KR20110070516A - 동작 기반 개인 식별 시스템 및 방법 - Google Patents

Abstract

사용자의 동작으로부터 동작 신호를 추출하여 전송하는 동작 신호 획득 장치와, 상기 동작 신호 획득 장치로부터 전송되는 상기 동작 신호를 신호 처리하여 개인 식별 정보를 생성하는 개인 식별 장치를 포함하되, 상기 개인 식별 장치는, 상기 동작 신호로부터 특징 정보를 추출하는 특징 정보 추출부와, 상기 사용자를 포함하는 다수의 사용자의 동작 특징 정보를 저장하는 동작 특징 정보 저장부와, 상기 특징 정보를 미리 저장된 상기 다수의 사용자의 동작 특징 정보와 비교하여 상기 사용자의 개인 식별 정보를 생성하는 개인 식별 정보 생성부를 포함하는 것인 동작 기반 개인 식별 시스템이 제공된다.

본 발명에 따르면, 사용자 개인의 동작 특성을 사용하여 사용자 개인이 개인 식별에 협조적일 필요가 없으면서도 환경 잡음에 강인한 개인 식별을 수행할 수 있다.

동작 특성, 특징 벡터, 학습, 개인 식별 정보

Description

동작 기반 개인 식별 시스템 및 방법{SYSTEM AND METHOD OF IDENTIFYING PERSON BASED ON MOTION RECOGNITION}

본 발명은 동작 기반 개인 식별 시스템 및 방법에 관한 것으로서, 더 구체적으로는 사용자 개인의 동작 특성을 사용하여 사용자 개인이 개인 식별에 협조적일 필요가 없으면서도 환경 잡음에 강인한 개인 식별을 수행할 수 있는 동작 기반 개인 식별 시스템 및 방법에 관한 것이다.

개인 식별은 다양한 응용에서 보안 또는 개인화 서비스의 제공을 목적으로 폭넓게 활용되고 있다. 개인 식별이 적용되는 경우는 개인 휴대 장치나 컴퓨터를 사용하기 위해 암호를 입력하는 인증 과정, 또는 로봇이나 에이전트 서비스를 활용하기 위해 사용자가 누구인지 식별할 수 있도록 얼굴이나 음성을 입력하는 과정 등을 예로 들 수 있다.

종래의 개인 식별 방식은 크게 암호 입력 방식과 생체 인증 방식으로 구분할 수 있다. 암호 입력 방식은 사용자가 비밀로 설정해 놓은 문자열을 입력함으로써 사용자가 누구인지 식별하게 하는 방식이고, 생체 인증 방식은 지문, 홍체, 얼굴, 음성 등의 특징적인 정보를 각종 센서를 이용하여 감지한 후 인식함으로써 사용자 를 식별하는 방식이다.

전술한 개인 식별 방식은 보안을 위한 개인 인증에 적합한 방식이다. 즉 특정한 행위를 수행하기 위해서 또는 특정한 서비스를 제공받기 위한 사전 검증 단계에 주로 적용된다. 사전 검증 단계에서 사용자는 개인 식별을 위한 정보를 입력하거나 지문 인식을 위해서 손가락을 센서에 밀착시키거나 홍채 인식을 위해서 눈을 인식 센서에 밀착시키는 등 개인 식별을 위한 과정을 협조적으로 수행해야 한다.

보안을 위한 개인 인증이 목적인 상황에서는 사용자가 개인 식별을 위한 과정을 인지하고 협조하는 것이 자연스럽다. 그러나 개인화 서비스 제공과 같은 경우 사용자가 개인 식별을 위한 과정을 인지하고 협조하는 것은 불편하고 부자연스러울 수 있다.

반면, 얼굴 인식 또는 음성 기반 화자 인식은 사용자가 개인 식별 과정을 인지하지 않는 상태에서도 개인 식별이 가능한 방식이다. 예컨대 일상 상황에서 사용자의 얼굴이나 음성 신호를 감지하여 사용자를 인식함으로써 개인 식별이 가능하기 때문이다. 그러나 종래의 방식도 환경 잡음에 영향을 받는 단점이 있다. 예컨대 얼굴 인식은 조명과 배경 상태에 따라 인식 성능이 크게 저하될 뿐 아니라 카메라에 정면 얼굴을 보이도록 위치하고 잠시간 정지해 있어야 적정한 인식이 가능하다는 제약 사항이 있고, 음성 인식도 일상의 주변 잡음에 의해 화자 인식률이 크게 저하된다는 제약 사항이 있어 실생활에 적용하는 것에는 한계가 있다.

본 발명의 목적은 사용자 개인의 동작 특성을 사용하여 사용자 개인이 개인 식별에 협조적일 필요가 없으면서도 환경 잡음에 강인한 개인 식별을 수행할 수 있는 동작 기반 개인 식별 시스템 및 방법을 제공하는 데 있다.

또한 본 발명의 다른 목적은 동작 기반 개인 식별 방법의 각 단계를 실현시키기 위한 프로그램을 기록한 컴퓨터로 판독 가능한 기록 매체를 제공하는 데 있다.

상기 기술적 과제를 달성하기 위하여, 본 발명은 사용자의 동작으로부터 동작 신호를 추출하여 전송하는 동작 신호 획득 장치와, 상기 동작 신호 획득 장치로부터 전송되는 상기 동작 신호를 신호 처리하여 개인 식별 정보를 생성하는 개인 식별 장치를 포함하되, 상기 개인 식별 장치는, 상기 동작 신호로부터 특징 정보를 추출하는 특징 정보 추출부와, 상기 사용자를 포함하는 다수의 사용자의 동작 특징 정보를 저장하는 동작 특징 정보 저장부와, 상기 특징 정보를 미리 저장된 상기 다수의 사용자의 동작 특징 정보와 비교하여 상기 사용자의 개인 식별 정보를 생성하는 개인 식별 정보 생성부를 포함하는 것인 동작 기반 개인 식별 시스템을 제공한다.

본 발명에 따른 동작 기반 개인 식별 시스템에 있어서, 상기 동작 신호 획득 장치는, 상기 동작 신호를 추출하는 관성 센서를 포함할 수 있다.

또한 본 발명에 따른 동작 기반 개인 식별 시스템에 있어서, 상기 관성 센서는 가속도 센서 또는 각속도 센서를 포함할 수 있다.

또한 본 발명에 따른 동작 기반 개인 식별 시스템에 있어서, 상기 개인 식별 장치는, 상기 동작 신호를 수신하여 전처리를 수행하는 전처리부를 더 포함하고, 상기 특징 정보 추출부는 상기 전처리가 수행된 상기 동작 신호로부터 상기 특징 정보를 추출할 수 있다.

또한 본 발명에 따른 동작 기반 개인 식별 시스템에 있어서, 상기 전처리부는, 상기 동작 신호를 상기 사용자의 동작이 실제로 수행된 구간과 상기 사용자의 동작이 수행되지 않은 구간으로 구별하여 상기 전처리를 수행할 수 있다.

또한 본 발명에 따른 동작 기반 개인 식별 시스템에 있어서, 상기 특징 정보 추출부는 상기 동작 신호로부터 상기 특징 정보를 특징 벡터 형태로 추출할 수 있다.

또한 본 발명에 따른 동작 기반 개인 식별 시스템에 있어서, 상기 동작 특징 정보 저장부는 상기 다수의 사용자의 동작 특징 정보를 특징 벡터 형태로 저장할 수 있다.

또한 본 발명에 따른 동작 기반 개인 식별 시스템에 있어서, 상기 개인 식별 장치는, 상기 사용자의 식별 정보를 획득하는 사용자 식별 정보 획득부를 더 포함하고, 상기 동작 특징 정보 저장부는 상기 사용자의 식별 정보를 기초로 상기 특징 정보를 상기 사용자에 대한 상기 동작 특징 정보로 저장할 수 있다.

또한 본 발명에 따른 동작 기반 개인 식별 시스템에 있어서, 상기 특징 정보 는 특징 벡터 형태이고, 상기 동작 특징 저장부는 상기 특징 벡터 또는 상기 특징 벡터를 학습한 정보를 상기 사용자에 대한 상기 동작 특징 정보로 저장할 수 있다.

또한 본 발명에 따른 동작 기반 개인 식별 시스템에 있어서, 상기 사용자의 식별 정보는 상기 사용자의 나이, 성별, 취향 중 적어도 하나를 포함하는 부가 정보를 더 포함할 수 있다.

또한 본 발명에 따른 동작 기반 개인 식별 시스템에 있어서, 상기 사용자 식별 정보 획득부는 미리 지정된 입력 수단을 통하여 상기 사용자의 식별 정보를 입력받거나 또는 미리 저장된 상기 사용자의 식별 정보를 판독할 수 있다.

또한 본 발명은 동작 기반 개인 식별 방법으로서, (a) 사용자의 동작으로부터 추출되는 동작 신호를 수신하는 단계와, (b) 상기 동작 신호로부터 특징 정보를 추출하는 단계와, (c) 상기 특징 정보를 미리 저장된 상기 사용자를 포함하는 다수의 사용자의 동작 특징 정보와 비교하여 상기 사용자의 개인 식별 정보를 생성하는 단계를 포함하는 동작 기반 개인 식별 방법을 제공한다.

본 발명에 따른 동작 기반 개인 식별 방법에 있어서, 상기 단계 (b)는, (b-1) 상기 동작 신호를 수신하여 전처리를 수행하는 단계와, (b-2) 상기 전처리가 수행된 상기 동작 신호로부터 상기 특징 정보를 추출하는 단계를 포함할 수 있다.

또한 본 발명에 따른 동작 기반 개인 식별 방법에 있어서, 상기 단계 (b-2)는, 상기 동작 신호를 상기 사용자의 동작이 실제로 수행된 구간과 상기 사용자의 동작이 수행되지 않은 구간으로 구별하여 상기 전처리를 수행하는 단계를 포함할 수 있다.

또한 본 발명에 따른 동작 기반 개인 식별 방법에 있어서, 상기 단계 (b)는, (b-3) 상기 동작 신호로부터 상기 특징 정보를 특징 벡터 형태로 추출하는 단계를 포함하는 것이고, 상기 단계 (c)는, (c-1) 상기 특징 벡터를 상기 다수의 사용자의 동작 특징 정보에 대한 특징 벡터와 비교하는 단계를 포함할 수 있다.

또한 본 발명에 따른 동작 기반 개인 식별 방법에 있어서, (d) 상기 사용자의 식별 정보를 획득하는 단계를 더 포함하고, 상기 단계 (b) 이후에, (e) 상기 특징 정보를 상기 사용자에 대한 상기 동작 특징 정보로 저장하는 단계를 더 포함할 수 있다.

또한 본 발명에 따른 동작 기반 개인 식별 방법에 있어서, 상기 단계 (e)는, 상기 특징 벡터 또는 상기 특징 벡터를 학습한 정보를 상기 사용자에 대한 상기 동작 특징 정보로 저장하는 단계를 포함할 수 있다.

또한 본 발명에 따른 동작 기반 개인 식별 방법에 있어서, 상기 사용자의 식별 정보는 상기 사용자의 나이, 성별, 취향 중 적어도 하나를 포함하는 부가 정보를 더 포함할 수 있다.

또한 본 발명에 따른 동작 기반 개인 식별 방법에 있어서, 상기 단계 (a) 이전에, (f) 미리 지정된 일련의 동작을 입력하도록 요청하는 단계를 더 포함할 수 있다.

또한 본 발명에 따른 동작 기반 개인 식별 방법에 있어서, 상기 특징 정보는 다수의 동작에 대한 특징 정보를 포함하는 것이고, 상기 단계 (c)는, (c-2) 상기 다수의 동작 각각에 대해서 상기 다수의 사용자의 동작 특징 정보와 비교하여 임시 개인 식별 정보를 생성하는 단계와, (c-3) 상기 임시 개인 식별 정보를 기초로 상기 사용자의 개인 식별 정보를 생성하는 단계를 포함할 수 있다.

또한 본 발명에 따른 동작 기반 개인 식별 방법에 있어서, 상기 다수의 사용자의 동작 특징 정보 각각은 사용자 식별용 특징과 동작 식별용 특징을 포함할 수 있다.

또한 본 발명은 전술한 동작 기반 개인 식별 방법의 각 단계를 실현시키기 위한 프로그램을 기록한 컴퓨터로 판독 가능한 기록 매체를 제공한다.

본 발명에 따르면 사용자 개인의 동작 특성을 사용하여 사용자 개인이 개인 식별에 협조적일 필요가 없으면서도 환경 잡음에 강인한 개인 식별을 수행할 수 있다.

이하, 본 발명의 동작 기반 개인 식별 시스템 및 방법과 이를 실현시키기 위한 프로그램을 기록한 컴퓨터로 판독 가능한 기록 매체의 실시예를 첨부한 도면을 참조로 보다 구체적으로 설명한다.

도 1은 본 발명에 따른 동작 기반 개인 식별 시스템의 예시적인 블록도이다.

도 1을 참조하면, 본 발명에 따른 동작 기반 개인 식별 시스템은 개인 식별 장치(100)와, 동작 신호 획득 장치(200)를 포함한다.

동작 신호 획득 장치(200)는 사용자의 동작으로부터 동작 신호를 추출하여 전송한다. 동작 신호 획득 장치(200)는 예컨대 관성 센서(210)를 포함할 수 있다. 관성 센서(210)는 예컨대 가속도 센서 또는 각속도 센서를 포함하며, 사용자의 동작을 전기적인 신호, 즉 동작 신호로 변환한다.

사용자는 동작 신호 획득 장치(200)를 사용하여 개인 식별 장치(100)와 상호 작용한다. 예컨대 사용자는 동작 신호 획득 장치(200)를 사용하여 일련의 동작을 수행함으로써 개인 식별 장치(100)에 명령을 내리거나 정보를 전송할 수 있다.

개인 식별 장치(100)와 동작 신호 획득 장치(200) 사이의 전송 방식은 예컨대 USB 등 유선 수단을 사용하거나 또는 지그비, 무선 랜 또는 블루투스와 같은 무선 수단을 사용할 수 있다.

개인 식별 장치(100)는 동작 신호 획득 장치(200)로부터 전송되는 동작 신호를 신호 처리하여 개인 식별 정보를 생성한다. 개인 식별 장치(100)는 예컨대 개인용 컴퓨터, TV 등의 가전 기기, 가정용 또는 산업용 로봇 등의 장치 내에 내장될 수 있다.

도 1을 참조하면, 개인 식별 장치(100)는 특징 정보 추출부(110)와, 개인 식별 정보 생성부(130)와, 동작 특징 정보 저장부(150)를 포함한다. 또한 개인 식별 장치(100)는 사용자 식별 정보 획득부(170)와, 전처리부(190)를 더 포함할 수 있다.

특징 정보 추출부(110)는 동작 신호 획득 장치(200)로부터 전송되는 동작 신호로부터 특징 정보를 추출한다.

한편 개인 식별 장치(100)는 전처리부(190)를 더 포함할 수 있다.

전처리부(190)는 동작 신호를 수신하여 전처리를 수행한다. 예컨대 가속도 센서를 사용하여 생성된 가속도 신호를 동작 신호로서 수신하는 경우, 전처리부(190)는 가속도 신호를 입력받아 가우시안 필터를 통해 신호의 미세 잡음을 전주파수 대역에 걸쳐 감쇄시킨다. 또한 중력 가속도 성분을 제거하기 위해 하이패스필터를 적용하는 등의 전처리를 수행할 수 있다.

특징 정보 추출부(110)는 전처리부(190)에 의해서 전처리가 수행된 동작 신호로부터 특징 정보를 추출한다.

한편 사용자가 실제 동작을 수행한 구간과 동작이 수행되지 않은 구간이 존재할 수 있다. 따라서 전처리부(190)는 동작 신호를 사용자의 동작이 실제로 수행된 구간과 사용자의 동작이 수행되지 않은 구간으로 구별하여 전처리를 수행함으로써 전처리의 효율을 높일 수 있다.

특징 정보는 동작 신호에 내재되는 특징값이다. 특징 정보 추출부(110)에서 추출된 특징 정보는 예컨대 일련의 특징 벡터 형태를 가질 수 있다. 추출된 특징 정보는 개인 식별 정보 생성부(130)에 전송되어 사용자의 개인 식별 정보를 생성하는데 사용될 수 있다. 또한 추출된 특징 정보는 예컨대 동작 특징 저장부(150)로 전송되어 사용자에 대한 동작 특징 정보로 저장되거나 또는 사용자에 대한 동작 특징 정보를 학습을 통하여 갱신하는데 사용될 수도 있다.

동작 특징 정보 저장부(150)는 예컨대 신경망이나 SVM과 같은 인식기를 이용하여 특징 벡터들을 학습한 결과물의 형태로 사용자에 대한 동작 특징 정보를 저장할 수 있다.

동작 특징 정보 저장부(150)는 다수의 사용자의 동작 특징 정보를 저장한다.

즉 동작 특징 정보 저장부(150)는 다수의 사용자의 동작 특징 정보를 예컨대 특징 벡터 형태로 미리 저장한 후, 사용자의 개인 식별 정보를 생성하기 위해서 제공한다.

전술하듯이 동작 특징 정보 저장부(150)는 특징 정보 추출부(110)에서 추출한 특징 정보를 사용하여 다수의 사용자의 동작 특징 정보를 갱신할 수 도 있다.

이러한 다수의 사용자의 동작 특징 정보의 갱신 또는 생성을 위해서, 개인 식별 장치(100)는 사용자 식별 정보 획득부(170)를 더 포함할 수 있다.

특징 정보 추출부(110)에서 추출된 특징 정보를 동작 특징 저장부(150)로 전송하여 사용자에 대한 동작 특징 정보로 저장하는 경우, 사용자의 식별 정보는 해당 특징 정보가 어느 사용자의 동작에 대한 정보인지 구별하기 위해서 사용될 수 있다.

사용자 식별 정보 획득부(170)는 사용자의 식별 정보를 획득한다.

사용자의 식별 정보는 사용자가 직접 키보드와 마우스 등의 입력 수단을 통하여 입력할 수 있으며, 또는 미리 저장된 후 필요시 판독될 수 있다.

사용자의 식별 정보는 사용자 아이디 등의 단순한 식별 정보 뿐만 아니라, 사용자의 나이, 성별, 취향 등과 같은 부가 정보를 더 포함할 수 있다.

개인 식별 정보 생성부(130)는 특징 정보 추출부(110)에서 추출한 특징 정보를 동작 특징 정보 저장부(150)에 미리 저장된 다수의 사용자의 동작 특징 정보와 비교하여 사용자의 개인 식별 정보를 생성한다. 개인 식별 정보는 동작 신호를 통하여 해당 사용자를 개인 식별 장치(100)에서 확인한 정보이며, 이후 개인 식별 장 치(100)에서 명령 입력 또는 정보 제공 등을 수행하는 경우 사용자 확인을 위해서 사용된다.

개인 식별 정보 생성부(130)는 특징 정보 추출부(110)에서 추출된 특징 정보, 예컨대 특징 벡터를 동작 특징 저장부(150)에 저장된 다수의 사용자의 동작 특징 정보와 비교하여 사용자의 개인 식별 정보를 생성한다.

예컨대 동작 특징 저장부(150)에 저장된 동작 특징 정보들이 SVM이나 신경망과 같은 인식기(Classifier)의 형태를 취하는 경우, 개인 식별 정보 생성부(130)는 특징 정보 추출부(110)에서 추출된 특징 벡터를 해당 인식기에 인가하여 출력된 출력값을 살펴봄으로써 사용자를 식별하고 개인 식별 정보를 생성할 수 있다.

또는 동작 특징 저장부(150)에 저장된 동작 특징 정보들이 특징 벡터를 그대로 저장하고 있는 경우, 개인 식별 정보 생성부(130)는 실시간으로 동작 특징 저장부(150)에 저장된 동작 특징 정보들에 대한 특징 벡터들과 특징 정보 추출부(110)에서 추출된 특징 벡터를 학습하거나 비교하여 사용자를 식별하고 개인 식별 정보를 생성할 수 있다.

도 2 내지 도 4는 본 발명에 따른 동작 기반 개인 식별 방법의 예시적인 흐름도이다.

도 2는 본 발명에 따른 동작 기반 개인 식별 방법에 있어서, 사용자의 동작 특징 정보를 미리 저장하는 단계의 예시적인 흐름도이며, 도 1의 개인 식별 장치(100) 내에서 수행된다.

우선 개인 식별 장치(100)는 사용자 식별 정보를 획득한다(S110).

즉 개인 식별 장치(100)에서 본 발명에 따른 동작 기반 개인 식별 방법을 수행할 수 있도록 사용자 등록을 수행하는 과정이다. 사용자의 식별 정보는 상기 사용자의 나이, 성별, 취향 중 적어도 하나를 포함하는 부가 정보를 더 포함할 수도 있다.

이후 개인 식별 장치(100)는 사용자에게 일련의 동작을 입력하도록 요청한다(S130). 단계 S130에서 개인 식별 장치(100)는 사용자에게 특정 동작을 입력하도록 요청할 수도 있으나, 사용자가 원하는 동작을 임의로 입력하도록 요청할 수도 있다.

사용자는 비밀번호를 정하듯이 자신이 정한 동작 순열을 차례대로 입력할 수 도 있으며, 이 경우 향후 사용자의 동작 특징 정보는, 사용자 식별을 위한 동작 순서 정보를 포함할 수도 있다.

사용자가 동작 신호 획득 장치(도 1의 200)를 통하여 동작 신호를 입력하여 전송하면, 개인 식별 장치(100)는 동작 신호를 수신한다(S150).

이후 개인 식별 장치(100)는 동작 신호로부터 특징 정보를 추출한다(S170).

한편 단계 S170에서는 동작 신호를 수신하여 전처리를 수행하고, 전처리가 수행된 동작 신호로부터 특징 정보를 추출할 수 있다.

단계 S170에서 특징 정보는 동작 신호로부터 사용자 식별용 특징과 동작 식별용 특징을 각각 추출한 후 두 가지를 조합하여 생성될 수 있다.

사용자 식별용 특징은 주로 개인별로 특이하게 나타나는 동작 특성을 반영할 수 있는 정보이다. 예컨대 가속도 신호의 경우 가속도 신호 자체로부터 추출한 동 작 구간 내 피크의 개수, 최대 피크와 최소 피크의 차이값, 동작의 길이, 피크의 진행 방향 등 각종 특징을 의미한다.

동작 식별용 특징은 사용자가 아닌 동작을 식별하기 위해서 사용되며, 실제 사용자가 수행한 동작이 무엇인지를 구별할 수 있는 정보이다.

예컨대 문자를 동작으로 입력하는 경우 가속도 신호로부터 추출한 궤적 정보를 활용해야 동작 식별에 유리하다.

이와 같이 사용자 식별이냐 동작 식별이냐에 따라 각각의 목적에 유리한 특징의 종류가 다르므로 사용자 식별용 특징과 동작 식별용 특징을 동작 신호로부터 추출한다. 동작 식별용 특징을 추출하기 위해서는 동작 인식을 위한 인식기가 미리 구비되어 있는 상황을 가정한다.

이후 개인 식별 장치(100)는 단계 S170에서 추출한 특징 정보를 단계 S110에서 획득한 사용자 식별 정보와 정합하여 해당 사용자에 대한 동작 특징 정보로서 저장한다(S190).

즉 개인 식별 장치(100)는 사용자의 식별 정보를 기초로 사용자 식별용 특징과 동작 식별용 특징을 포함하는 사용자의 동작 특징 정보를 쌍으로 해당 사용자에 대한 동작 특징 정보로서 저장한다.

이와 같은 사용자의 동작 특징 정보를 미리 저장하는 과정은 다수 번 수행될 수 있으며, 예컨대 동작별로 사용자의 동작 특징 정보를 저장할 수도 있다.

또한 단계 S170에서 추출한 특징 정보는 특징 벡터 형태일 수 있다. 이 경우 단계 S190은 해당 특징 벡터 또는 해당 특징 벡터를 학습한 정보를 사용자에 대한 동작 특징 정보로 저장할 수 있다.

이러한 사용자의 동작 특징 정보를 미리 저장하는 단계는 다수의 사용자를 대상으로 미리 수행된다.

도 3은 본 발명에 따른 동작 기반 개인 식별 방법에 있어서, 비협조적 사용자의 개인 식별 방법의 예시적인 흐름도이다.

우선 개인 식별 장치(100)는 사용자의 동작으로부터 추출되는 동작 신호를 수신한다(S210).

이후 개인 식별 장치(100)는 동작 신호로부터 특징 정보를 추출한다(S230).

단계 S210에서는 전술한 전처리가 수행될 수 있다.

예컨대 가속도 신호를 동작 신호로서 수신하는 경우, 가속도 신호를 입력받아 가우시안 필터를 통해 신호의 미세 잡음을 전주파수 대역에 걸쳐 감쇄시킨다. 또한 중력 가속도 성분을 제거하기 위해 하이패스필터를 적용하는 등의 전처리를 수행할 수 있다.

한편 사용자가 실제 동작을 수행한 구간과 동작이 수행되지 않은 구간이 존재할 수 있다. 따라서 동작 신호를 사용자의 동작이 실제로 수행된 구간과 사용자의 동작이 수행되지 않은 구간으로 구별하여 전처리를 수행함으로써 전처리의 효율을 높일 수 있다.

전처리가 수행되면, 전술한 사용자 식별용 특징과 동작 식별용 특징을 추출하며, 동작 식별용 특징을 사용하여 사용자의 동작이 무엇인지 확인한다.

특징 정보는 예컨대 특징 벡터 형태로 추출될 수 있다.

이후 단계 S210에서 추출한 특징 정보를 미리 저장된 다수의 사용자의 동작 특징 정보와 비교하여 사용자의 개인 식별 정보를 생성한다(S250).

전술한 바와 같이 다수의 사용자의 동작 특징 정보 각각은 사용자 식별용 특징과 동작 식별용 특징을 포함한다. 또한 다수의 사용자의 동작 특징 정보 각각은 특징 벡터 또는 특징 벡터를 학습한 형태의 정보일 수 있다.

따라서 단계 S230에서 추출한 특징 정보 내의 사용자 식별용 특징과 동작 식별용 특징을 다수의 사용자의 동작 특징 정보와 비교하여 사용자의 개인 식별 정보를 생성할 수 있다.

또한 특징 정보는 예컨대 특징 벡터 형태일 수 있다 이 경우 단계 S250은 다수의 사용자의 동작 특징 정보에 대한 특징 벡터 또는 특징 벡터를 학습한 형태의 정보를 특징 정보에 대한 특징 벡터와 비교하여 개인 식별 정보를 생성할 수도 있다.

도 3에 따른 비협조적 사용자의 개인 식별 방법은 반복적으로 사용되어 보다 정확한 개인 식별 정보를 생성할 수 있다.

예컨대 사용자가 다수의 동작을 입력하는 경우, 전술한 특징 정보는 다수의 동작에 대한 특징 정보를 포함할 수 있다.

단계 S250에서는 이러한 다수의 동작 각각에 대해서 다수의 사용자의 동작 특징 정보와 비교하여 임시 개인 식별 정보를 생성한 후, 임시 개인 식별 정보를 기초로 사용자의 개인 식별 정보를 생성할 수 있다.

예컨대 동일한 동작을 네 번 수집하거 서로 다른 동작을 네 번 수집하여 각 경우마나 사용의 개인 식별 정보를 생성한 결과 {(사용자1,'A'), (사용자2,'B'), (사용자1,'D'), (사용자3,'R')}와 같은 결과를 얻었다면, 최종적으로 사용자의 개인 식별 정보를 생성하는 경우에서는 현재 사용자가 '사용자1'로 식별하는 것이다.

도 4는 본 발명에 따른 동작 기반 개인 식별 방법에 있어서, 협조적 사용자의 개인 식별 방법의 예시적인 흐름도이다.

도 4의 실시예는 도 3의 실시예와 비슷하나, 사용자의 동작을 미리 개인 식별 장치(100)에서 지정하고 사용자도 이에 협력하여 해당 동작을 입력한다고 가정하는 점이 차이점이다. 따라서 도 4를 참조로 하는 실시예에서는 일련의 동작을 입력하도록 요청하는 단계, 즉 단계 S310이 포함되며, 특징 정보를 추출하는 단계 S350에서도 동작 식별용 특징을 추출할 필요가 없으며, 단계 S370에서도 별도로 동작 식별용 특징을 사용하지 않는다는 점이 차이점이다.

이와 같이 본 발명에 따르면 비협조적인 상황에서 종래의 음성이나 영상 처리 방법에 비해 환경 변화에 강인할 뿐 아니라 사용자가 협조적이지 않은 상황에서도 사용자 식별이 가능하다.

또한 본 발명은 사용자 인증 측면에서도 기존의 생체 감지 방법보다 거부감을 덜 줄 수 있을 뿐 아니라 강한 보안성을 제공한다. 예컨대 비밀번호로 등록한 동작을 다른 사람이 알아내어 동일한 동작을 입력하더라도 개인별 동작 특성 차이를 바탕으로 사용자를 확인할 수 있기 때문이다.

또한 본 발명은 전술한 본 발명에 따른 동작 기반 개인 식별 방법의 각 단계를 실현시키기 위한 프로그램을 기록한 컴퓨터로 판독 가능한 기록 매체를 제공한 다.

컴퓨터로 판독 가능한 기록 매체는 컴퓨터 시스템에 의하여 읽혀질 수 있도록 데이터, 즉 코드 또는 프로그램 형태의 데이터가 저장되는 모든 종류의 기록 장치를 지칭한다. 이러한 컴퓨터로 판독 가능한 기록 매체는 예컨대 ROM, RAM 등의 메모리와, CD-ROM, DVD-ROM 등의 저장 매체, 자기 테이프, 플로피 디스크 등의 자기 저장 매체, 광 데이터 저장 장치 등이며, 예컨대 인터넷을 통한 전송 형태로 구현되는 경우도 포함한다. 또한 이러한 컴퓨터로 판독 가능한 기록 매체는 네트워크로 연결된 컴퓨터 시스템에 분산되어 분산 방식으로 컴퓨터가 판독 가능한 데이터가 저장되고 실행될 수 있다.

그러나 이러한 컴퓨터로 판독 가능한 기록 매체에 대한 상세한 설명은 도 2내지 도 4를 참조로 설명한 본 발명에 따른 동작 기반 개인 식별 방법과 중복되므로 생략한다.

비록 본 발명의 구성이 구체적으로 설명되었지만 이는 단지 본 발명을 예시적으로 설명한 것에 불과한 것으로, 본 발명이 속하는 기술분야에서 통상의 지식을 가지는 자라면 본 발명의 본질적인 특성에서 벗어나지 않는 범위 내에서 다양한 변형이 가능할 것이다.

따라서 본 명세서에 개시된 실시예들은 본 발명을 한정하기 위한 것이 아니라 설명하기 위한 것이고, 이러한 실시예에 의하여 본 발명의 사상과 범위가 한정되는 것은 아니다. 본 발명의 범위는 아래의 청구범위에 의해 해석되어야 하며, 그와 동등한 범위 내에 있는 모든 기술은 본 발명의 권리범위에 포함되는 것으로 해 석되어야 할 것이다.

도 1은 본 발명에 따른 동작 기반 개인 식별 시스템의 예시적인 블록도.

도 2는 본 발명에 따른 동작 기반 개인 식별 방법에 있어서, 사용자의 동작 특징 정보를 미리 저장하는 단계의 예시적인 흐름도.

도 3은 본 발명에 따른 동작 기반 개인 식별 방법에 있어서, 비협조적 사용자의 개인 식별 방법의 예시적인 흐름도.

도 4는 본 발명에 따른 동작 기반 개인 식별 방법에 있어서, 협조적 사용자의 개인 식별 방법의 예시적인 흐름도.

<도면의 주요부분에 대한 부호의 설명>

100: 개인 식별 장치 110: 특징 정보 추출부

130: 개인 식별 정보 생성부 150: 동작 특징 정보 저장부

170: 사용자 식별 정보 획득부 190: 전처리부

200: 동작 신호 획득 장치 210: 관성 센서

Claims (1)

1. 사용자의 동작으로부터 동작 신호를 추출하여 전송하는 동작 신호 획득 장치와,

   상기 동작 신호 획득 장치로부터 전송되는 상기 동작 신호를 신호 처리하여 개인 식별 정보를 생성하는 개인 식별 장치

   를 포함하되,

   상기 개인 식별 장치는,

   상기 동작 신호로부터 특징 정보를 추출하는 특징 정보 추출부와,

   상기 사용자를 포함하는 다수의 사용자의 동작 특징 정보를 저장하는 동작 특징 정보 저장부와,

   상기 특징 정보를 미리 저장된 상기 다수의 사용자의 동작 특징 정보와 비교하여 상기 사용자의 개인 식별 정보를 생성하는 개인 식별 정보 생성부

   를 포함하는 것인 동작 기반 개인 식별 시스템.

Images