KR102339607B1 - 홍채 기반 생체 인식을 위한 방법 및 장치 - Google Patents
홍채 기반 생체 인식을 위한 방법 및 장치 Download PDFInfo
- Publication number
- KR102339607B1 KR102339607B1 KR1020167009303A KR20167009303A KR102339607B1 KR 102339607 B1 KR102339607 B1 KR 102339607B1 KR 1020167009303 A KR1020167009303 A KR 1020167009303A KR 20167009303 A KR20167009303 A KR 20167009303A KR 102339607 B1 KR102339607 B1 KR 102339607B1
- Authority
- KR
- South Korea
- Prior art keywords
- image
- iris
- comparison
- image frame
- feature extraction
- Prior art date
Links
- 238000000034 method Methods 0.000 title claims abstract description 112
- 238000000605 extraction Methods 0.000 claims description 146
- 230000000977 initiatory effect Effects 0.000 claims description 2
- 238000004590 computer program Methods 0.000 abstract description 8
- 238000012545 processing Methods 0.000 description 67
- 230000011218 segmentation Effects 0.000 description 38
- 238000003384 imaging method Methods 0.000 description 25
- 230000008569 process Effects 0.000 description 15
- 230000033001 locomotion Effects 0.000 description 13
- 230000003287 optical effect Effects 0.000 description 12
- 210000001747 pupil Anatomy 0.000 description 12
- 238000004891 communication Methods 0.000 description 10
- 230000004044 response Effects 0.000 description 8
- 238000004422 calculation algorithm Methods 0.000 description 7
- 238000010586 diagram Methods 0.000 description 6
- 230000008859 change Effects 0.000 description 5
- 230000010339 dilation Effects 0.000 description 4
- 238000011156 evaluation Methods 0.000 description 4
- 210000000720 eyelash Anatomy 0.000 description 4
- 210000000744 eyelid Anatomy 0.000 description 4
- 230000006870 function Effects 0.000 description 4
- 230000006399 behavior Effects 0.000 description 3
- 238000005259 measurement Methods 0.000 description 3
- 230000007659 motor function Effects 0.000 description 3
- 238000010187 selection method Methods 0.000 description 3
- 230000005540 biological transmission Effects 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 230000001939 inductive effect Effects 0.000 description 2
- 238000013441 quality evaluation Methods 0.000 description 2
- 230000005855 radiation Effects 0.000 description 2
- 230000035484 reaction time Effects 0.000 description 2
- 238000005070 sampling Methods 0.000 description 2
- 208000012661 Dyskinesia Diseases 0.000 description 1
- 208000015592 Involuntary movements Diseases 0.000 description 1
- 235000002911 Salvia sclarea Nutrition 0.000 description 1
- 244000182022 Salvia sclarea Species 0.000 description 1
- 238000012896 Statistical algorithm Methods 0.000 description 1
- 238000013459 approach Methods 0.000 description 1
- 230000004397 blinking Effects 0.000 description 1
- 230000000295 complement effect Effects 0.000 description 1
- 230000006835 compression Effects 0.000 description 1
- 238000007906 compression Methods 0.000 description 1
- 230000001934 delay Effects 0.000 description 1
- 238000012217 deletion Methods 0.000 description 1
- 230000037430 deletion Effects 0.000 description 1
- 238000006073 displacement reaction Methods 0.000 description 1
- 238000009826 distribution Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 239000000284 extract Substances 0.000 description 1
- 230000000193 eyeblink Effects 0.000 description 1
- 230000001815 facial effect Effects 0.000 description 1
- 210000003128 head Anatomy 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 230000010354 integration Effects 0.000 description 1
- 238000000691 measurement method Methods 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 229910044991 metal oxide Inorganic materials 0.000 description 1
- 150000004706 metal oxides Chemical class 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000017311 musculoskeletal movement, spinal reflex action Effects 0.000 description 1
- 238000009828 non-uniform distribution Methods 0.000 description 1
- 238000003909 pattern recognition Methods 0.000 description 1
- 238000003672 processing method Methods 0.000 description 1
- 238000001303 quality assessment method Methods 0.000 description 1
- 210000003786 sclera Anatomy 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 230000035945 sensitivity Effects 0.000 description 1
- 230000008961 swelling Effects 0.000 description 1
- 238000009827 uniform distribution Methods 0.000 description 1
- 238000012795 verification Methods 0.000 description 1
- 230000021542 voluntary musculoskeletal movement Effects 0.000 description 1
Images
Classifications
-
- G06K9/00597—
-
- 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
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/22—Matching criteria, e.g. proximity measures
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F21/00—Security arrangements for protecting computers, components thereof, programs or data against unauthorised activity
- G06F21/30—Authentication, i.e. establishing the identity or authorisation of security principals
- G06F21/31—User authentication
- G06F21/32—User authentication using biometric data, e.g. fingerprints, iris scans or voiceprints
-
- G06K9/0061—
-
- G06K9/00617—
-
- G06K9/46—
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T3/00—Geometric image transformations in the plane of the image
- G06T3/40—Scaling of whole images or parts thereof, e.g. expanding or contracting
- G06T3/4023—Scaling of whole images or parts thereof, e.g. expanding or contracting based on decimating pixels or lines of pixels; based on inserting pixels or lines of pixels
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/40—Extraction of image or video features
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- 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
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30004—Biomedical image processing
- G06T2207/30041—Eye; Retina; Ophthalmic
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Multimedia (AREA)
- Human Computer Interaction (AREA)
- Ophthalmology & Optometry (AREA)
- General Health & Medical Sciences (AREA)
- Health & Medical Sciences (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Computer Security & Cryptography (AREA)
- General Engineering & Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Software Systems (AREA)
- Computer Hardware Design (AREA)
- Evolutionary Biology (AREA)
- Evolutionary Computation (AREA)
- Bioinformatics & Computational Biology (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Artificial Intelligence (AREA)
- Life Sciences & Earth Sciences (AREA)
- Collating Specific Patterns (AREA)
- Measurement Of The Respiration, Hearing Ability, Form, And Blood Characteristics Of Living Organisms (AREA)
- Image Input (AREA)
Abstract
본 발명은 홍채 기반 생체 인식을 위한 방법을 제공한다. 본 방법은 이미지 센서로부터 이미지를 수신하는 단계, 수신된 이미지가 홍채를 포함하는지 결정하는 단계를 포함한다. 수신하는 단계 및 결정하는 단계는 수신된 이미지가 홍채를 포함할 때까지 반복된다. 수신된 이미지가 홍채를 포함하고 있다는 결정에 따라, 수신된 이미지에 대응하는 홍채 정보는 적어도 하나의 홍채에 대응하는 저장된 홍채 정보와 비교되고, 매치 결정 또는 비매치 결정은 비교의 출력에 기초하여 내려진다. 본 발명은 추가적으로 홍채 기반 생체 인식을 위하여 구비된 시스템, 컴퓨터 프로그램 제품을 제공한다.
Description
본 발명은 생체 인식을 위하여 대상자의 눈의 하나 또는 그 이상의 특성 이미지를 얻고 프로세스하기 위한 장치 및 방법에 관한 것이다.
눈의 특성을 비롯하여 얼굴의 특성을 바탕으로 생체 인식을 하는 방법은 종래에 알려진 방법이다. 홍채 인식을 위한 방법들은 패턴-인식(pattern-recognition) 기술들을 사용해 대상자의 홍채에 대해 획득된 이미지를 사전에 획득한 대상자의 홍채의 이미지와 비교하여, 대상자의 신원을 결정 또는 검증한다. 획득된 홍채 이미지에 대응되는 디지털 특성(feature) 세트가 상기 획득된 이미지를 바탕으로, 수학적 또는 통계적 알고리즘들을 사용해 부호화된다. 그런 다음, 디지털 특성 세트는 이전에 부호화된 디지털 템플릿들(이전에 획득된 홍채 이미지들에 대응되는 저장된 특성 세트)의 데이터베이스들과의 비교하여, 매치(match)를 찾고, 대상자의 신원을 결정하거나 검증한다.
홍채 인식을 위한 장치들은 통상적으로 대상자의 홍채(들)의 이미지를 캡쳐하기 위한 이미징 장치 및 포착된 이미지를 이전에 저장한 홍채 이미지 정보와 비교하기 위한 이미지 프로세스 장치를 포함한다. 이미징 장치와 이미지 프로세스 장치는 별도의 장치를 포함하거나 단일 장치 안에 결합될 수 있다.
홍채 인식 장치들은 이전에는 전용 장치 또는 독립형 장치들로서 제공되었으나, 점차 홍채 인식 기능들을 모바일폰, 스마트폰, PDA(personal digital assistant), 테블릿, 랩탑 또는 웨어러블 컴퓨팅 디바이스와 같이 카메라가 내장된 휴대용 기기나 모바일 컴퓨팅 장치들(집합적으로 "모바일 디바이스(mobile device)"이라고 일컬음) 안에 통합시키는 것이 요구되고 있다.
모바일 디바이스에서 홍채 기반 인식을 실행하는 것은 편리하고, 비절개방식(non-invasive)이고, 개개인들이 개인의 신원을 인식(신원확인 또는 검증)할 수 있는 충분한 품질의 홍채 이미지를 얻을 수 있는 컴팩트한 유비쿼터스 디바이스에 접근할 수 있게 한다.
종래의 홍채 이미징 시스템은 이론적으로는 모바일 디바이스에 통합될 수 있었지만, 종래 홍채 이미징 프로세스 시스템이 기존에 저장된 홍채 정보와 대비하여, 홍채 이미지 정보를 처리하고 비교하는데 시간이 너무 많이 걸려서, 홍채 이미지 취득과 인식 사이의 현저한 시간 지연(또는 인식 거부)을 낳는다.
시간 지연의 주요한 근본 원인은 신뢰할 수 있는 홍채 이미지 프로세스와 특성 추출이 컴퓨터를 이용하는 면에서 집약적이라서, 이미지 프레임 순서(sequence) 안에서 모든 이미지 프레임을 프로세스하기는 어렵다는 것이다. 최신의 이미지 센서는 비디오 모드에서 초당 적어도 30 프레임을 생성한다. 이미지 센서에 의하여 생성된 이미지 프레임의 순서 안에서 모든 프레임을 저장된 템플릿과 비교하는 단점은 지나치게 많은 이미지 비교가 잘못된 매치를 증가시킨다는 것이다. 잘못된 매치가 일어나는 것은 잘못된 매치율(FMR, false match rate) 또는 관찰 중인 인식 시스템의 잘못된 양성 신원확인(FPIR, false positive identification rate)으로 측정된다.
위의 문제점들을 극복하기 위하여, 자동 이미지 선택 프로세스가 실시될 수 있다. 선택 방법은 각각의 이미지 프레임의 더 많은 "품질(quality)" 측정치의 하나를 계산하고, 미리 결정된 타임 프레임 안에서 최선의 프레임을 선택하거나 또는 선택적으로 미리 결정된 품질 프레임(quality frame)을 만족시키는 하나 또는 그 이상 프레임을 선택한다. 현존하는 산업상 이용 가능한 홍채 인식 시스템은 시간 지연(time lag)을 줄이기 위한 일반적인 접근 방법으로 자동 이미지 선택 방법을 적용한다.
종래 시스템에서 품질 평가 기준은 이미지 프레임의 선명도(sharpness)(또는, '포커스(focus)'라고도 불린다) 측정이다. 이미지 선택 알고리즘에 기초한 포커스 평가는 홍채 인식 시스템의 효율을 향상시킨다고 알려져 있다. 계산적으로 효율적인 이미지 프로세싱 방법은 전형적으로 포커스 품질을 보여주는 각 프레임의 스칼라 수치(scalar value)를 얻는데 사용되고, 미리 결정된 포커스 한계값을 초과하는 이미지 프레임이 추가적인 프로세싱과의 비교를 위하여 선택된다.
시간 지연을 줄이고, 프로세싱 자원을 보존하는 것에 더하여, 참고 견본(reference template, 예를 들어, 데이터베이스에 저장된 홍채 이미지 특성 세트)이 이미지 캡쳐 장소에서 용이하게 사용될 수 없는 애플리케이션에서 자동 이미지 선택 프로세스는 실행된다. 군사, 민간, 국경 통제, 국가 ID, 경찰, 정찰 분야에서 홍채 기반 인식 시스템의 상업적 배치는 전형적으로 이러한 카테고리 안에 들어간다. 이런 분야에서는 인식 시스템이 자동으로 선택된 이미지 프레임을 저장하고, 전송하고, 전달하는 것을 필요로 하고, 선택된 이미지 프레임은 나중에 또는 다른 장소에서 참고 견본과 비교하게 된다. 예를 들어, 군사 분야에서, 선택된("캡쳐된") 이미지 또는 추출된 특성 세트는 비교를 위하여 외국으로부터 본국의 중앙 서버에 보내질 수 있다. 다른 예로, 인도의 UIDAI와 같은 국가 ID 시스템에서, 캡쳐된 이미지는 서버 팜(server farm)에 보내져서 사전에 등록된 대상자(subject)에 대하여 복제된 이미지가 삭제된다.
위 설명에도 불구하고, 자동 이미지 저장 프로세스를 이용하는데 단점들이 존재한다. 품질 측정(quality measurement) 알고리즘이 항상 이미지 프레임의 매치능력(match-ability)을 충분히 정확하게 예측하는 것은 아니다. 예를 들어, 데이터베이스에서 거절하는 10% 하위 품질 이미지는 잘못된 음성 매치율(FNMR, False Negative Match Rate)을 10%에서 7%로 향상시킬 뿐이다. 이는 낮은 트레이드오프(trade-off)를 말하며, 품질 평가(quality assement) 알고리즘이 충분히 정확한 매치 능력의 예측변수(predictor)는 아님을 확인한다.
모바일 디바이스와 참고 템플릿(reference template)을 손쉽게 사용할 수 있는 시스템 안에서 홍채 기반 인식 시스템의 적용은 자동 이미지 선택 프로세스가 가지는 단점에 얽매이지 않는 것이 바람직하다. 유사하게, 중앙 서버로부터 홍채 이미징이 일어나는 로컬 서버로 참고 템플릿이 뽑아질 수 있는 특정 클라이언트-서버 형식의 홍채 인식 시스템에서는 품질 평가와 관련된 문제점들은 피해야 한다.
본 발명은 회신 시간과 홍채 기반 인식 시스템의 정확도를 향상하기 위한 선택적인 방법들을 실행함으로써 자동 이미지 선택 방법과 관련된 문제점들을 극복하고자 한다.
본 발명은 홍채 기반 생체 인식을 위한 방법을 제공한다. 일실시예에서, 본 방법은 (a) 이미지 센서로부터 이미지를 수신하는 단계; (b) 수신된 이미지가 홍채를 포함하는지는 결정하는 단계; (c) 수신된 이미지가 홍채를 포함할 때까지 (a)단계와 (b)단계를 반복하는 단계; (d) 수신된 이미지가 홍채를 포함하는 것으로 결정함에 따라, 수신된 이미지에 대응하는 홍채 정보를 적어도 하나의 홍채에 대응하는 저장된 홍채 정보와 비교하는 단계; 및 (e) 상기 비교 결과에 기초하여 매치 결정(match decision) 또는 비매치 결정(non-match decision)을 제공하는 단계를 포함한다.
상기 단계 (d)에서의 상기 비교는 수신된 홍채 이미지 상에서 실행되는 특성 추출에 의하여 만들어진 홍채 특성 세트를 저장된 홍채 정보과 비교하는 단계를 포함한다. 일실시예에서 상기 단계 (a) 내지 단계 (e)는 종료 이벤트가 일어날 때까지 반복되고, 상기 종료 이벤트는, (ⅰ) 미리 결정된 시간 간격의 만료, 또는 (ⅱ) 수신된 홍채 이미지의 미리 결정된 수의 비교, 또는 (ⅲ) 수신된 홍채 이미지에 대응하는 홍채 정보와 저장된 홍채 정보의 비교를 기초로 매치 결정의 제공, 또는 (ⅳ) 이미지 센서와 미리 결정된 최대 거리를 초과하는 대상(subject) 사이의 거리 중에서 어느 것이라도 포함할 수 있다.
본 발명의 예시적인 실행에서, 적어도 하나의 홍채에 대응하는 저장된 홍채 정보와 미리 결정된 유사도를 만족하는 얻어진 홍채 이미지에 반응하여 매치 결정이 제공될 수 있다.
본 발명에 의한 방법의 일실시예에서 이미지 서브샘플링(subsampling)은 단계 (a)에서 수신된 이미지 상에서 실시되고, 서브샘플(subsampled)된 이미지를 만들고, 단계 (b)에서 상기 결정은 서브샘플된 이미지의 심사(examination)를 포함한다.
본 발명은 추가적으로 (a) 이미지 센서로부터 이미지를 수신하고, 수신된 이미지는 홍채 이미지를 포함하는 이미지를 수신하는 단계; (b) 수신된 홍채 이미지가 적어도 하나의 미리 결정된 기준을 만족하는지를 결정하는 단계; (c) 수신된 홍채 이미지가 적어도 하나의 미리 결정된 기준을 만족할 때까지 단계 (a)와 단계 (b)를 반복하는 단계; (d) 수신된 홍채 이미지가 적어도 하나의 미리 결정된 기준을 만족하는 것을 결정함에 반응하여, 적어도 하나의 홍채에 대응하는 저장된 홍채 정보를 수신된 홍채 이미지에 대응하는 홍채 정보와 비교하는 단계; 및 (e) 상기 비교 결과에 기초하여 매치 결정(match decision) 또는 비매치 결정(non-match decision)을 제공하는 단계를 포함하고, 미리 결정된 기준은 (ⅰ) 그레이스케일(greyscale) 스프레드(spread), (ⅱ) 홍채 크기, (ⅲ) 팽창(dilation), (ⅳ) 사용가능한 홍채 영역, (ⅴ) 홍채-공막(sclera) 콘트라스트(contrast), (ⅵ) 홍채-동공(pupil) 콘트라스트, (ⅶ) 홍채 형태, (ⅷ) 동공 형태, (ⅸ) 이미지 마진(margins), (ⅹ) 이미지 선명도(sharpness), (ⅹⅰ) 모션(motion) 블러(blur), (ⅹⅱ) 소음 대비 신호 비율(signal to noice ratio), (ⅹⅲ) 게이즈(gaze) 각도, (ⅹⅳ) 스칼라(scalar) 점수, (ⅹⅴ) 수신된 홍채 이미지를 비교를 위하여 사전에 준비된 하나 이상의 홍채 이미지로부터 구분하는 최소 시간 간격, (ⅹⅵ) 수신된 홍채 이미지를 비교를 위하여 사전에 준비된 하나 이상의 홍채 이미지로부터 구분하는 연속적으로 만들어지는 홍채 이미지의 최소 개수, (ⅹⅶ) 수신된 홍채 이미지와 비교를 위하여 사전에 준비된 하나 이상의 홍채 이미지 사이의 최소 차이 중에서 적어도 하나이다.
본 발명의 방법의 특정 실시예에서, 단계 (d)의 비교는 수신된 홍채 이미지 상에서 실시되는 특성(feature) 추출에 의하여 만들어진 홍채 특성 세트와 저장된 홍채 정보간의 비교를 포함한다. 일실시예에서 상기 단계 (a) 내지 단계 (c)는 종료 이벤트가 일어날 때까지 반복되고, 상기 종료 이벤트는, (ⅰ) 미리 결정된 시간 간격의 만료, 또는 (ⅱ) 수신된 홍채 이미지의 미리 결정된 수의 비교 결론, 또는 (ⅲ) 수신된 홍채 이미지에 대응하는 홍채 정보와 저장된 홍채 정보의 비교를 기초로 매치 결정의 제공, 또는 (ⅳ) 이미지 센서와 미리 결정된 최대 거리를 초과하는 대상(subject) 사이의 거리 중에서 어느 것이라도 포함할 수 있다.
본 발명에 의한 방법의 특정 실행에 따라서, 적어도 하나의 홍채에 대응하는 저장된 홍채 정보와 미리 결정된 유사도를 만족하는 수신된 홍채 이미지에 반응하여 매치 결정이 제공될 수 있다.
본 발명에 의한 방법의 특정 실시예에서, 이미지 서브샘플링(subsampling)은 단계 (a)에서 수신된 이미지 상에서 실시되어, 서브샘플(subsampled)된 이미지를 만들고, 수신된 홍채 이미지가 적어도 하나의 미리 결정된 기준을 만족하는지를 단계 (b)에서 결정하는 것은 서브샘플된 이미지에 기초한다.
본 발명은 추가적으로 홍채 기반 생체 인식을 위한 방법을 제공하고, 상기 방법은 (a) 이미지 센서로부터 이미지를 수신하고, 상기 이미지는 홍채 이미지를 포함하는 이미지를 수신하는 단계; (b) 수신된 홍채 이미지에 대응하는 홍채 정보를 적어도 하나의 홍채에 대응하는 저장된 홍채 이미지 정보를 비교함으로써, 첫번째 세트의 비교 작업을 실시하는 단계; (c) 특정 결과를 만족시키는 단계 (b)의 출력(output)에 반응하여, 수신된 홍채 이미지에 대응하는 홍채 정보를 저장된 홍채 이미지 정보를 비교함으로써, 두번째 세트의 비교 작업을 실시하는 단계; 및 (d) 단계 (c)에서 두번째 세트의 비교 작업의 결과에 기초하여 매치 결정(match decision) 또는 비매치 결정(non-match decision)을 제공하는 단계를 포함한다.
본 발명에 의한 방법의 일실시예에서 단계 (c)에서, 두번째 세트의 비교 작업은 수신된 홍채 이미지에 대응하는 홍채 정보를 단계 (b)에서 상기 특정 결과를 만족시키는 출력을 만든 저장된 홍채 이미지 정보와 비교한다.
상기 방법의 실행에서 상기 특정 결과는 (ⅰ) 수신된 홍채 이미지와 적어도 하나의 홍채에 대응하는 저장된 홍채 이미지 정보간의 매치이거나, (ⅱ) 수신된 홍채 이미지와 적어도 하나의 홍채에 대응하는 저장된 홍채 이미지 정보간의 미리 결정된 유사도이다. 다른 실행에서는 상기 특정 결과는 (ⅰ) 수신된 홍채 이미지와 적어도 하나의 홍채에 대응하는 저장된 홍채 이미지 정보간의 비매치(non-match)이거나, (ⅱ) 수신된 홍채 이미지와 적어도 하나의 홍채에 대응하는 저장된 홍채 이미지 정보간의 미리 결정된 유사도보다 적다.
본 발명의 일실시예에서 두번째 세트의 비교 작업 안에서 적어도 하나의 작업은 첫번째 세트의 비교 작업 안에 포함되지 않는다. 본 발명의 또 다른 실시예에서는, 첫번째 세트 비교 작업과 두번째 세트 비교 작업 중 적어도 하나는 수신된 홍채 이미지로부터 홍채 특성 세트를 추출하기 위한 특성 추출 작업을 포함한다.
첫번째 세트의 비교 작업은 첫번째 세트의 특성 추출 작업을 포함하고, 두번째 세트의 비교 작업은 두번째 세트의 특성 추출 작업을 포함하고, 두번째 세트의 특성 추출 작업 안에서 적어도 하나의 작업은 첫번째 세트의 특성 추출 작업 안에 포함되지 않는다.
본 발명에 의한 방법의 일실시예에 따르면, 상기 단계 (a) 내지 단계 (d)는 (ⅰ) 수신된 홍채 이미지와 적어도 하나의 홍채에 대응하는 저장된 홍채 이미지 정보간의 매치 결정 또는 (ⅱ) 수신된 홍채 이미지가 적어도 하나의 홍채에 대응하는 저장된 홍채 이미지 정보와 미리 결정된 유사도를 만족시킬 때까지 반복된다. 또 다른 실시예에서는 상기 단계 (a) 내지 단계 (d)는 종료 이벤트가 일어날 때까지 반복되고, 상기 종료 이벤트는, (ⅰ) 미리 결정된 시간 간격의 만료, 또는 (ⅱ) 수신된 이미지의 미리 결정된 수의 비교, 또는 (ⅲ) 이미지 센서와 미리 결정된 최대 거리를 초과하는 대상(subject) 사이의 거리, 또는 (ⅳ) 수신된 이미지가 홍채를 포함하지 않는다는 결정 중에서 어느 것이라도 포함할 수 있다.
상기 방법에서 이미지 서브샘플링(subsampling)은 단계 (a)에서 수신된 이미지 상에서 실시되어, 서브샘플(subsampled)된 이미지를 만들고, 단계 (b)에서 첫번째 세트의 비교 작업은 서브샘플된 이미지에서 실시된다. 또 다른 특정 실시예는 단계 (c)에서 실시되는 두번째 세트의 비교 작업에서 이미지 데이터는 이미지 서브샘플링에 의하여 감소하지 않는다.
본 발명을 추가적으로 홍채 기반 생체 인식 방법을 제공하고, 상기 방법은, (a) 이미지 센서에 의하여 이미지 프레임의 순차적인 생성을 개시하는 단계; (b) 이미지 센서에 의하여 생성된 이미지 프레임을 선택하는 단계; (c) 선택된 이미지 프레임에 대응하는 이미지 정보를 적어도 하나의 홍채에 대응하는 저장된 홍채 정보와 비교하는 단계; 및 (d) 비매치 결정(non-match decision)을 제공하는 단계 (c)에서 비교에 반응하여, 이미지 센서에 의하여 생성된 다른 이미지 프레임을 선택하고, 단계 (c)와 단계 (d)를 반복하고, 다른 이미지 프레임의 선택은 미리 결정된 기준에 기초하고, 미리 결정(predetermined)된 기준은 (ⅰ) 이미지 프로세싱(processing) 또는 비교를 실시할 수 있는 자원(resource)의 가용성(availability) 또는 (ⅱ) 이전에(previously) 선택된 이미지 프레임에 대응하는 정의된 이벤트의 발생에서부터 특정 시간 간격의 경과 또는 (ⅲ) 이전에 선택된 이미지 프레임과 선택을 위하여 고려될 이미지 프레임을 구별하는 순차적으로 생성된 이미지 프레임의 특정 개수 또는 (ⅳ) 이전에 선택된 이미지 프레임과 선택을 위하여 고려될 이미지 프레임간의 최소 차이 중에서 적어도 하나를 포함한다.
상기 방법의 일실시예에서, 첫번째 이미지 안에서 이미지된(imaged) 홍채의 홍채 특성 세트를 추출하기 위해 첫번째 이미지에서 특성 추출이 실시되는 단계가 단계 (c)의 비교보다 앞서고, 단계 (c)에서의 비교는 저장된 홍채 이미지 정보와 추출된 홍채 특성 세트를 비교하는 단계를 포함한다.
본 발명은 전술한 내용 및 명세서 전반에 걸쳐서 보다 상세하게 설명되는 본 발명에 의한 방법을 실행하기 위하여 구비되는 시스템과 컴퓨터 프로그램 제품을 추가적으로 제공한다.
본 발명의 실시예는 홍채 기반 생체 인식을 위한 컴퓨터 프로그램 제품을 포함하고 상기 컴퓨터 프로그램 제품은 컴퓨터로 읽을 수 있는 프로그램 코드가 저장된 컴퓨터에 사용 가능한 매체를 포함하고, 상기 컴퓨터로 읽을 수 있는 프로그램 코드는, (a) 이미지 센서로부터 이미지를 수신하고; (b) 수신된 이미지가 홍채를 포함하는지는 결정하고; (c) 수신된 이미지가 홍채를 포함할 때까지 (a)단계와 (b)단계를 반복하고; (d) 수신된 이미지가 적어도 하나의 미리 결정된 기준을 만족하는 것으로 결정함에 따라, 수신된 이미지에 대응하는 홍채 정보를 적어도 하나의 홍채에 대응하는 저장된 홍채 정보와 비교하고; 그리고 (e) 상기 비교 결과에 기초하여 매치 결정 또는 비매치 결정을 제공하기 위한 명령어를 포함한다.
본 발명의 또 다른 실시예는 홍채 기반 생체 인식을 위한 시스템을 포함하고, 상기 시스템은 이미지 센서와 프로세싱 디바이스를 포함하고, 상기 프로세싱 디바이스는 (a) 이미지 센서로부터 이미지를 수신하는 단계; (b) 수신된 이미지가 홍채를 포함하는지는 결정하는 단계; (c) 수신된 이미지가 홍채를 포함할 때까지 (a)단계와 (b)단계를 반복하는 단계; (d) 수신된 이미지가 적어도 하나의 미리 결정된 기준을 만족함에 반응하여, 수신된 이미지에 대응하는 홍채 정보를 적어도 하나의 홍채에 대응하는 저장된 홍채 정보와 비교하는 단계; 및 (e) 상기 비교 결과에 기초하여 매치 결정 또는 비매치 결정을 제공하는 단계를 위하여 설정된다.
도 1은 홍채 인식을 위한 장치의 기능적인 블록도이고,
도 2는 이미징 장치의 일실시예를 나타낸 도면이고,
도 3은 홍채 이미지 기반 인식 시스템에서 관련된 단계들을 나타낸 도면이고,
도 4 내지 도 7은 본 발명에 따른 홍채 기반 인식을 위한 방법을 나타내는 플로우차트이고,
도 8은 본 발명에 따른 홍채 기반 인식을 위한 방법의 실행을 나타낸 도면이고,
도 9는 본 발명에 따른 홍채 기반 인식을 위한 방법을 나타내는 플로우차트이고,
도 10은 본 발명의 다양한 실시예가 적용될 수 있는 예시적인 컴퓨터 시스템을 나타낸 도면이다.
도 2는 이미징 장치의 일실시예를 나타낸 도면이고,
도 3은 홍채 이미지 기반 인식 시스템에서 관련된 단계들을 나타낸 도면이고,
도 4 내지 도 7은 본 발명에 따른 홍채 기반 인식을 위한 방법을 나타내는 플로우차트이고,
도 8은 본 발명에 따른 홍채 기반 인식을 위한 방법의 실행을 나타낸 도면이고,
도 9는 본 발명에 따른 홍채 기반 인식을 위한 방법을 나타내는 플로우차트이고,
도 10은 본 발명의 다양한 실시예가 적용될 수 있는 예시적인 컴퓨터 시스템을 나타낸 도면이다.
본 발명은 홍채 이미징 및 프로세싱 기반 생채 인식을 위해 구성된 디바이스 및 방법에 대한 것이다. 실시예에서, 본 발명의 디바이스는 그 안에서 실행되는 홍채 기반 인식 시스템을 가진 모바일 디바이스이다.
도 1은 홍채 이미지 기반 인식을 위해 구성된 모바일 디바이스(100)의 기능적인 블록도이며, 이미징 장치(102) 및 이미지 프로세싱 장치(104)를 포함한다. 이미징 장치(102)는 대상자의 홍채 이미지를 확보하고 이미지 프로세싱 장치(104)에 이미지를 전송한다. 이미징 장치(102)가 확보한 이미지는 정지화면 또는 동영상이 될 수 있다. 이미지 프로세싱 장치(104)는 그 후에 확보된 이미지 프레임(들)을 분석하고 해당 디지털 특성 세트를 기존에 확보된 홍채 이미지 기반으로 암호화 및 저장된 디지털 템플릿과 비교하여 대상을 식별 또는 신원을 확인한다.
도 1에는 나타나 있지 않지만, 모바일 디바이스(100)는 동영상에서 정지화면을 추출하고, 이미지 정보를 프로세스하고 디지털화하고, 홍채 이미지를 등록(대상자의 홍채 정보를 확보하고, 저장하고 이렇게 저장한 정보를 가지고 그 대상자와 연관시키는 프로세스)하고, 비교(대상자로부터 확보된 홍채 정보를 등록시 기존에 확보된 정보와 비교하여 대상을 식별하거나 신원을 확인하는 프로세스)하고, 모바일 디바이스의 구성요소간 커뮤니케이션(communication)을 가능하게 하는 구성요소를 포함할 수 있다. 이미징 장치, 이미지 프로세싱 장치 및 모바일 디바이스의 다른 구성요소들은 각각 다른 디바이스를 포함하거나 하나의 모바일 디바이스로 통합될 수 있다.
도 2는 하우징(202), 이미지 센서(204) 및 광조립체(206, optical assembly)를 가진 이미징 장치(102)의 일실시예를 보여주며, 상기 이미지 센서(204) 및 광조립체(206)는 하우징(206) 내에 배치한다.
이미지 장치(102)는 종래의 단단한 정지 카메라 또는 동영상 카메라를 포함할 수 있으며 이미지 센서(204)는 CCD(charged coupled device) 또는 CMOS (complementary metal oxide semiconductor) 장치를 포함할 수 있다. 이미지 센서(204)는 적어도 400㎚에서 1,000㎚의 파장을 가진 모든 빛에 대한 민감도를 기준으로 선택될 수 있다. 광조립체(206)는 단일로 구성된 요소이거나 또는 원하는 이미지 형성 특성(forming property)을 달성하기 위하여 선택되고 구성된 광학 요소들의 조립체로 구성될 수 있다. 이미징 장치는 고정 초점(fixed focus) 또는 일반적으로 널리 알려진 (예를 들어, 보이스 코일 모터(voice coil motor) 등과 같은)기술을 사용하여 얻어진 가변초점(variable focus)을 가질 수 있다.
도 2에 나타난 바와 같이, 광조립체(206) 및 이미지 센서(204)는 (i) 이미지 센서(204)의 한 면이 광조립체(206)의 이미지 평면과 일치하고, (ii) 상기 광조립체(206)의 물체 평면(object plane)이 의도된 위치 또는 홍채 이미지 확보를 위한 대상자의 눈(E)과 일치하게 서로 구성되고, 배치될 수 있다. 따라서, 설명한 바와 같이, 대상자의 눈(E)이 물체 평면에 위치하면, 초점이 맞는(in-focus) 눈의 이미지(E')가 이미지 센서(204)에 형성된다.
이미징 장치는 추가로 식별 대상자의 홍채를 비추기 위한 조명기(illuminator, 표시되지 않음)을 포함할 수 있다. 조명기는 400㎚에서 1,000㎚ 범위의 파장을 가진 방사선을 방출할 수 있으며, 홍채 기반 이미지 인식을 위해 특별히 마련된 실시예에서는, 700㎚에서 900 ㎚ 파장을 가지는 방사선을 방출할 수 있다. 조명기는 백열등(incandescent) 또는 LED(light emitting diode)을 포함하여, 모든 조명을 포함할 수 있다.
도 3은 전형적으로 홍채 기반 인식 시스템과 관련된 단계들을 나타난다. 단계 302 에서는 이미징 장치가 대상자의 홍채 이미지를 확보한다.
단계 304에서는 확보된 이미지에 대해 홍채 세분화(segmentation)가 실행된다. 홍채 세분화란, 확보된 이미지 내에서 홍채의 내부 및 외부 경계의 위치를 파악하고, 홍채에 해당하는 이미지 부분을 크로핑(cropping)하는 단계이다. 홍채는 고리(annular) 모양을 띠기 때문에, 홍채 세분화는 일반적으로 확보된 이미지 내에서 2개의 실질적으로 동심원인 원형 경계를 식별하며, 상기 원형 경계는 홍채의 내부 및 외부 경계에 대응한다. 이와 같은 목적을 달성하기 위하여 다우그만(Daugman)의 홍채 세분화 알고리즘 등 여러 홍채 세분화 기법들이 실행될 수 있다. 홍채 세분화는 추가적으로 확보된 이미지로부터 눈꺼풀과 속눈썹 크로핑을 포함할 수 있다. 홍채 세분화는 특성 추출 및 비교 전의 단계이며, 전체적으로 생략 가능한 선택적인 단계이다. 홍채 세분화는 때로는 특성 추출 작업의 부분을 포함하며 항상 구분하여 설명되지는 않는다.
순차적으로, 특성 추출(feature extraction)은 단계 306에서 실행되며 내재하는 생채 특성을 나타내는 두드러지고 구별되는 특성을 추출하고, 암호화하기 위해 크로핑된 홍채 이미지에 대응하는 이미지 데이터를 프로세싱하는 것을 포함한다. 홍채 이미지의 경우, 세분화된 홍채 이미지의 질감을 분석하기 위하여 디지털 필터(digital filter)를 적용하여 특성을 추출할 수 있다. 디지털 필터를 적용하여, 홍채의 두드러지고 구별되는 특성들의 표현을 포함하는 이진화된 결과물(binarized output)("홍채 코드(iris code)" 또는 "특성 세트(feature set)"라고도 함)을 얻을 수 있다. 가버(Gabor) 필터의 적용과 같은 방법을 포함한 다수의 홍채 특성 추출 기술들이 실행될 수 있다.
단계 308에서, 비교 알고리즘(comparison algorithm)은 확보된 홍채 이미지를 기존 데이터베이스에 저장된 홍채 이미지 템플릿과 비교하여, 입력된 이미지와 데이터베이스 템블릿간 차이(예를 들어, 유사(similarity) 또는 비유사(dissimilarity) 정도)를 나타내는 점수를 생성한다. 비교 알고리즘은 예를 들어 두 개의 홍채 이미지 특성 세트간 해밍거리(hamming distance) 측정에 관여하고, 상기 측정된 정규화된(normalized) 해밍거리는 두 개의 홍채간 비유사도 측정치를 의미한다.
특성 추출 및 비교 단계는 하나의 단계로 통합될 수 있다. 동일하게, 특성 추출 단계를 완전히 생략할 수도 있는데 이럴 경우 비교단계는 수신된 프레임에 대응하는 홍채 이미지 정보를 적어도 하나의 홍채 이미지에 대응하는 저장된 홍채 정보와 비교하는 것을 포함할 수 있다. 본 발명의 목적을 위해, 비교 단계에 대한 모든 참고사항은 (i) 특성 추출 단계에서 확보한 특성 세트 및 저장된 홍채 이미지 템플릿간 비교, (ⅱ) 수신된 프레임에 해당하는 홍채 이미지와 적어도 하나의 홍채 이미지에 해당하는 저장된 홍채 정보를 비교하는 작업에 동등하게 적용된다.
단계 310의 경우, 비교 단계의 결과를 이용해서 확보된 홍채 이미지의 신원과 관련된 결정(신원 결정)을 하게 된다.
본 명세서를 위해, 신원 결정(identity decision)은 긍정 결정(positive decision) 또는 부정 결정(negative decision)을 포함할 수 있다. 긍정 결정("매치" 또는 "매치 결정")은 확보된 홍채이미지가 (i) 홍채 이미지 또는 시스템 내에 이미 등록 또는 올린 홍채 템플릿과 매치가 되거나, (ⅱ) 홍채 이미지 또는 시스템 내에 이미 등록 또는 올린 홍채 템플릿과 사전에 결정된 유사성 정도가 충족된다는 결정을 포함한다. 부정 결정("비매치(non-match)" 또는 "비매치(non-match) 결정”)은 확보된 이미지가 (i) 홍채 이미지 또는 시스템 내에 이미 등록 또는 올린 홍채 템플릿과 매치가 되지 않거나 (ⅱ) 홍채 이미지 또는 시스템 내에 이미 등록 또는 올린 홍채 템플릿과 사전에 결정된 유사성 정도를 충족하지 않는다는 결정을 포함한다. 매치(또는 비매치(non-match)) 결정이 사전 설정 조건을 충족하는(또는 충족하지 못하는) 실시예에서, 홍채 이미지 또는 시스템 내에 등록 또는 올린 홍채 템플릿과의 사전에 설정된 유사성 정도, 다시 말해서, 사전에 설정된 유사성 정도는 애플리케이션 및 정확성에 대한 요구 조건에 따라서 다를 수 있다. 특정 디바이스의 경우(예를 들어, 모바일 디바이스), 신원 확인의 결과가 모바일 디바이스 또는 모바일 디바이스의 통신에 대하여 잠금 해지, 권한 액세스 또는 허용할 수 있으며, 홍채 이미지 인식 실패는 잠금해지 또는 액세스를 거부할 수 있다. 본 발명의 실시예에 따르면, 매치(또는 비매치(non-match)) 결정은 다른 디바이스 또는 장치로 전송되어, 전송된 결정 결과에 따라 거래를 허용 또는 거부하거나, 또는 디바이스, 장치, 구역(premises) 또는 정보에 대한 권한을 부여하거나 액세스를 거부하게 구성될 수 있다.
홍채 기반 인식 시스템 관련 단계 중에서, 정교한 홍채 세분화 및 특성 추출은 특별히 자원 집약적이며(나머지 단계와 비교해서), 다른 단계보다 더 많은 프로세싱 시간과 자원이 필요하다. 홍채 기반 이미징 및 프로세싱 장치와 현재 관련된 기존의 프로세싱 역량을 감안하고, 나아가 이미 알려진 모바일 디바이스의 프로세싱 성능을 감안하면, 세분화 및 특성 추출에 필요한 프로세싱 단계들은 홍채 인식 시스템에서 관찰된 시간 지연의 중요한 원인 요소라고 알려져 있다.
도 4는 본 발명에 따른 홍채 기반 인식을 위한 방법을 나타내는 흐름도이다. 상기 방법은 이미지 센서로부터 이미지 프레임을 수신하면서 단계 402에서 시작된다. 이미지 프레임은 적어도 하나의 이미지 프레임을 확보하라는 작업명령에 따른 반응으로 이런 이미지 프레임이 이미지 센서에 의해 확보될 수도 있다. 이미지 센서는 (i) 하나의 이미지 프레임을 확보하라는 작업 명령에 반응(싱글 프레임 이미지 캡쳐 모드)하거나 또는 (ⅱ) 이미지 센서의 비디오 프레임 레이트에 확보된 이미지 프레임 시퀀스를 확보하라는 작업 명령에 반응(비디오 이미지 캡쳐 모드)하게 구성될 수 있다.
단계 404에서, 홍채 세분화 및 이미지 서브샘플링 중 하나 또는 둘이 수신된 이미지 프레임 상에서 실행된다. 홍채 세분화는 (i) 수신된 이미지 프레임에 홍채 이미지가 포함됐는지를 파악하고 (ⅱ) 이미지 프레임 내에 이미지화된 홍채를 분리시키는 것 중 하나 또는 둘을 포함할 수 있다. 이미지 서브샘플링(subsampling)이란 이미지 프레임의 이미지 샘플링 해상도(resolution)를 줄이는 프로세스이고, 이미지 프레임을 표현하기 위해 필요한 데이터 비트 수를 줄이도록 실행될 수 있다. 도 4의 방법에 따른 실시예에 의하면, 홍채 세분화 및 이미지 서브샘플링 중 하나 또는 둘은 완전히 생략될 수 있거나, 본 발명에 의한 방법의 다른 단계에서 통합되거나 포함될 수 있다.
단계 405는 수신된 이미지 프레임 또는 파생된 서브샘플링된 이미지 프레임, 또는 수신된 이미지 프레임으로부터 유래한 이미지 정보 중 하나 또는 그 이상이 추가 프로세싱을 위해 사전에 설정된 기준을 충족하는지를 결정하는 것을 포함하고, 추가적인 프로세싱은 특성 추출 또는 비교 또는 둘 다를 포함할 수 있다. 단계 405에서 사전에 설정된 기준은 다음과 같은 분석 대상 이미지 프레임의 속성들 중 하나 또는 그 이상을 기준으로 정의될 수 있다 : (ⅰ) 그레이스케일(greyscale) 스프레드(spread), (ⅱ) 홍채 크기, (ⅲ) 팽창(dilation), (ⅳ) 사용가능한 홍채 영역, (ⅴ) 홍채-공막(sclera) 콘트라스트(contrast), (ⅵ) 홍채-동공(pupil) 콘트라스트, (ⅶ) 홍채 형태, (ⅷ) 동공 형태, (ⅸ) 이미지 마진(margins), (ⅹ) 이미지 선명도(sharpness), (ⅹⅰ) 모션(motion) 블러(blur), (ⅹⅱ) 소음 대비 신호 비율(signal to noice ratio), (ⅹⅲ) 게이즈(gaze) 각도, (ⅹⅳ) 스칼라(scalar) 점수, (ⅹⅴ) 추가 프로세싱을 위해 고려중인 생성 또는 수신된 이미지 프레임과 추가 프로세싱을 위해 이전에(previously) 준비된 이미지 프레임을 구별하는 최소한의 시간 간격, (ⅹⅵ) 추가 프로세싱을 위해 순차적으로 준비된 두 개의 이미지 프레임을 구분하기 위하여 필요한 연속적으로 생성된 이미지 프레임의 최소 개수, (ⅹⅶ) 추가 프로세싱을 위해 고려중인 이미지 프레임 및 추가 프로세싱을 위해 이전에 준비된 이미지 프레임간 차이(유사성 또는 차이의 정도). 상기 각 평가 요소들은 아래에서 보다 상세하게 설명된다.
이미지 프레임이 추가적인 프로세싱을 위하여 사전에 설정된 기준을 충족하지 않으면, 다음 단계인 특성 추출로 넘어가지 않고, 대신 이미지 센서로부터 다른 이미지를 수신하기 위해 단계 402로 되돌아간다. 하지만, 단계 402에서 확보된 이미지 프레임이 미리 결정된 기준을 충족하면, 단계 406에서 이미지 프레임에 대해 특성 추출을 실행한다. 단계 406에서의 특성 추출은 단계 402에 수신된 이미지 프레임에 대응하는 바뀌지 않는 이미지 정보 상에서 실행될 수 있다. 선택적으로, 수신된 이미지 프레임이 단계 404에서의 홍채 세분화 및/또는 이미지 서브샘플링을 거쳤다면, 특성 추출이 홍채 세분화 및/또는 이미지 서브 샘플링 단계에서 생성되는 이미지 데이터 결과물 상에서 실행될 수 있다. 역시 선택적으로, 홍채 세분화 및/또는 이미지 서브 샘플링 단계에서 생성되는 이미지 데이터 결과물이 단지 추가 프로세싱을 위해 사전에 결정된 기준을 충족하는지 여부를 결정하기 위해 사용될 수 있으며(단계 405에서), 사전에 결정된 기준을 충족하는 이미지 프레임에 대하여 특성 추출은 홍채 세분화 또는 이미지 서브 샘플링에 의하여 줄어들지 않은 이미지 프레임 데이터 상에서 실행될 수 있다(단계 406에서).
단계 408에서, 특성 추출 단계 406의 결과인 홍채 특성 세트 상에서 비교 작업이 수행된다. 비교 단계는 추출된 홍채 특성 세트를 적어도 하나의 홍채 이미지에 대응하는 저장된 홍채 정보와 비교하는 단계를 포함할 수 있다. 단계 409에서, 비교 작업 결과 매치가 발견되면 방법이 종결되고, 그렇지 않으면 다음 이미지 프레임을 위해 단계 402로 돌아갈 수 있다. 특성 추출 및 비교 단계는 하나의 단계로 통합될 수 있다. 마찬가지로, 특성 추출 작업은 전체적으로 생략될 수 있으며, 이럴 경우 비교단계는 수신된 프레임에 해당하는 홍채 이미지 정보를 적어도 하나의 홍채이미지에 해당하는 저장된 홍채 정보와 비교하는 단계를 포함할 수 있다.
도 4의 단계 409에 나타난 루핑(looping)은 선택적이며, 정해진 수의 확보된 이미지 프레임을 기초로 매치 검색을 수행하거나, (i) 정해진 기간 동안(예를 들어 방법이 종료될 때까지) 또는 (ii) 찾아진 매치가 만들어진 후 아무 때나, 또는 (iii) 매치를 찾지 못한 채, 취소, 종료, 또는 중지될 때까지 이미지 프레임에 대해 비교 작업을 한 후 방법을 중지시킴으로써 도 4 방법의 변형된 방법은 실행될 수 있다. 실시예에서, 이미징 센서(또는 이미징 장치 또는 장치 또는 센서와 같은 디바이스 하우징)와 대상자간의 거리가 사전에 정해진 최대 거리를 초과했다는 센서의 판단을 기반으로 본 방법이 종료될 수 있다. 이와 같은 판단을 할 수 있는 센서에는 용량성 센서(capacitive sensor), 용량형 변위 센서(capacitive displacement sensor), 도플러 효과 센서, 와전류 센서(eddy-current sensor), 인덕티브 센서(inductive sensor), LRF(laser rangefinder) 센서, 마크네틱(마그네틱 근접 센서 포함), 수동 광센서(CCD(charge-coupled device) 포함), 열적외선 센서, 반사형 광전지 센서, 레이더 센서, 반사 기반 센서, 소나 기반 센서 또는 초음파 기반 센서와 같은 근접 센서(proximity sensor)들이 있다. 다른 실시예에서는, (i) 이전에 이미지 프레임에 있었던 눈이 이후의 이미지 프레임에 없을 경우 또는 (ii) 이후의 이미지 프레임에서 눈 크기가 작아지면, 본 발명에 의한 방법이 종료될 수 있으며, 이는 홍채 이미징 디바이스가 눈 주변에서 벗어나 있다는 것을 의미한다.
마찬가지로, 단계 405에서는, 확보된 이미지 프레임이 추가 프로세싱을 위한 사전에 정해진 기준을 충족하지 못하면, 본 발명에 의한 방법은 다른 이미지 프레임을 수신하기 위하여 단계 402로 돌아가지 않는 채 간단하게 종료될 수 있다.
단계 402에서 두 번째(그리고 이후의 각각) 이미지 프레임 확보 방식은 이미지 프로세싱 장치가 단일 프레임 캡쳐 모드인지 비디오 이미지 캡쳐 모드인지에 따라 결정될 수 있다. 단일 프레임 이미지 캡쳐 모드의 경우, 단계 402에서 연속적인 이미지 프레임은 조작자 또는 다른 수단에 의하여 이미지 센서의 반복적인 작동(actuation)이 있을 때만 확보된다. 비디오 이미지 캡쳐 모드의 경우, 이미지 센서는 한 번의 작업으로 이미지 센서가 일련의 연속적인 이미지 프레임을 확보하며, 확보된 연속적인 이미지 프레임 안에 있는 연속적인 이미지 프레임 중에서 다음 이미지 프레임이 단계 402에서 확보될 수 있다. 다양한 실시예에 따르면, (i) 이미지 센서가 생성한 전체 이미지 세트가 소진될 때까지, 또는 (ⅱ) 이미지 센서로부터 이미지 프레임의 미리 설정된 수가 수신될 때까지, 또는 (ⅲ) 미리 설정된 시점까지, 또는 (ⅳ) 미리 설정된 조건이 충족될 때까지 연속적인 이미지 프레임들이 이미지 센서로부터 확보될 수 있다.
추출 단계 및/또는 비교 단계 전에 미리 설정된 조건을 충족하지 못하는 이미지 프레임을 선별적으로 폐기함으로써, 본 발명에 의한 방법은 비생산적인 프로세싱 단계를 줄임으로써 대응 시간, 전력 소비를 개선시키고 홍채를 포함하지 않는 이미지에서의 잘못된 양성 신호를 방지한다.
단계 405와 연관해서 설명한 바와 같이, 단계 405에서 사전에 설정된 조건은 다음과 같은 요소 중 하나 또는 그 이상으로 정의될 수 있다.
그레이스케일( Grayscale ) 스프레드( Spread ) - 그레이스케일 스프레드는 이미지의 밝기값(intensity value)의 스프레드(spread)를 측정한다. 넓고 잘 분포된 스프레드의 밝기값을 가진 이미지 프레임은 적절하게 노출된 이미지를 뜻한다. 따라서, 이미지 프레임의 그레이스케일 스프레드의 평가는 이미지 프레임 노출의 정성적 측정값을 나타낸다.
홍채 크기 - 홍채 크기는 홍채 반경에 걸친 픽셀 수로 측정하며, 원은 홍채 경계의 근사치다. 홍채 크기는 오브젝트 공간에서 공간적인 샘플링 비율(sampling rate)의 함수(function)다. 추가 프로세싱을 위한 홍채 크기의 한계치를 정함으로써, 본 발명에 의한 방법은 홍채 이미지가 정확한 추출 및 비교 위한 충분한 원본(textual) 정보를 제공하지 않은 이미지 프레임을 제거한다.
팽창( Dilation ) - 팽창은 동공(pupil) 지름 대비 홍채 지름의 비율로 정의될 수 있다. 팽창의 정도는 이미지화된 홍채의 원본(textural) 내용을 바꿀 수 있다. 홍채 이미지 확보를 위해 설정된 한계치 또는 값의 범위를 사전에 정함으로써, 본 발명에 의한 방법은 분석 대상인 홍채 이미지 및 기존에 등록된 홍채 템플릿의 팽창 정도가 비슷하다는 것을 확인함으로써 인식 시스템의 정밀도를 향상시킨다.
사용가능한 홍채영역( Usable iris area ) - 사용가능한 홍채 영역은 속눈썹, 눈꺼풀, 거울반사, 주위 거울반사 또는 그외의 것들에 의하여 가려지지 않은 홍채의 백분율로서 측정된다. 홍채의 가림(occlusion)은 비교하기 위하여 이용할 수 있는 홍채 원본 정보를 줄이는 것은 물론 홍채 세분화 프로세스의 정확도를 떨어뜨리며, 이러한 것들로 인하여 인식 에러가 증가한다. 사용가능한 홍채영역에 대한 한계값을 정의함으로써 인식 에러가 발생할 수도 있는 이미지 프레임을 없앨 수 있다.
홍채-공막( sclera ) 콘트라스트 ( contrast ) - 불충분한 홍채-공막 콘트라스트는 홍채 세분화 및 특성 추출 프로세스의 정확도에 영향을 줄 수 있다. 따라서, 평가를 받는 이미지 프레임의 홍채-공막 콘트라스트는 특성 추출 및 비교 작업을 진행하지 않고 이미지 프레임을 삭제하기 위하여 사전에 정의된 기준을 포함할 수 있다.
홍채-동공( pupil ) 콘트라스트 - 홍채-동공 콘트라스트는 홍채 영역과 동공 영역의 경계 영역에서 이미지 특성을 측정한다. 낮은 홍채-동공 콘트라스트는 세분화에 영향을 줄 수 있고, 특성 추출 작업의 정확도를 떨어뜨릴 수 있다. 따라서, 홍채-동공 콘트라스트는 추가적인 프로세싱 없이 이미지 프레임을 삭제하기 위하여 미리 결정된 기준으로서 역할을 할 수 있다.
홍채 형태( Iris shape ) - 홍채 형태는 홍채-공막(iris-sclera) 경계의 형태로서 정의된다. 홍채 형태는 해부학적 변이의 결과일 수 있는데, 비정면 응시(non-frontal gaze)와 같은 대상자의 행동에 의해서도 영향을 받을 수 있다. 이미지 프레임 평가(assessment)를 위한 미리 결정된 기준으로서 홍채 형태는 이미지를 캡쳐하는 동안 대상자 행동에 의하여 영향을 받는 이미지 프레임을 삭제하기 위한 원칙을 제공한다.
동공 형태( Pupil shape ) - 동공의 인접 지역에서 홍채 부분은 높은 정보 콘텐츠를 제공한다. 따라서, 홍채-동공 경계의 정확한 측정은 중요하고, 동공 형태는 이미지 프레임 평가와 이미지 프레임의 삭제를 위하여 사전에 결정된 기준을 제공하며, 이러한 이미지 프레임에서 이미지 캡쳐하는 동안 대상자 행동에 의하여 동공 형태는 영향을 받는다. 이미지 평가(assessment)를 위한 사전에 결정된 기준으로서 동공 형태는 선택적인 특성 추출과 이미지 프레임 상에서 시행하기 위한 비교 작업 중에서 선택할 수 있는 기준을 선택적으로 제공할 수 있다.
마진( margins ) - 마진은 이미지 프레임 경계로부터 외각 홍채 경계의 거리를 의미한다(상부, 하부, 좌측, 우측). 충분하지 않은 이미지 마진은 특성 추출을 하는데 어려움이 있음을 의미한다. 따라서, 이미지 마진은 추가적인 프로세싱 없이 이미지 프레임을 삭제하기 위한 기준으로 사용될 수 있다.
이미지 선명도( sharpness ) - 이미지 선명도는 이미지 프레임에서 관찰되는 비초점(非焦點, defocus) 블러(blur)를 포함한다. 물체가 카메라 영역의 깊이 바깥에 있을 때, 비초점 블러는 일반적으로 관찰된다. 따라서, 이미지 선명도는 추가적인 프로세싱 없이 이미지 프레임을 삭제하기 위한 기준으로 사용될 수 있다.
모션 ( motion ) 블러 ( blur ) - 모션 블러는 카메라의 움직임 또는 물체의 움직임 또는 둘 모두의 움직임으로부터 일어나고, 홍채 인식에서 에러 가능성을 증가시킨다. 손바닥 크기의 디바이스에서, 물체의 움직임에 의하여 또는 손떨림(hand jitter)에 의하여 모션 블러가 생기거나 모션 블러의 원인이 된다. 따라서, 이미지 프레임에서 모션 블러의 정도는 특성 추출 및 비교 없이 적당하지 않은 이미지 프레임을 삭제하기 위한 기준으로 사용될 수 있다.
소음 대비 신호 비율( signal to noice ratio ) - 이미지의 소음 대비 신호 비율은 특성 추출과 비교에 접합한지에 대한 결정인자(determinant)를 제공한다. 일실시예의 시행에 있어서, 이미지의 소음 대비 신호 비율은 이미지 압축 기술에 의하여 생기는 소음을 포함하여 40dB 보다 크거나 40dB와 동일할 것이 요구될 수 있다.
게이즈 ( gaze ) 각도 - 홍채 이미지의 게이즈 각도는 대상자(subject)의 광축(optical axis)과 카메라의 광축 사이에서의 편차의 측정값이다. 탈축(off-axis)이 발견되어 홍채의 투영 변형(projective deformation)을 일으킬 때의 홍채의 이미징이며, 홍채의 투영 변형은 특성 추출과 비교 작업의 정확성에 영향을 준다. 허용되는 게이즈 각도를 위하여 사전에 정의된 한계값은 적당하지 않은 이미지 프레임을 삭제하도록 돕니다.
스칼라( scalar ) 점수 - 이미지 프레임의 특이한 특성은 매치 능력을 예측할 수 있는 이미지 프로세싱에 의하여 결정될 수 있고, 스칼라 점수로서 표현될 수 있다. 허용되는 점수를 위하여 사전에 정의된 한계값은 적당하지 않은 이미지 프레임을 삭제하도록 돕니다.
추가 프로세싱을 위해 고려중인 생성 또는 수신된 이미지 프레임과 추가 프로세싱을 위해 이전에 준비된 이미지 프레임을 구별하는 최소한의 시간 간격 - 미리 정의된 시간 간격은 특성 추출 및/또는 비교(또는 다른 이미지 프로세싱 단계)를 위하여 준비된 이전의 이미지 프레임과 특성 추출 및/또는 비교(또는 다른 이미지 프로세싱 단계)를 위하여 준비된 다음 이미지 프레임을 구별하도록 도울 수 있다. 시간 간격은 이미지 프레임(이미지 센서에서)의 생성 시간 또는 프로세싱을 위한 프로세서에서 이미지 프레임의 수신 시간에 기초하여 평가될 수 있다. 예를 들어, 이미지 프레임은 매 1000분의 100초마다 추출 및/또는 비교(또는 다른 이미지 프로세싱 단계)를 위하여 준비될 수 있다. 추출 및/또는 비교(또는 다른 이미지 프로세싱 단계)를 위하여 준비된 연속적인 이미지 프레임 쌍들 사이의 시간 간격은 균일하거나(예를 들어, 이미지 프레임의 모든 쌍들에 대하여 동일하거나) 균일하지 않을(이미지 프레임의 다른 쌍에 따라서 차이가 나거나) 수도 있다.
추가 프로세싱을 위해 순차적으로 준비된 두 개의 이미지 프레임을 구분하기 위하여 연속적으로 생성된 이미지 프레임의 개수 - 연속적으로 생성된 이미지 프레임의 미리 정의된 수는 특성(feature) 추출 및/또는 비교(또는 다른 이미지 프로세싱 단계)를 위하여 순차적으로 준비된 두 개의 이미지 프레임을 구분하기 위하여 요구된다. 특성 추출 및/또는 비교를 위하여 준비된 이미지 프레임의 연속적인 쌍 사이에 중간 프레임의 미리 결정된 개수는 균일하거나(예를 들어, 이미지 프레임의 모든 쌍들에 대하여 동일하거나) 균일하지 않을(이미지 프레임의 다른 쌍에 따라서 차이가 나거나) 수도 있다.
추가 프로세싱을 위해 고려중인 이미지 프레임 및 추가 프로세싱을 위해 이전에 준비된 하나 또는 그 이상의 이미지 프레임간 유사성 또는 비유사성 - 특성 추출 및/또는 비교(또는 다른 이미지 프로세싱 단계)를 위하여 연속적으로 준비된 이미지 프레임의 선택은 현재의 이미지 프레임과 특성 추출 및/또는 비교(또는 다른 이미지 프로세싱 단계)를 위하여 준비된 하나 또는 그 이상의 이전 이미지 프레임 간의 최소 또는 최대(또는 최소와 최대 모두) 한계값 차이에 기초할 수 있다. 현재의 이미지 프레임과 특성 추출 및/또는 비교(또는 다른 이미지 프로세싱 단계)를 위하여 준비된 하나 또는 그 이상의 이전 이미지 프레임 간의 차이에 대하여 최소 한계값을 시행함으로써, 본 발명은 추가적인 프로세싱을 위하여 선택된 각각의 이미지 프레임이 보다 이전에 프로세싱된 이미지 프레임과 비교하여 인식할 수 있는 차이를 가진다는 내용을 확인할 수 있으며, 이는 거의 동일한 프레임 상에서 불필요한 프로세싱을 피할 수 있다. 현재의 이미지 프레임과 특성 추출 및/또는 비교(또는 다른 이미지 프로세싱 단계)를 위하여 준비된 하나 또는 그 이상의 이전 이미지 프레임 간의 차이에 대하여 최대 한계값을 시행함으로써, 본 발명은 추가적인 프로세싱을 위하여 선택된 각각의 이미지 프레임이 보다 이전에 프로세싱된 이미지 프레임과 비교하여 실질적으로 다르지 않다는 내용을 확인할 수 있으며, 이는 그러한 프레임은 갑작스러운 큰 변화를 가져 오지 않고, 추출 및 비교에 적당하거나 매치(또는 비매치(non-match)) 결정을 만드는데 적합할 가능성을 높인다. 2개의 이미지 프레임 사이의 차이는 맨하탄 거리(Manhattan distance), 유클리드 거리(Euclidean distance), 마할라노비스 거리(Mahalanobis distance) 또는 유사성이나 비유사성의 다른 측정 방법에 의하여 측정될 수 있고, 유사성이나 비유사성의 다른 측정 방법은 이미지 프레임에 적용되거나 채용될 수 있다.
전술한 바와 같이, 특성 추출 및 비교 작업을 실행하지 않고 적합하지 않은 이미지를 삭제하기 위하여 상기 평가 인자 각각은 하나 또는 그 이상의 미리 결정된 기준으로서 역할을 할 수 있다. 선택적으로, 이러한 인자는 홍채 세분화 및/또는 평가(assessment) 중인 이미지 프레임에 가장 적합한 특성 추출 작업을 선택하기 위한 기초로서 역할을 한다. 예를 들어, 홍채 형태가 비원형(예를 들어, 미리 정의된 원형 한계값과 일치하지 않는다.)이라는 판단은 원형 추정을 하지 않는 홍채 세분화 및 특성 추출 작업을 위한 기초를 제공할 수 있다.
특성 추출 및/또는 비교 단계는 전술한 삭제 기준을 통과하는 모든 프레임에 대하여 반복될 수 있다. 따라서, 매치가 찾아지는 때이거나 미리 결정된 타임아웃시 또는 매치가 찾아진 후에 언제라도 홍채 인식은 종료될 수 있다. 바람직한 실시예에서, 특성 추출 및/또는 비교 단계는 1초에 3회 또는 그 이상 반복될 수 있다.
복수의 패스(pass) 특성 추출 및/또는 비교를 시행함으로써, 추가적으로 본 발명은 비디오 이미지 캡쳐 모드에서 홍채 인식 프로세스를 최적화하려고 한다.
도 5는 홍채 이미지 인식을 위한 복수의 패스 추출 및/또는 비교 방법을 포함하는 발명의 일실시예를 나타내는 플로우차트이다. 단계 502에서 본 발명에 의한 방법은 이미지 센서에서 이미지 프레임의 생성을 개시한다. 단일 프레임 이미지 캡쳐 모드이거나 비디오 이미지 캡쳐 모드에서 이미지를 캡쳐함으로써, 이미지 센서는 실행(actuation) 지시에 회신하도록 마련된다. 이미지 센서에 의하여 만들어진 이미지 프레임은 프로세서에서 이미지 센서로부터 수신될 수 있고, 이미지 프레임은 홍채 이미지를 포함한다.
단계 503에서 홍채 세분화와 이미지 서브샘플링의 하나 또는 둘 모두는 이미지 센서에 의하여 만들어지고, 이미지 센서로부터 수신된 이미지 프레임 상에서 실행된다. 동등하게, 본 방법은 하나 또는 둘 모두를 삭제하거나, 하나 또는 그 이상의 다른 이미지 프로세싱 단계 안으로 하나 또는 둘 모두를 통합하거나 포함시킬 수 있다.
단계 504에서, 특성 추출 및/또는 비교 작업의 첫번째 세트의 수행(execution)을 포함하는 첫번째 패스(pass)는 수신된 이미지 프레임 상에서 또는 수신된 이미지 프레임으로부터 얻어지는 이미지 정보 상에서 실행될 수 있다. 특성 추출 및/또는 비교 작업의 첫번째 세트는 특성 추출의 첫번째 세트 및/또는 비교 작업(operation)의 첫번째 세트를 각각 포함할 수 있다. 특성 추출 작업의 첫번째 세트는 수신된 이미지 프레임안에서 홍채 이미지의 첫번째 홍채 특성 세트를 추출하기 위한 수신된 홍채 이미지에서 행해질 수 있다. 비교 작업의 첫번째 세트는 (i) 첫번째 홍채 특성 세트를 적어도 하나의 저장된 홍채 이미지 템플릿과 비교함으로써, 또는 (ⅱ) 수신된 이미지 프레임에 대응하는 이미지 정보를 적어도 하나의 홍채 이미지에 대응하는 저장된 이미지 정보와 비교함으로써 수행될 수 있고, 이러한 비교 작업은 수신된 이미지 프레임 안의 홍채 이미지와 관련된 매치(또는 비매치) 결정을 만들도록 한다.
본 발명의 실시예에서, 단계 504에서 특성 추출 및/또는 비교 작업의 첫번째 세트는 단계 502에서 만들어진 이미지 프레임에 대응하는 변형되지 않는 이미지 데이터에서 실행된다. 바람직한 실시예에서, 수신된 이미지 프레임은 단계 503에서 홍채 세분화 및/또는 이미지 서브샘플링에 놓여지고, 특성 추출 및/또는 비교는 홍채 세분화 및/또는 이미지 서브샘플링으로부터 생기는 출력(output) 이미지 데이터에 기초하여 실행된다.
단계 506은 첫번째 패스가 사전에 특정된 결과(outcome)(예를 들어, 첫번째 패스가 매치를 만들어내면)에 대응하는 출력을 만들어 내는지를 결정하고, 만약 그렇다면, 본 발명에 의한 방법은 다음 단계로 옮겨간다.
한편, 첫번째 패스가 사전에 특정된 결과(outcome)에 대응하는 출력(output)을 만들어내지 못하면, 두번째 패스가 단계 508에서 실행되며, 단계 508에서 특성 추출 및/또는 비교 작업의 두번째 세트를 수신된 이미지 프레임이나 수신된 이미지 프레임으로부터 얻어지는 정보에 적용하는 것을 포함한다.
또 다른 실시예에서, 첫번째 패스가 사전에 특정된 결과에 대응하는 출력을 만들어내지 않으면, 이미지 프레임은 사전에 결정된 기준에 기초하여 건너뛸 수 있다.
특성 추출 및 비교 작업의 두번째 세트는 특성 추출 작업의 두번째 세트와 비교 작업의 두번째 세트를 각각 포함할 수 있다. 특성 추출 작업의 두번째 세트는 수신된 이미지 프레임안에서 홍채 이미지의 두번째 홍채 특성 세트를 추출하기 위한 수신된 홍채 이미지에서 행해질 수 있다. 비교 작업의 두번째 세트는 첫번째 홍채 특성 세트를 홍채 데이터베이스로부터 얻어진 적어도 하나의 저장된 홍채 이미지 템플릿과 비교함으로써 수행되고, 비교 작업(comparison operation)은 수신된 이미지 프레임 안의 홍채 이미지와 관련된 매치(또는 비매치) 결정을 만들도록 한다.
도 5의 방법의 일실시예에서, 특성 추출 작업의 첫번째 세트 및 두번째 세트 중 하나 또는 둘은 특성 추출 작업의 다른 세트에서는 포함되지 않은 적어도 하나의 작업을 포함할 수 있다. 특정 실시예에서는, 특성 추출 작업의 두번째 세트는 특성 추출 작업의 첫번째 세트에서는 포함되지 않은 적어도 하나의 작업을 포함할 수 있다. 유사하게, 비교 작업의 첫번째 세트 및 두번째 세트 중 하나 또는 둘은 비교 작업의 다른 세트에서는 포함되지 않은 적어도 하나의 작업을 포함할 수 있다. 특정 실시예에서는, 비교 작업의 첫번째 세트 및 두번째 세트가 동일할 수 있다. 다른 특정 실시예에서는, 특성 추출 작업의 첫번째 세트 및 두번째 세트가 동일할 수 있다.
매치(또는 비매치) 결정은 두번째 패스의 결과를 기초로 만들어질 수 있다. 본 발명에 의한 방법의 실시예에서, 수신된 이미지 프레임은 단계 503에서 홍채 세분화 및/또는 이미지 서브샘플링에 놓여지고, 특성 추출 및/또는 비교는 홍채 세분화 및/또는 이미지 서브샘플링으로부터 생기는 출력(output) 이미지 데이터에 기초하여 실행된다. 바람직한 실시예에서, 단계 503에서 선택적인 홍채 세분화 및 이미지 서브샘플링 중에서 하나 또는 둘에 놓여지는 이미지 프레임이라도, 단계 508에서 특성 추출 및/또는 비교 작업의 두번째 세트는 단계 502에서 만들어진 이미지 프레임에 대응하는 변형되지 않는 이미지 데이터에서(예를 들어, 홍채 세분화 및 홍채 서브샘플링의 하나 또는 둘에 의하여 감소되지 않는 이미지 프레임 데이터에서) 실행된다.
특성 추출 및/또는 비교 작업의 첫번째 세트 및 두번째 세트는 시간 효율과 정확성 중 하나 또는 그 이상을 최적화하기 위하여 개별적으로 선택된다.
도 5에서 설명하는 본 발명의 일실시예에 의한 방법에서, 특성 추출 및/또는 비교 작업의 첫번째 세트 및 두번째 세트는 하나 또는 그 이상의 (ⅰ) 실행되는 프로세싱 알고리즘, (ⅱ) 실행하기 위한 지시 개수(number of instruction for execution), (ⅲ) 요구되는 프로세싱 자원(processing resources), (ⅳ) 알고리즘 복잡성(algorithmic complexity), (ⅴ) 홍채 이미지에 적용되는 필터면에서 서로 차이가 난다.
도 5에서 설명하는 본 발명의 바람직한 일실시예에 의한 방법에서, 특성 추출 및/또는 비교 작업의 두번째 세트는 보다 많은 프로세서 및/또는 시간 집약적이다. 결과로서, 첫번째 패스를 수행하는 것은 빠르고/빠르거나, 두번째 패스를 수행하는 것보다 적은 시스템 자원을 필요로 한다. 첫번째 패스의 결과가 매치(또는 비매치) 결정을 만들기에 충분한 경우에는, 본 발명에 의한 방법은 보다 복잡하고/복잡하거나 보다 컴퓨터에 의한 집약적인 두번째 패스 특성 추출 및/또는 비교 작업을 운영해야만 하는 것을 전적으로 회피며, 이렇게 하여, 매치(또는 비매치) 결정을 만들기 위하여 요구되는 시간을 현저하게 향상시킨다.
도 5에서 설명하는 본 발명의 일실시예에 의한 방법에서, 이미지 프레임은 단계 503에서 홍채 세분화 및 이미지 서브샘플링 중 하나 또는 둘에 놓여지고, 특성 추출 및/또는 비교 작업의 첫번째 세트와 두번째 세트는 동일할 수 있다. 본 실시예에서, 특성 추출 및/또는 비교 작업의 첫번째 패스는 단계 503에서 홍채 세분화 및/또는 이미지 서브샘플링으로부터 생기는 출력(output) 이미지 프레임 데이터에서 실행되고, 특성 추출 및/또는 비교 작업의 두번째 패스는 이미지 서브샘플링에 의하여 감소하지 않는 획득한 이미지 프레임에 대응하는 이미지 프레임 데이터에서 실행된다.
도 5에서 설명되지는 않았지만, 단계 508에서 두번째 패스가 매치 결정을 하기에 충분한 결과를 만들어내지 못하거나 사전에 특정된 결과에 대응하는 출력을 만들어내지 못하면, 본 방법은 이미지 센서로부터 다른 이미지 프레임을 수신하고, 단계 503 내지 단계 510를 반복할 수 있다. 선택적으로, 이러한 경우, 본 방법은 다른 이미지 프레임을 수신하지 않고 간단하게 종료할 수도 있다.
도 6은 복수 패스의 추출 및/또는 비교 방법의 다른 실시예를 나타내는 도면이다. 단계 602에서 본 방법은 이미지 센서에서 이미지 프레임의 생성을 개시한다. 이미지 센서는 단일 프레임 이미지 캡쳐 모드 또는 비디오 이미지 캡쳐 모드에서 이미지를 캡쳐함으로써, 작동 지시에 회신하도록 설치될 수 있다.
단계 603에서 홍채 세분화 및 이미지 서브샘플링 중 하나 또는 둘을 이미지 센서에 의하여 만들어지고, 프로세서에서 이미지 센서로부터 수신된 이미지 프레임에서 실행될 수 있다. 동등하게, 본 방법은 홍채 세분화 및 이미지 서브샘플링 중 하나 또는 둘은 생략될 수 있거나, 하나 또는 그 이상의 다른 이미지 프로세싱 단계에서 통합되거나 포함될 수 있다.
단계 604에서, 특성 추출 및/또는 비교 작업의 첫번째 세트의 수행을 포함하는 첫번째 패스는 이미지 센서로부터 수신된 이미지 프레임에서 수행된다. 본 발명에 의한 방법에서, 단계 604에서 특성 추출 및/또는 비교 작업은 이미지 센서로부터 수신된 이미지 프레임에 대응하는 변형되지 않는 이미지 데이터에서 실행된다. 바람직한 실시예에서, 수신된 이미지 프레임은 단계 603에서 홍채 세분화 및/또는 이미지 서브샘플링에 놓여지고, 특성 추출 및/또는 비교는 홍채 세분화 및/또는 이미지 서브샘플링으로부터 생기는 출력(output) 이미지 프레임 데이터에 기초하여 실행된다.
특성 추출 및/또는 비교 작업의 첫번째 세트는 특성 추출의 첫번째 세트 및/또는 비교 작업(operation)의 첫번째 세트를 각각 포함할 수 있다. 특성 추출 작업의 첫번째 세트는 수신된 이미지 프레임 안에서 홍채 이미지의 첫번째 홍채 특성 세트를 추출하기 위한 수신된 홍채 이미지에서 행해질 수 있다. 비교 작업의 첫번째 세트는 (i) 첫번째 홍채 특성 세트를 홍채 데이터베이스로부터 얻어지는 적어도 하나의 저장된 홍채 이미지 템플릿과 비교함으로써, 또는 (ⅱ) 수신된 이미지 프레임에 대응하는 이미지 정보를 적어도 하나의 홍채 이미지에 대응하는 저장된 이미지 정보와 비교함으로써 수행될 수 있고, 이러한 비교 작업은 수신된 이미지 프레임 안의 홍채 이미지와 관련된 매치(또는 비매치) 결정을 할 수 있도록 한다.
단계 606은 매치가 발견되었는지 결정한다. 매치가 발견되면, 고려중인 이미지 프레임은 단계 608의 두번째 패스에 놓여지며, 단계 608은 특성 추출 및/또는 비교 작업의 두번째 세트의 실행을 포함하고, 두번째 매치(또는 비매치) 결정은 두번째 패스의 결과르 기초로 단계 610에서 만들어진다. 특성 추출 및/또는 비교 작업의 두번째 세트는 특성 추출의 두번째 세트 및/또는 비교 작업(operation)의 두번째 세트를 각각 포함할 수 있다. 특성 추출 작업의 두번째 세트는 수신된 이미지 프레임안에서 홍채 이미지의 두번째 홍채 특성 세트를 추출하기 위한 수신된 홍채 이미지에서 행해질 수 있다. 비교 작업의 두번째 세트는 (i) 두번째 홍채 특성 세트를 홍채 데이터베이스로부터 얻어지는 적어도 하나의 저장된 홍채 이미지 템플릿과 비교함으로써, 또는 (ⅱ) 수신된 이미지 프레임에 대응하는 이미지 정보를 적어도 하나의 홍채 이미지에 대응하는 저장된 이미지 정보와 비교함으로써 수행될 수 있고, 이러한 비교 작업은 수신된 이미지 프레임 안의 홍채 이미지와 관련된 매치(또는 비매치) 결정을 할 수 있도록 한다.
단계 606에서 매치가 발견되지 않으면, 본 방법은 이미지 센서로부터 다른 이미지 프레임을 수신하고, 단계 603 내지 단계 610를 반복할 수 있다. 선택적으로, 이러한 경우, 본 방법은 다른 이미지 프레임을 수신하지 않고 간단하게 종료할 수도 있다.
본 발명에 의한 방법의 실시예에서, 얻어진 이미지 프레임은 단계 603에서 홍채 세분화 및/또는 이미지 서브샘플링에 놓여지고, 단계 608에서 두번째 패스의 특성 추출 및/또는 비교는 홍채 세분화 및/또는 이미지 서브샘플링으로부터 생기는 출력(output) 이미지 데이터에서 실행된다. 바람직한 실시예에서, 단계 603에서 선택적인 홍채 세분화 및 이미지 서브샘플링 중에서 하나 또는 둘에 놓여지는 이미지 프레임이라도, 단계 608에서 두번째 패스의 특성 추출 및/또는 비교 작업은 단계 602에서 만들어진 이미지 프레임에 대응하는 변형되지 않는 이미지 데이터에서 실행된다.
도 6의 방법의 일실시예에서, 특성 추출 작업의 첫번째 세트 및 두번째 세트 중 하나 또는 둘은 특성 추출 작업의 다른 세트에서는 포함되지 않은 적어도 하나의 작업을 포함할 수 있다. 특정 실시예에서는, 특성 추출 작업의 두번째 세트는 특성 추출 작업의 첫번째 세트에서는 포함되지 않은 적어도 하나의 작업을 포함할 수 있다. 유사하게, 비교 작업의 첫번째 세트 및 두번째 세트 중 하나 또는 둘은 비교 작업의 다른 세트에서는 포함되지 않은 적어도 하나의 작업을 포함할 수 있다. 특정 실시예에서는, 비교 작업의 첫번째 세트 및 두번째 세트가 동일할 수 있다. 다른 특정 실시예에서는, 특성 추출 작업의 첫번째 세트 및 두번째 세트가 동일할 수 있다.
도 6에서 설명(특별히 특성 추출 작업)된 본 방법의 특성 추출 및/또는 비교 작업의 첫번째 세트 및 두번째 세트는 시간 효율과 정확도를 최적화하기 위하여 선택될 수 있다.
도 6의 실시예에서, 특성 추출 및/또는 비교 작업의 첫번째 세트는 단계 608의 두번째 세트의 비교 및/또는 특성 추출 작업보다 적어도 (ⅰ) 컴퓨터적으로 덜 집약적이고, (ⅱ) 보다 적은 프로세싱 자원을 필요로 하고, (ⅲ) 보다 낮은 등급의 알고리즘 복잡성(algorithmic complexity)을 가진다. 결과적으로, 많은 시간과 자원의 오버헤드(overhead) 없이, 후보 이미지 프레임을 확인하기 위한 특성 추출 및/또는 비교 작업의 첫번째 패스는 이미지 센서로부터 얻어진 이미지 프레임의 세트로부터의 많은 수의 이미지 프레임에서 실행될 수 있다(실시예에서, 얻어진 이미지 프레임 세트로부터 모든 이미지 프레임에서). 한편, 첫번째 패스에서 매치(또는 비매치) 결정을 가능하게 하는 후보일 것 같은 이미지 프레임에서만 특성 추출 및/또는 비교 작업의 보다 복잡하고/자원 집약적인 두번째 패스가 실행되는 것이 요구된다. 합쳐서, 도 6의 실시예의 첫번째 패스와 두번째 패스는 정확도의 큰 떨어짐 없이, 현저하게 향상된 신원 매치 결정하기 위한 반응 시간을 제공하는 것을 알 수 있다.
제한 없이, 홍채 이미지의 질감(texture)을 심사하기 위하여 특성을 추출하는 동안 적용되는 필터의 개수와 종류 중 하나 또는 둘 모두에서, 도 6의 특성 추출 및/또는 비교 작업의 첫번째 세트와 두번째 세트는 차이가 날 수 있다.
홍채 기반 이미지 인식 프로세싱을 위한 프로세싱 시간과 결과의 정확도 면에서, 전술한 다양한 2개의 패스 방법이 현저한 향상을 보임을 확인할 수 있다.
본 발명은 추가적인 프로세싱을 위한 홍채 이미지 프레임의 선택을 위한 개선된 방법을 더 제공한다.
현재의 기술 수준에 기초하여, 홍채 이미징에 사용되는 이미지 센서의 프레임 속도는 5 프레임/초 내지 240 프레임/초 범위에 통상적으로 놓인다. 이런 프레임 속도에서, 이미지 센서는 240분의 1초와 5분의 1초 시간 사이의 간격에서 계속적인 이미지 프레임을 얻는다. 예를 들어, 초당 30프레임 속도에서 비디오를 얻도록 구비된 이미지 센서에서, 각각의 계속적인 이미지 프레임은 30분의 1초의 시간 간격에서 얻을 수 있다.
모터 기능(motor function) 또는 대상자의 물리적 반응 시간은 전형적으로 이미지 센서의 프레임 속도보다 많이 느림을 알 수 있다. (ⅰ) 홍채 카메라에 상대적인 대상자(subject) 머리의 정렬 변화, (ⅱ) 눈꺼풀 또는 속눈썹의 움직임, (ⅲ) 대상자, 오퍼레이터 또는 손바닥 크기의 이미징 장치의 순간적인 환경 때문에 야기되는 다른 모든 자발적 및 비자발적 움직임 또는 변화와 같은 움직임 또는 변화는 통상적으로 적어도 10분의 3초 내지 10분의 4초의 시간 지연, 몇몇 경우에는 더 많은 시간 지연을 야기한다. 홍채 비디오 클립 안에서 모든 연속적인 이미지 프레임이 바로 앞서는 이미지 프레임과 감지 가능하게 다른 것은 아님을 확인할 수 있다. 보다 구체적으로는, 대상자의 모터 기능 및/또는 순간적인 환경을 포함한 복수 인자에 따라서, 이미지 프레임 사이에 감지 가능한 변화는 비연속적인 이미지 프레임에서 관찰되고, 이러한 비연속적인 이미지 프레임은 모든 선택적인 이미지 프레임과 매 15번째 연속적인 프레임 사이의 어디에서나 존재할 수 있다.
감지할 수 있는 변화가 비디오 프레임 안에서 이미지 프레임에서 관찰될 수 있는 속도는 동일한 또는 실질적으로 유사한 이미지 프레임에 기초한 추출과 비교 단계는 동일하거나 실질적으로 유사한 결과를 필연적으로 낳을 수 있다는 이유에 대한 타당성(relevance)을 얻는다. 따라서, 특정 이미지 프레임이 추출 및 비교에 적합하지 않거나 또는 신뢰할 만한 매치(또는 비매치) 결정을 만들기 위하여 적합하지 않다면, 앞선 이미지 프레임과 비교하여 감지 가능한 차이를 가지는 다음 이미지 프레임을 선택하는 것은, 다음 이미지 프레임이 추출 및 비교 또는 매치(또는 비매치) 결정을 하기에 적합할 가능성을 높이도록 돕는다.
예를 들어, 특정 이미지 프레임에서 눈꺼풀 또는 속눈썹을 깜박임으로써 대상자의 홍채가 명확하지 않다면, 바로 뒤따르는 프레임에서 불명확하게 남을 가능성이 높다. 그러나, 뒤따르는 프레임을 건너뛰면서, 명확한 눈의 이미지 프레임을 얻을 가능성이 증가하고, 각각의 건너뛴 프레임은 눈의 깜박임이 완료될 가능성을 높인다.
따라서, 대상자 홍채의 비디오 스트림 안에서 각각의 연속적인 프레임에서 특성 추출 및 비교를 실행하는 대신, 본 발명은 중간 프레임을 건너뛰어, 추출 및 비교를 위하여 준비된 다음 프레임이 앞선 프레임과 감지 가능하게 차이가 날 가능성을 향상시킨다.
도 7은 본 발명의 실시예를 나타낸다.
단계 702에서, 본 발명에 의한 방법의 이미징 장치의 이미지 센서는, 비디오 캡쳐 모드에서 이미지 프레임의 순차적인 생성을 개시한다.
단계 704에서, 이미지 프레임이 이미지 센서로부터 프로세서에서 수신된다. 단계 704에서 수신된 이미지 프레임은 만들어진 연속적인 이미지 프레임 안에서 초기 이미지 프레임이거나, 선택적으로 그 안에서의 다른 이미지프레임일 수 있다.
단계 706은 수신된 이미지 프레임에서 추출 및/또는 비교 작업을 시행한다. 단계 706의 특성 추출 및/또는 비교 작업은 특성 추출의 세트 및/또는 비교 작업의 세트를 각각 포함할 수 있다. 특성 추출 작업의 세트는 수신된 이미지 프레임 안에서 홍채 이미지의 홍채 특성 세트를 추출하기 위한 수신된 홍채 이미지에서 행해질 수 있다. 비교 작업의 세트는 (i) 홍채 특성 세트를 홍채 데이터베이스로부터 얻어지는 적어도 하나의 저장된 홍채 이미지 템플릿과 비교함으로써, 또는 (ⅱ) 수신된 이미지 프레임에 대응하는 이미지 정보를 적어도 하나의 홍채 이미지에 대응하는 저장된 이미지 정보와 비교함으로써 수행될 수 있고, 이러한 비교 작업은 수신된 이미지 프레임 안의 홍채 이미지와 관련된 매치(또는 비매치) 결정을 할 수 있도록 한다.
단계 708에서, 본 발명에 의한 방법은 매치가 발견되었는지를 결정한다.
단계 708에서 매치가 발견되지 않으면, 단계 710은 만들어진 연속적인 이미지 프레임의 세트로부터 다음 이미지 프레임을 수신하고, 다음 이미지 프레임은 이미지 센서에 의하여 연속적으로 만들어진 이미지 프레임 중에서 선택되고, 다음 이미지 프레임은 앞서 선택된 이미지 프레임으로부터 사전에 결정된 기준에 따라서 구별된다. 단계 706에서 특성 추출 및/또는 비교는 선택된 다음 이미지 프레임 상에서 수행되고, 본 방법은 매치가 발견될 때까지 계속된다.
이미지 센서에 의하여 순차적으로 만들어진 이미지 프레임 중에서 다음 이미지 프레임을 선택하기 위한 사전에 결정된 기준은 프로세싱을 위한 다음 이미지 프레임의 선택을 가능하게 하는 모든 기준을 포함할 수 있다.
본 발명의 실시예에서, 사전에 결정된 기준은 특성 추출 및/또는 비교를 위하여 연속적으로 준비된 2개의 이미지 프레임을 구별하도록 요구되는 중간 프레임(intermediate frame)과 같은 순차적으로 만들어진 이미지 프레임의 개수를 정의한다. 예를 들어, 사전 결정된 기준은, 특성 추출 및/또는 비교를 위하여 연속적으로 준비된 첫번째 이미지 프레임과 다음 이미지 프레임을 구별하도록 요구되는 중간 프레임의 개수를 특정한다.
본 발명의 실시예에서, 사전 결정된 기준은 중간 프레임의 균일한 분포, 즉, 특성 추출 및/또는 비교를 위하여 연속적으로 준비된 이미지 프레임의 모든 쌍은 이미지 센서에 의하여 연속적으로 만들어진 이미지 프레임의 동일한 개수에 의하여 구별되어야 한다. 예를 들어, 사전에 결정된 기준은 특성 추출 및/또는 비교를 위하여 준비된 이미지 프레임 각각이 하나의 이미지 프레임에 의한 추출 및/또는 비교를 위하여 준비된 바로 선행하는 이미지 프레임으로부터 구별되어야 함을 구체화할 수 있고, 이 경우에 이미지 센서에 의해 만들어지고, 번갈아 나오는(alternate) 모든 이미지 프레임은 특성 추출 및/또는 비교를 위하여 준비된다. 다른 실시예에서는, 사전 결정된 기준은 중간 프레임의 불균일한 분포를 요구하는데, 특성 추출 및/또는 비교를 위하여 연속적으로 준비된 이미지 프레임의 첫번째 쌍을 구별하는 중간 이미지 프레임의 개수는 특성 추출 및/또는 비교를 위하여 연속적으로 준비된 이미지 프레임의 두번째 쌍을 구별하는 중간 이미지 프레임의 개수와 다르다. 예를 들어, 특성 추출 및/또는 비교를 위하여 준비된 첫번째 및 두번째 이미지 프레임은 0개(zero)의 중간 프레임에 의하여 구별됨을 사전 결정된 기준은 구체화할 수 있다 ; 특성 추출 및/또는 비교를 위하여 준비된 두번째 및 세번째 이미지 프레임은 2개의 중간 프레임에 의하여 구별된다 ; 특성 추출 및/또는 비교를 위하여 준비된 세번째 및 네번째 이미지 프레임은 1개의 중간 프레임에 의하여 구별된다 ; 기타 등등. 중간 프레임의 분포의 불균일한 패턴은 홍채 인식 방법의 효율을 최적화하기 위하여 다르게 될 수 있다.
본 발명의 다른 실시예에서, 사전에 결정된 기준은 특성 추출 및/또는 비교를 위하여 준비된 첫번째 이미지 프레임을 수신(이미지 센서로부터)하는 시간과 특성 추출 및/또는 비교를 위하여 준비된 다음 이미지 프레임을 수신(두번째 이미지 센서로부터)하는 시간을 구별하는 시간 간격을 정의한다. 예를 들어, 사전 결정된 기준은 이미지 프레임이 매 1,000분의 100초마다 특성 추출 및/또는 비교를 위하여 준비될 수 있음을 구체화할 수 있다. 시간 간격은 간격이 이미지 센서(예를 들어, 이미지 센서에서 매 1,000분의 100초 마다 생성되는 이미지 프레임이 추출 및/또는 비교를 위하여 준비될 수 있다.)에서 이미지 프레임의 생성에 기초하여 측정되어야 하는지, 아니면, 이미지 센서(예를 들어, 매 1,000분의 100초 마다 이미지 센서로부터 수신된 이미지 프레임이 추출 및/또는 비교를 위하여 준비될 수 있다.)로부터 이미지 프레임의 수신에 기초하여 측정되어야 하는지를 보다 구체화할 수 있다. 전술한 실시예의 경우처럼, 추출 및/또는 비교를 위하여 준비된 이미지 프레임의 연속적인 쌍간의 시간 간격은 균일하거나 불균일할 수 있다.
다른 실시예에서는, 사전 결정된 기준은 이미지 프로세싱 또는 비교를 수행하는데 필요한 자원의 활용 가능 상태를 포함할 수 있다.
추출 및/또는 비교를 위한 2개의 연속적인 이미지 프레임의 선택을 위한 사전 결정된 기준은 (ⅰ) 이미지 센서의 프레임 속도, (ⅱ) 인간 모터 기능, (ⅲ) 홍채 이미지 획득 프로세스의 결과로서 기대되는 모든 환경 상태 변화와 관련된 시간 중에서 하나 또는 그 이상의 함수(function)일 수 있다.
도 7과 관련하여 일반적으로 설명한 본 발명의 다른 실시예에서, 특성 추출 및/또는 비교를 위하여 연속적으로 준비된 이미지 프레임의 선택을 위한 사전에 결정된 기준은 특성 추출 및/또는 비교를 위하여 연속적으로 준비된 첫번째 이미지 프레임과 다음 이미지 프레임 간의 최소 한계값(threshold) 차이다. 특성 추출 및/또는 비교를 위하여 연속적으로 준비된 2개의 이미지 프레임 간의 차이에 대한 최소 한계값을 시행함으로써, 본 발명은 추가적인 프로세싱을 위하여 선택된 각각의 이미지 프레임이 보다 앞서 프로세싱된 이미지 프레임과 비교하여 감지할 수 있는 차이가 있음을 확인할 수 있으며, 이러한 이미지 프레임이 추출, 비교 또는 매치(또는 비매치) 결정을 만드는데 적당하다는 가능성을 높인다. 2개의 이미지 프레임 사이의 차이는 맨하탄 거리(Manhattan distance), 유클리드 거리(Euclidean distance), 마할라노비스 거리(Mahalanobis distance) 또는 유사성이나 비유사성의 다른 모든 측정 방법에 의하여 측정될 수 있고, 유사성이나 비유사성의 다른 측정 방법은 이미지 프레임에 적용되거나 채용될 수 있다. 유사하게, 특성 추출 및/또는 비교를 위하여 연속적으로 준비된 첫번째 및 다음 이미지 프레임 간의 최소 한계값 차이는 맨하탄 거리(Manhattan distance), 유클리드 거리(Euclidean distance), 마할라노비스 거리(Mahalanobis distance) 또는 이미지 프레임에 적용되거나 채용될 수 있는 유사성이나 비유사성의 다른 모든 측정 방법으로 구체화될 수 있다.
도 8은 도 7의 방법의 실시예의 시행을 나타내며, 여기에서는 각 선택된 다음 이미지 프레임이 n 프레임(n frame)에 의하여 앞서 선택된 이미지 프레임으로부터 구별된다. 도 7의 설명에서,
＊ 전체 14개의 연속적인 프레임(fr1에서 fr14)으로 구성되는 비디오 모드에서 얻어진 연속적인 이미지 프레임의 세트
＊ 연속적으로 선택된 이미지 프레임을 구별하는 사전 결정된 프레임의 개수(n)가 3개인 프레임(즉, n=3)이고,
＊ 특성 추출 및/또는 비교를 위하여 선택된 이미지 프레임이 배열에서 첫번째 이미지 프레임이다(fr1).
방법 단계 710의 이미지 프레임 선택 기준을 적용하여, 도 8과 관련하여 설명된 본 발명의 방법 하에서 특성 추출 및/또는 비교를 위하여 이미지 프레임 fr5, fr9 그리고 fr13은 연속적으로 선택된다.- 추출 및/또는 비교를 위하여 선택된 각각의 이미지 프레임을 이전에 선택된 프레임과 감지할 수 있을 정도로 차이가 날 가능성을 높일 목적이다.
도 7 및 도 8과 관련된 본 발명에 의한 방법의 바람직한 실시예에서, 연속적으로 선택된 이미지 프레임을 구별하는 사전 결정된 프레임 개수는 0개 프레임과 60개 프레임 사이일 수 있다.
도 9는 본 발명에 의한 방법의 다른 실시예를 보여주는데, 특성 추출 및/또는 비교는 이미지 센서에 의하여 연속적으로 만들어진 각각의 연속 프레임 상에서 수행되지 않는다. 본 실시예에서는 이미지 프레임이 특성 추출 및/또는 비교 작업이 마지막으로 수행된 이미지 프레임과 충분히 다르다는 결정 후에, 특성 추출 및/또는 비교를 위하여 이미지 프레임은 준비(taken up)된다.
단계 902에서 본 발명의 방법은 이미지 센서에서 이미지 프레임의 생성을 개시한다. 단일 프레임 이미지 캡쳐 모드 또는 비디오 이미지 캡쳐 모드에서 이미지를 캡쳐함으로써, 이미지 센서는 작동 명령에 반응하도록 구성된다.
단계 904에서 이미지 프레임은 프로세싱을 위하여 프로세서에서 이미지 센서로부터 수신된다. 따라서, 단계 906에서, 프로세서는 추출 및/또는 비교 작업을 수신된 이미지 프레임 상에서 수행한다.
단계 908에서, 단계 906의 추출 및/또는 비교의 결과가 매치(또는 비매치) 결정을 하기에 충분한지 여부를 본 발명의 방법은 결정하여, 만약 그렇다면, 본 발명에 의한 방법은 매치(또는 비매치) 결정을 하고, 종료한다.
단계 906의 결과가 매치(또는 비매치) 결정을 하기에 충분하지 않으면, 단계 910은 이미지 센서로부터 다음 이미지 프레임을 수신한다.
단계 912에서, 수신된 다음 이미지 프레임이 지난번 특성 추출 및/또는 비교 작업이 수행된 이미지 프레임과 충분히 차이가 나는가를 결정하기 위하여 본 방법은 수신된 다음 이미지 프레임을 프로세스한다. 2개의 이미지 프레임 사이의 차이는 맨하탄 거리(Manhattan distance), 유클리드 거리(Euclidean distance), 마할라노비스 거리(Mahalanobis distance) 또는 이미지 프레임에 적용되거나 채용될 수 있는 유사성이나 비유사성의 다른 측정 방법에 의하여 측정될 수 있다.
수신된 다음 이미지 프레임이 비교 및/또는 추출이 마지막 수행된 이미지 프레임과 비교하여 충분히 다르다면, 방법은 단계 906으로 돌아가고, 특성 추출 및/또는 비교 동작이 이미지 프레임에서 수행된다. 만약, 수신된 다음 이미지 프레임이 마지막 특성 추출 및/또는 비교가 수행된 이미지 프레임과 비교하여 충분히 다르지 않다면, 본 방법은 단계 910으로 돌아가서, 다음 이미지 프레임이 이미지 센서로부터 수신된다.
본 발명에 의한 방법은 매치(또는 비매치) 결정에 이를 때까지 또는 추가적인 프레임이 이미지 센서로부터 수신되지 않을 때까지 또는 특성 추출 및/또는 비교가 사전에 결정된 수의 프레임 상에서 수행될 때까지 또는 사전에 결정된 시간 간역이 완료될 때까지 또는 다른 종료 이벤트까지 계속된다.
도 10은 본 발명의 다양한 실시예가 실행될 수 있는 예시적인 시스템을 보여준다.
시스템(1002)은 적어도 하나의 프로세서(1004)와 적어도 하나의 메모리(1006)를 포함한다. 프로세서(1004)는 프로그램 명령을 실행하고, 실제 프로세서일 수 있다. 프로세서는 또한 가상의 프로세서일 수도 있다. 컴퓨터 시스템(1002)은 설명된 실시예의 사용 또는 기능의 범위에 어떠한 한계를 제시하지는 않는다. 예를 들어, 컴퓨터 시스템(1002)은 일반-목적(general-purpose) 컴퓨터, 프로그램된 마이크로프로세서(programmed microprocessor), 마이크로-콘트롤러(micro-controller), 집적 회로(integrated circuit) 그리고 다른 디바이스 또는 본 발명의 방법을 구성할 수 있는 단계를 실행할 수 있는 디바이스의 준비 중 하나 또는 그 이상을 포함할 수 있고, 이에 한정되지는 않는다. 본 발명의 실시예에서, 메모리(1006)는 본 발명의 다양한 실시예를 실행하기 위한 소프트웨어를 저장할 수 있다. 컴퓨터 시스템(1002)은 추가적인 구성을 가질 수도 있다. 예를 들어, 컴퓨터 시스템(1002)은 하나 또는 그 이상의 소통 채널(1008), 하나 또는 그 이상의 출력 디바이스(1010) 그리고 저장부(1014, storage)를 포함한다. 버스(bus), 콘트롤러(controller) 또는 네트워크와 같은 상호 접속 메커니즘(interconnection mechanism, 도시되지는 않음)은 컴퓨터 시스템(1002)의 구성들을 서로 연결한다. 본 발명의 다양한 실시예에서, 동작 시스템 소프트웨어는 컴퓨터 시스템(1002)에서 실행되는 다양한 소프트웨어를 위하여 동작 환경을 제공하고, 컴퓨터 시스템(1002)의 구성들의 서로 다른 기능들을 관리한다.
소통 채널(1008, communication channel)은 소통 매체를 통하여 다양한 다른 컴퓨팅(computing) 개체(entity)에 소통을 가능하게 한다. 소통 매체는 프로그램 지시 또는 소통 매체에서 다른 데이터와 같은 정보를 제공한다. 소통 매체는 전기(electrical), 광학(optical), RF, 적외선(infrared), 음향의(acoustic), 마이크로웨이브(microwave), 블루투스(bluetooth) 또는 다른 전송 매체와 함께 실행되는 유선 또는 무선 방법론을 포함하며, 이에 한정되지는 않는다.
입력 디바이스(1010)는 터치 스크린, 키보드, 마우스, 펜, 조이스틱, 트랙볼, 음성 디바이스, 스캔 디바이스, 또는 컴퓨터 시스템(1002)에 입력을 제공할 수 있는 모든 다른 디바이스를 포함하여, 그러나 이에 한정되지는 않는다. 본 발명의 실시예에서, 입력 디바이스(1010, input device)는 사운드 카드 또는 아날로그 또는 디지털 모드에서 음성 입력을 수용할 수 있는 유사한 디바이스일 수 있다. 출력 디바이스(1012, output device)는 CRT 또는 LCD 상에서 유저 인터페이스(user interface), 프린터, 스피커, CD/DVD 라이터(writer), LED, 액츄에이터(actuator) 또는 컴퓨터 시스템(1002)으로부터 출력을 제공하는 다른 모든 디바이스를 포함하지만, 이에 한정되지는 않는다.
저장부(1014)는 마그네틱 디스크, 마그네틱 테이프, CD-ROM, CD-RW, DVD, 모든 종류의 컴퓨터 메모리, 마그네틱 스티프(stipes), 스마트 카드, 인쇄된 바코드 또는 정보를 저장하기 위하여 사용되고, 컴퓨터 시스템(1002)에 의하여 접속될 수 있는 다른 모든 일시적인 또는 비일시적인 매체를 포함하지만, 이에 한정되지는 않는다. 본 발명의 다양한 실시예에서, 저장부(1014)는 설명된 실시예를 수행하기 위한 프로그램 지시를 포함한다.
본 발명의 실시예에서, 컴퓨터 시스템(1002)은 본 발명의 다양한 실시예가 엔드-투-엔드(end-to-end) 소프트웨어 애플리케이션을 빠르게 발전시키기 위하여 실행되는 분산된 네트워크의 부분이다.
도 10에서 설명되지는 않았지만, 도 10의 시스템은 추가적으로, 앞선 도 2와 관련하여 보다 자세하게 설명된 형태의 이미지 장치의 구성요소의 일부 또는 전부를 포함할 수 있다.
본 발명은 다양한 방법으로 실행될 수 있는데, 시스템, 방법, 컴퓨터 가독(可讀) 저장 매체와 같은 컴퓨터 프로그램 제품 또는 프로그램 지시가 외진 장소로부터 소통되는 컴퓨터 네트워크를 포함할 수 있다.
컴퓨터 시스템(1002)과 함께 사용할 수 있도록 적절하게 컴퓨터 프로그램 제품으로 구현될 수 있다. 여기서 설명하는 방법은 컴퓨터 시스템(1002)이나 다른 모든 유사한 디바이스에 의하여 실행되는 한 세트의 프로그램 지시를 포함하는 전형적인 컴퓨터 프로그램 제품으로 실행될 수 있다. 프로그램 지시 세트는 컴퓨터 가독 저장 매체(저장부 1014)와 같은 유형의 매체(tangible medium), 예를 들어, 디스켓, CD-ROM, ROM, 플래쉬 드라이브 또는 하드디스크 상에 저장된 컴퓨터 가독 코드(computer readable code)의 시리즈일 수 있고, 또는 모뎀 또는 다른 인터페이스 디바이스를 통하여 광학 또는 아날로그 소통 채널에 한정되지 않고, 유형의 매체를 통하여 컴퓨터 시스템에 전송할 수 있거나, 집적 회로와 같은 하드웨어에서 실행된다. 컴퓨터 프로그램 제품으로서 본 발명의 실행은 마이크로웨이브, 적외선, 블루투스 또는 다른 전송 기술에 한정되지 않는 무선 기술을 사용하는 무형의 형식일 수 있다. 이러한 지시는 시스템 안에 사전에 장착되거나, CD-ROM와 같은 저장 매체에 레코드되거나, 인터넷 또는 모바일 전화 네트워크와 같은 네트워크를 통하여 다운로드하기 위하여 사용가능할 수 있다. 컴퓨터 가독 지시(computer readable instruction) 시리즈는 이전에 설명한 기능성(functionality)의 전부 또는 일부를 구체화할 수 있다.
본 발명의 예시적 실시 예들은 본 명세서에서 설명 및 도시되었으나, 이는 단지 도시의 목적인 것으로 이해해야 할 것이다. 당업자라면 첨부한 청구항들에 기재된 본 발명의 정신과 범위 내에서 실시 예들에 대해 형태 및 세부적으로 다양한 변형을 가할 수 있다고 이해해야 할 것이다.
Claims (25)
- 삭제
- 삭제
- 삭제
- 삭제
- 삭제
- 삭제
- 삭제
- 삭제
- 삭제
- 삭제
- 삭제
- 삭제
- 삭제
- 삭제
- 삭제
- 삭제
- 삭제
- 삭제
- 삭제
- 삭제
- 삭제
- 홍채 기반 생체 인식을 위한 방법으로서,
(a) 프로세서에 의해, 이미지 센서에 의한 이미지 프레임의 순차적인 생성을 개시하는 단계;
(b) 프로세서에 의해, 이미지 센서에 의하여 생성된 이미지 프레임을 수신하는 단계;
(c) 매치 결정 또는 비매치 결정을 제공하기 위하여, 수신된 이미지 프레임에 대응하는 이미지 정보와 적어도 하나의 홍채에 대응하는 저장된 홍채 정보를 프로세서에 의해 비교하는 단계;
(d) 단계 (c)에서의 비교에 의해 비매치 결정이 제공되면, 프로세서에 의해, 이미지 센서에 의하여 생성된 다른 이미지 프레임을 수신하되, 수신된 다른 이미지 프레임이, 중간 이미지 프레임의 정해진 개수에 의하여 바로 선행하는 수신된 이미지 프레임으로부터 구별되도록, 또는 이전에 수신된 이미지 프레임에 대응하는 정의된 이벤트의 발생에서부터 정해진 시간이 경과하도록, 상기 다른 이미지 프레임을 수신하는 단계; 및
(e) 단계 (c)에서의 비교에 의해 매치 결정이 제공되면, 상기 방법을 종료하는 단계;를 포함하는 홍채 기반 생체 인식을 위한 방법. - 제22항에 있어서, 수신된 첫번째 이미지 안에서 이미지된(imaged) 홍채의 홍채 특성 세트를 추출하기 위해 상기 첫번째 이미지에서 특성 추출을 프로세서에 의해 실시하는 단계가 단계 (c)의 비교보다 앞서고, 단계 (c)에서의 비교는 저장된 홍채 이미지 정보와 추출된 홍채 특성 세트를 비교하는 단계를 포함하는 홍채 기반 생체 인식을 위한 방법.
- 삭제
- 삭제
Applications Claiming Priority (3)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| US14/021,721 US9582716B2 (en) | 2013-09-09 | 2013-09-09 | Apparatuses and methods for iris based biometric recognition |
| US14/021,721 | 2013-09-09 | ||
| PCT/US2014/051240 WO2015073078A2 (en) | 2013-09-09 | 2014-08-15 | Apparatuses and methods for iris based biometric recognition |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| KR20160058129A KR20160058129A (ko) | 2016-05-24 |
| KR102339607B1 true KR102339607B1 (ko) | 2021-12-14 |
Family
ID=52625665
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| KR1020167009303A KR102339607B1 (ko) | 2013-09-09 | 2014-08-15 | 홍채 기반 생체 인식을 위한 방법 및 장치 |
Country Status (6)
| Country | Link |
|---|---|
| US (1) | US9582716B2 (ko) |
| EP (1) | EP3044732A4 (ko) |
| JP (1) | JP6631808B2 (ko) |
| KR (1) | KR102339607B1 (ko) |
| CN (1) | CN105706108B (ko) |
| WO (1) | WO2015073078A2 (ko) |
Families Citing this family (25)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US8485442B2 (en) | 2009-07-02 | 2013-07-16 | Biometric Payment Solutions | Electronic transaction verification system with biometric authentication |
| US10018804B2 (en) * | 2013-06-18 | 2018-07-10 | Delta Id, Inc. | Apparatus and method for multiple mode image acquisition for iris imaging |
| US10620700B2 (en) * | 2014-05-09 | 2020-04-14 | Google Llc | Systems and methods for biomechanically-based eye signals for interacting with real and virtual objects |
| CN104834908B (zh) * | 2015-05-07 | 2018-09-07 | 惠州Tcl移动通信有限公司 | 一种移动终端基于眼纹识别的图像曝光方法及曝光系统 |
| US20160364609A1 (en) * | 2015-06-12 | 2016-12-15 | Delta ID Inc. | Apparatuses and methods for iris based biometric recognition |
| KR102334209B1 (ko) * | 2015-06-15 | 2021-12-02 | 삼성전자주식회사 | 사용자 인증 방법 및 이를 지원하는 전자장치 |
| CN105893988A (zh) * | 2016-05-20 | 2016-08-24 | 北京奇虎科技有限公司 | 虹膜采集方法及其终端 |
| CN107545889B (zh) * | 2016-06-23 | 2020-10-23 | 华为终端有限公司 | 适用于模式识别的模型的优化方法、装置及终端设备 |
| KR20180006133A (ko) * | 2016-07-08 | 2018-01-17 | 삼성전자주식회사 | 전자 장치 및 그의 동작 방법 |
| WO2018016837A1 (en) | 2016-07-18 | 2018-01-25 | Samsung Electronics Co., Ltd. | Method and apparatus for iris recognition |
| RU2630742C1 (ru) * | 2016-07-18 | 2017-09-12 | Самсунг Электроникс Ко., Лтд. | Способ, система и устройство для биометрического распознавания радужной оболочки глаза |
| US11068696B2 (en) * | 2016-08-24 | 2021-07-20 | International Business Machines Corporation | Protecting individuals privacy in public through visual opt-out, signal detection, and marker detection |
| EP3319069B1 (en) * | 2016-11-02 | 2019-05-01 | Skeyecode | Method for authenticating a user by means of a non-secure terminal |
| KR102458241B1 (ko) * | 2016-12-13 | 2022-10-24 | 삼성전자주식회사 | 사용자 인식 장치 및 방법 |
| CN107465512B (zh) * | 2017-07-13 | 2020-01-14 | Oppo广东移动通信有限公司 | 授权处理方法及相关产品 |
| EP3430973A1 (en) * | 2017-07-19 | 2019-01-23 | Sony Corporation | Mobile system and method |
| FR3069681B1 (fr) * | 2017-07-26 | 2021-12-17 | Safran Identity & Security | Procede et dispositif de capture d'image d'iris |
| KR102045743B1 (ko) * | 2017-12-11 | 2019-11-18 | 상명대학교산학협력단 | 착용형 디스플레이 장비에서의 눈 영상 기반 생체 인증 장치 및 방법 |
| CN110647787A (zh) * | 2018-06-27 | 2020-01-03 | 厦门本能管家科技有限公司 | 一种基于虹膜识别的私钥生成与解密的方法及系统 |
| CN110197107B (zh) * | 2018-08-17 | 2024-05-28 | 平安科技（深圳）有限公司 | 微表情识别方法、装置、计算机设备及存储介质 |
| JP7092255B2 (ja) | 2019-03-25 | 2022-06-28 | 日本電気株式会社 | 画像処理装置および画像処理方法 |
| CN110287813A (zh) * | 2019-06-04 | 2019-09-27 | 武汉虹识技术有限公司 | 身份识别方法及系统 |
| EP3992899A4 (en) * | 2019-06-25 | 2022-06-22 | NEC Corporation | IRIS RECOGNITION DEVICE AND METHOD, COMPUTER PROGRAM, AND RECORDING MEDIA |
| CN110728251B (zh) * | 2019-10-22 | 2020-05-12 | 吉林大学 | 一种基于强化泛用型虹膜特征标签的轻量级身份验证方法 |
| CN116343320B (zh) * | 2023-03-31 | 2024-06-07 | 西南大学 | 一种虹膜识别方法 |
Citations (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20100299530A1 (en) * | 2009-02-26 | 2010-11-25 | Bell Robert E | User authentication system and method |
| JP2010277315A (ja) * | 2009-05-28 | 2010-12-09 | Sony Corp | 情報処理装置、認証データ選択方法およびプログラム |
Family Cites Families (32)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US5572596A (en) * | 1994-09-02 | 1996-11-05 | David Sarnoff Research Center, Inc. | Automated, non-invasive iris recognition system and method |
| JP3902664B2 (ja) * | 1996-06-06 | 2007-04-11 | ブリティッシュ・テレコミュニケーションズ・パブリック・リミテッド・カンパニー | 個人識別 |
| US5995648A (en) * | 1997-03-18 | 1999-11-30 | Cognex Corporation | Image processing system and method using subsampling with constraints such as time and uncertainty constraints |
| US6289113B1 (en) * | 1998-11-25 | 2001-09-11 | Iridian Technologies, Inc. | Handheld iris imaging apparatus and method |
| US6532298B1 (en) * | 1998-11-25 | 2003-03-11 | Iridian Technologies, Inc. | Portable authentication device and method using iris patterns |
| JP2000237167A (ja) * | 1999-02-19 | 2000-09-05 | Oki Electric Ind Co Ltd | アイリス認識装置 |
| JP3825222B2 (ja) * | 2000-03-24 | 2006-09-27 | 松下電器産業株式会社 | 本人認証装置および本人認証システムならびに電子決済システム |
| EP1312040B1 (en) * | 2000-08-18 | 2006-04-05 | Cross Match Technologies, Inc. | Fingerprint scanner auto-capture system and method |
| KR20020038162A (ko) * | 2000-11-16 | 2002-05-23 | 구자홍 | 양쪽 눈의 홍채를 동시에 이용하는 홍채 인식 방법 |
| AU2003903392A0 (en) | 2003-07-03 | 2003-07-17 | Argus Solutions Pty Ltd | Management control of assets |
| 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 |
| EP1698529A1 (en) * | 2003-09-30 | 2006-09-06 | Matsushita Electric Industrial Co., Ltd. | Biological authentication system |
| EP1696382A1 (en) * | 2003-12-19 | 2006-08-30 | Matsushita Electric Industries Co., Ltd. | Iris image pickup camera and iris authentication system |
| JP2005177166A (ja) * | 2003-12-19 | 2005-07-07 | Matsushita Electric Ind Co Ltd | カメラ装置および虹彩撮像カメラ装置 |
| JP4360542B2 (ja) * | 2004-06-09 | 2009-11-11 | シャープ株式会社 | 画像認証携帯端末装置 |
| JP4340618B2 (ja) * | 2004-10-08 | 2009-10-07 | 富士通株式会社 | 生体情報認証装置及び方法，並びに生体情報認証プログラム及び生体情報認証プログラムを記録したコンピュータ読取可能な記録媒体 |
| US7809171B2 (en) | 2005-01-10 | 2010-10-05 | Battelle Memorial Institute | Facial feature evaluation based on eye location |
| KR101308368B1 (ko) * | 2006-03-03 | 2013-09-16 | 허니웰 인터내셔널 인코포레이티드 | 홍채 품질 측정을 갖는 홍채 인식 시스템 |
| JP2009076020A (ja) * | 2007-09-25 | 2009-04-09 | Oki Electric Ind Co Ltd | 虹彩認識装置 |
| JP2009199392A (ja) * | 2008-02-22 | 2009-09-03 | Oki Electric Ind Co Ltd | 虹彩認証方法及び虹彩認証装置 |
| US8909297B2 (en) * | 2008-03-04 | 2014-12-09 | Mike Matas | Access management |
| US8411910B2 (en) * | 2008-04-17 | 2013-04-02 | Biometricore, Inc. | Computationally efficient feature extraction and matching iris recognition |
| JP5247295B2 (ja) * | 2008-08-13 | 2013-07-24 | ラピスセミコンダクタ株式会社 | 画像処理方法及び画像処理装置 |
| US8280119B2 (en) * | 2008-12-05 | 2012-10-02 | Honeywell International Inc. | Iris recognition system using quality metrics |
| KR101093873B1 (ko) * | 2009-01-14 | 2011-12-13 | 아이리텍 잉크 | 홍채크기가 다른 다수의 홍채이미지를 이용한 홍채인식장치및 방법 |
| US8374389B2 (en) * | 2009-02-06 | 2013-02-12 | Robert Bosch Gmbh | Iris deblurring method based on global and local iris image statistics |
| US9087238B2 (en) * | 2010-01-22 | 2015-07-21 | Iritech Inc. | Device and method for iris recognition using a plurality of iris images having different iris sizes |
| US8948467B2 (en) | 2010-08-06 | 2015-02-03 | Honeywell International Inc. | Ocular and iris processing system and method |
| US8995729B2 (en) * | 2011-08-30 | 2015-03-31 | The Mitre Corporation | Accelerated comparison using scores from coarse and fine matching processes |
| US9503645B2 (en) * | 2012-05-24 | 2016-11-22 | Mediatek Inc. | Preview system for concurrently displaying multiple preview images generated based on input image generated by image capture apparatus and related preview method thereof |
| US20140250523A1 (en) * | 2012-10-11 | 2014-09-04 | Carnegie Mellon University | Continuous Authentication, and Methods, Systems, and Software Therefor |
| US9195890B2 (en) * | 2012-12-10 | 2015-11-24 | Sri International | Iris biometric matching system |
-
2013
- 2013-09-09 US US14/021,721 patent/US9582716B2/en active Active
-
2014
- 2014-08-15 EP EP14861689.9A patent/EP3044732A4/en not_active Ceased
- 2014-08-15 KR KR1020167009303A patent/KR102339607B1/ko active IP Right Grant
- 2014-08-15 JP JP2016541981A patent/JP6631808B2/ja active Active
- 2014-08-15 CN CN201480061114.5A patent/CN105706108B/zh active Active
- 2014-08-15 WO PCT/US2014/051240 patent/WO2015073078A2/en active Application Filing
Patent Citations (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20100299530A1 (en) * | 2009-02-26 | 2010-11-25 | Bell Robert E | User authentication system and method |
| JP2010277315A (ja) * | 2009-05-28 | 2010-12-09 | Sony Corp | 情報処理装置、認証データ選択方法およびプログラム |
Also Published As
| Publication number | Publication date |
|---|---|
| US9582716B2 (en) | 2017-02-28 |
| WO2015073078A2 (en) | 2015-05-21 |
| WO2015073078A3 (en) | 2015-07-16 |
| US20150071503A1 (en) | 2015-03-12 |
| EP3044732A4 (en) | 2017-05-10 |
| JP6631808B2 (ja) | 2020-01-15 |
| KR20160058129A (ko) | 2016-05-24 |
| CN105706108B (zh) | 2019-07-05 |
| EP3044732A2 (en) | 2016-07-20 |
| CN105706108A (zh) | 2016-06-22 |
| JP2016534474A (ja) | 2016-11-04 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| KR102339607B1 (ko) | 홍채 기반 생체 인식을 위한 방법 및 장치 | |
| US20160364609A1 (en) | Apparatuses and methods for iris based biometric recognition | |
| US9785823B2 (en) | Systems and methods for performing fingerprint based user authentication using imagery captured using mobile devices | |
| Valenti et al. | Accurate eye center location and tracking using isophote curvature | |
| KR102554391B1 (ko) | 홍채 인식 기반 사용자 인증 장치 및 방법 | |
| US8498454B2 (en) | Optimal subspaces for face recognition | |
| US20160366317A1 (en) | Apparatuses and methods for image based biometric recognition | |
| Park et al. | A real-time focusing algorithm for iris recognition camera | |
| US20130259322A1 (en) | System And Method For Iris Image Analysis | |
| JP2009523265A (ja) | 画像中の虹彩の特徴を抽出する方法 | |
| JP2007188504A (ja) | 画像中の画素強度をフィルタリングする方法 | |
| US20120308089A1 (en) | Method of biometric authentication by using pupil border and apparatus using the method | |
| JP2019016268A (ja) | 画像処理装置、画像処理方法、及び画像処理プログラム | |
| KR101756919B1 (ko) | 얼굴 인식 장치 및 방법 | |
| Mashudi et al. | A review on iris recognition in non-cooperative environment | |
| Lee et al. | Improvements in video-based automated system for iris recognition (vasir) | |
| KR101704717B1 (ko) | 홍채 인식 장치 및 그 동작 방법 | |
| JP2022048077A (ja) | 画像処理装置およびその制御方法 | |
| CN113553890A (zh) | 多模态生物特征融合方法、装置、存储介质及设备 | |
| Doyle | Quality Metrics for Biometrics | |
| CN114445869A (zh) | 温度监测系统及相关操作 | |
| Son et al. | DLDA-based iris recognition from image sequences with various focus information | |
| Nseaf et al. | Design Method of Video Based Iris Recognition System (V-IRS) | |
| Doyle Jr et al. | Iris Quality in an Operational Context. | |
| WO2015108911A1 (en) | Method and apparatus for controlling intensity of illumination in eye based biometric systems |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| E902 | Notification of reason for refusal | ||
| E902 | Notification of reason for refusal | ||
| E90F | Notification of reason for final refusal | ||
| E701 | Decision to grant or registration of patent right | ||
| GRNT | Written decision to grant |