KR20090035611A

KR20090035611A - 공간 스펙트럼 지문 스푸프 검출

Info

Publication number: KR20090035611A
Application number: KR1020097004014A
Authority: KR
Inventors: 데이비드 피. 시드라우스카스; 크리스틴 에이. 닉손; 로버트 케이. 로우에
Original assignee: 루미다임 인크.
Priority date: 2006-07-31
Filing date: 2007-07-30
Publication date: 2009-04-09
Also published as: KR101451376B1; JP2009545822A; EP2047622A4; EP2047622A2; CN103902974A; EP2047622B1; WO2008108871A3; WO2008108871A2; IL196255A0

Abstract

생체측정 스푸프들(spoofs)을 식별하는데 사용하기 위해 판별 피쳐 세트를 획득하는 방법 및 장치가 제공된다. 진피(true skin) 지점들이 상이한 광학 조건들 하에서 조명되고, 각각의 진피 지점들로부터 반사되는 광이 수신된다. 진피 지점들을 특성화하기 위해 진피 피쳐 값들이 획득된다. 유사하게, 생체측정 스푸프들이 상이한 광학 조건들 하에서 조명되고, 스푸프들로부터 반사되는 광이 수신된다. 생체측정 스푸프들을 특성화하기 위해 스푸프 피쳐 값들이 획득된다. 판별 피쳐 세트를 규정하도록 피쳐들의 서브세트를 선택하기 위해, 획득된 진피 피쳐 값들은 획득된 스푸프 피쳐 값들과 비교된다.

Description

공간 스펙트럼 지문 스푸프 검출{SPATIAL-SPECTRAL FINGERPRINT SPOOF DETECTION}

본 출원은 일반적으로 생체측정(biometrics)에 관한 것이다. 보다 구체적으로는, 본 출원은 지문 스푸프(spoof) 검출에 관한 것이다.

"생체측정"이란 일반적으로 살아있는 몸체의 특성들의 통계적 분석을 지칭한다. 생체측정의 하나의 카테고리는 사람의 자동 인식을 제공하거나 사람의 의도된 신원을 검증하기 위한 2개의 모드들 중 하나로 동작하는 "생체 인식(biometric identification)"을 포함한다. 생체 감지 기술들은 사람의 행동 특성들 또는 물리적 피쳐들(features)을 측정하고 그러한 특성들을 미리 기록된 유사한 측정치들과 비교하여 매칭되는지 여부를 결정한다. 생체 인식을 위해 통상적으로 사용되는 물리적 피쳐들은 얼굴, 홍채, 손 형태, 혈관 구조, 및 지문을 포함한다. 이들 중 지문은 모든 생체 인식 피쳐들 중 가장 널리 사용된다. 현재, 수집된 지문들을 분석하기 위한 방법들은 광학, 용량성, 무선 주파수, 열, 초음속, 및 몇가지 다른 보편적이지 않은 기술들을 포함한다.

생체측정 센서들(biometric sensors), 특히 지문 생체측정 센서들은 일반적으로 다양한 형태의 스푸프 샘플들에 의해 파기되기 쉽다. 지문 판독기들의 경우, 페이퍼, 젤라틴, 에폭시, 라텍스 등과 같은 몇가지 종류의 무생물 재료에 포함된 인증된 사용자의 지문 패턴을 판독기들에 제공하기 위한 다양한 방법들이 종래기술에 공지되어 있다. 따라서, 매칭되는 지문 패턴의 존재 또는 부재를 용이하게 결정하기 위해 지문 판독기가 고려될 수 있지만, 진품, 살아있는 손가락으로부터 매칭 패턴이 획득되는 것을 보장하기 위해 전체 시스템 보안이 중요하고, 이는 많은 통상적인 센서들에서 탐지하기가 어려울 수 있다.

따라서, 일반적으로 지문들의 스푸프 표시와 적법한 표시를 구별할 수 있는 방법들 및 시스템들이 종래기술에 필요하다.

본 발명의 실시예들은 생체측정 애플리케이션들에 표시되는 진피(genuine skin) 지점들을 스푸프들과 구별하는데 사용될 수 있는 방법들 및 시스템들을 제공한다. 제 1 세트의 실시예들에서, 생체측정 스푸프들(biometric spoofs)을 식별하는데 사용하기 위한 판별 피쳐 세트(discrimination feature set)를 획득하는 방법들이 제공된다. 다수의 진피 지점들은 각각 다수의 상이한 광학 조건들 하에서 방사된다(illuminated). 각각의 진피 지점들로부터 반사되는 제 1 광이 수신된다. 진피 피쳐 값들은 진피 지점들을 특성화하기 위해 수신된 제 1 광으로부터 다수의 피쳐들 각각에 대해 획득된다. 다수의 생체측정 스푸프들 각각은 다수의 상이한 광학 조건들 하에서 유사하게 방사된다. 각각의 생체측정 스푸프들로부터 반사되는 제 2 광이 수신된다. 스푸프 피쳐 값들은 생체측정 스푸프들을 특성화하기 위해 수신된 제 2 광으로부터 다수의 피쳐들 각각에 대해 획득된다. 획득된 진피 피쳐 값들은 판별 피쳐 세트를 규정하도록 피쳐들의 서브세트를 선택하기 위해 상기 획득된 스푸프 피쳐 값들과 비교된다.

스푸프 이미지로부터 진피 이미지를 고유하게 구별시키는 스펙트럼 및 공간 주파수 피쳐들 또는 이러한 피쳐들의 조합들은 피쳐들의 시각적 비교에 의해 용이하게 식별되거나 명확하지 않을 수 있기 때문에, 몇몇 실시예들은 진피 피쳐들에만 있는(unique) 공간 및 스펙트럼 피쳐들과, 스푸프 피쳐들에만 있는 공간 및 스펙트럼 주파수(spectral frequency) 피쳐들을 식별하기 위한 장치를 먼저 트레이닝하기 위해 판별식-분석(discriminant-analysis) 기술들을 따른다. 시도되는 스푸프 검출시에 그러한 피쳐들과 새로운 스펙트럼 및 공간 주파수 데이터에 대한 비교가 이루어진다. 포함될 수 있는 판별식-분석 방법들은 개인으로부터 획득된 스펙트럼 및 공간 주파수 데이터를 데이터베이스에 존재하는 공간 및 스펙트럼 주파수 데이터와 비교하기 위해, Mahalanobis 거리들, 스펙트럼 오차 크기들(residual magnitudes), K-최근접-인접 방법들, 또는 선형 또는 비선형 판별식 기술들을 기반으로 하는 판별식-분석 방법들을 포함한다.

몇몇 실시예들에서, 진피 피쳐 값들은 각각의 진피 지점들에 대해 수신된 제 1 광으로부터 다수의 진피 이미지들을 추출함으로써 획득되고, 스푸프 피쳐 값들은 각각의 생체측정 스푸프들에 대해 수신된 제 2 광으로부터 다수의 스푸프 이미지들을 추출함으로써 획득된다. 각각의 이러한 진피 이미지들 및 각각의 이러한 스푸프 이미지들은 다수의 상이한 광학 조건들 중 하나에 따른 이미지에 대응된다. 진피 피쳐 값들의 획득은 진피 이미지들을 다수의 상이한 스펙트럼 주파수 성분들로 분해(decomposition)하는 것을 추가로 포함할 수 있으며, 스푸프 피쳐 값들은 각각의 스푸프 이미지들을 다수의 상이한 스펙트럼 주파수 성분들로 분해함으로써 추가로 획득된다.

각각의 진피 이미지들 및 스푸프 이미지들의 공간 주파수 성분들로의 분해는 종종 웨이브릿(wavelet) 분해를 수행하는 것을 포함할 수 있다. 또한, 몇몇 실시예들에서, 진피 이미지들에 대한 제 1 상이한 공간 주파수 성분들 대 진피 이미지들에 대한 제 2 상이한 공간 주파수 성분들의 비율이 계산될 수 있다. 유사하게, 스푸프 이미지들에 대한 제 1 상이한 공간 주파수 성분들 대 스푸프 이미지들에 대한 제 2 상이한 공간 주파수 성분들의 비율이 계산될 수 있다.

특정 실시예들에서, 세기 분포는 진피 이미지들 및 스푸프 이미지들에 대한 각각의 상이한 공간 주파수 성분들에 대해 계산된다. 그러한 경우들에서, 피쳐들 중 적어도 하나는 조도 세기(illumination intensity)에 대해 실질적으로 불변할 수 있다. 그러한 조도-세기 불변 피쳐의 일 예는 세기 분포의 미리 결정된 제 1 퍼센티지 대 세기 분포의 미리 결정된 제 2 퍼센티지의 세기의 비율이다. 다른 경우들에서, 피쳐들 중 적어도 하나는 조도 세기에 따라 가변될 수 있다. 그러한 조도 세기 가변 피쳐의 일 예는 미리 결정된 제 1 퍼센티지의 세기와 제 2 퍼센티지의 세기 사이의 차이이다.

획득된 진피 피쳐 값들을 획득된 스푸프 피쳐 값들과 비교하기 위한 많은 상이한 기술들이 상이한 실시예들에 사용될 수 있다. 예를 들어, 일 실시예에서, 진피 지점들 및 생체측정 스푸프들은 별도의 클래스들을 규정한다. 비교는 피쳐들로부터 획득된 양에 대한 클래스내 편차(within-class variance) 대 클래스간 편차(between-class variance)의 비율들을 계산하는 것을 포함한다. 일 예로서, 피쳐들로부터 획득된 양은 피쳐들의 Fisher 선형 판별식 변환을 포함한다.

피쳐들의 서브세트의 선택은 상이한 실시예들의 다양한 상이한 기술들에 의해 수행될 수도 있다. 그러한 기술들의 예들은 유전자 알고리즘과 같은 학습 알고리즘들 및 다른 알고리즘들을 포함한다.

제 2 세트의 실시예들에서, 의도된 피부 지점 상에서 생체측정 기능을 수행하는 방법들이 제공된다. 의도된 피부 지점은 다수의 상이한 광학 조건들 하에서 방사된다. 의도된 피부 지점으로부터 분산된 광이 수신된다. 다수의 피쳐들 각각에 대한 피쳐 값이 수신된 광으로부터 획득된다. 다수의 피쳐들 각각에 대한 획득된 피쳐 값과 참조 피쳐 값들의 비교가 수행된다. 따라서, 비교에 의해 의도된 피부 지점이 진피 지점인지 여부가 결정된다.

판별 피쳐 세트를 획득하는데 사용되는 것들과 유사한 특정 기술들은 피쳐 값을 획득하는데에도 적용될 수 있다. 예를 들어, 다수의 이미지들은 수신된 광으로부터 추출될 수 있고, 각각의 이미지들은 다수의 상이한 광학 조건들 중 하나에 따른 이미지에 대응된다. 다수의 이미지들은 각각 다수의 상이한 공간 주파수 성분들로 분해될 수 있다. 예를 들어, 분해는 웨이브릿 분해를 수행함으로써 달성될 수 있다. 일 실시예에서, 제 1 상이한 공간 주파수 성분들 대 제 2 상이한 공간 주파수 성분들의 비율 또한 계산된다. 세기 분포는 각각의 상이한 공간 주파수 성분들에 대해 계산될 수 있다. 몇몇 경우들에서, 예를 들어 미리 결정된 제 1 퍼센티지의 세기 분포의 세기 대 미리 결정된 제 2 퍼센티지의 세기 분포의 세기의 비율을 포함하는 피쳐와 같은, 피쳐들 중 적어도 하나는 조도 세기에 대해 실질적으로 불변하다. 다른 경우들에서, 미리 결정된 제 1 퍼센티지의 세기 분포의 세기와 미리 결정된 제 2 퍼센티지의 세기 분포의 세기 사이의 차이를 포함하는 피쳐와 같은, 피쳐들 중 적어도 하나는 조도 세기에 따라 가변된다.

다른 실시예에서, 의도된 피부 지점은 다수의 상이한 광학 조건들 하에서 방사된다. 의도된 피부 지점으로부터 반사되는 광이 수신된다. 수신된 광은 의도된 피부 지점이 진피인지 스푸프인지를 결정하기 위해 사용될 뿐만 아니라 생체 인식을 수행하기 위해 사용된다.

의도된 피부 지점이 진피 지점이 아니라고 결정되는 경우들에서, 의도된 피부 지점을 스푸프로서 식별하도록 경보가 발생(issue)될 수 있다. 몇몇 실시예들에서, 수신된 광으로부터 생체 인식도 수행된다.

또한, 본 발명의 방법들은 다양한 타입의 장치에 포함될 수 있다. 예를 들어, 컴퓨팅 장치의 동작을 지시하기 위한 컴퓨터-판독가능한 프로그램을 구비한 컴퓨터-판독가능한 저장 매체가 제공될 수 있다. 컴퓨팅 장치는 저장 장치와 통신하는 프로세서를 포함한다. 컴퓨터-판독가능한 프로그램은 전술한 임의의 방법들을 구현하기 위한 명령어들을 갖는다.

다른 경우들에서, 생체측정 센서가 제공될 수 있다. 생체측정 센서는 조명 서브시스템, 검출 서브시스템, 및 제어기를 구비한다. 조명 서브시스템은 개인의 의도된 피부 지점에 방사하도록 배치된다. 검출 서브시스템은 의도된 피부 지점으로부터 분산된 광을 수용하도록 배치된다. 제어기는 조명 서브시스템 및 검출 서브시스템과 통신하고, 전술한 임의의 방법들을 구현하기 위한 명령어들을 갖는다.

본 발명의 특성 및 장점들의 추가적인 이해는 명세서의 나머지 부분들 및 도면들을 참조하여 달성될 수 있으며, 도면들에서 유사한 참조 라벨들이 유사한 구성요소들을 지칭하기 위해 몇몇 도면들에 걸쳐서 사용된다. 몇몇 예들에서, 참조 라벨들은 수치 부분에 후속되는 라틴어 첨자를 포함하고, 참조 라벨들의 수치 부분만을 참조하는 것은 그러한 수치 부분 및 상이한 라틴어 첨자들을 갖는 모든 참조 라벨들을 집합적으로 지칭하는 것으로 의도된다.

도 1은 본 발명의 일 실시예의 멀티스펙트럼 생체측정 센서의 전면도를 제공한다.

도 2는 본 발명의 다양한 방법들을 구현 및/또는 도 1에 도시된 멀티스펙트럼 생체측정 센서의 기능을 관리하기 위해 사용될 수 있는 컴퓨터 시스템의 개념도를 제공한다.

도 3A 및 3B는 살아있는 손가락으로부터 및 무생물 스푸프로서 기능하는 보철(prosthetic)으로부터 측정되는 지문의 비교를 제공한다.

도 4는 지문의 스푸프 표시 및 적법한 표시를 구별하기 위해 피쳐들을 식별하기 위한 방법들을 요약하는 흐름도이다.

도 5는 도 1에 도시된 것과 같은 멀티스펙트럼 생체측정 센서에 의해 수집되는 데이터로부터 획득되는 멀티스펙트럼 데이터큐브(datacube)를 도시한다.

도 6은 이미지에 고역-통과 필터 및 저역-통과 필터를 적용함으로써 획득되는 웨이브릿 분해의 예시를 제공한다.

도 7A 및 7B는 도 5의 멀티스펙트럼 데이터큐브의 분해를 통해 획득된 지문의 고주파수 및 저주파수 이미지들의 비교를 제공한다.

도 8A 및 8B는 종래의 히스토그램 및 통합형 히스토그램 사이의 차이들을 도시한다.

도 9는 일 실시예에서 도 5의 멀티스펙트럼 데이터큐브의 분해로부터 획득되는 저주파수 이미지들에 대한 통합형 히스토그램을 제공한다.

도 10은 일 실시예에서 도 5의 멀티스펙트럼 데이터큐브의 분해로부터 획득되는 저주파수 이미지 대 고주파수 이미지의 비율에 대한 통합형 히스토그램을 제공한다.

도 11은 일 실시예에서 도 5의 멀티스펙트럼 데이터큐브의 분해로부터 획득되는 많은 상이한 피쳐들에 대한 클래스간 편차 대 클래스내 편차의 비율을 제공한다.

도 12는 일 실시예에서 도 5의 멀티스펙트럼 데이터큐브의 분해에 Fisher 선형 판별법을 적용함으로써 획득되는 다수의 상이한 피쳐들에 대한 클래스간 편차 대 클래스내 편차의 비율을 제공한다.

도 13은 지문의 적법한 표시 및 스푸프 표시를 구별하기 위해 본 발명의 실시예에 따라 획득되는 2개의 Fisher 피쳐들의 성능을 도시하는 점도표(scatter plot)이다.

도 14는 판별 피쳐들의 비교를 통해 지문의 적법한 표시와 스푸프 표시를 구별하기 위한 방법들을 요약하는 흐름도이다.

1. 도입부

본 발명의 실시예들은 지문의 적법한 표시와 스푸프 표시를 구별하기 위해 사용될 수 있는 방법들 및 시스템들을 제공한다. 본 발명에서 사용되는 것처럼, "지문"이란 용어는 손가락에 있거나 몸의 다른 부분에 있든지에 무관하게, 임의의 지형적(topographical) 피부 피쳐를 지칭하는 것으로 의도된다. 일반적으로, 본 발명의 애플리케이션들은 손가락 또는 손의 바닥 표면들(volar surfaces)상에 존재하는 지형적 피쳐들에 적용될 때 가장 유용할 것이지만, 본 발명에서 기술되는 방법들 및 시스템들은 그러한 피부 지점들로 제한되지 않으며 다른 피부 지점들에 적용될 수 있다. "지문"이 추출될 수 있는 피부 지점들의 특정 예들은 손가락, 엄지손가락, 손톱, 조상(nail bed), 손바닥, 손등, 허리와 팔뚝, 얼굴, 귀, 귀 주변 영역들의 모든 표면들과 모든 결합부들, 및 몸의 다른 모든 외부 표면들을 포함한다.

본 발명의 실시예들에 따른 지문의 적법한 표시 및 스푸프 표시를 구별하는 특성은 스푸프들과 비교될 때 살아있는 피부 지점들의 조합된 공간 및 스펙트럼 특성들에서의 차이점들을 기반으로 한다. 특히, 피부는 다층들, 화학제들의 다양한 혼합물들, 및 모낭(hair follicles), 땀샘, 모세관상(capillary bed)과 같은 상이한 구조들로 이루어진 복합 기관이다. 피부의 최외각층, 외피(epidermis)는 하부에 놓이는 진피(dermis)와 피하조직(hypodermis)에 의해 지지된다. 외피 자체는 각질층(stratum corneum), 투명층(stratum lucidum), 과립층(stratum granulosum), 가시층(stratum spinosum), 및 배아층(stratum germinativum)을 포함하는 식별되는 5개의 서브층들을 가질 수 있다. 따라서, 예를 들어, 최상부 각질층 아래의 피부는 피부 내부 깊이에 따라 변하는 몇몇 특성들 뿐만 아니라, 표면 지형과 관련된 몇몇 특성들을 갖는다. 피부로의 혈액 공급이 피부막(dermal layer)에 존재하는 동안, 진피는 "진피 유두(dermal papillae)"로서 공지된 외피로의 돌출부들을 갖고, 이들은 모세관들을 통해 표면에 근접하게 혈액이 공급되도록 한다. 손가락의 바닥 표면들에서, 이러한 모세관 구조는 표면 상의 마찰 융기들의 구조를 따른다. 몸의 다른 지점들에서, 모세관상의 구조는 정리(order)되어 있지 않을 수 있지만, 특정한 지점 및 사람의 특성은 여전히 갖는다. 또한, 피부의 상이한 층들 사이의 계면의 지형은 매우 복잡하며 피부 지점 및 사람의 특성이다.

스푸프들은 종종 매우 복잡하게 형성될 수 있지만, 이들의 피부 구조는 스펙트럼 및 공간 특성들에 있어서 훨씬 더 복잡하다. 특히, 스푸프들은 훨씬 더 간단한 스펙트럼 특성들을 갖고, 이들의 공간 텍스쳐는 스펙트럼에 따라 일정한 경향이 있다. 이는 피부 지점들에 의해 대비될 수 있고, 공간 텍스쳐와 광학 스펙트럼 간의 복합 상호작용과 조합된 복합 스펙트럼 특성들을 제공하며, 스펙트럼 감지와 더불어 공간 감지에 있어서 불균일성들이 존재한다. 이러한 차이들은 "색채 텍스쳐(chromatic texture)"의 개념에 의해 포함될 수 있는 판별법에 대한 기초를 제공한다. 이는 "이미지 텍스쳐"의 확장된 개념으로서, 일반적으로 이미지의 색조 특성들의 공간 분포의 몇몇 특성을 기술하는 임의의 많은 수의 메트릭들(metrics)을 지칭한다. 예를 들어, 지문 패턴들 또는 나뭇결에서 공통적으로 발견되는 것들과 같은 몇몇 텍스쳐들은 유동형(flowlike)이고, 배향 및 간섭성(coherence)과 같은 메트릭들에 의해 기술될 수도 있다. "색채 텍스쳐"는 부가적으로 스펙트럼 주파수의 함수인 통계적 분포로서 이러한 개념을 확장시킨다. 평균, 편차, 비대칭(skew), 및 첨도(kurtosis)와 같은 특정한 통계적 모멘트들은 텍스쳐의 정량적 디스크립션들에 사용될 수 있다. 색채 텍스쳐는 이미제에 걸친 상이한 스펙트럼 주파수들에서 픽셀 세기들의 편차들에 의해 나타낼 수 있고, 생체측정 애플리케이션들에서 스푸프들을 식별하기 위해 본 발명의 실시예들에 사용될 수 있다.

2. 데이터 수집

색채 텍스쳐 정보는 멀티스펙트럼 조건들 하에서 의도된 피부 지점의 이미지를 수집함으로써 본 발명의 실시예들에서 획득될 수 있다. 본 발명에서 사용되는 것처럼, "멀티스펙트럼(multispectral)" 데이터는 다수의 상이한 광학 조건들 하에서 단일 방사 세션 동안 수집되는 데이터를 지칭한다. 상이한 광학 조건들은 편광 조건들의 차이들, 방사 각도의 차이들, 이미징 각도의 차이들, 및 파장의 차이들을 포함할 수 있다. 멀티스펙트럼 데이터를 수집하는데 사용될 수 있는 멀티스펙트럼 생체측정 센서의 일 실시예는 도 1의 정면도에 도시된다. 본 도면에서, 멀티스펙트럼 센서(101)는 하나 이상의 광원(103)을 구비한 조명 서브시스템(121), 및 촬영장치(115)를 구비한 검출 서브시스템(123)을 포함한다.

도면은 조명 서브시스템(121)이 다수의 조명 서브시스템들(121a, 121b)을 포함하는 실시예를 도시하지만, 사용될 수 있는 조명 또는 검출 서브시스템들(121 또 는 123)의 수에는 제한이 없다. 예를 들어, 조명 서브시스템들(121)의 수는 패키징 요구조건들을 충족시키고 멀티스펙트럼 생체측정 센서(101)의 다른 구조적 제약들을 충족시키기 위해, 특정한 광 레벨들을 달성하도록 편의적으로 선택될 수 있다. 조명 광은 광원(103)으로부터 조명 광학계(105)로 통과하여 투광조명 광(flood light), 광선들, 광 포인트들 등의 형태와 같은 목표된 형태로 광을 형상화한다. 조명 광학계(105)는 편의를 위해 렌즈로 구성되는 것으로 도시되지만, 보다 일반적으로는 하나 이상의 렌즈, 하나 이상의 미러, 및/또는 다른 광학 엘리먼트들의 임의의 조합을 포함할 수 있다. 또한, 조명 광학계(105)는 1차원 또는 2차원 특정 패턴으로 조명 광을 스캔하기 위한 스캐너 메커니즘(미도시)을 포함할 수도 있다. 광원(103)은 포인트 소스, 라인 소스, 면적 소스를 포함할 수 있거나, 상이한 실시예들에서 일련의 그러한 소스들을 포함할 수 있다. 일 실시예에서, 조명 광은 예를 들어 연구되는 사람의 손가락(119) 또는 다른 피부 지점에 충돌하기 이전에 광이 통과하는 선형 편광기(107)를 배치함으로써, 편광된 광으로서 제공된다.

몇몇 예들에서, 광원(103)은 좁은 파장 대역에 대해 광이 제공되는 하나 이상의 준단색성 소스들(quasimonochromatic sources)을 포함할 수 있다. 그러한 준단색성 소스들은 발광 다이오드들, 레이저 다이오드들, 또는 양자점(quantum-dot) 레이저들과 같은 장치들을 포함할 수 있다. 대안적으로, 광원(103)은 백열 전구 또는 글로우 바(glow bar)와 같은 광대역 소스를 포함할 수 있다. 광대역 소스의 경우, 조명 광은 대역통과 필터(109)를 통과하여 조명 광의 스펙트럼 폭을 좁힐 수 있다. 일 실시예에서, 대역통과 필터(109)는 하나 이상의 개별적인 광 대역통과 필터를 포함한다. 다른 실시예에서, 대역통과 필터(109)는 조명 광의 파장을 변경하기 위해 회전 또는 선형적으로(또는 회전 및 선형 운동의 조합으로) 이동하는 연속적인 가변 필터를 포함한다. 또 다른 실시예에서, 대역통과 필터(109)는 액정 조정가능(tunable) 필터, 음향-광학 조정가능 필터, 조정가능한 패브리-페롯(Fabry-Perot) 필터 또는 종래기술에서 인지가능한 공지된 다른 필터 메커니즘과 같은 조정가능 필터 엘리먼트를 포함한다.

광원(103)으로부터의 광이 조명 광학계(105)를 통과하고, 선택적으로 광학 필터(109) 및/또는 편광기(107)를 통과한 이후, 플래튼(platen)(117)을 통과하여 손가락(119) 또는 다른 피부 지점을 방사한다. 센서 레이아웃 및 컴포넌트들은 바람직하게는 검출 광학계(113)로의 광의 정반사성(specular) 반사를 최소화하도록 선택될 수 있다. 일 실시예에서, 그러한 정반사성 반사들은 검출되는 직접 반사광의 양이 최소화되도록 조명 서브시스템(121) 및 검출 서브시스템(123)을 상대적으로 배향(orienting)함으로써 감소된다. 예를 들어, 검출 서브시스템(123) 및 조명 서브시스템(121)의 광학 축들은 플래튼(117)상에 배치된 미러가 인식가능한 조명 광의 양을 검출 서브시스템(123)내로 반사시키지 않도록 하는 각도들에 배치될 수 있다. 또한, 조명 및 검출 서브시스템들(121, 123)의 광학 축들은 두 서브시스템들의 허용 각도가 시스템의 임계 각도 미만이 되도록, 플래튼(117)에 대한 각도들에 배치될 수 있으며, 그러한 구성은 플래튼(117)과 피부 지점(119) 사이의 내부 전반사율로 인한 인식가능한 영향들을 방지한다.

정반사성 반사 광을 감소시키기 위한 대안적인 메커니즘은 광학 편광기들을 사용하는 것이다. 선형 및 원형 편광기들은 종래기술의 당업자에게 공지된 것처럼, 바람직하게는 특정 피부 깊이들에 보다 감응하는 광학 측정을 수행하기 위해 사용될 수 있다. 도 1에 도시된 실시예에서, 조명 광은 선형 편광기(107)에 의해 편광된다. 그 다음, 검출 서브시스템(123)은 조명 편광기(107)에 실질적으로 직교하는 광학 축으로 배열되는 선형 편광기(111)를 포함할 수도 있다. 이러한 방식으로, 샘플로부터의 광은 그 편광 상태를 현저하게 변경시키기 위해 다중 분산 이벤트들(scatter events)을 받아야 한다. 그러한 이벤트들은 광이 피부의 표면을 관통할 때 발생하고, 많은 분산 이벤트들 이후에 검출 서브시스템(123)으로 다시 분산되며, 이러한 광만이 검출 시스템으로의 방향을 갖고, 임의의 정반사성 반사로부터 직교하게 편광된 광은 검출 서브시스템 편광기(111)에 의해 거부된다.

검출 서브시스템(123)은 검출기(115) 위의 플래튼 표면(117) 근처의 영역의 이미지를 형성하는, 렌즈들, 미러들, 및/도는 다른 광학 엘리먼트들을 포함하는 검출 광학계를 포함할 수 있다. 또한, 검출 광학계(113)는 검출기(115) 위의 플래튼 영역의 부분들을 일렬로 릴레이하기 위한 스캐닝 메커니즘(미도시)을 포함할 수 있다. 모든 경우들에서, 검출 서브시스템(123)은 피부의 표면을 관통하여, 피부 내부 및/또는 피부에 존재하기 이전의 하부 조직내의 광학 분산을 받는 광에 감응하도록 구성된다.

조명 서브시스템(121) 및 검출 서브시스템(123)은 다양한 광학 영역들 및 다양한 파장들에서 동작하도록 구성될 수 있다. 일 실시예는 400 내지 1000nm의 영 역에서 실질적으로 광을 방출하는 광원들(103)을 사용하고; 이 경우, 검출기(115)는 실리콘 검출기 엘리먼트들 또는 그러한 파장들의 광에 감응하는 통상의 당업자에게 공지된 다른 검출기 재료를 기반으로 할 수 있다. 다른 실시예에서, 광원들(103)은 1.0 내지 2.5㎛의 근접-적외선 영역을 포함하는 파장들에서 광을 방출할 수 있으며, 이 경우 검출기(115)는 InGaAs, InSb, PbS, MCT, 및 그러한 파장들의 광에 감응하는 통상의 당업자에게 공지된 다른 재료들로 제조된 엘리먼트들을 포함할 수 있다.

도 1에 도시된 장치의 구조는 단지 예시적인 것이며, 멀티스펙트럼 데이터를 수집하기 위해 다양한 다른 구조들이 다른 실시예들에서 사용될 수 있다. 사용될 수 있는 대안적인 구조들의 몇몇 예들은 이하의 동시계류중인 공동 양도된 애플리케이션들에 기재되어 있으며, 그 각각의 전체 개시내용은 모든 목적들을 위해 참조로 본 발명에 포함된다: "HYPERSPECTRAL FINGERPRINT READER"란 명칭으로 2003년 6월 27일자로 제출된 미국 가특허출원번호 제60/483,281호; "HYPERSPECTRAL FINGERPRINTING"란 명칭으로 2003년 9월 18일자로 제출된 미국 가특허출원번호 제60/504,594호; "OPTICAL SKIN SENSOR FOR BIOMETRICS"란 명칭으로 2004년 3월 10일자로 제출된 미국 가특허출원번호 제60/552,662호; "MULTISPECTRAL FINGER RECOGNITION"란 명칭으로 2004년 6월 1일자로 제출된 Robert K. Rowe의 미국 가특허출원번호 제10/576,364호; "MULTISPECTRAL IMAGING BIOMETRIC"란 명칭으로 2004년 8월 11일자로 제출된 60/600,867; "FIGERPRINT SPOOF DETECTION USING MULTISPECTRAL IMAGING"란 명칭으로 2004년 9월 17일자로 제출된 미국 가특허출원 번호 제60/610,802호; "SYSTEMS AND METHODS FOR MULTISPECTRAL FINGERPRINT SENSING"란 명칭으로 2005년 2월 18일자로 제출된 미국 가특허출원번호 제60/654,354호; "MULTISPECTRAL IMAGING OF THE FINGER FOR BIOMETRICS"란 명칭으로 2005년 3월 4일자로 제출된 미국 가특허출원번호 제60/659,024호; "MULTISPECTRAL BIOMETRIC SENSORS"란 명칭으로 2005년 4월 27일자로 제출된 미국 가특허출원번호 제60/675,776호; "MULTISPECTRAL BIOMETRIC SENSOR"란 명칭으로 2004년 4월 5일자로 제출된 Robert K. Rowe 외의 미국 특허출원번호 제10/818,698호; "MULTISPECTRAL BIOMETRIC SENSOR"란 명칭으로 2006년 5월 18일자로 제출된 Robert K. Rowe 외의 미국출원번호 제11/437,388호; "BIOMETRIC SENSOR"란 명칭으로 2006년 5월 17일자로 제출된 Robert K. Rowe 외의 미국출원번호 제11/383,901호; "LIVENESS SENSOR"란 명칭으로 2005년 7월 8일자로 제출된 Robert K. Rowe 외의 미국특허출원번호 제11/177,817호; "MULTISPECTRAL IMAGING BIOMETRICS"란 명칭으로 2005년 4월 25일자로 제출된 미국특허출원번호 제11/115,100호; "MULTISPECTRAL BIOMETRIC IMAGING"란 명칭으로 2005년 4월 25일자로 제출된 미국특허출원번호 제11/115,101호; "MULTISPECTRAL LIVENESS DETERMINATION"란 명칭으로 2005년 4월 25일자로 제출된 미국특허출원번호 제11/115,075호; "COMBINED TOTAL-INTERNAL-REFLECTANCE AND TISSUE IMAGING SYSTEMS AND METHODS"란 명칭으로 2004년 12월 17일자로 제출된 Robert K. Rowe의 미국특허출원번호 제11/015,732호; "MULTISPECTRAL BIOMETRIC SENSORS"란 명칭으로 2006년 4월 24일자로 제출된 Robert K. Rowe의 미국특허출원번호 제11/379,945호; 및 "COMPARATIVE TEXTURE ANALYSIS OF TISSUE FOR BIOMETRIC SPOOF DETECTION"란 명칭으로 2005년 9월 1일자로 제출된 Robert K. Rowe의 미국특허출원번호 제11/219,006호.

더욱이, 도 1에 도시되거나 다른 애플리케이션들에서 기술되는 바와 같은 멀티스펙트럼 생체측정 센서는 다른 타입의 생체측정 센서들과 조합하여 본 발명의 실시예들에 사용될 수 있다. 예를 들어, 구성은 스푸프 검출을 보조하도록 멀티스펙트럼 데이터를 수집하는 동시에 데이터베이스와의 비교를 위해 의도된 피부 지점의 지문 패턴을 규정하는 정보를 수집하기 위해, 열, 초음속, 무선 주파수, 또는 다른 메커니즘을 사용할 수 있다. 다른 실시예들에서, 멀티스펙트럼 생체측정 센서는 생체 인식 및 스푸프 검출에 사용되는 멀티스펙트럼 데이터의 세트를 수집하기 위해 사용되는 것이 바람직하다.

멀티스펙트럼 센서의 동작은 도 2에 개념적으로 도시된 것과 같은 컴퓨팅 시스템에 의해 조정될 수 있다. 도면은 개별적인 시스템 엘리먼트들이 개별적으로 또는 보다 통합적인 방식으로 구현되는 방법을 폭넓게 도시한다. 도시된 컴퓨팅 장치(200)는 버스(226)를 통해 전기적으로 결합되고 멀티스펙트럼 생체측정 센서(101)와도 결합된 하드웨어 엘리먼트들로 구성된다. 하드웨어 엘리먼트들은 프로세서(202), 입력 장치(204), 출력 장치(206), 저장 장치(208), 컴퓨터-판독가능한 저장 매체 판독기(210a), 통신 시스템(214), DSP 또는 특수용 프로세서와 같은 처리 가속 유닛(216), 및 메모리(218)를 포함한다. 컴퓨터-판독가능한 저장 매체 판독기(210a)는 컴퓨터-판독가능한 저장 매체(210b)에 추가적으로 접속되고, 그 조합은 컴퓨터 판독가능한 정보를 일시적으로 및/또는 보다 영구적으로 포함하기 위 한 원격지, 로컬, 고정 및/또는 착탈식 저장 장치들 및 저장 매체를 포괄적으로 나타낸다. 통신 시스템(214)은 유선, 무선, 모뎀, 및/또는 다른 타입의 인터페이싱 접속을 포함할 수 있으며, 외부 장치들과 데이터가 교환될 수 있도록 한다.

또한, 컴퓨팅 장치(200)는 운영 체제(224), 및 본 발명의 방법들을 구현하도록 설계된 프로그램과 같은 다른 코드(222)를 포함하는, 작동 메모리(220)내에 현재 위치되는 것으로 도시된, 소프트웨어 엘리먼트들을 포함한다. 특정 요구조건들에 따라 실질적인 변형예들이 사용될 수 있다는 점은 통상의 당업자에게 명백할 것이다. 예를 들어, 커스터마이징된 하드웨어가 사용되거나, 및/또는 하드웨어, 소프트웨어(애플릿과 같은 휴대형 소프트웨어을 포함하는), 또는 이 둘다로 특정 엘리먼트들이 구현될 수 있다. 추가적으로, 네트워크 입력/출력 장치들과 같은 다른 컴퓨팅 장치들과의 접속이 사용될 수 있다.

3. 데이터 분석

종래의 생체측정 분석들의 문제점을 방지하는데 효과적인 스푸프들에 대한 가능성은 도 3A 및 3B에 도시되며, 손가락 및 스푸프로부터 각각 획득되는 지문 이미지들을 도시한다. 도 3B의 이미지로 제공되는 스푸프는 초현실적인(ultrarealistic) 보철 손가락 끝(prosthetic fingertip)으로서, 그 구성은 발명자들에 의해 주문되었다. 보철 손가락 끝은 실제 이용가능한 손가락으로 주조되고 실제 손가락의 색상과 매칭되도록 컬러화된, 다층 실리콘 구조로 제조되었다. 지문의 미세한 세부사항을 포함하는 미세한 세부사항이 보철에 포함된다. 실제 손가락으로부터 수집된 이미지와 스푸프로부터 수집된 이미지를 분별하는 것이 어렵다 는 것은 도 3A 및 3B의 이미지들로부터 명백하다.

a. 판별 피쳐들(discrimination features)의 식별

도 4에는 스푸프들을 식별하는 판별법으로서 사용될 수 있는 피쳐들을 식별하기 위한 방법들을 요약한 흐름도가 제공된다. 일반적으로, 적절한 판별법들의 식별 이후, 판별법들에 의한 피쳐들의 적절한 비교에 의해 의도된 피부 지점들의 분석이 수행될 수 있다.

전술한 바와 같은 멀티스펙트럼 생체측정 센서를 이용하여 수행될 수 있는 방법은 멀티스펙트럼 조건들 하에서 진피 지점의 방사에 의해 블럭(404)에서 시작된다. 수집된 데이터는 많은 독립 변수들에 따라 정보의 수집을 허용하는 멀티스펙트럼 데이터세트를 규정하기 위해 고려될 수 있다. 멀티스펙트럼 데이터세트는 종종 "멀티스펙트럼 데이터큐브"로도 지칭되지만, 이러한 용어는 데이터세트에 의해 포함되는 독립 변수들의 수에 대한 임의의 특정 제한을 제안하는 것으로 의도되지 않으며; 독립 변수들의 수는 수집되는 데이터에 따른 멀티스펙트럼 조건들을 규정하는 상이한 광학 조건들을 생성하는데 사용되는 상이한 팩터들의 수에 의존하고, 상이한 실시예들간에 가변될 수 있다.

블럭(408)에 나타낸 것처럼, 상이한 광학 조건들에 대응하는 멀티스펙트럼 데이터큐브로부터 다수의 이미지 프레임들이 추출된다. 이는 도 5에 개념적으로 도시되며, 여기서 멀티스펙트럼 데이터큐브는 8개의 이미지들(504)로 구성된 이미지 세트(500)를 추출하기 위해 사용되었다. 추출되는 이미지들의 수는 상이한 실시예들에서 가변될 수 있다. 단지 예로서, 8개의 이미지들(504)은 각각 4개의 상 이한 광 파장들에 대해, 2개의 상이한 편광 조건들로서 비편광(unpolarized) 및 교차-편광(cross-polarized) 조건들에 따른 이미지들에 대응할 수 있다. 다른 예들에서, 상이한 이미지들은 상이한 조명 각도들, 상이한 이미징 각도들, 및/또는 광학 조건들의 임의의 다른 차이들에 상응할 수 있다.

블럭(412)에서 각각의 이미지 프레임들은 상이한 공간 주파수 성분들로 분해된다. 그러한 분해가 상이한 실시예들에서 달성될 수 있는 많은 상이한 방법들이 있다. 특정 실시예들에서, 웨이브릿 변환이 각각의 이미지 프레임에 적용된다. 이는 Mallet-tree 분해에 따라 도 6에 도시된 것처럼 고역-통과 및 저역-통과 필터들을 이미지 프레임들에 적용함으로써 개별 웨이브릿 변환을 사용하는 실시예들에서 수행될 수 있다. 이러한 타입의 분해에서, 초기 이미지 프레임

에 고역 통과 필터(604)가 적용되어

를 생성하고, 저역 통과 필터(608)가 적용되어

를 생성한다. 목표된다면, 연속적인 분해들이 저역 통과 필터(608)의 출력에 적용된다. 따라서, 제 2 분해 레벨이

에 적용되어

및

를 생성한다. 이는 목표된 바와 같은 많은 분해 레벨들에 대해서 반복될 수 있으며, n번째 분해 레벨은 (n+1) 신호들의 생성을 초래한다.

각각의 분해 레벨에서, 필터들은 원래의 주파수 범위의 일부분을 확장시키는 신호들을 생성한다. 도 6의 도시에서, 3개의 분해 레벨들은 4개의 신호들의 생성을 초래하고,

는 고주파수 신호를 나타내며,

는 중간-주파수 신호를 나타내고,

는 저주파수 신호를 나타내며,

는 초저주파수 신호를 나타낸 다. 그러한 주파수들에서 이용가능한 상이한 타입의 정보를 예시하기 위해 상이한 주파수 영역들의 신호들의 비교가 도 7A 및 7B에 제공되고, 도 7A는 고주파수 이미지를 제공하며, 도 7B는 저주파수 이미지를 제공한다. 도 7A 및 7B의 결과들은 동일한 원래 이미지로부터 획득되었다.

고역 통과 및 저역 통과 필터들(604, 608)의 특정한 형태는 상이한 실시예들에서 가변될 수 있다. 예를 들어, Harr 변환들이 구현되는 일 실시예에서, 고역 통과 필터(604)는 입력 이미지의 인접 픽셀들 간의 차이를 결정하도록 유효하게 작용하고, 저역 통과 필터(608)는 인접 픽셀들 간의 평균을 결정하도록 유효하게 작용한다. 개별 웨이브릿들로 구현될 수 있고 통상의 당업자에게 공지되어 있는 변환들의 다른 예들은 다른 것들 중에서 Daubechies 변환, Coiflet 변환, Symlet 변환, Meyer 변환, Morlet 변환, 및 mexican-hat 변환을 포함한다. 이러한 변환들 및 다른 변환들의 구현 또한 본 발명의 범주내에 있다.

특정 실시예들에서, 블럭(412)에서 수행되는 주파수 분해는 듀얼-트리 웨이브릿 변환에 의해 수행되며, 그 세부사항들은 Nick Kingsbury의 "Complex Wavelets for Shift Invariant Analysis and Filtering of Signals," J. Appl. Comp. Harmonic Analysis, 10, 234(2001)에 제공되고, 그 전체 개시내용은 모든 목적들을 위해 참조로 본 발명에 포함된다. 간단하게, 복합 영역으로의 웨이브릿 분석의 확장은 분석의 범위(dimensionality)를 증가시킨다. 필터들의 적용에 의해 2개의 이미지들을 출력하는 대신에, 각 분해 레벨은 그 레벨에 대한 입력 이미지와 동일한 크기의 4개의 이미지들을 생성하고, 가장 낮은 주파수 이미지가 다음 레벨에 대한 입력이 된다. 각각의 이미지는 상이한 행 및 열 필터들을 이용하여 구성되어, 출력 이미지들은 4 성분(component) 이미지들의 형태로 자체적으로 제공되며, 그 각각은 입력 이미지 크기의 1/4이다. 각각의 예에서, 4 성분 이미지들은 픽셀 쿼드들(quads)로 인코딩된다. 이러한 기술은 특히 다양한 다른 타입의 기술들과 비교하여 공간적으로 상대적으로 불변하는 바람직한 특성을 갖는다.

상이한 실시예들에서 주파수 분해를 달성하기 위해 사용될 수 있는 다른 기술들의 예들은 통상의 당업자에게 공지된 다양한 상이한 기술들 중에서, 무빙-윈도우 푸리에 변환의 사용, 및 Gabor 필터들의 적용을 포함한다.

도 4를 참조하면, 그 다음, 분해된 이미지들은 각각 세기 분포 피쳐 세트를 계산하는데 사용될 수 있다. 일반적으로, 세기 분포 피쳐 세트의 엘리먼트들은 각각의 분해된 이미지들의 몇몇 특성을 정량화한 스칼라 값들을 포함한다. 특정 실시예들에서, 이는 각각의 분해된 이미지들로부터 통합형 히스토그램들(integral histograms)의 구성을 통해 달성되며, 스칼라 값들은 통합형 히스토그램의 상이한 지점들 간의 관계들로부터 결정된다.

도 8A 및 8B는 전통적인 히스토그램들과 통합형 히스토그램 간의 차이들의 예시를 제공한다. 도 8A에 도시된 것과 같은 전통적인 히스토그램은 2개의 규정 값들 간에 편차가 나타나는 주파수를 제공하는 반면에, 도 8B에 도시된 것과 같은 통합형 히스토그램은 임의의 퍼센티지의 분포의 값을 제공한다. 분포를 특성화하는 정보는 일반적으로 한가지 형태로 나타낼 수 있지만, 본 발명에서 기술되는 애플리케이션들에 대해, 통합형 분포는 임의의 2개의 퍼센티지 값들의 비율이 모든 값들을 일정하게 곱하는 이득형(gain-like) 변수들에 대하여 실질적으로 일정한 장점을 갖는다. 그러한 이득형 변수의 일 예는 멀티스펙트럼 생체측정 시스템으 조도 세기이다. 이는 조도 세기에 실질적으로 불변하는 퍼센티지 값들의 비율들의 형태를 갖는 스칼라 피쳐-세트 변수들을 제공한다.

퍼센티지 값들의 비율들인 스칼라 피쳐들과 더불어, 퍼센티지 값들의 다른 산술 조합들이 스칼라 피쳐들로서 사용될 수 있다. 이러한 다른 산술 조합들은 몇몇 예들에서 조도 세기에 불변하지 않을 수 있지만, 그럼에도 불구하고 종종 귀중한 판별 정보를 제공할 수 있다. 단지 예로서, 각각의 분해된 이미지들에 대해 결정될 수 있는 하나의 스칼라 피쳐는 0.30 백분율의 이미지의 세기 대 0.70 백분율의 이미지의 세기의 비율이다. 결정될 수 있는 다른 스칼라 피쳐는 0.30 백분율의 이미지의 세기와 0.70 백분율의 이미지의 세기의 합이다. 이러한 예들에서 0.30 및 0.70 백분율의 사용은 순수하게 예시적인 목적들로서 사용된다. 다른 예들에서, 상이한 백분율 값들이 사용될 수 있다. 또한, 본 발명은 각각의 이미지로부터 획득되는 스칼라 피쳐들의 수에 의해 제한되지 않는다. 몇몇 예들에서, 단지 하나의 피쳐만이 각각의 이미지로부터 획득될 수 있고, 다른 실시예들에서 다수의 피쳐들을 획득할 수 있다. 더욱이, 분해로 인해 형성되는 모든 이미지로부터 스칼라 피쳐들이 획득될 필요는 없다. 몇몇 실시예들에서, 스칼라 피쳐들은 분해된 이미지들의 서브세트로부터 추출된다. 또한, 본 발명에서 논의된 예는 스칼라 피쳐들을 사용하지만, 대안적인 실시예들에서 다양한 특성(multidimensional quality)을 갖는 피쳐들을 규정하거나, 스칼라 피쳐들을 다차원 벡터로 조합할 수 있다.

도 4의 블럭들(404 내지 416)을 포함하는 방법은 다수의 피부 지점들에 대해 반복될 수 있고, 도면의 블럭(420)은 한 세트의 모든 피부 지점들이 이러한 방식으로 처리될 때까지 방법이 반복 실행됨을 나타낸다.

유사한 프로시저가 다수의 스푸프들에 적용될 수 있으며, 다양한 스푸프들은 시도될 수 있는 스푸프들의 타입들을 나타내는 다양한 특성들을 갖는 것이 바람직하다. 기본적인 동일한 방법이 피부 지점들에 적용되었던 것처럼 스푸프들에 적용된다. 블럭(424)에서, 멀티스펙트럼 조건들에 따라 특정 스푸프를 방사한다. 이러한 멀티스펙트럼 조건들은 블럭(404)에서 진피 지점들에 방사된 멀티스펙트럼 조건들과 실질적으로 동일할 수 있다. 블럭(428)에서, 상이한 광학 조건들에 대응하는 스푸프의 다수의 이미지 프레임들이 결과적인 데이터큐브로부터 추출된다. 각각의 이미지 프레임은 블럭(432)에서 상이한 주파수 성분들로 분해되고, 세기 분포 피쳐 세트는 블럭(436)에서 각각의 프레임으로부터 계산된다. 이러한 단계들은 진피 지점들에 적용된 동일한 기술들을 이용하여 수행될 수 있고, 블럭(440)에서 수행되는 검사에 의해 나타나는 다수의 상이한 스푸프들에 대해 수행될 수 있다.

피쳐 세트들이 피부 지점들과 스푸프들로부터 생성된 이후, 블럭(444)에서 판별 모델이 적용되어 피쳐 세트들로부터 판별 피쳐들을 결정한다. 상이한 실시예들에 적용될 수 있는 많은 상이한 타입의 판별 모델들이 있다. 특정 실시예들은 평균적으로 스푸프 및 진피 지점들이 상이한 세기 분포들을 갖는다는 발명자들의 인식을 이용한다. 이는 살아있는 조직을 구별하고 스펙트럼 및 공간 편차들에서 나타나는 상이한 구조적 특성들의 결과이다. 임의의 특정 피쳐에 대해, 스푸프 클 래스들과 진피 지점 클래스 사이의 편차는 클래내 편차들에 비해 작을 것으로 추정된다. 따라서, 획득된 피쳐들의 판별력의 하나의 척도는 클래스내 편차 대 클래스간 편차의 비율이다. 따라서, 특정 실시예들에서, 블럭(444)의 판별 모델을 적용할 대 이러한 비율이 바로 계산된다.

예를 들어, 특정한 진피 지점에 대해 단계들(404 내지 416)을 적용하면 많은 피쳐 값들

을 제공할 수 있고, 여기서 N은 피쳐들의 수이다. 이러한 피쳐 값들의 세트를 N차원 벡터

로서 나타내면, 진피 지점들 상의 모든 측정들에 대해 피쳐들의 세트는 벡터들

의 세트로 나타낼 수 있고, 여기서 M_t는 진피 지점들 상에 수행되는 멀티스펙트럼 측정들의 수이다. 유사하게, 스푸프들 상의 모든 측정들에 대해 피쳐들의 세트는 N차원 벡터들

로 나타낼 수 있으며, 여기서 M_s는 스푸프들 상에서 멀티스펙트럼 측정들의 수이다. 이러한 피쳐 값들의 세트에 대해, 진피 지점 피쳐 값들의 평균은,

이고,

스푸프 피쳐 값들의 평균은,

이며,

피쳐 값들의 전체 세트의 평균은,

이다.

클래스내 편차는,

이고,

클래스간 편차는,

이며,

비율의 계산은 각각의 피쳐 j에 대해 다음과 같다.

다른 실시예들에서, 획득된 원시(raw) 피쳐들을 새로운 피쳐들의 세트로 변환하기 위해 Fisher 선형 판별법이 적용될 수 있다. 이는 변환 T를 피쳐 세트들

및

에 적용하여 새로운 피쳐 세트들

를 생성한다.

변환은

로 표현될 수 있는 N×N 행렬이며, 여기서

벡터들의 세트는 클래스간 및 클래스내 분산 행렬들의 일반화된 고유벡터들(eigenvectors)로서,

이다.

원시 피쳐 값들에 대해 전술한 것과 동일한 타입의 계산이 변환된 피쳐 값들 에 의해 수행되어, 클래스내 편차 대 클래스간 편차의 비율을 계산할 수 있다. 이러한 변환은 바람직하게 그러한 비율을 극대화하며, 이에 따라 판별 모델의 판별력을 향상시킨다.

많은 예들에서, 변환된 피쳐들 또는 피쳐들의 서브세트는 진피 샘플들과 스푸프들 간의 판별을 제공하기에 충분할 것이다. 따라서, 블럭(444)의 판별 모델 적용의 일부는 충분한 판별력을 갖는 변환된 피쳐들 또는 피쳐들의 서브세트를 선택하는 것을 포함할 수 있으며, 몇몇 예들로서 그러한 피쳐들은 최상의 판별력을 제공한다. 유전 알고리즘들, 신경망, 전문가 시스템들, 시뮬레이션되는 어닐링(simulated annealing), 및 목표된 판별력을 갖도록 그러한 피쳐들을 식별할 수 있는 임의의 다양한 인공지능 기술들의 사용을 포함하는, 피쳐들의 서브세트의 선택을 위해 상이한 실시예들에 사용될 수 있는 많은 기술들이 있다. 그러한 기술들은 종종 집합적으로 "학습 알고리즘"으로 본 발명에서 지칭된다.

그러한 기술들의 적용은 일반적으로 통상의 당업자에게 공지되어 있다. 예를 들어, 유전 알고리즘은 피쳐 세트들의 집단을 생성함으로써 기능하며, 각각의 세트는 전체 이용가능한 피쳐들의 서브세트이다. 그 집단의 각 멤버의 스푸프-검출 성능이 결정된다. 최상의 수행 멤버들이 선택되고, 최상의 수행자들의 피쳐 세트들을 분할 및 조합함으로써 다음 집단이 생성된다. 이러한 프로세스는 성능 향상이 중단될 때까지 반복되며, 결과적인 집단은 목표된 피쳐 세트들을 규정한다. 그러한 방법은 생체측정 시스템들과 유사한 "유전(genetic)"으로서 기술된다. 피쳐 세트들의 분할 및 조합은 세포들의 생물학적 재생(biological reproduction)과 유사하고, 최상 수행 멤버들의 선택은 재생 프로세스에서 생물학적 선택과 유사하다.

예

도 4의 방법이 발명자들에 의해 적용되어 스푸프들과 진피 지점들 간의 양호한 판별을 제공하기 위해 방법의 성능을 평가하였다. 본 예에서, 스푸프들 및 진피 지점들은 멀티스펙트럼 조건들 하에서 방사되고, 이미지들은 4개의 상이한 파장들, 및 2개의 편광 조건들로서 교차-편광 구성 및 비편광 구성에서 획득된다. 따라서, 각각의 피부 지점과 각각의 스푸프에 대해 8개의 이미지들이 획득된다. 이러한 8개의 이미지들은 각각 전술한 바와 같은 듀얼-트리 복합 웨이브릿 변환을 이용하여 3개의 서브이미지들로 분해되고, 3개의 이미지들은 고주파수, 중간주파수 및 저주파수 성분들에 대응한다. 또한, 4개의 서브이미지는 중간주파수 이미지 대 저주파수 이미지의 비율로서 각각의 이미지들에 대해 생성된다. 결과적인 32 서브이미지들에 대해 각각, 2개의 스칼라 피쳐들이 추출되는 통합형 히스토그램 분석이 수행되며, 제 1 스칼라 피쳐는 0.30 백분율의 서브이미지의 세기와 0.70 백분율의 세기의 합이고, 제 2 스칼라 피쳐는 0.30 백분율 세기 대 0.70 백분율 세기의 비율이다. 이전에 주지된 것처럼, 제 2 스칼라 피쳐는 광범위한 조명-불변 피쳐인 반면에, 제 1 스칼라 피쳐는 광범위한 조명-불변 피쳐가 아니다.

도 9는 본 예에서 중간주파수 이미지 평면에서, 서브이미지들 중 하나로부터의 통합형 히스토그램을 도시한다. 진피 지점에 대한 결과들은 곡선(908)로 도시되며 3가지 상이한 타입의 스푸프에 대한 결과들과 비교할 수 있다: 곡선(904)로 도시된 투명 스푸프, 곡선(912)로 도시된 반투명 스푸프, 및 곡선(916)로 도시된 불투명 스푸프. 결과들에서 명백하게 몇가지 차이들이 있지만, 이러한 차이의 많은 부분은 상이한 스푸프들 및 진피 지점의 상이한 투명도 레벨들의 영향이다. 도 10의 결과들은 중간주파수 이미지 평면 대 저주파수 이미지 평면의 비율의 통합형 히스토그램을 나타냄으로써 이러한 영향이 경감되는 방법을 도시한다. 이는 조도 세기에 대한 국부적인 무감응성(local insensitivity)을 제공한다. 이 경우, 곡선(1008)에 따른 진피 지점, 곡선(1012)에 따른 투명 스푸프, 곡선(1016)에 따른 반투명 스푸프, 및 곡선(1004)에 따른 불투명 스푸프의 결과들 간에 진짜 차이들(genunine differences)이 분별될 수 있다.

32 서브이미지들 각각으로부터 2개의 스칼라 피쳐들의 이러한 계산은 판별 모델을 수행할 수 있는 총 64 스칼라 피쳐들을 제공한다. 이러한 예에서, 64 스칼라 피쳐들은 8개의 그룹들로 구성되고, 그 각각은 멀티스펙트럼 데이터로부터 추출된 8개 이미지 평면들에 대응하는 8개 멤버들을 갖는다. 이러한 그룹핑은 표 1에 예시된다. 이러한 표에서, "P30"은 0.30 백분율의 세기를 지칭하고, "P70"은 0.70 백분율의 세기를 지칭한다.

피쳐 넘버	엘리먼트들
1-8	중간주파수/저주파수 비율에 대해 P30/P70
9-16	중간주파수/저주파수 비율에 대해 P30+P70
17-24	고주파수에 대해 P30/P70
25-32	고주파수에 대해 P30+P70
33-40	중간주파수에 대해 P30/P70
41-48	중간주파수에 대해 P30+P70
49-56	저주파수에 대해 P30/P70
57-64	저주파수에 대해 P30+P70

이러한 원시 피쳐들에 대한 클래스내 대 클래스간 편차의 비율은 도 11의 결과들에 도시된다. 1에 근접하는 비율들은 상대적으로 나쁜 판별력을 나타내고, 보다 높은 비율들은 양호한 판별력을 나타낸다. 이러한 결과들은 보다 높은 피쳐 수들의 저주파수 피쳐들이 일반적으로 보다 양호함에도 불구하고, 판별력이 피쳐들에 대해 광범위하게 분포되어 있다는 것을 보여준다. 도 12는 Fisher 선형 판별법의 적용에 의해 보다 적은 수의 피쳐들에서 판별력이 보다 효과적으로 집중될 수 있다는 것을 보여준다. 도 12는 Fisher 변환된 피쳐들에 대해 클래스내 편차 대 클래스간 편차의 비율을 도시한다.

이러한 예에서, 판별력은 단지 소수의 피쳐들에 보다 많이 집중된다. 사실상, 변환 이후, 대다수의 피쳐들은 거의 판별력을 갖지 않는 대신, 마지막 3개의 피쳐들에 집중된다. 이는 진피 지점과 스푸프 간의 판별이 단지 3개의 변환된 피쳐들을 이용하여 달성될 수 있음을 제안한다.

사실상, 변환된 피쳐들 중 단지 2개만으로 충분한 것이 입증된다. 이는 도 13에 도시되며, 2개의 최상위(most significant) 피쳐들의 값들의 범위를 갖는(spanned) 2차원 공간에 변환된 피쳐들의 위치를 나타내기 위해 점도표(scatter plot)를 제공한다. 진피 지점들에 대한 결과들은 원들로 도시되는 반면에, 상이한 타입들의 스푸프에 대한 결과들은 상이한 심볼들로 도시된다. 이러한 2개의 피쳐들만이 상이한 타입들의 스푸프 간에 양호한 판별을 제공하지 않을 수 있지만, 이들은 스푸프들과 진피 지점들 간의 우수한 판별을 나타낸다. 스푸프에 대한 결과들은 공간의 하나의 영역에 밀집되어 있고, 진피 지점들에 대한 결과들은 공간의 상이한 영역에 밀집되어 있다.

b. 측정치들의 분류

시스템이 전술한 바와 같이 트레이닝되면, 가능한 스푸프들을 식별하기 위한 생체측정 애플리케이션들에 사용될 수 있다. 생체측정 애플리케이션들에 표시되는 샘플들을 분류하기 위해 사용될 수 있는 방법들의 요약이 도 14의 흐름도에 제공된다.

방법은 멀티스펙트럼 조건들 하에서 의도된 피부 지점을 방사함으로써 블럭(1404)에서 시작되고, 방법은 의도된 피부 지점을 진피 지점 또는 스푸프로서 분류하도록 시도된다. 이전에 유의된 것처럼, 수집되는 멀티스펙트럼 데이터는 생체 인식을 위해 바람직하게 사용될 수 있지만, 이것이 본 발명의 요구조건은 아니며, 의도된 피부 지점을 분류하기 위한 방법들은 임의의 타입의 생체 인식 방법과 연계하여 사용될 수 있거나, 특정한 특수 애플리케이션들에 대해 단독으로 사용될 수 있다. 의도된 피부 지점의 다수의 이미지 프레임들은 블럭(1408)에서 멀티스펙트럼 데이터로부터 추출된다. 이러한 이미지 프레임들은 상이한 광 파장들, 상이한 편광 조건들, 상이한 조명 각도들 및/또는 검출 각도들 등과 같은 상이한 광학 조건들에 상응한다. 각각의 프레임은 일반적으로 시스템의 초기 트레이닝에 사용된 것과 동일한 타입의 분해를 이용하여, 블럭(1412)에서 상이한 주파수 성분들로 분해된다.

판별 피쳐 세트에 대한 세기 분포는 블럭(1416)에서 계산된다. 판별 피쳐 세트는 일반적으로 트레이닝 동안 초기에 분석된 피쳐 세트의 서브세트이고, 목표된 판별력을 갖는 것으로 결정된 그러한 피쳐들을 포함하는 세트에 해당한다. 이러한 피쳐들은 상이한 실시예들에서 원시 피쳐들 또는 변환된 피쳐들을 포함할 수 있다. 예를 들어, 전술한 예에 사용된 입력 데이터로 트레이닝되는 시스템에서, 판별 피쳐 세트는 '62', '63' 및 '64'로 넘버링된 피쳐들로 구성될 수 있고, 이들 모두에는 가상적으로 판별력이 제공된다. 상이한 트레이닝 시나리오들 하에서, 다른 피쳐들은 판별 피쳐 세트에 포함될 수 있다.

피쳐들의 서브세트의 특정한 선택은 많은 이유들 때문에 유용할 수 있다. 시스템이 트레이닝된 이후에 분류들을 수행하기 위해 요구되는 처리 시간을 감소시킬 수 있다. 또한, 상대적으로 낮은 판별력을 가진 그러한 피쳐들은 보다 많은 노이즈를 분류에 부가할 수 있고 스푸프-검출 에러들을 증가시킬 수 있다. 따라서 방법에서 그러한 피쳐들을 배제시키면 분류의 속도 및 신뢰성을 향상시킬 수 있다.

판별 피쳐 세트에 대해 계산된 값들은 블럭(1420)에서 사용되어 표준 피쳐 세트 클래스들과의 비교를 수행함으로써, 블럭(1424)에서 의도된 피부 지점을 스푸프 또는 넌-스푸프 분류로 할당한다. 그러한 비교는 상이한 실시예들에서 상이한 방법들로 진행될 수 있다. 예를 들어, 도 13에 도시된 것들과 같은 결과들은 판별 피쳐 세트에 대응하는 판별 피쳐들의 범위를 가진 공간의 영역들을 규정하기 위해 사용될 수 있다. 도 13은 공간이 2차원인 예를 도시하지만, 상이한 수의 피쳐들을 포함시킴으로써 3차원, 4차원, 또는 보다 고차원의 공간들을 형성할 수 있다. 의도된 피부 지점의 할당은 판별 피쳐 세트에 대한 계산된 분포가 공간에 맵핑되는 곳을 기초로 일편적인 할당(unilateral assignment)에 따라 이루어질 수 있다.

다른 경우들에서, 의도된 피부 지점이 진성 피부 지점이라는 신뢰 수준을 결정하기 위해, 블럭(1416)에서 계산된 결과들과 트레이닝 결과들의 비교를 수행하도록 통계 기술들이 사용될 수 있다. 이러한 방식의 통계 기술들의 사용은 방법의 감응성(sensitivity)이 조절될 수 있도록 한다. 예를 들어, 상대적으로 낮은 보안 애플리케이션들은 진성 피부 지점과 일치하는 신뢰도가 75% 신뢰 수준보다 더 클 때마다 의도된 피부 지점의 유효성을 허용할 수 있고; 반대로 매우 높은 보안 애플리케이션들은 99%의 신뢰 수준 요구조건을 받을 수 있으며, 중간 애플리케이션들은 중간 신뢰 수준을 이용할 수 있다.

의도된 피부 지점이 블럭(1428)에서 검사되는 바와 같이 스푸프로서 분류되면, 경보가 발생되어 추가적인 조치를 취하게 할 수 있다. 경보는 상이한 실시예들에서 음성 또는 시각적 경보의 형태를 갖거나, 의도된 피부 지점을 제공하는 사람의 활동을 제한하는 형태를 취할 수 있다. 몇몇 예들에서, 경보는 특정한 애플리케이션에 따라, 의도된 피부 지점의 검사, 법 집행 인원의 활동, 또는 임의의 다양한 다른 반응들을 추가적으로 개시하게 할 수 있다.

몇몇 예들에서, 시스템의 결정이 정확한지 여부를 검증하기 위해 검사가 이루어질 수 있다. 그 정보는 특히 진성 피부 지점을 스푸프로서 식별하거나 스푸프를 진성 피부 지점으로서 식별했기 때문에 결정이 에러인 그러한 경우들에서, 시스템의 부가적인 트레이닝을 위해 사용될 수 있다. 따라서, 블럭(1436)에서 몇몇 실시예들에서 검사가 이루어질 수 있고, 블럭(1440)에서 의도된 피부 지점에 대해 전체 시기 분포 피쳐 세트의 계산을 유도한다. 그러한 계산은 판별 피쳐 세트로 제한되는 것이 아니라, 도 4의 블럭들(416, 436)에서 수행되는 타입의 계산을 두번 반복한다. 이러한 완료된 분포 피쳐 세트는 블럭(1444)에서 판별 피쳐 세트를 획득하는데 사용된 참조 데이터의 바디에 부가된다. 이는 블럭(1448)에서 판별 모델이 다시 적용될 수 있도록 한다. 이러한 애플리케이션은 일반적으로 도 4의 블럭(444)의 애플리케이션과 동일하지만, 부가적인 데이터의 포함으로 인해 가장 구별되는 그러한 피쳐들의 상이한 결정을 초래할 수 있다. 이는 이전의 데이터 세트에 의해 부정확한 결과를 산출한 결정에 데이터가 부가되었을 때 특히 정확할 수 있다.

예

발명자들은 분류 정확도를 테스트하기 위해 전술한 예를 확장하였다. 이하의 표 2는 상이한 피쳐 그룹들과 연관될 수 있는 분류 에러들을 요약한다. 하나의 열에서, 특정 그룹이 배제되고 모든 다른 그룹들이 포함될 때 결과의 분류 에러들에 대한 결과들을 나타낸다. 이는 특정한 그룹만이 포함될 때 발생하는 분류들에 대한 다른 열의 결과들과 대조된다.

피쳐 그룹	분류 에러(%)
피쳐 그룹	특정 그룹 배제	특정 그룹만 포함
중간주파수/저주파수 비율	1.9	15.0
고주파수	1.7	11.0
중간주파수	1.5	14.7
저주파수	2.7	5.3
모든 데이터	1.4

이러한 결과들은 저주파수 피쳐들이 일반적으로 보다 큰 판별력을 제공하는 일반적인 결과를 확인시켜준다.

이하의 표 3은 광 레벨에 감응하지 않는 피쳐들에 대한 분류 에러들을 광 레벨에 감응하는 것들과 비교한 결과들을 제공한다.

피쳐들	분류 에러(%)	세기 무감응성
P30, P70 (모든 주파수 분해 레벨들)	2.4	없음
P30/P70 (모든 주파수 분해 레벨들)	9.6	광범위적
P30, P70, P30/P70 (주파수 분해레벨들의 비율)	12.9	광범위적 및 국부적
모든 피쳐들	1.4	혼합

피쳐들이 조도 세기에 무감응성(insensitivity)인 것이 일반적으로 바람직하지만, 표 3의 결과들은 무감응성 피쳐들이 조도 세기애 대해 일부 감응하는 피쳐들만큼 강력하지 않을 수 있음을 보여준다. 따라서, 몇몇 실시예들에서 조도 세기에 무감응성인 피쳐들과 조도 세기에 약간 감응성인 피쳐들을 포함하는 피쳐 세트를 갖는 것이 바람직할 수 있다.

따라서, 몇가지 실시예들이 기술되었지만, 본 발명의 사상을 벗어남이 없이 다양한 변형들, 대안적인 구성들, 및 등가물들이 사용될 수 있다는 것을 통상의 당업자는 인식힐 것이다. 따라서, 상기한 설명은 이하의 청구범위에 규정되는 본 발명의 범주를 제한하는 것으로서 간주되어서는 안된다.

Claims

생체측정 스푸프들(biometric spoofs)을 식별하는데 사용하기 위한 판별 피쳐 세트(discrimination feature set)를 획득하는 방법으로서,

다수의 상이한 광학 조건들 하에서 다수의 진피(true skin) 지점들 각각을 조명하는 단계;

각각의 상기 진피 지점들로부터 반사되는 제 1 광을 수신하는 단계;

상기 진피 지점들을 특성화하기 위해 상기 수신된 제 1 광으로부터 다수의 피쳐들 각각에 대해 진피 피쳐 값들을 획득하는 단계;

상기 다수의 상이한 광학 조건들 하에서 다수의 생체측정 스푸프들 각각을 조명하는 단계;

각각의 상기 생체측정 스푸프들로부터 반사되는 제 2 광을 수신하는 단계;

상기 생체측정 스푸프들을 특성화하기 위해 상기 수신된 제 2 광으로부터 상기 다수의 피쳐들 각각에 대해 스푸프 피쳐 값들을 획득하는 단계; 및

상기 판별 피쳐 세트를 규정하도록 상기 피쳐들의 서브세트를 선택하기 위해 상기 획득된 진피 피쳐 값들을 상기 획득된 스푸프 피쳐 값들과 비교하는 단계

를 포함하는 판별 피쳐 세트를 획득하는 방법.
제 1 항에 있어서,

상기 진피 피쳐 값들을 획득하는 단계는 각각의 상기 진피 지점들에 대해 상 기 수신된 제 1 광으로부터 다수의 진피 이미지들을 추출하는 단계를 포함하고,

상기 스푸프 피쳐 값들을 획득하는 단계는 각각의 상기 생체측정 스푸프들에 대해 상기 수신된 제 2 광으로부터 다수의 스푸프 이미지들을 추출하는 단계를 포함하며,

각각의 상기 진피 이미지들 및 각각의 상기 스푸프 이미지들은 상기 다수의 상이한 광학 조건들 중 하나에 따른 이미지에 대응되는, 판별 피쳐 세트를 획득하는 방법.
제 2 항에 있어서,

상기 진피 피쳐 값들을 획득하는 단계는 각각의 상기 진피 이미지들을 다수의 상이한 스펙트럼 주파수 성분들로 분해하는 단계를 더 포함하고,

상기 스푸프 피쳐 값들을 획득하는 단계는 각각의 상기 스푸프 이미지들을 상기 다수의 상이한 스펙트럼 주파수 성분들로 분해하는 단계를 더 포함하는, 판별 피쳐 세트를 획득하는 방법.
제 3 항에 있어서,

각각의 상기 진피 이미지들을 분해하는 단계 및 각각의 스푸프 이미지들을 분해하는 단계는 웨이브릿(wavelet) 분해를 수행하는 단계를 포함하는, 판별 피쳐 세트를 획득하는 방법.
제 3 항에 있어서,

상기 진피 피쳐 값들을 획득하는 단계는 상기 진피 이미지들에 대한 상이한 제 1 공간 주파수 성분들 대 상기 진피 이미지들에 대한 상이한 제 2 공간 주파수 성분들의 비율을 계산하는 단계를 더 포함하고,

상기 스푸프 피쳐 값들을 획득하는 단계는 상기 스푸프 이미지들에 대한 상이한 제 1 공간 주파수 성분들 대 상기 스푸프 이미지들에 대한 상이한 제 2 공간 주파수 성분들의 비율을 계산하는 단계를 더 포함하는, 판별 피쳐 세트를 획득하는 방법.
제 3 항에 있어서,

상기 진피 피쳐 값들을 획득하는 단계는 상기 진피 이미지들에 대한 각각의 상기 상이한 공간 주파수 성분들에 대한 세기 분포를 계산하는 단계를 더 포함하고,

상기 스푸프 피쳐 값들을 획득하는 단계는 상기 스푸프 이미지들에 대한 각각의 상기 상이한 공간 주파수 성분들에 대한 세기 분포를 계산하는 단계를 더 포함하는, 판별 피쳐 세트를 획득하는 방법.
제 6 항에 있어서,

상기 피쳐들 중 적어도 제 1 피쳐는 조도 세기에 대해 실질적으로 불변하는, 판별 피쳐 세트를 획득하는 방법.
제 7 항에 있어서,

상기 피쳐들 중 상기 적어도 제 1 피쳐는 미리 결정된 제 1 퍼센티지의 세기 분포의 세기 대 미리 결정된 제 2 퍼센티지의 세기 분포의 세기의 비율을 포함하는, 판별 피쳐 세트를 획득하는 방법.
제 7 항에 있어서,

상기 피쳐들 중 적어도 제 2 피쳐는 조도 세기에 따라 가변하는, 판별 피쳐 세트를 획득하는 방법.
제 9 항에 있어서,

상기 피쳐들 중 상기 적어도 제 1 피쳐는 미리 결정된 제 1 퍼센티지의 세기 분포의 세기 대 미리 결정된 제 2 퍼센티지의 세기 분포의 세기의 비율을 포함하고,

상기 피쳐들 중 상기 적어도 제 2 피쳐는 상기 미리 결정된 제 1 퍼센티지의 세기와 상기 미리 결정된 제 2 퍼센티지의 세기 간의 차를 포함하는, 판별 피쳐 세트를 획득하는 방법.
제 6 항에 있어서,

상기 피쳐들 중 적어도 제 1 피쳐는 조도 세기에 따라 가변하는, 판별 피쳐 세트를 획득하는 방법.
제 1 항에 있어서,

상기 진피 지점들 및 상기 생체측정 스푸프들은 개별 클래스들을을 형성하고,

상기 획득된 진피 피쳐 값들을 상기 획득된 스푸프 피쳐 값들과 비교하는 단계는 상기 피쳐들로부터 획득된 양에 대해, 클래스내(within-class) 편차 대 클래스간(between-class) 편차의 비율들을 계산하는 단계를 포함하는, 판별 피쳐 세트를 획득하는 방법.
제 12 항에 있어서,

상기 피쳐들로부터 획득된 양은 상기 피쳐들의 Fisher 선형 판별 변환을 포함하는, 판별 피쳐 세트를 획득하는 방법.
제 1 항에 있어서,

상기 피쳐들의 서브세트를 선택하기 위해 상기 획득된 진피 피쳐 값들을 상기 획득된 스푸프 피쳐 값들과 비교하는 단계는 상기 피쳐들의 서브세트를 선택하기 위해 학습 알고리즘을 상기 피쳐들에 적용하는 단계를 포함하는, 판별 피쳐 세트를 획득하는 방법.
제 14 항에 있어서,

상기 학습 알고리즘은 유전 알고리즘을 포함하는, 판별 피쳐 세트를 획득하는 방법.
생체측정 스푸프들을 식별하는데 사용하기 위한 판별 피쳐를 획득하도록 컴퓨팅 장치의 동작을 지시하기 위해 내부에 내장된 컴퓨터 판독가능한 프로그램을 갖는 컴퓨터 판독가능한 저장 매체로서,

상기 컴퓨팅 장치는 저장 장치와 통신하는 프로세서를 포함하고, 상기 컴퓨터 판독가능한 프로그램은,

상기 저장 장치로부터 상기 프로세서에 의해 제 1 데이터를 검색하기 위한 명령어들 - 상기 제 1 데이터는 다수의 상이한 광학 조건들 하에서 다수의 진피 지점들 각각으로부터 반사되는 제 1 광의 특성들을 나타냄 -;

상기 진피 지점들을 특성화하기 위해 상기 제 1 데이터로부터 다수의 피쳐들 각각에 대해 진피 피쳐 값들을 상기 프로세서에 의해 획득하기 위한 명령어들;

상기 저장 장치로부터 상기 프로세서에 의해 제 2 데이터를 검색하기 위한 명령어들 - 상기 제 2 데이터는 다수의 생체측정 스푸프들 각각으로부터 반사되는 제 2 광의 특성들을 나타냄 -;

상기 생체측정 스푸프들을 특성화하기 위해 상기 제 2 데이터로부터 상기 다수의 피쳐들 각각에 대해 스푸프 피쳐 값들을 상기 프로세서에 의해 획득하기 위한 명령어들; 및

판별 피쳐 세트를 규정하도록 상기 피쳐들의 서브세트를 선택하기 위해 상기 프로세서에 의해 상기 획득된 진피 피쳐 값들을 상기 획득된 스푸프 피쳐 값들과 비교하기 위한 명령어들

을 포함하는, 컴퓨터 판독가능한 저장 매체.
제 16 항에 있어서,

상기 진피 피쳐 값들을 획득하기 위한 명령어들은 각각의 상기 진피 지점들에 대해 상기 제 1 데이터로부터 다수의 진피 이미지 표시들을 추출하기 위한 명령어들을 포함하고,

상기 스푸프 피쳐 값들을 획득하기 위한 명령어들은 각각의 상기 생체측정 스푸프들에 대해 상기 제 2 데이터로부터 다수의 스푸프 이미지 표시들을 추출하기 위한 명령어들을 포함하며,

각각의 상기 진피 이미지 표시들 및 상기 스푸프 이미지 표시들은 상기 다수의 상이한 광학 조건들 중 하나에 따른 이미지에 대응되는, 컴퓨터 판독가능한 저장 매체.
제 17 항에 있어서,

상기 진피 피쳐 값들을 획득하기 위한 명령어들은 각각의 상기 진피 이미지 표시들을 다수의 상이한 공간 주파수 성분들로 분해하기 위한 명령어들을 더 포함하고,

상기 스푸프 피쳐 값들을 획득하기 위한 명령어들은 각각의 상기 스푸프 이미지 표시들을 다수의 상이한 공간 주파수 성분들로 분해하기 위한 명령어들을 더 포함하는, 컴퓨터 판독가능한 저장 매체.
제 18 항에 있어서,

각각의 상기 진피 이미지 표시들을 분해하기 위한 상기 명령어들 및 각각의 상기 스푸프 이미지 표시들을 분해하기 위한 상기 명령어들은 웨이브릿 분해를 수행하기 위한 명령어들을 포함하는, 컴퓨터 판독가능한 저장 매체.
제 18 항에 있어서,

상기 진피 피쳐 값들을 획득하기 위한 상기 명령어들은 상기 진피 이미지 표시들에 대한 상이한 제 1 공간 주파수 성분들 대 상기 진피 이미지 표시들에 대한 상이한 제 2 공간 주파수 성분들의 비율을 계산하기 위한 명령어들을 더 포함하고,

상기 스푸프 피쳐 값들을 획득하기 위한 상기 명령어들은 상기 스푸프 이미지 표시들에 대한 상이한 제 1 공간 주파수 성분들 대 상기 스푸프 이미지 표시들에 대한 상이한 제 2 공간 주파수 성분들의 비율을 계산하기 위한 명령어들을 더 포함하는, 컴퓨터 판독가능한 저장 매체.
제 18 항에 있어서,

상기 진피 피쳐 값들을 획득하기 위한 상기 명령어들은 상기 진피 이미지 표 시들에 대한 각각의 상기 상이한 공간 주파수 성분들에 대해 세기 분포를 계산하기 위한 명령어들을 더 포함하고,

상기 스푸프 피쳐 값들을 획득하기 위한 상기 명령어들은 상기 스푸프 이미지 표시들에 대한 각각의 상기 상이한 공간 주파수 성분들에 대해 세기 분포를 계산하기 위한 명령어들을 더 포함하는, 컴퓨터 판독가능한 저장 매체.
제 21 항에 있어서,

상기 피쳐들 중 적어도 제 1 피쳐는 조도 세기에 대해 실질적으로 불변하는, 컴퓨터 판독가능한 저장 매체.
제 22 항에 있어서,

상기 피쳐들 중 상기 적어도 제 1 피쳐는 미리 결정된 제 1 퍼센티지의 세기 분포의 세기 대 미리 결정된 제 2 퍼센티지의 세기 분포의 세기의 비율을 포함하는, 컴퓨터 판독가능한 저장 매체.
제 22 항에 있어서,

상기 피쳐들 중 적어도 제 2 피쳐는 조도 세기에 따라 가변하는, 컴퓨터 판독가능한 저장 매체.
제 24 항에 있어서,

상기 피쳐들 중 상기 적어도 제 1 피쳐는 미리 결정된 제 1 퍼센티지의 세기 분포의 세기 대 미리 결정된 제 2 퍼센티지의 세기 분포의 세기의 비율을 포함하고,

상기 피쳐들 중 상기 적어도 제 2 피쳐는 상기 미리 결정된 제 1 퍼센티지의 세기 분포의 세기와 상기 미리 결정된 제 2 퍼센티지의 세기 간의 차를 포함하는, 컴퓨터 판독가능한 저장 매체.
제 21 항에 있어서,

상기 피쳐들 중 적어도 제 1 피쳐는 조도 세기에 따라 가변하는, 컴퓨터 판독가능한 저장 매체.
제 16 항에 있어서,

상기 진피 지점들 및 상기 생체측정 스푸프들은 개별적인 클래스들을 형성하고,

상기 획득된 진피 피쳐 값들을 상기 획득된 스푸프 피쳐 값들과 비교하기 위한 명령어들은 상기 피쳐들로부터 획득된 양에 대해 클래스내 편차 대 클래스간 편차의 비율들을 계산하기 위한 명령어들을 포함하는, 컴퓨터 판독가능한 저장 매체.
제 27 항에 있어서,

상기 피쳐들로부터 획득된 양은 상기 피쳐들의 Fisher 선형 판별 변환을 포 함하는, 컴퓨터 판독가능한 저장 매체.
제 16 항에 있어서,

상기 피쳐들의 서브세트를 선택하기 위해 상기 획득된 진피 피쳐 값들을 상기 획득된 스푸프 피쳐 값들과 비교하기 위한 명령어들은 상기 피쳐들의 서브세트를 선택하기 위해 학습 알고리즘을 상기 피쳐들에 적용하기 위한 명령어들을 포함하는, 컴퓨터 판독가능한 저장 매체.
제 29 항에 있어서,

상기 학습 알고리즘은 유전 알고리즘을 포함하는, 컴퓨터 판독가능한 저장 매체.
의도된 피부 지점 상에서 생체측정 기능을 수행하는 방법으로서,

다수의 상이한 광학 조건들 하에서 상기 의도된 피부 지점을 조명하는 단계;

상기 의도된 피부 지점으로부터 반사되는 광을 수신하는 단계;

상기 수신된 광으로부터 다수의 피쳐들 각각에 대해 피쳐 값을 획득하는 단계;

상기 다수의 피쳐들 각각에 대한 상기 획득된 피쳐 값과 참조 피쳐 값들의 비교를 수행하는 단계; 및

상기 비교에 의해 상기 의도된 피부 지점이 진성(true) 피부 지점인지 여부 를 결정하는 단계

를 포함하는 생체측정 기능을 수행하는 방법.
제 31 항에 있어서,

상기 피쳐 값을 획득하는 단계는 상기 수신된 광으로부터 다수의 이미지들을 추출하는 단계를 포함하고, 각각의 상기 이미지들은 상기 다수의 상이한 광학 조건들 중 하나에 따른 이미지에 대응되는, 생체측정 기능을 수행하는 방법.
제 32 항에 있어서,

상기 피쳐 값을 획득하는 단계는 상기 다수의 이미지들을 각각 다수의 상이한 공간 주파수 성분들로 분해하는 단계를 더 포함하는, 생체측정 기능을 수행하는 방법.
제 33 항에 있어서,

상기 다수의 이미지들을 각각 분해하는 단계는 웨이브릿 분해를 수행하는 단계를 포함하는, 생체측정 기능을 수행하는 방법.
제 33 항에 있어서,

상기 피쳐 값을 획득하는 단계는 상이한 제 1 공간 주파수 성분들 대 상이한 제 2 공간 주파수 성분들의 비율을 계산하는 단계를 더 포함하는, 생체측정 기능을 수행하는 방법.
제 33 항에 있어서,

상기 피쳐 값을 획득하는 단계는 각각의 상기 상이한 공간 주파수 성분들에 대한 세기 분포를 계산하는 단계를 더 포함하는, 생체측정 기능을 수행하는 방법.
제 36 항에 있어서,

상기 피쳐들 중 적어도 제 1 피쳐는 조도 세기에 대해 실질적으로 불변하는, 생체측정 기능을 수행하는 방법.
제 37 항에 있어서,

상기 피쳐들 중 상기 적어도 제 1 피쳐는 미리 결정된 제 1 퍼센티지의 세기 분포의 세기 대 미리 결정된 제 2 퍼센티지의 세기 분포의 세기의 비율을 포함하는, 생체측정 기능을 수행하는 방법.
제 37 항에 있어서,

상기 피쳐들 중 적어도 제 2 피쳐는 조도 세기에 따라 가변하는, 생체측정 기능을 수행하는 방법.
제 39 항에 있어서,

상기 피쳐들 중 상기 적어도 제 1 피쳐는 미리 결정된 제 1 퍼센티지의 세기 분포의 세기 대 미리 결정된 제 2 퍼센티지의 세기 분포의 세기의 비율을 포함하고,

상기 피쳐들 중 상기 적어도 제 2 피쳐는 상기 미리 결정된 제 1 퍼센티지의 세기와 상기 미리 결정된 제 2 퍼센티지의 세기 간의 차를 포함하는, 생체측정 기능을 수행하는 방법.
제 36 항에 있어서,

상기 피쳐들 중 적어도 제 1 피쳐는 조도 세기에 따라 가변하는, 생체측정 기능을 수행하는 방법.
제 31 항에 있어서,

상기 의도된 피부 지점이 진성 피부 지점인지 여부를 결정하는 단계는 상기 의도된 피부 지점이 진성 피부 지점이 아니라고 결정하는 단계를 포함하며,

상기 방법은 상기 의도된 피부 지점을 스푸프로서 식별하기 위해 경보를 발생시키는 단계를 더 포함하는, 생체측정 기능을 수행하는 방법.
제 31 항에 있어서,

상기 수신된 광으로부터 생체 인식(biometric identification)을 수행하는 단계를 더 포함하는, 생체측정 기능을 수행하는 방법.
생체측정 센서로서,

개인의 의도된 피부 지점을 조명하도록 배치된 조명 서브시스템;

상기 의도된 피부 지점으로부터 반사되는 광을 수신하도록 배치된 검출 서브시스템; 및

상기 조명 서브시스템 및 상기 검출 서브시스템과 통신하는 제어기

를 포함하고, 상기 제어기는,

단일 조명 세션 동안 다수의 상이한 광학 조건들 하에서 상기 조명 서브시스템에 의해 상기 의도된 피부 지점을 조명하기 위한 명령어들;

상기 검출 서브시스템에 의해 상기 의도된 피부 지점으로부터 반사되는 광을 수신하기 위한 명령어들;

상기 수신된 광으로부터 다수의 피쳐들 각각에 대한 피쳐 값을 획득하기 위한 명령어들;

상기 다수의 피쳐들 각각에 대한 상기 획득된 피쳐 값과 참조 피쳐 값들의 비교를 수행하기 위한 명령어들; 및

상기 비교에 의해 상기 의도된 피부 지점이 진성 피부 지점인지 여부를 결정하기 위한 명령어들

을 포함하는, 생체측정 센서.
제 44 항에 있어서,

상기 피쳐 값을 획득하기 위한 명령어들은 상기 수신된 광으로부터 다수의 이미지 표시들을 추출하기 위한 명령어들을 포함하고, 각각의 상기 이미지 표시들은 상기 다수의 상이한 광학 조건들 중 하나에 따른 이미지에 대응되는, 생체측정 센서.
제 45 항에 있어서,

상기 피쳐 값을 획득하기 위한 명령어들은 상기 다수의 이미지 표시들 각각을 다수의 상이한 공간 주파수 성분들로 분해하기 위한 명령어들을 더 포함하는, 생체측정 센서.
제 46 항에 있어서,

상기 다수의 이미지 표시들 각각을 분해하기 위한 명령어들은 웨이브릿 분해를 수행하기 위한 명령어들을 포함하는, 생체측정 센서.
제 46 항에 있어서,

상기 피쳐 값을 획득하기 위한 명령어들은 상이한 제 1 공간 주파수 성분들 대 상이한 제 2 공간 주파수 성분들의 비율을 계산하기 위한 명령어들을 더 포함하는, 생체측정 센서.
제 46 항에 있어서,

상기 피쳐 값을 획득하기 위한 명령어들은 각각의 상기 상이한 공간 주파수 성분들에 대한 세기 분포를 계산하기 위한 명령어들을 더 포함하는, 생체측정 센서.
제 49 항에 있어서,

상기 피쳐들 중 적어도 제 1 피쳐는 조도 세기에 대해 실질적으로 불변하는, 생체측정 센서.
제 50 항에 있어서,

상기 피쳐들 중 상기 적어도 제 1 피쳐는 미리 결정된 제 1 퍼센티지의 세기 분포의 세기 대 미리 결정된 제 2 퍼센티지의 세기 분포의 세기의 비율을 포함하는, 생체측정 센서.
제 50 항에 있어서,

상기 피쳐들 중 적어도 제 2 피쳐는 조도 세기에 따라 가변하는, 생체측정 센서.
제 52 항에 있어서,

상기 피쳐들 중 상기 적어도 제 1 피쳐는 미리 결정된 제 1 퍼센티지의 세기 분포의 세기 대 미리 결정된 제 2 퍼센티지의 세기 분포의 세기의 비율을 포함하 고,

상기 피쳐들 중 상기 적어도 제 2 피쳐는 상기 미리 결정된 제 1 퍼센티지의 세기와 상기 미리 결정된 제 2 퍼센티지의 세기 간의 차를 포함하는, 생체측정 센서.
제 49 항에 있어서,

상기 피쳐들 중 적어도 제 1 피쳐는 조도 세기에 따라 가변하는, 생체측정 센서.
제 44 항에 있어서,

상기 제어기는 상기 의도된 피부 지점이 진성 피부 지점이 아니라고 결정하고, 상기 제어기는 상기 의도된 피부 지점을 스푸프로서 식별하도록 경보를 발생시키기 위한 명령어들을 더 포함하는, 생체측정 센서.
제 44 항에 있어서,

상기 제어기는 상기 수신된 광으로부터 생체 인식을 수행하기 위한 명령어들을 더 포함하는, 생체측정 센서.