KR102459852B1 - 지문 인식을 위한 후보 지문 이미지를 선정하는 장치 및 방법 - Google Patents

지문 인식을 위한 후보 지문 이미지를 선정하는 장치 및 방법 Download PDF

Info

Publication number
KR102459852B1
KR102459852B1 KR1020170017656A KR20170017656A KR102459852B1 KR 102459852 B1 KR102459852 B1 KR 102459852B1 KR 1020170017656 A KR1020170017656 A KR 1020170017656A KR 20170017656 A KR20170017656 A KR 20170017656A KR 102459852 B1 KR102459852 B1 KR 102459852B1
Authority
KR
South Korea
Prior art keywords
frequency
image
fingerprint
target
fingerprint image
Prior art date
Application number
KR1020170017656A
Other languages
English (en)
Other versions
KR20180092197A (ko
Inventor
이선민
김규홍
최창규
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
Priority to KR1020170017656A priority Critical patent/KR102459852B1/ko
Priority to US15/812,484 priority patent/US10832030B2/en
Priority to EP17208768.6A priority patent/EP3361413B1/en
Priority to CN201810121973.9A priority patent/CN108399374B/zh
Publication of KR20180092197A publication Critical patent/KR20180092197A/ko
Application granted granted Critical
Publication of KR102459852B1 publication Critical patent/KR102459852B1/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
    • G06V40/1347—Preprocessing; Feature extraction
    • 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
    • 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
    • G06V10/46—Descriptors for shape, contour or point-related descriptors, e.g. scale invariant feature transform [SIFT] or bags of words [BoW]; Salient regional features
    • G06V10/469—Contour-based spatial representations, e.g. vector-coding
    • 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
    • G06V40/1347—Preprocessing; Feature extraction
    • G06V40/1359—Extracting features related to ridge properties; Determining the fingerprint type, e.g. whorl or loop
    • 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
    • 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
    • G06V40/1376—Matching features related to ridge properties or fingerprint texture

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Multimedia (AREA)
  • Human Computer Interaction (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Computer Security & Cryptography (AREA)
  • Computer Hardware Design (AREA)
  • Software Systems (AREA)
  • General Engineering & Computer Science (AREA)
  • Collating Specific Patterns (AREA)

Abstract

지문 인식을 위한 후보 지문 이미지를 선정하는 장치 및 방법이 제공된다. 지문 인식을 위한 후보 지문 이미지를 선정하는 장치는 대상 지문 이미지의 주파수 성분을 추출하여, 등록 지문 이미지들의 각각의 주파수 성분과 비교함으로써, 인식을 위한 후보 지문 이미지를 등록 지문 이미지들로부터 선정할 수 있다.

Description

지문 인식을 위한 후보 지문 이미지를 선정하는 장치 및 방법{METHOD AND DEVICE TO SELECT CANDIDATE FINGERPRINT IMAGE FOR RECOGNIZING FINGERPRINT}
이하, 지문 인식을 위한 후보 지문 이미지를 선정하는 기술이 제공된다.
최근 스마트 폰 등 다양한 모바일 기기나 웨어러블 기기의 발전으로 보안 인증에 대한 중요성이 증대되고 있다. 생체 인식에 의한 인증 기술은 지문, 홍채, 목소리, 얼굴, 혈관 등을 이용하여 사용자를 인증한다. 인증에 사용되는 생체 특성들은 사람마다 다르고, 소지의 불편함이 없을 뿐 아니라, 도용이나 모조의 위험성이 적고, 일생 동안 잘 변하지 않는다는 장점이 있기 때문이다.
특히, 지문 인식 기법은 편리성, 보안성, 경제성 등 여러 가지 이유로 현재 가장 많이 상용화되어 있다. 예를 들어, 지문 인식 기법은 사용자 기기에 대한 보안을 강화하고, 모바일 결제 등 각종 응용 서비스를 용이하게 제공할 수 있다.
최근 휴대용 디바이스들이 소형화되면서, 해당 디바이스들에 포함된 지문 센싱 영역의 크기도 작아질 수 밖에 없다. 지문의 일부만을 센싱하는 지문 센서를 이용하여 지문 등록 및 지문 인식을 하는 기술이 요구된다.
일 실시예에 따르면 지문 인식을 위한 후보 지문 이미지를 선정하는 방법은, 대상 지문 이미지를 획득하는 단계; 상기 대상 지문 이미지를 주파수 변환하여 대상 주파수 이미지를 생성하는 단계; 상기 대상 주파수 이미지로부터 대표 주파수와 연관된 주파수 특징 정보를 추출하는 단계; 및 상기 주파수 특징 정보 및 등록 주파수 정보를 비교하여, 등록 지문 이미지들 중 후보 지문 이미지를 선택하는 단계를 포함할 수 있다.
지문 인식을 위한 후보 지문 이미지를 선정하는 방법은 상기 후보 지문 이미지 및 상기 대상 지문 이미지가 매칭하는지 여부를 판단하는 단계를 더 포함할 수 있다.
상기 후보 지문 이미지 및 상기 대상 지문 이미지가 매칭하는지 여부를 판단하는 단계는, 상기 후보 지문 이미지 및 상기 대상 지문 이미지 간의 매칭 정도(matching level)를 산출하는 단계; 및 상기 매칭 정도가 임계 정도(threshold level)을 초과하는 경우에 응답하여, 상기 대상 지문 이미지가 상기 후보 지문 이미지에 매칭하는 것으로 판단하는 단계를 포함할 수 있다.
상기 대상 지문 이미지를 획득하는 단계는, 입력 지문 이미지를 획득하는 단계; 상기 획득된 입력 지문 이미지를 분할하여 상기 대상 지문 이미지를 생성하는 단계를 포함할 수 있다.
상기 대상 주파수 이미지로부터 대표 주파수와 연관된 주파수 특징 정보를 추출하는 단계는, 상기 대상 주파수 이미지로부터, 상기 대상 지문 이미지에 나타나는 지문의 융선(ridge)과 연관된 주파수 정보를 추출하는 단계를 포함할 수 있다.
상기 대상 주파수 이미지로부터 대표 주파수와 연관된 주파수 특징 정보를 추출하는 단계는, 상기 대상 주파수 이미지로부터, 상기 대상 지문 이미지에 나타나는 지문의 융선 간격을 대표하는 주파수 정보, 융선 방향을 대표하는 주파수 정보, 및 주파수 분포 중 적어도 하나를 추출하는 단계를 포함할 수 있다.
상기 지문의 융선 간격을 대표하는 주파수 정보는, 상기 대상 주파수 이미지 상에서 원점과 대표 지점 사이의 거리와 연관된 정보를 나타낼 수 있다.
상기 융선 방향을 대표하는 주파수 정보는, 대표 지점의 크기와 연관된 정보를 나타낼 수 있다.
상기 주파수 특징 정보 및 등록 주파수 정보를 비교하여, 등록 지문 이미지들 중 후보 지문 이미지를 선택하는 단계는, 상기 대상 지문 이미지에 나타나는 지문의 융선 간격을 대표하는 주파수, 융선 방향을 대표하는 주파수, 및 주파수 분포 중 적어도 하나에 기초하여 결정된 대상 주파수 정보를 상기 등록 지문 이미지의 대상 주파수 정보에 비교하여 유사도를 산출하는 단계를 포함할 수 있다.
상기 주파수 특징 정보를 추출하는 단계는, 상기 대상 주파수 이미지를 대표하는 대표 지점을 결정하는 단계; 및 상기 대표 지점이 나타내는 크기 및 상기 대상 주파수 이미지 내의 원점으로부터 상기 대표 지점까지의 대표 거리(representative distance)를 상기 주파수 특징 정보로서 산출하는 단계를 포함할 수 있다.
상기 주파수 특징 정보를 추출하는 단계는, 상기 대상 주파수 이미지에 포함된 복수의 지점들 중 가장 큰 크기(magnitude)를 가지는 대표 지점과 연관된 주파수 정보를 결정하는 단계를 포함할 수 있다.
상기 주파수 특징 정보를 추출하는 단계는, 상기 대상 주파수 이미지에 포함된 복수의 지점들 중 크기 순서(magnitude order)에 기초하여 미리 정한 개수의 대표 지점을 선택하는 단계; 및 상기 대표 지점과 연관된 주파수 정보를 상기 주파수 특징 정보로서 추출하는 단계를 포함할 수 있다.
상기 대표 지점과 연관된 주파수 정보를 상기 주파수 특징 정보로서 추출하는 단계는, 상기 미리 정한 개수의 대표 지점과 원점 간의 대표 거리에 기초하여 주파수 특징 벡터를 산출하는 단계를 포함할 수 있다.
상기 대상 지문 이미지를 획득하는 단계는, 등록 지문 이미지와 동일한 크기를 가지는 입력 지문 이미지를 획득하는 단계를 포함할 수 있다.
지문 인식을 위한 후보 지문 이미지를 선정하는 방법은 상기 주파수 특징 정보 및 상기 등록 주파수를 비교한 결과에 기초하여, 상기 등록 지문 이미지들 중 비후보 지문 이미지를 결정하는 단계; 및 상기 비후보 지문 이미지를 상기 대상 지문 이미지의 인식으로부터 배제하는 단계를 더 포함할 수 있다.
지문 인식을 위한 후보 지문 이미지를 선정하는 방법은 등록 지문 이미지를 주파수 변환하여 등록 주파수 특징 정보를 추출하는 단계; 및 상기 등록 주파수 특징 정보를 상기 등록 지문 이미지에 매핑하여, 데이터베이스에 저장하는 단계를 더 포함할 수 있다.
상기 대상 주파수 이미지로부터 대표 주파수와 연관된 주파수 특징 정보를 추출하는 단계는, 상기 대상 주파수 이미지로부터 임계 크기(threshold magnitude) 이상의 크기를 가지는 지점들의 분포 정보를 상기 주파수 특징 정보로서 산출하는 단계를 포함할 수 있다.
상기 대상 주파수 이미지로부터 대표 주파수와 연관된 주파수 특징 정보를 추출하는 단계는, 상기 대상 주파수 이미지로부터 임계 주파수 이하의 주파수 성분에 대응하는 지점을 상기 주파수 특징 정보의 추출로부터 배제하는 단계를 더 포함할 수 있다.
상기 후보 지문 이미지를 선택하는 단계는, 상기 대상 주파수 이미지의 대표 거리 및 등록 주파수 이미지의 대표 거리 간의 차이, 상기 대상 주파수 이미지의 주파수 특징 벡터 및 상기 등록 주파수 이미지의 주파수 특징 벡터 간의 벡터 거리(vector distance), 및 상기 대상 주파수 이미지의 주파수 특징 벡터 및 상기 등록 주파수 이미지의 주파수 특징 벡터 간의 코사인 유사도 중에서 적어도 하나를 이용해서 유사도를 산출하는 단계를 포함할 수 있다.
상기 후보 지문 이미지를 선택하는 단계는, 상기 주파수 특징 정보 및 등록 주파수 간의 유사도가 임계값 보다 큰 등록 지문 이미지를 상기 후보 지문 이미지로 선택하는 단계를 포함할 수 있다.
지문 인식을 위한 후보 지문 이미지를 선정하는 장치는 대상 지문 이미지를 획득하는 이미지 획득부; 및 상기 대상 지문 이미지를 주파수 변환하여 대상 주파수 이미지를 생성하고, 상기 대상 주파수 이미지로부터 대표 주파수와 연관된 주파수 특징 정보를 추출하며, 상기 주파수 특징 정보 및 등록 주파수 정보를 비교하여, 등록 지문 이미지들 중 후보 지문 이미지를 선택하는 처리부를 포함할 수 있다.
도 1은 일 실시예에 따른 지문 이미지를 설명하는 도면이다.
도 2는 일 실시예에 따른 지문 인식을 위한 후보 지문 이미지를 선정하는 방법을 설명하는 흐름도이다.
도 3은 일 실시예에 따른 입력 지문 이미지를 분할하는 방법을 설명하는 흐름도이다.
도 4는 일 실시예에 따른 대상 주파수 이미지를 설명하는 도면이다.
도 5 및 도 6은 일 실시예에 따른 대상 주파수 이미지로부터 주파수 특징 정보의 추출을 설명하는 도면이다.
도 7은 일 실시예에 따른 주파수 특징 정보에 기초한 유사도 산출을 설명하는 흐름도이다.
도 8은 일 실시예에 따른 주파수 특징 벡터를 설명하는 도면이다.
도 9는 일 실시예에 따른 후보 지문 이미지의 선택을 설명하는 도면이다.
도 10은 다른 일 실시예에 따른 지문 인식을 위한 후보 지문 이미지를 선정하는 방법을 설명하는 흐름도이다.
도 11은 일 실시예에 따른 지문 등록 방법을 설명하는 흐름도이다.
도 12 및 도 13은 지문 인식을 위한 후보 지문 이미지를 선정하는 장치를 도시한 블록도이다.
이하, 실시예들을 첨부된 도면을 참조하여 상세하게 설명한다. 그러나, 특허출원의 범위가 이러한 실시예들에 의해 제한되거나 한정되는 것은 아니다. 각 도면에 제시된 동일한 참조 부호는 동일한 부재를 나타낸다.
아래 설명하는 실시예들에는 다양한 변경이 가해질 수 있다. 아래 설명하는 실시예들은 실시 형태에 대해 한정하려는 것이 아니며, 이들에 대한 모든 변경, 균등물 내지 대체물을 포함하는 것으로 이해되어야 한다.
실시예에서 사용한 용어는 단지 특정한 실시예를 설명하기 위해 사용된 것으로, 실시예를 한정하려는 의도가 아니다. 단수의 표현은 문맥상 명백하게 다르게 뜻하지 않는 한, 복수 개의 표현을 포함한다. 본 명세서에서, "포함하다" 또는 "가지다" 등의 용어는 명세서 상에 기재된 특징, 숫자, 단계, 동작, 구성 요소, 부품 또는 이들을 조합한 것이 존재함을 지정하려는 것이지, 하나 또는 그 이상의 다른 특징들이나 숫자, 단계, 동작, 구성요소, 부품 또는 이들을 조합한 것들의 존재 또는 부가 가능성을 미리 배제하지 않는 것으로 이해되어야 한다.
다르게 정의되지 않는 한, 기술적이거나 과학적인 용어를 포함해서 여기서 사용되는 모든 용어들은 실시예가 속하는 기술 분야에서 통상의 지식을 가진 자에 의해 일반적으로 이해되는 것과 동일한 의미를 가지고 있다. 일반적으로 사용되는 사전에 정의되어 있는 것과 같은 용어들은 관련 기술의 문맥 상 가지는 의미와 일치하는 의미를 가지는 것으로 해석되어야 하며, 본 출원에서 명백하게 정의하지 않는 한, 이상적이거나 과도하게 형식적인 의미로 해석되지 않는다.
또한, 첨부 도면을 참조하여 설명함에 있어, 도면 부호에 관계없이 동일한 구성 요소는 동일한 참조 부호를 부여하고 이에 대한 중복되는 설명은 생략하기로 한다. 실시예를 설명함에 있어서 관련된 공지 기술에 대한 구체적인 설명이 실시예의 요지를 불필요하게 흐릴 수 있다고 판단되는 경우 그 상세한 설명을 생략한다.
도 1은 일 실시예에 따른 지문 이미지를 설명하는 도면이다.
도 1을 참조하면, 일 실시예에 따른 지문 센서(도면 미 표시)는 사용자의 지문(100)을 센싱한다. 지문 센서는 센싱 영역을 통하여 지문(100)을 센싱할 수 있다. 이 때, 지문 센서의 센싱 영역의 크기는 지문(100)의 크기보다 작을 수 있다. 예를 들어, 지문 센서의 센싱 영역은 지문(100)의 크기보다 작은 직사각형 모양을 가질 수 있다. 이 경우, 지문 센서는 센싱 영역을 통하여 지문(100)의 일부를 센싱할 수 있다.
지문 센서는 센싱된 지문을 캡쳐(capture) 함으로써 지문 이미지를 생성할 수 있다. 지문 센서의 센싱 영역의 크기가 지문(100)의 크기보다 작은 경우, 지문 센서에 의하여 생성되는 지문 이미지는 지문(100)의 일부를 포함하는 부분 이미지(partial image)에 해당할 수 있다.
지문 이미지는 사용자의 지문(100)을 등록하거나 인식하는데 이용될 수 있다. 예를 들어, 등록(enrollment) 단계에서 지문 이미지가 등록될 수 있다. 등록된 지문 이미지는 미리 구비된 저장소에 저장될 수 있다. 지문 센서의 센싱 영역의 크기가 지문(100)의 크기보다 작은 경우, 사용자의 지문(100)의 부분 이미지들에 해당하는 복수의 지문 이미지들이 등록될 수 있다. 예를 들어, 복수의 부분 이미지들(110 내지 170)이 등록될 수 있다. 부분 이미지들(110 내지 170)은 각각 지문(100)의 일부를 커버하고, 부분 이미지들(110 내지 170)이 모여 지문(100)을 전체적으로 커버할 수 있다. 이 때, 부분 이미지들(110 내지 170)은 서로 겹칠 수 있다. 이하, 설명의 편의를 위하여 기 등록된 지문을 나타내는 이미지를 등록 지문 이미지라고 지칭한다.
또한, 인식(recognition) 단계에서 지문 이미지가 인식될 수 있다. 예를 들어, 인식 단계에서 지문 이미지는 기 등록된 지문 이미지와 비교될 수 있다. 지문 이미지와 기 등록된 지문 이미지가 일치하는지 여부에 따라, 사용자 인증 결과 또는 사용자 식별 결과가 도출될 수 있다. 지문 센서의 센싱 영역의 크기가 지문(100)의 크기보다 작은 경우, 지문 이미지는 사용자의 지문(100)의 부분 이미지에 해당할 수 있다. 이하, 설명의 편의를 위하여 사용자의 지문을 나타내는 이미지를 입력 지문 이미지라고 지칭한다. 아래에서 상세히 설명하겠으나, 실시예들은 입력 지문 이미지와 등록 지문 이미지들을 비교함으로써 지문을 인식하는 기법을 제공할 수 있다. 예를 들어, 지문 인식을 위한 후보 지문 이미지를 선정하는 장치(이하, 후보 지문 선정 장치)는 입력 지문 이미지가 분할된 대상 지문 이미지와 등록 지문 이미지의 적어도 일부를 비교할 수 있다.
도 1에서 지문 센서의 센싱 영역은 직사각형의 모양을 가지는 것으로 설명되었으나, 지문 센서의 센싱 영역의 크기 및 모양은 다양하게 변형될 수 있다. 예를 들어, 지문 센서의 센싱 영역은 원형일 수도 있다.
경우에 따라서, 등록 단계에서 이용되는 지문 센서와 인식 단계에서 이용되는 지문 센서는 서로 다를 수 있다. 예를 들어, 등록 단계에서는 도 1에 도시된 직사각형 모양의 센싱 영역을 갖는 지문 센서가 이용되고, 인식 단계에서는 원형 모양의 센싱 영역을 갖는 지문 센서가 이용될 수도 있다. 상술한 바와 같이, 지문의 일부를 이용하여 사용자 인식이 수행되어야 하는 바, 지문 인식 과정에서 등록 지문 이미지 중에서 비교 대상인 후보 지문 이미지를 빠르게 선별할 필요가 있다.
도 2는 일 실시예에 따른 지문 인식을 위한 후보 지문 이미지를 선정하는 방법을 설명하는 흐름도이다.
우선 단계(210)에서 후보 지문 선정 장치는 대상 지문 이미지를 획득할 수 있다. 대상 지문 이미지는 지문 인식의 대상이 되는 지문의 적어도 일부를 포함하는 이미지를 나타낼 수 있다. 예를 들어, 대상 지문 이미지는 입력 지문 이미지가 분할된 이미지일 수 있다. 다만, 이로 한정하는 것은 아니고, 대상 지문 이미지는 입력 지문 이미지 자체일 수도 있다.
그리고 단계(220)에서 후보 지문 선정 장치는 대상 지문 이미지를 주파수 변환하여 대상 주파수 이미지를 생성할 수 있다. 예를 들어, 후보 지문 선정 장치는 공간적 영역에서 정의되는 대상 지문 이미지를 주파수 영역으로 변환할 수 있다. 대상 지문 이미지 및 대상 주파수 이미지는 하기 도 4에서 상세히 설명한다.
이어서 단계(230)에서 후보 지문 선정 장치는 대상 주파수 이미지로부터 대표 주파수와 연관된 주파수 특징 정보를 추출할 수 있다. 주파수 특징 정보는 대상 주파수 이미지의 주파수 특징을 나타내는 정보일 수 있다.
본 명세서에서, 대표 주파수는 대상 주파수 이미지를 대표하는 주파수를 나타낼 수 있다. 예를 들어, 대표 주파수는 대상 주파수 이미지 내에서 임계 크기 이상의 크기를 가지는 대표 지점들에 대응하는 주파수 성분일 수 있다. 대표 지점은 하기 도 4에서 상세히 설명한다.
그리고 단계(240)에서 후보 지문 선정 장치는 주파수 특징 정보 및 등록 주파수 정보를 비교하여, 등록 지문 이미지들 중 후보 지문 이미지를 선택할 수 있다. 후보 지문 이미지는 대상 지문 이미지와의 매칭 여부 판단에 사용되는 이미지를 나타낼 수 있다. 예를 들어, 후보 지문 선정 장치는 모든 등록 지문 이미지에 대해 지문 매칭을 수행하는 대신, 후보 지문 이미지에 대해서만 대상 지문 이미지와의 매칭 여부를 판단할 수 있다. 따라서, 후보 지문 선정 장치는 매칭 연산의 횟수를 감소시킴으로써, 지문 인식에 소요되는 시간을 감축할 수 있다.
도 3은 일 실시예에 따른 입력 지문 이미지를 분할하는 방법을 설명하는 흐름도이다.
우선, 단계(311)에서 후보 지문 선정 장치는 입력 지문 이미지(391)를 획득할 수 있다. 입력 지문 이미지(391)는 후보 지문 선정 장치로 입력되는 지문 이미지를 나타낼 수 있고, 예를 들어, 전체 지문의 적어도 일부를 나타내는 지문을 포함할 수 있다. 일 실시예에 따르면 후보 지문 선정 장치는 등록 지문 이미지와 동일한 크기를 가지는 입력 지문 이미지(391)를 획득할 수 있다. 다만, 이로 한정하는 것은 아니다.
그리고 단계(312)에서 후보 지문 선정 장치는 입력 지문 이미지(391)를 분할하여 대상 지문 이미지(392)를 생성할 수 있다. 대상 지문 이미지(392)는 공간적 영역(spatial domain)에서 정의되는 이미지를 나타낼 수 있다. 예를 들어, 대상 지문 이미지(392)는 2차원 이미지일 수 있고, 복수의 픽셀들을 포함할 수 있다. 대상 지문 이미지(392)에서 각 픽셀(pixel)의 픽셀 값은 해당 픽셀이 배치된 공간적인 위치에 대응하는 세기(intensity)를 나타낼 수 있고, 세기는 예를 들어, 밝기(brightness)일 수 있다. 다만, 세기를 밝기로 한정하는 것은 아니고, 색상을 지시하는 화소값(예를 들어, RGB 값, CYB 값 등), 및 객체와의 거리를 지시하는 깊이 값(예를 들어, 깊이 센서에 의해 획득되는 값) 등이 세기로서 사용될 수도 있다.
도 4는 일 실시예에 따른 대상 주파수 이미지를 설명하는 도면이다.
대상 주파수 이미지(400)는 대상 지문 이미지가 주파수 영역으로 변환된 이미지를 나타낼 수 있다. 예를 들어, 대상 지문 이미지가 2차원 이미지일 경우, 대상 주파수 이미지(400)도 2차원 이미지로서 복수의 지점들을 포함할 수 있고, 복수의 지점들의 각각에 대해 크기(magnitude)가 매핑될 수 있다. 대상 주파수 이미지(400)에서 각 지점의 크기는 해당 지점에 대응하는 주파수 성분(frequency component)이 나타나는(present) 정도(level)(예를 들어, 빈도)를 나타낼 수 있다. 예를 들어, 대상 주파수 이미지(400)의 주파수 성분은, 대상 지문 이미지의 픽셀의 밝기의 변화 정도를 나타낼 수 있다.
도 4에 도시된 바와 같이, 대상 주파수 이미지(400)의 제1 지점(410)의 크기는, 제1 주파수 축(도 4에서 가로 축) 상에서 제1 지점(410)에 대응하는 주파수 성분(예를 들어, 도 4에서 u로 도시됨) 및 제2 주파수 축(도 4에서 세로 축) 상에서 제1 지점(410)에 대응하는 주파수 성분(예를 들어, 도 4에서 v로 도시됨)이 나타나는 정도(예를 들어, 도 4에서는 정도가 클 수록 밝게 도시됨)를 나타낼 수 있다. 또한, 후보 지문 선정 장치는 원점(490)과 제1 지점(410) 사이의 거리(420)를 산출할 수 있다. 후보 지문 선정 장치는 제1 지점(410)에 대응하는 크기 및 원점(490)으로부터 제1 지점(410)까지의 거리(420)를 주파수 특징 정보로서 추출할 수 있다. 제1 지점(410)은 대상 주파수 이미지(400)를 대표하는 대표 지점일 수 있다.
일 실시예에 따르면 후보 지문 선정 장치는 대상 주파수 이미지로부터, 대상 지문 이미지에 나타나는 지문의 융선 간격을 대표하는 주파수 정보, 융선 방향을 대표하는 주파수 정보, 및 주파수 분포 중 적어도 하나를 추출할 수 있다. 융선 간격을 대표하는 주파수 정보는 원점(490)과 대표 지점 사이의 거리(420)와 연관된 정보를 포함할 수 있고, 융선 방향을 대표하는 주파수 정보는 대표 지점의 크기와 연관된 정보를 포함할 수 있다.
주파수 분포는 대상 주파수 이미지(400)에서 대표 지점들의 분포를 나타내는 정보를 나타낼 수 있다. 예를 들어, 주파수 분포는 제1 지점(410)을 중심으로 일정 값 이상의 크기를 가지는 대표 지점들의 위치의 분포 정보(예를 들어, 분산 값, 표준 편차 값 등)를 나타낼 수 있다. 일 실시예에 따르면, 후보 지문 선정 장치는 대상 주파수 이미지(400)로부터 임계 크기(threshold magnitude) 이상의 크기를 가지는 대표 지점들의 분포 정보를 주파수 특징 정보로서 산출할 수 있다. 또한, 후보 지문 선정 장치는 대상 주파수 이미지로부터 임계 주파수 이하의 주파수 성분에 대응하는 지점을 주파수 특징 정보의 추출로부터 배제할 수 있다. 임계 주파수 이하의 주파수 성분에 대응하는 지점은 제1 주파수 축 및 제2 주파수 축을 따라서 나타날 수 있고, 대표 지점과의 연관성이 적은 지점일 수 있다. 따라서, 후보 지문 선정 장치는 임계 주파수 이하의 주파수 성분에 대응하는 지점을 배제함으로써, 대표 지점과 관련된 특징만을 주파수 특징 정보에 포함시킬 수 있다.
후보 지문 선정 장치는 대상 주파수 이미지(400)를 대표하는 대표 지점을 결정할 수 있다. 후보 지문 선정 장치는 대표 지점이 나타내는 크기 및 대상 주파수 이미지(400) 내의 원점(490)으로부터 대표 지점까지의 대표 거리(representative distance)(420)를 주파수 특징 정보로서 산출할 수 있다.
또한, 후보 지문 선정 장치는 대상 주파수 이미지(400)에 포함된 복수의 지점들 중 가장 큰 크기(magnitude)를 가지는 대표 지점과 연관된 주파수 정보를 결정할 수 있다.
주파수 특징 정보의 추출 예시는 하기 도 5 및 도 6에서 상세히 설명한다.
도 5 및 도 6은 일 실시예에 따른 대상 주파수 이미지로부터 주파수 특징 정보의 추출을 설명하는 도면이다.
후보 지문 선정 장치는 대상 지문 이미지(510, 610)에 대해 주파수 변환을 수행함으로써, 대상 주파수 이미지(520, 620)를 생성할 수 있다. 후보 지문 선정 장치는 등록 지문 이미지들 중에서 입력 지문 이미지와 유사한 후보 지문 이미지를 빠르게 선정하기 위하여, 입력 지문 이미지의 주파수 특징을 활용할 수 있다.
예를 들어, 후보 지문 선정 장치는 대상 주파수 이미지(520, 620)로부터, 대상 지문 이미지(510, 610)에 나타나는 지문의 융선(ridge)과 연관된 주파수 정보를 추출할 수 있다. 융선과 연관된 주파수 정보는 지문의 대표적인 특성인, 융선 간격, 융선 방향 분포 등과 연관된 주파수 특징을 포함할 수 있다. 융선과 연관된 주파수 정보는 대상 주파수 이미지(520, 620) 내의 각 지점의 크기(magnitude), 대상 주파수 이미지(520, 620)의 중심(예를 들어, 원점(529, 629))으로부터 피크(Peak) 크기를 가지는 지점(예를 들어, 대표 지점의 주파수 위치)까지의 거리(525, 625), 피크 크기(peak magnitude) 값 등을 포함할 수 있다. 대상 주파수 이미지(520, 620) 내에서 피크 크기 값을 가지는 지점을 대표 지점(521, 621)이라고 나타낼 수 있다. 다만, 대표 지점(521, 621)을 이로 한정하는 것은 아니고, 대표 지점(521, 621)은 대상 주파수 이미지(520, 620)를 대표하는 지점으로서, 임계 크기 이상의 크기를 가지는 복수의 지점들일 수도 있다.
융선 간격을 대표하는 주파수 정보는 대상 주파수 이미지(520, 620) 내에서 원점(529, 629)으로부터 피크 크기를 가지는 대표 지점(521, 621)까지의 거리(525, 625)일 수 있다. 예를 들어, 원점(529, 629)으로부터 피크 크기를 가지는 대표 지점(521, 621)까지의 거리(525, 625)는 R(u,v) = sqrt(u*u + v*v)로 표현될 수 있다. 여기서, u는 대표 지점(521, 621)에 대응하는 제1 주파수 축 상의 주파수 성분(예를 들어, 주파수 위치), v는 대표 지점(521, 621)에 대응하는 제2 주파수 축 상의 주파수 성분을 나타낼 수 있다. sqrt는 제곱근 연산을 나타낼 수 있다. R의 크기가 클 수록, 융선 간격이 좁을 수 있고, R의 크기가 작을 수록 융선 간격이 넓을 수 있다.
융선 방향(511, 611)을 대표하는 주파수 정보는 대상 주파수 이미지(520, 620)에서 대표 지점(521, 621)이 나타내는 크기(예를 들어, 피크 크기)일 수 있다. 예를 들어, 대표 지점(521, 621)의 크기 값은 M(u,v)= Intensity@(u,v) 로 표현될 수 있다. Intensity@(u, v)는 대상 주파수 이미지(520, 620)의 제1 주파수 축 상의 u, 제2 주파수 축 상의 v의 주파수 위치를 가지는 지점에서의 세기 값을 나타낼 수 있다. M의 값이 클 수록 대상 지문 이미지(510, 610)에 나타나는 융선들의 융선 방향(511, 611)이 서로 유사할 수 있고, M의 크기가 작을 수록 대상 지문 이미지(510, 610) 상에서 융선들의 융선 방향(511, 611)이 서로 다르게, 다양하게 나타날 수 있다.
예를 들어, 도 5에 도시된 대상 지문 이미지(510)는 지문의 융선(ridge)의 간격이 넓고, 도미넌트(Dominant)한 방향(예를 들어, 지문의 융선 방향(511)이 유사한 방향을 가짐)을 가질 수 있다. 대상 지문 이미지(510)의 융선 간격이 넓으므로, 대상 주파수 이미지(520)에서 원점(529)으로부터 대표 지점(521)의 위치(도 5에서는 u1, v1으로 도시됨)까지의 대표 거리(525)는 작게 나타날 수 있다. 여기서, 융선 방향(511)이 도미넌트한 방향을 가지므로, 대상 주파수 이미지(520)에서 대표 지점(521)이 도 6보다 큰 크기 값을 가질 수 있다.
다른 예를 들어, 도 6에 도시된 대상 지문 이미지(610)는 지문의 융선 간격이 좁고, 다양한 방향을 가질 수 있다. 대상 지문 이미지(610)의 융선 간격이 좁으므로, 대상 주파수 이미지(620)에서 원점(629)으로부터 대표 지점(621)의 위치(도 6에서는 u2, v2로 도시됨)까지의 거리(625)는 크게 나타날 수 있다. 여기서, 융선 방향(611)이 다양한 방향을 가지므로, 대상 주파수 이미지(620)에서 대표 지점(621)이 도 5보다 작은 크기 값을 가질 수 있다.
도 7은 일 실시예에 따른 주파수 특징 정보에 기초한 유사도 산출을 설명하는 흐름도이다.
일 실시예에 따르면, 후보 지문 선정 장치는 주파수 특징 정보 및 등록 주파수 정보를 비교하여, 등록 지문 이미지들 중 후보 지문 이미지를 선택할 수 있다.
우선, 단계(741)에서 후보 지문 선정 장치는 주파수 특징 정보에 기초하여 유사도를 산출할 수 있다. 예를 들어, 후보 지문 선정 장치는 대상 주파수 이미지로부터 추출된 주파수 특징 정보 및 등록 주파수 이미지로부터 추출된 등록 주파수 정보를 비교함으로써 유사도를 산출할 수 있다. 등록 주파수 이미지는 데이터베이스에 저장된 등록 지문 이미지를 구성하고 있는 주파수 성분을 나타내는 이미지로서, 등록 지문 이미지와 매핑되어 저장될 수 있다.
일 실시예에 따르면, 후보 지문 선정 장치는 대상 지문 이미지에 나타나는 지문의 융선 간격을 대표하는 주파수, 융선 방향을 대표하는 주파수, 및 주파수 분포 중 적어도 하나에 기초하여 결정된 대상 주파수 정보를 등록 지문 이미지의 대상 주파수 정보에 비교하여 유사도를 산출할 수 있다. 후보 지문 선정 장치는 대상 주파수 이미지의 대표 거리 및 등록 주파수 이미지의 대표 거리 간의 차이, 대상 주파수 이미지의 주파수 특징 벡터 및 등록 주파수 이미지의 주파수 특징 벡터 간의 벡터 거리(vector distance), 및 대상 주파수 이미지의 주파수 특징 벡터 및 등록 주파수 이미지의 주파수 특징 벡터 간의 코사인 유사도 중에서 적어도 하나를 이용해서 유사도로서 산출할 수 있다.
예를 들어, 대상 주파수 이미지의 대표 거리 및 등록 주파수 이미지의 대표 거리 간의 차이는
Figure 112017013297778-pat00001
로 표현될 수 있다. 여기서, F는 대상 주파수 이미지의 대표 거리를 나타낼 수 있고, F'은 등록 주파수 이미지의 대표 거리를 나타낼 수 있다.
다른 예를 들어, 대상 주파수 이미지에서 복수개의 대표 지점들이 추출된 경우, 후보 지문 선정 장치는 대상 주파수 이미지에 대한 주파수 특징 벡터 및 등록 주파수 이미지에 대한 주파수 특징 벡터에 기초하여 특징 벡터 거리를 산출할 수 있다. 예를 들어, 후보 지문 선정 장치는 두 주파수 특징 벡터들 간의 특징 벡터 거리를
Figure 112017013297778-pat00002
(예를 들어, L2 Norm)로 산출할 수 있다. 여기서,
Figure 112017013297778-pat00003
는 대상 주파수 이미지의 주파수 특징 벡터로서, 예를 들어,
Figure 112017013297778-pat00004
로 표현될 수 있다. f1, 및 f2 등은 대상 주파수 이미지 내에서 각각의 대표 지점에 대한 대표 거리들을 나타낼 수 있다.
Figure 112017013297778-pat00005
는 등록 주파수 이미지의 주파수 특징 벡터로서, 예를 들어,
Figure 112017013297778-pat00006
로 표현될 수 있다. f1', 및 f2' 등은 등록 주파수 이미지 내에서 각각의 대표 지점에 대한 대표 거리들을 나타낼 수 있다.
다른 예를 들어, 후보 지문 선정 장치는 두 특징 벡터들 간의 유사도를
Figure 112017013297778-pat00007
(예를 들어, 코사인 유사도)로 산출할 수 있다.
즉, 유사도가 임계값보다 큰 값을 가질 수록 유사하고, 작은 값을 가질 수록 비유사한 것을 나타낼 수 있다. 반면, 특징 벡터 거리는 임계값보다 작은 값을 가질수록 유사하고, 큰 값을 가질수록 비유사한 것을 나타낼 수 있다.
그리고 단계(742)에서 후보 지문 선정 장치는 유사도가 임계값보다 큰 지 비교할 수 있다. 예를 들어, 후보 지문 선정 장치는 주파수 특징 정보 및 등록 주파수 간의 유사도가 임계값 보다 큰 경우에 등록 지문 이미지를 후보 지문 이미지로 선택할 수 있다. 후보 지문 선정 장치는 유사도가 임계값 이하인 경우에는 데이터베이스에 저장된 등록 지문 이미지들 중 현재 비교 대상이었던 등록 지문 이미지의 다음 이미지에 대하여 유사도를 산출할 수 있다.
도 8은 일 실시예에 따른 주파수 특징 벡터를 설명하는 도면이다.
후보 지문 선정 장치는 대상 주파수 이미지(810)에 포함된 복수의 지점들 중 크기 순서(magnitude order)에 기초하여 미리 정한 개수의 대표 지점을 선택할 수 있다. 후보 지문 선정 장치는 대표 지점과 연관된 주파수 정보를 주파수 특징 정보로서 추출할 수 있다. 도 8에서는 3개의 대표 지점이 선택된 예시를 설명하지만, 이로 한정하는 것은 아니다.
후보 지문 선정 장치는 미리 정한 개수의 대표 지점과 원점 간의 대표 거리에 기초하여 주파수 특징 벡터를 산출할 수 있다. 주파수 특징 벡터는 복수의 대표 지점들의 각각과 연관된 대표 거리를 원소(element)로 가지는 벡터일 수 있다. 예를 들어, 도 8에서
Figure 112017013297778-pat00008
는 대상 주파수 이미지(810)에 대한 주파수 특징 벡터를 나타낼 수 있고,
Figure 112017013297778-pat00009
=(f1, f2, f3)로 표현될 수 있다. f1은 원점으로부터 대표 지점 (u1, v1)의 주파수 위치까지의 대표 거리를 나타낼 수 있고, f2는 원점으로부터 대표 지점 (u2, v2)의 주파수 위치까지의 대표 거리를 나타낼 수 있으며, f3는 원점으로부터 대표 지점 (u3, v3)의 주파수 위치까지의 대표 거리를 나타낼 수 있다. I(u, v)는 (u, v) 주파수 위치에서의 크기 값을 나타낼 수 있고, 도 8의 예시에서는 I(u1, v1) > I(u2, v2) > I(u3, v3)일 수 있다.
후보 지문 선정 장치는 등록 주파수 이미지(820)에 대해서도 주파수 특징 벡터를 산출할 수 있다.
후보 지문 선정 장치는 상술한 바와 같이, 대상 주파수 이미지(810)의 주파수 특징 벡터 및 등록 주파수 이미지(820)의 주파수 특징 벡터를 각각 산출할 수 있고, 두 특징 벡터 간의 유사도를 산출할 수 있다.
도 9는 일 실시예에 따른 후보 지문 이미지의 선택을 설명하는 도면이다.
후보 지문 선정 장치는 입력 지문 이미지(910)를 대상 지문 이미지들(911, 912, 913)로 분할하여, 대상 지문 이미지들(911, 912, 913)의 각각에 대해 주파수 특징 정보를 추출하여 등록 지문 이미지들과의 특징 벡터 거리를 산출할 수 있다.
예를 들어, 후보 지문 선정 장치는 제1 등록 지문(980)이 분할된 제1 등록 지문 이미지들(981, 982, 983)의 각각 및 제2 등록 지문(990)이 분할된 제2 등록 지문 이미지들(991, 992, 993)의 각각에 대하여 대상 지문 이미지와의 특징 벡터 거리를 산출할 수 있다.
후보 지문 선정 장치는 대상 지문 이미지들(911, 912, 913)의 모두에 대하여 임계값(1.5, 1.5) 미만인 것으로 판단된 등록 지문 이미지를 후보 지문 이미지로 선정할 수 있다. 예를 들어, 도 9에서는 후보 지문 선정 장치가 제1 등록 지문 이미지들(981, 982, 983)의 각각에 대하여 특징 벡터 거리를 산출하고, 특징 벡터 거리가 임계값 미만인지 여부를 근거로 유사도 여부를 판단할 수 있다. 후보 지문 선정 장치는 도 9에서 <표 1>(920)과 <표 2>(930)를 통해서 확인할 수 있듯이 대상 지문 이미지들(911, 912, 913)들 각각에 포함된 특징 벡터 거리가 굵은 글씨로 표시한 것과 같이 모두 임계값(1.5, 1.5) 미만인 경우에 응답하여, 제1 등록 지문 이미지들(981, 982, 983)을 후보 지문 이미지로 결정할 수 있다. 다만, 이로 한정하는 것은 아니고, 다른 예를 들어, 후보 지문 선정 장치는 등록 지문이 분할된 등록 지문 이미지들의 각각에 대하여 대상 지문 이미지와의 특징 벡터 거리를 산출할 수 있고, 산출된 특징 벡터 거리 중 하나 이상이 임계값 미만인 경우, 해당 등록 지문 이미지들을 후보 지문 이미지로 결정할 수 있다. 또한, 특징 벡터 거리 대신 유사도를 사용할 수도 있고, 이 경우 후보 지문 선정 장치는 임계값 이상의 특징 벡터 거리를 가지는 등록 지문 이미지가 하나라도 존재하는 경우, 해당 등록 지문 이미지와 연관된 나머지 등록 지문 이미지(예를 들어, 동일 등록 지문)도 후보 지문 이미지로 결정할 수 있다.
도 10은 다른 일 실시예에 따른 지문 인식을 위한 후보 지문 이미지를 선정하는 방법을 설명하는 흐름도이다.
우선, 단계(311)에서 후보 지문 선정 장치는 입력 지문 이미지를 획득할 수 있다. 그리고 단계(312)에서 후보 지문 선정 장치는 입력 지문 이미지를 분할하여 대상 지문 이미지를 생성할 수 있다. 상세한 동작은 도 3에서 상술한 바와 같을 수 있다.
이어서 단계(1020)에서 후보 지문 선정 장치는 대상 지문 이미지에 대응하는 주파수 특징 정보를 생성할 수 있다. 주파수 특징 정보의 생성은 도 4 내지 도 6에서 상술한 바와 같다.
그리고 단계(1030)에서 후보 지문 선정 장치는 등록 지문 이미지에 대응하는 주파수 특징 정보를 획득할 수 있다. 예를 들어, 후보 지문 선정 장치는 데이터베이스로부터 등록 지문 이미지에 매핑된 주파수 특징 정보를 획득할 수 있다. 데이터베이스에 저장된 등록 지문 이미지의 개수는 N개일 수 있고, 여기서, N은 1이상의 정수일 수 있다.
이어서 단계(1041)에서 후보 지문 선정 장치는 주파수 특징 정보를 비교할 수 있다. 예를 들어, 후보 지문 선정 장치는 대상 지문 이미지에 대응하는 주파수 특징 정보 및 등록 지문 이미지에 대응하는 주파수 특징 정보 간의 유사도를 산출할 수 있다. 후보 지문 선정 장치는 단계(1042)에서 데이터베이스로부터 획득된 등록 지문 이미지와 대상 지문 이미지가 상이한 것으로 판단된 경우에 응답하여, 데이터베이스에서 다음 이미지(예를 들어, 다른 등록 지문 이미지)에 대응하는 주파수 특징 정보를 획득할 수 있다.
그리고 단계(1043)에서 후보 지문 선정 장치는 유사한 것으로 판단된 등록 지문 이미지를 후보 지문 이미지로 선택할 수 있다. 예를 들어, 후보 지문 선정 장치는 M개의 후보 지문 이미지를 N개의 등록 지문 이미지들로부터 선정할 수 있다. 여기서, M은 1이상의 정수로서, N보다 작을 수 있다.
또한, 후보 지문 선정 장치는 주파수 특징 정보 및 등록 주파수를 비교한 결과에 기초하여, 등록 지문 이미지들 중 비후보 지문 이미지(non candidate fingerprint image)를 결정할 수 있다. 후보 지문 선정 장치는 비후보 지문 이미지를 대상 지문 이미지의 인식으로부터 배제할 수 있다.
일 실시예에 따르면 후보 지문 선정 장치는 후보 지문 이미지 및 대상 지문 이미지가 매칭하는지 여부를 판단할 수 있다. 예를 들어, 후보 지문 선정 장치는 후보 지문 이미지 및 대상 지문 이미지 간의 매칭 정도(matching level)를 산출할 수 있다. 매칭 정도는 후보 지문 이미지 및 대상 지문 이미지가 매칭되는 정도를 나타낼 수 있다. 후보 지문 선정 장치는 매칭 정도가 임계 정도(threshold level)을 초과하는 경우에 응답하여, 대상 지문 이미지가 후보 지문 이미지에 매칭하는 것으로 판단할 수 있다.
도 11은 일 실시예에 따른 지문 등록 방법을 설명하는 흐름도이다.
우선, 단계(1110)에서 후보 지문 선정 장치는 지문 이미지를 획득할 수 있다. 예를 들어, 후보 지문 선정 장치는 사용자로부터 등록 대상이 되는 지문에 관련된 이미지를 획득할 수 있다. 후보 지문 선정 장치는 도 1에서 상술한 바와 유사한 방식을 통해 지문 이미지를 촬영함으로써 등록 대상이 되는 지문와 관련된 이미지를 획득할 수 있다.
그리고 단계(1120)에서 후보 지문 선정 장치는 지문 이미지를 분할할 수 있다. 후보 지문 선정 장치는 지문 이미지를 일정한 크기로 분할할 수 있다.
이어서 단계(1130)에서 후보 지문 선정 장치는 분할된 지문 이미지로부터 주파수 특징 정보를 추출할 수 있다. 예를 들어, 후보 지문 선정 장치는 등록 지문 이미지를 주파수 변환하여 등록 주파수 이미지를 생성할 수 있고, 등록 주파수 이미지로부터 등록 주파수 특징 정보를 추출할 수 있다. 등록 주파수 특징 정보는 등록 주파수 이미지의 주파수 특징을 나타내는 정보로서, 예를 들어, 등록 주파수 이미지에 나타나는 대표 지점의 크기, 원점으로부터 대표 지점까지의 거리, 및 대표 지점의 분포 정보 등을 포함할 수 있다.
그리고 단계(1140)에서 후보 지문 선정 장치는 분할된 지문 이미지 및 주파수 특징 정보를 매핑하여 데이터베이스에 저장할 수 있다. 예를 들어, 후보 지문 선정 장치는 등록 주파수 특징 정보 및 등록 주파수 이미지 등을 등록 지문 이미지에 매핑하여, 데이터베이스에 저장할 수 있다.
도 12 및 도 13은 지문 인식을 위한 후보 지문 이미지를 선정하는 장치를 도시한 블록도이다.
도 12에 도시된 후보 지문 선정 장치(1200)는 이미지 획득부(1210) 및 처리부(1220)를 포함한다.
이미지 획득부(1210)는 대상 지문 이미지를 획득할 수 있다. 예를 들어, 이미지 획득부(1210)는 지문 센서를 포함할 수 있다.
처리부(1220)는 대상 지문 이미지를 주파수 변환하여 대상 주파수 이미지를 생성하고, 대상 주파수 이미지로부터 대표 주파수와 연관된 주파수 특징 정보를 추출하며, 주파수 특징 정보 및 등록 주파수 정보를 비교하여, 등록 지문 이미지들 중 후보 지문 이미지를 선택할 수 있다. 다만, 처리부(1220)의 동작을 이로 한정하는 것은 아니고, 처리부(1220)는 도 1 내지 도 11에서 상술한 동작들도 수행할 수 있다.
도 13은 후보 지문 선정 장치(1300)는 입력 지문 특징 생성부(1310), 등록 지문 데이터 생성부(1320), 주파수 특징 비교부(1330), 후보 지문 이미지 선정부(1340), 및 지문 인식부(1350)를 포함할 수 있다.
입력 지문 특징 생성부(1310)는 지문 영상 획득부(1311) 및 주파수 특징 생성부(1312)를 포함할 수 있다.
지문 영상 획득부(1311)는 입력 지문 이미지를 획득할 수 있다. 지문 영상 획득부(1311)는 입력 지문 이미지를 분할하여 대상 지문 이미지를 생성할 수 있다.
주파수 특징 생성부(1312)는 FFT(Fast Fourier Transform) 등을 이용하여 대상 지문 이미지를 주파수 영역으로 변환하여 대상 주파수 이미지를 생성할 수 있다. 대상 주파수 이미지는 대상 지문 이미지를 구성하고 있는 주파수 성분을 나타내는 이미지일 수 있다. 주파수 성분에 대응하는 주파수 특징 정보는 대표 주파수와 연관된 특징 정보일 수 있고, 예를 들어, 가장 큰 크기 값을 갖는 대표 지점과 연관된 정보를 포함할 수 있다.
주파수 특징 생성부(1312)는 FFT를 통하여 생성한 대상 주파수 이미지에서 가장 큰 값(예를 들어, 피크 값)을 찾으면 주파수 성분이 가장 강한 주파수 위치 (u, v)(예를 들어, 대표 지점)를 도 4에 도시된 바와 같이 식별할 수 있다. 주파수 특징 생성부(1312)는 대상 주파수 이미지의 중심(예를 들어, 원점)으로부터 대표 지점까지의 대표 거리를 하나의 주파수 특징 정보 F로 생성할 수 있다. 또 다른 예를 들면, 주파수 특징 생성부(1312)는 도 8에 도시된 바와 같이 크기 값을 기준으로 정렬하여 상위 n개의 피크 값을 가지는 대표 지점들에 대한 거리값(예를 들어, f1, f2, f3…fn)을 포함하는 주파수 특징 정보 F(예를 들어, 주파수 특징 벡터)를 생성할 수 있다. 여기서, n은 1이상의 정수일 수 있다.
등록 지문 데이터 생성부(1320)는 지문 영상 획득부(1321) 및 주파수 특징 생성부(1322)를 포함할 수 있다.
지문 영상 획득부(1321)는 등록의 대상이 되는 지문 이미지를 획득할 수 있다. 예를 들어, 지문 영상 획득부(1321)는 지문 영상 획득부(1311)와 유사하게 동작하거나, 동일한 모듈로 구현될 수 있다.
주파수 특징 생성부(1322)는 FFT를 통하여 등록의 대상이 되는 지문 이미지로부터 등록 주파수 이미지를 생성할 수 있다. 주파수 특징 생성부(1322)는 주파수 특징 생성부(1312)와 유사한 동작을 수행하거나 동일한 모듈로 구현될 수 있다.
주파수 특징 비교부(1330)는 등록 지문 이미지로부터 산출된 등록 주파수 이미지 및 대상 지문 이미지로부터 산출된 대상 주파수 이미지를 비교할 수 있다. 예를 들어, 주파수 특징 비교부(1330)는 등록 주파수 이미지로부터 추출된 주파수 특징 정보 및 대상 주파수 이미지로부터 추출된 주파수 특징 정보 간의 유사도를 산출할 수 있다.
후보 지문 이미지 선정부(1340)는 산출된 유사도에 기초하여 후보 지문 이미지를 선정할 수 있다. 예를 들어, 후보 지문 이미지 선정부(1340)는 임계값보다 큰 유사도를 가지는 등록 지문 이미지를 현재 획득된 대상 지문 이미지에 대한 후보 지문 이미지로 결정할 수 있다.
지문 인식부(1350)는 사용자의 지문을 인식할 수 있다. 예를 들어, 지문 인식부(1350)는 상술한 후보 지문 이미지와 대상 지문 이미지의 매칭 정도를 산출하여, 매칭되는 경우 후보 지문 이미지에 대응하는 사용자를 인식할 수 있다.
일 실시예에 따른 후보 지문 선정 장치는 입력된 지문과 등록된 지문이 동일한 경우, 대상 지문 이미지가 회전되어 피크 값을 가지는 대표 지점의 주파수 위치가 달라지더라도, 이미지의 중심으로부터의 대표 거리(예를 들어, 도 8에서 f1 및 f1' 등)가 동일하거나 유사한 값을 가지므로, 대상 지문 이미지 및 등록 지문 이미지 간의 유사 여부를 빠르게 검증할 수 있다. 예를 들어, 후보 지문 선정 장치는 임의의 등록 지문 이미지에 대해 산출된 유사도가 임계값보다 큰 경우, 해당 등록 지문 이미지를 후보 지문 이미지로 결정하여, 인식을 시도할 수 있다. 여기서, 대상 지문 이미지는 입력 지문 이미지가 서브 블록 단위로 분할된 것일 수 있다.
따라서 후보 지문 선정 장치는 주파수 성분이 확연하게 다른 등록 지문 이미지에 대해서는 비교 대상으로부터 빠르게 배제함으로써, 지문 인식 속도를 향상시킬 수 있다. 후보 지문 선정 장치는 모바일 단말의 언락(Unlock), 모바일 결제(Payment) 등의 분야에 활용될 수 있다.
일 실시예에 따른 후보 지문 선정 장치는 지문 취득 시 지문 센서를 누르는 압력 등에 의한 형태 변화에 강인할 수 있다. 또한, 후보 지문 선정 장치는 다수의 등록 지문 이미지가 저장된 경우에도, 지문 이미지의 주파수 특징을 이용하여 등록 지문 이미지 중 입력 지문 이미지와 유사한 특성을 가지는 이미지를 빠르게 선별하여 인식을 시도함으로써 인식 속도 및 정확도를 개선할 수 있다.
이상에서 설명된 장치는 하드웨어 구성요소, 소프트웨어 구성요소, 및/또는 하드웨어 구성요소 및 소프트웨어 구성요소의 조합으로 구현될 수 있다. 예를 들어, 실시예들에서 설명된 장치 및 구성요소는, 예를 들어, 프로세서, 콘트롤러, ALU(arithmetic logic unit), 디지털 신호 프로세서(digital signal processor), 마이크로컴퓨터, FPA(field programmable array), PLU(programmable logic unit), 마이크로프로세서, 또는 명령(instruction)을 실행하고 응답할 수 있는 다른 어떠한 장치와 같이, 하나 이상의 범용 컴퓨터 또는 특수 목적 컴퓨터를 이용하여 구현될 수 있다. 처리 장치는 운영 체제(OS) 및 운영 체제 상에서 수행되는 하나 이상의 소프트웨어 애플리케이션을 수행할 수 있다. 또한, 처리 장치는 소프트웨어의 실행에 응답하여, 데이터를 접근, 저장, 조작, 처리 및 생성할 수도 있다. 이해의 편의를 위하여, 처리 장치는 하나가 사용되는 것으로 설명된 경우도 있지만, 해당 기술분야에서 통상의 지식을 가진 자는, 처리 장치가 복수 개의 처리 요소(processing element) 및/또는 복수 유형의 처리 요소를 포함할 수 있음을 알 수 있다. 예를 들어, 처리 장치는 복수 개의 프로세서 또는 하나의 프로세서 및 하나의 콘트롤러를 포함할 수 있다. 또한, 병렬 프로세서(parallel processor)와 같은, 다른 처리 구성(processing configuration)도 가능하다.
소프트웨어는 컴퓨터 프로그램(computer program), 코드(code), 명령(instruction), 또는 이들 중 하나 이상의 조합을 포함할 수 있으며, 원하는 대로 동작하도록 처리 장치를 구성하거나 독립적으로 또는 결합적으로(collectively) 처리 장치를 명령할 수 있다. 소프트웨어 및/또는 데이터는, 처리 장치에 의하여 해석되거나 처리 장치에 명령 또는 데이터를 제공하기 위하여, 어떤 유형의 기계, 구성요소(component), 물리적 장치, 가상 장치(virtual equipment), 컴퓨터 저장 매체 또는 장치, 또는 전송되는 신호 파(signal wave)에 영구적으로, 또는 일시적으로 구체화(embody)될 수 있다. 소프트웨어는 네트워크로 연결된 컴퓨터 시스템 상에 분산되어서, 분산된 방법으로 저장되거나 실행될 수도 있다. 소프트웨어 및 데이터는 하나 이상의 컴퓨터 판독 가능 기록 매체에 저장될 수 있다.
실시예에 따른 방법은 다양한 컴퓨터 수단을 통하여 수행될 수 있는 프로그램 명령 형태로 구현되어 컴퓨터 판독 가능 매체에 기록될 수 있다. 컴퓨터 판독 가능 매체는 프로그램 명령, 데이터 파일, 데이터 구조 등을 단독으로 또는 조합하여 포함할 수 있다. 매체에 기록되는 프로그램 명령은 실시예를 위하여 특별히 설계되고 구성된 것들이거나 컴퓨터 소프트웨어 당업자에게 공지되어 사용 가능한 것일 수도 있다. 컴퓨터 판독 가능 기록 매체의 예에는 하드 디스크, 플로피 디스크 및 자기 테이프와 같은 자기 매체(magnetic media), CD-ROM, DVD와 같은 광기록 매체(optical media), 플롭티컬 디스크(floptical disk)와 같은 자기-광 매체(magneto-optical media), 및 롬(ROM), 램(RAM), 플래시 메모리 등과 같은 프로그램 명령을 저장하고 수행하도록 특별히 구성된 하드웨어 장치가 포함된다. 프로그램 명령의 예에는 컴파일러에 의해 만들어지는 것과 같은 기계어 코드뿐만 아니라 인터프리터 등을 사용해서 컴퓨터에 의해서 실행될 수 있는 고급 언어 코드를 포함한다. 상기된 하드웨어 장치는 실시예의 동작을 수행하기 위해 하나 이상의 소프트웨어 모듈로서 작동하도록 구성될 수 있으며, 그 역도 마찬가지이다.
이상과 같이 실시예들이 비록 한정된 도면에 의해 설명되었으나, 해당 기술분야에서 통상의 지식을 가진 자라면 상기를 기초로 다양한 기술적 수정 및 변형을 적용할 수 있다.　 예를 들어, 설명된 기술들이 설명된 방법과 다른 순서로 수행되거나, 및/또는 설명된 시스템, 구조, 장치, 회로 등의 구성요소들이 설명된 방법과 다른 형태로 결합 또는 조합되거나, 다른 구성요소 또는 균등물에 의하여 대치되거나 치환되더라도 적절한 결과가 달성될 수 있다.　　
그러므로, 다른 구현들, 다른 실시예들 및 특허청구범위와 균등한 것들도 후술하는 특허청구범위의 범위에 속한다.
1200: 후보 지문 선정 장치
1210: 이미지 획득부
1220: 처리부

Claims (22)

  1. 지문 인식을 위한 후보 지문 이미지를 선정하는 방법에 있어서,
    대상 지문 이미지를 획득하는 단계;
    상기 대상 지문 이미지를 주파수 변환하여 대상 주파수 이미지를 생성하는 단계;
    상기 대상 주파수 이미지로부터 대표 주파수와 연관된 주파수 특징 정보를 추출하는 단계; 및
    상기 주파수 특징 정보 및 등록 주파수 정보를 비교하여, 등록 지문 이미지들 중 후보 지문 이미지를 선택하는 단계
    를 포함하고,
    상기 주파수 특징 정보를 추출하는 단계는,
    상기 대상 주파수 이미지에 포함된 복수의 지점들 중 크기 순서(magnitude order)에 기초하여 미리 정한 개수의 대표 지점을 선택하는 단계; 및
    상기 대표 지점과 연관된 주파수 정보를 상기 주파수 특징 정보로서 추출하는 단계
    를 포함하며,
    상기 대표 지점과 연관된 주파수 정보를 상기 주파수 특징 정보로서 추출하는 단계는,
    상기 미리 정한 개수의 대표 지점과 원점 간의 대표 거리에 기초하여 주파수 특징 벡터를 산출하는 단계
    를 포함하는 지문 인식을 위한 후보 지문 이미지를 선정하는 방법.
  2. 제1항에 있어서,
    상기 후보 지문 이미지 및 상기 대상 지문 이미지가 매칭하는지 여부를 판단하는 단계
    를 더 포함하는 지문 인식을 위한 후보 지문 이미지를 선정하는 방법.
  3. 제2항에 있어서,
    상기 후보 지문 이미지 및 상기 대상 지문 이미지가 매칭하는지 여부를 판단하는 단계는,
    상기 후보 지문 이미지 및 상기 대상 지문 이미지 간의 매칭 정도(matching level)를 산출하는 단계; 및
    상기 매칭 정도가 임계 정도(threshold level)을 초과하는 경우에 응답하여, 상기 대상 지문 이미지가 상기 후보 지문 이미지에 매칭하는 것으로 판단하는 단계
    를 포함하는 지문 인식을 위한 후보 지문 이미지를 선정하는 방법.
  4. 제1항에 있어서,
    상기 대상 지문 이미지를 획득하는 단계는,
    입력 지문 이미지를 획득하는 단계; 및
    상기 획득된 입력 지문 이미지를 분할하여 상기 대상 지문 이미지를 생성하는 단계
    를 포함하는 지문 인식을 위한 후보 지문 이미지를 선정하는 방법.
  5. 제1항에 있어서,
    상기 대상 주파수 이미지로부터 대표 주파수와 연관된 주파수 특징 정보를 추출하는 단계는,
    상기 대상 주파수 이미지로부터, 상기 대상 지문 이미지에 나타나는 지문의 융선(ridge)과 연관된 주파수 정보를 추출하는 단계
    를 포함하는 지문 인식을 위한 후보 지문 이미지를 선정하는 방법.
  6. 제1항에 있어서,
    상기 대상 주파수 이미지로부터 대표 주파수와 연관된 주파수 특징 정보를 추출하는 단계는,
    상기 대상 주파수 이미지로부터, 상기 대상 지문 이미지에 나타나는 지문의 융선 간격을 대표하는 주파수 정보, 융선 방향을 대표하는 주파수 정보, 및 주파수 분포 중 적어도 하나를 추출하는 단계
    를 포함하는 지문 인식을 위한 후보 지문 이미지를 선정하는 방법.
  7. 제6항에 있어서,
    상기 지문의 융선 간격을 대표하는 주파수 정보는,
    상기 대상 주파수 이미지 상에서 원점과 대표 지점 사이의 거리와 연관된 정보를 나타내는
    지문 인식을 위한 후보 지문 이미지를 선정하는 방법.
  8. 제6항에 있어서,
    상기 융선 방향을 대표하는 주파수 정보는,
    대표 지점의 크기와 연관된 정보를 나타내는
    지문 인식을 위한 후보 지문 이미지를 선정하는 방법.
  9. 제1항에 있어서,
    상기 주파수 특징 정보 및 등록 주파수 정보를 비교하여, 등록 지문 이미지들 중 후보 지문 이미지를 선택하는 단계는,
    상기 대상 지문 이미지에 나타나는 지문의 융선 간격을 대표하는 주파수, 융선 방향을 대표하는 주파수, 및 주파수 분포 중 적어도 하나에 기초하여 결정된 대상 주파수 정보를 상기 등록 지문 이미지의 대상 주파수 정보에 비교하여 유사도를 산출하는 단계
    를 포함하는 지문 인식을 위한 후보 지문 이미지를 선정하는 방법.
  10. 제1항에 있어서,
    상기 주파수 특징 정보를 추출하는 단계는,
    상기 대상 주파수 이미지를 대표하는 대표 지점을 결정하는 단계; 및
    상기 대표 지점이 나타내는 크기 및 상기 대상 주파수 이미지 내의 원점으로부터 상기 대표 지점까지의 대표 거리(representative distance)를 상기 주파수 특징 정보로서 산출하는 단계
    를 포함하는 지문 인식을 위한 후보 지문 이미지를 선정하는 방법.
  11. 제1항에 있어서,
    상기 주파수 특징 정보를 추출하는 단계는,
    상기 대상 주파수 이미지에 포함된 복수의 지점들 중 가장 큰 크기(magnitude)를 가지는 대표 지점과 연관된 주파수 정보를 결정하는 단계
    를 포함하는 지문 인식을 위한 후보 지문 이미지를 선정하는 방법.
  12. 삭제
  13. 삭제
  14. 제1항에 있어서,
    상기 대상 지문 이미지를 획득하는 단계는,
    등록 지문 이미지와 동일한 크기를 가지는 입력 지문 이미지를 획득하는 단계
    를 포함하는 지문 인식을 위한 후보 지문 이미지를 선정하는 방법.
  15. 제1항에 있어서,
    상기 주파수 특징 정보 및 상기 등록 주파수를 비교한 결과에 기초하여, 상기 등록 지문 이미지들 중 비후보 지문 이미지를 결정하는 단계; 및
    상기 비후보 지문 이미지를 상기 대상 지문 이미지의 인식으로부터 배제하는 단계
    를 더 포함하는 지문 인식을 위한 후보 지문 이미지를 선정하는 방법.
  16. 제1항에 있어서,
    등록 지문 이미지를 주파수 변환하여 등록 주파수 특징 정보를 추출하는 단계; 및
    상기 등록 주파수 특징 정보를 상기 등록 지문 이미지에 매핑하여, 데이터베이스에 저장하는 단계
    를 더 포함하는 지문 인식을 위한 후보 지문 이미지를 선정하는 방법.
  17. 제1항에 있어서,
    상기 대상 주파수 이미지로부터 대표 주파수와 연관된 주파수 특징 정보를 추출하는 단계는,
    상기 대상 주파수 이미지로부터 임계 크기(threshold magnitude) 이상의 크기를 가지는 지점들의 분포 정보를 상기 주파수 특징 정보로서 산출하는 단계
    를 포함하는 지문 인식을 위한 후보 지문 이미지를 선정하는 방법.
  18. 제17항에 있어서,
    상기 대상 주파수 이미지로부터 대표 주파수와 연관된 주파수 특징 정보를 추출하는 단계는,
    상기 대상 주파수 이미지로부터 임계 주파수 이하의 주파수 성분에 대응하는 지점을 상기 주파수 특징 정보의 추출로부터 배제하는 단계
    를 더 포함하는 지문 인식을 위한 후보 지문 이미지를 선정하는 방법.
  19. 제1항에 있어서,
    상기 후보 지문 이미지를 선택하는 단계는,
    상기 대상 주파수 이미지의 대표 거리 및 등록 주파수 이미지의 대표 거리 간의 차이, 상기 대상 주파수 이미지의 주파수 특징 벡터 및 상기 등록 주파수 이미지의 주파수 특징 벡터 간의 벡터 거리(vector distance), 및 상기 대상 주파수 이미지의 주파수 특징 벡터 및 상기 등록 주파수 이미지의 주파수 특징 벡터 간의 코사인 유사도 중 적어도 하나를 이용해서 유사도를 산출하는 단계
    를 포함하는 지문 인식을 위한 후보 지문 이미지를 선정하는 방법.
  20. 제1항에 있어서,
    상기 후보 지문 이미지를 선택하는 단계는,
    상기 주파수 특징 정보 및 등록 주파수 간의 유사도가 임계값 보다 큰 등록 지문 이미지를 상기 후보 지문 이미지로 선택하는 단계
    를 포함하는 지문 인식을 위한 후보 지문 이미지를 선정하는 방법.
  21. 제1항 내지 제11항 및 제14항 내지 제20항 중 어느 한 항의 방법을 수행하기 위한 명령어들을 포함하는 하나 이상의 프로그램을 저장한 컴퓨터 판독 가능 기록 매체.
  22. 지문 인식을 위한 후보 지문 이미지를 선정하는 장치에 있어서,
    대상 지문 이미지를 획득하는 이미지 획득부; 및
    상기 대상 지문 이미지를 주파수 변환하여 대상 주파수 이미지를 생성하고, 상기 대상 주파수 이미지로부터 대표 주파수와 연관된 주파수 특징 정보를 추출하며, 상기 주파수 특징 정보 및 등록 주파수 정보를 비교하여, 등록 지문 이미지들 중 후보 지문 이미지를 선택하는 처리부
    를 포함하고,
    상기 처리부는,
    상기 대상 주파수 이미지에 포함된 복수의 지점들 중 크기 순서(magnitude order)에 기초하여 미리 정한 개수의 대표 지점을 선택하고,
    상기 선택된 대표 지점과 원점 간의 대표 거리에 기초하여 주파수 특징 벡터를 산출함으로써 상기 선택된 대표 지점과 연관된 주파수 정보를 상기 주파수 특징 정보로서 추출하는,
    지문 인식을 위한 후보 지문 이미지를 선정하는 장치.
KR1020170017656A 2017-02-08 2017-02-08 지문 인식을 위한 후보 지문 이미지를 선정하는 장치 및 방법 KR102459852B1 (ko)

Priority Applications (4)

Application Number Priority Date Filing Date Title
KR1020170017656A KR102459852B1 (ko) 2017-02-08 2017-02-08 지문 인식을 위한 후보 지문 이미지를 선정하는 장치 및 방법
US15/812,484 US10832030B2 (en) 2017-02-08 2017-11-14 Method and apparatus of selecting candidate fingerprint image for fingerprint recognition
EP17208768.6A EP3361413B1 (en) 2017-02-08 2017-12-20 Method and apparatus of selecting candidate fingerprint image for fingerprint recognition
CN201810121973.9A CN108399374B (zh) 2017-02-08 2018-02-07 选择用于指纹识别的候选指纹图像的方法和设备

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020170017656A KR102459852B1 (ko) 2017-02-08 2017-02-08 지문 인식을 위한 후보 지문 이미지를 선정하는 장치 및 방법

Publications (2)

Publication Number Publication Date
KR20180092197A KR20180092197A (ko) 2018-08-17
KR102459852B1 true KR102459852B1 (ko) 2022-10-27

Family

ID=60702314

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020170017656A KR102459852B1 (ko) 2017-02-08 2017-02-08 지문 인식을 위한 후보 지문 이미지를 선정하는 장치 및 방법

Country Status (4)

Country Link
US (1) US10832030B2 (ko)
EP (1) EP3361413B1 (ko)
KR (1) KR102459852B1 (ko)
CN (1) CN108399374B (ko)

Families Citing this family (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106778457A (zh) * 2015-12-11 2017-05-31 深圳市汇顶科技股份有限公司 可提高指纹识别率的指纹识别方法及系统
KR20200070878A (ko) 2018-12-10 2020-06-18 삼성전자주식회사 지문 영상 전처리 방법 및 장치
EP3971826B1 (en) * 2019-05-16 2023-07-19 NEC Corporation Image comparison apparatus
CN112232159B (zh) * 2020-09-30 2021-12-07 墨奇科技（北京）有限公司 指纹识别的方法、装置、终端及存储介质
KR102570080B1 (ko) * 2020-12-18 2023-08-23 서울대학교산학협력단 딥러닝 알고리즘을 이용하여 중첩된 지문 영상에서 지문을 분리하는 방법 및 그 장치
CN112528946A (zh) * 2020-12-24 2021-03-19 北京深思数盾科技股份有限公司 一种指纹识别方法、装置、存储介质及电子设备

Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20070248249A1 (en) * 2006-04-20 2007-10-25 Bioscrypt Inc. Fingerprint identification system for access control

Family Cites Families (21)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US5953442A (en) 1997-07-24 1999-09-14 Litton Systems, Inc. Fingerprint classification via spatial frequency components
JP2003030660A (ja) * 2001-07-17 2003-01-31 Canon Inc 指紋照合装置及び指紋照合方法
US20040151352A1 (en) * 2002-11-25 2004-08-05 Hiroshi Nakajima Pattern collation apparatus
KR20050094228A (ko) * 2004-03-22 2005-09-27 엘지전자 주식회사 지문 인식 방법
JP4462988B2 (ja) * 2004-04-13 2010-05-12 Ｎｅｃインフロンティア株式会社 指紋読取方法および指紋読取システム
US7643660B1 (en) * 2004-07-22 2010-01-05 Odi Security; Llc System, method and computer program product for fingerprint verification
JP5850341B2 (ja) * 2010-06-04 2016-02-03 日本電気株式会社 指紋認証システム、指紋認証方法および指紋認証プログラム
KR101237148B1 (ko) 2011-04-06 2013-02-25 조선대학교산학협력단 유사도 분포를 이용한 계층적 지문인증 장치 및 그 방법
KR101180293B1 (ko) 2011-08-03 2012-09-06 성균관대학교산학협력단 지문의 영역 별 방향패턴 특징 추출 방법 및 이를 이용한 지문 분류 방법
KR101244220B1 (ko) 2011-10-21 2013-03-18 주식회사 유니온커뮤니티 지문인식장치 및 그 지문 인식방법
JP6229352B2 (ja) * 2013-07-26 2017-11-15 富士通株式会社 画像処理装置、画像処理方法およびプログラム
TWI607386B (zh) 2013-12-05 2017-12-01 神盾股份有限公司 指紋辨識方法及其裝置
JP6366420B2 (ja) 2014-08-12 2018-08-01 株式会社ディー・ディー・エス データ作成プログラム、データ作成方法、及び、データ作成装置
JP6448253B2 (ja) 2014-08-12 2019-01-09 株式会社ディー・ディー・エス データ作成プログラム、データ作成方法、及び、データ作成装置
US9633269B2 (en) * 2014-09-05 2017-04-25 Qualcomm Incorporated Image-based liveness detection for ultrasonic fingerprints
WO2016047006A1 (ja) 2014-09-24 2016-03-31 康弘 久田 指紋認証システム、指紋認証プログラムおよび指紋認証方法
KR101632912B1 (ko) 2014-09-26 2016-06-24 창신정보통신(주) 지문 인식을 이용한 사용자 인증 방법
US10521642B2 (en) * 2015-04-23 2019-12-31 Samsung Electronics Co., Ltd. Fingerprint verification method and apparatus
US10339178B2 (en) * 2015-06-30 2019-07-02 Samsung Electronics Co., Ltd. Fingerprint recognition method and apparatus
CN105608409B (zh) * 2015-07-16 2019-01-11 宇龙计算机通信科技(深圳)有限公司 指纹识别的方法及装置
KR20170017656A (ko) 2015-08-06 2017-02-15 이유경 컴퓨터 음성파일을 활용한 영어공부 방법

Patent Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20070248249A1 (en) * 2006-04-20 2007-10-25 Bioscrypt Inc. Fingerprint identification system for access control

Also Published As

Publication number Publication date
US20180225494A1 (en) 2018-08-09
EP3361413A3 (en) 2018-11-28
CN108399374A (zh) 2018-08-14
US10832030B2 (en) 2020-11-10
EP3361413A2 (en) 2018-08-15
CN108399374B (zh) 2023-09-19
KR20180092197A (ko) 2018-08-17
EP3361413B1 (en) 2022-11-30

Similar Documents

Publication Publication Date Title
KR102459852B1 (ko) 지문 인식을 위한 후보 지문 이미지를 선정하는 장치 및 방법
US10339178B2 (en) Fingerprint recognition method and apparatus
KR102170725B1 (ko) 지문 등록 방법 및 장치
US9208375B2 (en) Face recognition mechanism
KR102415509B1 (ko) 얼굴 인증 방법 및 장치
KR102667740B1 (ko) 영상 정합 방법 및 장치
US9036876B2 (en) Method and system for authenticating biometric data
US9613428B2 (en) Fingerprint authentication using stitch and cut
KR102202690B1 (ko) 지문 인식 방법, 장치 및 시스템
KR102288302B1 (ko) 적외선 영상을 이용한 사용자 인증 방법 및 장치
KR102668332B1 (ko) 지문 인식 장치 및 지문 인식 방법
KR102387569B1 (ko) 지문 인증 방법 및 장치
KR102369412B1 (ko) 홍채 인식 장치 및 방법
KR102558736B1 (ko) 지문 인식 방법 및 장치
KR102205495B1 (ko) 지문 인식 방법 및 장치
KR102427853B1 (ko) 사용자 인증을 위한 등록 데이터베이스의 적응적 갱신 방법 및 장치
KR20180138002A (ko) 지문 인증 방법 및 장치
US20210034895A1 (en) Matcher based anti-spoof system
KR102558741B1 (ko) 사용자 등록 장치 및 방법
KR102279550B1 (ko) 홍채를 위한 합성 코드를 이용한 인증 방법 및 인증 장치
JP2014044475A (ja) 画像処理装置、画像処理方法および画像処理プログラム
JP6075084B2 (ja) 画像変換装置、画像変換方法、生体認証装置及び生体認証方法ならびに画像変換用コンピュータプログラム
KR102447100B1 (ko) 지문 인증 방법 및 장치
US20170293409A1 (en) Biometric shortcuts
KR101995025B1 (ko) 지문인식센서 및 터치스크린에 남은 지문을 이용한 지문 이미지 복원 방법 및 장치

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