KR102547820B1 - 복수의 생체 인증기들을 이용한 사용자 인증 방법 및 그 장치 - Google Patents

Abstract

복수의 생체 인증기들을 이용한 사용자 인증 방법 및 장치가 개시된다. 일 실시예에 따른 사용자 인증 방법은 복수의 생체 인증기(biometric verifier)들 중 적어도 하나의 종료 스테이지(termination stage)를 설정(configure)하고, 설정된 적어도 하나의 종료 스테이지에 기초하여, 복수의 생체 인증기들의 출력들을 융합(fusion)하는 단계들을 포함한다.

Description

복수의 생체 인증기들을 이용한 사용자 인증 방법 및 그 장치{METHOD AND APPARATUS FOR VERIFYING USER USING MULTIPLE BIOMETRIC VERIFIERS}

아래 실시예들은 복수의 생체 인증기들을 이용한 사용자 인증 방법 및 장치에 관한 것이다.

생체 인식에 의한 인증 기술은 지문, 얼굴, 홍채 및 혈관 등을 이용하여 사용자를 인증할 수 있다. 인증에 사용되는 생체 정보는 사용자마다 다르고, 소지의 불편함이 없을 뿐 아니라, 도용이나 모조의 위험성이 적고, 일생 동안 잘 변하지 않는다는 장점이 있다. 반면에, 생체 인식에 있어서 기온, 조도, 습도 등의 인식 환경에 따라 오인식 등의 한계가 나타날 수 있다. 이러한 한계를 극복하기 위해 다양한 생체 정보를 동시에 고려하는 인증 기술이 활용될 수 있다.

일 측에 따른 사용자 인증 방법은 복수의 생체 인증기(biometric verifier)들 중 적어도 하나의 종료 스테이지(termination stage)를 설정(configure)하는 단계; 상기 적어도 하나의 종료 스테이지에 기초하여, 상기 복수의 생체 인증기들의 출력들을 융합(fusion)하는 단계; 및 상기 복수의 생체 인증기들의 출력들을 융합한 결과를 이용하여, 사용자를 인증하는 단계를 포함한다.

상기 적어도 하나의 생체 인증기는 다중 스테이지(multi-stage)를 통하여 개별 인증 결과를 출력할 수 있다. 상기 적어도 하나의 생체 인증기는 상기 다중 스테이지 중 상기 적어도 하나의 종료 스테이지에 대응하는 개별 인증 결과를 출력할 수 있다. 상기 설정하는 단계는 미리 정해진 기준(predetermined criterion)에 기초하여, 상기 적어도 하나의 생체 인증기의 종료 스테이지를 설정하는 단계를 포함할 수 있다. 상기 미리 정해진 기준은 어플리케이션의 유형, 보안 레벨, 센싱 환경, 주 인증 혹은 보조 인증 여부, 및 사용자 선택 중 적어도 하나를 포함할 수 있다.

상기 설정하는 단계는 상기 적어도 하나의 생체 인증기의 다중 스테이지 중 상기 미리 정해진 기준에 따른 인증률(verification rate; VR) 및 오인증률(false acceptance rate; FAR)을 만족하는 스테이지(stage)를 해당 생체 인증기의 종료 스테이지로 설정하는 단계를 포함할 수 있다. 상기 복수의 생체 인증기들은 서로 다른 모달리티의 생체 인증을 수행할 수 있다. 상기 복수의 생체 인증기들 각각은 얼굴, 지문, 홍채, 정맥, 손금, 귀모양, 및 심전도 중 어느 하나를 이용하여 생체 인증을 수행할 수 있다.

상기 융합하는 단계는 상기 복수의 생체 인증기들의 종료 스테이지들의 조합들에 대응하여 미리 준비된 융합 모델들 중 상기 적어도 하나의 종료 스테이지에 대응하는 융합 모델을 이용하여 상기 복수의 생체 인증기들의 출력들을 융합하는 단계를 포함할 수 있다. 상기 사용자를 인증하는 단계는 상기 복수의 생체 인증기들의 출력들을 융합한 결과를 상기 적어도 하나의 종료 스테이지에 대응하는 임계치와 비교함으로써, 상기 사용자를 인증하는 단계를 포함할 수 있다.

상기 적어도 하나의 생체 인증기는 지문 인증기를 포함할 수 있고, 상기 지문 인증기는 등록 지문 영상과 입력 지문 영상 사이에 겹치는 면적 및 매칭 스코어를 출력하는 제1 스테이지; 및 상기 등록 지문 영상과 상기 입력 지문 영상을 분할한 블록들 사이의 매칭 스코어들을 출력하는 제2 스테이지를 통하여 스테이지 별 개별 인증 결과를 출력할 수 있다.

상기 적어도 하나의 생체 인증기는 얼굴 인증기를 포함할 수 있고, 상기 얼굴 인증기는 입력 영상에 반응하여 뉴럴 네트워크 내 복수의 레이어들에 의하여 출력되는 특징들과 상기 레이어들에 대응하여 미리 저장된 등록 영상의 특징들을 비교함으로써 레이어 별 개별 인증 결과를 출력할 수 있다. 상기 적어도 하나의 종료 스테이지에 대응하는 융합 모델은 상기 적어도 하나의 종료 스테이지의 출력에 대응하는 차원(dimension)의 입력 벡터에 기초하여 상기 사용자의 인증을 위한 최종 인증 결과를 출력할 수 있다.

일 측에 따른 사용자 인증 장치는 복수의 생체 인증기(biometric verifier)들; 상기 복수의 생체 인증기들 중 적어도 하나의 종료 스테이지(termination stage)를 설정(configure)하는 컨트롤러; 및 상기 적어도 하나의 종료 스테이지에 기초하여, 상기 복수의 생체 인증기들의 출력들을 융합(fusion)하는 융합 모델(fusion model)을 포함하는 프로세서를 포함한다.

도 1은 일 실시예에 따른 사용자 인증 시스템을 나타낸 블록도.
도 2는 일 실시예에 따른 사용자 인증 장치를 나타낸 블록도.
도 3은 일 실시예에 따른 융합 모델을 나타낸 블록도.
도 4는 일 실시예에 따른 융합 모델의 인증률과 오인증률을 설명하는 도면.
도 5는 일 실시예에 따른 지문 인증기를 나타낸 블록도.
도 6은 일 실시예에 따른 입력 지문 영상의 변형을 통한 매칭 과정을 나타낸 도면.
도 7은 일 실시예에 따른 입력 지문 영상의 분할 및 매칭 과정을 나타낸 도면.
도 8은 일 실시예에 따른 얼굴 인증기를 나타낸 블록도.
도 9는 일 실시예에 따른 얼굴 인증기에 포함된 레이어들을 나타낸 블록도.
도 10은 일 실시예에 따른 메인 인증기와 서브 인증기를 나타낸 블록도.
도 11은 일 실시예에 따른 사용자 인증 방법을 나타낸 동작 흐름도.
도 12는 일 실시예에 따른 전자 시스템을 도시한 블록도.

개시되어 있는 특정한 구조적 또는 기능적 내용들은 단지 기술적 개념을 설명하기 위한 목적으로 예시된 것으로서, 본 명세서의 실시예들에 한정되지 않고 다양한 다른 형태로 실시될 수 있다.

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

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

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

이하, 실시예들을 첨부된 도면을 참조하여 상세하게 설명한다. 각 도면에 제시된 동일한 참조 부호는 동일한 부재를 나타낸다. 하기에서 설명될 실시예들은 사용자 인증을 위해 활용될 수 있다. 예를 들어, 스마트 폰과 같은 모바일 기기, 스마트 자동차 및 스마트 가전기기를 이용하기 위한 사용자 인증이나, 전자 상거래를 위한 사용자 인증에 활용될 수 있다. 하기에서 설명될 실시예들에 따르면 사용자 인증이 필요한 어플리케이션에서 요구하는 스펙에 따라 유연하게 사용자 인증의 정확도를 향상시키거나 사용자 인증의 속도를 향상시킬 수 있다.

도 1은 일 실시예에 따른 사용자 인증 시스템을 나타낸 블록도이다. 도 1을 참조하면, 사용자 인증 장치(110)는 소프트웨어 모듈, 하드웨어 모듈, 혹은 이들의 조합으로 구현될 수 있으며 각종 어플리케이션들로부터 인증 요청을 수신하고, 각종 어플리케이션들로 응답을 전송할 수 있다. 사용자 인증 장치(110)는 각종 센서를 통해 측정된 생체 정보와 미리 등록된 생체 정보를 비교함으로써 인증 여부에 관한 결과를 생성하고, 생성된 결과를 인증 요청에 대한 응답으로 전송할 수 있다. 아래에서 상세히 설명하겠으나, 사용자 인증 장치(110)는 복수의 생체 인증기들을 이용하여 사용자 인증을 수행한다. 복수의 생체 인증기들은 각각 서로 다른 모달리티(modality)의 생체 인증을 수행하며 적어도 하나의 생체 인증기는 다중 스테이지(multi-stage)를 통하여 인증 결과를 출력 가능한 인증기이다.

사용자 인증 장치(110)는 어플리케이션에 따라 다중 스테이지의 생체 인증을 지원하는 생체 인증기의 종료 스테이지를 설정하고, 설정된 종료 스테이지에 대응하여 복수의 생체 인증기들의 출력들을 융합(fusion)함으로써 인증 여부에 관한 결과를 생성할 수 있다. 이하, 설명의 편의를 위하여, 복수의 생체 인증기들 각각의 출력은 '개별 인증 결과(individual verification result)'라고 지칭되고, 복수의 생체 인증기들의 출력들을 융합한 결과는 '최종 인증 결과(final verification result)'라고 지칭될 수 있다. 예를 들어, 멀티 스테이지의 생체 인증을 지원하는 생체 인증기의 개별 스테이지로부터 출력되는 결과 및 멀티 스테이지의 생체 인증을 지원하지 않는 생체 인증기로부터 출력되는 결과는 개별 인증 결과일 수 있고, 인증 요청에 대한 응답으로 전송되는 결과는 최종 인증 결과일 수 있다.

최종 인증 결과는 어플리케이션들에서 사용자 인증을 위해 이용될 수 있다. 예를 들어, 잠금 어플리케이션(120)은 최종 인증 결과를 통해 단말의 잠금을 해제할 수 있고, 소액 결제 어플리케이션(130)이나 고액 결제 어플리케이션(140)은 최종 인증 결과를 통해 온라인 결제를 수행할 수 있다. 아래에서는 이해의 편의를 위해 소액 결제 어플리케이션(130)과 고액 결제 어플리케이션(140)을 분리하여 설명하겠으나, 소액 결제 어플리케이션(130)과 고액 결제 어플리케이션(140)은 하나의 온라인 상거래 어플리케이션에 포함되거나, 온라인 상거래 어플리케이션에서 결제 금액에 따라 수행되는 기능에 포함될 수 있다.

어플리케이션의 유형에 따라, 어플리케이션들은 서로 다른 인증 특성을 가질 수 있다. 예를 들어, 잠금 어플리케이션(120)은 낮은 수준의 보안 레벨에서 빠른 인증 속도를 요구할 수 있고, 소액 결제 어플리케이션(130)은 중간 수준의 보안 레벨에서 중간 수준의 인증 속도를 요구할 수 있다. 고액 결제 어플리케이션(140)은 인증 속도가 느리더라도 높은 수준의 보안 레벨을 요구할 수 있다. 이상에서, 보안 레벨이 낮거나, 중간 수준이건, 높다는 표현은 상대적으로 서로 다른 세 개의 보안 레벨들을 표현하기 위한 것일 뿐, 보안 레벨의 절대적인 수치를 제한하지 않는다. 보안 레벨이 높을수록 최종 인증 결과의 정확성(혹은 신뢰성)은 향상되지만, 최종 인증 결과를 산출하는데 소요되는 시간은 증가할 수 있다. 전술한 것과 같이 보안 레벨은 어플리케이션의 유형에 따라 결정될 수 있으나, 사용자의 설정이나 주변 환경 등 다양한 조건 변수로 인하여 동일한 유형의 어플리케이션이라도 보안 레벨이 다르게 결정될 수도 있다.

사용자 인증 장치(110)는 어플리케이션들의 인증 특성을 고려하여 인증 속도나 정확성을 조절할 수 있다. 일 예로, 멀티 스테이지를 지원하는 생체 인증기가 단수인 경우, 해당 생체 인증기의 종료 스테이지와 다른 생체 인증기의 조합에 의하여 인증 성능 및 인증 속도가 결정될 수 있다. 다른 예로, 멀티 스테이지를 지원하는 생체 인증기가 복수인 경우, 복수의 종료 스테이지들의 조합에 의하여 인증 성능 및 인증 속도가 결정될 수 있다.

보다 구체적으로, 잠금 어플리케이션(120)이 요구하는 오인증률(false acceptance rate; FAR)이 1/50K인 경우, 사용자 인증 장치(110)는 해당 오인증률에 맞추어 인증 동작을 수행함으로써 비교적 짧은 145ms의 소요 시간을 통해 응답을 제공할 수 있다. 사용자 인증 장치(110)는 FAR이 1/50K를 만족하는 종료 스테이지 혹은 종료 스테이지의 조합을 결정할 수 있다. 예를 들어, 복수의 생체 인증기 중 제1 생체 인증기의 최저 레벨의 스테이지와 제2 생체 인증기의 최저 레벨 스테이지의 조합이 FAR 1/50K를 만족하면서 가장 빠른 인증 속도를 가지는 조합인 경우, 사용자 인증 장치(110)는 제1 생체 인증기의 제1 스테이지를 제1 생체 인증기의 종료 스테이지로 설정하고, 제2 생체 인증기의 제1 스테이지를 제2 생체 인증기의 종료 스테이지로 설정할 수 있다.

소액 결제 어플리케이션(130)은 잠금 어플리케이션(120)에 비해 높은 레벨의 보안을 위해 1/300K의 오인증률을 요구할 수 있다. 이 때, 사용자 인증 장치(110)는 제1 생체 인증기, 제2 생체 인증기, 혹은 두 생체 인증기들 각각의 종료 스테이지를 최저 레벨보다 높은 레벨의 스테이지로 설정함으로써 1/300K의 오인증률을 만족하는 최종 인증 결과를 응답할 수 있다. 이 경우, 사용자 인증 장치(110)는 225ms의 소요 시간을 통해 응답을 제공할 수 있다. 유사하게, 고액 결제 어플리케이션(140)은 소액 결제 어플리케이션(130)에 비해 높은 오인증률을 요구할 수 있고, 이에 따라 사용자 인증 장치(110)는 제1 생체 인증기, 제2 생체 인증기, 혹은 두 생체 인증기들 각각의 종료 스테이지를 최고 레벨 스테이지로 설정함으로써 1/1M의 오인증률을 만족하는 최종 인증 결과를 응답할 수 있다. 이 경우, 사용자 인증 장치(110)는 315ms의 소요 시간을 통해 응답을 제공할 수 있다.

이처럼, 사용자 인증 장치(110)는 복수의 생체 인증기들을 통해 보안 레벨을 동적으로 조절할 수 있다. 복수의 생체 인증기들은 각각 서로 다른 모달리티의 생체 인증을 수행함으로써, 다각적인 인증이 가능하고 보안 레벨이 향상될 수 있다.

도 2는 일 실시예에 따른 사용자 인증 장치를 나타낸 블록도이다. 도 2를 참조하면, 일 실시예에 따른 사용자 인증 장치는 컨트롤러(210), 복수의 생체 인증기들(220, 230) 및 융합 모델(240)을 포함한다. 복수의 생체 인증기들(220, 230)은 각각 사용자의 생체 정보를 이용하여 생체 인증을 수행하고, 융합 모델(240)은 복수의 생체 인증기들(220, 230)의 출력들을 융합하여 사용자 인증을 위한 정보를 생성한다. 복수의 생체 인증기들(220, 230)은 각각 다중 스테이지들(multi-stages)을 포함한다. 예를 들어, 제1 생체 인증기(220)는 n개의 스테이지들을 포함하고, 제2 생체 인증기(230)는 m개의 스테이지들을 포함한다.

스테이지가 증가할수록 인증의 정확성은 향상되지만, 인증에 소요되는 시간은 증가할 수 있다. 컨트롤러(210)는 개별 인증 결과를 출력할 종료 스테이지를 설정할 수 있다. 예를 들어, 컨트롤러(210)는 도 2의 예시와 같이 생체 인증기(220)의 제1 스테이지 및 생체 인증기(230)의 제2 스테이지를 종료 스테이지로 설정할 수 있다. 도 2의 실시예에서는 두 생체 인증기들(220, 230)을 이용하고, 두 생체 인증기들(220, 230)이 모두 멀티 스테이지를 지원하는 경우를 가정한다. 다만, 실시예들은 세 개 이상의 생체 인증기들을 이용하는 경우에도 적용 가능하며, 복수의 생체 인증기들 중 일부의 생체 인증기만 멀티 스테이지를 지원하는 경우에도 적용 가능하다.

컨트롤러(210)는 어플리케이션의 유형, 보안 레벨, 센싱 환경, 주 인증 혹은 보조 인증 여부, 및 사용자 선택 중 적어도 하나를 포함하는 미리 정해진 기준(predetermined criterion)에 기초하여, 복수의 생체 인증기들(220, 230)의 종료 스테이지를 설정할 수 있다. 예를 들어, 어플리케이션의 보안 레벨이 높은 경우 컨트롤러(210)는 종료 스테이지를 높게 설정할 수 있다. 종료 스테이지가 높아질수록 개별 인증 결과를 출력하는데 소요되는 시간은 증가하지만 개별 인증 결과의 정확도는 향상될 수 있다. 따라서, 기본적으로 인증의 정확성이 상대적으로 중요한 경우 종료 스테이지는 높게 설정될 수 있고, 인증의 속도가 상대적으로 중요한 경우 종료 스테이지는 낮게 설정될 수 있다. 최종 인증을 위한 정확성과 속도는 제1 생체 인증기(220)의 제1 종료 스테이지와 제2 생체 인증기(230)의 제2 종료 스테이지 모두에 의하여 결정되므로, 컨트롤러(210)는 어플리케이션에 의하여 요구되는 정확성과 속도를 만족하는 제1 종료 스테이지와 제2 종료 스테이지의 조합을 선택할 수 있다.

컨트롤러(210)는 복수의 생체 인증기들(220, 230)의 다중 스테이지 중 미리 정해진 기준에 따른 인증률(verification rate; VR) 및 오인증률(false acceptance rate; FAR)을 만족하는 스테이지(stage)를 종료 스테이지로 설정할 수 있다. 예를 들어, 어플리케이션은 보안 수준에 따른 인증률 및 오인증률이 미리 정해져 있을 수 있다. 어플리케이션은 이러한 인증률 및 오인증률을 컨트롤러(210)에 제공할 수 있고, 컨트롤러(210)는 어플리케이션의 인증률 및 오인증률을 만족하는 스테이지를 종료 스테이지로 설정할 수 있다.

일 실시예에 따르면, 컨트롤러(210)는 종료 스테이지들의 조합에 따른 인증률 및 오인증률을 저장하는 룩업 테이블을 이용하여 어플리케이션에 의하여 요구되는 인증률 및 오인증률을 만족하는 종료 스테이지들의 조합을 결정하고, 복수의 생체 인증기들의 종료 스테이지들을 설정할 수 있다. 이 경우, 제1 생체 인증기(220)의 스테이지들과 제2 생체 인증기(230)의 스테이지들의 조합들 각각에 대한 인증률 및 오인증률이 미리 계산될 수 있다.

예를 들어, 어플리케이션이 95%의 인증률과 1/50K의 오인증률을 요구하고, 생체 인증기(220)의 제1 스테이지와 생체 인증기(230)의 제1 스테이지가 종료 스테이지로 설정될 경우의 인증률 및 오인증률은 각각 90%와 1/50K이며, 생체 인증기(220)의 제1 스테이지와 생체 인증기(230)의 제2 스테이지가 종료 스테이지로 설정될 경우의 인증률 및 오인증률이 각각 98%와 1/50K인 경우, 컨트롤러(210)는 생체 인증기(220)의 제1 스테이지 및 생체 인증기(230)의 제2 스테이지를 종료 스테이지로 설정할 수 있다.

복수의 생체 인증기들(220, 230)은 병렬적으로 동작하거나, 직렬적으로 동작할 수 있다. 다시 말해, 생체 인증기(220)와 생체 인증기(230)가 시간 구간(T1) 동안 동시에 동작하거나, 생체 인증기(220)와 생체 인증기(230) 각각이 시간 구간(T1)과 시간 구간(T2) 동안 순차적으로 동작할 수 있다.

복수의 생체 인증기들(220, 230)은 각각 서로 다른 모달리티의 생체 인증을 수행한다. 제1 생체 인증기(220)는 사용자의 제1 모달리티의 생체 정보를 이용하여 생체 인증을 수행하고, 제2 생체 인증기(230)는 사용자의 제2 모달리티의 생체 정보를 이용하여 생체 인증을 수행한다. 예를 들어, 복수의 생체 인증기들(220, 230) 각각은 얼굴, 지문, 홍채, 정맥, 손금, 귀모양, 및 심전도 중 어느 하나를 이용하여 생체 인증을 수행할 수 있다. 실시예에서는 복수의 생체 정보가 활용되므로, 종료 스테이지가 낮게 설정되더라도 단일의 생체 정보를 활용하는 것에 비해 인증의 정확도가 향상될 수 있다.

융합 모델(240)은 복수의 생체 인증기들(220, 230) 각각의 종료 스테이지에서 출력된 개별 인증 결과를 융합하여 사용자 인증을 위한 최종 인증 결과를 생성하고 컨트롤러(210)는 융합 모델(240)의 출력을 이용하여 사용자를 인증할 수 있다. 예를 들어, 컨트롤러(210)는 최종 인증 결과를 이용하여 센서를 통해 측정된 생체 정보가 미리 등록된 사용자의 생체 정보와 일치하는지 여부를 판단할 수 있다.

융합 모델(240)은 복수의 생체 인증기들(220, 230)의 종료 스테이지들의 다양한 조합들 각각에 대응하는 개별 모델들을 포함할 수 있다. 예를 들어, 복수의 생체 인증기들(220, 230)이 각각 3개의 스테이지들을 포함하는 경우, 스테이지의 조합은 9개가 존재하고, 융합 모델(240)은 9개의 조합 각각에 대응하는 미리 준비된 개별 모델들을 포함할 수 있다. 컨트롤러(210)는 복수의 생체 인증기들(220, 230) 각각의 종료 스테이지를 설정하고, 융합 모델(240)에 포함된 개별 모델들 중 설정된 종료 스테이지들에 대응하는 개별 모델을 선택할 수 있다. 예를 들어, 도 2에서 컨트롤러(210)는 융합 모델(240)에 포함된 개별 모델들 중에 생체 인증기(220)의 제1 스테이지 및 생체 인증기(230)의 제2 스테이지에 대응하는 개별 모델을 선택할 수 있다. 선택된 모델은 복수의 생체 인증기들(220, 230)의 개별 인증 결과들을 융합하여 사용자 인증을 위한 정보를 생성할 수 있다. 융합 모델에 관해서는 도 3 및 도 4를 참조하여 보다 상세하게 설명한다.

도 2에서 복수의 생체 인증기들(220, 230) 및 융합 모델(240)을 컨트롤러(210)와 구별되게 도시하였으나, 실시예에 따라 복수의 생체 인증기들(220, 230) 및 융합 모델(240)은 컨트롤러(210) 상에서 동작할 수 있다.

도 3은 일 실시예에 따른 융합 모델을 나타낸 블록도이다. 도 3을 참조하면, 융합 모델(330)은 복수의 생체 인증기들(310, 320)의 종료 스테이지들의 조합들에 대응하는 복수의 모델들을 포함하고, 복수의 생체 인증기들(310, 320)로부터 수신한 개별 인증 결과들에 기초하여 최종 인증 결과를 출력한다. 융합 모델(330)에 포함된 각각의 모델들은 최종 인증 결과를 출력하기 위하여 복수의 생체 인증기들(310, 320)의 개별 인증 결과들을 포함하는 입력 벡터를 분류(classify)하므로, 최종 인증 결과는 분류 결과라고 지칭될 수 있다.

예를 들어, 제1 생체 인증기(310)가 n개의 스테이지들을 포함하고 제2 생체 인증기(320)가 m개의 스테이지들을 포함하는 경우, 융합 모델(330)은 n x m개의 개별 모델들을 포함할 수 있다. 아래에서는 n = m = 3인 실시예에 관해 설명하겠으나, n과 m은 이에 한정되지 않는다. n = m = 3인 실시예에서, 융합 모델(330)의 제1 모델은 제1 생체 인증기(310)의 제1 스테이지 및 제2 생체 인증기(320)의 제1 스테이지에 대응하고, 융합 모델(330)의 제2 모델은 제1 생체 인증기(310)의 제1 스테이지 및 제2 생체 인증기(320)의 제2 스테이지에 대응할 수 있다. 이와 같은 방식으로 융합 모델(330)의 제9 모델은 제1 생체 인증기(310)의 제3 스테이지 및 제2 생체 인증기(320)의 제3 스테이지에 대응할 수 있다.

각각의 개별 모델들은 대응하는 스테이지들에 기초하여 미리 학습될 수 있다. 복수의 생체 인증기들(310, 320)의 출력들 각각은 벡터로 표현될 수 있고, 융합 모델(330)은 이러한 벡터들의 조합에 기초하여 학습될 수 있다. 융합 모델(330)에 포함된 각 모델들은 서포트 벡터 머신(Support Vector Machine; SVM)일 수 있다. 예를 들어, 제1 모델은 제1 생체 인증기(310)의 제1 스테이지의 출력 벡터 및 제2 생체 인증기(320)의 제1 스테이지의 출력 벡터의 조합에 기초하여 학습되고, 제2 모델은 제1 생체 인증기(310)의 제1 스테이지의 출력 벡터 및 제2 생체 인증기(320)의 제2 스테이지의 출력 벡터의 조합에 기초하여 학습될 수 있다.

융합 모델(330)은 동일한 라벨을 갖는 생체 신호들의 페어들 및 상이한 라벨을 갖는 생체 신호들의 페어들을 포함하는 트레이닝 데이터를 이용하여 학습될 수 있다. 동일한 라벨은 동일한 사용자를 의미하고, 상이한 라벨은 상이한 사용자를 의미한다.

이하, 융합 모델(330)의 제1 모델의 학습 과정을 설명한다. 제1 모델의 학습 과정에서, 제1 생체 인증기(310)는 제1 라벨을 갖는 제1 생체 신호를 수신하고, 제1 스테이지를 통하여 제1 벡터를 출력한다. 제1 생체 인증기(310)는 동일한 라벨(예를 들어, 제1 라벨)을 갖는 제2 생체 신호를 수신하고, 제1 스테이지를 통하여 제2 벡터를 출력한다. 제1 벡터와 제2 벡터의 차이에 기초하여 제1 생체 인증기(310)의 제1 스테이지의 제1 개별 인증 결과가 도출될 수 있다. 개별 인증 결과는 인증 점수의 형태로 표현될 수 있다. 동일한 방식으로 제2 생체 인증기(320)에 제1 라벨을 갖는 제3 생체 신호 및 제4 생체 신호를 인가함으로써, 제2 생체 인증기(320)의 제1 스테이지의 제2 개별 인증 결과가 도출될 수 있다. 동일한 라벨을 갖는 생체 신호들의 페어들을 이용하였으므로, 융합 모델(330)은 제1 생체 인증기(310)의 제1 스테이지의 제1 개별 인증 결과와 제2 생체 인증기(320)의 제1 스테이지의 제2 개별 인증 결과를 포함하는 제1 입력 벡터가 참(True) 또는 거짓(False) 중 참으로 분류되도록 학습될 수 있다.

또한, 제1 모델의 학습 과정에서, 제1 생체 인증기(310)에 제1 라벨을 갖는 제5 생체 신호와 상이한 라벨(예를 들어, 제2 라벨)을 갖는 제6 생체 신호를 인가함으로써, 제1 생체 인증기(310)의 제1 스테이지의 제3 개별 인증 결과가 도출될 수 있다. 동일한 방식으로 제2 생체 인증기(320)에 제1 라벨을 갖는 제7 생체 신호 및 제2 라벨을 갖는 제8 생체 신호를 인가함으로써, 제2 생체 인증기(320)의 제1 스테이지의 제4 개별 인증 결과가 도출될 수 있다. 이 경우, 상이한 라벨을 갖는 생체 신호들의 페어들을 이용하였으므로, 융합 모델(330)은 제1 생체 인증기(310)의 제1 스테이지의 제3 개별 인증 결과와 제2 생체 인증기(320)의 제1 스테이지의 제4 개별 인증 결과를 포함하는 제2 입력 벡터가 거짓으로 분류되도록 학습될 수 있다.

융합 모델(330)의 나머지 제2 모델 내지 제9 모델도 제1 모델과 동일한 방식으로 학습될 수 있다. 이로써, 제1 모델 내지 제9 모델 각각은 복수의 생체 인증기들(310, 320)에 포함된 스테이지들의 조합에 대응되는 특성을 갖게 되고, 복수의 생체 인증기들(310, 320)로부터 출력된 개별 인증 결과에 따라 최종 인증 결과를 출력할 수 있게 된다. 제1 모델 내지 제9 모델 각각은 서로 다른 종료 스테이지에서 출력되는 서로 다른 학습 샘플로 학습되므로, 서로 다른 특징을 가질 수 있다. 예를 들어, 제1 모델 내지 제9 모델 각각은 서로 다른 인증률을 가질 수 있다. 구체적으로, 제1 모델은 생체 인증기들의 제1 스테이지들의 개별 인증 결과에 기초하여 학습되기 때문에, 생체 인증기들의 제3 스테이지들의 개별 인증 결과에 기초하여 학습된 제9 모델에 비해 낮은 인증률을 가질 수 있다.

도 4는 일 실시예에 따른 융합 모델의 인증률과 오인증률을 설명하는 도면이다. 아래에서는 앞서 도 3에서 설명된 융합 모델의 제1 모델 내지 제9 모델을 계속 참조하여 설명한다. 도 4에서 그래프(410)는 제1 모델을 검증한 결과를 나타내고, 그래프(420)는 제9 모델을 검증한 결과를 나타낸다. 그래프들(410, 420)에서 학습이 완료된 제1 모델과 제9 모델에 동일 객체에 대한 검증 데이터(validation data) 페어를 인가하여 동일 객체에 관한 그래프가 획득되고, 비 동일 객체에 대한 검증 데이터 페어를 인가하여 비 동일 객체에 관한 그래프가 획득될 수 있다. 그래프들(410, 420)에서 x 축은 검증 데이터 페어 내 검증 데이터들로부터 도출된 특징 값들 사이의 거리를 나타내고, y 축은 거리에 해당하는 샘플(예를 들어, 검증 데이터 페어)의 수를 나타낸다. 동일 객체에 관한 그래프 및 비 동일 객체에 관한 그래프는 모두 정규 분포의 형태를 가질 수 있다. 동일 객체는 동일한 사용자를 의미하고, 비 동일 객체는 상이한 사용자를 의미할 수 있다.

그래프(410)와 그래프(420)를 참조하면, 제1 모델 내지 제9 모델은 동일객체의 그래프와 비동일객체의 그래프를 분리하는 성능에서 차이를 가진다는 것을 알 수 있다. 예를 들어, 그래프(410)에서 5%의 오인증률을 만족하는 임계치를 설정하는 경우 인증률은 65%정도에 그친다. 반면, 그래프(420)에서 동일하게 5%의 오인증률을 만족하는 임계치를 설정하는 경우 인증률은 100%에 가깝다. 여기서, 5%의 오인증률이란 비 동일 객체의 그래프의 전체 면적 중 하위 5%에 해당하는 면적에 속하는 결과(예를 들어, 거리)만 동일 객체로 잘못 인식되는 것을 허용하도록 하는 비율을 의미한다. 이 경우, 인증률은 동일 객체의 그래프의 전체 면적 중 5%의 오인증률에 따라 설정된 임계치 이하의 거리에 해당하는 면적의 비율을 의미한다.

이와 같은 방식으로 컨트롤러는 특정한 오인증률에 대한 제1 모델 내지 제9 모델의 인증률을 계산할 수 있고, 융합 모델에서 어플리케이션이 요구하는 VR 및 FAR을 만족시키는 개별 모델을 선택할 수 있다. 예를 들어, 특정 어플리케이션이 5%의 오인증률과 90%의 인증률을 요구하는 경우, 컨트롤러는 제1 생체 인증기의 제3 스테이지 및 제2 생체 인증기의 제3 스테이지를 선택하고, 융합 모델로 제9 모델을 선택할 수 있다.

도 5는 일 실시예에 따른 지문 인증기를 나타낸 블록도이다. 일 측에 따르면, 앞서 언급된 생체 인증기는 지문 인증기(510)일 수 있다. 지문 인증기(510)는 제1 스테이지 내지 제3 스테이지를 포함하고, 각각의 스테이지들은 생체 정보에 대응하는 입력 지문 영상에 기초하여 개별 인증 결과를 출력할 수 있다. 제1 스테이지는 등록 지문 영상과 입력 지문 영상 사이에 겹치는 면적 및 매칭 스코어를 출력할 수 있다. 제1 스테이지의 동작 과정은 도 6을 참조하여 설명한다.

도 6은 일 실시예에 따른 입력 지문 영상의 변형을 통한 매칭 과정을 나타낸 도면이다. 변형은 스케일(scale), 회전(rotation), 이동(translation), 또는 이들의 다양한 조합을 포함할 수 있다. 입력 지문 영상과 등록 지문 영상을 동일한 센서를 통하여 획득하는 경우, 스케일은 생략될 수 있다.

도 6을 참조하면, 입력 지문 영상(610) 및 등록 지문 영상(620)이 도시되어 있다. 입력 지문 영상(610) 및 등록 지문 영상(620)은 지문 센서와 같은 지문 인식 장치를 통해 획득될 수 있다. 등록 지문 영상(620)은 데이터베이스에 미리 저장되어 있을 수 있다. 지문 센서의 센싱 영역은 사용자의 지문의 크기보다 작을 수 있고, 입력 지문 영상(610) 및 등록 지문 영상(620)은 지문의 일부에 대한 정보만 포함하는 부분 영상일 수 있다. 입력 지문 영상(610)과 등록 지문 영상(620)의 겹치는 면적 및 매칭 스코어를 알기 위해서는 입력 지문 영상(610)의 회전 및 이동이 필요하다.

제1 스테이지는 입력 지문 영상(610)과 등록 지문 영상(620)에 공통적으로 포함된 영역이 겹쳐지도록, 입력 지문 영상(610)을 회전 및 이동시킬 수 있다. 제1 스테이지는 다양한 방식을 통하여 입력 지문 영상(610)과 등록 지문 영상(620)을 매칭할 수 있다. 일 예로, 제1 스테이지는 주파수 기반 매칭 기법에 기초하여, 입력 지문 영상(610)과 등록 지문 영상(620) 사이의 이동 정보 및 회전 정보를 결정할 수 있다. 주파수 기반 매칭 기법은 주파수 영역에서 매칭을 수행하는 기법일 수 있다.

입력 지문 영상(610)과 등록 지문 영상(620) 사이의 이동 정보는 x축 이동 파라미터인 Tx와 y축 이동 파라미터인 Ty를 포함할 수 있다. 또한, 입력 지문 영상(610)와 등록 지문 영상(620) 사이의 회전 정보는 회전 파라미터인 R을 포함할 수 있다. 이하, Tx 및 Ty는 이동량이라고 지칭되고, R은 회전 각도라고 지칭될 수 있다.

제1 스테이지는 매칭 결과 도출된 이동 정보 및 회전 정보에 기초하여 입력 지문 영상(610)을 이동 및 회전시킬 수 있다. 이동 정보 및 회전 정보는 입력 지문 영상(610)과 등록 지문 영상(620) 사이의 상대적인 정보이므로, 제1 스테이지는 입력 지문 영상(610)을 이동 및 회전시키는 대신 등록 지문 영상(620)을 이동 및 회전시킬 수도 있다.

제1 스테이지는 입력 지문 영상(610)이나 등록 지문 영상(620)의 이동 및 회전 이후에 입력 지문 영상(610)과 등록 지문 영상(620)의 겹치는 면적 및 매칭 스코어를 획득할 수 있다. 일 예로, 매칭 스코어는 입력 지문 영상(610)과 등록 지문 영상(620)의 영상 밝기 값 기반의 정규화 상관 기법(normalized correlation)에 기초하여 획득될 수 있다. 제1 스테이지는 획득된 면적 및 매칭 스코어를 출력할 수 있다. 설명의 편의를 위하여, 등록 지문 영상(620)을 하나만 도시하였으나, 데이터베이스에는 복수의 등록 지문 영상들이 포함될 수 있다. 이 경우, 제1 스테이지는 입력 지문 영상(610)과 복수의 등록 지문 영상들을 각각 매칭하고, 복수의 등록 지문 영상들 각각에 대응하여 면적 및 매칭 스코어를 출력할 수 있다. 제1 스테이지는 다음 스테이지들에 비해 비교적 빠른 시간 안에 처리될 수 있지만, 제1 스테이지의 개별 인증 결과에 따른 인증률은 다음 스테이지들에 비해 낮을 수 있다.

전술한 제1 스테이지의 동작은 제2 스테이지 및 3 스테이지의 동작에도 적용될 수 있다. 다만, 제2 스테이지 및 제3 스테이지는 입력 지문 영상을 복수의 블록들로 분할(partitioning)한 뒤, 개별 블록과 등록 지문 영상 사이에서 매칭 동작을 수행한다. 도 5를 참조하면, 제2 스테이지는 입력 지문 영상을 미리 정해진 수(예를 들어, 3개)의 블록들로 분할할 수 있다. 제2 스테이지는 등록 지문 영상과 블록들 사이의 매칭 스코어들을 출력할 수 있다. 또한, 제3 스테이지는 입력 지문 영상을 제2 스테이지에 비해 많은 수(예를 들어, 5개)의 블록들로 분할하고 등록 지문 영상과 블록들 사이의 매칭 스코어들을 출력할 수 있다. 제2 스테이지 및 제3 스테이지의 동작 과정은 도 7을 참조하여 설명한다.

도 7은 일 실시예에 따른 입력 지문 영상(720)의 분할 및 매칭 과정을 나타낸 도면이다. 아래에서 설명되는 제2 스테이지의 동작은 제3 스테이지의 동작에도 적용될 수 있다. 도 7을 참조하면, 제2 스테이지는 입력 지문 영상(720)을 복수의 블록들(721 내지 723)로 분할할 수 있다. 제2 스테이지는 입력 지문 영상(720)과 등록 지문 영상들(711, 712)을 비교하는 대신, 복수의 블록들(721 내지 723)과 등록 지문 영상들(711, 712)을 비교할 수 있다.

제2 스테이지는 다양한 방식으로 입력 지문 영상(720)을 분할할 수 있다. 일 예로, 제2 스테이지는 미리 정해진 패턴에 따라 입력 지문 영상(720)을 분할할 수 있다. 미리 정해진 패턴은 지문 센서의 센싱 영역의 모양, 크기, 등록 부분 이미지들의 모양, 크기 등에 따라 사전에 결정될 수 있다. 경우에 따라, 미리 정해진 패턴은 동적으로 변경될 수도 있다. 또한, 블록들은 서로 겹치지 않게 분할되거나, 인접한 블록들 간에 서로 일정 영역만큼 겹치도록 분할될 수도 있다.

제2 스테이지는 복수의 블록들(721 내지 723)을 이용함으로써, 매칭의 효율성을 향상시킬 수 있다. 입력 지문 영상(720)이 입력되는 경우, 입력 지문 영상(720)과 등록 지문 영상들(711, 712) 각각이 겹치는 영역이 크지 않기 때문에 복수 개의 블록으로 나누어 매칭을 수행하는 것이 효과적이다. 블록(723)의 영역 대비 블록(723)과 등록 지문 영상(711)이 겹치는 영역의 비율은 입력 지문 영상(720)의 영역 대비 입력 지문 영상(720)과 등록 지문 영상(711)이 겹치는 영역이 겹치는 영역의 비율에 비하여 크므로, 블록을 이용한 매칭이 보다 정확하고 효율적으로 수행될 수 있다.

제2 스테이지는 블록을 이동 및 회전시켜 블록과 등록 지문 영상을 매칭하고, 겹쳐진 영역에서 매칭 스코어를 계산할 수 있다. 예를 들어, 제2 스테이지는 3개의 블록들(721 내지 723)과 등록 지문 영상들(711, 712)의 다양한 조합들에 대한 매칭 스코어들을 계산할 수 있다. 이 때, 제2 스테이지는 제1 스테이지의 매칭 결과에 기초하여, 데이터베이스에 저장된 복수의 등록 지문 영상들을 전부 이용하는 대신 제1 스테이지의 매칭 결과에 따라 상위 랭크 된 일부의 등록 지문 영상들만을 이용할 수 있다.

제3 스테이지도 제2 스테이지와 유사한 방식으로 입력 지문 영상(720)을 5개의 블록들로 분할하고, 5개의 블록들에 대한 매칭 스코어를 계산할 수 있다. 제3 스테이지는, 각 블록의 매칭 스코어를 정렬하여 상위 K개의 스코어를 출력할 수 있다. 또한, 제3 스테이지는 복수의 매칭 스코어의 특징 값을 출력할 수 있다. 여기서, 특징 값은 평균 등 통계 값과 같이 복수의 매칭 스코어에 관한 특징을 나타내는 값일 수 있다. 예를 들어, 제3 스테이지는 5개의 블록들의 매칭 스코어 중에 상위 3개의 매칭 스코어와 함께 상위 3개의 매칭 스코어의 평균 값을 출력할 수 있다. 제3 스테이지는 특징 값을 통해 사용자 인증의 정확성을 향상시킬 수 있다. 제3 스테이지는 제2 스테이지의 매칭 결과에 기초하여, 데이터베이스에 저장된 복수의 등록 지문 영상들을 전부 이용하는 대신 제2 스테이지의 매칭 결과에 따라 상위 랭크 된 일부의 등록 지문 영상들만을 이용할 수 있다.

도 8은 일 실시예에 따른 얼굴 인증기를 나타낸 블록도이다. 일 측에 따르면, 앞서 언급된 생체 인증기는 얼굴 인증기(810)일 수 있다. 도 8을 참조하면, 얼굴 인증기(810)는 제1 스테이지 내지 제3 스테이지를 포함하고, 각각의 스테이지들은 생체 정보에 대응하는 입력 영상(예를 들어, 얼굴 영상)에 기초하여 개별 인증 결과를 출력할 수 있다. 얼굴 인증기(810)는 입력 영상에 반응하여 뉴럴 네트워크 내 복수의 레이어들에 의하여 출력되는 특징들과 상기 레이어들에 대응하여 미리 저장된 등록 영상의 특징들을 비교함으로써 레이어 별 개별 인증 결과를 출력할 수 있다. 얼굴 인증기(810)에 포함된 각각의 스테이지들은 복수의 레이어에 대응될 수 있다. 개별 인증 결과의 출력 과정은 도 9를 참조하여 설명한다.

도 9는 일 실시예에 따른 얼굴 인증기에 포함된 레이어들을 나타낸 블록도이다. 아래에서는 앞서 도 8에서 설명된 얼굴 인증기의 제1 스테이지 내지 제3 스테이지를 함께 참조하여 설명한다. 도 9를 참조하면, 얼굴 인증기는 제1 레이어(910) 내지 제3-3 레이어(933)를 포함한다. 제1 레이어(910) 내지 제3-3 레이어(933)는 입력 영상의 특징 값을 출력하도록 미리 학습될 수 있고, 얼굴 인증기는 제1 레이어(910) 내지 제3-3 레이어(933)에서 출력된 입력 영상의 특징 값과 미리 등록된 등록 영상의 특징 값 사이의 거리에 기초하여 개별 인증 결과를 출력하도록 미리 학습될 수 있다. 도 9에서는 제3 레이어가 제2 레이어(920)와 병렬적으로 연결된 복수의 레이어들(931, 932, 933)을 포함하는 경우를 설명하나, 실시예들은 도 9에 도시된 구조 이외의 다양한 구조의 뉴럴 네트워크에도 그대로 적용될 수 있다.

제1 레이어(910)는 입력 영상에 기초하여 입력 영상의 제1 특징 값을 출력한다. 얼굴 인증기의 제1 스테이지는 입력 영상의 제1 특징 값과 등록 영상의 제1 특징 값을 비교하고, 입력 영상의 제1 특징 값과 등록 영상의 제1 특징 값 사이의 거리에 기초하여 제1 개별 인증 결과를 출력할 수 있다. 제1 개별 인증 결과는 인증 스코어일 수 있다. 등록 영상의 제1 특징 값은 제1 레이어(910)에 의해 미리 출력되어, 데이터베이스에 미리 저장되어 있을 수 있다. 동일한 방식으로, 제2 스테이지는 제2 레이어(920)를 이용하여 제2 개별 인증 결과를 출력한다. 제2 레이어(920)는 제1 레이어(910)의 상위 레이어이므로, 입력 영상의 제2 특징 값에 기초한 제2 개별 인증 결과는 입력 영상의 제1 특징 값에 기초한 제1 개별 인증 결과에 비해 높은 인증률을 가질 수 있다.

제3 스테이지는 제3-1 레이어(931) 내지 제3-3 레이어(933)를 이용하여 제3 개별 인증 결과를 출력할 수 있다. 제3-1 레이어(931), 제3-2 레이어(932) 및 제3-3 레이어(933)는 각각 입력 영상의 제3-1 특징 값, 입력 영상의 제3-2 특징 값 및 입력 영상의 제3-3 특징 값을 출력한다. 얼굴 인증기의 제3 스테이지는 입력 영상의 제3-1 특징 값 내지 입력 영상의 제3-3 특징 값 각각을 등록 영상의 제3-1 특징 값 내지 등록 영상의 제3-3 특징 값과 비교하고, 특징 값들 사이의 거리에 기초하여 제3 개별 인증 결과를 출력할 수 있다.

제1 스테이지 및 제2 스테이지에서 등록 영상의 제1 특징 값 및 등록 영상의 제2 특징 값은 사용자의 얼굴 전체에 관한 특징 값들일 수 있다. 이 경우, 제1 스테이지 및 제2 스테이지는 사용자의 얼굴 전체에 기초한 개별 인증 결과를 출력하게 된다.

제3 스테이지에서 등록 영상의 제3-1 특징 값은 사용자의 얼굴 전체에 관한 특징 값일 수 있고, 등록 영상의 제3-2 특징 값 및 등록 영상의 제3-3 특징 값은 사용자의 눈, 코, 입 또는 귀와 같이 사용자의 얼굴 중 특정 부분에 관한 특징 값들일 수 있다. 제3 스테이지는 사용자의 얼굴 전체와 특정 부분을 모두 고려하여 개별 인증 결과를 출력하게 된다. 따라서, 제3 스테이지의 제3 개별 인증 결과는 제1 개별 인증 결과 및 제2 개별 인증 결과에 비해 높은 인증률을 가질 수 있다.

제1 개별 인증 결과 내지 제3 개별 인증 결과는 입력 영상의 특징 값과 등록 영상의 특징 값 사이의 매칭 스코어를 포함할 수 있다. 제3 개별 인증 결과는 얼굴 전체와 특정 부분에 관한 복수의 매칭 스코어의 포함할 수 있다. 또한, 제3 개별 인증 결과는 매칭 스코어들의 평균 등 통계 값을 포함할 수 있다. 예를 들어, 제3 스테이지는 얼굴, 제1 부분 및 제2 부분의 매칭 스코어와 함께 매칭 스코어의 평균 값을 출력할 수 있다. 제3 스테이지는 복수의 매칭 스코어 및 통계 값을 통해 사용자 인증의 정확성을 향상시킬 수 있다.

앞서 언급된 것처럼, 복수의 생체 인증기들의 개별 인증 결과는 벡터로 표현될 수 있다. 개별 인증 결과는 출력 값의 수에 대응하는 차원(dimension)을 가질 수 있다. 예를 들어, 지문 인증기의 제3 스테이지는 5개의 블록들의 매칭 스코어 중에 상위 3개의 매칭 스코어와 함께 이들의 평균 값을 출력할 수 있다. 이 경우, 지문 인증기의 제3 스테이지의 개별 인증 결과는 4차원 벡터로 나타날 수 있다. 또한, 얼굴 인증기의 제3 스테이지는 얼굴, 제1 부분 및 제2 부분에 대한 3개의 매칭 스코어와 함께 이들의 평균 값을 출력할 수 있다. 이 경우, 얼굴 인증기의 제3 스테이지의 개별 인증 결과는 4차원 벡터로 나타날 수 있다. 융합 모델은 지문 인증기와 얼굴 인증기로부터 각각 4차원 벡터를 수신하게 되며, 두 4차원 벡터들의 조합에 의한 8차원 벡터를 입력으로 수신할 수 있다.

융합 모델은 8차원 벡터로부터 최종 인증 결과를 도출할 수 있다. 전술한 것과 같이, 융합 모델은 8차원 벡터를 입력 받아, 최종 인증 결과를 출력하도록 학습된 것(예를 들어, SVM)일 수 있다. 여기서는 지문 인증기의 제3 스테이지와 얼굴 인증기의 제3 스테이지들의 조합에 따른 융합 모델의 동작을 설명하였으나, 앞서 설명된 것처럼 융합 모델은 모든 스테이지의 조합들에 대한 개별 모델들을 포함하고, 개별 모델들은 개별 인증 결과가 입력 되었을 때, 최종 인증 결과를 출력하도록 미리 학습될 수 있다.

도 10은 일 실시예에 따른 메인 인증기와 서브 인증기를 나타낸 블록도이다. 컨트롤러(1010)는 복수의 생체 인증기들 중에 메인 인증기(1020)와 서브 인증기(1030)를 결정한다. 메인 인증기(1020)는 사용자 인증에 주되게 사용되는 인증기이고, 서브 인증기(1030) 사용자 인증에 보조적으로 사용되는 인증기이다. 일 예로, 컨트롤러는 메인 인증기의 종료 스테이지와 서브 인증기의 종료 스테이지의 다양한 조합들 중 메인 인증기의 종료 스테이지의 레벨이 증가되도록 하는 조합을 선택할 수 있다. 예를 들어, 메인 인증기(1020)는 제n 스테이지에서 개별 인증 결과를 출력하고, 서브 인증기(1030)는 제1 스테이지에서 개별 인증 결과를 출력하는 조합이 선택될 수 있다. 융합 모델(1040)는 메인 인증기(1020)와 서브 인증기(1030)의 개별 인증 결과에 기초하여 최종 인증 결과를 출력한다.

다른 예로, 컨트롤러는 선택 정보에 기초하여 메인 인증기(1020)와 서브 인증기(1030)의 스테이지를 결정할 수 있다. 선택 정보는 메인 인증기(1020)의 최소 요구 스테이지 및 서브 인증기(1030)의 최대 요구 스테이지를 포함할 수 있다. 컨트롤러는 메인 인증기(1020)의 최소 요구 스테이지 이상의 스테이지 및 서브 인증기(1030)의 최대 요구 스테이지 이하의 스테이지를 종료 스테이지로 결정할 수 있다.

컨트롤러(1010)는 어플리케이션의 유형, 보안 레벨, 센싱 환경, 주 인증 혹은 보조 인증 여부, 및 사용자 선택 중 적어도 하나를 포함하는 미리 정해진 기준에 따라 메인 인증기(1020)와 서브 인증기(1030)를 결정할 수 있다. 일 예로, 컨트롤러(1010)는 조도가 낮으면 얼굴 인식기의 성능이 저하되므로 지문 인식기를 메인 인증기(1020)로 설정하고 얼굴 인식기를 서브 인증기(1030)로 결정할 수 있다. 또는, 컨트롤러(1010)는 조도가 낮으면 얼굴 인식기의 정확도를 향상시키기 위하여 얼굴 인식기를 메인 인증기(1020)로 설정하여 얼굴 인식기의 종료 스테이지를 증가시킬 수 있다. 다른 예로, 컨트롤러(1010)는 습도가 높으면 지문 인식기의 성능이 저하되므로 얼굴 인식기를 메인 인증기(1020)로 설정하고 지문 인식기를 서브 인증기(1030)로 결정할 수 있다. 또는, 컨트롤러(1010)는 습도가 높으면 지문 인식기의 정확도를 향상시키기 위하여 지문 인식기를 메인 인증기(1020)로 설정하여 지문 인식기의 종료 스테이지를 증가시킬 수 있다.

도 11은 일 실시예에 따른 사용자 인증 방법을 나타낸 동작 흐름도이다. 도 11을 참조하면, 단계(1110)에서, 사용자 인증 장치는 복수의 생체 인증기들 중 적어도 하나의 종료 스테이지를 설정한다. 단계(1120)에서, 사용자 인증 장치는 설정된 적어도 하나의 종료 스테이지에 기초하여, 복수의 생체 인증기들의 출력들을 융합하는 융합 모델을 선택한다. 단계(1130)에서, 사용자 인증 장치는 복수의 생체 인증기들의 출력들 및 융합 모델을 이용하여, 사용자를 인증한다. 도 11에 도시된 각 단계들에는 도 1 내지 도 10을 통하여 전술한 사항들이 그대로 적용될 수 있으므로, 보다 상세한 설명은 생략한다.

도 12는 일 실시예에 따른 전자 시스템을 도시한 블록도이다. 도 12를 참조하면, 전자 시스템은 센서(1220), 프로세서(1210) 및 메모리(1230)를 포함한다. 센서(1220), 프로세서(1210), 및 메모리(1230)는 버스(1240)를 통하여 서로 통신할 수 있다. 센서(1220)는 얼굴, 지문, 홍채, 정맥, 손금, 귀모양, 및 심전도 등을 포함하는 사용자의 생체 정보를 감지하기 위한 지문 센서, 이미지 센서 및 심전도 센서 등을 포함할 수 있다. 센서(1220)는 잘 알려진 방식(예를 들어, 광학 이미지를 전기 신호로 변환하는 방식 등)으로 사용자의 생체 정보를 감지할 수 있다. 생체 정보는 프로세서(1210)로 출력된다.

프로세서(1210)는 도 1 내지 도 11을 통하여 전술한 적어도 하나의 장치들을 포함하거나, 도 1 내지 도 11을 통하여 전술한 적어도 하나의 방법을 수행할 수 있다. 예를 들어, 프로세서(1210)는 도 2의 컨트롤러(210), 생체 인증기들(220) 및 융합 모델(240) 중 적어도 하나를 포함할 수 있다. 메모리(1230)는 센서(1220)에 의하여 캡쳐되어 등록된 등록 지문 영상이나 등록 영상들, 센서(1220)에 의하여 캡쳐된 입력 지문 영상이나 입력 영상들, 프로세서(1210)에 의하여 처리된 매칭 결과, 및/또는 프로세서(1210)에 의하여 계산된 매칭 스코어 등을 저장할 수 있다. 메모리(1230)는 휘발성 메모리 또는 비휘발성 메모리일 수 있다.

프로세서(1210)는 프로그램을 실행하고, 전자 시스템을 제어할 수 있다. 프로세서(1210)에 의하여 실행되는 프로그램 코드는 메모리(1230)에 저장될 수 있다. 전자 시스템은 입출력 장치(도면 미 표시)를 통하여 외부 장치(예를 들어, 퍼스널 컴퓨터 또는 네트워크)에 연결되고, 데이터를 교환할 수 있다. 전자 시스템은 이동 전화, 스마트 폰, PDA, 태블릿 컴퓨터, 랩톱 컴퓨터 등 모바일 장치, 퍼스널 컴퓨터, 태블릿 컴퓨터, 넷북 등 컴퓨팅 장치, 또는 텔레비전, 스마트 텔레비전, 게이트 제어를 위한 보안 장치 등 전자 제품 등 다양한 전자 시스템들을 포함할 수 있다.

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

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

실시예에 따른 방법은 다양한 컴퓨터 수단을 통하여 수행될 수 있는 프로그램 명령 형태로 구현되어 컴퓨터 판독 가능 매체에 기록될 수 있다. 상기 컴퓨터 판독 가능 매체는 프로그램 명령, 데이터 파일, 데이터 구조 등을 단독으로 또는 조합하여 포함할 수 있다. 상기 매체에 기록되는 프로그램 명령은 실시예를 위하여 특별히 설계되고 구성된 것들이거나 컴퓨터 소프트웨어 당업자에게 공지되어 사용 가능한 것일 수도 있다. 컴퓨터 판독 가능 기록 매체의 예에는 하드 디스크, 플로피 디스크 및 자기 테이프와 같은 자기 매체(magnetic media), CD-ROM, DVD와 같은 광기록 매체(optical media), 플롭티컬 디스크(floptical disk)와 같은 자기-광 매체(magneto-optical media), 및 롬(ROM), 램(RAM), 플래시 메모리 등과 같은 프로그램 명령을 저장하고 수행하도록 특별히 구성된 하드웨어 장치가 포함된다. 프로그램 명령의 예에는 컴파일러에 의해 만들어지는 것과 같은 기계어 코드뿐만 아니라 인터프리터 등을 사용해서 컴퓨터에 의해서 실행될 수 있는 고급 언어 코드를 포함한다. 상기된 하드웨어 장치는 실시예의 동작을 수행하기 위해 하나 이상의 소프트웨어 모듈로서 작동하도록 구성될 수 있으며, 그 역도 마찬가지이다.

이상과 같이 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.

Claims (29)

1. 복수의 생체 인증기들의 종료 스테이지들을 설정하는 단계;
   상기 설정된 종료 스테이지들에 기초하여, 상기 복수의 생체 인증기들의 출력들을 융합하는 단계; 및
   상기 복수의 생체 인증기들의 출력들을 융합한 결과를 이용하여, 사용자를 인증하는 단계
   를 포함하고,
   상기 복수의 생체 인증기들 각각은 다중 스테이지로 구성되고,
   상기 다중 스테이지의 각 스테이지는 상기 복수의 생체 인증기를 이용한 인증 프로세스의 개별 인증 결과를 출력하는 종료 스테이지로 선택될 수 있고,
   상기 융합하는 단계는
   상기 복수의 생체 인증기들의 각 종료 스테이지의 개별 인증 결과의 융합에 따른 인증 결과를 출력하도록 미리 학습된 융합 모델들 중 상기 설정된 종료 스테이지들의 조합에 대응하는 융합 모델을 이용하여 상기 복수의 생체 인증기의 상기 출력들을 융합하는 단계를 포함하는,
   사용자 인증 방법.
2. 삭제
3. 삭제
4. 제1항에 있어서,
   상기 설정하는 단계는
   미리 정해진 기준(predetermined criterion)에 기초하여, 상기 복수의 생체 인증기들의 상기 종료 스테이지들을 설정하는 단계
   를 포함하는, 사용자 인증 방법.
5. 제4항에 있어서,
   상기 미리 정해진 기준은
   어플리케이션의 유형, 보안 레벨, 센싱 환경, 주 인증 혹은 보조 인증 여부, 및 사용자 선택 중 적어도 하나를 포함하는, 사용자 인증 방법.
6. 제4항에 있어서,
   상기 설정하는 단계는
   상기 복수의 생체 인증기들의 다중 스테이지 중 상기 미리 정해진 기준에 따른 인증률(verification rate; VR) 및 오인증률(false acceptance rate; FAR)을 만족하는 스테이지(stage)를 해당 생체 인증기의 종료 스테이지로 설정하는 단계
   를 포함하는, 사용자 인증 방법.
7. 제1항에 있어서,
   상기 복수의 생체 인증기들은
   서로 다른 모달리티의 생체 인증을 수행하는, 사용자 인증 방법.
8. 제1항에 있어서,
   상기 복수의 생체 인증기들 각각은
   얼굴, 지문, 홍채, 정맥, 손금, 귀모양, 및 심전도 중 어느 하나를 이용하여 생체 인증을 수행하는, 사용자 인증 방법.
9. 삭제
10. 제1항에 있어서,
    상기 사용자를 인증하는 단계는
    상기 복수의 생체 인증기들의 출력들을 융합한 결과를 적어도 하나의 종료 스테이지에 대응하는 임계치와 비교함으로써, 상기 사용자를 인증하는 단계
    를 포함하는, 사용자 인증 방법.
11. 제1항에 있어서,
    상기 복수의 생체 인증기들의 종료 스테이지보다 이전 스테이지에 대응하는 융합 모델을 이용하여, 이른 인증(early verification)을 수행하는 단계
    를 더 포함하는 사용자 인증 방법.
12. 제1항에 있어서,
    상기 복수의 생체 인증기들은 지문 인증기를 포함하고,
    상기 지문 인증기는
    등록 지문 영상과 입력 지문 영상 사이에 겹치는 면적 및 매칭 스코어를 출력하는 제1 스테이지; 및
    상기 등록 지문 영상과 상기 입력 지문 영상을 분할한 블록들 사이의 매칭 스코어들을 출력하는 제2 스테이지
    를 통하여 스테이지 별 개별 인증 결과를 출력하는, 사용자 인증 방법.
13. 제1항에 있어서,
    상기 복수의 생체 인증기들은 얼굴 인증기를 포함하고,
    상기 얼굴 인증기는
    입력 영상에 반응하여 뉴럴 네트워크 내 복수의 레이어들에 의하여 출력되는 특징들과 상기 레이어들에 대응하여 미리 저장된 등록 영상의 특징들을 비교함으로써 레이어 별 개별 인증 결과를 출력하는, 사용자 인증 방법.
14. 제1항에 있어서,
    상기 융합하는 단계는
    상기 적어도 하나의 종료 스테이지의 출력에 대응하는 차원(dimension)의 입력 벡터에 기초하여 상기 사용자의 인증을 위한 최종 인증 결과를 출력하는 융합 모델을 이용하여, 상기 복수의 생체 인증기들의 출력들을 융합하는 단계
    를 포함하는, 사용자 인증 방법.
15. 제1항에 있어서,
    상기 융합하는 단계는
    적어도 하나의 종료 스테이지의 출력에 대응하는 차원(dimension)의 입력 벡터에 기초하여 상기 사용자의 인증을 위한 최종 인증 결과를 출력하는 융합 모델을 이용하여, 상기 복수의 생체 인증기들의 출력들을 융합하는 단계
    를 포함하는, 사용자 인증 방법.
16. 하드웨어와 결합되어 제1항, 제4항 내지 제8항, 및 제10항 내지 제15항 중 어느 하나의 항의 방법을 실행시키기 위하여 컴퓨터 판독가능 매체에 저장된 컴퓨터 프로그램.
17. 각각 다중 스테이지로 구성되는 복수의 생체 인증기들;
    상기 복수의 생체 인증기들의 종료 스테이지를 설정하는 컨트롤러; 및
    상기 설정된 종료 스테이지에 기초하여, 상기 복수의 생체 인증기들의 출력들을 융합하는 융합 모델
    을 포함하고,
    상기 다중 스테이지의 각 스테이지는 상기 복수의 생체 인증기를 이용한 인증 프로세스의 개별 인증 결과를 출력하는 종료 스테이지로 선택될 수 있고,
    상기 융합 모델은
    상기 복수의 생체 인증기들의 각 종료 스테이지의 개별 인증 결과의 융합에 따른 인증 결과를 출력하도록 미리 학습된 융합 모델들 중 상기 설정된 종료 스테이지들의 조합에 대응하는 어느 하나인,
    사용자 인증 장치.
18. 삭제
19. 삭제
20. 제17항에 있어서,
    상기 컨트롤러는
    미리 정해진 기준(predetermined criterion)에 기초하여, 상기 복수의 생체 인증기들의 상기 종료 스테이지들을 설정하는, 사용자 인증 장치.
21. 삭제
22. 제20항에 있어서,
    상기 컨트롤러는
    상기 복수의 생체 인증기들의 다중 스테이지 중 상기 미리 정해진 기준에 따른 인증률(verification rate; VR) 및 오인증률(false acceptance rate; FAR)을 만족하는 스테이지(stage)를 해당 생체 인증기의 종료 스테이지로 설정하는 단계
    를 포함하는, 사용자 인증 장치.
23. 제17항에 있어서,
    상기 복수의 생체 인증기들 각각은
    얼굴, 지문, 홍채, 정맥, 손금, 귀모양, 및 심전도 중 어느 하나를 이용하여 생체 인증을 수행하는, 사용자 인증 장치.
24. 제17항에 있어서,
    상기 컨트롤러는
    상기 복수의 생체 인증기들의 종료 스테이지들의 조합들에 대응하여 미리 준비된 융합 모델들 중 상기 적어도 하나의 종료 스테이지에 대응하는 융합 모델을 이용하여 상기 복수의 생체 인증기들의 출력들을 융합하는, 사용자 인증 장치.
25. 삭제
26. 제17항에 있어서,
    상기 복수의 생체 인증기들은
    상기 복수의 생체 인증기들의 종료 스테이지보다 이전 스테이지에 대응하는 융합 모델을 이용하여, 이른 인증(early verification)을 수행하는, 사용자 인증 장치.
27. 제17항에 있어서,
    상기 복수의 생체 인증기들은 지문 인증기를 포함하고,
    상기 지문 인증기는
    등록 지문 영상과 입력 지문 영상 사이에 겹치는 면적 및 매칭 스코어를 출력하는 제1 스테이지; 및
    상기 등록 지문 영상과 상기 입력 지문 영상을 분할한 블록들 사이의 매칭 스코어들을 출력하는 제2 스테이지
    를 통하여 스테이지 별 개별 인증 결과를 출력하는, 사용자 인증 장치.
28. 제17항에 있어서,
    상기 복수의 생체 인증기들은 얼굴 인증기를 포함하고,
    상기 얼굴 인증기는
    입력 영상에 반응하여 뉴럴 네트워크 내 복수의 레이어들에 의하여 출력되는 특징들과 상기 레이어들에 대응하여 미리 저장된 등록 영상의 특징들을 비교함으로써 레이어 별 개별 인증 결과를 출력하는, 사용자 인증 장치.
29. 제17항에 있어서,
    상기 융합 모델은
    적어도 하나의 종료 스테이지의 출력에 대응하는 차원(dimension)의 입력 벡터에 기초하여 상기 사용자의 인증을 위한 최종 인증 결과를 출력하는, 사용자 인증 장치.

Images