KR20080100256A

KR20080100256A - 불변 방사상 홍채 세그먼트화

Info

Publication number: KR20080100256A
Application number: KR1020087022043A
Authority: KR
Inventors: 리다 엠 함자
Original assignee: 허니웰 인터내셔널 인코포레이티드
Priority date: 2006-03-03
Filing date: 2007-03-01
Publication date: 2008-11-14
Also published as: JP4805359B2; WO2007103698A3; KR101423153B1; JP2009529195A; WO2007103698A2; GB0815933D0; GB2450027A; GB2450027B

Abstract

눈의 생체 인식 분석에 의해 대상을 식별하는 방법 및 컴퓨터 제품이 제공된다. 먼저, 인식 대상의 홍채 이미지가 획득된다. 텍스쳐 강화가 상기 이미지에 원하는 바에 따라 수행될 수 있지만 필수적인 것은 아니다. 다음으로, 홍채 이미지는 예를 들어 200개와 같이 선택된 개수의 방사상 세그먼트로 방사상으로 세그먼트화되며, 각 방사상 세그먼트는 홍채 스캔의 1.8°를 나타낸다. 세그먼트화 이후에, 각 방사상 세그먼트가 분석되며, 색상 강도의 피크 및 골짜기가 홍채 방사상 세그먼트에서 검출된다. 이러한 검출된 피크 및 골짜기는 템플레이트를 구축하기 위하여 이용되는 데이터 집합으로 수학적으로 변환된다. 상기 템플레이트는 대상의 스캐닝되고 분석된 홍채를 나타내며, 방사상 세그먼트로부터 각각 변환된 데이터로 구축된다. 구축 후에, 이 템플레이트는 데이터베이스에 저장되고 대상이 데이터베이스에 이미 등록되었다면 매칭 목적으로 이용된다.

Description

불변 방사상 홍채 세그먼트화{INVARIANT RADIAL IRIS SEGMENTATION}

[관련 출원]

본 출원은 2005년 1월 26일 출원되고 "1D 극 기반의 세그먼트화 방법(A 1D Polar Based Segmentation Approach)"의 명칭을 갖는 미국 정규 특허 출원 11/043,366호에 관련된다. 관련 문서의 개시 내용은 본 명세서에서 전부 원용된다.

[정부 권리의 선언]

본 발명은 계약번호 F10801 EE5.2 하에서의 정부 지원으로 이루어졌다. 정부는 본 발명에 대한 소정의 권리를 갖는다.

[기술분야]

본 발명은 생체 인식에 관한 것으로, 더욱 상세하게는 방사상 홍채 세그먼트화에 대한 개선된 접근에 관한 것이다.

생체 인식학(biometrics)은 하나 이상의 고유의 신체적 또는 행동적 특징에 따라 인간을 특유하게 인식하는 자동화된 방법의 연구이다. IT 분야에서, 생체 인증은 인증 목적으로 인간의 신체적 특성을 측정하고 분석하는 기술을 일컫는다. 신체적 특성의 예는 지문, 눈의 망막 및 홍채, 얼굴 패턴 및 손 계측(hand measurement)이다.

종래의 생체 인식 시스템의 주요 관심사는 생체 인식 데이터의 정밀한 획득의 부족 또는 동작 조건에서의 차이 때문에 인간을 다른 인간들과 식별하는 개인적인 특징이 쉽게 놓쳐 버릴 수 있다는 것이다. 홍채 인식은 생체 인식 데이터를 복구하는데 있어서의 낮은 오차와 높은 성공을 갖는 방법으로 생각되어 왔다. 그러나, 홍채 스캐닝 및 이미지 처리는 비용과 시간이 많이 소요된다. 지문, 얼굴 패턴 및 손 계측은 더 저렴하고 더 신속한 해결 방법을 제공해왔다.

지난 수년 동안, 홍채 인식은 다른 생체 인식 방법과 경제적으로 경쟁을 할 수 있을 정도로 충분히 성숙해왔다. 그러나, 홍채 이미지의 인식 조건에 대한 불일치는 특히 스캐닝이 제어되지 않는 환경 조건 하에서 수행될 때 유효한 대상를 거부하고 사칭자를 승인하게 한다.

대조적으로, 제어된 조건에서 홍채 인식은 매우 유효한 것으로 증명되었다. 홍채 인식 시스템이 얼굴 패턴, 손 계측과 같은 다른 생체 인식 기술보다 더욱 뚜렷한 특징에 의존하기 때문에 이것은 참이며, 따라서 훨씬 더 구별이 가는 생체 인식 데이터 집합을 제공함으로써 신뢰성 있는 해결책을 제공한다.

프로토타입 시스템 및 기술이 1980년대 초에 제안되었지만, 독립된 홍채 인식 시스템이 개발된 것은 1990년대의 연구 이후이다. 이 연구에서 발견된 개념은 그 이후에 실제의 장치에 구현되었다. 전체적인 접근 방법은 쉽게 구현할 수 있는 원(raw) 홍채 이미지의 숫자 코드로의 변환에 기반을 둔다. 본 접근 방법과 다음의 다른 접근 방법의 견고함은 정밀한 홍채 세그먼트화에 철저하게 기반을 둔다. 홍채 세그먼트화는 눈의 다른 부분으로부터 홍채의 위치를 정하고 분리하는 과정이다. 홍채 특징을 계산하는 것은 대상의 홍채에 초점을 맞추고 그 경계선을 적절하게 추출하는 고품질의 세그먼트화 처리을 필요로 한다. 이러한 획득 과정은 획득 조건에 민감하며 매우 흥미를 끄는 문제점으로 증명되었다. 종래의 시스템은 동작 조건을 제한함으로써 세그먼트화 정밀도를 최대화하려고 한다. 조명 수준, 스캐닝된 눈의 위치 및 환경 온도에 그 제한을 둘 수 있다. 이러한 제한은 더욱 정밀한 홍채 인식을 가능하게 할 수 있지만, 실시간 조작에서는 실용적이지 않다.

이러한 문제점을 최소화하기 위한 중요한 진전이 이루어졌다; 그러나, 이러한 발전은 본래의 방법, 즉 제어되지 않은 조건하에서 문제가 되는 것으로 증명된 원형/타원형 외곽 세그먼트화를 바탕으로 대부분 구축되었다. 다른 연구는 앞에서 논의된 방법과 경쟁하지만 제어되지 않은 조건 하에서의 세그먼트화 강화라는 유사한 문제점을 갖는 개념을 소개한다.

따라서, 수집된 생체 인식 데이터에 따른 정밀하고 실시간의 결과를 여전히 제공하면서도, 원격 홍채(iris-at-a-distance) 애플리케이션, 즉 제한되지 않은 조건을 이용하는 시스템에 매우 적합한 홍채 인식 기술을 제공하는 방법을 갖는 것이 바람직할 것이다.

본 발명의 원리에 따르면, 신규의 특징 추출 기술이 개선된 생체 인식 알고리즘을 가져다주는 신규의 인코딩 스킴과 함께 제공된다. 이러한 신규의 추출 기술은 단순화된 극 세그먼트화(polar segmentation, POSE)에 바탕을 둔다. 신규의 인코딩 스킴은 낮은 계산 부하를 갖는 처리를 이용하여 실제의 지역적 홍채 특징을 출출하기 위하여 상기 신규의 추출 기술을 이용한다.

상기 인코딩 스킴은 종래 기술에서 필수적인 홍채 영역의 외부 경계의 정밀한 세그먼트화에 의존하지 않는다. 그 대신에, 홍채에서의 피크(peak) 및 골짜기(valley)(즉, 홍채의 색상 강도에서의 두드러진 변화점)의 식별에 의존한다. 유익하게는 선택된 필터에 상관없이, 인코딩 스킴은 홍채에서 검출된 피크의 정확한 발생 지점에 의존하지 않으며, 이 대신에 참조되는 첫번째 피크에 상대적인 검출된 피크의 크기에 의존한다. 이 알고리즘이 패턴 피크/골짜기의 정확한 위치에 의존하지 않기 때문에, 홍채의 외부 경계에 대한 정밀한 세그먼트화가 불필요하며, 이는 정규화 처리에 대한 필요성을 없앤다.

본 발명의 전반적인 기능은 다음과 같이 요약될 수 있다. 먼저, 홍채는 전처리되며(preprocessed) 그 다음 본 명세서에서 불변 방사상 POSE 세그먼트화하고 지칭되는 POSE 방법에 기반을 둔 강화된 세그먼트화 처리를 이용하여 지역화된다. 세그먼트화 처리 동안, 모든 불분명한 부분(즉, 동공, 눈꺼풀, 속눈썹, 공막(sclera) 및 눈의 비필수적인 다른 부분)은 그 부분들이 홍채의 내부 경계에 다다른 경우에 분석에서 제외된다. 이미지 조명 및 반사 조건에서의 차이를 보상하기 위하여 조명 보정 및 콘트라스트 개선이 처리된다. 캡쳐된 홍채 이미지는 여러 개의 방사상 세그먼트로 언래핑(unwrapping)되며, 각 세그먼트는 세그먼트의 피크 및/또는 골짜기 데이터를 나타내는 1차원 데이터 집합을 생성하기 위하여 분석된다. 피크 및/또는 골짜기 데이터는 피크 및/또는 골짜기가 홍채의 중심으로부터 방사상으로 외부로 향하는 직선을 따라서 그 위치에 따라 정열되는 의미로 1차원이다. 일 실시예에서, 홍채 이미지는 방사상 세그먼트 당 단지 하나의 피크에 대한 데이터가 저장되는 홍채 서명에 대한 1차원 극 표현으로 언래핑된다. 일 실시예에서, 세그먼트 당 동공-홍채 경계로부터의 최외곽 피크의 크기가 저장된다. 다른 실시예에서, 세그먼트의 최대 피크의 크기가 저장된다. 다른 실시예에서, 방사상 세그먼트 당 복수의 피크 및/또는 골짜기에 대한 데이터가 저장된다. 본 실시예에서, 각 피크 및/또는 골짜기는 1차원 방향을 따라서 직전에 있는 피크/골짜기와 같은 세그먼트에서의 다른 피크 및/또는 골짜기에 상대적인 크기를 나타내는 1비트의 값으로 기록된다. 모든 방사상 세그먼트에 대한 데이터는 전체 홍채 스캔에 대한 데이터를 나타내는 템플레이트로 연결된다. 상기 템플레이트는 일치점을 찾기 위하여 저장된 템플레이트와 비교된다.

도 1은 종래 기술에 따른 스캐닝된 홍채 이미지를 도시한다.

도 2a는 본 발명의 원리를 이용한 스캐닝된 홍채 이미지를 도시한다.

도 2b는 1차원 홍채 맵으로 매핑된 도 2a의 스캐닝된 홍채 이미지를 도시한다.

도 3은 본 발명의 일 실시예들 나타내는 플로우차트를 도시한다.

도 4a는 본 발명의 원리에 따른 홍채 세그먼트화 처리의 매핑을 도시한다.

도 4b는 본 발명의 원리에 따른 강화된 홍채 스캔 매핑을 도시한다.

도 5a는 본 발명의 원리에 따른 제1 인코딩 스킴을 도시한다.

도 5b는 본 발명의 원리에 따른 제2 인코딩 스킴을 도시한다.

종래의 생체 측정 시스템의 주요 관심사는 생체 인식 데이터의 정밀한 획득의 부족 또는 동작 조건에서의 차이 때문에 인간을 다른 인간들과 식별하는 개인적인 특징이 쉽게 놓쳐 버릴 수 있다는 것이다. 지난 수년 동안, 홍채 인식은 지문과 같은 더 일반적인 생체 측정 수단과 필적하게 한다는 점에서 성숙해왔다. 그러나, 홍채 이미지의 획득 조건에서의 불일치는 특히 조명이 면밀하게 제어되지 않는 동작 환경 하에서 유효한 대상를 거부하고 사칭자를 승인하게 한다. 대조적으로, 제어된 조건에서, 홍채 인식은 매우 효율적인 것으로 증명되었다. 이것은 홍채 인식 시스템이 다른 일반적인 생체 인식 수단보다 더 뚜렷한 특징에 의존하기 때문이며, 이는 더욱 뚜렷한 생체 인식을 제공함으로써 신뢰성을 제공한다.

도 1은 종래의 세그먼트화 기술에 따라 식별된 경계를 갖는 스캐닝된 눈 이미지를 도시한다. 여기에서, 홍채(105)는 외부 홍채 경계(110)에 의해 정해진다. 그러나, 외부 홍채 경계(110)는 107에서 눈꺼풀에 의해 방해받으며, 실제 경계는 결정될 수 없다. 본 시스템은 외부 홍채 경계(110)의 누락 부분을 추측하여야만 한다. 홍채 특징을 계산하는 것은 대상의 홍채에 초점을 맞추고 그 경계를 적절하게 추출하는 고품질의 세크먼트화 처리를 필요로 한다. 이러한 처리는 획득 조건에 민감하며 매우 흥미를 끄는 문제점으로 증명되었다(특히 원격에서 캡쳐되는 비협조적인 대상에 대하여). 주의를 기울여 제어된 조명과 대상의 눈의 위치와 같은 동작 조건을 제한함으로써, 종래의 세그먼트화 문제점을 해결하려고 하지만, 이러 한 접근 방법은 항상 실용적이지 않다.

종래 기술의 주요 실패 원인은 균일한 매칭을 허용하기 위한 홍채 스캐닝을 정규화하도록 시스템이 홍채의 외부 경계에 초점을 맞춘다는 것이다. 외부 홍채 경계를 불분명하게 할 수 있는 눈꺼풀 및 속눈썹과 공막과의 구별을 힘들게 할 수 있는 옅은 색상의 홍채를 포함하는 많은 인자 때문에, 외부 경계는 정밀하게 매핑하는 것이 불가능할 수 있으며 그 결과 대상의홍채에 대한 부정확한 세그먼트화를 가져다 주고, 생체 측정 인식 과정의 나머지 부분에 대하여 부정정인 영향을 미친다. 또한, 제어되지 않은 조건에 적용될 때, 이러한 세그먼트화 기술은 많은 오류를 발생시킨다. 이러한 조건은 획득 장치로부터 다양한 범위에서 캡쳐된 대상 또는 이미지화 장치와 눈이 직접 정렬되지 않을 수 있는 대상를 포함한다.

도 2A는 도 1과 유사하게 스캐닝된 눈의 이미지를 도시한다. 이 도면에서, 본 발명의 원리가 적용된다. 이 방법은 홍채의 외부 경계의 정밀한 세그먼트화에 의존하지 않는 더 새로운 인코딩 스킴인 단순화된 극 세그먼트화(POSE)에 바탕을 둔다. POSE의 상세한 설명은 "1D 극 기반의 세그먼트화 접근(A 1D Polar Based Segmentation Approach)"의 명칭을 갖는 전술한 관련 출원인 미국 정규 특허 출원 11/043,366호에서 찾을 수 있다. 본 발명은 강화된 POSE 기술을 이용한다. 이 강화된 POSE 기술 또는 불변 방사상 POSE는 홍채의 피크 및 골짜기, 즉 즉, 홍채의 정해진 방사상 세그먼트 내에서 동공과 공막 사이의 색상 강도에서의 중대한 불연속을 검출하는데 초점을 맞춘다. 환언하면, 피크는 그 지점의 임의의 일 측(선택된 방향으로)에서의 색상 강도가 그 지점의 색상 강도보다 더 약한 지점이다(또한, 약한 정도의 불연속점 모두가 기록 피크로서 등록되는 것을 방지하기 위하여 불연속점은 소정의 기설정된 문턱값을 초과한다). 유사하게, 골짜기는 선택된 방향으로 그 지점의 임의의 일 측에서 색상 강도가 그 지점에서의 색상 강도보다 더 큰 지점이다(동일한 제한을 가지면서).

이 기술은 종래 기술에서와 같이 방사상 세그먼트 당 2차원 이미지 데이터를 수집하는 대신에 방사상 세그먼트당 수집된 홍채 데이터가 1개의 신호 차원만을 가지기 때문에 1차원으로 지칭된다. 이 과정은 홍채의 불분명한 외부 경계를 추측하는 것과 외부 경계의 누락 부분을 추측하는 것이 필요한 원, 타원 또는 임의의 다른 형상의 정확한 파라미터를 계산할 필요를 제거한다.

홍채(205)는 불변 방사상 POSE 과정을 이용하여 스캐닝된다. 도 1의 과정과 같이 홍채의 외부 경계에 집중하기보다는, 불변 방사상 POSE 과정은 스캐닝된 홍채 내에 존재하는 피크와 골짜기를 위치시키고 식별하며, 홍채 맵을 생성한다. 도 2A는 홍채 스캔에 있어서 피크 및/또는 골짜기 데이터를 나타낼 수 있는 홍채 맵에 대한 하나의 형태의 예시를 돕는다. 도 2A에서, 방사상 세그먼트당 단지 하나의 피크에 대한 데이터가 저장된다. 본 발명의 이러한 실시형태에 따른 홍채 맵을 구축하기 위해서는 먼저 홍채가 한 세트의 개수의 방사상 세그먼트, 예를 들어 200 세그먼트로 세그먼트화된다. 따라서, 각 세그먼트는 홍채의 전체 360도의 스캔 중 1.8도의 조각을 나타낸다. 200 세그먼트 각각이 분석된 후에, 세그먼트 내에서 하나의 특성 피크에 대한 데이터가 저장된다. 도 2A 및 2B에 예시된 실시예에서, 각 방사상 세그먼트에서의 대표로 선택된 피크는 동공-홍채 경계로부터 최외각에 있는 피크(210)이다. 다른 실시예에서, 선택된 피크는 가장 큰 피크(동공-홍채 경계에서의 피크를 제외하고), 가장 가파른 피크 또는 가장 안쪽에 있는 피크일 수 있다. 기준이 최외각 피크인 경우, 홍채-공막 경계로 더 가까이 갈수록 피크 및 골짜기가 대상를 식별하기 위한 기준으로서 덜 뚜렷해지고 이에 따라 신뢰성이 더 떨어지기 때문에, 동공-홍채 경계의 기설정된 거리 이내에서의 최외각 피크를 사용하는 것이 바람직하다.

이 대신에, 피크에 대신하여 골짜기에 대응하는 데이터가 기록될 수 있다. 사실, 기록된 데이터는 피크이거나 또는 골짜기일 필요가 없고 임의의 다른 용이하게 식별가능한 색상 또는 콘트라스트 특성일 수 있다. 어느 피크 또는 골짜기(또는 다른 특성)가 대표로서 선택되더라도 동공의 중심으로부터의 거리가 저장된다. 바람직한 실시예에서, 방사상 거리는 동공의 중심으로부터 기준 피크의 방사상 거리에 상대적인 상대값으로서 보고된다. 이러한 방법으로, 환경 조건(예를 들어, 동공 팽창, 주변광)에 따른 홍채에 대한 변동을 보상하기 위하여 홍채 스캔을 정규화하는 과정을 필요로 하지 않는다. 본 발명의 바람직한 실시예에서, 기준 피크는 그 세그먼트 내의 동공-홍채 경계에 있는 피크이며, 이는 항상은 아니더라도 보통 그 세그먼트 내에서의 최대 피크일 것이다.

도 2B는 1차원 홍채 맵으로 매핑된 스캐닝된 홍채를 도시한다. 이러한 홍채 맵을 구축하기 위하여, 먼저 홍채는 기설정된 개수의 방사상 세그먼트, 예를 들어 200 세그먼트로 세그먼트화되며, 각 세그먼트는 홍채의 전체 360도 스캔 중 1.8도를 나타낸다. 200 세그먼트의 각각이 분석된 후에, 기준 피크가 각 세그먼트에서 선택되며, 기준 피크는 분석된 방사상 세그먼트 동공-홍채 경계에서의 피크(일반적으로, 항상은 아니더라도 그 세그먼트에서 최대 피크이다)이다. 홍채는 도 2B에도시된 그래프를 생성하기 위하여 펼쳐지며, 각 지점(215)은 각 방사상 세그먼트에 대한 대응하는 피크의 전술한 상대 방사상 거리를 나타낸다.

시각적 목적으로, 도 2B에 도시된 그래프로의 피크 및 골짜기 데이터의 변환은 동공-홍채 경계의 법선에 대하여 홍채의 "언래핑(unwrapping)"이 된 것이라고 생각할 수 있다. 예를 들어, 동공-홍채 경계는 본질적으로 원형 경계이다. 도 2에 도시된 바와 같이, 경계가 끈이고, 불연속점(215)으로서의 각 방사상 세그먼트로부터의 기준 피크를 갖는 직선으로 그 끈을 언래핑하는 것을 가장하라,

다음의 설명은 관련 기술 분야에서 통상의 지식을 가진 자가 과정을 본능적으로 이해하도록 하는 단지 예시적인 목적을 위한 것이다. 관련 기술분야에서 통상의지식으로 가진자는 피크 및 골짜기 정보를 1차원 데이터 집합으로 변환하는 것이 실제로 단순한 수학적 변환이라는 것을 이해할 것이다.

조명 및 온도(동공의 지름 팽창 또는 수축에 영향을 주는)와 같은 조건에 상관 없이, 1차원 홍채 표현은 각 각도 세그먼트에서의 기준 피크의 상대적 위치에 대하여 변하지 않지만, 전체 곡선(215)이 상방 또는 하방으로 이동하는 결과를 가져다 줄 수 있다. 동공 팽창 및 다른 인자들은 피크 또는 골짜기의 절대 위치(즉, 동공 경계로부터의 실제 거리)에 영향을 미칠 수 있지만, 기준 피크(또는 골짜기)에 상대적인 홍채에서의 피크 및 골짜기의 상대 위치에는 영향을 미치지 않는다.

도 4A는 방사상 세그먼트당 1개의 특성 피크가 아닌 다수의 피크에 대한 데 이터가 기록되는 스캐닝된 홍채 데이터의 다른 더욱 강력한 표현의 형성을 도시한다. 동공의 중심은 십자가(405)로 표시된다. 수평 또는 x-축은 동공-홍채 경계로부터의 방사상 거리(즉, 동공-홍채 경계로부터 수직인)를 나타내며, 수직 또는 y-축은 색상 강도의 도함수를 나타낸다. 동공-홍채 경계에서의 피크는 411로 나타낸다. 세그먼트 내의 다른 모든 피크 및 골짜기는 데이터 정규화가 필요없도록 기준 피크에 상대적으로 그래프로서 나타낸다.

각 방사상 세그먼트는 일반적으로 동공 경계(410)에서 여러 픽셀의 넓이를 가지며, 동공-홍채 경계로부터의 거리가 증가함에 따라 더 넓어진다는 것을 유의하여야 한다. 따라서, 도 4A의 그래프에서 나타낸 1차원 데이터를 생성하기 위하여는 y-축에 의해 나타나는 색상 강도 도함수 데이터는 세그먼트의 폭에 대하여 평균화되고 보간되어야 한다. 보간된 데이테에 대한 이러한 표현은 선 415에서 도시되며, 여기에서 각 중요 데이터 피크는 도면 부호 420으로 표시된다.

도 4B는 또 다른 실시예를 도시한다. 그래프(425)는 도 4A에 도시된 것과 같이 홍채의 그래프 표현을 도시한다. 도 4A의 실시예에 따라, 특징 추출 단계에서, 바람직하게는 각 개별 피크는 기준 피크에 대하여 분리되어 기록된다. 그러나, 또한, 피크에만 초점을 맞추기 위하여, 강화 곡선(430)은 1차원 홍채 표현으로부터 제거된다. 강화 곡선(430)은 상대 피크의 크기에만 초점을 맞추는 정규화된 데이터 세트를 발생시키는 다음 피크에 상대적인 각 피크의 크기에 영양을 미치지 않으면서 제거될 수 있는 그래프 성분이다. 본 발명의 기술 분야에서 통상의 지식을 가진 자에게 알려진 표준 웨이블릿(wavelet) 분석을 이용하여, 강화 곡선은 도 4A의 그래프의 분해에 대한 근사 성분(DC 성분)으로서 계산될 수 있다. 강화 곡선이 제거되고 나면, 각 피크가 그래프(435) 상에서 점(437)으로 표시되는 세그먼트화된 그래프(435)가 된다. 그러나, 강화 곡선의 제거로, 그래프(425)는 피크 발생에 따라 정규화된다. 아래에서 더욱 상세히 설명되는 바와 같이, 본 발명의 적어도 일 실시예에서는, 피크 당 1 또는 2 비트와 같이 적은 비트를 이용하여 인접하는 피크에 대하여 각 피크를 인코딩함으로써 피크 데이터가 매우 효율적으로 인코딩될 수 있을 것이다. 따라서, 제거된 강화 곡선은 모든 필요한 정보를 보유하면서도 과정을 단순화시킨다.

도 3은 본 발명의 일 실시예를 도시하는 플로우차트를 도시한다.

단계 305에서, 전처리 단계가 수행된다. 전처리는 본질적으로 형식적일 수 있다. 이 단계에서, 텍스쳐(texture) 강화가 스캐닝된 이미지 상에 수행된다. 동공, 눈꺼풀, 속눈썹, 공망 및 기타 눈의 비필수적인 부분과 같은 이미지의 불분명한 부분은 분석에서 제외된다. 외부 조명 및 그레이 스케일 변동 및 다른 아티팩트(artifact)(예를 들어, 칼라 콘택트 렌즈)의 부작용을 감소시키기 위하여, 시스템은 지역 방사상 텍스쳐 패턴(local radial texture pattern, LRTP)를 이용하여 이미지를 전처리한다. 그러나, 텍스쳐 강화는 시스템의 동작에 필수적인 것은 아니라는 것에 유의하여야 한다.

이미지는 Y. Du, R. Ives, D. Etter, T.Welch, C.-I. CHang,"A one-dimensional approach for iris identification", EE Dept, US Naval Academy, Annapolis, MD, 2004에서 제안된 것과 유사하지만 이에 대하여 개선된 지역 방사상 텍스쳐 패턴을 이용하여 전처리된다.

여기서,

I(x, y) = 2차원 좌표 x, y에 위치한 픽셀의 색상 강도;

ω = 화소 x, y의 이웃하는 지점을 결정하는 곡선; 및

A = ω의 면적(픽셀 수)

이다.

이 LRTP 방법은 윈도우 평균을 대신 이용하여 실제 평균의 근사를 유지하면서도 전술한 참조문헌에서 채용된 블록 분석(block analysis)에 의해 불연속을 방지하기 때문에 그 방법과는 다르다. 작은 블록의 각 윈도우의 평균은 배경 조명의 대략적인 추측을 포함하며, 따라서 앞의 수학식에서 도시된 바와 같ㅇ 강도의 실제값으로부터 감산된다.

단계 310에서, 불변 방사상 POSE 세그먼트화 과정이 수행된다. 이 방법은 홍채의 외부 경계, 즉 홍채-공막 경계에서 홍채 세그먼트화를 필요로 하지 않기 때문에 전통적인 기술과는 다르다.

특히, 원 이미지에서 홍채 중심을 먼저 대충 결정하고, 그 다음 중심 추정을 다듬고 동공의 에지를 추출한다. 동공의 중심을 위치시키는 기술은 전술한 미국 특허 출원 11/043,366호에 개시되며, 이는 참조로서 원용되며 더 설명할 필요는 없다. 동공-홍채 경계를 위치시키는 기술도 전술한 특허 출원에 개시되며 더 설명할 필요는 없다.

동공 에지가 알려지면, 세그먼트화 과정이 개시된다. 방사상 세그먼트, 예를 들어 각각 1.8도의 200개의 세그먼트에서 홍채의 방사상 스캔이 수행된다.

단계 310에서의 세그먼트화 및 스캐닝 후에, 과정은 단계 315로 진행한다. 단계 315에서, 실제 특징 추출은 단계 310에서 얻어진 세그먼트화된 이미지에 바탕을 두고 일어난다. 특징 추출 과정은 예를 들어 각각 도 2A 와 2B, 4A 및 4B와 관련하여 전술된 변동의 발생에 대한 절대 위치에 의존하지 않고 홍채의 그래프 표현에서의 변동을 검출하는 3개의 실시예 중 하나에 따라 수행될 수 있다. 특히, 절대 위치는 환경적 조명 조건에서의 변동에 노출될 때 인간의 홍채의 자연적인 팽창 및 수축의 함수로서 변동한다. 따라서, 특징 추출 과정은 그 절대 크기 또는 위치에 초점을 맞추는 것보다는 크기에서의 피크 및 골짜기의 상대적 변동 및 그 상대적 위치를 검출하는 것에 의존한다. 이 방법의 주요 이점은 환경 조건에 기인하는 홍채에서의 변동을 보상하기 위한 홍채 스캔의 정규화 절차를 필요로 하지 않는다는 것이다. 홍채의 정규화 절차는 종래의 홍채 인식 기술에 매우 중요하다.

다음으로, 단계 320에서, 그래프(435)에 표현된 결과에 따른 피크 데이터는 알려진 사람에 대한 홍채 데이터의 저장된 탬플레이트와 추후에 효율적으로 비교되기 위하여 인코딩된 템플레이트로 인코딩된다. 2개의 다른 인코딩이 각각 도 5A 및 5B와 관련하여 아래에서 논의된다. 이 둘은 단지 예로써만 나타내며, 본 발명 의 범위를 제한하려고 하는 것은 아니다.

도 5A 및 5B는 각각 본 발명의 2개의 실시예에 따라 스캐닝된 홍채의 1개의 방사상 세그먼트에 대한 피크/골짜기 데이터 집합의 인코딩을 도시한다. 아래에서 더욱 상세하게 설명되는 바와 같이, 각 템플레이트는 이러한 데이터 집합을 복수로 포함하며, 템플레이트에서의 이러한 집합의 수는 방사상 세그먼트의 개수와 동일하다. 따라서, 예를 들어, 각 세그먼트가 1.8°인 경우, 각 템플레이트는 이러한 데이터 집합을 200개 포함한다.

도 5A는 직전 피크의 크기에 대한 상대 피크의 크기에 초점을 맞춘 제1 인코딩 스킴을 도시한다. 도 5A는 단일 방사상 세그먼트에 대한 피크 데이터를 인코딩하는 것을 도시하며, 그 세그먼트에 대한 데이터 집합을 나타낸다. 각 데이터 집합은 I×K 비트를 포함하며, 여기서 K는 데이크를 기록하기를 위하는 방사상 세그먼트 당 피크의 개수이며, I는 각 피크를 인코딩하는데 이용되는 비트의 개수이다. K는 임의의 적당한 수일 수 있으며, 방사상 세그먼트에서 기대되는 일반적인 피크의 개수에 가깝게 선택되어야만 한다. 도 5A에서 K=8이다.

이 인코딩 스킴에서, 모든 데이터 집합의 처음 I 비트는 선택된 기준 피크(동공-홍채 경계)를 나타내며, I = 2일 때 예를 들어 11과 같은 제1 값으로 설정된다. 그 데이터 집합 내에서 왼쪽에서 오른쪽으로 이동할 때, 비트는 동공-홍채 경계로부터 방사상으로 더 바깥에 있는 피크를 나타낸다(즉, 동공-홍채 경계로부터의 거리를 나타내는 도 2B, 4A 및 4B에서 x축). 그래프(435)와 같은 그래프에서 피크의 크기가 이전 피크의 크기보다 더 큰 경우, 피크를 나타내는 비트는 11로 설정된 다. 그렇지 않으면, 비트는 예를 들어 00과 같은 제2 값으로 설정된다. 따라서, 이 예에서 기준 피크가 그 세그먼트에서 가장 큰 크기를 갖는 것이 보장되고 이에 따라 다음 피크보다 항상 더 크기 때문에 두 번째 I 비트는 본질적으로 00이 되는 것이 보장된다. 그러므로, 이 인코딩 스킴에서, 각 데이터 집합의 처음 4개의 비트는 항상 1100으로 동일할 것이기 때문에 매칭에 관계가 없으며 매칭 동안 고려되지 않을 것이다. 방사상 세그먼트가 적어도 K 피크를 가지지 않는 경우에는, 데이터 집합의 끝은 매칭 단계(325)에서 궁극적으로 마스킹될 예를 들어 10 또는 01인 제3의 값을 갖는 하나 또는 그 이상의 세번째 비트 집합으로 채워진다. 방사상 세그먼트가 K 피크 이상을 갖는다면, 동공-홍채 경계에 가장 가까운 K 피크만이 인코딩된다.

따라서, 도 5A의 처음의 왼쪽 그래프에서 도시된 홍채 세그먼트에 관하여, 이 홍채 세그먼트에 대한 피크/골짜기 정보를 나타내는 시컨스는 1100110011001010이다. 특히, 처음 두 비트는 기준 피크(501)의 크기를 나타내며 항상 11이고, 두 번째 두 비트는 세그먼트에서의 처음 피크(503)의 크기를 나타내며 항상 기준 피크보다 더 작을 것이기 때문에 본질적으로 00이 보장되며, 5번째 및 6번째 비트는 다음 피크(505)가 이전 피크(503)보다 더 크기 때문에 11이며, 7번째 및 8번째 비트는 다음 피크(507)가 이전 피크(507)보다 더 작기 때문에 00이며, 9번째 및 10번째 비트는 다음 피크(511)가 직전 피크(509)보다 더 작기 때문에 00이며, 마지막 4개의 비트는 이 세그먼트가 단지 5개의 피크(그리고, 기준 피크는 데이터 세트에서 6번째 피크이다)만 가지기 때문에 알려지지 않은 2개의 세트에 대응하여 1010이다.

다른 예로, 도 5A의 다음의 오른쪽 그래프에 도시된 홍채 세그먼트에 관하여, 처음 두 비트가 기준 피크(501)의 크기를 나타내고 항상 11이며, 다음 두 비트가 세그먼트(513)에서의 첫번째 피크의 크기를 나타내고 기준 피크보다 더 작기 때문에 00이며, 그 다음 2비트는 다음 피크(515)가 직전 피크(513) 보다 더 크기 때문에 00이며, 그 다음 2 비트가 다음 피크(517)가 직전 피크(517)보다 더 작기 때문에 00이며, 그 다음 2 비트가 다음 피크(519)가 직전 피크(517)보다 더 크기 때문에 11이며, 마지막 6개 비타거 이 세그먼트가 5개의 피크(기준 피크를 포함하여)만을 가지기 때문에 101010이어서, 홍채의 세그먼트에 대한 피크/골짜기 정보는 1100000011101010이다.

도 5B는 본 발명의 원리에 따른 예시적인 제2 인코딩 스킴을 도시한다. 제2 인코딩 스킴도 필터링된 피크의 크기에 대한 2비트 정량화에 바탕을 두지만, 피크 크기는 3개의 크기 레벨, 즉 로우(L), 하이(H) 및 미디엄(M)으로 정량화된다. 로우 레벨 크기 L은 2비트 패턴 00으로 할당되고, 하이 레벨 크기 H는 2비트 패턴 11로 할당된다. 정량화 오차를 해결하기 위하여, 단지 1비트의 허용 오차가 하나의 인접한 정량화 레벨에서 그 다음으로 이동하는 것을 허용하는 방식으로 레벨은 구축된다. 이러한 제한에 의하여, 스킴은 미디엄 레벨을 표현하기 위한 2가지 조합, 즉 Mi = 10 및 Mr = 01을 갖는다. Mi는 대응하는 피크의 왼쪽으로의 골짜기가 피크의 오른쪽으로의 골짜기보다 더 낮은 경우를 나타내며, Mr은 오른쪽으로의 골짜기가 왼쪽으로의 골짜기보다 더 낮은 피크를 나타낸다. 예를 들어, 피크(520)는 왼쪽으로의 골짜기가 오른쪽으로의 골짜기보다 더 낮기 때문에 Mi로 표시될 수 있 다. 반대로, 피크(521)는 왼쪽으로의 골짜기가 오른쪽으로의 골짜기보다 더 높기 때문에 Mr로 표시될 수 있다. 그러나, 미디엄 레벨의 크기에 대한 2개의 결과값은 매칭 과정에서 동일하게 취급된다. 또한, 데이터 집합을 채울 충분한 피크가 없다면, 미리 정의된 벡터 길이, 예를 들어 10 비트에 이르도록 비트가 비트-벡터를 완성하는데 이용된다. 도면에서는 도시되지 않았지만, 알려지지 않은 피크에 대응하는 비트는 알려지지 않은 피크에 대응하는 비트 수를 나타내는 데이터 집합의 말단에 플래그(flag)를 추가하는 것과 같은 임의의 적절한 수단에 의해 식별될 수 있다. 이 대신에, 알려지지 않았다는 것을 나타내기 위한 추가 비트 조합을 제공하기 위하여 레벨은 3비트 정량화로 인코딩될 수 있다. 또한, 하나의 값, 예를 들어, 10만이 미디엄 레벨에 대하여 할당될 수 있으며, 이는 알려지지 않은 것을 나타내도록 2비트 조합인 01을 남긴다. 알려지지 않은 것을 나타내는 비트는 후술하는 바와 같이 매칭하는 동안 마스킹된다. 유사하게, 방사상 세그먼트에서 피크의 수가 데이터 집합을 채우는데 필요한 피크의 수를 초과할 때, 동공으로부터 가장 멀리있는 피크들은 제외된다.

다음으로 단계 325에서, 템플레이트는 홍채 스캔에서의 모든 방사상 세그먼트에 대응하는 모든 데이터 집합을 연결하여 구축된다. 따라서, 예를 들어, 200개의 방사상 세그먼트가 있고 검출된 피크를 나타내는 인코딩 스킴에서 각 데이터 세트에 대하여 이용되는 비트의 수가 16비트라면, 인코딩된 모든 2진 스트링은 16×200 = 3400 비트의 템플레이트로 연결된다.

데이터가 인코딩되면, 과정은 단계(330)로 계속된다. 이 과정은 대응하는 비트-템플레이트 사이의 유사점을 비교함으로써 스캐닝된 홍채 템플레이트가 저장된 홍채 템플레이트와 일치하는지를 판별한다. 가중치가 부여된 해밍(Hamming) 거리가 비트 단위의 비교를 실행하기 위하여 인식 척도로서 이용될 수 있다. 비교 알고리즘은 정보 측정 거리(예를 들어 해밍 거리)를 계산하는데 중요 비트만 이용될 수 있도록 알려지지 않은 것을 나타내는 비트를 마스킹하기 위하여 노이즈 마스크를 포함할 수 있다. 알고리즘은 비교에 따른 값을 보고한다. 더 높은 값은 템플레이터에서 더 낮은 유사성을 반영한다. 따라서, 가장 낮은 값이 2개의 템플레이트에서 가장 양호한 매칭 점수가 되는 것으로 간주된다.

회전에 따른 불일치와 이미지의 오정렬을 해결하기 위하여, 2개의 템플레이트에 대한 정보 측정이 계산된 후, 한 템플레이트는 (회전축을 따라) 왼쪽 및 오른쪽 비트쪽으로 이동하며, 다수의 정보 측정 거리값이 연속된 이동으로부터 계산된다. 이와 같은 각도 방향에서의 비트 방향 이동은 각도 분해 단위 만큼의 원 홍채 영역의 회전에 대응한다. 계산된 정보 측정 거리로부터 가장 낮은 값만이 2개의 템플레이트에서의 가장 양호한 매칭 점수가 되는 것으로 간주된다.

가중치 메카니즘은 전술한 매칭과 관련하여 이용될 수 있다. 동공 영역(동공 경계)에 가장 가까운 피크를 나타내는 비트는 가장 신뢰성있고/분명한 데이터 지점이며, 더 정밀한 데이터를 나타내기 때문에 더 높게 가중치가 부여될 수 있다. 알려지지 않은 것을 나타내는 모든 비트는 매칭 대상 템플레이트에 있든지 저장된 템플레이트에 있든지 간에 매칭에 있어서는 0의 가중치가 부여된다. 이것은 임의의 적절한 기술을 이용하여 수행될 수 있다. 일 실시예에서, 2개의 템플레이트가 비교될 때, 1 또는 2개의 템플레이트의 알려지지 않은 것을 나타내는 비트에 대응하는 비트 위치는 다른 템플레이트의 대응하는 비트에 일치하는 비트로 항상 채워진다.

전술한 실시예들이 홍채에서의 피크의 방향과 분석에 의존하지만, 이것은 단지 예로서 나타내었다. 다른 실시예돌은 홍채의 골짜기의 검출 또는 홍채에서의 임의의 다른 뚜렷한 특징에 의존할 수 있다.

본 명세서에서 설명된 본 발명의 과정, 절차 및/또는 단계는 컴퓨터 장치가 이들을 수행하도록 설계된 프로그래밍된 컴퓨터 장치 실행 소프트웨어에 의해 수행될 수 있다는 것이 관련 기술에 정통한 자에게 명백하다. 또한, 이러한 과정, 절차 및/또는 단계는 ASIC(application specific integrated circuit), 논리 회로 및 상태 머신(state machine)을 포함하지만 이에 한정되지 않는 회로의 형태에 의해 실행될 수 있다.

본 발명의 특정 실시예를 설명하였지만, 다양한 대체물, 수정물 및 개선물이 본 발명의 기술 분야에서 통상의 지식을 가진 자에게 용이하게 생각될 수 있다. 본 개시 내용에 의해 자명한 이러한 대체물, 수정물 및 개선물은 본 명세서에서 직접적으로 설명되지 않았지만 본 설명의 일부가 되도록 의도되며 본 발명의 사상 및 범위 내에 있는 것으로 의도된다. 따라서, 전술한 설명은 단지 예시적인 것이며 한정적인 것이 아니다. 본 발명은 다음의 청구범위 및 이에 대한 균등물에서 정의된 바에 의해서만 한정된다.

Claims

(1) 대상의 홍채 이미지를 획득하는 단계;

(2) 상기 홍채 이미지를 복수의 방사상 세그먼트로 방사상으로 세그먼트화하는 단계;

(3) 각 방사상 세그먼트에 대하여, 상기 세그먼트 내에서 기설정된 1차원적인 특징에 대한 데이터를 상기 이미지 내에서의 상기 특징에 대한 기준값에 상대적으로 결정하는 단계; 및

(4) 상기 방사상 세그먼트 각각에 대하여 상기 데이터의 집합을 포함하는 상기 대상에 대한 템플레이트를 구축하는 단계;

를 포함하는 눈의 홍채의 생체 인식 분석에 의해 대상을 식별하는 방법.
제1항에 있어서,

상기 단계 (2)는

(2.1) 상기 대상의 동공의 중심을 결정하는 단계;

(2,2) 상기 이미지에서 동공-홍채 경계를 결정하는 단계; 및

(2.3) 상기 홍채를 동일한 각도 크기를 갖는 복수의 방사상 세그먼트로 방사상으로 세그먼트화하는 단계;

를 포함하는 것을 특징으로 하는 눈의 홍채의 생체 인식 분석에 의해 대상을 식별하는 방법.
제2항에 있어서,

상기 특징은 색상 강도의 피크이며, 상기 데이터는 상기 동공-홍채 경계의 기설정된 거리 내에서 상기 동공-홍채 거리로부터 가장 멀리 있는 상기 피크 중 하나의 상기 동공-홍채 경계로부터의 거리를 포함하는 것을 특징으로 하는 눈의 홍채의 생체 인식 분석에 의해 대상을 식별하는 방법.
제2항에 있어서,

상기 1차원적인 데이터는 상기 방사상 세그먼트에서의 상기 피크 중 가장 큰 하나의 상기 동공-홍채 경계로부터의 거리를 포함하는 것을 특징으로 하는 눈의 홍채의 생체 인식 분석에 의해 대상을 식별하는 방법.
제2항에 있어서,

상기 특징은 색상 강도의 피크이며, 상기 1차원적 데이터는 상기 동공의 상기 중심으로부터 방사상으로 외부로 향하는 방향을 따라서 상기 피크의 상대적 크기와 상대적 위치를 포함하는 것을 특징으로 하는 눈의 홍채의 생체 인식 분석에 의해 대상을 식별하는 방법.
제5항에 있어서,

상기 상대적 크기는 상기 방사상 세그먼트 각각의 폭에 대하여 보간된 데이 터에 의해 결정되는 것을 특징으로 하는 눈의 홍채의 생체 인식 분석에 의해 대상을 식별하는 방법.
제5항에 있어서,

상기 크기는 상기 방사상 세그먼트 각각의 폭에 대하여 평균된 데이터에 의해 결정되는 것을 특징으로 하는 눈의 홍채의 생체 인식 분석에 의해 대상을 식별하는 방법.
제5항에 있어서,

상기 기준값은 상기 동공-홍채 경계에서의 색상 강도에 대응하는 상기 피크 중 하나의 값인 것을 특징으로 하는 눈의 홍채의 생체 인식 분석에 의해 대상을 식별하는 방법.
제8항에 있어서,

상기 단계 (3)은 상기 검출된 피크 및 골짜기로부터 분해 곡선을 제거하는 단계를 포함하는 것을 특징으로 하는 눈의 홍채의 생체 인식 분석에 의해 대상을 식별하는 방법.
제5항에 있어서,

(5) 상기 데이터를 데이터 집합으로 인코딩하는 단계;

를 더 포함하는 것을 특징으로 하는 눈의 홍채의 생체 인식 분석에 의해 대상을 식별하는 방법.
제10항에 있어서,

상기 단계 (5)에서,

기설정된 제1 개수의 비트가 상기 방사상 세그먼트에서의 각 피크에 대한 데이터를 나타내는데 이용되며, 상기 데이터 집합 각각은 상기 데이터 집합에서 인코딩될 수 있는 기설정된 개수의 피크에 대응하는 기설정된 제2 개수의 비트를 포함하며,

상기 방사상 세그먼트에서의 피크의 개수가 인코딩될 수 있는 상기 기설정된 개수의 피크 보다 더 적은 경우, 상기 데이터 집합을 알려지지 않은 피크를 나타내는 비트로 채우며,

상기 방사상 세그먼트에서의 피크의 개수가 인코딩될 수 있는 상기 기설정된 개수의 피크 보다 더 큰 경우, 상기 방사상 세그먼트에서 상기 피크의 부분 집합을 인코딩하는,

눈의 홍채의 생체 인식 분석에 의해 대상을 식별하는 방법.
.
제12항에 있어서,

상기 피크의 부분 집합은 상기 방사상 세그먼트 내에서 상기 대상의 동공에 가장 가까운 상기 피크를 포함하는 것을 특징으로 하는 눈의 홍채의 생체 인식 분석에 의해 대상을 식별하는 방법.
제12항에 있어서,

상기 피크의 부분 집합은 상기 방사상 세그먼트에서 검출된 가장 큰 피크를 포함하는 것을 특징으로 하는 눈의 홍채의 생체 인식 분석에 의해 대상을 식별하는 방법.
제10항에 있어서,

(6) 상기 대상의 템플레이트를 적어도 하나의 저장된 템플레이트에 비교하여 상기 대상의 템플레이트가 상기 적어도 하나의 저장된 탬플레이트와 일치하는지 결정하는 단계;

를 더 포함하는 것을 특징으로 하는 눈의 홍채의 생체 인식 분석에 의해 대상을 식별하는 방법.
제15항에 있어서,

상기 단계 (6)은, 상기 대상의 동공에 더 가까운 피크에 대응하는 비트가 상기 대상의 동공으로부터 더 멀리 있는 비트보다 더 많이 가중치가 붙도록 인코딩된 데이터 집합 각각에 가중치를 부여하는 단계를 포함하는 것을 특징으로 하는 눈의 홍채의 생체 인식 분석에 의해 대상을 식별하는 방법.
제10항에 있어서,

상기 단계 (6)는,

상기 방사상 세그먼트에서 상기 피크의 순서를 결정하는 단계;

상기 순서에서 이전 피크보다 더 큰 크기를 갖는 피크 각각에 제1 값을 할당하는 단계;

상기 순서에서 이전 피크보다 더 작은 크기를 갖는 피크 각각에 제2 값을 할당하는 단계; 및

상기 순서에 따라 상기 데이터 집합에서 상기 값들을 배치하는 단계;

를 포함하는 것을 특징으로 하는 눈의 홍채의 생체 인식 분석에 의해 대상을 식별하는 방법.
제17항에 있어서,

상기 기준값은 상기 동공-홍채 경계에서의 색상 강도에 대응하는 상기 프크 중 하나의 값이며,

상기 피크는 상기 대상의 동공으로부터의 거리에 따라 정렬되는 것을 특징으로 하는 눈의 홍채의 생체 인식 분석에 의해 대상을 식별하는 방법.
제10항에 있어서,

상기 인코딩하는 단계는

2비트 시컨스로 상기 데이터 집합에서 각 피크를 인코딩하는 단계를 포함하며,

첫 번째 2비트 시컨스는 높은 크기를 갖는 피크를 나타내며,

두 번째 2비트 시컨스는 낮은 크기를 갖는 피크를 나타내며.

세 번째 2비트 시컨스는 모두 중간 크기를 갖는 피크를 나타내는 것을 특징으로 하는 눈의 홍채의 생체 인식 분석에 의해 대상을 식별하는 방법.
제19항에 있어서,

상기 인코딩하는 단계는 1비트의 허용 오차를 갖고 수행되는 것을 특징으로 하는 눈의 홍채의 생체 인식 분석에 의해 대상을 식별하는 방법.
제1항에 있어서,

상기 단계 (1)은

상기 이미지 상에 텍스쳐 강화를 수행하여 상기 이미지를 전처리하는 단계, 및 상기 홍채를 불분명하게 하는 상기 이미지의 부분을 제외하는 단계를 포함하는 것을 특징으로 하는 눈의 홍채의 생체 인식 분석에 의해 대상을 식별하는 방법.
대상의 홍채에 대한 이미지를 획득하는 제1 컴퓨터 실행 가능 명령어;

상기 홍채에 대한 이미지를 복수의 방사상 세그먼트로 방사상으로 세그먼트 화하는 제2 컴퓨터 실행 명령어;

상기 세그먼트 내에서 기설정된 1차원적인 특징에 대한 데이터를 상기 이미지 내에서의 상기 특징에 대한 기준값에 상대적으로 결정하는 제3 컴퓨터 실행 명령어; 및

상기 방사상 세그먼트 각각에 대하여 상기 데이터의 집합을 포함하는 상기 대상에 대한 템플레이트를 구축하고 저장하는 제4 컴퓨터 실행 명령어;

를 포함하는 눈의 홍채의 생체 인식 분석에 의해 대상을 식별하기 위하여 컴퓨터 판독 가능한 매체에 기록된 컴퓨터 프로그램 제품.
제22항에 있어서,

상기 제2 컴퓨터 실행 명령어는,

상기 대상의 동공의 중심을 결정하는 명령어;

상기 이미지에서 동공-홍채 경계를 결정하는 명령어; 및

상기 홍채를 동일한 각도 크기를 갖는 복수의 방사상 세그먼트로 방사상으로 세그먼트화하는 명령어;

를 포함하는 것을 특징으로 하는 눈의 홍채의 생체 인식 분석에 의해 대상을 식별하기 위하여 컴퓨터 판독 가능한 매체에 기록된 컴퓨터 프로그램 제품.
제23항에 있어서,

상기 특징은 색상 강도의 피크이며, 상기 데이터는 상기 동공-홍채 경계의 기설정된 거리 내에서 상기 동공-홍채 거리로부터 가장 멀리 있는 상기 피크 중 하나의 상기 동공-홍채 경계로부터의 거리를 포함하는 것을 특징으로 하는 눈의 홍채의 생체 인식 분석에 의해 대상을 식별하기 위하여 컴퓨터 판독 가능한 매체에 기록된 컴퓨터 프로그램 제품.
제23항에 있어서,

상기 1차원적인 데이터는 상기 방사상 세그먼트에서의 상기 피크 중 가장 큰 하나의 상기 동공-홍채 경계로부터의 거리를 포함하는 것을 특징으로 하는 눈의 홍채의 생체 인식 분석에 의해 대상을 식별하기 위하여 컴퓨터 판독 가능한 매체에 기록된 컴퓨터 프로그램 제품.
제23항에 있어서,

상기 특징은 색상 강도의 피크이며, 상기 1차원적 데이터는 상기 동공의 상기 중심으로부터 방사상으로 외부로 향하는 방향을 따라서 상기 피크의 상대적 크기와 상대적 위치를 포함하는 것을 특징으로 하는 눈의 홍채의 생체 인식 분석에 의해 대상을 식별하기 위하여 컴퓨터 판독 가능한 매체에 기록된 컴퓨터 프로그램 제품.
제26항에 있어서,

상기 상대적 크기는 상기 방사상 세그먼트 각각의 폭에 대하여 보간된 데이 터에 의해 결정되는 것을 특징으로 하는 눈의 홍채의 생체 인식 분석에 의해 대상을 식별하기 위하여 컴퓨터 판독 가능한 매체에 기록된 컴퓨터 프로그램 제품.
제26항에 있어서,

상기 크기는 상기 방사상 세그먼트 각각의 폭에 대하여 평균된 데이터에 의해 결정되는 것을 특징으로 하는 눈의 홍채의 생체 인식 분석에 의해 대상을 식별하기 위하여 컴퓨터 판독 가능한 매체에 기록된 컴퓨터 프로그램 제품.
제26항에 있어서,

상기 기준값은 상기 동공-홍채 경계에서의 색상 강도에 대응하는 상기 피크 중 하나의 값인 것을 특징으로 하는 눈의 홍채의 생체 인식 분석에 의해 대상을 식별하기 위하여 컴퓨터 판독 가능한 매체에 기록된 컴퓨터 프로그램 제품.
제29항에 있어서,

상기 제3 컴퓨터 실행 명령어는 상기 검출된 피크 및 골짜기로부터 분해 곡선을 제거하는 명령어를 포함하는 것을 특징으로 하는 눈의 홍채의 생체 인식 분석에 의해 대상을 식별하기 위하여 컴퓨터 판독 가능한 매체에 기록된 컴퓨터 프로그램 제품.
제30항에 있어서,

상기 데이터를 데이터 집합으로 인코딩하는 제5 컴퓨터 명령어를 더 포함하는 것을 특징으로 하는 눈의 홍채의 생체 인식 분석에 의해 대상을 식별하기 위하여 컴퓨터 판독 가능한 매체에 기록된 컴퓨터 프로그램 제품.
제31항에 있어서,

상기 제5 컴퓨터 명령어에서,

기설정된 제1 개수의 비트가 상기 방사상 세그먼트에서의 각 피크에 대한 데이터를 나타내는데 이용되며, 상기 데이터 집합 각각은 상기 데이터 집합에서 인코딩될 수 있는 기설정된 개수의 피크에 대응하는 기설정된 제2 개수의 비트를 포함하며,

상기 방사상 세그먼트에서의 피크의 개수가 인코딩될 수 있는 상기 기설정된 개수의 피크 보다 더 적은 경우, 상기 데이터 집합을 알려지지 않은 피크를 나타내는 비트로 채우며,

상기 방사상 세그먼트에서의 피크의 개수가 인코딩될 수 있는 상기 기설정된 개수의 피크 보다 더 큰 경우, 상기 방사상 세그먼트에서 상기 피크의 부분 집합을 인코딩하는,

눈의 홍채의 생체 인식 분석에 의해 대상을 식별하기 위하여 컴퓨터 판독 가능한 매체에 기록된 컴퓨터 프로그램 제품.
제32항에 있어서,

상기 피크의 부분 집합은 상기 방사상 세그먼트 내에서 상기 대상의 동공에 가장 가까운 상기 피크를 포함하는 것을 특징으로 하는 눈의 홍채의 생체 인식 분석에 의해 대상을 식별하기 위하여 컴퓨터 판독 가능한 매체에 기록된 컴퓨터 프로그램 제품.
제32항에 있어서,

상기 피크의 부분 집합은 상기 방사상 세그먼트에서 검출된 가장 큰 피크를 포함하는 것을 특징으로 하는 눈의 홍채의 생체 인식 분석에 의해 대상을 식별하기 위하여 컴퓨터 판독 가능한 매체에 기록된 컴퓨터 프로그램 제품.
제32항에 있어서,

상기 대상의 템플레이트를 적어도 하나의 저장된 템플레이트에 비교하여 상기 대상의 템플레이트가 상기 적어도 하나의 저장된 탬플레이트와 일치하는지 결정하는 제6 컴퓨터 실행 명령어;

를 더 포함하는 것을 특징으로 하는 눈의 홍채의 생체 인식 분석에 의해 대상을 식별하기 위하여 컴퓨터 판독 가능한 매체에 기록된 컴퓨터 프로그램 제품.
제35항에 있어서,

상기 제6 컴퓨터 실행 명령어는, 상기 대상의 동공에 더 가까운 피크에 대응하는 비트가 상기 대상의 동공으로부터 더 멀리 있는 비트보다 더 많이 가중치가 붙도록 인코딩된 데이터 집합 각각에 가중치를 부여하는 명령어 포함하는 것을 특징으로 하는 눈의 홍채의 생체 인식 분석에 의해 대상을 식별하기 위하여 컴퓨터 판독 가능한 매체에 기록된 컴퓨터 프로그램 제품.
제32항에 있어서,

상기 제6 컴퓨터 실행 명령어는,

상기 방사상 세그먼트에서 상기 피크의 순서를 결정하는 명령어;

상기 순서에서 이전 피크보다 더 큰 크기를 갖는 피크 각각에 제1 값을 할당하는 명령어;

상기 순서에서 이전 피크보다 더 작은 크기를 갖는 피크 각각에 제2 값을 할당하는 명령어; 및

상기 순서에 따라 상기 데이터 집합에서 상기 값들을 배치하는 명령어;

를 포함하는 것을 특징으로 하는 눈의 홍채의 생체 인식 분석에 의해 대상을 식별하기 위하여 컴퓨터 판독 가능한 매체에 기록된 컴퓨터 프로그램 제품.
제37항에 있어서,

상기 기준값은 상기 동공-홍채 경계에서의 색상 강도에 대응하는 상기 프크 중 하나의 값이며,

상기 피크는 상기 대상의 동공으로부터의 거리에 따라 정렬되는 것을 특징으로 하는 눈의 홍채의 생체 인식 분석에 의해 대상을 식별하기 위하여 컴퓨터 판독 가능한 매체에 기록된 컴퓨터 프로그램 제품.