KR20010021988A - 지문으로부터 식별 코드를 결정하기 위한 방법 - Google Patents

지문으로부터 식별 코드를 결정하기 위한 방법 Download PDF

Info

Publication number
KR20010021988A
KR20010021988A KR1020007000555A KR20007000555A KR20010021988A KR 20010021988 A KR20010021988 A KR 20010021988A KR 1020007000555 A KR1020007000555 A KR 1020007000555A KR 20007000555 A KR20007000555 A KR 20007000555A KR 20010021988 A KR20010021988 A KR 20010021988A
Authority
KR
South Korea
Prior art keywords
code
image
determined
branch
identification
Prior art date
Application number
KR1020007000555A
Other languages
English (en)
Inventor
하우케루돌프
Original Assignee
요한 로췌,율리치 그리프
카바 슐리이츠시스템 아게
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 요한 로췌,율리치 그리프, 카바 슐리이츠시스템 아게 filed Critical 요한 로췌,율리치 그리프
Publication of KR20010021988A publication Critical patent/KR20010021988A/ko

Links

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
    • G06F18/00—Pattern recognition

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • General Physics & Mathematics (AREA)
  • Physics & Mathematics (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Data Mining & Analysis (AREA)
  • Evolutionary Biology (AREA)
  • Evolutionary Computation (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • General Engineering & Computer Science (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Artificial Intelligence (AREA)
  • Human Computer Interaction (AREA)
  • Multimedia (AREA)
  • Collating Specific Patterns (AREA)
  • Image Analysis (AREA)

Abstract

지문으로부터 식별 코드를 결정하기 위한 방법에 있어서, 적어도 2개 다음 특징: 리지 거리(L), 경사도(G), 곡률(K) 및 분기(B)가 영상 영역에 기록되고 막대 그래프(H)의 특징이 결정된다. 이러한 막대 그래프 특징값(평균값, 분산, 최대값 및 계급값)으로부터 및 또한 선택된 분기로부터, 벡터 성분으로서 특징값(Ci)이 결정되며, 상기 특징값(Ci)은 식별 코드(C)를 형성한다. 본 발명의 방법에 있어서, 많은 적용을 위해 높은 인식의 보증을 갖는 비교적 간단하게 결정할 수 있는 식별 코드 및 간단한 식별 코드가 형성될 수 있다.

Description

지문으로부터 식별 코드를 결정하기 위한 방법{METHOD FOR DETERMINING AN IDENTIFICATION CODE FROM FINGERPRINT IMAGES}
특히, 다른 공지된 세목 방법에 의한 특징은 일련의 부가적인 단점을 갖는다. 한편, 광학 영상 기록의 오류 및 부정확성은 세목의 혼동이 될 수 있다. 즉, 상기 영상 기록의 오류는 실제로 존재하지 않는 분명한 세목을 발생시키고 또 한편, 존재하는 세목은 좋지 않은 영상 기록때문에 인식될 수 없다. 또한, 예를 들면 스킨의 손상 때문에, 사람의 실제 손가락 라인 영상은 상기 스킨 라인의 오염 또는 좋지 않은 기록에 의해 세목 오류를 포함하므로 예를 들면 영상에서 방해가 나타난다. 컷의 형태로 간단한 손상때문에 크게 다른 컷의 가장자리에 걸쳐 형성될 수 있다. 따라서, 기록된 사람의 세목 영상은 항상 동일한 것은 아니며, 그것은 복잡한 평가 프로그램을 다시 요구한다. 이러한 이유로, 공지된 세목 방법에 의한 지문의 결정은 계산 및 기억에 관하여 많은 노력을 해야한다.
리지 사이의 거리 또는 경사도로부터 식별 코드를 결정하기 위한 다른 공지된 방법은 짧은 코드로 충분한 인식의 보증을 지금은 할 수 없었다.
또 한편, 매일 사용하여 많은 적용에 사용하는 간단한 방법으로 사람의 식별 및 증명을 위한 상당한 요구가 있다. 예를 들면 선택적 접속, 신용카드에 의한 지불, 법률적이거나 사회적 목적을 위한 식별, 예를 들면 패스포트 제어 또는 개인 서류의 조사, 예를 들면 사회 프로그램 등등. 모든 이러한 법의학이 아닌 적용에 대해, 더 간단하고 더 보증이 있는 생물 측정 식별 코드를 발견하는 것이 필요하고 그것은 매우 적은 기억을 요구하므로 저렴한 데이터 캐리어에 대해 또한 사용될 수 있다. 특히, 저렴한 자기 코드에 대해, 1차원 또는 2차원 바 코드를 갖거나 다른 저렴한 데이터 캐리어상의 문서에 대해, 특히 스마트 카드의 전기적 소거 가능한 피롬(EEPROM) 및 접촉없는 데이터 캐리어 시스템을 갖는 칩에 또한 사용된다. 예를 들면 매일 비교적 많은 사용자가 사용하는 자동 판매기와 같은 소비재의 분야에서, 이것은 모든 적용에 대해 또한 절대적으로 필요하고 그것은 비교적 적은 금액을 취급하는 사업 거래와 관계가 있다. 이러한 종류의 적용에 대해, 상기 식별 코드는 매우 저렴해야 하며, 즉 적은 기억 용량 및 테스트 스테이션의 작은 국부 컴퓨터에서 비교적 간단한 평가에 확실히 적용되어야 한다.
본 발명은 일반적인 청구범위 제 1항 및 청구범위 제 25항에 따른 지문 또는 디지털 그레이 스케일 값 영상으로부터 각각 식별 코드를 결정하기 위한 방법 및 장치에 관한 것이다. 이것은 전자 영상 기록 장치, 예를 들면 비디오 카메라, 에 의해 실시간에서 또는 영상 기록으로부터 사람의 지문을 자동으로 식별하는 것에 대한 것이다. 대부분 손가락은 콘트라스트(contrast)를 만들기 위해 적당한 광학 장치상에서 압축되고 장치는 프리즘 및 방해되는 전반사 원리에 의해 스킨 라인의 영상을 생기게한다. 그러나 상기 스킨 라인 영상은 전자적으로, 예를 들면 용량성으로 또한 직접 기록될 수 있다. 지금까지 모든 종류(분기, 리지 단부, 산입, 아일랜드, 방해, 접합, 삼분 등등)에 대한 지문 세목(minutiae)의 특징이 사용되었다. 특히, 이것은 넓게 사용되는 법의학 적용에 유효하고 그것은 이러한 세목 특징(방향뿐만 아니라 위치 및 세목의 종류)의 매우 정확한 분석을 요구하고 그것은 대응적으로 많은 양의 기억 및 복잡한 프로그램을 다시 요구한다.
도 1은 x 방향으로 리지 거리(L)의 결정을 도시한다
도 2는 스케일 값 영상으로부터 리지 거리의 결정을 도시한다
도 3은 x 방향 및 y 방향으로 리지 거리(L)의 결정을 도시한다
도 4는 거리 길이(L)의 함수로서 도수 분포(HL)를 도시한다
도 5는 계급값을 결정하기 위한 분류를 도시한다
도 6은 경사도(G)의 결정을 도시한다
도 7은 곡률(K)의 결정을 도시한다
도 8은 다른 영상에 대한 경사도 분포(HG)의 계급값의 표현을 도시한다
도 9 내지 도 11은 다른 지문 영상(I)을 도시한다
도 12는 윤곽이 있는 영상에서 분기(B)의 결정을 도시한다
도 13은 분기 거리(LB)의 결정을 도시한다
도 14는 분기 영역(F)의 결정을 도시한다
도 15는 분기(B)의 결정에 대한 다른 예를 도시한다
도 16은 세그멘테이션 및 격자를 갖는 영상의 커버링을 도시한다
도 17은 가능한 영상 단면의 표현을 도시한다
도 18은 본 발명에 대한 다이어그램 표현을 도시한다
도 19a 및 도 19b는 정의된 분기의 예를 도시한다
도 20은 방법을 수행하기 위한 발명의 장치를 도시한다
도 21은 분기의 분류에 관한 예를 도시한다
따라서, 본 발명의 목적은 정밀도를 결정하기 위해 필요한 코드 길이의 더 좋은 비율 및 계산 노력을 갖는 방법을 만드는 것이고, 특히 충분히 높은 정밀도의 결정으로 짧고 간단한 코드를 만드는 것이다. 코드는, 예를 들면 36 바이트 또는 심지어 더 적은 바이트, 100 바이트 이하로 구성될 수 있다. 또한, 상기 코드는 영상 부분의 선택에 관련하여 뿐만 아니라 영상 오류 및 기록 오류에 관련하여 덜 민감한 것이다. 특히, 이러한 코드의 생성은 간단하고 저렴한 컴퓨터로 국부 스테이션에서 또한 가능하게 된다.
이러한 목적은 청구범위 제 1항에 따른 방법 및 청구범위 제 25항에 따른 장치에 의한 본 발명으로 달성될 수 있다.
적어도 2개의 독립적이거나 직교하는 특징 즉 리지 거리(L), 경사도(G), 곡률(K) 및 분기(B)를 사용함으로써, 2개의 특징에 대해 결정의 정밀도의 증가가 실질적으로 달성되고 도수 분포의 특징으로부터 압축된 특징값의 결정으로, 코드의 특징은 기록 및 영상 오류에 또한 덜 의존하는 간단한 방법으로 결정된다. 본 발명의 방법에 있어서, 극히 소수의 특징값을 기초로 하는 높은 정밀도의 결정을 달성하기 위해 또한 가능하거나 특징의 수 및 코드 길이를 증가시킴으로써 요구될 경우 간단한 적용으로 매우 짧은 식별 코드가 각각 달성될 수 있다. 본 발명의 다른 유리한 발전은 종속항에 기술되어 있다.
영상을 결정하기 위해, 예를 들면 512 x 512 화소의 적당한 격자를 갖는 지문의 디지털 그레이 스케일 값 영상은 공지된 방법(도 9 내지 도 11)에 의해 결정된다. 이러한 디지털 영상은 특징을 결정하기 위해 직접 사용될 수 있거나 지문 영상은 영상 전처리에 의해, 특히 이진법 및 윤곽에 의해 그것으로부터 만들어질 수 있다. 일단 영상을 만들면, 다른 특징은 이것으로부터 또한 도시되고 다른 처리 단계에서 식별 코드(C)로 압축되며, 코드는 코드의 길이 및 결정의 정밀도에 관해 바라는 적용에 대응한다.
지문 특징
대체로 다음 4개의 독립적이거나 각각 직교하는 특징이 사용되고 그것의 도수 분포가 결정된다:
L: 리지 거리
G: 경사도
K: 곡률
B: 분기
리지 거리(L)의 특징
도 1 및 도 2에 도시된 바와같이, 리지 거리(거리 길이)(L)는 연속되는 2개의 지문(리지)(5) 사이에서 거리로 정의되며, 그것에 의해 상기 지문은 즉 투사 선(X)의 방향으로 기록되는 연속되는 2개의 지문의 중간 사이의 거리에 대응하는 폭(0)을 갖는다. 전처리되며 윤곽을 갖는 영상을 위해, 이것은 리지 거리(도 1에서, 리지 폭(O)을 갖는)에 대응하는 반면 연속되는 2개의 지문사이에서 도 2에 따른 디지털 그레이 스케일 값 영상을 가지며, 상기 거리(L)는 다음과 같이 계산될 수 있다 : L = L2 + 1/2 x (L1 + L3). L1 및 L3가 지문폭에 대응할 경우, 적당하게 선택된 그레이 스케일 임계값(10)을 갖는다. 이러한 임계값(10)에 있어서, 이진법은 1로서 상기 임계값 위에 있는 그레이 스케일 값(De) 및 0으로서 상기 임계값 아래에 있는 그레이 스케일 값(De)이라함으로써 또한 수행될 수 있다. 개개의 화소에 대한 오류를 제거하기 위해, 그것은 상기 리지 폭(L1, L3) 및 또한 상기 거리(L2)가 예를 들면 연속되는 3개의 화소에 도달해야 한다는 조건으로 미리 결정될 수 있다. 도 1에 도시된 바와같이, 기록 선 예를 들면 가로 좌표의 방향으로 나타나는 거리(Lx1, Lx2 기타)의 결정이 수행된다. 또한, 완전한 영상은 도 3에 따른 적당한 단계(dy)에서 y의 변화로 기록되므로 모두 기록되어 나타나는 거리의 양(HLx(x,y)) 도 4에 따른 거리 길이(Lx)의 함수로서 도면에 기입될 수 있다. 이것은 도수 분포 및 기독된 영상 영역에 걸쳐 x 방향으로 모두 나타나는 거리(Lx)의 막대 그래프를 도시한다.
이것과 유사하게, 거리(Ly(x,y))는 직교 방향(즉 보통 y 방향으로)으로 결정되고 선택된 거리(dx)를 갖는 x의 변화에 의해 전체 영상 영역에 걸쳐 기록된다. 이것은 다시 상기 전체 영상 영역에 걸쳐 막대 그래프(HLy)로 된다.
x 방향 및 y 방향으로 거리 길이(Lx, Ly)를 결정하기 위해, 격자는 정의된 방법으로 향해야 한다. 여기에서 정의된 막대 그래프를 달성하기 위해 손가락의 세로 축에 대응하는 y 축을 갖는다. 도 4에 도시된 바와 같이, 상기 막대 그래프(HLx, HLy)는 완전히 다르다.
도 5는 막대 그래프(HLx)의 분류를 도시하며, 각각의 계급(Hc = 1, 2, 3, ㆍㆍㆍ, 기타)에 대해, 예를 들면 평균값(H9), 최대값(Hmax) 및 표준편차 또는 분산(Hvar)이 결정되고 식별 코드(C)의 특징값(Ci)으로 사용된다. 막대 그래프(HLx, HLy)는 예를 들면 8계급, 12계급 또는 16계급으로 각각 분류된 다음 1개, 2개 또는 3개의 값(Hq, Hmax, Hvar)은 각각의 계급으로 결정될 수 있다.
경사도(G)의 특징
거리 길이의 특징과 유사하게, 경사도(G) 즉 제 1 방향 유도의 막대 그래프는 전체 영상 영역에 걸쳐 또한 일정하게 기록되고 이러한 목적을 위해 예를 들면 투사되는 방향으로 기록된다. 상기 경사도는 스킨 라인을 갖는 투사선(예를 들면 x방향으로)의 교점에서 스킨 라인(5)과 접함으로써 결정된다. 상기 전체 영상 영역에 걸쳐 상기 경사 방향(G(x,y))을 일정하게 기록하기 위해, 도 6에 도시된 바와 같이, 상기 경사도는 투사되는 방향에 따라 기록되고 그것의 막대 그래프(HGx)는 상기 전체 영상 영역에 걸쳐 투사되는 방향(X)으로 기록되고 투사되는 방향(Y)으로 상기 경사도의 상기 막대 그래프(HGy)도 이것과 유사하다.
격자의 기울기를 나타내기 위해, 이러한 경사도(G)의 막대 그래프는 각각의 격자(30, 도 16) 망에 대한 영상 커버링 방법으로 경사도 값의 결정으로 또한 기록된다. 특히, 이것은 아래에 더 상세히 설명된다.
실시예를 나타내는 바와 같이, 도 9, 도 10 및 도 11의 3개의 지문 영상에 대한 경사도의 막대 그래프(HG)가 결정되어 도 8에 도시된다. 도 9의 영상(I1)은 첫번째 사람의 지문을 도시하고 영상(I2a)및 영상(I2b)은 두번째 사람의 지문을 도시하며, 도 10은 오류없는 지문(I2a)을 도시하고 도 11은 각각 오류 또는 손상(20)을 갖는 영상(I2b)에서 같은 사람의 손가락을 도시한다. 이러한 영상의 상기 막대 그래프(HG)는 전체 영상에 기록되고 0°내지 180°의 경사도 함수로서 도시된다. 이것을 기초로 하여, 16 계급으로의 분류 즉 180°/ 16 = 11.25° 각 영역을 갖는 각각의 계급이 되고 각각의 계급에 대한 평균값(Hq)이 결정되어 도 8에 도시된다. 결과는 각각의 영상에 대해 16개의 특징값을 갖는 그래프이다. 명백히 도시된 바와 같이, 도 9 및 도 10에 따른 이러한 영상(I2a 및 I2b)의 그래프는 거의 동일하다. 즉 대응적으로 한정된 임계값(5)에 있어서, 2개의 영상은 동일하게 분류된다. 따라서, 첫번째 손상으로 인한 오류(20)때문에, 두번째 동일하게 기록된 영상 영역이 아니기 때문에, 영상(I2a 및 I2b)이 다를지라도 이러한 2 사람의 식별은 가능하다. 도 11에 도시된 바와 같이, 가장자리상에 상기 기록된 영상 영역(I2a)은 상기 영상 영역(I2b)(다른 영상 영역의 선명도)에 대응하지 않는다.
공지된 세목 평가(minutiae evaluation)의 경우에 있어서, 많은 새로운 유사 세목(리지 단부)은 손상된 영역(20)의 영상(I2b)에서 일어나고 따라서, 식별은 많은 노력과 관계가 있거나 심지어 각각에 대해 불가능할 수 있다. 도 9의 첫번째 사람에 대한 영상(I1) 그래프는 두번째 사람의 그래프(I2a, I2b)와 상당히 현저하게 다르다. 따라서, 16개의 특징값(Ci)은 특징(G)의 부분 코드(C1)로서 식별 코드(C)의 인식을 보증하기 위해 상대적으로 좋은 보급을 제공한다. 또한, 이러한 실시예는 넓은 영상 영역에 걸쳐 상기 명명된 특징의 막대 그래프에 대한 본 발명의 결정 및 이것으로부터 압축된 특징값의 결정은 상대적으로 작은 각도로 국소 영상 오류에 단지 영향을 주는 식별 코드가 되는 것을 나타내므로 인식에 대해 상대적으로 증가된 인식의 보증이 대응적으로 달성된다. 이것은 공지된 세목 평가와 대조적이다.
거리(L)를 결정하는 것과 관련하여 앞에서 설명된 바와같이, 경사도의 특징은 디지털 그레이 스케일 값 영상으로부터 예를 들면 격자(30) 각각의 망에 대한 경사도 값 및 도 16과 결합하여 설명된 경사도 격자의 결정에 의해, 또한 직접 결정될 수 있다.
곡률(K)의 특징
도 7에 따른 곡률(K)은 스킨 라인 또는 지문의 제 2 방향 유도로서 투사 방향(x 및 y)을 갖는 지문(5)의 교점에서 결정된다. 이것은 예를 들면 상기 관련된 교점에서 지문(5)에 대해 원에 가까운 반경(R)의 역수로 결정된다. 지금까지 설명된 특징을 결정하는 유사한 방법으로, 여기에서 상기 곡률의 막대 그래프는 2개의 직교 방향(x 및 y)으로, 즉 HKx 및 HKy(또는 각각의 망(30)에 대한 K값의 결정으로), 전체 영상 영역에 걸쳐 다시 결정된다. 윤곽이 있는 영상의 불규칙성 때문에 형성될 수 있는 매우 작은 부적절한 곡률 반경을 배제하기 위해, 선택된 규칙은 예를 들면 Rmin = 0.3 mm 내지 0.5 mm 적용될 수 있으므로 상기 영상의 중심에서 가장 좁은 곡률 반경은 포함되지만, 예를 들면 분기(B5)에서의 훨씬 더 좁은 곡률은 포함되지 않는다.
거리(L)의 결정과 관련하여 앞에서 설명된 바와 같이, 경사도(G)의 특징 및 또한 가능한 곡률(K)의 특징은 디지털 그레이 스케일 값 영상 또는 윤곽이 있는 영상이 또한 아닌 이진화된 영상으로부터 또한 유도될 수 있다.
본 발명에 있어서, 리지 거리(L), 경사도(G) 및 분기(B)(스킨 라인 분기)의 독립적인 특징이 사용되고 적어도 2개의 이러한 특징은 코드를 결정하는데 사용되 어야 한다.
상기 특징(L, G, B)은 세목 특징이 아니다. 이것은 막대 그래프로 특징지워진다. 분기(B)의 특별한 특징이 영상 오류가, 예를 들면 가장자리에서 1개의 단일 분기의 부존재, 없거나 어떠한 실질적인 효과도 갖지 않는 방법으로 또한 선택되어 포함된다. 상기 영상 오류는 한 번 기록되고 다음 번에 기록되지 않는다.
필요로 하는 짧은 식별 코드(C)는 가능한 한 개개의 영상 오류 또는 1개의 단일 특징(예를 들면 다른 개개의 세목)과 독립적인 것은 중요하다. 이러한 이유에 대해, 특징으로 사용되는 유일한 세목 특징은 단지 명백히 정의된 분기(B)일 수 있으며, 다른 세목 특징과 대조적으로 지문의 혼란 예를 들면 커팅으로 인한 손상때문에, 이러한 분기(B)는 영상 오류 또는 명백한 실수에 상대적으로 덜 민감하다. 커팅으로 인한 손상은 명백한 세목 특징으로 새로운 리지 단부를 만들 수 있지만 그러나 분기를 만들 수는 없다.
여기에 적용되는 명백히 정의된 분기(B)의 특징은 종래의 세목 평가보다 다른 방법으로 사용되는 것이 중요하다. 종래의 평가는 다른 종류의 세목 및 각각의 세목(위치, 종류 및 방향)이 기록되며, 평가 및 코드 결정에 대해 이러한 다른 개개의 세목에 대한 상대 위치로 가져다 준다. 그러나 본 발명에 있어서, 명백히 정의된 분기 단지 한 종류의 세목은 선택되고, 그것은 지금보다 완전히 다른 방법으로 또한 사용된다. 이것은 다음과 같이 막대 그래프 또는 개별적으로 윤곽이 있는 분기로 설명된다.
분기(B)의 특징
도 12는 분기를 결정하기 위한 실시예로 사용되는 도 10의 그레이 스케일 값 영상에 대한 이진화된 표현 및 윤곽이 있는 표현을 나타낸다. 이러한 영상에 있어서, 분기(Bi는 B1 내지 B12이다)가 결정되며, 이것은 수량이 12개인 분기(B)가 된다. 이러한 이유에 대해, 적당한 선택 규칙 및 선명도 표준이 각각 정해지므로 작은 오류 및 다른 종류의 세목(예를 들면 아일랜드)은 분기로 셀 수 없다. 상기 규칙은 예를 들면 기록된 분기가 3개의 모든 브랜치에 대해 0.5 mm 내지 1 mm의 최소 길이를 가져야 하고 1개의 브랜치는 적어도 1 mm 내지 1.5 mm의 길이를 가져야 한다는 것이다. 특히, 예를 들면 0.7 mm 내지 1 mm의 2개의 분기사이에서 최소 거리가 지시될 수 있다. 이러한 선명도 표준에 있어서, 예를 들면 도 12에서의 분기(B13, B14)및 도 15에서의 분기(B7, B8, B9)는 분기로서 셀 수 없다.
도 19 및 도 20과 관련하여 설명된 바와 같이, 분기(B)는 코드를 생기게 하는 정의된 개개의 또는 선택된 분기로 사용될 수 있거나 도 13 및 도 14에 있어서, 예를 들면 분기 사이에서 인접한 삼각형 범위(F)의 막대 그래프 뿐만 아니라 분기 거리의 막대 그래프가 결정될 수 있다.
도 13에 있어서, 분기 거리(LB)는 다음과 같이 결정된다. N개의 분기(Bi)와 모든 다른 분기(Bj) 사이에서 상기 거리(LBi-j)가 결정된다. 이것은 N(N-1)개의 분기 거리(LBi-j)가 된다. 12개를 갖는 실시예에 있어서, 거리(LB)의 함수에서 도수 분포(HLB)로 이것은 막대 그래프에 도시된 132 거리가 된다.
이것과 유사하게, 도 14에 있어서 분기(Bi)및 분기(Bj) 사이에서 삼각형 범위(Fi-j)가 결정된다. 삼각형의 제 1 면이 정의되며, 그것은 각각의 분기(Bi)에서 각각의 다른 분기(Bj)까지 도달하므로 상기 삼각형의 제 3 점은, 예를 들면 B1에서 시작하여 범위(F-1-2-3) (i=1, j=2, k=3을 갖는)및 범위 (F1-3-2) (i=1, j=3, k=2를 갖는)뿐만 아니라 범위(F1-4-2)에서 범위(F1-12-2)까지, 분기(Bi)에 가장 가까운 분기(Bk)(k와 j가 같지 않은)가 되도록 결정된다. 이러한 선택 규칙에 있어서, 단지 1개의 범위가 분기로 기록되는 것이 보장되며, 예를 들면 이 경우에 가장 가까운 2개의 분기는 Bk-분기이고 Bj에 대한 단지 가장 가까운 1개의 분기는 분기 (Bk)로 사용된다. B10에서 B1까지 시작하므로 즉 기본 라인으로 각각의 Bj와 시작하여 범위(F10-1-12) (i=10, j=1, k=12) 이것은 정확하게 1개의 삼각형이 되며, 따라서 N(N-1)= 132 범위(Fi-j)가 되고, 그것은 범위(F)의 함수로 도수분포를 갖는 막대 그래프를 다시 형성한다.
도 15는 다른 지문 영상으로부터 분기를 결정하기 위한 다른 실시예를 도시하며, 대응하는 선택 규칙에 의해, 예를 들면 매우 가까이 배치된 분기(B7, B8, B9)는 평가하기 위한 분기로 셀 수 없으므로 여기에서 이것은 단지 분기(B1 내지 B6)로 향하며 따라서 가장 가까운 삼각형 범위(F)의 수량뿐만 아니라 분기 거리(LB)의 수량도 각각 N(N-1)= 30이 된다. 다른 점의 기준에 있어서, 예를 들면 단지 B9는 분기로 정의될 수 있지만 B7 및 B8은 그렇지 않다.
특징값의 결정
막대 그래프로부터, 상기 막대 그래프를 특징 짓는 간단한 특징값(Ci)은 예를 들면 평균값(Hq), 최대값(Hmax) 및 분산(Hvar)이 결정된다.
특히, 막대 그래프는 계급(Hc)으로 또한 분류될 수 있고 예를 들면 평균값 및 분산은 특징값(도 5)으로 결정될 수 있다.
선택된 분기의 특징
분기의 특징은 코드 특징값(Ci) 및 식별 코드(C)를 결정하기 위해 결정된 분기 특징을 갖는 명백히 정의된 개개의 분기를 사용함으로써 통계가 아닌 방법으로 또한 사용될 수 있는다. 도 19a 및 도 19b의 실시예에 도시된 바와같이, 이 결과 상기 분기는 그것의 위치에 의하여 결정되며, 즉 점(P1)의 국부 좌표(x1, y1)는 마찬가지로 방향각(Wa) 및 개구각(Wb)으로 결정된다. 명백히 정의된 개구각(Wb)은 예를 들면 점(P1, P2)의 연결 라인 및 점(P1, P3) 사이의 각으로 정의되며, 점(P2, P3)은 점(P1)에 대한 적당한 거리(r1), 예를 들면 r1은 0.5 mm 내지 1 mm로 선택된다. 반면에 점(P1)으로부터 예를 들면 1 mm 내지 1.5 mm의 최소거리(r2)를 갖는 점(P4)은 분기를 위한 선명도 표준을 형성하므로 작은 영상 오류는 분기로서 부정하게 셀 수 없다. 도 19a의 실시예에 있어서, 비교적 작은 분기 각(Wb)이 도시되며 예를 들면 도 2에서 분기(B6)에 대응하는 반면, 도 19b의 실시예는 큰 개구각(W6)을 도시하며 예를 들면 도 21에 있는 분기(B8)의 개구각과 같다. 예를 들면 분기를 위한 배런스(valence)가 삽입되는 것과 같이, 인지된 분기는 코드 결정 즉 분류 표준을 위해 이제 분류될 수 있다. 제 1 분류 표준은 개구각(Wb)이며, 큰 개구각은 높은 배런스를 갖는다. 상기 분류 표준은 예를 들면 개구각(Wb)에 비례하여 배런스일 수 있다. 다른 분류 표준은 기준점 중심에 대한 상기 분기의 거리(RBi), 여기에서 예를 들면 곡률 중심(㎞)(도 21)에 대한 거리(RBi)이며, 분기의 중심은 멀리 있는 다른 배런스 보다 높은 배런스를 갖는다. 다른 선택 표준처럼, 분기는 가장자리와 가깝고, 예를 들면 도 21에서 손가락 라인 영상의 외부 윤곽(A)에 가까운 분기(B2)는 방치될 수 있다. 분기의 특징 및 분류 표준으로부터 예를 들면 분기의 우선 순위는 BP = Wb/ RB 로 정의될 수 있다. 이것에 있어서 모든 분기는 BP에 따라 내림순으로 분류될 수 있다. 짧은 코드 길이를 만들기 위해, 분기의 우선 순위에 따라 분류된 목록의 제 1 기입이 사용될 수 있다. 도 21에서 가능한 순서는 예를 들면 다음과 같이 B8, B6, B5, B7, B4 이다.
경사도 및 분기의 특징을 조합하여, 특히 비교적 높은 인식의 보증을 갖는 집중 코드가 사용될 수 있다. 한편 경사도 격자의 각각의 세그먼트(IS)에 대한 경사도 특징 및 다른 한편으로 분류된 분기(B)를 구성하는 식별 코드(C)가 특히 유리하다. 이러한 목적을 위해, 기준점 중심 및 지문 영상의 방향이 요구된다.
영상 전처리
특징(L, G)은 다른 영상 전처리없이 디지털 그레이 스케일 값 영상으로 직접 결정될 수 있다.
특징(B, 및 또한 K)을 결정하는 것은 영상 전처리 예를 들면 이진법 및 윤곽 으로 얇은 라인에 의해 대부분 수행될 수 있다. 또한, 특징(L, G, K)은 윤곽이 있는 영상으로 결정된다.
그러나, 유리한 변형에 있어서 상기 분기(B)는 신경 격자에 의해 디지털 그레이 스케일 값 영상으로 또한 직접 결정될 수 있다.
도 16에 도시된 바와 같이, 세그멘테이션 및 망 분류를 갖는 특징은 다음 방법으로 기록될 수 있다.
a 전체 영상 영역(또한 특징(L, G, K, B))에서
b 비교적 소수의 큰 세그멘트 각각에 있어서, 예를 들면 3 x 5 내지 5 x 7 세그멘트(IS)로 분할되며, 각각의 세그멘트(IS)에 대한 막대 그래프가 결정되고 특징값은 그것으로부터 유도된다.
c 격자(30)를 갖는 영상(I)의 커버링, 각각의 망에 대해 단지 1개의 특징값이 결정된다. 상기 망의 크기가 적당하게 선택된다. (예를 들면 5 x 5 화소)
이러한 종류의 기록(a, b, c)에 있어서, 다음과 같은 특징이 기록된다.
a b c
특징
L - -
G G G
K K K
B - (B)
코드를 비교할 경우, 세그멘트(IS)의 분할은 기록된 영상의 병진 운동 및 회전 운동에 의존한다는 것에 주의해야 한다. 코드를 비교하기 위해, 이것은 고려되어야 한다.
곡률(K)의 특징은 회전에 독립적이다. 분기(B) 및 선택된 분기의 상대위치로부터 유도된 분기 길이(BL)와 분기 범위(F)가 마찬가지로 유효하다. 경사도(G)의 특징은 영상 방향 축(y)의 결정을 요구한다. 반면에, 상기 경사도(G)의 특징은 영상 확장(영상의 확대 및 축소)에 독립적이다.
적어도 2개의 특징(L, G, K, B)은 부분 코드(C1, C2)로 식별 코드(C = (C1, C2))에 포함되기 때문에, 이러한 부분 코드는 코드 평가를 위해 대응적으로 또한 다르게 사용될 수 있으며, 즉 영상의 선명도 및 관련된 특징 및 막대 그래프 평가 또는 각각 선택된 분기의 특징에 따라 대응한다.
선택에 있어서 부분 코드는 어떤 특징값(Ci)으로부터 형성될 수 있다.
영상 부분
도 17은 영상 선명도에 따라 도시하며, 2개의 영상은 같은 손가락의, 제 1 영상(I3) 및 다음 영상(I4)이 기록되며, 이러한 영상(I3, I4)은 다른 영역 및 지문의 세로 축(y)에 대해 가능한 한 다른 방향을 또한 도시한다. 같은 영상 영역을 항상 비교하기 위해, 주어진 지문 영상으로부터 중심 부분을 자르는 것이 또한 가능하며 상기 부분은 특징을 결정하기 위한 영상 부분(IA)으로 또한 사용될 수 있고 코드를 만든다. 이 결과 정보의 내용이 가장자리 영역에서 보다 더 많기 때문에 지문의 중심(Z)으로부터의 영역 및 그것의 주위(ZU)는 특징 및 코드 생성을 기록하기 위해 유리하게 사용된다.
적절히 정의된 위치 및 영상의 방향에 있어서, 대응하는 영상 기록 장치 예를 들면 2개의 손가락을 위한 가이던스(guidance)에 의해, 분할된 영상은 높은 보증으로 또한 비교될 수 있다.
방향 및 기준점 중심
방향 및 지문의 기준점 중심을 결정하기 위해 또는 좌표의 원점을 갖는 격자의 선명도를 위해, 예를 들면 소위 중심 점(core point)은 공지된 방법으로 정의될 수 있다. 그러나, 이것은 많은 노력과 관계가 있고 종종 명백한 중심점은 결정될 수 없다. 더 간단한 방법은 곡률(K)의 특징으로부터 기준점 중심으로 곡률 반경 중심(km)을 결정하는데 있다. 이러한 목적을 위해, 곡률에 대해 원(도 7에서 R을 보라)에 가까운 중심이 결정되고 이것의 중심은 원에 가까운 원 중심을 일정하게 기록하며 좌표(xm, ym)를 갖는 중심(km)이 결정된다. 그러나, 기준점 중심은 예를 들면 외부 윤곽(A)(도 21에서)을 갖는 영상 영역의 중력 중심으로 가깝게 함으로써 또한 먼저 결정될 수 있다. 도 20과 관련하여 도시된 바와같이, 안내 수단(32)에 의해 정의된 방법으로 기록된 손가락 영상의 기록이 사용되는 것과 유사하다. 다른 가능성은 영상 세그멘트(IS)에서 경사도 분포의 분산(Hvar)으로부터 기준점 중심을 결정하는 것이며, 상기 기준점 중심은 분산의 최대값을 갖는 세그멘트에 의해 결정된다. 이러한 목적을 위해, 영상 세그멘테이션이 또한 변화될 수 있다.
기록되는 영상에 대해 불완전하게 정의된 위치에서, 결정의 특징, 방법 및 코드 결정이 선택되야 하므로 이것은 위치 예를 들면 결정 방법(a)에 따른 특징(G, K)에 비교적 독립적이며, 그러나 대부분의 경우에 있어서 방향은 지지하기 위해 결정되야 한다. 코드 비교를 위해, 영상은 작은 각 영역에 걸쳐 또한 회전될 수 있거나 x 방향 및 y 방향으로 이동될 수 있다.
실현할 수 있는 본 발명의 방법의 변형으로, 영상 선명도 및 목적이 달성될 수 있는 것에 의존하여, 예를 들면 식별 코드(C)를 결정하기 위한 특징의 다음 조합이 사용될 수 있다.
1. 리지 거리(L), 경사도(G) 및 분기(B)의 특징.
이것은 예를 들면 그레이 스케일 값 영상으로 또한 결정될 수 있고 특히 간단하고 짧은 코드(L 및 G)에 사용되며, 예를 들면 막대 그래프의 분류를 또한 갖는다.
윤곽이 있는 영상으로부터 다음 특징이 사용될 수 있다.
2. 경사도(G) 및 곡률(K)의 특징
3. 경사도(G) 및 분기(B)의 특징
4. 곡률(K) 및 분기(B)의 특징, 이것은 회전에 대해 둘 다 변하지 않는다.
5. 경사도(G), 곡률(K) 및 분기(B)의 특징, 특히 이것은 정밀도가 높으며, 높은 정밀도에 대응하여 긴 코드가 형성된다.(또한 선택된 분기를 갖는)
결합된 특징을 적당하게 선택한 후, 정밀도와 함께 특징 및 그것의 막대 그래프가 결정되고 마찬가지로 그것으로부터 특징값의 결정이 선택될 수 있으므로 최종적으로 정밀도에 대해 바라는 요구를 갖는 코드 길이와 함께 식별 코드(C)가 형성되며, 즉 상기 코드 길이가 좁은 세그멘테이션 및 분류로 및 많은 특징값(Ci)의 결정으로 요구되는 확대될 수 있다.
상기 식별 코드(C)는 연속해서 결정될 뿐만 아니라 반복하는 방법으로도 결정될 수 있다.
코드 비교
이러한 발명 즉 비교적 콤팩트 식별 코드(C)(적은 기억 장치의 작은 요구를 갖는)에 있어서, 사실 모든 공지된 식별, 증명 및 인증 작업은 국부적이며 간단하고 합리적인 방법으로 또한 수행될 수 있다. 이 결과, 2개의 코드(Ca 및 Cb)를 비교하여, 예를 들면 할당된 기억장치(그것은 데이터뱅크 또는 또한 식별 매체(IM)일 수 있다)로부터 기준 코드(Cb)를 갖는 새로운 지문 영상(Ca)의 코드는 수학적 방법에 의해 결정되고 코드 차(D = Ca - Cb)가 미리 결정되어 있는 임계값(허용값)(S)과 비교된다. 이러한 경우에 있어서, 2개의 코드(Ca, Cb)가 D < S이므로 관련된 사람은 동일하게 된다.
이 결과 사람에게 특정한 임계값이 주어질 수 있다. 예를 들면 어떤 사람의 식별 코드(C)가 얼마나 잘 결정되고 한편으로 이러한 사람에 대해 이러한 식별 작업이 얼마나 중요한지에 의존한다.
유사한 방법으로, 임계값(S)은 미리 결정되고, 관계있는 적용에 대응하며, 즉 인식의 보증이 요구되고, 즉 오류 허용비(FAR) 및 오류 거절비(FFR)는 허용할 수 있다.
이러한 대응을 결정하기 위해, 예를 들면 미리결정된 대응 임계값(S)를 갖는 특징 벡터(C)의 유클리드 거리(D)가 결정될 수 있다. D = ∑(C1i - C2i)2< S 일 경우, 코드에 대한 이러한 방법은 특징값(Ci)으로부터 형성되며, 지문(1)은 지문(2)과 동일하다.
선택적으로, 식별 코드는 다음의 방법에 따라 또한 상호관계가 될 수 있다.
하기식에 따라 i = 1, N을 갖는 손가락의 특징(ai) 및 i = 1, N을 갖는 손가락의 특징(bi)사이의 상호관계(Kor)가 형성된다.
-1Kor = ∑(ai - aq) (bi - bq) / (∑(ai - aq)2)1/2≤+ 1, i = 1, N에 대해서
aq는 값(ai)의 평균값이고 bq는 값(bi)의 평균값이다. ai = bi에 대해서, 손가락은 동일하며, 즉 상호관계는 Kor = 0에서 1이고 특징은 Kor = -1에서 상호관계가 이니고, 그것은 역 상호관계이다.
코드(C)의 형태에 따라, 다른 가능한 비교 방법은 복귀 분석(regression analysis) 또는 모멘트 분석이다. 특히, 각각 다른 특징 또는 특징값(Ci) 및 식별 코드(C = (C1, C2))에 대응하는 부분 코드(C1, C2)가 또한 다르게 처리될 수 있다.
도 18은 비교적 짧은 식별 코드(C)를 결정하기 위한 본 발명의 방법을 도식으로 나타낸다. 한편 적어도 2개의 직교하는 특징(L, G, K, B)의 선택(52)뿐만 아니라 다음 방법의 단계에 대한 선택은 영상의 선명도에 근거하고 다른 한편 작업(60), 즉 바라는 적용에 대해 요구된 인식의 보증에 이것으로부터 요구된 오류 허용비(FAR) 및 요구된 오류 거절비(FRR)에 근거한다. 상기 영상의 선명도(즉 방향성, 부분, 영상 기록 및 영상의 질)에 따라, 대응적으로 덜 민감한 특징 및 기록의 종류가 선택된다. 마찬가지로 가능한 영상 전처리(53)는 그레이 스케일 영상, 이진화된 영상 또는 얇은 윤곽이 있는 라인 영상으로부터 직접 특징의 결정을 위해 수행될 수 있다. 다음 단계(54)에 있어서, 가능한 영상의 방향, 기준점 중심 또는 좌표의 원점 예를 들면 km 뿐만아니라 영상 부분(IA) 또는 세그멘테이션(IS)의 선택이 각각 된다. 이것으로부터, 대응적으로 좋은 스크리닝 또는 정보의 질을 갖는 막대 그래프(H)가 각각 결정된다. 또한, 위치, 방향각(Wa) 및 개구각(Wb)을 갖는 분기(B)의 특징이 정의된 개개의 막대 그래프가 단계(56) 및 단계(57)에서 결정되며, 분기 우선순위(BP)에 따른 분기, 윤곽 또는 배런스의 분류가 각각 수행될 수 있다. 단계(58)에 있어서 특징값(Ci)의 결정이 수행되고 단계(59)에 있어서 식별 코드(C)의 구성이 수행된다. 즉 단계(60)에 따른 바라는 인식의 보증(FAR, 및 FFR)이 달성될 때까지 대응하는 길거나 짧은 코드 길이가 구성된다. 코드(C)의 구성에 대응하여 평가의 방법 및 식별 평가를 위한 임계값(S)이 선택될 수 있다. 식별 평가(비교) (Ca - Cb = D < S)는 단계(62)에 수행된다. 따라서, 본 발명의 방법은 적용이 넓은 범위에 일반적으로 적용할 수 있고 계산하는 노력 및 코드 길이에 관련된 바라는 작업에 또한 최적으로 적합하다.
도 20은 전자 영상 기록 장치(31)를 갖는 방법 및 평가 전자기기(34)와 특징값(Ci) 및 이것으로부터 식별 코드(C 또는 Ca) 각각, 즉 손가락(1, 2)의 영상 기록이 기록되도록 대응하는 실제 식별 코드를 결정하기 위한 평가 알고리즘을 갖는 스테이션을 수행하기 위한 장치와 저장된 기준 코드(Cb) 및 상기 실제 코드(Ca)사이에서 코드의 비교(Ca - Cb)를 수행하기 위한 장치를 도시한다. 이러한 코드 비교가 대응하는 기록 스테이션(WR)에서 또한 수행될 수 있다. 코드 비교, 즉 실질적인 사람의 증명에 대응하여, 대응하는 기능 스테이션을 제어하는 접속 기능이 실행될 수 있다. 여기에서 상기 영상 기록 장치(31)는 1개 또는 2개의 인접한 손가락(1, 2)이 기록되는 방향 및 위치에 대하여 리밋 스톱(limit stop)을 갖는 안내하고 위치하는 방법(32)을 포함한다. 또한, 손가락의 세로 축에 위치하는 측면 리밋 스톱 및 손가락 영상에 위치하는 정면 리밋 스톱 및 따라서 기준점 중심 또는 상기 손가락 영상의 중심을 결정하는 정면 리밋 스톱이 제공될 수 있다. 이러한 종류의 2개의 손가락 판독 장치는 특허협력조약 스위스특허 97/00241, 국제공개번호 98/09246에 공개되어 있다. 본 발명의 장치에 있어서, 코드 비교(Ca - Cb)가 국부적으로 수행될 수 있으므로 기준 코드(Cb)를 갖는 중심 데이터뱅크가 요구되지 않는다. 본 발명의 장치는 공인된 사람에 대해 대응하는 식별 매체(IM)를 또한 포함하며, 사람의 상기 기준 코드(Cb) 및 다른 정보가 상기 식별 매체(IM) 또는 그것의 기억장치(43)에 포함되며, 대응하는 판독 스테이션(WR)을 갖는 부호 통신(40)이 수행될 수 있다. 이 결과, 상기 공인된 사람의 기준 코드(Cb)가 상기 식별 매체에 단지 저장되고 증명 스테이션 또는 데이터뱅크 각각에 저장되지 않는다. 이것은 더 좋은 정보 보호를 가능하게 한다.
다른 변형에 있어서, 즉 처리기(41)에 의해 사람의 기준 코드(Cb)를 갖는 실제 코드(Ca)의 코드 비교(Ca - Cb)가 식별 매체 그 자체로 또한 수행될 수 있다. 이러한 경우에 있어서, 상기 실제 코드(Ca)는 판독 스테이션(WR)에서 상기 식별 매체까지만 전송될 수 있어야 하는 반면 어떠한 코드도 상기 식별 매체로 전송되지 않아야 한다. 다른 변형에 있어서, 장치는 주 처리기 및 기준 코드(Cb)를 위한 데이터뱅크(48)를 갖는 주 시스템(47)과 또한 연결될 수 있다. 상기 식별 매체(IM)는 특히 시설에 대해 대응하는 기능 스테이션(46)을 위한 접속 및 기능 공인을 포함할 수 있다.
미리 선택된 데이터뱅크 검색
적용에 있어서, 빠른 데이터뱅크 검색은 단지 생물 측정 인식 특징에 의해 많은 기준 코드(Cb)를 갖는 주민 데이터뱅크로부터 사람 개개인에 대한 포지형 식별이 요구된다. 상기 식별은 단계마다 수행될 수 있다. 이 결과 비교는 완전한 생물측정 식별 코드(Ca)로 수행되지 않지만 부분 코드 또는 개개의 특징값(Ci) 각각 수행되므로 상기 검색은 상당히 빠르게 수행될 수 있다. 제 1 단계에 있어서, 예를 들면 부분 코드(C1)만이 비교되고 또한 제 2 단계 기타 나머지 감소된 수는 제 2 부분 코드(C2)와 비교된다. 이것은 데이터뱅크로부터 매우 적은 나머지 수를 갖는 완전한 코드 평가까지 계속된다. 이러한 종류의 검색은 완전한 식별 코드(C)를 위한 검색보다 훨씬 더 빠르다. 1차 생물 측정 정보를 위한 상기 검색은 분류되는 것이 유리하며, 즉 예를 들면 경사도 및 선택된 분기 특징은 이러한 목적을 위한 단계에 사용된다. 다른 방법은 상한 세그멘테이션(상한 트리)의 방법에 따른 경사도 세그먼트의 형성에 있다. 이 결과 상기 영상은 각각의 영상으로부터 4개의 세그먼트로 나누어지고 경사도 막대 그래프가 형성된다. 다음 단계에 있어서, 최종적으로 상기 경사도 막대 그래프가 고려된 세그먼트에 접하는 주 라인에 모일 때까지 각각의 상한은 4개의 상한 기타로 다시 나누어진다.
본 발명의 지문으로부터 식별 코드를 결정하기 위한 방법은 정밀도를 결정하기 위해 필요한 코드 길이의 더 좋은 비율을 갖는 방법을 만드는 것이고, 특히 충분히 높은 정밀도의 결정으로 짧고 간단한 코드를 만드는 것이다. 상기 코드는 영상 부분의 선택에 관련하여 뿐만 아니라 영상 오류 및 기록 오류에 관련하여 민감하지 않고, 국부 스테이션에서의 코드의 생성은 간단하고 저렴한 컴퓨터로 만들 수 있는 효과가 있다.

Claims (32)

  1. 지문 영상 또는 디지털 그레이 스케일 값 영상으로부터 식별 코드를 결정하기 위한 방법에 있어서,
    적어도 2개의 다음 독립적인 특징, 리지 거리(L), 경사도(G), 분기(B)가 기록되고, 적어도 1개의 특징으로부터 막대 그래프(H)가 결정되고, 특징값(평균값, 분산, 최대값)은 벡터 성분으로서 상기 식별 코드(C)를 형성하는 압축된 특징값(Ci)으로 결정되는 것을 특징으로 하는 방법.
  2. 제 1항에 있어서,
    상기 경사도(G)의 특징이 사용되는 것을 특징으로 하는 방법.
  3. 제 1항 또는 제 2항에 있어서,
    상기 막대 그래프(H)는 적어도 2개의 직교 방향(x, y)으로 결정되는 것을 특징으로 하는 방법.
  4. 전 항 중 어느 한 항에 있어서,
    영상 전처리는 예를 들면 이진법 및 윤곽에 의해 수행되는 것을 특징으로 하는 방법.
  5. 전 항 중 어느 한 항에 있어서,
    막대 그래프의 분류(Hc)가 수행되며, 각각의 계급에 대한 적어도 하나의 특징값은 특징값(Ci)으로 결정되는 것을 특징으로 하는 방법.
  6. 전 항 중 어느 한 항에 있어서,
    상기 기록 영상(I)은 수개의 세그먼트(IS)로 다시 나누어지고 상기 막대 그래프(H)의 특징(L, G, K, B)은 각각의 세그먼트(IS)에 대해 결정되는 것을 특징으로 하는 방법.
  7. 전 항 중 어느 한 항에 있어서,
    상기 식별 코드(C)는 상기 지문 영상의 중심(Z) 및 그것의 주위(ZU)를 포함하는 영상 부분(IS)으로부터 유도되는 것을 특징으로 하는 방법.
  8. 전 항 중 어느 한 항에 있어서,
    상기 식별 코드(C)의 길이가 선택되므로 정밀도 또는 인식 보증(FAR, FRR) 각각에 대한 요구가 바라는 적용에 수행되는 것을 특징으로 하는 방법.
  9. 전 항 중 어느 한 항에 있어서,
    부분 코드(C1, C2)의 특징이 다르게 결정되며 및/또는 코드 평가에 대해 다르게 사용되는 것을 특징으로 하는 방법.
  10. 전 항 중 어느 한 항에 있어서,
    정의된 개개의 분기(B)가 특징으로 사용되는 것을 특징으로 하는 방법.
  11. 제 10항에 있어서,
    상기 분기(B)의 특징은 신경 격자에 의해 디지털 그레이 스케일 영상으로부터 직접 결정되는 것을 특징으로 하는 방법.
  12. 제 10항에 있어서,
    상기 분기(B)의 특징은 개구각(Wb) 및/또는 지문의 위치에 따라 분류되는 것을 특징으로 하는 방법.
  13. 제 10항에 있어서,
    분류을 위해 분기 우선순위(BP)가 정의되며, 상기 분기 우선순위(BP)는 개구각(Wb)이 증가함에 따라 증가하고 영상 중심에 대한 거리(RBi)가 감소하는 것을 특징으로 하는 방법.
  14. 제 10항에 있어서,
    상기 분기 우선순위(BP)는 BP = Wb/RBi로 정의되는 것을 특징으로 하는 방법.
  15. 전 항 중 어느 한 항에 있어서,
    중심 기준점은 지문의 좌표 원점으로 정의되는 것을 특징으로 하는 방법.
  16. 제 15항에 있어서,
    곡률 반경 중심(Km)은 중심 기준점으로 정의되는 것을 특징으로 하는 방법.
  17. 제 15항에 있어서,
    영상 세그먼트(IS)에서 경사도 분포의 분산(Hvar)이 결정되고 상기 중심 기준점은 최대 분산을 갖는 상기 세그먼트에 의해 결정되는 것을 특징으로 하는 방법.
  18. 전 항 중 어느 한 항에 있어서,
    안내 및 위치 수단(32)에 의해 영상을 기록할 경우 손가락의 세로 축(y) 및 중심 기준점은 적어도 근사적으로 결정되는 것을 특징으로 하는 방법.
  19. 전 항 중 어느 한 항에 있어서,
    상기 경사도(G) 및 상기 분기(B)의 특징이 사용되는 것을 특징으로 하는 방법.
  20. 제 19항에 있어서,
    상기 식별 코드(C)는 경사도 격자 및 분류된 분기(B)의 각각의 세그먼트(IS) 에 대한 경사도 특징으로부터 형성되는 것을 특징으로 하는 방법.
  21. 전 항 중 어느 한 항에 있어서,
    부분 코드가 형성되고 데이터뱅크(48)의 많은 기준 코드(Cb)를 갖는 비교(Ca - Cb)는 상기 부분 코드에 대응하는 단계에서 수행되는 것을 특징으로 하는 방법.
  22. 제 21항에 있어서,
    단계에서의 평가는 경사도 세그먼트 및 상한 재분(상한 트리)의 방법에 의해 수행되는 것을 특징으로 하는 방법.
  23. 전 항 중 어느 한 항에 있어서,
    실제 식별 코드(Ca)는 대응하는 식별 매체(IM)에 저장된 개인 기준 코드(Cb)에 대해 대응하는 판독 스테이션(WR)에 의해 국부적으로 기록되어 결정되고 비교되는 것을 특징으로 하는 방법.
  24. 전 항 중 어느 한 항에 있어서,
    상기 식별 코드(C)는 연속적인 및/또는 반복하는 방법으로 결정되는 것을 특징으로 하는 방법.
  25. 전 항 중 어느 한 항에 따르는 방법을 실시하기 위한 장치에 있어서, 전자 영상 기록세세한 항목고 저장되어 있는 기준 코드(Cb)와의 코드 비교(Ca - Cb)를 실시하기 위한 평가 알고리즘 및 대응하는 기능 스테이션을 제어하기 위한 접근 기능(46)을 지니는 스테이션을 특징으로 하는 장치.
  26. 제 25항에 있어서,
    1개 또는 2개의 인접한 손가락(1, 2)의 방향 및 위치를 위한 측면 및 정면 리밋 스톱을 갖는 안내 및 위치 방법이 기록되는 것을 특징으로 하는 장치.
  27. 제 25 또는 제 26항에 있어서,
    상기 코드 비교(Ca - Cb)가 국부적으로 수행되는 것을 특징으로 하는 장치.
  28. 제 25 또는 제 27항에 있어서,
    공인된 사람의 대응하는 식별 매체(IM)는 사람의 상기 기준 코드(Cb) 및 대응하는 판독 스테이션(WR)을 갖는 부호 통신(40)을 위해 다른 정보를 포함하는 것을 특징으로 하는 장치.
  29. 제 28항에 있어서,
    상기 실제 코드(Ca)는 상기 식별 매체(IM)로 전송되고 상기 기준 코드(Cb)를 갖는 상기 코드 비교는 상기 식별 코드(IM)의 처리기(42)에 의해 수행되는 것을 특징으로 하는 장치.
  30. 제 25항에 있어서,
    주 처리기 및 기준 코드를 위한 데이터뱅크(48) 및 국부 기능 스테이션(46) 을 갖는 주 시스템인 것을 특징으로 하는 장치.
  31. 제 1항 내지 제 24항 중 어느 한 항에 있어서,
    코드는 방법에 의해 결정되고 저장된 사람의 기준 코드(Cb)를 갖는 공인된 사람 및 대응하는 판독 스테이션(WR)을 갖는 부호 통신(40)을 위한 것을 특징으로 하는 식별 매체(IM).
  32. 제 31항에 있어서,
    대응하는 기능 스테이션을 위한 접속 및 기능 공인인 것을 특징으로 하는 식별 매체.
KR1020007000555A 1997-07-18 1998-07-16 지문으로부터 식별 코드를 결정하기 위한 방법 KR20010021988A (ko)

Applications Claiming Priority (3)

Application Number Priority Date Filing Date Title
CH176897 1997-07-18
CH1768/97 1997-07-18
PCT/CH1998/000312 WO1999004358A1 (de) 1997-07-18 1998-07-16 Verfahren zur ermittlung eines identifikationscodes aus fingerabdruckbildern

Publications (1)

Publication Number Publication Date
KR20010021988A true KR20010021988A (ko) 2001-03-15

Family

ID=4218141

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020007000555A KR20010021988A (ko) 1997-07-18 1998-07-16 지문으로부터 식별 코드를 결정하기 위한 방법

Country Status (10)

Country Link
EP (1) EP0996924B1 (ko)
JP (1) JP2001510920A (ko)
KR (1) KR20010021988A (ko)
CN (1) CN1271446A (ko)
AT (1) ATE237163T1 (ko)
AU (1) AU761123B2 (ko)
BR (1) BR9811511A (ko)
CA (1) CA2296353A1 (ko)
DE (1) DE59807883D1 (ko)
WO (1) WO1999004358A1 (ko)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR100374695B1 (ko) * 2000-07-10 2003-03-03 주식회사 디토정보기술 직접 융선 추출을 이용한 자동 지문 인식 시스템
KR100456463B1 (ko) * 2002-11-01 2004-11-10 한국전자통신연구원 지문 영상의 전역적 정보 및 지역적 특성 정보의 조합을이용한 지문 인증방법

Families Citing this family (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US6158381A (en) * 1998-02-27 2000-12-12 Ideas To Market, L.P. Time-temperature indicator
KR100430054B1 (ko) * 2001-05-25 2004-05-03 주식회사 씨크롭 리니어 지문 검출센서를 이용한 지문획득 방법
SE524727C2 (sv) 2002-05-07 2004-09-21 Precise Biometrics Ab Generering av frekvenskoder i samband med transformering och komprimering av fingeravtrycksdata
KR100601453B1 (ko) * 2004-03-10 2006-07-14 엘지전자 주식회사 지문 인식 방법

Family Cites Families (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US3668633A (en) * 1970-01-29 1972-06-06 Dactylog Co Orientation and linear scan device for use in an apparatus for individual recognition
DE68928154T2 (de) * 1988-04-23 1997-10-30 Nippon Electric Co Fingerabdruckverarbeitungssystem, geeignet für das Ermitteln des Kernes eines Fingerabdruckbildes durch Krümmungsparameter
JPH0465776A (ja) * 1990-07-05 1992-03-02 Ezel Inc 画像の比較方法
JPH04332089A (ja) * 1991-05-07 1992-11-19 Takayama:Kk 指紋データの登録方法
AU2779092A (en) * 1991-10-07 1993-05-03 Cogent Systems, Inc. Method and system for detecting features of fingerprint in gray level image
JP2725599B2 (ja) * 1994-06-21 1998-03-11 日本電気株式会社 隆線方向抽出装置
AU735527B2 (en) 1996-08-27 2001-07-12 Kaba Schliesssysteme Ag Method and apparatus for the indentification of not-enrolled fingerprints

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR100374695B1 (ko) * 2000-07-10 2003-03-03 주식회사 디토정보기술 직접 융선 추출을 이용한 자동 지문 인식 시스템
KR100456463B1 (ko) * 2002-11-01 2004-11-10 한국전자통신연구원 지문 영상의 전역적 정보 및 지역적 특성 정보의 조합을이용한 지문 인증방법

Also Published As

Publication number Publication date
WO1999004358A1 (de) 1999-01-28
AU8203998A (en) 1999-02-10
BR9811511A (pt) 2000-09-12
CN1271446A (zh) 2000-10-25
AU761123B2 (en) 2003-05-29
CA2296353A1 (en) 1999-01-28
ATE237163T1 (de) 2003-04-15
EP0996924A1 (de) 2000-05-03
DE59807883D1 (de) 2003-05-15
JP2001510920A (ja) 2001-08-07
EP0996924B1 (de) 2003-04-09

Similar Documents

Publication Publication Date Title
US5974163A (en) Fingerprint classification system
EP0470530B1 (en) Fingerprint verification method
US5717777A (en) Longest line method and apparatus for fingerprint alignment
US5610993A (en) Method of co-centering two images using histograms of density change
US20030146901A1 (en) Eye tracking using image data
US6236741B1 (en) Method and device for identifying fingerprints
EP0650137A2 (en) An apparatus for fingerprint verification
US20090169072A1 (en) Method and system for comparing prints using a reconstructed direction image
EP0780781B1 (en) Feature extraction for fingerprint recognition
AU6965698A (en) Systems &amp; methods with identity verification by streamlined comparison &amp; interpretation of fingerprints and the like
CA2817686A1 (en) Image identification system
EP1423821A1 (en) Method and apparatus for checking a person&#39;s identity, where a system of coordinates, constant to the fingerprint, is the reference
JPH1139493A (ja) 距離及び方向に鑑みたパターン整合装置及びその方法
US20170091526A1 (en) Fast, high-accuracy, large-scale fingerprint verification system
EP0612035B1 (en) Neural net for the comparison of image pattern features
KR20000060758A (ko) 지문 매칭 방법
KR20010021988A (ko) 지문으로부터 식별 코드를 결정하기 위한 방법
EP1563446B1 (en) Method, device and computer program for detecting point correspondences in sets of points
CN108764225B (zh) 识别横向拼接纸币的方法、装置及电子设备
CN114742188B (zh) 一种自动识别社保卡的数据识别系统及其实现方法
JPS59151265A (ja) 指紋照合方法
MXPA00000492A (en) Method for determining an identification code from fingerprint images
CN110288359B (zh) 码指纹防伪方法
EP0466039A2 (en) Image comparison method
Börner et al. Bitcoin: like a satellite or always hardcore? A core–satellite identification in the cryptocurrency market

Legal Events

Date Code Title Description
WITN Application deemed withdrawn, e.g. because no request for examination was filed or no examination fee was paid