KR20060074040A

KR20060074040A - Method of creating fingerprint template for pre-registration

Info

Publication number: KR20060074040A
Application number: KR1020040112650A
Authority: KR
Inventors: 김동헌; 이휘석; 정순원; 이성오; 이택기
Original assignee: (주)니트 젠
Priority date: 2004-12-27
Filing date: 2004-12-27
Publication date: 2006-07-03
Also published as: KR100629302B1

Abstract

본 발명은 지문의 등록시에 두 개의 지문을 취득하여 비교하여 지문템플릿을 생성함에 있어서, 두 지문을 매칭하여 서로 매칭되는 특징점쌍을 찾아내어 1차 템플릿을 생성하고, 보다 더 정확한 템플릿을 생성하기 위하여 본 발명에서 새롭게 제안하는 지문영상 품질수준 기법을 적용하여 상기 1차 템플릿에서 누락된 특징점을 찾아내어 선별적으로 추가함으로써 최종 템플릿을 생성하는 방법에 관한 것이다. In the present invention, when a fingerprint is registered and two fingerprints are acquired and compared to generate a fingerprint template, the first template is generated by matching two fingerprints to find a pair of feature points that match each other, and to generate a more accurate template. The present invention relates to a method of generating a final template by applying a fingerprint image quality level technique newly proposed in the present invention to find missing feature points in the primary template and selectively add them.

지문인식, 특징데이터, TPS, 지문영상, 품질수준 Fingerprint Recognition, Feature Data, TPS, Fingerprint Image, Quality Level

Description

How to create a fingerprint template for fingerprint registration {Method of creating fingerprint template for pre-registration}

도1은 본 발명에 따른 방법의 흐름도.1 is a flow chart of a method according to the invention.

도2는 MQL 기법 적용시 추가 특징점으로 인정 가능한 특징점의 예시도.Figure 2 is an illustration of feature points that can be recognized as additional feature points when applying the MQL technique.

도3은 MQL 기법 적용시 추가 특징점으로 인정할 수 없는 특징점의 예시도.3 is an illustration of feature points that cannot be recognized as additional feature points when applying the MQL technique.

본 발명은 지문인식 장치에 있어서 인증을 받고자 하는 사용자의 지문을 사전에 등록하기 위한 지문 템플릿(template)을 생성하는 방법에 관한 것이다.The present invention relates to a method for generating a fingerprint template for pre-registering a fingerprint of a user to be authenticated in a fingerprint recognition device.

생체정보에 의한 인증 방법의 하나로서 지문인식 기술을 들 수 있다. 지문인식 기술은 사람마다 고유의 특성차이를 나타내는 지문을 영상처리 방법으로 인식하여, 등록되어 있는 본인인지 여부를 판단하는 기술이다. 인증을 필요로 하는 사람의 지문을 인식하기 위해서는 사전에 지문을 데이터로서 등록해 놓고 이 등록지문과 새로 입력된 지문의 특징데이터를 비교하여 매칭 여부에 따라 지문인식을 수행하고 있다. 이 매칭 방식에 따라 매우 많은 종류의 지문인식 알고리즘이 존재하고 있으며 오인식률을 최대한도로 줄이기 위한 새로운 알고리즘이 속속 개발되고 있 다.A fingerprint recognition technique is mentioned as one of the authentication methods by biometric information. Fingerprint recognition technology is a technology for recognizing whether or not a registered person by recognizing a fingerprint showing a unique characteristic difference for each person by an image processing method. In order to recognize the fingerprint of the person who needs authentication, the fingerprint is registered as data in advance, and the fingerprint is recognized according to the match by comparing the registered fingerprint with the feature data of the newly input fingerprint. According to this matching method, there are many kinds of fingerprint recognition algorithms and new algorithms are being developed one after another to reduce the false recognition rate to the maximum.

지문데이터의 등록 및 인식 기술에서는 지문의 특징점을 추출하여 지문 특징데이터를 만드는 과정이 가장 핵심적이라고 할 수 있다. 지문 특징데이터는 지문 융선 패턴에 포함되어 있는 특징점과 융선 패턴의 방향성 등의 자료를 분석하여 그 개수와 위치, 방향 등을 소정 형식의 데이터로 변환한 것이다. In the registration and recognition technology of fingerprint data, the process of extracting fingerprint feature points and creating fingerprint feature data is the most important. The fingerprint feature data is obtained by analyzing data such as feature points included in the fingerprint ridge pattern and the directionality of the ridge pattern, and converting the number, position, and the like into data of a predetermined format.

그런데 지문의 특징점은 동일인의 지문인 경우에도 상황에 따라 다르게 취득된다. 따라서 등록용 템플릿(template) 생성시, 종래에는 사용자의 지문을 2회 이상 입력받아 동일 지문에 대하여 2개 이상의 템플릿을 등록하거나, 정확한 지문데이터를 등록하기 위해서 두 개의 지문 특징데이터를 취득하여 두 지문의 위치변화(translation)와 회전(rotation) 등을 고려하여 양자를 정렬(alingment)한 후 양쪽의 특징점 중 적합하다고 판단되는 것들을 합쳐 하나의 새로운 템플릿을 구성하여 이를 등록하고 있다.However, the feature point of the fingerprint is acquired differently depending on the situation even in the case of the fingerprint of the same person. Therefore, when generating a template for registration, conventionally, two or more fingerprints are obtained by registering two or more templates for the same fingerprint by receiving a user's fingerprint two or more times, or by registering two fingerprint characteristics data in order to register accurate fingerprint data. After considering the translation and rotation, the two are aligned and a new template is formed by registering the two of the feature points that are considered appropriate.

그러나 이와 같이 복수의 지문을 이용하여 템플릿을 구성할 경우에도, 동일인의 지문이기는 하지만 지문이 항상 동일한 상태로 유지될 수는 없으며, 또한 지문입력창에 손가락을 누르는 압력으로 인하여 지문이 변형되는 등의 이유로 지문의 품질에 차이가 생기고 이에 따른 의사특징점들이 발생하게 되는데, 이러한 의사특징점들로 인하여 오히려 FAR(false accept rate, 타인수락률) 또는 FRR(false reject rate, 본인거부율)이 증가되고, 그에 따라 지문의 오인식률(EER, equal error rate)이 커지는 문제가 있다.However, even when a template is formed using a plurality of fingerprints, although the fingerprints of the same person are used, the fingerprints cannot always be kept in the same state, and the fingerprints are deformed due to the pressure of a finger pressing the fingerprint input window. For this reason, there is a difference in the quality of the fingerprint and the pseudo feature points are generated. The pseudo feature points increase FAR (false accept rate) or FRR (false reject rate). There is a problem in that an equal error rate (EER) of a fingerprint is increased.

본 발명은 상기의 문제점을 해소하기 위해 개발된 것으로서, 지문의 등록시에 두 개의 지문을 취득하여 비교하여 지문템플릿을 생성함에 있어서, 두 지문을 매칭하여 서로 매칭되는 특징점쌍을 찾아내어 1차 템플릿을 생성하고, 보다 더 정확한 템플릿을 생성하기 위하여 본 발명에서 새롭게 제안하는 지문영상 품질수준 평가기법을 적용하여 상기 1차 템플릿 생성시에 누락된 특징점들을 새로 찾아내어 선별적으로 추가함으로써 최종 템플릿을 생성하는 것을 목적으로 한다. The present invention was developed to solve the above problems, and when generating a fingerprint template by acquiring and comparing two fingerprints at the time of enrollment of a fingerprint, matching the two fingerprints to find a pair of feature points that match each other to form a primary template. In order to generate a more accurate template, the final template is generated by selectively finding new feature points and selectively adding the missing feature points when generating the first template by applying the fingerprint image quality level evaluation technique newly proposed by the present invention. For the purpose of

본 발명의 다른 목적은, 위와 같이 생성된 1차 템플릿에서 검출된 매칭쌍을 기준으로 상기 사용자로부터 획득된 2개의 지문에 대하여 TPS 변환을 적용하하여 지문데이터의 왜곡을 보정함으로써 매칭쌍을 추가적으로 검출하는 단계가 포함되는 템플릿 생성 방법을 제공하는 것이다. Another object of the present invention is to further detect a matching pair by correcting the distortion of fingerprint data by applying a TPS transform to two fingerprints obtained from the user based on the matching pair detected in the primary template generated as described above. It is to provide a template generation method that includes the steps.

본 발명의 또다른 목적은, 지문데이터의 모든 융선간 간격 값과, 해당 지문데이터의 전체 융선간격의 평균값(global mean ridge width) 의 차이를 계산하고, 이 계산값을 소정 기준값과 비교함으로써 지문템플릿에 포함가능한 특징점인 것으로 판단하는 것을 특징으로 하는 지문영상 품질수준 결정방법을 제공하는 것이다.Another object of the present invention is to calculate the difference between all the ridge spacing values of the fingerprint data and the global mean ridge width of the fingerprint data, and compare the calculated value with a predetermined reference value to obtain a fingerprint template. It is to provide a fingerprint image quality level determination method characterized in that it is determined to be a feature point that can be included in.

<발명의 개요><Overview of invention>

본 발명지문인증 장치에 있어서 사전 지문등록을 위한 템플릿 생성방법으로서, 지문인증 장치에 있어서 사전 지문등록을 위한 템플릿 생성방법으로서, As a template generating method for pre-fingerprint registration in a fingerprint authentication device of the present invention, as a template generating method for pre-fingerprint registration in a fingerprint authentication device,

1) 등록하고자 할 사용자의 지문으로부터 지문템플릿을 만들기 위하여 제1지문과 제2지문을 취득하는 단계, 2) 각 지문으로부터 특징점을 추출하여 추출된 특 징점을 기반으로 하여 매칭과정을 수행하는 단계, 3) 상기 매칭과정의 결과(매칭 스코어)가 사전에 정해진 제1기준값보다 클 경우에 양 지문의 매칭쌍(matching pair)을 검출하여 1차 템플릿을 생성하는 단계, 4) 상기 매칭쌍에 해당되지 않는 잔여 특징점들에 대해 상기 1차 템플릿에 추가할 수 있는지 여부를 평가하는 단계, 5) 선별된 잔여 특징점들을 상기 1차 템플릿에 추가하여 최종 템플릿을 생성하는 단계를 포함하여 구성된다.1) obtaining a first fingerprint and a second fingerprint to create a fingerprint template from the fingerprint of the user to register, 2) extracting the feature points from each fingerprint to perform a matching process based on the extracted feature points, 3) generating a primary template by detecting a matching pair of both fingerprints when the result of the matching process (matching score) is greater than a first predetermined reference value; and 4) not corresponding to the matching pair. Evaluating whether or not residual feature points can be added to the primary template, and 5) adding the selected residual feature points to the primary template to generate a final template.

본 발명에는 상기 구성에 덧붙여, 상기 생성된 1차 템플릿에서 검출된 매칭쌍을 기준으로 상기 사용자로부터 획득된 2개의 지문에 대하여 TPS 변환을 통하여 지문데이터의 왜곡을 보정함으로써 매칭쌍을 추가적으로 검출하는 단계를 추가로 포함시킬 수 있다. According to the present invention, in addition to the above configuration, additionally detecting a matching pair by correcting distortion of fingerprint data through TPS conversion on two fingerprints obtained from the user based on the matching pair detected in the generated primary template. May be further included.

한편, 상기 5) 단계의 잔여 특징점을 1차 템플릿에 추가하기 위하여 평가하는 단계는, 본 발명에서 새로 제안하는 특징점 품질수준 평가기법을 적용할 수 있다. 이 기법에 따르면, 지문의 특징점인 분기점과 단점을 중심으로 소정 영역 주변에 위치하는 모든 융선간의 간격값과, 해당 지문데이터의 전체 융선간격의 평균값(global mean ridge width)의 차이(이하, "MQL(minutiae quality level)"이라 명명함)를 계산하여 이를 소정 기준값(제2기준값)과 비교하여 새로 추가해야 할 특징점인지 여부를 판단하게 된다. Meanwhile, in the evaluating to add the remaining feature points of step 5) to the primary template, the feature point quality level evaluation technique newly proposed in the present invention may be applied. According to this technique, the difference between the interval value between all the ridges located around the predetermined area around the branch point and the disadvantage, which are the characteristic points of the fingerprint, and the difference between the global mean ridge width of the corresponding fingerprint data (hereinafter, "MQL (minutiae quality level) ") is calculated and compared with a predetermined reference value (second reference value) to determine whether it is a feature point to be newly added.

위에서 MQL과 제2기준값을 비교하기 위해서 다양한 방식을 적용할 수 있다. 가령, 최초에 입력받은 지문데이터의 MQL을 사전에 여러 단계로 분류해놓고 특징점들이 이 품질수준 단계의 어느 단계에 속하는지 검사하여 소정 기준값(제2기준값) 보다 클 경우에는 1차 템플릿에 새롭게 추가해야 할 특징점인 것으로 판단할 수 있다.Various methods can be applied to compare the MQL and the second reference value above. For example, the MQL of the fingerprint data first inputted is classified into several stages in advance, and the feature points belong to this quality level stage, and if it is larger than a predetermined reference value (second reference value), the new template should be newly added. It can be determined that the feature point.

<실시예의 설명><Description of Example>

도면을 참조하여 본 발명에 따른 지문 템플릿 생성방법의 구체적인 실시예에 관해서 설명한다. A specific embodiment of the fingerprint template generation method according to the present invention will be described with reference to the drawings.

도1은 본 발명에 따른 방법의 흐름도이다.1 is a flow chart of a method according to the invention.

우선, 등록하고자 할 사용자의 지문으로부터 지문템플릿을 만들기 위하여 제1지문과 제2지문을 소정의 지문입력장치를 이용하여 취득한다.First, a first fingerprint and a second fingerprint are acquired by using a predetermined fingerprint input device to make a fingerprint template from a fingerprint of a user to be registered.

각 지문으로부터 특징점을 추출하여 추출된 특징점을 기반으로 하여 두 지문데이터의 매칭을 수행한다. 제1지문과 제2지문이 별도로 취득되므로 양자 간의 특징데이터에 차이가 있기 때문에, 양자를 비교하여 매칭시키기 위한 것이다.Feature points are extracted from each fingerprint and matching of two fingerprint data is performed based on the extracted feature points. Since the first fingerprint and the second fingerprint are acquired separately, there is a difference in the feature data between them, so that the two are compared and matched.

제1지문과 제2지문을 매칭한 결과(즉, 매칭 스코어)가 사전에 정해진 제1기준값보다 클 경우에 양 지문의 매칭쌍(matching pair)을 검출하여 1차로 템플릿을 생성하고 그렇지 않으면 템플릿 생성 절차를 중단한다. 본 과정은 최종 템플릿을 생성하기 이전에, 제1지문과 제2지문이 동일인의 지문인지를 재점검하여 1차 템플릿을 생성하는 과정이다. If the result of matching the first and second fingerprints (ie, the matching score) is larger than the first predetermined reference value, a matching pair of both fingerprints is detected to generate a template first, otherwise the template is generated. Abort the procedure. This process is to generate the first template by rechecking whether the first fingerprint and the second fingerprint are fingerprints of the same person before generating the final template.

한편, 상기 검출된 매칭쌍을 기준으로 사용자로부터 취득된 2개의 지문에 대하여 TPS 변환을 수행하여 지문데이터의 왜곡을 보정한다. 여기서 TPS(thin-plate spline) 변환이란, 종래에 공지된 기법으로서 지문의 표면을 구겨질 수 있는 얇은 판으로 가정하여 손가락을 누르는 압력에 따라 각기 변형되는 지문을 보정하기 위한 알고리즘이다. TPS 변환을 위해서는 기준이 되는 특징점이 필요한데, 본 발명에서는 이 기준점으로서 서로 매칭되는 특징점쌍을 이용한다. TPS 변환은 종래에는 지문의 등록시가 아닌, 등록된 지문과 새로 입력된 지문을 매칭하는 지문인식 단계에서 이용되던 공지기술이지만, 본 실시예에서는 지문의 사전등록단계인 지문템플릿 생성시에 이 TPS 변환 기법을 적용하였다. Meanwhile, the distortion of the fingerprint data is corrected by performing TPS conversion on two fingerprints acquired from the user based on the detected matching pair. Herein, a thin-plate spline (TPS) transformation is a conventionally known technique that assumes that the surface of the fingerprint is a thin plate that can be wrinkled. A feature point serving as a reference is required for TPS conversion, and the present invention uses feature point pairs that match each other as this reference point. TPS conversion is a conventional technique used in a fingerprint recognition step of matching a registered fingerprint with a newly input fingerprint, but not at the time of enrollment of a fingerprint. However, in the present embodiment, the TPS conversion is performed when a fingerprint template is generated, which is a pre-registration step of a fingerprint. The technique was applied.

위와 같은 과정에 의해 일단 1차 템플릿이 생성되고 TPS 변환이 이루어졌으면, 다음에, 보정된 새로운 특징점 위치를 기반으로 하여 새롭게 재매칭될 수 있는 특징점쌍들이 남아있는지 검사한다. 즉, 1차로 매칭쌍을 검출하여 지문 템플릿을 생성한 다음 TPS를 통하여 왜곡을 보정하고 나서, 추가로 매칭쌍을 검출한다. 이는, 최초에 입력받은 2개의 지문데이터에서 매칭쌍으로 검출되지 않은 특징점들, 즉, 단지 매칭쌍으로만 템플릿을 구성할 경우에 누락될 수 있는 특징점을 추가하기 위하여 어느 한쪽에만 존재하는 특징점들(이하 "잔여 특징점"이라 함)을 선별하여 상기 생성된 1차 템플릿에 추가하기 위한 과정이다. 이때에 이 잔여 특징점에도 의사특징점이 있을 수 있기 때문에, 이들을 모두 상기 1차 템플릿에 추가할 수는 없고, 소정의 방법에 의해 선별하여야 한다. 본 발명에서는 이들 잔여 특징점을 1차 템플릿에 추가할 수 있는지 여부를 선별하기 위해 본 발명에서 새로 창안한 품질수준 알고리즘을 적용하였다.Once the primary template is generated and the TPS transformation is performed by the above process, it is then checked whether there are remaining feature point pairs that can be newly re-matched based on the corrected new feature point positions. That is, first, a matching pair is detected to generate a fingerprint template, and distortion is corrected through a TPS, and then a matching pair is further detected. This means that the feature points which are not detected as a matching pair in the two fingerprint data inputted at first, that is, the feature points which exist only on one side in order to add a feature point which may be missing when the template is composed of only the matching pair ( Hereinafter, a process of selecting "remaining feature point" and adding it to the generated primary template. At this time, since the remaining feature points may also have pseudo features, they cannot all be added to the primary template, and should be selected by a predetermined method. In the present invention, the quality level algorithm newly created in the present invention is applied to select whether these residual feature points can be added to the primary template.

새로 추가해야 할 특징점을 선별하기 위하여 본 발명에서 새로 창안한 알고리즘은 특징점의 품질수준을 평가하는 것으로서, MQL(minutiae quality level) 평 가기법이라 명명한다. 이에 따르면, 특징점의 품질수준을 평가하기 위하여, TPS 변환이 이루어진 상태의 1차 템플릿에서 검색된 잔여 특징점의 MQL값을 소정 기준값(제2기준값)과 비교 평가하여 1차 템플릿에 새롭게 추가해야 할 특징점인 것으로 판단하도록 한다. 도1에서 보는 바와 같이, 본 실시에에서는 MQL이 소정의 제2기준값보다 클 경우에 새로 추가해야 할 특징점인 것으로 평가하는 것을 도시하고 있다.The algorithm newly devised in the present invention to select a feature point to be added is to evaluate the quality level of the feature point, which is called MQL (minutiae quality level) evaluation method. According to this, in order to evaluate the quality level of the feature point, the MQL value of the residual feature point retrieved from the primary template in the state of TPS conversion is compared with a predetermined reference value (second reference value), which is a feature point to be newly added to the primary template. To be judged. As shown in Fig. 1, this embodiment shows that the evaluation is regarded as a feature point to be newly added when the MQL is larger than the predetermined second reference value.

상기 MQL 기법 적용시에 품질수준을 평가하는 기준은 통계에 의해 결정할 수 있다. 즉, 많은 수의 표본 샘플을 대상으로 실험을 하여 특징점 주변의 융선의 구조에 따라 결정가능한데, 도2의 (a), (b)에서와 같이, 지문의 특징점인 분기점(10)과 단점(20)을 중심으로 주변의 소정 영역에 위치하는 융선간 간격 d_i와 해당 지문데이터의 전체 평균 융선간격(global mean ridge width)(λ)를 구하고 아래의 수식을 이용하여 특징점의 품질수준값을 구할 수 있다. The criteria for evaluating the quality level when applying the MQL technique can be determined by statistics. That is, it can be determined according to the structure of the ridge around the feature point by experimenting on a large number of sample samples, as shown in (a) and (b) of FIG. ) between the ridges which is located in a predetermined area around the center of the distance d _i and the average ridge interval of the fingerprint data (global mean ridge width) (λ) to obtain number using the following equation determined the quality level value of the feature point have.

위의 수식에 의해 얻어진 값이 특정 특징점에서의 품질값이 되는데, 사전에 이 품질값을 소정 단계로 나눠서 MQL을 정의한다면(가령 3단계 또는 5단계로) 상기 수식에서 얻어진 값이 어느 단계에 해당하는지 검사함으로써 해당 특징점이 상기 1차 템플릿에 새롭게 추가할 특징점인지 아닌지를 판단할 수 있게 된다.The value obtained by the above formula becomes the quality value at a specific feature point. If the MQL is defined by dividing the quality value into predetermined steps in advance (for example, in steps 3 or 5), the value obtained in the above formula corresponds to which step. By checking whether the corresponding feature point is a new feature point to be added to the primary template, it may be determined.

이와 같이 표본 샘플을 통하여 매칭쌍으로 검출된 특징점의 품질수준을 위와 같은 수식에 의하여 구하고 그 값을 기준으로 하여 진정한 특징점과 의사특징점을 구분하는 기준값으로 사용할 수 있는 것이다. 예를 들어, 좋은 특징점을 포함하고 있는 도2의 (a), (b)와 같은 경우에는 특징점 주변의 각 융선들의 간격이 대동소이하여 전체 융선간격의 평균값과 큰 차이를 보이지 않지만, 반대로 도3과 같은 경우에는 특징점(10, 20) 주변의 각 융선들의 간격과 전체 융선간격의 평균값의 차이가 크기 때문에 이러한 특징점의 경우는 진정한 특징점으로서 템플릿에 추가하기에 어렵다고 판단한다. In this way, the quality level of a feature point detected as a matching pair through a sample sample can be obtained by the above equation, and can be used as a reference value for distinguishing between the true feature point and the pseudo feature point based on the value. For example, in the case of (a) and (b) of FIG. 2 including a good feature point, the spacing of each ridge around the feature point is almost the same, and thus does not show a large difference from the average value of the total ridge spacing. In this case, since the difference between the intervals of the ridges around the feature points 10 and 20 and the average value of the total ridge spacing is large, it is determined that such feature points are difficult to add to the template as true feature points.

한편, 위에서 설명한 것과 같이 도1에서는 MQL이 제2기준값보다 큰 것으로 평가된 경우에 새로 템플릿에 포함시켜 최종 템플릿을 생성하는 실시예를 도시하였지만, 전체 융선간격의 평균값과 소정영역에서의 융선간격의 차이를 계산함에 있어서는 절대값을 포함한 적절한 함수를 통하여 산출하면 된다. 즉, 함수값을 통하여 값을 변화시킬 수 있기 때문에 진정한 특징점일 경우 일반적으로 그 차이값(절대값)이 적게 되고 그 반대의 경우 그 차이의 값이 크게 되지만, 기준값과 비교함에 있어서는 그 반대로 할 수도 있다. Meanwhile, as described above, FIG. 1 illustrates an embodiment in which the final template is generated by newly including the template when the MQL is evaluated to be greater than the second reference value. However, the average value of the total ridge interval and the ridge interval in the predetermined region are shown. To calculate the difference, you can calculate it with the appropriate function including the absolute value. In other words, since the value can be changed through a function value, the difference value (absolute value) generally decreases in the case of a true feature point and vice versa, but in the comparison with the reference value, the reverse value may be reversed. have.

이렇게 본 발명의 MQL 기법을 적용하여 새로운 특징점을 1차 템플릿에 추가하여 최종 템플릿을 생성한다. 본 발명에 따르면 MQL이 지문의 특징점 주변의 융선 구조를 반영하기 때문에 새로 추가될 특징점들은 사용자의 지문상태 또는 외부 요인으로 인하여 누락된 진정한 특징점일 가능성이 높다. 따라서 본 발명에서 최종적으로 생성된 템플릿을 등록하게 되면 보다 더 FRR이 낮아지게 된다. Thus, the final template is generated by adding new feature points to the primary template by applying the MQL technique of the present invention. According to the present invention, since the MQL reflects the ridge structure around the feature point of the fingerprint, the newly added feature points are likely to be true feature points that are missing due to the user's fingerprint state or external factors. Therefore, when the template finally generated in the present invention is registered, the FRR is further lowered.

본 발명에 따르면, 지문 등록시에 필요한 지문 템플릿 생성시에, 종래에 매칭시에만 적용하던 TPS 기법과 본 발명에서 제안하는 MQL 기법을 사용하여 생성하 므로 사용자의 지문상태에 또는 외부요인에 독립적인 지문템플릿을 등록가능하기 때문에 한층 더 지문의 오인식률을 낮출 수 있게 된다. According to the present invention, since the fingerprint template required for fingerprint registration is generated using the TPS technique, which is conventionally applied only for matching, and the MQL technique proposed by the present invention, fingerprints independent of the user's fingerprint state or external factors are generated. Since the template can be registered, the false recognition rate of the fingerprint can be further reduced.

Claims

As a template generation method for pre-fingerprint registration in a fingerprint authentication device,

1) obtaining a first fingerprint and a second fingerprint to create a fingerprint template from the fingerprint of the user to be registered,

2) extracting feature points from each fingerprint and performing a matching process based on the extracted feature points,

3) generating a primary template by detecting a matching pair of both fingerprints when the result of the matching process (matching score) is larger than a first predetermined reference value;

4) evaluating whether residual feature points that do not correspond to the matching pair can be added to the primary template,

5) generating a final template by adding the selected residual feature points to the primary template.

The method of claim 1, wherein step 3)

The method further includes detecting a matching pair by correcting distortion of fingerprint data through TPS conversion on two fingerprints acquired from the user based on the matching pair detected in the generated primary template. How to create a fingerprint template.

The method of claim 1 or 2, wherein the evaluating to add the residual feature points of step 4) to the primary template,

And comparing the quality level of the feature point with a predetermined reference value (second reference value) to determine that the feature point is a feature point to be newly added to the primary template.

The method of claim 3, wherein the feature point quality level

A fingerprint template generation method comprising: a difference between all ridge spacing values located around a predetermined area around a branch point and a disadvantage, which are characteristic points of a fingerprint, and a global mean ridge width of the corresponding fingerprint data.

A method applied when generating a fingerprint template from fingerprint feature data,

The difference between all the ridge spacing values and the global mean ridge width of the entire ridge spacing of the fingerprint data is calculated, and the calculated value is compared with a predetermined reference value to determine that it is a feature point that can be included in the fingerprint template. The fingerprint image quality level evaluation method applicable to the first to fourth.