KR102375593B1 - 손바닥 복합 이미지에 기반한 사용자 인증 장치 및 방법 - Google Patents

손바닥 복합 이미지에 기반한 사용자 인증 장치 및 방법 Download PDF

Info

Publication number
KR102375593B1
KR102375593B1 KR1020210113199A KR20210113199A KR102375593B1 KR 102375593 B1 KR102375593 B1 KR 102375593B1 KR 1020210113199 A KR1020210113199 A KR 1020210113199A KR 20210113199 A KR20210113199 A KR 20210113199A KR 102375593 B1 KR102375593 B1 KR 102375593B1
Authority
KR
South Korea
Prior art keywords
image
palm
region
interest
feature values
Prior art date
Application number
KR1020210113199A
Other languages
English (en)
Inventor
이효종
Original Assignee
전북대학교산학협력단
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 전북대학교산학협력단 filed Critical 전북대학교산학협력단
Priority to KR1020210113199A priority Critical patent/KR102375593B1/ko
Application granted granted Critical
Publication of KR102375593B1 publication Critical patent/KR102375593B1/ko

Links

Images

Classifications

    • 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
    • G06V40/12—Fingerprints or palmprints
    • G06V40/1365—Matching; Classification
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • 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
    • G06V40/12—Fingerprints or palmprints
    • G06V40/13—Sensors therefor

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Human Computer Interaction (AREA)
  • Multimedia (AREA)
  • Biophysics (AREA)
  • Evolutionary Computation (AREA)
  • Artificial Intelligence (AREA)
  • Biomedical Technology (AREA)
  • Health & Medical Sciences (AREA)
  • Computational Linguistics (AREA)
  • Data Mining & Analysis (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • General Health & Medical Sciences (AREA)
  • Molecular Biology (AREA)
  • Computing Systems (AREA)
  • General Engineering & Computer Science (AREA)
  • Mathematical Physics (AREA)
  • Software Systems (AREA)
  • Measurement Of The Respiration, Hearing Ability, Form, And Blood Characteristics Of Living Organisms (AREA)
  • Collating Specific Patterns (AREA)

Abstract

본 발명은 손바닥 복합 이미지에 기반한 사용자 인증 장치 및 방법에 관한 것으로, 이는 적색 광과 백색 광을 사용자 손바닥으로 조사하면서, 장문과 장정맥이 함께 촬영되는 복합 이미지를 획득 및 출력하는 복합 이미지 취득부; 복합 이미지로부터 정사각형의 손바닥 중앙 영역을 역추적한 후 관심 영역으로 설정하고, 관심 영역내 이미지를 추출 및 제공하는 관심 영역 설정부; 입력 이미지와 장문 및 장정맥 특징값간의 상관관계가 사전 학습된 3중 GAN 학습망을 구비하고, 3중 GAN 학습망을 통해 관심 영역 이미지에 대응되는 장문 및 장정맥 특징값을 추출하는 장문 및 장정맥 특징값 추출부; 및 데이터베이스에 기 등록된 사람들의 장문 및 장정맥 특징값들을 추출된 특징값과 비교한 후, 가장 높은 일치도를 가지는 사람을 사용자로 인증 및 통보하는 장문 및 장정맥 특징값 비교부를 포함하며, 상기 적색 광은 적외선 파장 대역의 광이고, 상기 백색 광은 가시광선 파장 대역의 광인 것을 특징으로 한다.

Description

손바닥 복합 이미지에 기반한 사용자 인증 장치 및 방법{Apparatus and method for authenticating user based on a palm composite image}
본 발명은 손바닥 내에 존재하는 장문과 장정맥을 최적 상태로 획득한 후 인공 지능 방식으로 분석함으로써, 보다 정확하고 효과적인 사용자 인증인증 동작을 수행할 수 있도록 하는 손바닥 복합 이미지에 기반한 사용자 인증 장치 및 방법에 관한 것이다.
장문(掌紋)과 장정맥(掌靜脈) 패턴은 오래전부터 사용되어오는 중요한 생체특성으로 지문, 얼굴, 홍채 등과 더불어 널리 알려져 왔다.
장문은 지문 인식 기술로 인하여 거의 사용되지 않고 있으며, 장정맥은 손바닥 속에 내재하는 정맥으로 육안으로 명확히 보이지 않고 다양한 특징을 가지고 있어서 최근 들어 장정맥 인식에 기반한 출입인증, 전자 결재 시스템, 금융자동화기기 및 시스템 로그인 등에 활용되고 있다.
특히 코로나 19로 인하여 감염 가능성이 있는 접촉을 기피하는 출입자들에게 비접촉식 장정맥 인식 시스템은 좋은 반응을 보이고 있다.
그러나 대부분 장정맥 기술은 정맥의 배치 형태나 두께 등의 특성을 기존의 이미지 처리 기술을 적용하여 인식하고 있다. 이로 인하여 종종 오인식이 발생하고 시스템의 성능을 저하시키고 있다.
국내공개특허 제10-2020-0126724호(공개일자 2020년11월09일)
이에 상기와 같은 문제점을 해결하기 위한 것으로서, 본 발명은 장문과 장정맥의 복합 이미지를 최적 상태로 획득 및 분석하여, 사용자 인증 동작을 수행할 수 있는 손바닥 복합 이미지에 기반한 사용자 인증 장치 및 방법에 관한 것이다.
그리고 본 발명은 장문과 장정맥의 특징값 추출에 최적화된 3중 GAN 학습망을 새로이 제안함으로써, 보다 정확하고 효과적인 사용자 인증 동작을 또한 수행할 수 있는 손바닥 복합 이미지에 기반한 사용자 인증 장치 및 방법에 관한 것이다.
본 발명의 목적은 이상에서 언급한 목적으로 제한되지 않으며, 언급되지 않은 또 다른 목적들은 아래의 기재로부터 본 발명이 속하는 통상의 지식을 가진 자에게 명확하게 이해될 수 있을 것이다.
상기 과제를 해결하기 위한 수단으로서, 본 발명의 일 실시 형태에 따르면 백색 광과 적색 광을 사용자 손바닥으로 조사하면서, 장문과 장정맥이 함께 촬영되는 복합 이미지를 획득 및 출력하는 복합 이미지 취득부; 복합 이미지로부터 정사각형의 손바닥 중앙 영역을 역추적한 후 관심 영역으로 설정하고, 관심 영역내 이미지를 추출 및 제공하는 관심 영역 설정부; 입력 이미지와 장문 및 장정맥 특징값간의 상관관계가 사전 학습된 3중 GAN 학습망을 구비하고, 3중 GAN 학습망을 통해 관심 영역 이미지에 대응되는 장문 및 장정맥 특징값을 추출하는 장문 및 장정맥 특징값 추출부; 및 데이터베이스에 기 등록된 사람들의 장문 및 장정맥 특징값들을 추출된 특징값과 비교한 후, 가장 높은 일치도를 가지는 사람을 사용자로 인증 및 통보하는 장문 및 장정맥 특징값 비교부를 포함하며, 상기 적색 광은 적외선 파장 대역의 광이고, 상기 백색 광은 가시광선 파장 대역의 광인 것을 특징으로 하는 손바닥 복합 이미지에 기반한 사용자 인증 장치를 제공한다.
상기 복합 이미지 취득부는 적색 광과 백색 광을 동시에 발생하면서 카메라를 통해 장정맥 이미지와 장문 이미지가 중첩된 복합 이미지를 즉각 취득하는 것을 특징으로 한다.
상기 복합 이미지 취득부는 적색 광원과 백색 광원을 순차적으로 발생시켜 카메라를 통해 장정맥 이미지와 장문 이미지를 개별 취득한 후, 장정맥 이미지와 장문 이미지를 하나의 이미지로 중첩시켜 복합 이미지를 최종 취득하는 것을 특징으로 한다.
상기 3중 GAN 학습망은 임의의 잡음을 입력으로 취하여 데이터 공간에서 샘플을 생성하는 생성기; 및 쿼리 이미지, 동일인의 포지티브 이미지, 타인의 네거티브 이미지를 선택하여 특징 벡터를 생성하는 판별자를 구비하며, "
Figure 112021098851851-pat00001
"로 정의되는 최소최대 손실함수, "
Figure 112021098851851-pat00002
"로 정의되는 비지도 학습을 위한 판별자 손실함수, "
Figure 112021098851851-pat00003
"로 정의되는 지도학습을 위한 3중 손실함수, "
Figure 112021098851851-pat00004
"로 정의되는 총 손실함수를 가지며, 상기
Figure 112021098851851-pat00005
,
Figure 112021098851851-pat00006
,
Figure 112021098851851-pat00007
는 쿼리 이미지, 포지티브 이미지, 네거티브 이미지 각각에 대한 판별자 계산 값인 것을 특징으로 한다.
상기 과제를 해결하기 위한 수단으로서, 본 발명의 다른 실시 형태에 따르면 백색 광과 적색 광을 사용자 손바닥으로 조사하면서, 장문과 장정맥이 함께 촬영되는 복합 이미지를 획득 및 출력하는 단계; 상기 복합 이미지로부터 정사각형의 손바닥 중앙 영역을 역추적한 후 관심 영역으로 설정하고, 관심 영역내 이미지를 추출 및 제공하는 단계; 입력 이미지와 장문 및 장정맥 특징값간의 상관관계가 사전 학습된 3중 GAN 학습망을 통해 상기 관심 영역 이미지에 대응되는 장문 및 장정맥 특징값을 추출하는 단계; 및 데이터베이스에 기 등록된 사람들의 장문 및 장정맥 특징값들을 추출된 특징값과 비교한 후, 가장 높은 일치도를 가지는 사람을 사용자로 인증 및 통보하는 단계를 포함하며, 상기 적색 광은 적외선 파장 대역의 광이고, 상기 백색 광은 가시광선 파장 대역의 광인 것을 특징으로 하는 손바닥 복합 이미지에 기반한 사용자 인증 방법을 제공한다.
본 발명은 백색 광과 적색 광을 이용하여 장문과 장정맥을 최적 상태로 획득한 후, 이를 분석하여 사용자 인증 동작을 수행할 수 있도록 함으로써, 사용자 인증 동작이 보다 다양한 근거 자료에 따라 보다 세밀하게 수행될 수 있도록 한다.
그리고 장문과 장정맥의 특징값 추출에 최적화된 3중 GAN 학습망을 새로이 제안함으로써 장문과 장정맥의 특징값 추출의 정확도와 효율적이 극대화되고, 그 결과 시스템 전반의 성능이 향상될 수 있도록 한다.
도 1은 본 발명에 일 실시예에 따른 손바닥 복합 이미지에 기반한 사용자 인증 장치를 설명하기 위한 도면이다.
도 2는 본 발명의 일 실시예에 따른 복합 이미지 취득 방법을 설명하기 위한 도면이다.
도 3 및 도 4는 본 발명의 일 실시예에 따른 관심 영역 설정 방법을 설명하기 위한 도면이다.
도 5는 본 발명의 일 실시예에 따른 3중 GAN 학습망을 설명하기 위한 도면이다.
도 6은 본 발명에 일 실시예에 따른 손바닥 복합 이미지에 기반한 사용자 인증 방법을 설명하기 위한 도면이다.
이하의 내용은 단지 본 발명의 원리를 예시한다. 그러므로 당업자는 비록 본 명세서에 명확히 설명되거나 도시되지 않았지만 본 발명의 원리를 구현하고 본 발명의 개념과 범위에 포함된 다양한 장치를 발명할 수 있는 것이다. 또한, 본 명세서에 열거된 모든 조건부 용어 및 실시예들은 원칙적으로, 본 발명의 개념이 이해되도록 하기 위한 목적으로만 명백히 의도되고, 이와 같이 특별히 열거된 실시예들 및 상태들에 제한적이지 않는 것으로 이해되어야 한다.
또한, 본 발명의 원리, 관점 및 실시예들 뿐만 아니라 특정 실시예를 열거하는 모든 상세한 설명은 이러한 사항의 구조적 및 기능적 균등물을 포함하도록 의도되는 것으로 이해되어야 한다. 또한 이러한 균등물들은 현재 공지된 균등물뿐만 아니라 장래에 개발될 균등물 즉 구조와 무관하게 동일한 기능을 수행하도록 발명된 모든 소자를 포함하는 것으로 이해되어야 한다.
따라서, 예를 들어, 본 명세서의 블럭도는 본 발명의 원리를 구체화하는 예시적인 회로의 개념적인 관점을 나타내는 것으로 이해되어야 한다. 이와 유사하게, 모든 흐름도, 상태 변환도, 의사 코드 등은 컴퓨터가 판독 가능한 매체에 실질적으로 나타낼 수 있고 컴퓨터 또는 프로세서가 명백히 도시되었는지 여부를 불문하고 컴퓨터 또는 프로세서에 의해 수행되는 다양한 프로세스를 나타내는 것으로 이해되어야 한다.
도 1은 본 발명에 일 실시예에 따른 손바닥 복합 이미지에 기반한 사용자 인증 장치를 설명하기 위한 도면이다.
도 1을 참조하면, 본 발명에 따른 장치는 크게 복합 이미지 취득부(110), 관심 영역 설정부(120), 복합 이미지 특징값 추출부(130) 및 특징값 비교 인식부(140) 및 DB(DataBase)(150) 등으로 구성된다.
복합 이미지 취득부(110)는 장문 측정용 백색 광을 발생하는 백색 광원(111), 장정맥 측정용 적색 광을 발생하는 적색 광원(112), 및 적색 광과 백색 광을 사용자 손바닥으로 함께 조사하면서, 장문과 장정맥이 함께 촬영되는 복합 이미지를 획득 및 출력하는 카메라(113) 등으로 구현된다.
관심 영역 설정부(120)는 사용자의 신체조건(예를 들어, 성별, 나이, 신장 등)에 따라 손바닥 형태와 크기가 달라지는 특징이 있음을 고려하여, 손가락 교차점들에 기반하여 정사각형의 손바닥 중앙 영역을 역추적하고, 이를 관심 영역으로 설정하도록 한다. 그리고 관심 영역내 이미지를 추출하여 관심 영역 이미지를 생성 및 출력하도록 한다.
또한 관심 영역 설정부(120)는 이미지 밝기 및 선명도 등을 최적화하는 이미지 보정 동작을 추가로 수행하여, 관심 영역에 존재하는 장문과 장정맥의 패턴이 보다 선명하게 표시될 수 있도록 한다.
장문 및 장정맥 특징값 추출부(130)는 입력 이미지와 장문 및 장정맥 특징값간의 상관관계가 사전 학습된 3중 GAN 학습망을 구비하고, 이를 통해 관심 영역 설정부(120)가 추출한 관심 영역 이미지에 대응되는 장문 및 장정맥 특징값을 딥 러닝 방식으로 자동 추출하도록 한다.
장문 및 장정맥 특징값 비교부(140)는 현재 추출된 장문 및 장정맥 특징값을 DB(150)에 기 등록된 사람들의 장문 및 장정맥 특징값과 순차적으로 비교하여 특징값간 일치도를 산출한다. 그리고 기 설정된 임계치 이상이며 가장 높은 일치도를 가지는 사람이 검출하여, 사용자로 인증 및 통보하도록 한다.
DB(150)는 기 등록된 사람들 각각에 대응되는 장문 및 장정맥 특징값을 저장 및 관리하도록 한다.
이와 같이 본 발명은 사용자 손바닥으로부터 장정맥 뿐 아니라 장문도 함께 획득 및 분석함으로써, 보다 세밀하고 정확한 사용자 인증 동작이 수행될 수 있도록 한다.
그리고 장문 및 장정맥 특징값 추출에 최적화된 3중 GAN 학습망이라는 새로운 인공지능망을 제안하고, 이를 통해 입력 이미지에 대응되는 장문 및 장정맥 특징값을 추출하도록 함으로써, 보다 정확하고 효과적인 사용자 인증 동작 또한 수행될 수 있도록 한다.
도 2는 본 발명의 일 실시예에 따른 복합 이미지 취득 방법을 설명하기 위한 도면이다.
참고로, 종래에는 단일 광(예를 들어, 850??nm의 적외선 파장의 적색 광)만을 이용하여 사용자 인증을 위한 손바닥 이미지를 취득하도록 하였으나, 장문과 장정맥의 최적 반응 파장이 서로 상이한 특징으로 인해 장문과 장정맥 모두를 동시에 최적 상태로 촬영할 수 없는 문제가 발생한다.
이에 본 발명에서는 광원 다양화를 통해 장문과 장정맥 각각의 최적 반응 파장을 개별 발생할 수 있도록 한다.
즉, 본 발명에서는 가시광선 파장(400~700nm)의 백색 광을 발생시키는 백색 광원과 적외선 파장(850??nm)의 적색 광을 발생시키는 적색 광원을 구비하고, 백색 광원은 손바닥에 나타나는 장문의 이미지를 명확하게 반영할 수 있도록 하고, 적색 광원은 손바닥에 조사된 적색 광이 손바닥 피부를 투과한 후 손바닥에 분포하는 정맥의 혈관에서 의해 반사시켜 다시 카메라로 돌아오게 구성되어 장정맥의 패턴을 반영할 수 있도록 한다.
그리고 적색 광원과 백색 광원을 통해 동시에 발광하면서, 카메라를 통해 혈류의 흐름에 최적화된 적색 광원의 반사 이미지(즉, 장정맥 이미지)와 가시광선에 가까운 백색 광원의 반사 이미지(즉, 장문 이미지)가 중첩된 하나의 복합 이미지를 즉각 취득하도록 한다.
또 다르게는, 적색 광원과 백색 광원을 순차적으로 발광시켜 카메라를 통해 장정맥 이미지와 장문 이미지를 개별 취득한 후, 이들 이미지를 하나의 이미지로 중첩시키는 방식으로 하나의 복합 이미지를 취득할 수도 있도록 한다.
그러면, 본 발명의 복합 이미지에는 카메라의 시야각(FOV: Field Of View) 이내에 위치하는 사용자 손바닥, 즉 사용자의 손목에서 손가락 끝까지 분포하는 장문과 장정맥 모두가 보다 명확히 반영되게 된다.
도 3 및 도 4는 본 발명의 일 실시예에 따른 관심 영역 설정 방법을 설명하기 위한 도면이다.
먼저, 복합 이미지를 가우시안 블러링한 후, 기 설정치 이하의 픽셀은 제거하는 방식으로 이진화 처리한다(S1).
그리고 이진화된 복합 이미지로부터 손바닥 윤곽선을 추출한 후(S2), 두 개의 손가락이 교차되는 지점, 즉 손가락 교차점들을 추출한다(S2),
그리고 손가락 교차점들 중에서 가장 왼쪽과 가장 오른쪽에 있는 점을 두 개의 기준점(KL, KR)으로 선택한다(S3).
그리고 두 개 기준점(KL, KR)을 연결한 직선과 이미지 x축과의 각도 비교를 통해 이미지 회전각(θ)을 산출한 후, 이미지 회전각(θ) 만큼 복합 이미지를 회전시킴으로써 손바닥 영역이 복합 이미지의 x축에 평행 정렬되도록 한다(S4).
그리고 두 개의 기준점(KL, KR)간 거리를 산출하고, 이를 고려하여 관심 영역의 기준 크기(ρ)와 손가락 교차점과 관심 영역간의 여유 간격(m)을 설정한다(S5).
그리고 왼쪽 기준점(KL)을 "-ρ/3 - m"만큼 이동시켜 제1 점(Rlt)을 획득하고, 제1 점(Rlt)을 "ρ"만큼 이동시켜 제2 점(Rlb)을 획득하고, 오른쪽 기준점(KR)을 "ρ/3 - m"만큼 이동시켜 제3 점(Rrt)을 획득하고, 오른쪽 기준점(KR)을 "ρ/3 - m + ρ"만큼 이동시켜 제4 점(Rrb)을 획득한 후, 이들 점들을 모두 선분 연결함으로써 정사각형의 손바닥 중앙 영역에 대응되는 관심 영역을 획득하도록 한다(S6).
즉, 본 발명에서는 손바닥 전체 영역 중에서 손바닥 중앙 영역이 장문과 장정맥이 동시에 관찰되는 가장 넓은 면적을 가짐을 고려하여, 사용자 손가락 위치값 기반으로 손바닥 중앙 영역을 역추적하고, 이를 관심 영역으로 설정할 수 있도록 한다.
도 5는 본 발명의 일 실시예에 따른 3중 GAN 학습망을 설명하기 위한 도면이다.
장정맥 패턴은 정맥의 두께나 조도의 차이로 인하여 기존의 필터 방법이나 기하학적인 관계를 고려한 이미지 처리 기법은 오작동의 확률이 높다. 장문과 장정맥이 지니는 특징값은 차후에 DB(150)에 저장된 값과 비교하여 동일여부를 판단하므로, 입력 이미지에 대하여 일관된 결과를 출력할 수 있어야 한다.
이에 본 발명에서는 심층학습망을 개발하여 장문과 장정맥의 복합이미지를 입력받아 특징값을 추출하여 비교하는 방법을 개발하였다.
참고로, 생성적 적대 네트워크 (GAN: generative adversarial network)은 두 개의 요소, 즉 생성자 G(generator)와 판별자 D(discriminator)로 구성되어 이미지 패턴의 특징값을 추출하여 분류를 하는데 효과적인 심층학습네트워크로 떠오르고 있다.
생성기 G는 임의의 잡음을 입력으로 취하여 데이터 공간에서 샘플을 생성한다. 판별자 D는 특정 샘플이 실제 데이터인지 또는 생성자가 생성시킨 것인지를 판별하도록 D의 최대값과 G의 최소값을 달성하도록 학습시켜서 네트워크를 구성한다. 이러한 이중적 D와 G로 구성된 학습망은 판별자 D와 생성자 G의 최적화를 동시에 만족시키기가 어렵고, 생성자 G의 생성된 데이터의 의미를 파악하여 제어하기가 곤란하다는 문제점이 있다.
이에 본 발명에서는 기존 GAN 기술을 개선시키고 장문과 장정맥의 복합이미지의 특징값을 추출하는데 최적화시키는 삼중 GAN을 새로이 제안한다.
삼중 GAN은 기존 GAN에서 작동하는 생성자 G와 판별자 D를 포함하고 있으나, 판별자 D에는 해당 쿼리 이미지와 동일인의 포지티브(positive) 이미지와 비슷하지만 다른 사람의 네거티브(negative) 이미지를 선택하여 특징 벡터를 생성시킨다. 생성자 학습을 위하여 동일한 G에 대하여서 V(D, G)를 최대화 시키고, 동일 D에 대해서는 V(D, G)를 최대화 시켜야 되기 때문에 최소최대 손실함수는 이하의 수학식 1과 같이 정의할 수 있다.
[수학식 1]
Figure 112021098851851-pat00008
비지도 학습을 위한 판별자 손실함수는 이하의 수학식 2과 같이 정의된다.
[수학식 2]
Figure 112021098851851-pat00009
지도학습을 위한 3중 손실함수는 이하의 수학식 3과 같이 정의된다.
[수학식 3]
Figure 112021098851851-pat00010
수학식 3에서
Figure 112021098851851-pat00011
,
Figure 112021098851851-pat00012
,
Figure 112021098851851-pat00013
는 각각 쿼리, positive와 negative 샘플에 대한 판별자가 계산한 특징값 벡터이다. M은 positive와 negative 쌍을 구분하는 문턱값이다.
최종적으로 총 손실함수는 판별자 손실과 3중 손실의 합으로 이하의 수학식 4과 같이 정의된다.
[수학식 4]
Figure 112021098851851-pat00014
이와 같이 본 발명에서는 새로운 구조의 삼중 GAN 학습망을 제안하고, 이를 통해 복합 이미지와 장문 및 장정맥의 특징값을 최적 상태에서 사전 학습시키도록 한다. 그리고 삼중 GAN 학습망이 학습 완료된 상태에서, 사용자 인증을 위한 이미지를 삼중 GAN 학습망에 입력함으로써, 이에 대응되는 장문 및 장정맥의 특징값을 보다 신속 정확하게 획득할 수 있도록 한다.
도 6은 본 발명에 일 실시예에 따른 손바닥 복합 이미지에 기반한 사용자 인증 방법을 설명하기 위한 도면이다.
먼저, 본 발명은 사용자가 사용자 인증을 요청한 후 카메라 전방에 손바닥을 위치시키면(S10), 복합 이미지 취득부(110)를 통해 적색 광과 백색 광을 동시에 발생시키면서 카메라 촬영하여 장문과 장정맥이 함께 촬영된 복합 이미지를 획득 및 출력한다(S20).
그리고 관심 영역 설정부(120)를 통해 복합 이미지로부터 가장 왼쪽과 오른쪽에 위치하는 손가락 교차점을 우선 검출한 후, 이들 손가락 교차점을 참고하여 정사각형의 손바닥 중앙 영역을 역추적하고, 이를 관심 영역으로 설정한다. 그리고 관심 영역에 포함된 이미지만을 관심 영역 이미지로 획득한다(S30).
그리고 장문 및 장정맥 특징값 추출부(130)를 통해 이미지와 장문 및 장정맥 특징값간의 상관관계가 사전 학습된 3중 GAN 학습망에 관심 영역 이미지를 입력하여, 관심 영역 이미지에 대응되는 장문 및 장정맥 특징값을 자동 추출한다(S40).
그리고 장문 및 장정맥 특징값 비교부(140)를 통해 현재 추출된 장문 및 장정맥 특징값을 DB(150)에 기 등록된 사람들의 장문 및 장정맥 특징값과 순차적으로 비교하고, 현재 추출된 장문 및 장정맥 특징값과 가장 높은 일치도를 가지는 사람을 검출한다(S50).
그리고 현재 추출된 장문 및 장정맥 특징값과의 가장 높은 일치도가 기 설정된 임계치 보다 크면(S60), 가장 높은 일치도를 가지는 사람을 사용자로 판단 및 통보하고(S70), 그렇지 않으면 해당 사용자는 미등록자로 판단 및 통보하도록 한다(S80).
이상에서는 본 발명의 바람직한 실시예에 대하여 도시하고 설명하였지만, 본 발명은 상술한 특정의 실시예에 한정되지 아니하며, 청구범위에서 청구하는 본 발명의 요지를 벗어남이 없이 당해 발명이 속하는 기술분야에서 통상의 지식을 가진 자에 의해 다양한 변형 실시가 가능한 것은 물론이고, 이러한 변형 실시들은 본 발명의 기술적 사상이나 전망으로부터 개별적으로 이해되어서는 안 될 것이다.

Claims (5)

  1. 적색 광과 백색 광을 사용자 손바닥으로 함께 동시에 조사하면서, 장문과 장정맥이 함께 촬영되는 복합 이미지를 획득 및 출력하는 복합 이미지 취득부;
    복합 이미지로부터 정사각형의 손바닥 중앙 영역을 역추적한 후 관심 영역으로 설정하고, 관심 영역내 이미지를 추출 및 제공하는 관심 영역 설정부;
    입력 이미지와 장문 및 장정맥 특징값간의 상관관계가 사전 학습된 3중 GAN 학습망을 구비하고, 3중 GAN 학습망을 통해 관심 영역 이미지에 대응되는 장문 및 장정맥 특징값을 동시 추출하는 장문 및 장정맥 특징값 추출부; 및
    데이터베이스에 기 등록된 사람들의 장문 및 장정맥 특징값들을 추출된 특징값과 비교한 후, 가장 높은 일치도를 가지는 사람을 사용자로 인증 및 통보하는 장문 및 장정맥 특징값 비교부를 포함하며,
    상기 적색 광은 적외선 파장 대역의 광이고, 상기 백색 광은 가시광선 파장 대역의 광이고,
    상기 3중 GAN 학습망은
    임의의 잡음을 입력으로 취하여 데이터 공간에서 샘플을 생성하는 생성기; 및
    쿼리 이미지, 동일인의 포지티브 이미지, 타인의 네거티브 이미지를 선택하여 특징 벡터를 생성하는 판별자를 구비하며,
    "
    Figure 112021143887187-pat00028
    " 로 정의되는 최소최대 손실함수, "
    Figure 112021143887187-pat00029
    "로 정의되는 비지도 학습을 위한 판별자 손실함 수, "
    Figure 112021143887187-pat00030
    "로 정의되는 지도학습 을 위한 3중 손실함수, "
    Figure 112021143887187-pat00031
    "로 정의되는 총 손실함수를 가지며, 상기
    Figure 112021143887187-pat00032
    ,
    Figure 112021143887187-pat00033
    ,
    Figure 112021143887187-pat00034
    는 쿼리 이미지, 포지티브 이미지, 네거티브 이미지 각각에 대한 판별자 계산 값인 것을 특징으로 하는 손바닥 복합 이미지에 기반한 사용자 인증 장치.
  2. 제1항에 있어서, 상기 복합 이미지 취득부는
    적색 광을 발생하는 적색 광원 다수개와 백색 광을 발생하는 백색 광원 다수개와 복합 이미지를 획득하는 카메라를 구비하고,
    상기 적색 광원 다수개와 상기 백색 광원 다수개는 서로 교차 배치되며, 상기 카메라는 상기 복합 이미지 취득부의 정중앙에 배치되는 것을 특징으로 하는 손바닥 복합 이미지에 기반한 사용자 인증 장치.
  3. 삭제
  4. 삭제
  5. 적색 광과 백색 광을 사용자 손바닥으로 함께 동시에 조사하면서, 장문과 장정맥이 함께 촬영되는 복합 이미지를 획득 및 출력하는 단계;
    상기 복합 이 미지로부터 정사각형의 손바닥 중앙 영역을 역추적한 후 관심 영역으 로 설정하고, 관심 영역내 이미지를 추출 및 제공하는 단계;
    입력 이미지와 장문 및 장정맥 특징값간의 상관관계가 사전 학습된 3중 GAN 학습망을 통해 상기 관심 영역 이미 지에 대응되는 장문 및 장정맥 특징값을 동시 추출하는 단계; 및
    데이터베이스에 기 등록된 사람들의 장문 및 장정맥 특징값들을 추출된 특징 값과 비교한 후, 가장 높은 일치도를 가지는 사람을 사용자로 인증 및 통보하는 단 계를 포함하며,
    상기 적색 광은 적외선 파장 대역의 광이고, 상기 백색 광은 가시광선 파장 대역의 광이고,
    상기 3중 GAN 학습망은
    임의의 잡음을 입력으로 취하여 데이터 공간에서 샘플을 생성하는 생성기; 및
    쿼리 이미지, 동일인의 포지티브 이미지, 타인의 네거티브 이미지를 선택하여 특징 벡터를 생성하는 판별자를 구비하며,
    "
    Figure 112021143887187-pat00035
    " 로 정의되는 최소최대 손실함수, "
    Figure 112021143887187-pat00036
    "로 정의되는 비지도 학습을 위한 판별자 손실함 수, "
    Figure 112021143887187-pat00037
    "로 정의되는 지도학습 을 위한 3중 손실함수, "
    Figure 112021143887187-pat00038
    "로 정의되는 총 손실함수를 가지며, 상기
    Figure 112021143887187-pat00039
    ,
    Figure 112021143887187-pat00040
    ,
    Figure 112021143887187-pat00041
    는 쿼리 이미지, 포지티브 이미지, 네거티브 이미지 각각에 대한 판별자 계산 값인 것을 특징으로 하는 손바닥 복합 이미지에 기반한 사용자 인증 방법.
KR1020210113199A 2021-08-26 2021-08-26 손바닥 복합 이미지에 기반한 사용자 인증 장치 및 방법 KR102375593B1 (ko)

Priority Applications (1)

Application Number Priority Date Filing Date Title
KR1020210113199A KR102375593B1 (ko) 2021-08-26 2021-08-26 손바닥 복합 이미지에 기반한 사용자 인증 장치 및 방법

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020210113199A KR102375593B1 (ko) 2021-08-26 2021-08-26 손바닥 복합 이미지에 기반한 사용자 인증 장치 및 방법

Publications (1)

Publication Number Publication Date
KR102375593B1 true KR102375593B1 (ko) 2022-03-17

Family

ID=80936365

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020210113199A KR102375593B1 (ko) 2021-08-26 2021-08-26 손바닥 복합 이미지에 기반한 사용자 인증 장치 및 방법

Country Status (1)

Country Link
KR (1) KR102375593B1 (ko)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN117315833A (zh) * 2023-09-28 2023-12-29 杭州名光微电子科技有限公司 一种用于智能门锁的掌静脉识别模组及其方法
CN117542090A (zh) * 2023-11-25 2024-02-09 一脉通(深圳)智能科技有限公司 基于融合网络及sif特征的掌纹静脉识别方法

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20100045788A1 (en) * 2008-08-19 2010-02-25 The Hong Kong Polytechnic University Method and Apparatus for Personal Identification Using Palmprint and Palm Vein
KR20200126724A (ko) 2019-04-30 2020-11-09 재단법인대구경북과학기술원 기계학습을 이용한 레이저침 시스템
JP2021519962A (ja) * 2019-03-29 2021-08-12 ベイジン センスタイム テクノロジー デベロップメント カンパニー， リミテッド 生体検出方法及び装置、機器並びに記憶媒体

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20100045788A1 (en) * 2008-08-19 2010-02-25 The Hong Kong Polytechnic University Method and Apparatus for Personal Identification Using Palmprint and Palm Vein
JP2021519962A (ja) * 2019-03-29 2021-08-12 ベイジン センスタイム テクノロジー デベロップメント カンパニー， リミテッド 生体検出方法及び装置、機器並びに記憶媒体
KR20200126724A (ko) 2019-04-30 2020-11-09 재단법인대구경북과학기술원 기계학습을 이용한 레이저침 시스템

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN117315833A (zh) * 2023-09-28 2023-12-29 杭州名光微电子科技有限公司 一种用于智能门锁的掌静脉识别模组及其方法
CN117315833B (zh) * 2023-09-28 2024-06-04 杭州名光微电子科技有限公司 一种用于智能门锁的掌静脉识别模组及其方法
CN117542090A (zh) * 2023-11-25 2024-02-09 一脉通(深圳)智能科技有限公司 基于融合网络及sif特征的掌纹静脉识别方法

Similar Documents

Publication Publication Date Title
US11188734B2 (en) Systems and methods for performing fingerprint based user authentication using imagery captured using mobile devices
KR102561723B1 (ko) 모바일 디바이스를 사용하여 캡처된 화상을 사용하여 지문 기반 사용자 인증을 수행하기 위한 시스템 및 방법
Verma et al. Daughman’s algorithm method for iris recognition—a biometric approach
KR102375593B1 (ko) 손바닥 복합 이미지에 기반한 사용자 인증 장치 및 방법
JP6792986B2 (ja) 生体認証装置
Reddy et al. A robust scheme for iris segmentation in mobile environment
Nadheen et al. Fusion in multimodal biometric using iris and ear
Patil et al. Fingerprint classification using artificial neural network
Dixit et al. Iris recognition by daugman’s method
Bhuiyan et al. Biometric authentication system using retinal vessel pattern and geometric hashing
Dronky et al. A review on iris liveness detection techniques
US20220277579A1 (en) Clustered dynamic graph convolutional neural network (cnn) for biometric three-dimensional (3d) hand recognition
Seal et al. Minutiae based thermal human face recognition using label connected component algorithm
Deshpande et al. Fast and Reliable Biometric Verification System Using Iris
Mohammed et al. Conceptual analysis of Iris Recognition Systems
Kovoor et al. Iris biometric recognition system employing canny operator
Nestorovic et al. Extracting unique personal identification number from iris
Hombalimath et al. Image quality assessment for iris recognition
Patil et al. Multimodal biometric identification system: Fusion of Iris and fingerprint
Kumar et al. EXTRACTION AND RECOVERING OF FINGER VEIN VERIFICATION BASED ON DEEP ATTRIBUTE REPRESENTATION
Naqash et al. Modeling and Performance Analysis for User Authentication Scheme based on Anomaly Detection Method
Bellini A pilot study on discriminative power of features of superficial venous pattern in the hand
Anantha kumar et al. Personal identification using local Gaussian quadrature filter pair phase quantisation of hand vein images
Vadivelan et al. A Security System Using Finger-Vein Recognition of the User
Poulose Jacob et al. Effectiveness Of Feature Detection Operators On The Performance Of Iris Biometric Recognition System

Legal Events

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