레이(110)는 호스트 장치(100)에 집적될 수 있다. 다른 실시 예에서, 디스플레이(110)는 호스트 장치(100)의 외부에 위치할 수 있다.
일 실시 예에서, 호스트 장치(100)는, 예를 들어, 셀-폰 또는 스마트폰; 태블릿; 노트북 또는 랩탑 컴퓨터; 텔레비전; 및 웨어러블 컴퓨터를 포함하나 그에 한정되지 않는 모바일 장치 폼 팩터의 형태를 포함할 수 있다. 일 실시 예에서, 호스트 장치(100)는 사용자가 장치를 잡고 디스플레이(110)를 바라볼 때, VW 이미지 센서(122) 및 NIR 이미지 센서(126)가 사용자를 가리키도록, 호스트 장치(100)의 동일 면에 위치하는 NIR 이미지 센서(126), VW 이미지 센서(122), 및 디스플레이(110)로 구현될 수 있다. 호스트 장치(100)가 랩탑 또는 노트북을 포함하는 경우의 실시 예에서, VW 이미지 센서(122) 및 NIR 이미지 센서(126)는 일반적으로 랩탑의 덮개에 내장(housing)될 수 있다.
도 1에 도시된 바와 같이, 일 실시 예에서, VW 이미지 센서(122) 및 NIR 이미지 센서(126)는 호스트 장치(100)의 한쪽 코너(비록, 다른 위치가 가능하더라도)에 위치된다. 광 소스(124) 및 VW 광 소스(128)는 호스트 장치(100)의 바디 내에서 VW 이미지 센서(122) 및 NIR 이미지 센서(126)로부터 오프셋되도록 반대 코너에 위치할 수 있다. 생체인식 홍채 스캔 카메라는 일반적으로 약 40~50cm의 거리에서 홍채 이미지를 캡쳐하도록 구성된다. 캡쳐된 홍채 이미지의 분해능은 사용자를 식별하기 위하여 홍채 이미지 상에 스캔된 적당한 수를 지원하도록 충분히 높을 수 있다. 일반적으로, 이러한 분해능은 200 행 및 200 열 라인 스캔과 대응한다. 카메라 시스템의 시야 및 초점 거리는 충분한 분해능을 달성하기 위하여 조절될 수 있다.
본 발명의 일 실시 예에서, NIR 광 소스(124)는 마이크로 발광 다이오드들(LEDs), 레이저 다이오드, 또는 적외선 대역(예를 들어, 700~900nm 파장)에서 발광(emission)하는 다른 광 소스로 구현될 수 있다. 발광은 적외선 스펙트럼 내의 협대역 또는 광대역 중 어느 하나일 수 있다. 실시 예에 따르면, NIR 광 소스(124)는, 호스트 장치(100)가 사용자에 의해 일반적으로 잡혀있는 경우, 예상되는 거리에 위치한 사용자의 눈으로 포인팅되거나 또는 집중될 수 있다.
일부 실시 예들에서, VW 광 소스(128)는 백색 광 LED, 청색 광 LED, 또는 가시광선 대역의 다른 컬러의 LED 중 하나일 수 있다. VW 광 소스(128)는 호스트 장치(100)가 사용자에 의해 일반적으로 잡혀있는 경우 예상되는 거리에 위치한 사용자의 눈으로 포인팅되거나 또는 집중될 수 있다. 실시 예에 따르면, VW 광 소스(128)는 선택적이고, 자연광 및/또는 다른 주변 광 소스들이 VW 광 소스(128) 대신에 사용될 수 있다. 실시 예에 따르면, 실질적으로, 홍채 이미지 획득에 간섭하는 (눈꺼풀과 같은) 검출 방해들(detected obstructions)로 인해, (예를 들어, 태양광과 같은) 주변 광 소스 대신에 VW 광 소스(128)(예를 들어, LED)가 사용될 수 있다. 다른 실시 예에서, VW 홍채 스캔을 위하여 사용되는 VW 이미지 센서(122)는 스마트폰들, 태블릿들, 및 랩탑 컴퓨터들을 포함하는 호스트 장치들에 설치된 것과 같은 일반적인 이미지 획들을 위하여 사용되는 표준 레드-그린-블루(RGB) 이미지 센서일 수 있다. 예를 들어, VW 이미지 센서(122)는 영상 채팅을 목적으로 모바일 장치에 일반적으로 설치된 것과 같은 전면 카메라일 수 있다.
일 실시 예에서, VW 이미지 센서(122) 및 NIR 이미지 센서(126)는 내장된 롤링 셔터 또는 프리즈-프레임 셔터를 포함할 수 있다. 일 실시 예에서, VW 이미지 센서(122) 및 NIR 이미지 센서(126)는 디지털 CCD(charge-coupled device), 또는 CMOS(complementary metal-oxide-semiconductor) APS(active pixel sensor)를 포함할 수 있고, 인증 목적을 위하여 홍채 이미지의 충분한 점들이 캡쳐되도록 충분한 픽셀 크기 및 피치를 처리할 수 있다. 요구되는 픽셀 크기 및 피치는 시야, 초점, 및 다른 광학적 고려 사항들의 함수일 수 있다. 일 실시 예에서, NIR 광 소스(124)는 850nm 파장의 근처에서의 1mW 이하 출력의 광을 방출한다. 다른 실시 예에서, NIR 광 소스(124)는 실질적으로 1mW 이상, 가능하게는 수십 또는 수백 mW 이상 이내의 출력의 광을 방출한다. 에너지 및 시간의 다른 조합들은 의도된 바와 같은 다른 이미지 시나리오들을 최적화하기 위하여 가변적인 NIR 광 소스(128) 파워 레벨들을 사용하여 선택될 수 있다.
일 실시 예에서, VW 광 소스(128)는 390~700nm 범위의 파장에서의 10mW 이하 출력의 광을 방출한다. 다른 실시 예에서, VW 광 소스(128)는 실질적으로 10mW 이상 그리고, 수백 mW 이상 이내에서, 광을 방출한다. 에너지 및 시간의 다른 조합들은 의도된 바와 같은 다른 이미지 시나리오들을 최적화하기 위하여 가변적인 VW 광 소스(128) 출력 레벨들을 사용하여 선택될 수 있다. 예시적으로, 1~10㎛와 같은 짧은 펄스 폭에서 10~100mJ의 에너지를 출력하도록 구성되는 VW 광 소스(128)에 대하여, 출력 레벨은 1000~100,000W에 이를 수 있다.
홍채 인식(IRIS RECOGNITION)
홍채 인식(118)을 통한 홍채의 인식은 공막(sclera) 및 동공(pupil)으로부터 홍채를 구분하는 것을 포함한다. 이는, 예를 들어, 눈의 이러한 영역들 사이의 경계인 홍채 이미지의 고대비 에지들(high contrast edges)을 식별함으로써 달성될 수 있다. 이미지 강도의 파생물을 획득하고, 파생물들의 크기의 국부 최대 최소값(local extrema)을 식별하는 것은 공막으로부터 홍채로의 전환 및 홍채로부터 동공(pupil)의 전환을 결정할 수 있다. 눈꺼풀들 및 속눈썹들과 같은 방해물들은 방해물들의 식별을 위한 기하적 모델링 및 특징 인식과 같은 방식들을 사용하여 제외될 수 있다. 인증 및 식별을 목적으로 캡쳐된 홍채 이미지의 패턴 매칭은 캡쳐된 홍채 이미지를 데이터 베이스 홍채 이미지 엔트리(예를 들어, 홍채 데이터베이스(120))로부터의 홍채 이미지에 정렬하는 것; 홍채 패턴의 독특한 면을 보여주는 홍채 이미지의 적절한 대표를 선택하는 것; 캡쳐된 이미지 및 데이터베이스 엔트리 사이의 매칭 특성(quality)을 평가하는 것; 및 캡쳐된 홍채 이미지가 데이터베이스 엔트리와 매칭되는지 판별을 수행하는 것을 포함한다.
도 2를 참조하면, 프로세스(200)는 사용자 식별 및 인증을 목적으로 하는 홍채 이미지 처리를 보여준다. 순서도(200)는 비-일시적인 컴퓨터-판독 가능한 스토리지 매체의 일부 형태에 존재하는 컴퓨터-실행 가능한 명령어들로써 구현될 수 있다.
단계(202)에서, 사용자의 이미지를 통해 사용자의 홍채 컬러의 판별이 수행된다. 실시 예에 따르면, 사용자의 이미지는 실시간으로, 즉, 홍채 컬러의 판별 직전에 획득된다. 사용자 식별 및 인증의 목적을 위하여, 일반적으로 4가지 부류의 홍채 컬러들(다크 브라운, 라이드 브라운, 블루, 및 블루-그린)이 있다. 이러한 홍채 컬러 형태들 각각의 적절한 이미징을 위한 조명 광 소스 파장은 다르다. NIR 파장들 중심의 조명은 일반적으로 다크-브라운 홍채들을 위하여 적절하고, NIR0레드 파장들의 중심의 조명은 일반적으로 라이트-브라운 홍채들을 위하여 적절하다. 블루 파장들 중심의 조명은 일반적으로 블루-그린 홍채들을 위하여 적절하다.
단계(204)에서, 단계(202)에서 결정된 홍채 컬러를 기반으로, 홍채 이미지 캡쳐 모드가 선택된다. 실시 예에 따르면, 캡쳐 모드는 사용자의 인증 상태를 판별하기 위하여 사용되는 생체인식 홍채 스캔 시스템의 구성들을 판별한다. 예를 들어, NIR 광 소스(124) 및 이미지 센서(126)의 사용은 더 어두운 컬러의 사용자 홍채(예를 들어, 브라운 홍채)를 이미징하는데 선택되고, VW 광 소스(128) 및 이미지 센서(122)의 사용은 더 밝은 컬러의 사용자 홍채(예를 들어, 블루 홍채)를 이미징하는데 선택된다. 본 발명의 실시 예들에 따르면, 캡쳐 모드는 배타적이며, NIR 스펙트럼(예를 들어, NIR 광 소스(124) 및 이미지 센서(126)를 채용하는 것) 또는 VW 스펙트럼(예를 들어, VW 광 소스(128) 및 이미지 센서(122)를 채용하는 것)의 구성들 중 어느 하나가 활성화된다. 일부 실시 예들에 따르면, 캡쳐 모드는 VW 이미지 센서(122) 및 NIR 이미지 센서(126) 모두, 뿐만 아니라 NIR 광 소스(124)에 대한 활성화를 포함할 수 있다. 일부 실시 예들에 따르면, VW 광 소스(128)의 활성화는 선택적이다.
단계 206에서, 사용자는 단계 204에서 선택된 캡쳐 모드에 따라 이미징된다. 이미지 캡쳐는 캡쳐 모드에 대응하는 조명 소스(예를 들어, NIR 또는 VW)의 활성화, 조명 파장에 응답하는 이미지 센서에 의한 이미지의 생성, 및 카메라 시스템 프로세서(예를 들어, 프로세서(114))에 의한 이미지의 처리를 포함한다.
단계 208에서, 단계 206에서 획득된 홍채의 이미지를 기반으로 사용자가 인증된다. 예를 들어, 사용자의 인증 상태는 홍채 데이터베이스(120)에 저장된 이미 인증된 이미지들과 홍태의 이미지를 매칭시키는 시도를 통해 결정된다. 매칭이 발견되면, 사용자는 인증 가능하게 된다. 홍채 이미지는, 예를 들어, 최종 이미지로부터 홍채 이미지의 적절한 부분의 격리, 노이즈 제거 등을 통해 미리 처리될 수 있다. 더욱이, 홍채 이미지 처리는 텍스쳐 또는 특징 추출을 위한 필터 애플리케이션, 및 추출된 홍채 이미지의 바이너리 벡터로의 양자화를 포함할 수 있다. 홍채 데이터베이스(120)와의 매칭 판별은 홍채 데이터베이스(120)의 홍채 이미지의 데이터베이스 홍채 이미지 특징 벡터들을 비교하는 것을 기반으로 한다.
일 실시 예에서, 단계 208에서, 홍채 인식 및 인증을 위한 홍채 이미지의 처리는 가버 필터(Gabor filter)를 사용하여 홍채의 특징들을 추출하는 것을 포함할 수 있다. 가버 필터는 이미지에 대한 에지 또는 특징 검출에 용이하게 적용될 수 있는 밴드패스 필터로써 동작하는 푸리에 변환의 형태이다. 가버 필터의 응답은 가우시안 포락 함수(Gaussian envelope funtion)(예를 들어, 특정 시간 영역 신호 근처의 부분에 대하여 더 큰 가중치를 제공하는 윈도우 함수)와 복잡 진동 함수(complex oscillation function)(즉, 복잡 사인함수(complex sinusoid))의 곱으로부터 온다. 홍채 이미지에 적용된 가버 필터는, 예를 들어, 데카르트 좌표 시스템 또는 극 좌표 시스템을 포함하는 다양한 좌표 시스템들로 정의될 수 있다. 가버 필터는 복수의 차원들에서 방향성에 민감하다. 본 발명의 실시 예들에서, 사용자 홍채 이미지는 다른 대역폭들 및 다른 변조 주파수들과 같은 다른 파라미터 값들을 갖는 가버 필터들의 세트를 사용하여 더 처리될 수 있다. 다른 필터링 및 특징 추출 기법들은 본 발명의 사상 및 범위와 일치한다.
각 홍채 별로 독특한 사용자 홍채 이미지로부터 추출된 홍채 특징 벡터들은 바이너리 형태로 변환되기 위하여 양자화된다. 바이너리 형태로부터, 해밍 거리(Hamming distance)는 다른 바이너리 홍채 특징 벡터들 사이(예를 들어, 사용자 홍채 및 홍채 데이터베이스(120)의 홍채들 사이) 의 비교를 위한 분류기(classifier)로써 사용될 수 있다. 다른 매칭 기법들은 본 발명의 기술적 사상 및 범위와 일치한다. 홍채 데이터베이스(120)로부터의 홍채 이미지 특징 벡터와 사용자 홍채 이미지 특징 벡터의 비교에 기반된 매칭 판별은 동일한 스트링 길이의 두 개의 홍채 이미지 특징 벡터들 사이의 해밍 거리를 사용하여 수행될 수 있다. 해밍 거리는 통계적인 독립성(statistical independence)을 통해 홍채 특징들을 비교하기 위한 분류기로써 작동한다. 여기서, 두 개의 홍채 특징 벡터들 사이의 차이인 대응하는 스트링 위치들의 개수는 차이의 정도(the degree of dissimilarity)를 가리킨다. (예를 들어, 매칭을 생성하기 위하여 요구되는 스트링 성분 치환들의 개수는 가장 근접한 매칭을 판별하기 위하여 최소화될 수 있다.)
도 3을 참조하면, 순서도(300)는 본 발명에 따른 생체인식 홍채 스캔 카메라 시스템의 이미지 센서 동작 및 광 소스의 대역(예를 들어, 조명 스펙트럼)을 결정하는 방법을 보여준다. 일반적으로, 더 어두운 컬러의 홍채 컬러들은 더 높은 콘트라스트 값을 갖고, NIR에서 적절하게 이미징된다. 더 밝은 컬러의 홍채 컬러들은 더 낮은 콘트라스트 값을 갖고, 가시광선 파장에서, 적절하게 이미징된다. 순서도(300)는 비-일시적인 컴퓨터-판독 가능한 스토리지 매체의 일부 형태에 존재하는 컴퓨터-실행 가능한 명령어들로 구현될 수 있다.
단계 302에서, 홍채 이미지의 콘트라스트 값이 결정된다. 실시 예에 따르면, 사용자의 홍채 이미지는 실시간으로, 즉, 홍채 콘트라스트의 판별 전에 획득된다. 콘트라스트 값은 호스트 장치의 프로세서, 예를 들어, 호스트 장치(100)의 프로세서(114)에 의해 연산될 수 있다.
단계 304에서, 단계 302에서 판별된 콘트라스트 값은 임계 콘트라스트 레벨과 비교된다. 본 발명의 실시 예들에 따르면, 임계 콘트라스트 레벨은 이미지 센서의 민감성에서의 천이(transition)가 발생하는 홍채 컬러와 대응한다. 좀 더 상세하게, 천이(transition)는 더 큰 콘트라스트 레벨들의 홍채 컬러들은 NIR 파장들에 민감한 이미지 센서들을 사용하여 더 큰 반응성을 갖고 이미징되고, 임계보다 낮은 콘트라스트 레벨들의 홍채 컬러들은 VW에 민감한 이미지 센서들을 사용하여 더 큰 반응성을 갖고 이미징되도록 NIR 파장으로부터 VW로의 민감성에서의 천이일 수 있다. 단계 304에서, 콘트라스 값이 임계 이상인 것으로 판별된 경우, 방법은 단계 306으로 진행한다. 단계 306은 NIR 파장들에서 수행되는 이미지 캡쳐와 대응한다. 여기서, NIR 조명 소스(예를 들어, NIR 조명 소스(124))는 NIR에 반응하는 이미지 센서(예를 들어, 이미지 센서(126))와 함께 사용된다.
단계 304에서, 홍채 콘트라스트가 임계 레벨 이상이 아닌 것으로 판별된 경우, 방법은 단계 308로 진행한다. 단계 308은 가시광선 파장들에서 수행되는 이미지 캡쳐와 대응된다. 가시 조명(visible illumination)은 가시 광선 파장들에 응답하는 이미지 센서(예를 들어, 이미지 센서(122))와 함께 사용된다. 본 발명의 실시 예들에 따르면, 주변 조명의 레벨은 가시광선 파장들에서 홍채의 이미징을 위한 충분한 조명인지 확인하기 위하여 결정된다.
단계 310에서, 주변 광 레벨들이 가시광선 파장들에서 이미징을 위한 충분한지 판별된다. 만약 그렇다면, 방법은 주변 광이 사용자 홍채의 이미지를 캡쳐하기 위하여 가시광선 파장들 이미지 센서와 함께 사용되는 단계 312로 진행한다.
만약 그렇지 않다면, 주변 광은 이미징을 위하여 불충분하고, 방법은 단계 314로 진행한다. 단계 314는 사용자 홍채의 이미지를 캡쳐하기 위하여 가시 광선 파장들 이미지 센서와 함께 가시광선 조명 소스(예를 들어, VW 조명 소스(128))의 사용을 포함한다.
조명 조건들(ILLUMINATION CONDITIONS)
본 발명의 실시 예들에 따르면, 상술된 프로세스(200)의 선택적인 단계는 이미지 획득 단계 204 이전의 다른 광 조건들의 사용을 결합하는 계산 단계를 포함한다. 도 4를 참조하면, 순서도(400)는 익명의 프로토콜의 맥락에서 선택적 구성들 및 조명 조건들의 최적화를 위한 계산 단계들을 포함하는 사용자 인식 및 인증을 목적으로 하는 홍채 이미지 획득 및 처리의 방법을 보여준다. 순서도(400)는 컴퓨터-판독 가능한 스토리지 매체의 일부 형태에 존재하는 컴퓨터-실행 가능한 명령어들로 구현될 수 있다.
프로세스(400)의 단계(402)는 프로세스(200)의 단계(202), 사용자의 홍채 컬러의 판별 동안 수행될 수 있다. 단계 202에서, 일련의 광 조건들에 대응하는 일련의 홍채 이미지들이 캡쳐된다. 실시 예들에 따르면, 일련의 이미지들이 실시간으로, 즉, 사용자의 인증 바로 직전에 캡쳐된다.
단계 404에서, 다른 조명 조건들에서 이미징된 익명의 홍채들의 데이터베이스이 액세스된다. 홍채 이미지 데이터베이스의 일부로써 제공되고, 앞서 캡쳐된 홍채 이미지들은 일련의 홍채 이미지 데이터 세트들을 포함할 수 있다. 각 데이터 세트는 다른 광 조건에 대응한다. 실시 예에 따르면, 이러한 홍채-기반의 사용자 인식 및 인증(예를 들어, 프로세스(200)에서 사용을 위한 데이터베이스의 생성은 실시간 홍채 이미지 획득과 연관된 것들에 앞선 단계로써 포함될 수 있다.
단계 406에서, 매칭 판별은 인증을 위한 사용자의 홍채 이미징을 위하여 적절한 조명 조건들을 선택하기 위하여 수행된다. 실시 예에 따르면, 홍채 이미지들의 데이터베이스는 다른 광 조건들에서 캡쳐된 실시간 홍채 이미지들이 매칭될 수 있는 것에 대한 모델들을 제공하기 위하여 사용될 수 있다. 예를 들어, 데이터베이스의 각 엔트리는 잘 알려지고 적절한 조건들을 사용하여 홍채 타입의 이미지가 캡쳐될 때의 특정 홍채 타입(예를 들어, 컬러)를 대표할 수 있다. 즉, 브라운 홍채에 대하여, 홍채 데이터베이스의 브라운 홍채 이미지가 NIR 파장들 및 NIR 이미지 센서를 사용하여, 주어진 조명 소스 파워, 노출 시간, 및 추가적인 이미징 파라미터 값들에서 캡쳐될 것이다. 다른 광 조건들에서 획득된 실시간 홍채 이미지들을 데이터베이스 모델들과 매칭시킴으로써, 인식 및 인증을 수행하는데 사용되는 적절한 조명 조건 및 파라미터 공간이 결정될 수 있다.
본 발명의 일부 실시 예들에 따르면, 조명 소스(예를 들어, 호스트 장치(100)의 조명 소스들(124, 128))는 홍채 이미지 카메라 시스템의 필수 요소이다. 그러나 일부 실시 예들에 따르면, 다른 조명 소스들은, 예를 들어, 태양 광선과 같은 주변 광을 포함하는 것으로 사용될 수 있다. 주변 환경으로부터 발생하는 조명 소스들에 대하여, 홍채 이미지 데이터베이스를 위한 적절한 조명 조건들의 파라미터 공간은 향상된 이미징 결과들을 위하여 다른 조명 조건을 고려할 수 있다. 추가적인 광 조건들은 캡쳐된 홍채 이미지에 영향을 주는 환경 요인들(environmental factors)의 존재를 포함하는 상술된 다양한 광 소스들(예를 들어, 호스트 장치(100)의 조명 소스들(124, 128))을 포함할 수 있다. 환경 요인들은 주변 광으로부터의 간섭, 모션 블러, 이미지 차단 등을 포함할 수 있으나, 이에 한정되는 것은 아니다.
익명 프로토콜(ANONYMITY PROTOCOL)
특정 실시 예들에서, 상술된 방법(400)은 홍채 데이터 및 개인들 사이의 추적 가능성이 기록되지 않도록 익명 프로토콜(anonymity protocol)의 맥락에서 구현될 수 있다. 추적 불가능한 사용자 식별 및 인증을 위한 홍채 이미지 처리의 방법은 (예를 들어, 본문에 기재된 바와 같은 홍채 콘트라스트를 사용하여) 익명의 홍채 데이터베이스의 생성하는 단계; 호스트 장치로 데이터베이스 모델을 다운로드하는 단계; 다른 광 조건들에서 사용자의 홍채의 이미지들의 세트를 획득하는 단계; (예를 들어, 데이터베이스 값들에 대한 해밍 거리를 기반으로) 독특성의 가중 최적화(weighted optimization of uniqueness)를 실행하는 단계; 식별 및 인증을 위한 파라미터 공간 및 조명 조건들에 관하여 가장 이상적인 것으로 결정된 사용자의 홍채의 이미지들의 세트로부터의 이미지를 사용하는 단계를 포함한다.
예시적인 실시 예에 따른 익명의 홍채 데이터베이스는 다른 광 및 처리 조건들 및 파라미터들에서 획득된 다른 홍채 타입들(예를 들어, 다른 홍채 컬러들)의 약 10,000 개의 홍채 이미지들을 포함한다. 홍채 이미지들은 각 홍채 타입에 대하여 거의 같은 개수의 이미지들(예를 들어, 브라운 홍채들의 약 2500 이미지들, 블루 홍채들의 약 2500 이미지들 등)을 포함할 수 있다. 본 발명의 실시 예들에 따르면, 데이터베이스에서 제공된 홍채 이미지들 각각은 홍채 이미지가 유래된 것으로부터 개인과 연결되는 것을 포함하지 않는다. 실시 예에 따르면, 데이터베이스는 사용자 인식 및 인증 동안 데이터베이스의 활용도(utilization)가 호스트 장치 넘어서(예를 들어, 공유되거나 또는 외부적으로 제어되는 데이터 센터) 어떤 데이터 전송을 요구하는 것을 필요하지 않도록 호스트 장치에 국부적으로(locally) 저장될 수 있다. 실시 예에 따르면, 데이터베이스는 원격으로 저장되고, 원격 프로토콜(예를 들어, 인터넷, 와이파이 등)을 통해 액세스될 수 있다. 사용자 홍채의 실시간 이미지들은 호스트 장치 외부의 연관된 데이터의 전송 없이 인식 및 인증을 위하여 국부적으로 유지될 수 있다.
조합된 근적외선 및 가시광선 파장 기능성(COMBINED NEAR-INFRARED AND VISIBLE WAVELENGTH FUNCTIONALITY)
NIR 및 VW 홍채 스캔 기능들의 실시 예들이 차례로 발생하는 NIR 및 VW의 이미지 캡쳐로써 설명되었으나, NIR 및 VW 카메라 시스템들을 동시에 사용하는 홍채 이미지 캡쳐는 본 발명의 범위 및 사상 내에 포함된다. 일 실시 예에서, NIR 및 VW 조명 소스들(예를 들어, 조명 소스들(124, 128) 각각)은 동시에 빛을 방출하고, 구분된 NIR 및 VW 이미지 센서들(예를 들어, 이미지 센서들(122, 126) 각각)은 동시에 노출될 수 있다. 다른 실시 예에서, NIR 및 VW 이미지 센서들은 단일 NIR/VW 이미지 센서로 집적된다. 홍채 이미지들이 NIR 및 VW 이미지 센서들 모두에 의해 획득되는 경우, 식별 및 인증을 위하여 더 높은 품질인 것으로 간주되는 홍채 이미지는 인증 목적들을 위하여 사용될 수 있다. 더 낮은 품질인 것으로 결정된 홍채 이미지는 버려질 (rejected) 수 있다. 더 높은 품질은 홍채 이미지들의 더 높은 콘트라스트 또는 MTF와 같은 측정들을 사용하여 결정될 수 있다.
주변 광 배제(AMBIENT LIGHT REJECTION)
주변 광은 미리 등록된 이미지들과 이미지 매칭을 수행하기 위하여 사용자의 이미지(예를 들어, 홍채)를 충분히 상세하게 캡쳐하는데 어려움을 준다. 주변 광은 이미지 센서를 포화시키고, 신호(즉, 홍채와 같이 사용자로부터 반사된 빛)를 압도할 수 있다. 주변 잡음(ambient noise)를 최소화하는 하나의 방법은 노출 시간을 가능한 짧게 하는 것이다.
일 실시 예에서, 갈륨 비소(GaAs; gallium arsenide)를 포함하는 솔리드-스테이트 셔터는 NIR 또는 VW 이미지 센서들 중 하나 또는 둘 모두와 함께 사용될 수 있다. 이러한 셔터는 외부적으로 인가되는 전압에 의해 그것의 상태를 불투명으로부터 투명으로 매우 짧은 시간(예를 들어, 수 나노 초)에 바꿀 수 있다. 실시 예에서, 갈륨 비소 셔터는 850nm파장 근처의 빛을 사용하여 홍채를 이미징하기 위하여 사용된다.
실시 예에서, 가시광선 스펙트럼에서 홍채 스캔을 수행할 때, 광 소스 플래시 구간은 최소화된다.(VW 조명 소스(128)가 사용되는 경우) 그로 인해, 노출 시간이 감소된다. 실시 예에서, 짧은 노출 시간을 보상하기 위하여, VW 광 소스(128)의 플래시 구간은 150ms 이하이고, 전력은 10mW의 범위이다. 순간적인 광 소스 파워는 가능한 높아질 수 있으나, 인간의 눈으로의 손상 또는 사용자 불편을 일으키는 것은 여전히 방지한다. 추가적인 측정들이 사용자 불편을 일으키는 광 소스, 예를 들어, 분산된 광 소스의 사용을 피하기 위하여 수행될 수 있다. 실시 예에 따르면, 이미지 캡쳐 동안을 제외한 모든 시간에서 닫혀진 솔리드-스테이트 셔터(예를 들어, 갈륨비소 셔터)를 유지하는 것은 장면에서 다른 곳으로부터 수신된 주변 광을 충분히 감소시킨다.
부정적인 주변 광 효과들이 협대역(narrow band) 픽셀들을 포함하는 이미지 센서를 사용함으로써 더 감소될 수 있다. 픽셀들의 대역폭은 광 소스의 방출 파장들과 매칭된다. 도 5를 참조하면, 생체인식 홍채 스캔 카메라 시스템에서의 사용을 위하여 협대역 픽셀들(505)을 포함하는 이미지 센서(500)가 도시된다. 실시 예에 따르면, 이미지 센서(500)는 가시 광성 파장 이미지 센서이다. 실시 예에 따르면, 이미지 센서(500)는 레드, 그린, 및 블루 픽셀들을 포함한다. 제한되지 않은 예로서, 광 소스로써 사용되는 블루 광 LED에 대하여, 협대역 픽셀들(505)에 대한 픽셀 대역폭은 블루 광에 대응하는 좁은 범위(예를 들어, 블루 LED에 대하여, 약 450~495nm 범위) 근처이도록 구성될 수 있다. 다른 광 소스 파장들 및 협대역 픽셀들은 본 발명의 사상 및 범위 내에서 일관된다. 본 발명의 실시 예들에 따르면, 협대역 픽셀들(505)은 일반적인 RGB 픽셀 어레이들과 유사한 방식으로 베이어 패턴(Bayer Pattern)으로 정렬될 수 있다. 일부 실시 예들에 따르면, 협대역 픽셀들(505)은 픽셀 어레이 내의 픽셀들의 오직 하나의 서브셋을 구성하고, 일반적인 대역폭 픽셀들을 더 포함하는 픽셀 어레이로 집적될 수 있다. 협대역 픽셀들(505)은 하나 또는 그 이상의 레드, 그린, 및 블루 픽셀들, 및 그것들의 조합들을 포함할 수 있다.
주변 조명의 배제에 추가하여, 본 발명의 실시 예들은 매우 짧은 노출 시간동안 이미지 캡쳐 동안의 모선 블러를 제거하는 호스트 장치를 포함한다. 일부 실시 예들에 따르면, NIR 및 VW 센싱 기능들은 VW 및 NIR 광 모두를 검출할 수 있는 단일 이미지 센서로 집적될 수 있다. 이러한 집적된 이미지 센서는 일반적인 대역폭 NIR 픽셀들, 일반적 대역폭 VW 픽셀들, 및 홍채 스캔을 위하여 사용되는 것과 대응하는 의도된 파장의 중앙에 위치한 협대역 픽셀들의 다양한 조합들을 포함할 수 있다. 이러한 픽셀들은 베이어 패턴을 포함하는 다양한 패턴들로 정렬될 수 있다.
생체인식 홍채 스캔 카메라 시스템을 위한 시스템 및 방법이 설명되었다. 본 발명은 도시된 실시 예들에 따라 설명되고, 실시 예들은 다양하게 변형될 수 있고, 변형들은 본 발명의 사상 및 범위 내에 포함될 수 있다. 본문의 사상들은 컴퓨터 또는 컴퓨팅 장치(예를 들어, 셀룰러 폰, 태블릿 장치 등)에 의해 구현되는 다양한 동작을 실행하는 프로그램 명령어들을 포함하는 컴퓨터-판독 가능한 매체로 구현될 수 있다. 매체는 프로그램 명령어들, 데이터 파일들, 데이터 구조들 등의 각각 또는 조합을 더 포함할 수 있다. 매체 및 프로그램 명령어들은 본문의 예시적인 실시 예들의 목적을 위하여 특별하게 구성되거나 또는 설계된 것일 수 있다. 또는 그것들은 컴퓨터 소프트웨어 기술 분야의 당업자에게 사용 가능하고 잘-알려진 것일 수 있다. 컴퓨터-판독 가능한 매체의 예들은 하드 디스크들, 플로피 디스크들, 및 자기 테이프와 같은 자기 매체, 광학 매체, 예를 들어, CD ROM 디스크 및 DVD, 자기 광학 매체, 예를 들어, 광학 디스크들, 및 프로그램 명령어들을 수행하고 저장하도록 특별하게 구성될 수 있는 하드웨어 장치들, 예를 들어, ROM(read-only memory), RAM(random access memory), 플래시 메모리 등을 포함한다. 본문의 사상들은 캐리어 웨이브에 포함되고, 컴퓨터에 의해 판독 가능한 프로그램을 포함하고, 인터넷으로 전송될 수 있는 데이터 신호로써 구현될 수 있다. 프로그램 명령어들의 예들은, 예를 들어, 컴플라이어에 의해 생성된 기계 코드 및 해석기를 사용하여 컴퓨터에 의해 실행될 수 있는 상위 레벨 코드를 포함하는 파일들 모두를 포함한다. 기재된 하드웨어 장치들은 본문에서 상술된 예시적인 실시 예들의 동작들을 수행하기 위하여 하나 또는 그 이상의 소프트웨어 모듈들을 작동하도록 구성될 수 있다.
본문의 실시 예들이 기재된다. 본문이 특정 실시 예들을 기재하고 있으나, 이러한 실시 예들에 의해 본문이 제한되는 것으로 해석될 수 없으며, 대신에 첨부된 특허청구범위에 따라 해석되어야 한다는 것이 인정될 수 있다. 따라서, 다양한 변형들은 첨부된 특허청구범위의 사상 및 범위로부터의 벗어남 없이 당업자들 중 하나에 의해 수행될 수 있다.

Claims (20)

  1. 호스트 장치를 위한 생체인식 홍채 스캔 카메라 시스템에 있어서,
    상기 호스트 장치에 위치하고, 사람에게 근적외선(NIR; near infrared) 빛을 비추도록 구성된 제1 조명 소스;
    상기 호스트에 위치하고, 사람에게 가시광선 빛(visible light)을 비추도록 구성된 제2 조명 소스;
    상기 호스트 장치에 위치한 생체인식 카메라(biometric camera)를 포함하고,
    상기 생체인식 카메라는:
    근적외선 빛을 감지하는 제1 이미징 센서;
    가시광선 빛을 검출하는 제2 이미징 센서; 및
    상기 제1 및 제2 이미징 센서들과 연결된 프로세서를 포함하고,
    상기 프로세서는:
    상기 제1 이미징 센서 및 상기 제2 이미징 센서 중 하나에 의해 출력된 초기 신호로부터 홍채의 초기 이미지를 생성하고;
    상기 초기 이미지의 콘트라스트(contrast)를 판별하고;
    상기 초기 이미지의 상기 콘트라스트가 기준 값 이하인 경우, 인증 캡쳐 시간 동안, 가시광선 파장을 상기 홍채로 비추도록 상기 제2 조명 소스를 활성화하고;
    상기 제2 조명 소스가 활성화된 경우, 상기 인증 캡쳐 시간 동안 상기 홍채로부터 반사된 가시광선 빛을 검출하도록 상기 제2 이미징 센서를 활성화하고, 상기 인증 캡쳐 시간 동안 상기 홍채로부터 반사된 상기 검출된 가시광선 빛에 응답하여 제1 전자 신호를 생성하도록 상기 제2 이미징 센서를 활성화하고;
    상기 제1 전자 신호로부터 가시광선 이미지를 생성하고;
    상기 가시광선 이미지를 기반으로 인증 상태를 판별하도록 구성된 생체인식 홍채 스캔 카메라 시스템.
  2. 제 1 항에 있어서,
    상기 프로세서는:
    상기 초기 이미지의 상기 콘트라스트가 상기 기준 값 이상인 경우, 상기 인증 캡쳐 시간 동안 상기 홍채로 근적외선 빛을 비추도록 상기 제1 조명 소스를 활성화하고;
    상기 제1 조명 소스가 활성화된 경우, 상기 인증 캡쳐 시간 동안, 근적외선 빛을 검출하도록 상기 제1 이미징 센서를 활성화하고, 상기 인증 캡쳐 시간 동안 상기 홍채로부터 반사된 근적외선 빛에 응답하여 제2 전자 신호를 생성하도록 상기 제1 이미징 센서를 활성화하고;
    상기 제2 전자 신호로부터 근적외선 이미지를 생성하고;
    상기 근적외선 이미지를 기반으로 인증 상태를 판별하는 생체인식 홍채 스캔 카메라 시스템.
  3. 제 2 항에 있어서,
    상기 기준 값은 임계 콘트라스트 레벨(threshold contrast level)인 생체인식 홍채 스캔 카메라 시스템.
  4. 제 1 항에 있어서,
    상기 제1 및 제2 조명 소스들은 초기 캡쳐 시간 동안, 동시에, 근적외선 빛 및 가시광선 빛 모두를 상기 홍채로 비추는 생체인식 홍채 스캔 카메라 시스템.
  5. 제 4 항에 있어서,
    상기 초기 이미지는 초기 근적외선 이미지이고, 상기 초기 신호는 상기 초기 캡쳐 시간 동안 검출되고 상기 홍채로부터 반사된 근적외선 광에 응답하여 상기 제1 이미징 센서에 의해 출력된 제1 초기 전자 신호이고, 상기 초기 이미지의 콘트라스트는 상기 초기 근적외선 이미지의 콘트라스트인 생체인식 홍채 스캔 카메라 시스템.
  6. 제 5 항에 있어서,
    상기 프로세서는:
    상기 초기 캡쳐 시간 동안 검출되고 상기 홍채로부터 반사된 가시광선 빛에 응답하여 상기 제2 이미징 센서에 의해 출력된 제2 초기 전자 신호로부터 초기 가시광선 이미지를 생성하고;
    상기 초기 가시광선 이미지를 판별하는 생체인식 홍채 스캔 카메라 시스템.
  7. 제 6 항에 있어서,
    상기 기준 값은 상기 초기 가시광선 이미지의 콘트라스트인 생체인식 홍채 스캔 카메라 시스템.
  8. 생채인식 식별을 위한 사람의 이미지를 캡쳐하는 방법에 있어서,
    홍채의 초기 이미지를 생성하는 단계;
    상기 초기 이미지의 콘트라스트(contrast)를 판별하는 단계;
    상기 초기 이미지의 상기 콘트라스트가 기준 값보다 낮아지는 경우, 가시광선 파장을 선택하는 단계;
    이미지 캡쳐 동안, 상기 가시광선 파장의 빛을 상기 홍채로 비추는 단계;
    상기 이미지 캡쳐 동안, 상기 가시광선 파장에서, 상기 홍채로부터 반사된 가시광선 빛을 수신하는 단계;
    상기 가시광선 파장에서, 상기 홍채로부터 반사된 가시광선 빛에 응답하여 전기적 신호를 생성하는 단계;
    상기 전기적 신호를 처리하여 상기 사람의 홍채 이미지를 생성하는 단계; 및
    상기 홍채 이미지를 기반으로 상기 사람의 인증 상태를 판별하는 단계를 포함하는 생채인식 식별을 위한 사람의 이미지를 캡쳐하는 방법.
  9. 제 8 항에 있어서,
    상기 초기 이미지의 콘트라스트가 상기 기준 값보다 큰 경우, 상기 이미지 캡쳐 동안, 근적외선(NIR; near infrared) 빛을 상기 홍채로 비추는 단계;
    상기 이미지 캡쳐 동안, 상기 홍채로부터 반사된 근적외선 빛을 검출하는 단계;
    상기 이미지 캡쳐 동안, 상기 홍채로부터 반사된 근적외선 빛에 응답하여 제2 전자 신호를 생성하는 단계;
    상기 제2 전자 신호로부터 근적외선 이미지를 생성하는 단계; 및
    상기 근적외선 이미지를 기반으로 인증 상태를 판별하는 단계를 더 포함하는 생채인식 식별을 위한 사람의 이미지를 캡쳐하는 방법.
  10. 사용자 생체인식 인증을 수행하는 모바일 장치에 있어서,
    호스트 장치에 위치하고, 제1 빛을 출력하는 제1 조명 소스;
    상기 호스트 장치에 위치하고, 제2 빛을 출력하는 제2 조명 소스;
    상기 호스트 장치에 위치한 카메라; 및
    프로세서를 포함하고,
    상기 제1 및 제2 조명 소스들은 초기 캡쳐 시간 동안, 동시에 상기 제1 및 제2 빛들을 각각 홍채로 비추고,
    상기 카메라는:
    상기 초기 캡쳐 시간 동안 상기 홍채로부터 반사된 제1 빛을 수신하고, 상기 초기 캡쳐 시간 동안 상기 홍채로부터 반사된 상기 제1 빛을 나타내는 제1 전기적 신호를 생성하는 제1 이미징 센서; 및
    상기 초기 캡쳐 시간 동안 상기 홍채로부터 반사된 제2 빛을 수신하고, 상기 캡쳐 시간 동안 상기 홍채로부터 반사된 상기 제2 빛을 나타내는 제2 전기적 신호를 생성하는 제2 이미징 센서를 포함하고,
    상기 프로세서는 상기 제1 및 제2 이미징 센서들과 연결되고, 상기 프로세서는:
    상기 제1 및 제2 전기적 신호들에 각각 응답하여 제1 및 제2 이미지들을 생성하고;
    상기 제1 및 제2 이미지들 중 가장 높은 콘트라스트를 갖는 이미지를 판별하고;
    상기 제1 이미지가 상기 가장 높은 콘트라스트를 갖는 경우, 선택된 광 파장으로 제1 광 파장을 선택하고, 상기 제2 이미지가 상기 가장 높은 콘트라스트를 갖는 경우, 상기 선택된 광 파장으로 제2 광 파장을 선택하고,
    인증 캡쳐 시간 동안, 상기 선택된 광 파장을 상기 홍채로 비추도록 상기 제1 조명 소스 및 상기 제2 조명 소스 중 하나를 활성화하고;
    상기 인증 캡쳐 시간 동안, 상기 선택된 광 파장에서 상기 홍채로부터 반사된 광을 수신하고, 상기 선택된 광 파장에서 상기 홍채로부터 반사된 광을 나타내는 선택된 전기적 신호를 생성하도록 상기 제1 이미징 센서 및 상기 제2 이미징 센서 중 하나를 활성화하고;
    상기 선택된 전기적 신호에 응답하여 사람의 상기 홍채의 이미지를 생성하고;
    상기 홍채의 상기 이미지를 기반으로 상기 사람의 인증 상태를 판별하는 모바일 장치.
  11. 삭제
  12. 삭제
  13. 삭제
  14. 삭제
  15. 삭제
  16. 삭제
  17. 삭제
  18. 삭제
  19. 삭제
  20. 삭제
KR1020167017074A 2014-02-21 2015-02-20 홍채 컬러 인식을 갖는 멀티-밴드 생체인식 카메라 KR102332320B1 (ko)

Applications Claiming Priority (3)

Application Number Priority Date Filing Date Title
US201461943104P 2014-02-21 2014-02-21
US61/943,104 2014-02-21
PCT/US2015/016967 WO2015127313A1 (en) 2014-02-21 2015-02-20 Multi-band biometric camera system having iris color recognition

Publications (2)

Publication Number Publication Date
KR20160145536A KR20160145536A (ko) 2016-12-20
KR102332320B1 true KR102332320B1 (ko) 2021-11-29

Family

ID=53879076

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020167017074A KR102332320B1 (ko) 2014-02-21 2015-02-20 홍채 컬러 인식을 갖는 멀티-밴드 생체인식 카메라

Country Status (4)

Country Link
US (1) US9848113B2 (ko)
KR (1) KR102332320B1 (ko)
CN (1) CN105874472B (ko)
WO (1) WO2015127313A1 (ko)

Families Citing this family (50)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR102198852B1 (ko) * 2014-03-24 2021-01-05 삼성전자 주식회사 홍채 인식 장치 및 이를 포함하는 모바일 장치
JP6572537B2 (ja) * 2014-12-15 2019-09-11 富士通コネクテッドテクノロジーズ株式会社 認証装置、方法及びプログラム
US10049272B2 (en) 2015-09-24 2018-08-14 Microsoft Technology Licensing, Llc User authentication using multiple capture techniques
US10068078B2 (en) 2015-10-15 2018-09-04 Microsoft Technology Licensing, Llc Electronic devices with improved iris recognition and methods thereof
US10043075B2 (en) * 2015-11-19 2018-08-07 Microsoft Technology Licensing, Llc Eye feature identification
US10483315B2 (en) 2015-12-07 2019-11-19 Delta Id, Inc. Image sensor configured for dual mode operation
US20170180614A1 (en) * 2015-12-17 2017-06-22 Intel Corporation Iris imaging
CN114399831A (zh) * 2016-03-07 2022-04-26 奇跃公司 用于生物安全的蓝光调节
KR101813141B1 (ko) * 2016-04-29 2017-12-28 아이리텍 잉크 적외선 대역 중 태양광의 흡수율이 인접 파장대역에 비해 높은 파장대역에서의 양자효율이 향상되어 해당 파장대역을 포함하여 촬영시 실내뿐만 아니라 실외에서도 고품질 홍채이미지 획득이 가능한 cmos 이미지 센서
US9940519B2 (en) * 2016-06-24 2018-04-10 Fotonation Limited Image processing method and system for iris recognition
FR3053500B1 (fr) * 2016-06-30 2019-06-28 Safran Identity & Security Procede de detection de fraude d'un systeme de reconnaissance d'iris
KR102525126B1 (ko) 2016-07-29 2023-04-25 삼성전자주식회사 홍채 카메라를 포함하는 전자 장치
WO2018033770A1 (en) * 2016-08-16 2018-02-22 Stroma Medical Corporation Method and apparatus for prediction of post-operative perceived iris color
US10880742B2 (en) * 2016-12-15 2020-12-29 Fotonation Limited Iris recognition workflow
US20180189547A1 (en) * 2016-12-30 2018-07-05 Intel Corporation Biometric identification system
US10372974B2 (en) 2017-01-11 2019-08-06 Microsoft Technology Licensing, Llc 3D imaging recognition by stereo matching of RGB and infrared images
CN108363939B (zh) * 2017-01-26 2022-03-04 阿里巴巴集团控股有限公司 特征图像的获取方法及获取装置、用户认证方法
JP7125950B2 (ja) * 2017-03-24 2022-08-25 マジック リープ， インコーポレイテッド 虹彩コードの蓄積および信頼性割当
KR102329765B1 (ko) * 2017-03-27 2021-11-23 삼성전자주식회사 홍채 기반 인증 방법 및 이를 지원하는 전자 장치
KR102314241B1 (ko) * 2017-03-28 2021-10-20 삼성전자주식회사 적응적 인증 수행 방법 및 이를 지원하는 전자 장치
JP2018185749A (ja) * 2017-04-27 2018-11-22 ソニーセミコンダクタソリューションズ株式会社 固体撮像装置および固体撮像装置の制御方法
CN107358159A (zh) * 2017-06-08 2017-11-17 广东欧珀移动通信有限公司 终端的控制方法和装置、终端和计算机可读存储介质
CN107451534B (zh) * 2017-07-07 2020-09-11 Oppo广东移动通信有限公司 红外光源组件的控制方法和电子装置
CN107437065B (zh) * 2017-07-07 2020-08-28 Oppo广东移动通信有限公司 红外光源、虹膜识别模组和移动终端
CN107451541B (zh) * 2017-07-14 2020-08-14 Oppo广东移动通信有限公司 滤光膜、虹膜识别模组及电子装置
CN107451542B (zh) * 2017-07-14 2020-09-01 Oppo广东移动通信有限公司 虹膜识别模组排列结构及移动终端
CN107273874B (zh) * 2017-07-14 2020-05-22 Oppo广东移动通信有限公司 滤光膜、虹膜识别模组及电子装置
CN107454339B (zh) * 2017-07-17 2019-08-09 Oppo广东移动通信有限公司 图像处理方法及相关产品
US10137857B1 (en) * 2017-08-22 2018-11-27 Ford Global Technologies, Llc Vehicle unlocking systems, devices, and methods
US10300889B2 (en) 2017-09-08 2019-05-28 Ford Global Technologies, Llc Iris-detection alignment for vehicle feature activation
US10970539B2 (en) * 2017-09-21 2021-04-06 Tascent, Inc. Binding of selfie face image to iris images for biometric identity enrollment
RU2670798C9 (ru) * 2017-11-24 2018-11-26 Самсунг Электроникс Ко., Лтд. Способ аутентификации пользователя по радужной оболочке глаз и соответствующее устройство
CN108053444B (zh) * 2018-01-02 2021-03-12 京东方科技集团股份有限公司 瞳孔定位方法及装置、设备和存储介质
CN110020573A (zh) * 2018-01-08 2019-07-16 上海聚虹光电科技有限公司 活体检测系统
US10591352B2 (en) * 2018-01-10 2020-03-17 X Development Llc Sensor and system for plant canopy measurement
US11023757B2 (en) 2018-02-14 2021-06-01 Samsung Electronics Co., Ltd. Method and apparatus with liveness verification
KR102507746B1 (ko) * 2018-03-02 2023-03-09 삼성전자주식회사 복수의 파장대역을 감지할 수 있는 카메라를 이용하여 복수의 정보를 생성하는 방법 및 이를 구현한 전자 장치
US11138429B2 (en) * 2018-03-12 2021-10-05 Tobii Ab Iris recognition using eye-tracking system
CN110363207A (zh) * 2018-04-09 2019-10-22 阿里巴巴集团控股有限公司 图像检测和分类器模型的生成方法、装置及设备
KR102503440B1 (ko) * 2018-04-12 2023-02-27 삼성전자주식회사 보안 처리 모듈을 이용하여 보안 이미지를 획득하는 전자 장치
US10742904B2 (en) * 2018-05-25 2020-08-11 Fotonation Limited Multispectral image processing system for face detection
US11074675B2 (en) * 2018-07-31 2021-07-27 Snap Inc. Eye texture inpainting
CN109036330B (zh) * 2018-08-17 2020-01-24 珠海格力电器股份有限公司 一种色温调节方法及终端设备
US11163981B2 (en) * 2018-09-11 2021-11-02 Apple Inc. Periocular facial recognition switching
US10990805B2 (en) * 2018-09-12 2021-04-27 Apple Inc. Hybrid mode illumination for facial recognition authentication
KR102177933B1 (ko) * 2018-11-13 2020-11-12 한국기계연구원 가시광선 레이저와 근적외선 펄스 레이저를 이용한 거리 측정 장치 및 측정 방법
CH716053A1 (de) * 2019-04-10 2020-10-15 Smart Secure Id Ag Biometrische Bildungsvorrichtung und biometrisches Bildungsverfahren zum Erfassen von Bilddaten eines Körperteils einer Person mit Benutzerführung.
JP7264257B2 (ja) * 2019-09-04 2023-04-25 日本電気株式会社 制御装置、制御方法及びプログラム
CN213960150U (zh) * 2019-12-04 2021-08-13 索尼半导体解决方案公司 电子设备
CN113536863A (zh) * 2020-04-22 2021-10-22 上海聚虹光电科技有限公司 自适应虹膜灰度的光谱段选择方法

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20060097172A1 (en) 2004-11-09 2006-05-11 Samsung Electronics Co., Ltd. Imaging apparatus, medium, and method using infrared rays with image discrimination
US20090245594A1 (en) 2008-03-31 2009-10-01 General Electric Company Iris imaging and iris-based identification

Family Cites Families (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO1999040478A1 (en) * 1998-02-08 1999-08-12 3Dv Systems Ltd. Large aperture optical image shutter
US6753919B1 (en) * 1998-11-25 2004-06-22 Iridian Technologies, Inc. Fast focus assessment system and method for imaging
FR2910150B1 (fr) * 2006-12-15 2009-04-17 Sagem Defense Securite Procede et installation de capture d'iris avec detection prealable de couleur.
US8023699B2 (en) * 2007-03-09 2011-09-20 Jiris Co., Ltd. Iris recognition system, a method thereof, and an encryption system using the same
EP2252199B1 (en) 2008-03-05 2019-05-22 Tamir Gil Snapshot spectral imaging of the eye
US8345936B2 (en) * 2008-05-09 2013-01-01 Noblis, Inc. Multispectral iris fusion for enhancement and interoperability
US8254768B2 (en) * 2010-12-22 2012-08-28 Michael Braithwaite System and method for illuminating and imaging the iris of a person
US9177988B2 (en) * 2011-12-16 2015-11-03 Chromatra, Llc. Systems and methods for creating full-color image in low light
US9138140B2 (en) * 2012-03-20 2015-09-22 Lrs Identity, Inc. Compact iris imaging system
KR102023611B1 (ko) * 2012-05-04 2019-09-23 삼성전자 주식회사 홍채 인식 및 근접 센싱 가능한 단말 장치 및 방법

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20060097172A1 (en) 2004-11-09 2006-05-11 Samsung Electronics Co., Ltd. Imaging apparatus, medium, and method using infrared rays with image discrimination
US20090245594A1 (en) 2008-03-31 2009-10-01 General Electric Company Iris imaging and iris-based identification

Also Published As

Publication number Publication date
CN105874472B (zh) 2019-09-17
KR20160145536A (ko) 2016-12-20
CN105874472A (zh) 2016-08-17
US9848113B2 (en) 2017-12-19
US20150304535A1 (en) 2015-10-22
WO2015127313A1 (en) 2015-08-27

Similar Documents

Publication Publication Date Title
KR102332320B1 (ko) 홍채 컬러 인식을 갖는 멀티-밴드 생체인식 카메라
US10311298B2 (en) Biometric camera
KR102392800B1 (ko) 밴드패스 필터 및 가변 광원을 갖는 기민한 생체인식 카메라
US11516374B2 (en) Under-display image sensor
US20160019421A1 (en) Multispectral eye analysis for identity authentication
US20170091550A1 (en) Multispectral eye analysis for identity authentication
US20160019420A1 (en) Multispectral eye analysis for identity authentication
US9767358B2 (en) Systems and methods for performing iris identification and verification using mobile devices
WO2019134536A1 (zh) 基于神经网络模型的人脸活体检测
US9152850B2 (en) Authentication apparatus, authentication method, and program
EP2680191B1 (en) Facial recognition
KR102317180B1 (ko) 3차원 깊이정보 및 적외선정보에 기반하여 생체여부의 확인을 행하는 얼굴인식 장치 및 방법
CN110287900B (zh) 验证方法和验证装置
CN110741378A (zh) 蓝紫光照明下非接触式掌纹识别系统
US10742904B2 (en) Multispectral image processing system for face detection
JP6864030B2 (ja) 単画素センサ
KR101919090B1 (ko) 3차원 깊이정보 및 적외선정보에 기반하여 생체여부의 확인을 행하는 얼굴인식 장치 및 방법
US11146747B1 (en) Dynamic driver mechanism for rolling shutter sensor to acquire the structured light pattern
US10853641B2 (en) Apparatus and method for acquiring iris image outdoors and indoors
Kang et al. Face recognition for vehicle personalization with near infrared frame differencing
Gottemukkula et al. Method for using visible ocular vasculature for mobile biometrics
JP2020160757A (ja) 虹彩認証装置および電子機器
CN103902969A (zh) 一种同时摄取掌纹和掌静脉图像的装置

Legal Events

Date Code Title Description
E902 Notification of reason for refusal
E701 Decision to grant or registration of patent right
GRNT Written decision to grant