KR20100109752A - 지문 인식 장치 및 방법 - Google Patents

지문 인식 장치 및 방법 Download PDF

Info

Publication number
KR20100109752A
KR20100109752A KR1020090028167A KR20090028167A KR20100109752A KR 20100109752 A KR20100109752 A KR 20100109752A KR 1020090028167 A KR1020090028167 A KR 1020090028167A KR 20090028167 A KR20090028167 A KR 20090028167A KR 20100109752 A KR20100109752 A KR 20100109752A
Authority
KR
South Korea
Prior art keywords
feature information
fingerprint image
feature
fingerprint
user
Prior art date
Application number
KR1020090028167A
Other languages
English (en)
Other versions
KR101007008B1 (ko
Inventor
윤일동
Original Assignee
한국외국어대학교 연구산학협력단
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 한국외국어대학교 연구산학협력단 filed Critical 한국외국어대학교 연구산학협력단
Priority to KR1020090028167A priority Critical patent/KR101007008B1/ko
Publication of KR20100109752A publication Critical patent/KR20100109752A/ko
Application granted granted Critical
Publication of KR101007008B1 publication Critical patent/KR101007008B1/ko

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T5/00—Image enhancement or restoration
    • G06T5/50—Image enhancement or restoration using two or more images, e.g. averaging or subtraction

Landscapes

  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Collating Specific Patterns (AREA)

Abstract

지문을 이용하여 사용자를 식별하기 위한 지문 인식 장치 및 방법이 개시된다. 일 실시예에 따른 지문 인식 장치는 입력되는 지문에 대한 입력 지문 영상을 획득하고, 입력 지문 영상에 대한 제1 특징 정보를 추출한다. 지문 인식 장치는 제1 특징 정보 추출의 적정성을 검증하기 위하여, 제1 특징 정보를 이용하여 지문 영상을 복원하고, 입력 지문 영상으로부터 추출된 제2 특징 정보 및 복원된 지문 영상으로부터 추출된 제2 특징 정보를 비교한다.
생체 인식, 지문 인식, 지문 복원, 특징점, 가버 필터

Description

지문 인식 장치 및 방법{Apparatus for recognizing fingerprint and method thereof}
본 발명은 생체 정보 인식 기술에 관한 것으로, 더욱 상세하게는 지문을 이용하여 사용자를 식별하기 위한 지문 인식 장치 및 방법에 관한 것이다.
지문 인식은 생체 인식의 하나로 각 개인마다 다른 지문 정보를 추출하여 정보화시키는 인증 방식이다. 통상의 지문 인식 방법은 사용자로부터 지문을 입력받아 형성된 지문 영상으로부터 특징점(minutiae)을 추출하고, 이미 저장된 지문 이미지의 특징점들과 매칭하여 수행된다. 여기에서, 특징점은 여러 가지 타입이 있으나 통상적으로 지문의 융선(Ridge Line)이 분기되는 분기점(Bifurcation) 및 융선이 끝나는 단점(Ending Point)을 말한다.
융선은 피부가 융기한 선으로, 진피 부분이 손상되지 않는 한 평생동안 변하지 않는다. 분기점은 융선이 부드럽게 흐르다가 갈라지는 점이고, 단점는 융선이 부드럽게 흐르다가 끊어지는 점이다. 지문 영상의 크기나 개인에 따라 다소 차이가 있으나, 일반적으로 한 개의 지문에는 이들 특징점이 60~80개 정도 분포하며, 사람마다 그 위치, 방향이 다르므로 이들 특징점의 정보는 지문 인식 시스템에서 개인의 식별 수단으로 이용된다. 그러나, 지문 영상으로부터 특징점을 추출하기 위해서는 특징점 추출이 용이하도록 하기 위하여 여러 단계의 영상 처리 과정을 거치게 되는데, 이러한 과정에서 오류가 발생할 수 있으며, 이로 인해 지문 인식의 정확도가 떨어질 수 있다.
지문 인식을 위한 특징점 추출 과정을 검증할 수 있는 지문 인식 장치 및 방법이 제안된다.
일 양상에 따른 지문 인식 장치는 입력되는 지문에 대한 입력 지문 영상을 획득하는 지문 영상 획득부; 입력 지문 영상에 대한 제1 특징 정보를 추출하는 제1 인식부; 제1 특징 정보를 이용하여 지문 영상을 복원하는 영상 복원부; 입력 지문 영상에 대한 제2 특징 정보 및 복원된 지문 영상에 대한 제2 특징 정보를 각각 추출하는 제2 인식부; 및 입력 지문 영상에 대한 제2 특징 정보 및 복원된 지문 영상에 대한 제2 특징 정보를 비교하여, 제1 특징 정보 추출의 적정성을 검증하는 검증부를 포함한다.
제1 특징 정보는 각 특징점의 위치, 종류, 개수, 방향 및 특징점 간의 거리 중 적어도 하나를 포함할 수 있다. 제2 특징 정보는 지문 영상에 가버 필터링을 적용하여 생성되는 텍스처 성분을 포함할 수 있다.
검증부는 비교 결과가 입력 지문 영상에 대한 제2 특징 정보 및 복원 지문 영상의 제2 특징 정보의 매칭률이 임계값 이상이면 제1 특징 정보의 추출이 적정하다고 결정할 수 있다. 지문 인식 장치는 복수의 사용자 각각에 대한 사용자 ID 및 사용자 ID에 대응하는 사용자별 지문 영상으로부터 추출된 복수의 제1 특징 정보를 저장하는 저장부를 더 포함하고, 검증부는 입력 지문 영상에 대한 제1 특징 정보의 추출이 적정하다고 결정되는 경우, 복수의 제1 특징 정보로부터 입력 지문 영상으로부터 추출된 제1 특징 정보와 매칭되는 특징 정보를 검색하고, 검색된 특징 정보에 대응하는 사용자 ID를 이용하여 사용자를 식별할 수 있다.
다른 영상에 따른 지문 인식 방법은 입력되는 지문에 대한 입력 지문 영상을 획득하는 단계; 입력 지문 영상에 대한 제1 특징 정보를 추출하는 단계; 제1 특징 정보를 이용하여 지문 영상을 복원하여 복원 지문 영상을 생성하는 단계; 입력 지문 영상 및 복원 지문 영상에 대한 제2 특징 정보를 각각 추출하는 단계; 및 입력 지문 영상에 대한 제2 특징 정보 및 복원 지문 영상에 대한 제2 특징 정보를 비교하여, 제1 특징 정보 추출의 적정성을 검증하는 단계를 포함한다.
일 실시예에 따르면, 지문 인식을 위한 특징점 추출 과정을 검증할 수 있으므로, 지문 인식의 정확도를 높일 수 있다.
이하, 첨부된 도면을 참조하여 본 발명의 일 실시예를 상세하게 설명한다. 본 발명을 설명함에 있어 관련된 공지 기능 또는 구성에 대한 구체적인 설명이 본 발명의 요지를 불필요하게 흐릴 수 있다고 판단되는 경우에는 그 상세한 설명을 생 략할 것이다. 또한, 후술되는 용어들은 본 발명에서의 기능을 고려하여 정의된 용어들로서 이는 사용자, 운용자의 의도 또는 관례 등에 따라 달라질 수 있다. 그러므로 그 정의는 본 명세서 전반에 걸친 내용을 토대로 내려져야 할 것이다.
도 1은 일 실시예에 따른 지문 인식 장치의 구성을 나타내는 도면이다.
일 실시예에 따른 지문 인식 장치(100)는 지문 영상 획득부(110), 제1 인식부(120), 지문 영상 복원부(130), 제2 인식부(140), 검증부(150), 저장부(160) 및 출력부(170)를 포함한다.
지문 영상 획득부(110)는 입력되는 지문에 대한 입력 지문 영상을 획득한다. 지문 영상 획득부(110)는 스캐닝 장치로 구성될 수 있다.
제1 인식부(120)는 제1 지문 인식 알고리즘에 따라 입력 지문 영상에 대한 제1 특징 정보를 추출한다. 제1 특징 정보는 지문으로부터 추출되는 특징점(minutiae)에 관한 정보로 지문 인식 정합을 위한 파라미터로 사용되며, 각 특징점의 위치, 종류, 개수, 방향 및 특징점 간의 거리 중 적어도 하나를 포함할 수 있으나, 이에 한정되는 것은 아니다.
제1 인식부(120)는 잡음 제거, 지문 영상의 개별 화소(pixel) 또는 일정 크기의 부 영역내에서 융선의 방향 정보 추출을 위한 방향 영상(direction image) 생성, 지문 영상에서 지문 영역과 배경 영역을 분리하기 위한 배경 분리(segmentation), 배경 분리 후 지문의 융선과 골을 구분하기 위한 지문 영역에 대해 수행되는 이진화(binary), 영상의 본질적인 구조를 보존하면서 융선의 구조적 모형을 추출하기 위한 세선화(thinning) 과정을 포함하는 전처리를 수행할 수 있 다. 그런 다음, 제1 인식부(120)는 세선화 과정 수행한 후 융선의 교차수(Crossing count Number)를 이용하여 특징점을 추출할 수 있다.
제1 인식부(120)는 제1 특징 정보를 각 사용자별로 특징값을 클러스터링(clustering)하여 고유한 지문 코드를 생성할 수 있다. 각 사용자의 제1 특징 정모 및 지문 코드는 저장부(160)에 저장되어, 이후에 각 사용자를 식별하는데 이용될 수 있다.
지문 영상 복원부(130)는 제1 인식부(120)로부터 실시간으로 추출되는 제1 특징 정보를 이용하여 지문 영상을 복원한다. 지문 영상 복원 과정의 일 예는 도 4를 참조하여 설명한다. 또한, 다음의 참조 문헌 R. Cappelli, A. Lumini, D. Maio 및 D. Maltoni의 "Fingerprint Image Reconstruction from Standard Templates", IEEE Transactions on Pattern Analysis Machine Intelligence, vol.29, no.9, pp.1489-1503, September 2007와, "Can Fingerprints be Reconstructed from ISO Templates?", International Conference on Control, Automation, Robotics and Vision (ICARCV2006), Singapore, pp.191-196, December 2006 등에 나타난 바와 같은 지문 영상 복원 방법을 이용하여 제1 특징 정보를 이용하여 입력된 지문 영상이 복원될 수 있다.
한편, 제2 인식부(140)는 제1 지문 인식 알고리즘과 다른 제2 지문 인식 알고리즘을 이용하여 입력 지문 영상에 대한 제2 특징 정보를 추출한다. 제2 인식부(140)는 가버 필터링을 입력 지문 영상에 적용하여 생성된 텍스처 성분을 제2 특징 정보로서 추출할 수 있다. 또는, 제2 인식부(140)는 텍스터 성분을 나타내는 영상 특징 코드를 생성하고, 생성된 영상 특징 코드를 제2 특징 정보로 추출할 수 있다. 텍스처 성분의 정보는 예를 들어, 지문의 어느 방향의 융선이 어느 위치에 강하게 나타나는지에 대한 정보를 포함할 수 있다.
가버 필터링은 대상 신호에 대하여 특정 위치, 특정 주파수 및 특정 방향의 성분만을 자유롭게 통과시킬 수 있는 특성이 있어, 영상 향상, 영상 분할 및 영상 특징 코드 생성 등의 기능에 이용된다. 제2 인식부(140)는 지문 영상 처리에 앞서 사전에 영상 신호의 질의 높이기 위하여, 영상의 밝기 조절(Contrast enhancement), 정규화(Normalization), 잡음 제거 등을 수행할 수 있다.
제2 인식부(140)는 입력 지문 영상에 대한 제2 특징 정보 및 복원된 지문 영상에 대한 제2 특징 정보를 추출할 수 있다. 입력 지문 영상에 대한 제2 특징 정보는 제1 인식부(120)가 입력 지문 영상에 대한 제1 특징 정보를 추출하는 과정과 동시에 수행될 수 있다.
검증부(150)는 입력 지문 영상에 대한 제2 특징 정보 및 복원된 지문 영상에 대한 제2 특징 정보를 비교하여, 제1 특징 정보 추출의 적정성을 검증한다. 특징 검증부(150)는 비교 결과, 입력 지문 영상에 대한 제2 특징 정보 및 복원 지문 영상에 대한 제2 특징 정보의 매칭률이 임계값 이상이면 제1 특징 정보의 추출이 적정하다고 결정할 수 있다.
저장부(160)는 복수의 사용자 각각에 대한 사용자 ID 및 사용자 ID에 대응하는 사용자별 지문 영상으로부터 추출된 복수 개의 제1 특징 정보를 저장한다. 검증부(150)는 제1 특징 정보 추출이 적정하다고 결정되는 경우, 저장된 복수 개의 제1 특징 정보를 입력 지문 영상으로부터 입력 지문 영상에서 추출된 제1 특징 정보와 매칭되는 특징 정보를 검색한다. 검증부(150)는 검색된 특징 정보에 대응하는 사용자 ID를 이용하여 사용자를 식별할 수 있다.
이를 위하여, 입력 지문 영상으로부터 추출된 제1 특징 정보와 및 저장된 복수 개의 제1 특징 정보의 유사도를 계산하여, 검증부(150)는 저장된 복수 개의 제1 특징 정보로부터 입력 지문 영상으로부터 추출된 제1 특징 정보와 매칭되는 특징 정보를 검색할 수 있다. 제1 특징 정보 간의 유사도는 융선의 방향, 각 특징점의 위치 및 방향, 및 상호 관계 등을 고려하여 계산될 수 있다.
또는, 저장부(160)에 사용자별 복수의 제1 특징 정보로부터 각각 생성된 지문 코드가 저장된 경우에는, 검증부(150)는 사용자 식별을 위해 입력 지문 영상에 대한 제1 특징 정보를 지문 코드로 변환하고, 저장부(160)에 저장된 사용자별 지문 코드와 비교할 수 있다. 일 실시예에 따른 제1 특징 정보 간의 유사도를 비교하는 것은 제1 특징 정보로부터 생성된 지문 코드 간의 유사도를 비교하는 것을 포함한다.
출력부(170)는 오디오 및 영상 신호를 출력할 수 있다. 검증부(150)는 제1 특징 정보 추출이 적정하다고 결정되지 않는 경우, 출력부(170)를 제어하여 사용자에게 지문 재입력을 요청하는 음성, 문자 또는 영상 메시지를 출력할 수 있다.
일 실시예에 따르면, 지문 인식을 위한 제1 특징 정보의 추출 결과를 검증함으로써, 제1 특징 정보 추출 과정의 오류로 인하여 발생되는 사용자 식별의 오류를 줄일 수 있으므로 지문 인식의 정확도를 높일 수 있다.
도 2는 일 실시예에 따른 지문 인식 방법을 나타내는 도면이다.
지문 인식 장치(100)는 실시간으로 입력되는 지문에 대한 입력 지문 영상을 획득한다(210). 지문 인식 장치(100)는 입력 지문 영상에 대한 제1 특징 정보를 추출한다(220). 지문 인식 장치(100)는 제1 특징 정보를 이용하여 지문 영상을 복원하여 복원 지문 영상을 생성한다(230).
지문 인식 장치(100)는 입력 지문 영상 및 복원 지문 영상에 대한 제2 특징 정보를 각각 추출한다(240). 그런 다음, 지문 인식 장치(100)는 입력 지문 영상에 대한 제2 특징 정보 및 복원 지문 영상에 대한 제2 특징 정보를 비교하여, 제1 특징 정보 추출의 적정성을 검증한다(250).
도 3은 일 실시예에 따른 지문 인식 방법에 의한 사용자 식별 과정을 나타내는 도면이다.
지문 인식 장치(100)는 실시간으로 입력되는 지문에 대한 입력 지문 영상을 획득한다(310). 지문 인식 장치(100)는 입력 지문 영상에 대한 제1 특징 정보 추출을 위한 전처리를 수행하고(312), 제1 특징 정보를 추출한다(314). 그런 다음, 지문 인식 장치(100)는 제1 특징 정보를 이용하여 지문 영상을 복원하여 복원 지문 영상을 생성한다(316). 지문 인식 장치(100)는 복원 지문 영상에 대한 제2 특징 정보를 추출한다(318).
한편, 지문 인식 장치(100)는 동작 310에서 획득된 입력 지문 영상에 대한 제2 특징 정보 추출을 위한 전처리를 수행하고(320), 전처리 과정을 거친 입력 지문 영상에 대하여 제2 특징 정보를 추출한다(322). 그런 다음 지문 인식 장 치(100)는 입력 지문 영상에 대한 제2 특징 정보 및 복원 지문 영상에 대한 제2 특징 정보를 매칭하여 매칭율이 임계값 이상인지 결정한다(326).
매칭율이 임계값 이상이어서 제1 특징 정보의 추출의 적정하다고 결정되면(326), 미리 저장된 사용자별 제1 특징 정보로부터 동작 310에서 추출된 제1 특징 정보와 매칭되는 특징 정보를 검색하여, 검색된 특징 정보에 대응하는 사용자를 식별할 수 있다(328). 저장부에 사용자별 복수의 제1 특징 정보로부터 각각 생성된 지문 코드가 저장된 경우에는, 지문 인식 장치(100)는 사용자 식별을 위해 입력 지문 영상에 대한 제1 특징 정보를 지문 코드로 변환하고, 저장부에 저장된 사용자별 지문 코드와 비교할 수 있다.
제1 특징 정보의 추출이 적정하다고 결정되지 않으면, 지문 인식 장치(100)는 동작 310으로 되돌아가서 다시 지문 영상 획득 동작을 수행할 수 있다.
도 4는 특징 정보로부터 지문 영상을 복원하는 과정을 나타내는 참조도이다.
특징 정보를 이용하여 지문 영상을 복원하는 여러가지 방법이 알려져 있으며, 방법에 따라 입력되는 특징 정보의 개수나 종류가 다를 수 있으며, 복원하는 동작에 차이가 있을 수 있다. 도 4는 영상의 크기와 해상도 및 특징점(minutiae) 리스트를 포함하는 특징점 템플릿을 이용하여 복원 지문 영상을 생성하는 과정을 나타낸다. 영상 복원 과정은 원래의 미지의 지문에 대한 다양한 양상 즉, 1)지문 영역, 2)방향 영상(orientation image) 및 3)융선 패턴을 예측하려는 일련의 단계에 기반할 수 있다.
영상(410)은 특징점 템플릿을 나타낸다. 지문 영역은 타원형 모 델(elliptical model)에 따라 특징점 템플릿에서 모든 특징점들을 둘러싸는 영역을 최소화함으로써 예측된다. 방향 영상(420)은 알려진 특징점 방향에 최적화를 위하여 방향 모델의 파라미터들을 최적화함으로써 예측된다. 영상(430)은 특징점 프로토타입(10)을 포지셔닝한 영상을 나타낸다.
지문 패턴(440)은 지문 영역 내에서 방향 영상(420) 및 일정한 주파수 영상(20)으로부터 시작하여 특징점 프로토타입(10)의 포지셔닝 및 반복적 패턴 성장(iterative pattern growing)을 이용하여 생성된다. 반복적 패턴 성장은 국부 주파수에 따라 조정된 가버 필터 및 방향성을 각 화소에 적용하여 특징점 프로토타입을 반복적으로 성장시키는 과정으로 수행될 수 있으며, 노이즈 제거 및 렌더링이 추가적으로 수행될 수 있다.
본 발명의 일 양상은 컴퓨터로 읽을 수 있는 기록 매체에 컴퓨터가 읽을 수 있는 코드로서 구현될 수 있다. 상기의 프로그램을 구현하는 코드들 및 코드 세그먼트들은 당해 분야의 컴퓨터 프로그래머에 의하여 용이하게 추론될 수 있다. 컴퓨터가 읽을 수 있는 기록매체는 컴퓨터 시스템에 의하여 읽혀질 수 있는 데이터가 저장되는 모든 종류의 기록 장치를 포함한다. 컴퓨터가 읽을 수 있는 기록 매체의 예로는 ROM, RAM, CD-ROM, 자기 테이프, 플로피 디스크, 광 디스크 등을 포함한다. 또한, 컴퓨터가 읽을 수 있는 기록 매체는 네트워크로 연결된 컴퓨터 시스템에 분산되어, 분산 방식으로 컴퓨터가 읽을 수 있는 코드로 저장되고 실행될 수 있다.
이상의 설명은 본 발명의 일 실시예에 불과할 뿐, 본 발명이 속하는 기술분야에서 통상의 지식을 가진 자는 본 발명의 본질적 특성에서 벗어나지 않는 범위에 서 변형된 형태로 구현할 수 있을 것이다. 따라서, 본 발명의 범위는 전술한 실시예에 한정되지 않고 특허 청구범위에 기재된 내용과 동등한 범위 내에 있는 다양한 실시 형태가 포함되도록 해석되어야 할 것이다.
도 1은 일 실시예에 따른 지문 인식 장치의 구성을 나타내는 도면이다.
도 2는 일 실시예에 따른 지문 인식 방법을 나타내는 도면이다.
도 3은 일 실시예에 따른 지문 인식 방법에 의한 사용자 식별 과정을 나타내는 도면이다.
도 4는 특징 정보로부터 지문 영상을 복원하는 과정을 나타내는 참조도이다.

Claims (10)

  1. 입력되는 지문에 대한 입력 지문 영상을 획득하는 지문 영상 획득부;
    상기 입력 지문 영상에 대한 제1 특징 정보를 추출하는 제1 인식부;
    상기 제1 특징 정보를 이용하여 지문 영상을 복원하는 영상 복원부;
    상기 입력 지문 영상에 대한 제2 특징 정보 및 상기 복원된 지문 영상에 대한 제2 특징 정보를 각각 추출하는 제2 인식부; 및
    상기 입력 지문 영상에 대한 제2 특징 정보 및 상기 복원된 지문 영상에 대한 제2 특징 정보를 비교하여, 상기 제1 특징 정보 추출의 적정성을 검증하는 검증부를 포함하는 지문 인식 장치.
  2. 제1항에 있어서,
    상기 제1 특징 정보는 각 특징점의 위치, 종류, 개수, 방향 및 특징점 간의 거리 중 적어도 하나를 포함하는 지문 인식 장치.
  3. 제1항에 있어서,
    상기 제2 특징 정보는 지문 영상에 가버 필터링을 적용하여 생성되는 텍스처 성분을 포함하는 지문 인식 장치.
  4. 제1항에 있어서,
    상기 검증부는 상기 비교 결과가 상기 입력 지문 영상에 대한 제2 특징 정보 및 상기 복원 지문 영상에 대한 제2 특징 정보의 매칭률이 임계값 이상이면 상기 제1 특징 정보의 추출이 적정하다고 결정하는 지문 인식 장치.
  5. 제1항에 있어서,
    복수의 사용자 각각에 대한 사용자 ID 및 사용자 ID에 대응하는 사용자별 지문 영상으로부터 추출된 복수의 제1 특징 정보를 저장하는 저장부를 더 포함하고,
    상기 검증부는 상기 입력 지문 영상에 대한 제1 특징 정보의 추출이 적정하다고 결정되는 경우, 상기 복수의 제1 특징 정보로부터 상기 입력 지문 영상으로부터 추출된 제1 특징 정보와 매칭되는 특징 정보를 검색하고, 상기 검색된 특징 정보에 대응하는 사용자 ID를 이용하여 사용자를 식별하는 지문 인식 장치.
  6. 입력되는 지문에 대한 입력 지문 영상을 획득하는 단계;
    상기 입력 지문 영상에 대한 제1 특징 정보를 추출하는 단계;
    상기 제1 특징 정보를 이용하여 지문 영상을 복원하여 복원 지문 영상을 생성하는 단계;
    상기 입력 지문 영상 및 상기 복원 지문 영상에 대한 제2 특징 정보를 각각 추출하는 단계; 및
    상기 입력 지문 영상에 대한 제2 특징 정보 및 상기 복원 지문 영상에 대한 제2 특징 정보를 비교하여, 제1 특징 정보 추출의 적정성을 검증하는 단계를 포함 하는 지문 인식 방법.
  7. 제6항에 있어서,
    상기 제1 특징 정보는 각 특징점의 위치, 종류, 개수, 방향 및 특징점 간의 거리 중 적어도 하나를 포함하는 지문 인식 방법.
  8. 제6항에 있어서,
    상기 제2 특징 정보는 지문 영상에 가버 필터링을 적용하여 생성되는 텍스처 성분을 포함하는 지문 인식 방법.
  9. 제6항에 있어서,
    상기 검증하는 단계에서 상기 비교 결과가 상기 입력 지문 영상에 대한 제2 특징 정보 및 상기 복원 지문 영상에 대한 제2 특징 정보의 매칭률이 임계값 이상이면 상기 제1 특징 정보의 추출이 적정하다고 결정하는 지문 인식 방법.
  10. 제6항에 있어서,
    상기 제1 특징 정보의 추출이 적정하다고 결정되는 경우,
    미리 저장된 복수의 사용자 각각에 대한 사용자 ID 및 상기 사용자 ID에 대응하는 사용자별 지문 영상으로부터 추출된 복수의 제1 특징 정보로부터 상기 입력 지문 영상으로부터 추출된 제1 특징 정보와 매칭되는 특징 정보를 검색하는 단계; 및
    상기 검색된 특징 정보에 대응하는 사용자 ID를 이용하여 사용자를 식별하는 단계를 더 포함하는 지문 인식 방법.
KR1020090028167A 2009-04-01 2009-04-01 지문 인식 장치 및 방법 KR101007008B1 (ko)

Priority Applications (1)

Application Number Priority Date Filing Date Title
KR1020090028167A KR101007008B1 (ko) 2009-04-01 2009-04-01 지문 인식 장치 및 방법

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020090028167A KR101007008B1 (ko) 2009-04-01 2009-04-01 지문 인식 장치 및 방법

Publications (2)

Publication Number Publication Date
KR20100109752A true KR20100109752A (ko) 2010-10-11
KR101007008B1 KR101007008B1 (ko) 2011-01-12

Family

ID=43130654

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020090028167A KR101007008B1 (ko) 2009-04-01 2009-04-01 지문 인식 장치 및 방법

Country Status (1)

Country Link
KR (1) KR101007008B1 (ko)

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20160118028A (ko) * 2015-04-01 2016-10-11 주식회사 씨케이앤비 서버 컴퓨팅 장치 및 이를 이용한 콘텐츠 인식 기반의 영상 검색 시스템
KR20180065475A (ko) * 2016-12-08 2018-06-18 연세대학교 산학협력단 지문인식센서 및 터치스크린에 남은 지문을 이용한 지문 이미지 복원 방법 및 장치
WO2022131469A1 (ko) * 2020-12-18 2022-06-23 서울대학교산학협력단 딥러닝 알고리즘을 이용하여 중첩된 지문 영상에서 지문을 분리하는 방법 및 그 장치

Family Cites Families (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR100299858B1 (ko) * 1999-03-19 2001-09-26 이영익 지문 매칭 방법
JP2003030660A (ja) 2001-07-17 2003-01-31 Canon Inc 指紋照合装置及び指紋照合方法
KR100763312B1 (ko) * 2005-04-15 2007-10-04 주식회사 슈프리마 지문 인증 처리 방법, 및 지문 획득 장치와 보안 인증모듈을 포함하는 지문 인증 처리 시스템
KR20080110242A (ko) * 2007-06-15 2008-12-18 한국외국어대학교 연구산학협력단 지문 정합 시스템 및 방법

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20160118028A (ko) * 2015-04-01 2016-10-11 주식회사 씨케이앤비 서버 컴퓨팅 장치 및 이를 이용한 콘텐츠 인식 기반의 영상 검색 시스템
US9934250B2 (en) 2015-04-01 2018-04-03 Ck&B Co., Ltd. Server computing device and image search system based on contents recognition using the same
KR20180065475A (ko) * 2016-12-08 2018-06-18 연세대학교 산학협력단 지문인식센서 및 터치스크린에 남은 지문을 이용한 지문 이미지 복원 방법 및 장치
WO2022131469A1 (ko) * 2020-12-18 2022-06-23 서울대학교산학협력단 딥러닝 알고리즘을 이용하여 중첩된 지문 영상에서 지문을 분리하는 방법 및 그 장치

Also Published As

Publication number Publication date
KR101007008B1 (ko) 2011-01-12

Similar Documents

Publication Publication Date Title
JP7130905B2 (ja) フィードフォワード畳み込みニューラルネットワークを使用した高速且つ堅牢な皮膚紋理の印のマニューシャの抽出
Hambalık Fingerprint recognition system using artificial neural network as feature extractor: design and performance evaluation
Jung et al. Noisy and incomplete fingerprint classification using local ridge distribution models
CN111339806A (zh) 唇语识别模型的训练方法、活体识别方法及装置
Garg et al. Biometric authentication using finger nail surface
Derman et al. Normalized cross-correlation based global distortion correction in fingerprint image matching
KR101007008B1 (ko) 지문 인식 장치 및 방법
Li et al. A fingerprint indexing scheme with robustness against sample translation and rotation
Khodadoust et al. Design and implementation of a multibiometric system based on hand’s traits
Bala Comparative analysis of palm print recognition system with Repeated Line Tracking method
Kaur et al. Minutiae extraction and variation of fast Fourier transform on fingerprint recognition
KR101954812B1 (ko) 필적 인식 장치 및 방법
Prasad et al. Iris recognition systems: a review
Horadam et al. Fingerprints as spatial graphs: nodes and edges
Kaur et al. Finger print recognition using genetic algorithm and neural network
Badrinath et al. An efficient multi-algorithmic fusion system based on palmprint for personnel identification
KR102168937B1 (ko) 정규화된 지역구조에 의한 지문 영상의 이진화 벡터 변환 방법 및 이를 이용한 두 지문 영상간 동일여부를 판별하는 방법
Pflug et al. Binarization of spectral histogram models: An application to efficient biometric identification
Kuban et al. A NOVEL MODIFICATION OF SURF ALGORITHM FOR FINGERPRINT MATCHING.
Uysal et al. Ridge pattern representation for fingerprint indexing
Azmi et al. Freeman chain code (FCC) representation in signature fraud detection based on nearest neighbour and artificial neural network (ANN) classifiers
Sree et al. Dorsal Hand Vein Pattern Authentication by Hough Peaks
Kanchana et al. Robust approach for palm (ROI) extraction in palmprint recognition system
Toapanta et al. Algorithms for efficient biometric systems to mitigate the integrity of a distributed database
Martinez et al. A Comparative Analysis Between the Performance of the Extracted Features of JPEG and PNG on a Raspberry Pi Iris Recognition System

Legal Events

Date Code Title Description
A201 Request for examination
E701 Decision to grant or registration of patent right
GRNT Written decision to grant
FPAY Annual fee payment

Payment date: 20131114

Year of fee payment: 4

LAPS Lapse due to unpaid annual fee