KR20110127264A - 부분적 수집물의 모자이킹 및 인페인팅 기술을 통하여 홍채 스캔을 복원하는 방법 - Google Patents

부분적 수집물의 모자이킹 및 인페인팅 기술을 통하여 홍채 스캔을 복원하는 방법 Download PDF

Info

Publication number
KR20110127264A
KR20110127264A KR1020117023856A KR20117023856A KR20110127264A KR 20110127264 A KR20110127264 A KR 20110127264A KR 1020117023856 A KR1020117023856 A KR 1020117023856A KR 20117023856 A KR20117023856 A KR 20117023856A KR 20110127264 A KR20110127264 A KR 20110127264A
Authority
KR
South Korea
Prior art keywords
iris
information loss
loss area
image
area
Prior art date
Application number
KR1020117023856A
Other languages
English (en)
Inventor
마크 라메스
조세프 알렌
패트릭 켈리
씨. 더블유. 신진 스미스
Original Assignee
해리스 코포레이션
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 해리스 코포레이션 filed Critical 해리스 코포레이션
Publication of KR20110127264A publication Critical patent/KR20110127264A/ko

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/40—Extraction of image or video features
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
    • G06V40/10—Human or animal bodies, e.g. vehicle occupants or pedestrians; Body parts, e.g. hands
    • G06V40/18—Eye characteristics, e.g. of the iris
    • G06V40/19—Sensors therefor
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/25—Fusion techniques
    • G06F18/251—Fusion techniques of input or preprocessed data
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/10—Image acquisition
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
    • G06V10/77—Processing image or video features in feature spaces; using data integration or data reduction, e.g. principal component analysis [PCA] or independent component analysis [ICA] or self-organising maps [SOM]; Blind source separation
    • G06V10/80—Fusion, i.e. combining data from various sources at the sensor level, preprocessing level, feature extraction level or classification level
    • G06V10/803—Fusion, i.e. combining data from various sources at the sensor level, preprocessing level, feature extraction level or classification level of input or preprocessed data

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Physics & Mathematics (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Multimedia (AREA)
  • Evolutionary Computation (AREA)
  • Artificial Intelligence (AREA)
  • General Health & Medical Sciences (AREA)
  • Data Mining & Analysis (AREA)
  • Health & Medical Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Evolutionary Biology (AREA)
  • Databases & Information Systems (AREA)
  • Software Systems (AREA)
  • Medical Informatics (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Computing Systems (AREA)
  • General Engineering & Computer Science (AREA)
  • Ophthalmology & Optometry (AREA)
  • Human Computer Interaction (AREA)
  • Collating Specific Patterns (AREA)
  • Measurement Of The Respiration, Hearing Ability, Form, And Blood Characteristics Of Living Organisms (AREA)
  • Image Processing (AREA)

Abstract

홍채 인식을 위해 홍채 스캔을 복원하는 방법 및 시스템이 제공된다. 홍채의 복수의 홍채 수집 이미지가 수신된다. 홍채의 단일 홍채 이미지는 복수의 홍채 수집 이미지 중 적어도 2개를 사용하여 복원된다. 복수의 홍채 수집 이미지 중 적어도 2개를 단일 홍채 이미지로 조합하도록 모자이킹이 사용될 수 있다. 또한, PDE-기반 및 범례-기반 기술을 포함하는 인페인팅 방법이 홍채 이미지에서의 정보 소실 에어리어를 필링인하도록 사용될 수 있다.

Description

부분적 수집물의 모자이킹 및 인페인팅 기술을 통하여 홍채 스캔을 복원하는 방법{A METHOD FOR RECONSTRUCTING IRIS SCANS THROUGH NOVEL INPAINTING TECHNIQUES AND MOSAICING OF PARTIAL COLLECTIONS}
본원의 진보적 배열은 바이오메트릭 시스템에 관한 것이고, 더 구체적으로는, 부분적 홍채 수집 이미지의 새로운 모자이킹 및 인페인팅 기술을 사용하는 홍채 스캔 복원에 관한 것이다.
바이오메트릭 시스템은 개인의 고유 특성에 기초하여 그 개인을 식별하는데 사용된다. 바이오메트릭은 보안 및 법의학을 포함하는 다수의 애플리케이션에서 유용하다. 소정의 신체적 바이오메트릭 마커는 안면 특징, 지문, 손금 및 홍채 및 망막 인식을 포함한다. 바이오메트릭 시스템은 유저를 인증하거나, 제공된 데이터베이스에 질의함으로써 샘플링된 데이터의 신원을 판정할 수 있다.
바이오메트릭 시스템을 사용하는 것은 다수의 이점이 있다. 대부분의 바이오메트릭 마커는 대부분의 개인에게 존재하고, 개인 사이에 특유하고, 개인의 수명 내내 영구적이고, 쉽게 수집될 수 있다. 그러나, 이들 인자는 보증되지 않는다. 예컨대, 외과적 개조는 바이오메트릭 특징이 동일한 개인으로부터 이전에 수집된 것과 매칭하지 않도록 그 특징을 변경하는데 사용될 수 있다. 게다가, 여러 바이오메트릭 특징들은 시간이 흐름에 따라 변할 수 있다.
홍채 스캔은 스캔이 최적 조건에서 수행될 때 바이오메트릭 식별의 비외과적 로버스트 형태로 생각된다. 각각의 홍채는 배아 발생 동안 무작위로 형성하는 고유의 홍채 패턴을 갖는다. 홍채 패턴은 개인의 일생 동안 안정적이다. 홍채의 특징은 간질, 동공괄약근, 및 전경계층을 포함하고, 푹스 움, 퍼필러리 러프, 원형 수축 주름, 홍채 베이스에서의 움을 포함한다. 홍채 인식은 홍채의 세밀하고 뒤얽힌 구조의 이미지를 생성하기 위한 카메라 기술을 사용한다. 홍채 스캔이 안경 또는 콘택트 렌즈와 같은 교정용 안경류에 의해 영향을 받는 것은 드물다.
홍채 스캔은 일대다 식별 또는 일대일 검증에서 사용될 수 있다. 검증 시스템은 개인의 요청된 신원을 확인해 주거나 부인한다. 식별 시스템에서 개인의 신원은 저장된 바이오메트릭 데이터와 바이오메트릭 판독을 비교함으로써 판정된다.
구축되고 나면, 홍채 스캔의 분석을 위한 방법들이 다수 존재한다. 전형적으로, 분석 알고리즘은 캡처링된 이미지에서 홍채와 동공의 대략 동심원의 바깥 경계를 식별할 것이다. 홍채로 이루어진 이미지의 일부가 그후 프로세싱되고, 식별 목적에 필수적인 정보를 보존하는 디지털 표현을 생성한다. 홍채 식별 시스템은 양호한 홍채 스캔과도 간섭할 수 있는 현실적 문제들을 다뤄야 한다. 예컨대, 눈꺼풀 및 속눈썹은 프로세싱된 홍채 표현으로부터 배제되어야 한다. 게다가, 눈의 구형 본성은 예측되고 고려되어야 할 필요가 있는 경면반사를 야기시킬 수 있다.
개인을 식별하기 위한 홍채 스캔의 유용성에도 불구하고, 기술은 한계를 갖고 있다. 특히, 홍채 인식에 적합한 양질의 홍채 스캔의 수집은 그 애플리케이션을 제한한다. 양질의 홍채 스캔을 수집하는 것은 거리가 좀 있으면 수행하기 어렵다. 카메라를 바라볼 때 주체의 협력은 홍채 스캔의 품질에 매우 영향을 미친다. 홍채 스캔은 터치리스 캡처 및 인테로게이션 기술(touch-less capture and interrogation technology)이다. 전형적으로 그것은 협력적 주체로부터 얻어지지만, 공항에서와 같이 은밀하게 수집될 수도 있다. 이들 홍채 스캔은 상당히 낮은 품질, 해상도 및 정보 내용으로 되어 있을 수 있다. 더하여, 이들 홍채 스캔은 카메라에 대하여 축을 벗어나서 획득될 수 있다. 소정의 조명 조건은 각막의 반사성 표면에 의해 야기되는 섬광을 악화시켜, 홍채 분석에서 사용되는 상세를 막을 수 있다. 게다가, 소정의 홍채 인식 시스템은 안면의 고해상도 사진을 제시함으로써 우회될 수 있다. 홍채 스캔이 양질의 바이오메트릭 식별을 제공할 수 있는 조건의 범위를 증가시켜, 이전에는 신뢰할만한 홍채 식별이 실현가능하지 않았던 악조건에서의 사용을 가능하게 하는 것이 소망된다.
본원발명은 홍채 인식을 위하여 홍채 스캔을 복원하는 방법 및 시스템에 관한 것이다. 홍채의 복수의 홍채 수집 이미지(iris collection image)가 수신된다. 홍채의 단일 홍채 이미지는 복수의 홍채 수집 이미지 중 적어도 2개를 사용하여 복원된다. 홍채 수집 이미지들은 홍채의 중첩하는 부분적 이미지들일 수 있다.
본원발명의 또다른 태양에 의하면, 홍채의 단일 홍채 이미지는 복수의 홍채 수집 이미지 중 적어도 2개를 단일 홍채 이미지로 모자이킹하는 것을 더 포함한다. 모자이킹은 홍채의 적어도 하나의 구조적 특징을 사용하여 수행될 수 있다. 홍채의 적어도 하나의 구조적 특징은 홍채의 베이스에서의 움(crypts), 원형 수축 주름(circular contraction fold), 퍼필러리 러프(papillary ruff), 푹스 움(crypts fuchs), 괄약근(sphincter), 간질(stroma) 및 동공(pupil)의 구조로 이루어진 그룹으로부터 선택될 수 있다. 적어도 2개의 홍채 수집 이미지가 레지스터링된다. 레지스터링된 이미지는 홍채의 중첩하는 구조적 특징에 기초하여 블렌딩될 수 있다.
본원발명의 또다른 태양에 의하면, 홍채의 단일 홍채 이미지를 복원하는 것은 적어도 하나의 홍채 수집 이미지에서 적어도 하나의 정보 소실 에어리어(area of missing information)를 식별하고 인페인팅 기술을 사용하여 식별된 적어도 하나의 정보 소실 에어리어를 필링인(fill in)하는 것을 포함한다. 정보 소실 에어리어는 경면반사, 단일 속눈썹, 다중 속눈썹, 티끌, 이미지 잡음, 조명 및 캡처링되지 않은 에어리어에 의해 폐색된 에어리어를 포함할 수 있다.
본원발명의 또다른 태양에 의하면, 정보 소실 에어리어는 범례-기반 인페인팅 기술(exemplar-based inpainting technique)을 사용하여 필링된다. 정보 소실 에어리어가 들어있는 불완전한 영역이 결정된다. 복수의 홍채 수집 이미지에서 불완전한 영역에 대하여 후보 패칭 영역이 결정된다. 불완전한 영역과 후보 패칭 영역 사이의 글로벌 비쥬얼 코히어런스(global visual coherence)를 최대화하는 후보 패칭 영역이 선택될 수 있다. 글로벌 비쥬얼 코히어런스는 후보 패칭 영역에서의 복수의 로컬-스페이스 패치와 불완전한 영역에서의 대응하는 로컬-스페이스 패치간 거리를 비교함으로써 결정된다. 선택된 후보 패칭 영역은 정보 소실 에어리어를 필링인하고 불완전한 영역을 완전하게 하는데 사용된다.
본원발명의 또다른 태양에 의하면, 정보 소실 에어리어는 편미분방정식(PDE)-기반 인페인팅 기술을 사용하여 필링된다. PDE-기반 인페인팅 기술은 커버쳐 드리븐 디퓨젼(curvature driven diffusion) 접근법을 포함할 수 있다.
본원발명의 또다른 태양에 의하면, 정보 소실 에어리어를 필링인하는데 사용되는 인페인팅 기술은 정보 소실 에어리어의 사이즈, 정보 소실 에어리어의 기대 데이터 빈도(expected data frequency) 및 범례 필 후보(exemplar fill candidate)의 이용가능성 중 적어도 하나에 기초하여 자동으로 결정된다. 정보 소실 에어리어를 필링인하는데 사용되는 인페인팅 기술은 정보 소실 에어리어의 사이즈, 정보 소실 에어리어의 기대 데이터 빈도 및 범례 필 후보의 이용가능성 모두에 기초하여 자동으로 결정될 수 있다.
본원발명의 또다른 태양에 의하면, 홍채 인식을 위한 방법이 제공된다. 홍채의 복수의 홍채 수집 이미지가 수신된다. 홍채의 단일 홍채 이미지가 복수의 홍채 수집 이미지 중 적어도 2개를 사용하여 복원된다. 식별 데이터는 단일 홍채 이미지로부터 추출된다. 추출된 식별 데이터는 매치하는 것을 찾도록 저장된 홍채 데이터와 비교된다. 추출된 식별 데이터는 홍채 코드일 수 있다.
본원발명의 또다른 태양에 의하면, 단일 홍채 이미지를 복원하는 것은 적어도 2개의 홍채 수집 이미지를 모자이킹하는 것을 포함할 수 있다. 또한, 단일 홍채 이미지를 복원하는 것은 식별된 적어도 하나의 정보 소실 에어리어를 필링인하도록 인페인팅 기술을 사용하는 것을 포함할 수 있다. 정보 소실 에어리어는 정보 소실 에어리어의 사이즈, 정보 소실 에어리어의 데이터 빈도 및 범례 필 후보의 이용가능성 중 적어도 하나에 기초하여 범례-기반 인페인팅 기술을 사용하여 선택적으로 필링될 수 있다. 정보 소실 에어리어는 정보 소실 에어리어의 사이즈, 정보 소실 에어리어의 데이터 빈도 및 범례 필 후보의 이용가능성 중 적어도 하나에 기초하여 PDE-기반 인페인팅 기술을 사용하여 선택적으로 필링될 수 있다. 인페인팅 기술은 정보 소실 에어리어의 사이즈, 정보 소실 에어리어의 데이터 빈도 및 범례 필 후보의 이용가능성 중 적어도 하나에 기초하여 자동으로 선택될 수 있다.
본원발명의 또다른 태양에 의하면, 홍채 인식을 위한 시스템은 수신 엘리먼트, 프로세싱 엘리먼트, 저장 엘리먼트 및 매칭 엘리먼트를 포함한다. 수신 엘리먼트는 홍채의 복수의 홍채 수집 이미지를 수신한다. 프로세싱 엘리먼트는 복수의 홍채 수집 이미지 중 적어도 2개를 사용하여 홍채의 단일 홍채 이미지를 복원한다. 저장 엘리먼트는 저장된 홍채 데이터를 포함하는 데이터베이스를 저장한다. 매칭 엘리먼트는 단일 홍채 이미지와 저장된 홍채 데이터 사이의 매치를 판정한다.
본원발명의 또다른 태양에 의하면, 본원 시스템은 홍채 수집 이미지를 캡처링하기 위한 적어도 하나의 이미징 엘리먼트를 더 포함한다. 적어도 하나의 이미징 엘리먼트는 상기 홍채 수집 이미지를 은밀하게 수집하도록 위치될 수 있다. 홍채 수집 이미지가 부분적 홍채 수집 이미지이고 부분적 홍채 수집 이미지가 중첩하고 부분적 홍채 수집 이미지가 홍채 전체를 캡처링하도록 다중의 이미징 엘리먼트가 전략적으로 놓일 수 있다.
도 1은 본원발명의 실시예에서 사용될 수 있는 컴퓨터 시스템의 블록선도,
도 2는 본원발명의 실시예에 따라 홍채 스캔을 복원하기 위한 방법의 흐름도,
도 3은 본원발명의 실시예에 따라 홍채 스캔을 복원하기 위해 구현되는 모자이킹의 흐름도,
도 4는 본원발명의 실시예에 따라 홍채 스캔을 복원하기 위해 구현되는 인페인팅의 흐름도,
도 5는 본원발명의 실시예에 따라 홍채 인식을 위한 방법의 흐름도, 및
도 6은 본원발명의 실시예에 따른 바이오메트릭 식별 시스템의 블록선도.
본원발명은 이제 본원발명의 예시적 실시예들이 도시되어 있는 수반 도면을 참조하여 이하 더 충분하게 설명될 것이다. 그러나, 본원발명은 많은 서로 다른 형태로 구체화될 수 있고, 여기에서 설명되는 실시예들에 국한되는 것으로 해석되어서는 아니된다. 따라서, 본원발명은 전체적으로 하드웨어 구현물, 전체적으로 소프트웨어 구현물 또는 하드웨어/소프트웨어 구현물로서 형태를 취할 수 있다.
본원발명은 하나의 컴퓨터 시스템에서 실현될 수 있다. 대안으로, 본원발명은 수개의 인터커넥티드 컴퓨터 시스템에서 실현될 수 있다. 여기에서 설명되는 방법들을 수행하도록 적응된 임의류의 컴퓨터 시스템 또는 다른 장치가 어울린다. 하드웨어 및 소프트웨어의 전형적인 조합은 범용 컴퓨터 시스템일 수 있다. 범용 컴퓨터 시스템은 컴퓨터 시스템이 여기에서 설명된 방법들을 수행하도록 그것을 제어할 수 있는 컴퓨터 프로그램을 갖고 있을 수 있다.
본원발명은 컴퓨터-사용가능한 저장 매체(예컨대, 하드 디스크 또는 CD-ROM)상의 컴퓨터 프로그램 제품의 형태를 취할 수 있다. 컴퓨터-사용가능한 저장 매체는 매체에 구체화된 컴퓨터-사용가능한 프로그램 코드를 가질 수 있다. 여기에서 사용되는 컴퓨터 프로그램 제품이라는 용어는 여기에 기재되는 방법들의 구현을 가능하게 하는 모든 특징으로 이루어진 디바이스를 일컫는다. 본원의 문맥에서 컴퓨터 프로그램, 소프트웨어 애플리케이션, 컴퓨터 소프트웨어 루틴 및/또는 이들 용어의 다른 변형은 정보 프로세싱 케이퍼빌리티를 갖는 시스템으로 하여금 a)다른 언어, 코드 또는 노테이션으로의 변환 또는 b)다른 소재 형태로의 재현 중 어느 하나 또는 둘다 후에든지 또는 직접이든지 특정 기능을 수행하게 하도록 의도된 명령어 세트를 임의의 언어, 코드 또는 노테이션으로 표현한 그 어떠한 것이라도 의미한다.
도 1의 컴퓨터 시스템(100)은 서버 컴퓨터, 클라이언트 유저 컴퓨터, 퍼스널 컴퓨터(PC), 태블릿 PC, 랩톱 컴퓨터, 데스크톱 컴퓨터, 제어 시스템, 네트워크 라우터, 스위치 또는 브릿지, 또는 그 디바이스에 의해 취해진 액션을 지정하는 (순차적 또는 비순차적) 명령어의 세트를 실행할 수 있는 임의의 다른 디바이스를 포함하는 다양한 유형의 컴퓨팅 시스템 및 디바이스를 포함할 수 있다. 또한 본원 개시의 디바이스는 음성, 비디오 또는 데이터 통신을 제공하는 임의의 전자 디바이스를 포함함을 이해할 것이다. 나아가, 단일의 컴퓨터가 예시되지만, "컴퓨터 시스템"이라는 문구는 여기에서 논의되는 방법 중 어느 하나 이상을 수행하도록 명령어의 일세트(또는 다중 세트)를 개별적으로 또는 공동으로 실행하는 임의 집합의 컴퓨팅 디바이스를 포함함을 이해하여야 한다.
컴퓨터 시스템(100)은 CPU(central processing unit), GPU(graphics processing unit), 또는 둘다와 같은 프로세서(102), 주 메모리(104) 및 정적 메모리(106)를 포함하고, 이들은 버스(108)를 거쳐 서로 통신한다. 컴퓨터 시스템(100)은 비디오 디스플레이(예컨대, 액정 디스플레이 또는 LCD), 플랫 패널, 솔리드 스테이트 디스플레이 또는 캐소드 레이 튜브(CRT)와 같은 디스플레이 유닛(110)을 더 포함한다. 또한 컴퓨터 시스템은 입력 디바이스(112; 예컨대 키보드), 커서 제어 디바이스(114; 예컨대 마우스), 디스크 드라이브 유닛(116), 신호 발생 디바이스(118; 예컨대 스피커 또는 원격 제어) 및 네트워크 인터페이스 디바이스(120)를 포함한다.
디스크 드라이브 유닛(116)은 여기에서 기술되는 방법, 프로시저, 또는 기능 중 하나 이상을 구현하도록 구성된 명령어(124; 예컨대 소프트웨어 코드)의 하나 이상의 세트가 저장되어 있는 컴퓨터-판독가능한 저장 매체(122)를 포함할 수 있다. 명령어(124)는, 온전하게 또는 적어도 부분적으로, 컴퓨터 시스템(100)에 의한 그 실행 동안 프로세서(102) 내에 및/또는 주 메모리(104), 정적 메모리(106) 내에 거주할 수 있다. 또한 주 메모리(104) 및 프로세서(102)는 머신-판독가능한 매체를 이룰 수 있다.
제한되는 것은 아니지만, ASIC(application specific integrated circuit), 프로그래머블 로직 어레이 및 다른 하드웨어 디바이스를 포함하는 전용 하드웨어 구현이 여기에서 기술되는 방법들을 구현하도록 마찬가지로 구축될 수 있다. 다양한 실시예들의 장치 및 시스템을 포함할 수 있는 애플리케이션은 여러 전자 및 컴퓨터 시스템을 광범위하게 포함한다. 일부 실시예들은 모듈 사이에서 모듈을 통하여 관련 제어 및 데이터 신호가 통신되는 2개 이상의 특정 인터커넥티드 하드웨어 모듈 또는 디바이스로, 또는 ASIC의 일부로서 기능을 구현한다. 그러므로, 표본적인 시스템은 소프트웨어, 펌웨어 및 하드웨어 구현에 적용될 수 있다.
본원발명의 다양한 실시예들에 의하면, 이하에 기술되는 방법은 컴퓨터-판독가능한 저장 매체에 소프트웨어 프로그램으로서 저장될 수 있고 컴퓨터 프로세서상에서 돌아가도록 구성될 수 있다. 또한, 소프트웨어 구현은, 제한되는 것은 아니지만, 여기에서 기술되는 방법들을 구현하도록 구축될 수 있는 분산 프로세싱, 컴포넌트/오브젝트 분산 프로세싱, 병렬 프로세싱, 버츄얼 머신 프로세싱을 포함할 수 있다.
따라서, 본원발명의 여러 실시예들에 있어서, 컴퓨터-판독가능한 저장 매체는 네트워크 환경(126)에 연결된 디바이스가 음성 및/또는 비디오 데이터를 송신 또는 수신하고 명령어(124)를 사용하여 네트워크(126)를 통하여 통신하도록 전파된 신호로부터의 명령어(124)를 수신 및 실행하거나 명령어(124)를 포함하고 있다. 더욱, 명령어(124)는 네트워크 인터페이스 디바이스(120)를 거쳐 네트워크(126)를 통하여 송신 또는 수신될 수 있다.
표본적인 일실시예에 있어서 컴퓨터-판독가능한 저장 매체(122)는 단일의 저장 매체인 것으로 도시되어 있지만, "컴퓨터-판독가능한 저장 매체"라는 용어는 명령어의 하나 이상의 세트를 저장하는 단일 매체 또는 다중 매체(예컨대, 중앙집중 또는 분산 데이터베이스 및/또는 연관된 캐시 및 서버)를 포함하는 것으로 여겨져야 한다. 또한, "컴퓨터-판독가능한 저장 매체"라는 용어는 머신에 의한 실행을 위하여 명령어의 세트를 저장, 인코딩 또는 운반할 수 있고 그리고 머신으로 하여금 본원 개시의 방법 중 어느 하나 이상을 수행하게 하는 임의의 매체를 포함하는 것으로 여겨져야 한다.
따라서, "컴퓨터-판독가능한 매체"라는 용어는, 제한되는 것은 아니지만, 하나 이상의 리드-온리(비휘발성) 메모리, 랜덤 액세스 메모리 또는 다른 재기록가능한(휘발성) 메모리를 하우징하는 메모리 카드 또는 다른 패키지와 같은 솔리드 스테이트 메모리; 디스크 또는 테이프와 같은 광자기 또는 광학 매체;뿐만 아니라, 송신 매체에서 컴퓨터 명령어를 구체화하는 신호와 같은 반송파 신호; 및/또는 유형의 저장 매체에 등가인 배포 매체라고 생각되는 이메일에의 디지털 파일 어태치먼트 또는 다른 셀프-컨테인드 정보 아카이브 또는 아카이브 세트를 포함하는 것으로 여겨져야 한다. 따라서, 본원의 개시는 여기에서 열거되는 컴퓨터-판독가능한 매체 또는 배포 매체 중 어느 하나 이상을 포함하고, 여기에서의 소프트웨어 구현이 저장되는 인식된 등가 및 계승 매체를 포함하는 것으로 생각된다.
당업자는 도 1에 예시된 컴퓨터 시스템 아키텍처가 컴퓨터 시스템의 하나의 가능한 예임을 인식할 것이다. 그러나, 본원발명은 이에 국한되는 것은 아니고 임의의 다른 적합한 컴퓨터 시스템 아키텍처도 제한없이 사용될 수 있다.
본원발명의 실시예들은 홍채 스캔을 복원하기 위한 방법에 관한 것이다. 복원된 홍채 스캔은 홍채 인식에 사용될 수 있다. 도 2는 본원발명의 실시예들에 따라 홍채 스캔을 복원하는 것을 이해하는데 유용한 흐름도이다. 프로세스(200)는 단계(202)에서 시작하고 단계(204)로 계속된다. 단계(204)에서는 복수의 홍채 수집 이미지가 수신된다. 여기서 사용되는 바의 "홍채 수집 이미지"라는 용어는 홍채의 적어도 하나의 부분적 이미지가 들어있는 이미지를 일컫는다. 본원발명의 일실시예에 있어서, 복수의 홍채 수집 이미지는 홍채의 중첩하는 부분적 이미지들을 포함한다. 바람직하게는 중첩하는 부분적 이미지들은 홍채 전체를 캡처링한다. 본원발명의 일실시예에 있어서, 중첩하는 부분적 이미지들은 이미지 해상도를 줄이지 않고 홍채의 부분들의 이미지를 송신하는데 요구되는 대역폭을 줄이기 위한 목적으로 촬영되는 것이다. 홍채 수집 이미지는 이미지들이 촬영되는 대로 실시간으로 수신될 수 있다. 대안으로, 수신된 홍채 수집 이미지는 이전에 촬영된 이미지일 수도 있다. 홍채 수집 이미지는 디지털 형태로 촬영될 수도 있고 스캐닝 또는 임의의 다른 수단에 의해 디지털 형태로 변환될 수도 있다.
프로세스는 단계(206)로 진행하고, 단일 홍채 이미지가 복수의 홍채 수집 이미지 중 적어도 2개를 사용하여 복원된다. 복원은 복수의 홍채 수집 이미지 중 적어도 2개의 모자이킹을 포함할 수 있다. 본원발명의 일실시예에 있어서의 모자이킹은 도 3에서 상세하게 설명된다. 또한, 복원은 홍채 이미지에서의 적어도 하나의 정보 소실 에어리어를 필링인하도록 인페인팅 기술의 사용을 포함할 수 있다. 여기서 사용되는 바의 "인페인팅"이라는 용어는 주변 에어리어 및/또는 유사한 이미지 또는 사진으로부터의 정보를 사용하여 이미지 또는 비디오의 어느 파트를 필링인하기 위한 임의의 방법을 일컫는다. 본원발명의 일실시예에 있어서의 인페인팅은 도 4에서 상세하게 설명된다. 본원발명의 바람직한 실시예에 있어서, 모자이킹 및 인페인팅 기술 둘다는 복수의 홍채 수집 이미지 중 적어도 2개를 사용하여 홍채 스캔을 복원하는데 사용된다.
프로세스는 단계(208)로 진행하고, 단일 홍채 이미지가 제공된다. 바람직하게는, 단일 홍채 이미지는 복수의 수집 이미지 중 어느 개개의 하나보다 더 많은 정보를 포함하고 있다. 단일 홍채 이미지는 홍채 수집 이미지가 촬영된 개인과 연관된 홍채 데이터로서 저장, 또는 검증, 식별에 유용한 식별 정보를 추출하는 시스템에 제공될 수 있다. 단계(210)에서는 프로세스가 종료된다.
도 3은 본원발명의 실시예들에 따라 홍채 수집 이미지를 모자이킹하는 것을 이해하는데 유용한 흐름도이다. 프로세스(300)는 단계(302)에서 시작하고 단계(304)로 계속된다. 단계(304)에서는 적어도 2개의 홍채 수집 이미지가 모자이킹을 위해 복수의 홍채 이미지로부터 선택된다. 이미지는 이미지들에 의한 완전한 홍채의 커버리지, 중첩량, 이미지 품질, 또는 선택된 이미지들을 홍채 스캔의 복원에 적합하게 하는 임의의 다른 특성에 기초하여 선택될 수 있다.
프로세스는 단계(306)로 진행하고, 선택된 홍채 수집 이미지가 레지스터링된다. 이미지 레지스트레이션을 위한 방법은 업계에서 알려져 있다. 본원발명의 일실시예에 있어서, 이미지들은 커버리지, 중첩, 이미지 품질, 또는 순서를 결정하는데 유용한 임의의 다른 특성에 기초하여 결정될 수 있는 순서로 쌍으로 레지스터링될 수 있다.
프로세스는 단계(308)로 진행하고, 레지스터링된 홍채 수집 이미지가 조합된다. 적어도 2개의 홍채 수집 이미지는 이미지가 각각의 반복에서 더해지고 조합되는 반복적 단계들을 통하여 또는 하나의 단계에서 레지스터링 및 조합될 수 있다. 홍채 수집 이미지는 로테이션, 트랜스레이션, 및 레지스트레이션 단계(306) 동안 생성된 다른 정보를 사용하여 조합될 수 있다.
프로세스는 선택적 단계(310)로 진행하고, 조합된 홍채 이미지들은 홍채의 베이스에서의 움, 원형 수축 주름, 퍼필러리 러프, 푹스 움, 괄약근, 간질 및 동공과 같은 홍채의 적어도 하나의 구조적 특징을 사용하여 블렌딩된다. 블렌딩은 레지스터링된 홍채 수집 이미지의 중첩하는 영역에서 일어날 수 있다. 그러한 구조적 특징의 일반적 속성에 대한 지식은 복원된 홍채 이미지의 정확도를 향상시키기 위하여 레지스터링된 이미지의 블렌딩에 편입될 수 있다. 예컨대, 레지스터링된 이미지는 이미지에서의 중첩하는 구조적 특징이 구조적 특징의 알려진 일반적 속성을 따르게 되도록 블렌딩될 수 있다. 본원발명의 일실시예에 있어서, 구조적 특징은 홍채 수집 이미지의 레지스트레이션 및 조합을 미세하게 튜닝하는데 사용된다. 단계(312)에서 프로세스는 종료된다.
도 4는 본원발명의 실시예들에 따라 홍채 스캔을 복원하는 것을 이해하는데 유용한 흐름도이다. 프로세스(400)는 단계(402)에서 시작하고 단계(404)로 진행한다. 단계(404)에 있어서는 적어도 하나의 정보 소실 에어리어가 식별된다. 정보 소실 에어리어는 홍채 수집 이미지 내에서 식별될 수 있다. 정보 소실 에어리어는 또한 적어도 2개의 홍채 수집 이미지의 모자이크 내에서 식별될 수 있다. 정보 소실 에어리어는 경면반사, 단일 속눈썹, 다중 속눈썹, 티끌, 이미지 잡음, 조명, 캡처링되지 않은 에어리어, 및 임의의 다른 이유로 불완전하다고 여겨지는 이미지 부분들에 의해 폐색된 에어리어를 포함할 수 있다.
프로세스는 단계(406)로 진행하고, 정보 소실 에어리어가 선택된다. 적어도 하나의 인페인팅 기술이 선택된 정보 소실 에어리어를 필링인하는데 사용된다. 예컨대, 인페인팅 기술은 인페인팅 기술 기반 편미분방정식(PDE), 범례-기반 인페인팅 기술, 및 정보 소실 에어리어에서의 소실 정보를 복원하기 위한 임의의 다른 방법을 포함할 수 있다.
프로세스는 단계(408)로 진행하고, 선택된 정보 소실 에어리어는 범례-기반 인페인팅 기술을 사용하여 필링하는 것이 적합한지 판정하도록 평가된다. 본원발명의 일실시예에 있어서, 범례-기반 인페인팅 기술이 적합한지를 판정하는 것은 정보 소실 에어리어의 사이즈, 정보 소실 에어리어의 기대 데이터 빈도 및 범례 필 후보의 이용가능성 중 적어도 하나를 평가하는 것을 수반한다. 본원발명의 일실시예에 있어서, 사이즈, 기대 데이터 빈도 및 범례 필 후보의 이용가능성 중 적어도 하나의 소정 레벨이 정보 소실 에어리어를 필링하는데 사용되는 인페인팅 방법을 자동으로 결정하는데 사용될 수 있다. 예컨대, 소정 사이즈보다 큰 사이즈의 정보 소실 에어리어는 범례-기반 인페인팅 기술을 사용하여 필링될 수 있다. 본원발명의 또다른 실시예에 있어서, 정보 소실 에어리어의 사이즈, 정보 소실 에어리어의 기대 데이터 빈도 및 범례 필 후보의 이용가능성 3개 모두는 사용에 적절한 인페인팅 기술을 결정하도록 평가된다.
정보 소실 에어리어의 사이즈가 증가할 때 PDE-기반 인페인팅 기술의 정확도는 감소하므로, 정보 소실 에어리어의 사이즈가 크게 되면 범례-기반 인페인팅 기술이 선호된다. 또한, 범례-기반 인페인팅 기술은 정보 소실 에어리어의 기대 데이터 빈도가 높을 때 선호된다. 높은 데이터 빈도는 이미지에서의 구조 및 텍스처의 복잡도에 대응한다. 상세 및 텍스처가 풍부한 에어리어는 더 높은 데이터 빈도를 갖는다. PDE-기반 인페인팅 기술은 필링될 에어리어에서 낮은 데이터 빈도(예컨대, 평활)가 예상될 때 최상으로 기능한다. 범례-기반 인페인팅 기술은 또한 범례 필 후보가 이용가능할 때 선호된다. 범례-기반 인페인팅 기술은 정보 소실 에어리어가 들어있는 불완전한 영역과 밀접하게 매칭하는 범례 필 후보가 존재할 때 더 효과적이다. 동일 홍채의 이미지로부터의 범례 필 후보는 정보 소실 에어리어의 그것과 유사한 패턴을 가질 가능성이 더 크다. 더욱, 동일 영역으로부터의 범례 필 후보는 다중 홍채 수집 이미지가 촬영되고 몇몇 홍채 수집 이미지가 중첩될 때 발견될 수 있다. 본원발명의 일실시예에 있어서, 인페인팅 방법은 이러한 평가에 기초하여 자동으로 선택된다.
본원발명의 바람직한 실시예에 있어서, 정보 소실 에어리어를 필링하는데 사용될 인페인팅 방법을 자동으로 결정하도록 동적 결정 프로세스가 사용된다. 동적 결정 프로세스는 정보 소실 에어리어의 사이즈, 정보 소실 에어리어의 기대 데이터 빈도, 범례 필 후보의 이용가능성, 및 적합한 인페인팅 방법을 결정하는데 유용한 임의의 다른 인자 중 적어도 하나를 평가할 수 있다. 예컨대, 정보 소실 에어리어는 PDE-기반 인페인팅 방법에 적합한 전형적인 에어리어 사이즈를 가질 수 있다. 그러나, 에어리어의 기대 데이터 빈도가 높고 다수의 범례 필 후보다 이용가능하다면, 동적 결정 프로세스는 정보 소실 에어리어를 필링하는데 범례-기반 인페인팅 기술이 적합하다고 판정할 수 있다. 본원발명의 일실시예에 있어서, 결정 알고리즘은 정보 소실 에어리어를 필링하는데 사용되는 인페인팅 기술을 선택적으로 선정한다. 예컨대, 사이즈, 기대 데이터 빈도 및 이용가능한 범례 필 후보와 관련된 룰을 포함하는 결정 테이블은 정보 소실 에어리어를 필링하기 위한 인페인팅 기술을 결정하는데 사용될 수 있다. 대안으로, 사이즈, 기대 데이터 빈도 및 이용가능한 범례 필 후보에 기초하여 정보 소실 에어리어를 필링하기 위한 인페인팅 기술을 결정하도록 웨이티드 함수가 사용될 수 있다. 본원발명의 실시예들에 있어서, 결정 알고리즘은 통계적 방법 또는 신경망 룰 추출을 사용하여 수집된 데이터를 관련시킬 수 있다.
프로세스는 결정 블록(410)으로 진행하고, 평가 단계(408)에 기초하여 범례-기반 인페인팅 기술이 사용될 것인지 판정된다. 범례-기반 인페인팅이 적합하다면, 프로세스는 단계(412)로 진행한다. 적합하지 않으면, 프로세스는 단계(420)로 진행한다.
단계(412)에서는 선택된 정보 소실 에어리어가 들어있는 불완전한 영역이 결정된다. 본원발명의 일실시예에 있어서, 불완전한 영역은 선택된 정보 소실 에어리어를 통째로 포함하고 있다. 바람직하게는, 불완전한 영역은 적절한 범례 필 후보를 선정하도록 선택된 정보 소실 에어리어와 접경하는 충분한 에어리어를 포함하고 있다. 로컬-스페이스 패치는 이미지에서 어느 픽셀(p) 주위의 작은 영역이다. 불완전한 영역에서의 로컬-스페이스 패치는 불완전한 영역의 로컬-스페이스 패치를 범례 필 후보에서의 로컬-스페이스 패치와 비교함으로써 정보 소실 에어리어를 필링하기 위한 양호한 범례 필 후보를 찾아내는데 사용된다. 불완전한 영역에 있어서, 비교에 유용한 로컬-스페이스 패치는 정보 소실 에어리어의 바깥에 놓여있는 것들이다.
프로세스는 단계(414)로 진행하고, 불완전한 영역에 대한 후보 패칭 영역이 결정된다. 바람직하게는, 홍채의 홍채 수집 이미지 또는 동일 홍채의 다른 이미지로부터 후보 패칭 영역이 결정된다.
프로세스는 단계(416)로 계속되고, 후보 패칭 영역 중 하나가 정보 소실 에어리어를 패칭하기 위해 선택된다. 본원발명의 일실시예에 있어서, 선택은 불완전한 영역과 후보 패칭 영역 사이의 글로벌 비쥬얼 코히어런스를 최대화하는 것에 기초한다. 글로벌 비쥬얼 코히어런스는 후보 패칭 영역에서의 복수의 로컬-스페이스 패치와 불완전한 영역에서의 대응하는 로컬-스페이스 패치 사이의 거리를 비교함으로써 결정된다. 정보 소실 에어리어를 포함하고 있는 불완전한 영역(M)은 영역(M)에서의 모든 로컬-스페이스 패치가 영역(F)에서 발견될 수 있으면 영역(F)과의 글로벌 비쥬얼 코히어런스를 갖는다. 본원발명의 일실시예에 있어서, 로컬-스페이스 패치는 이미지에서 어느 픽셀 주위의 작은 영역으로 정의되고, 로컬-스페이스 패치는 불완전한 영역에 들어있는 정보 소실 에어리어를 제외하고는 불완전한 영역 내의 각각의 픽셀(p)에 대하여 존재한다. 또한, 로컬-스페이스 패치는 후보 패칭 영역에서의 각각의 픽셀(q)에 대하여 존재한다. 정보 소실 에어리어는 결과적 영역(M*)이 영역(F)과 글로벌 비쥬얼 코히어런스에 있도록 새로운 데이터로 다시 채워져야 한다. 글로벌 비쥬얼 코히어런스를 최대화하기 위하여, 이하의 목적 함수를 최대화하는 후보 패칭 영역(F)이 선택된다.
Figure pct00001
여기서, p 및 q는 이미지들에서 임의의 대응하는 공간적 위치일 수 있다. Wp 및 Wq는 영역(M)에서의 포인트(p) 및 영역(F)에서의 포인트(q) 주위의 작은 로컬 스페이스 패치를 나타낸다.
Figure pct00002
는 패치 유사성 측정을 나타내는데, 여기서,
Figure pct00003
는 2개의 로컬 스페이스 패치간 로컬 거리 제곱의 합이다.
프로세스는 단계(418)로 계속되고, 선택된 후보 패칭 영역은 정보 소실 에어리어를 필링인함으로써 불완전한 영역을 완성하도록 사용된다. 본원발명의 일실시예에 있어서, PDE-기반 인페인팅 기술과 같은 다른 인페인팅 기술이 정보 소실 에어리어의 필링을 완성하는데 사용될 수 있다. 예컨대, PDE-기반 인페인팅 기술은 정보 소실 에어리어의 경계에서 범례-기반 인페인팅 기술을 향상시키는데 사용될 수 있다. 프로세스는 결정 블록(422)으로 계속된다.
다시 결정 블록(410)을 보면, 선택된 정보 소실 에어리어를 필링인하는데 범례-기반 인페인팅 기술이 적합하지 않으면, 프로세스는 단계(420)로 진행한다. 단계(420)에서는 선택된 정보 소실 에어리어가 PDE-기반 인페인팅 기술을 사용하여 필링된다. 본원발명의 일실시예에 있어서, PDE-기반 인페인팅 기술은 이방성 확산을 사용한다. 이방성 확산은 유체 역학의 기본원칙을 준수하는 공간적으로 변하는 필터이다. 이방성 확산은 홍채에서의 패턴을 보존하면서도 잡음을 경감시키도록 사용될 수 있다. 본원발명의 일실시예에 있어서, 정보 소실 에어리어의 경계로부터 안쪽으로 정보를 전파시키도록 열방정식의 변형이 사용된다. 분석 방정식은
Figure pct00004
의 형태이고, 경계 조건은
Figure pct00005
이고, H 0 는 초기 이미지이다. 라플라시안 변화율(ΔH)은 최소 변화의 방향으로 전파된다. 전파 항과 결합되는 것은 이방성 확산 항이다:
Figure pct00006
. 이방성 확산은 연결성 원칙 및 디스어클루젼(disocclusion)과 관련된다. 연결성 원칙은 인간의 두뇌가 디스어클루딩된 물체들을 어떻게 연결하는지를 설명하는 시각 심리학 용어이다. 홍채 패턴에서의 틈 또는 깨짐은 디스어클루젼으로서 생각될 수 있다. 커버처 드리븐 디퓨전(CDD) 접근법은 인페인팅에 대한 총 변분 접근법을 수정한다. 일반적인 CDD 인페인팅 모델은
Figure pct00007
의 형태이고,
Figure pct00008
이고,
Figure pct00009
이고, D는 정보 소실 에어리어이고
Figure pct00010
는 웨이트 방정식의 확장이고,
Figure pct00011
이다. 결과로서, 인페인팅은 커버처의 방향으로 강압되게 된다. 프로세스는 결정 블록(422)으로 진행한다.
결정 블록(422)에서, 정보 소실 에어리어가 더 있으면 프로세스는 단계(406)로 진행한다. 더 없으면, 프로세스는 단계(424)에서 종료한다. 인페인팅 방법을 자동으로 선정하는 것은 PDE-기반 인페인팅과 범례-기반 인페인팅간 차이 및 혜택을 이용한다. 본원발명의 일실시예에 있어서, 정보 소실 에어리어의 사이즈, 소실 데이터의 기대 빈도 및 범례 필 후보의 이용가능성의 평가에 기초하여 범례-기반 인페인팅 기술이 적합한 정보 소실 에어리어를 필링인하는데에는 우선 범례-기반 인페인팅 기술이 사용된다. 그다음에, 남아있는 정보 소실 에어리어를 필링인하는데 PDE-기반 인페인팅 기술이 사용된다. 본원발명의 또다른 실시예에 있어서, PDE-기반 인페인팅 기술은 범례-기반 인페인팅 방법을 사용하여 이미 실질적으로 필링되었던 정보 소실 에어리어의 경계에서 사용된다. 본원발명의 일실시예에 있어서, 단계(404)에서 결정된 정보 소실 에어리어의 서브세트만이 평가 후 인페인팅을 위해 선택된다. 에어리어의 사이즈, 에어리어의 데이터 빈도, 에어리어의 형상, 범례 필 후보의 이용가능성, 에어리어 필링의 곤란성, 예상된 정확도, 계산 자원의 사용 또는 임의의 다른 관련 인자를 포함하는 인자는 정보 소실 에어리어가 필링되는지를 결정하도록 평가될 수 있다. 대안으로, 프로세스는 단계(404)에서 결정된 모든 정보 소실 에어리어를 필링하려고 할 수 있다.
또한, 본원발명의 실시예들은 복원된 홍채 스캔을 사용하여 바이오메트릭 식별을 위한 방법에 관한 것이다. 도 5는 본원발명의 실시예들에 따른 홍채 인식을 이해하는데 유용한 흐름도이다. 홍채 인식은 유저 신원의 검증 및 유저 신원이 결정되는 식별을 포함한다. 프로세스(500)는 단계(502)에서 시작하고 단계(504)로 계속된다. 단계(504)에서는 복수의 홍채 수집 이미지가 수신된다. 홍채 수집 이미지는 이미지가 촬영되는 대로 실시간으로 수신될 수 있다. 대안으로, 수신된 홍채 수집 이미지는 이전 시간에 촬영된 이미지일 수도 있다.
프로세스는 단계(506)로 계속되고, 단일 홍채 이미지가 복수의 홍채 수집 이미지 중 적어도 2개를 사용하여 복원된다. 본원발명의 일실시예에 있어서, 복원하는 단계는 적어도 2개의 홍채 수집 이미지를 모자이킹하는 것을 포함한다. 본원발명의 다른 실시예에 있어서, 복원하는 단계는 정보 소실 에어리어를 식별하고 인페인팅 기술을 사용하여 적어도 하나의 정보 소실 에어리어를 필링인하는 것을 포함한다. 정보 소실 에어리어를 필링인하도록 범례-기반 인페인팅 기술 및/또는 PDE-기반 인페인팅 기술이 사용될 수 있다. 본원발명의 일실시예에 있어서, 정보 소실 에어리어를 필링인하는데 사용되는 인페인팅 기술은 정보 소실 에어리어의 사이즈, 정보 소실 에어리어의 데이터 빈도 및 범례 필 후보의 이용가능성에 기초하여 자동으로 선택된다. 인페인팅 기술 및 모자이킹 기술 둘다는 복수의 홍채 수집 이미지 중 적어도 2개를 사용하여 단일 홍채 이미지를 복원하는데 사용될 수 있다. 프로세스는 단계(508)로 진행하고, 단일 홍채 이미지로부터 식별 데이터가 추출된다. 본원발명의 일실시예에 있어서, 단일 홍채 이미지로부터 추출된 식별 데이터는 홍채 코드를 포함한다. 여기서 사용되는 "홍채 코드"라는 용어는 홍채의 이진화된 표현을 일컫는다. 홍채 코드는 실수 성분 및 허수 성분을 가질 수 있다. 전형적으로, 홍채 코드를 발생시키기 위하여, 홍채 이미지는 데카르트 좌표로 맵핑되고, 결과적으로, "언롤드(unrolled)" 홍채 이미지로 된다. 또한, 홍채 이미지는 동공의 중앙을 중심으로 하는 극좌표 시스템을 사용하여 프로세싱될 수도 있다. 가보 필터(Gabor filter)와 같은 필터가 언롤드 홍채 이미지에 적용될 수 있다. 가보 필터가 사용될 때, 그 결과는 실수부 및 허수부를 포함한다. 그 결과는 이진화되어, 식별을 위한 중요한 패턴 정보를 보유하면서 데이터의 사이즈를 줄인다.
프로세스는 단계(510)로 진행하고, 추출된 식별 데이터는 매치하는 것을 찾도록 저장된 홍채 데이터와 비교된다. 본원발명의 일실시예에 있어서, 홍채 인식 프로세스는 유저의 신원을 검증하는데 사용되고, 저장된 홍채 데이터는 유저로부터 이전에 수집된 홍채 데이터를 포함한다. 본원발명의 다른 실시예에 있어서, 홍채 인식 프로세스는 식별에 사용된다. 이 경우에 있어서, 복수의 알려져 있는 개인들에 대응하는 홍채 데이터를 포함하는 저장된 홍채 데이터와 추출된 식별 데이터를 비교함으로써 신원이 판정된다. 본원발명의 일실시예에 있어서, 저장된 홍채 데이터는 알려져 있는 개인들과 홍채 데이터를 연관시키는 데이터베이스에 저장되어 있다. 저장된 홍채 데이터는 국소적으로 액세스가능할 수도 있고, 유선 네트워크, 무선 네트워크, LAN 또는 인터넷과 같은 네트워크를 통하여 액세스가능할 수도 있다. 본원발명의 일실시예에 있어서, 저장된 홍채 데이터는 알려져 있는 개인들의 홍채 코드를 포함한다. 비교는 추출된 홍채 코드와 저장된 홍채 코드간 차이를 계산하는 것을 수반할 수 있다. 예컨대, 추출된 홍채 코드와 저장된 홍채 코드간 차이는 해밍 거리(Hamming distance)를 계산함으로써 정량화될 수 있다. 동일 사이즈의 이진 데이터의 2개 세트간 해밍 거리를 계산하기 위하여, 서로 다른 비트 위치의 수는 비트에서의 데이터의 사이즈로 나누어진다. 유저의 신원 검증을 위해 또는 매치하는 것을 찾도록 홍채 코드를 비교하기 위한 방법은 업계에 알려져 있다. 단계(512)에서 프로세스는 종료한다.
또한, 본원발명의 실시예들은 본원발명의 실시예들에 따른 식별 시스템에 관한 것이다. 도 6은 본원발명의 실시예들에 따른 바이오메트릭 식별 시스템을 이해하는데 유용한 블록선도이다. 시스템(600)은 수신 엘리먼트(602), 이미지 프로세싱 엘리먼트(604), 저장 엘리먼트(606) 및 매칭 엘리먼트(608)를 포함한다. 수신 엘리먼트(602), 이미지 프로세싱 엘리먼트(604), 저장 엘리먼트(606) 및 매칭 엘리먼트(608)는 동일한 머신 또는 컴퓨터 시스템상에 거주할 수 있다. 대안으로, 수신 엘리먼트(602), 이미지 프로세싱 엘리먼트(604), 저장 엘리먼트(606) 및 매칭 엘리먼트(608)의 일부 또는 모두는 서로 다른 머신 또는 컴퓨터 시스템상에 거주할 수도 있다. 더욱, 수신 엘리먼트(602), 이미지 프로세싱 엘리먼트(604), 저장 엘리먼트(606) 및 매칭 엘리먼트(608)의 일부 또는 모두는 동일한 컴퓨터 프로그램에 구현될 수도 있다.
수신 엘리먼트(602), 이미지 프로세싱 엘리먼트(604), 저장 엘리먼트(606) 및 매칭 엘리먼트(608)는 통신 채널(616)을 거쳐 통신한다. 통신 채널(616)은 머신 내 직접 통신, 소프트웨어 프로세스간 직접 통신, 또는 유선 네트워크, 무선 네트워크, 텔넷, LAN 및 인터넷을 포함하는 네트워크 또는 일련의 네트워크를 통한 통신과 같은 임의의 통신 수단을 포함한다.
수신 엘리먼트(602)는 홍채의 복수의 홍채 수집 이미지를 수신하도록 구성되어 있다. 홍채 수집 이미지는 직접 접속 또는 유선 또는 무선 네트워크를 포함하는 통신 채널(616)을 통하여 수신될 수 있다. 수신 엘리먼트(602)는 홍채 수집 이미지를 통신 채널(616)을 거쳐서 이미지 프로세싱 엘리먼트(604)에 이용가능하게 한다. 예컨대, 홍채 수집 이미지는 수신 엘리먼트(602) 및 이미지 프로세싱 엘리먼트(604)에 액세스가능한 컴퓨터-판독가능한 매체상에 저장될 수 있다. 대안으로, 수신 엘리먼트(602)는 홍채 수집 이미지를 직접 또는 유선 또는 무선 네트워크를 통하여 이미지 프로세싱 엘리먼트(604)에 제공할 수 있다.
이미지 프로세싱 엘리먼트(604)는 복수의 홍채 수집 이미지 중 적어도 2개를 사용하여 홍채의 단일 홍채 이미지를 복원하도록 구성되어 있다. 본원발명의 일실시예에 있어서, 이미지 프로세싱 엘리먼트(604)는 적어도 2개의 홍채 수집 이미지를 모자이킹한다. 본원발명의 또다른 실시예에 있어서, 이미지 프로세싱 엘리먼트(604)는 정보 소실 에어리어를 식별하고 인페인팅 기술을 사용하여 적어도 하나의 정보 소실 에어리어를 필링인한다. 정보 소실 에어리어를 필링인하는데 범례-기반 인페인팅 기술 및/또는 PDE-기반 인페인팅 기술이 사용될 수 있다. 본원발명의 일실시예에 있어서, 정보 소실 에어리어를 필링인하는데 사용되는 인페인팅 기술은 정보 소실 에어리어의 사이즈, 정보 소실 에어리어의 데이터 빈도 및 범례 필 후보의 이용가능성에 기초하여 자동으로 선택된다. 인페인팅 기술 및 모자이킹 기술 둘다는 복수의 홍채 수집 이미지 중 적어도 2개를 사용하여 단일 홍채 이미지를 복원하는데 사용될 수 있다. 이미지 프로세싱 엘리먼트(604)는 단일 홍채 이미지를 통신 채널(616)에 의해 매칭 엘리먼트(608)에 이용가능하게 한다. 예컨대, 단일 홍채 이미지는 이미지 프로세싱 엘리먼트(604) 및 매칭 엘리먼트(608)에 액세스가능한 컴퓨터-판독가능한 매체상에 저장될 수 있다. 대안으로, 이미지 프로세싱 엘리먼트(604)는 홍채 수집 이미지를 직접 또는 유선 또는 무선 네트워크를 통하여 이미지 매칭 엘리먼트(608)에 제공할 수 있다.
저장 엘리먼트(606)는 홍채 데이터를 저장하도록 구성되어 있다. 본원발명의 일실시예에 있어서, 홍채 데이터는 알려져 있는 개인들과 홍채 데이터를 연관시키는 데이터베이스에 저장되어 있다. 예컨대, 저장된 홍채 데이터는 알려져 있는 개인들의 홍채 코드를 포함할 수 있다. 본원발명의 일실시예에 있어서, 저장 엘리먼트(606)는 새로운 홍채 데이터를 저장된 홍채 데이터에 더할 수 있는 능력을 갖도록 구성되어 있다. 새로운 홍채 데이터는 알려져 있는 개인에 대한 업데이트된 홍채 데이터, 알려져 있는 개인의 제2 홍채에 대한 홍채 데이터, 또는 이전에 저장된 어떠한 홍채 데이터도 없는 개인에 대한 홍채 데이터를 포함할 수 있다. 저장 엘리먼트(606)는 저장된 홍채 데이터를 통신 채널(616)에 의해 매칭 엘리먼트(608)에 이용가능하게 한다. 예컨대, 홍채 데이터는 매칭 엘리먼트(608)에 액세스가능한 컴퓨터-판독가능한 매체상에 저장될 수 있다. 대안으로, 저장 엘리먼트(606)는 홍채 수집 이미지를 직접 또는 유선 또는 무선 네트워크를 통하여 이미지 매칭 엘리먼트(608)에 제공할 수 있다.
매칭 엘리먼트(808)는 단일 홍채 이미지와 저장된 홍채 데이터간 매치를 판정하도록 구성되어 있다. 본원발명의 일실시예에 있어서, 식별 데이터는 단일 홍채 이미지로부터 추출된다. 바람직하게는, 식별 데이터는 저장 엘리먼트(606)에 의해 제공된 저장된 홍채 데이터에 비교될 수 있는 형태로 추출된다. 본원발명의 일실시예에 있어서, 단일 홍채 이미지로부터 추출된 식별 데이터는 홍채 코드를 포함한다. 추출된 식별 데이터는 매치하는 것을 찾도록 저장 엘리먼트(606)로부터의 저장된 홍채 데이터와 비교된다. 비교는 추출된 홍채 코드와 저장된 홍채 코드간 거리의 계산을 수반할 수 있다. 매치하는 것을 찾도록 홍채 코드를 비교하는 방법은 업계에 알려져 있다. 본원발명의 일실시예에 있어서, 홍채 인식 프로세스는 유저의 신원을 검증하는데 사용되고, 저장된 홍채 데이터는 유저로부터 이전에 수집된 홍채 데이터를 포함한다. 본원발명의 또다른 실시예에 있어서, 홍채 인식 프로세스는 식별에 사용된다. 이 경우에 있어서, 신원은 복수의 알려져 있는 개인들에 대한 홍채 데이터를 포함하는 저장된 홍채 데이터와 추출된 식별 데이터를 비교함으로써 판정된다.
또한, 시스템(600)은 이미징 엘리먼트(610)를 선택적으로 포함한다. 또한, 시스템(600)은 추가적인 이미징 엘리먼트(612-614)를 선택적으로 포함할 수 있다. 이미징 엘리먼트(610-614)는 홍채 수집 이미지를 캡처링하고 캡처링된 이미지를 수신 엘리먼트(602)에 제공하도록 구성되어 있다. 이미징 엘리먼트(610-614)는 카메라 및 비디오-레코딩 기술 둘다를 포함할 수 있다. 이미징 엘리먼트(610-614)는 통신 채널(616)을 통하여 수신 엘리먼트(602)와 통신할 수 있다. 예컨대, 이미징 엘리먼트(610-614)는 수신 엘리먼트(602)에 직접 연결될 수도 있고 유선 또는 무선 네트워크를 통하여 통신할 수도 있다.
이미징 엘리먼트(610-614)는 홍채 수집 이미지를 은밀하게 수집하도록 구성될 수 있다. 여기에서 사용되는 바의 은밀한 수집이라는 용어는 개인이 알고 있음 없이 개인의 홍채의 홍채 수집 이미지를 촬영하는 것을 일컫는다. 홍채 스캔을 복원하는 것은 결과적으로 더 나은 이미지 품질로 되기 때문에, 덜 이상적인 조건에서 촬영된 홍채 수집 이미지도 사용가능하고, 이미징 엘리먼트(610-614)의 배치에서 더 큰 유연성을 가능하게 한다. 이것은 아웃도어 에어리어, 공공 장소 및 홍채 스캐닝에 부적당한 조건을 갖는 다른 에어리어를 포함하는 더 많은 조건에서 은밀한 수집을 가능하게 한다. 본원발명의 일실시예에 있어서, 이미징 엘리먼트(610-614)는 홍채 수집 이미지를 촬영되는 대로 실시간으로 수신 엘리먼트(602)에 제공한다. 본원발명의 또다른 실시예에 있어서, 이미징 엘리먼트(610-614)를 사용하여 촬영된 홍채 수집 이미지는 나중에 제공된다. 예컨대, 이미징 엘리먼트(610-614)를 사용하여 촬영된 홍채 수집 이미지는 비디오 매체를 포함하는 사진 매체 또는 컴퓨터-판독가능한 매체상에 저장될 수 있고, 그리하여, 이미징 엘리먼트(610-614)에 의해 이전에 기록되었던 관심있는 개인의 식별을 가능하게 한다.
이미징 엘리먼트(610-614)는 홍채 수집 이미지의 품질을 최대화하도록 전략적으로 놓일 수 있다. 본원발명의 일실시예에 있어서, 이미징 엘리먼트(610-614)는 홍채 수집 이미지가 부분적 홍채 수집 이미지이고 부분적 홍채 수집 이미지가 중첩하도록 전략적으로 배치되고 구성된다. 본원발명의 일실시예에 있어서, 이미징 엘리먼트(610-614)는 시스템에 제시된 평면 2차원 사진이 개인의 안면 및 홍채에 대향하는 평면 사진으로서 검출될 수 있도록 놓인다. 바람직하게는, 홍채 수집 이미지는 홍채 전체를 캡처링한다. 본원발명의 일실시예에 있어서, 단일 이미징 엘리먼트(610)는 홍채 전체를 중첩하고 캡처링하는 다중의 부분적 홍채 수집 이미지를 캡처링하도록 구성되어 있다.

Claims (10)

  1. 홍채의 복수의 홍채 수집 이미지를 수신하는 단계; 및
    상기 복수의 홍채 수집 이미지 중 적어도 2개를 사용하여 상기 홍채의 단일 홍채 이미지를 복원하는 단계;를 포함하는 것을 특징으로 하는 홍채 인식을 위한 홍채 스캔 복원 방법.
  2. 제1 항에 있어서,
    상기 복원하는 단계는 상기 복수의 홍채 수집 이미지 중 적어도 2개를 상기 단일 홍채 이미지로 모자이킹하는 단계를 더 포함하는 것을 특징으로 하는 홍채 인식을 위한 홍채 스캔 복원 방법.
  3. 제2 항에 있어서,
    동공 구조, 간질, 괄약근, 푹스 움, 퍼필러리 러프, 원형 수축 주름, 및 상기 홍채의 베이스에서의 움으로 이루어진 그룹으로부터 선택되는 상기 홍채의 적어도 하나의 구조적 특징을 사용하여 상기 모자이킹이 수행되는 것을 특징으로 하는 홍채 인식을 위한 홍채 스캔 복원 방법.
  4. 제3 항에 있어서,
    상기 모자이킹하는 단계는
    상기 적어도 2개의 홍채 수집 이미지를 레지스터링하는 단계; 및
    상기 홍채의 어느 구조적 특징에 기초하여 적어도 2개의 홍채 수집 이미지를 블렌딩하는 단계;를 포함하는 것을 특징으로 하는 홍채 인식을 위한 홍채 스캔 복원 방법.
  5. 제1 항에 있어서,
    상기 복원하는 단계는
    적어도 하나의 상기 홍채 수집 이미지에서 적어도 하나의 정보 소실 에어리어를 식별하는 단계; 및
    식별된 적어도 하나의 정보 소실 에어리어를 필링하도록 인페인팅 기술을 사용하는 단계;를 더 포함하는 것을 특징으로 하는 홍채 인식을 위한 홍채 스캔 복원 방법.
  6. 제5 항에 있어서,
    상기 정보 소실 에어리어는 경면반사, 단일 속눈썹, 다중 속눈썹, 티끌, 이미지 잡음, 조명 및 캡처링되지 않은 에어리어에 의해 폐색된 에어리어를 포함하는 것을 특징으로 하는 홍채 인식을 위한 홍채 스캔 복원 방법.
  7. 제5 항에 있어서,
    상기 정보 소실 에어리어는 범례-기반 인페인팅 기술을 사용하여 필링되는 것을 특징으로 하는 홍채 인식을 위한 홍채 스캔 복원 방법.
  8. 제5 항에 있어서,
    상기 정보 소실 에어리어는 편미분방정식(PDE)-기반 인페인팅 기술을 사용하여 필링되는 것을 특징으로 하는 홍채 인식을 위한 홍채 스캔 복원 방법.
  9. 제5 항에 있어서,
    상기 정보 소실 에어리어의 사이즈, 상기 정보 소실 에어리어의 기대 데이터 빈도 및 범례 필 후보의 이용가능성 중 적어도 하나에 기초하여 상기 정보 소실 에어리어를 필링인하도록 사용되는 인페인팅 기술을 자동으로 결정하는 단계를 더 포함하는 것을 특징으로 하는 홍채 인식을 위한 홍채 스캔 복원 방법.
  10. 제5 항에 있어서,
    상기 정보 소실 에어리어의 사이즈, 상기 정보 소실 에어리어의 기대 데이터 빈도 및 범례 필 후보의 이용가능성에 기초하여 상기 정보 소실 에어리어를 필링인하도록 사용되는 인페인팅 기술을 자동으로 결정하는 단계를 더 포함하는 것을 특징으로 하는 홍채 인식을 위한 홍채 스캔 복원 방법.
KR1020117023856A 2009-03-11 2010-03-09 부분적 수집물의 모자이킹 및 인페인팅 기술을 통하여 홍채 스캔을 복원하는 방법 KR20110127264A (ko)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
US12/401,858 2009-03-11
US12/401,858 US20100232654A1 (en) 2009-03-11 2009-03-11 Method for reconstructing iris scans through novel inpainting techniques and mosaicing of partial collections

Publications (1)

Publication Number Publication Date
KR20110127264A true KR20110127264A (ko) 2011-11-24

Family

ID=42634747

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020117023856A KR20110127264A (ko) 2009-03-11 2010-03-09 부분적 수집물의 모자이킹 및 인페인팅 기술을 통하여 홍채 스캔을 복원하는 방법

Country Status (9)

Country Link
US (1) US20100232654A1 (ko)
EP (1) EP2406753A2 (ko)
JP (1) JP2012519927A (ko)
KR (1) KR20110127264A (ko)
CN (1) CN102349080A (ko)
BR (1) BRPI1006521A2 (ko)
CA (1) CA2753818A1 (ko)
TW (1) TW201106275A (ko)
WO (1) WO2010104870A2 (ko)

Families Citing this family (24)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20110044513A1 (en) * 2009-08-19 2011-02-24 Harris Corporation Method for n-wise registration and mosaicing of partial prints
US8306288B2 (en) * 2009-08-19 2012-11-06 Harris Corporation Automatic identification of fingerprint inpainting target areas
CN102404186A (zh) * 2010-09-09 2012-04-04 杭州华三通信技术有限公司 一种报文分片重组的方法及装置
US8824826B2 (en) * 2011-02-24 2014-09-02 Foveon, Inc. Methods for performing fast detail-preserving image filtering
US9881354B2 (en) * 2012-03-15 2018-01-30 Microsoft Technology Licensing, Llc Image completion including automatic cropping
US9846799B2 (en) 2012-05-18 2017-12-19 Apple Inc. Efficient texture comparison
US9202099B2 (en) 2012-06-29 2015-12-01 Apple Inc. Fingerprint sensing and enrollment
US9715616B2 (en) 2012-06-29 2017-07-25 Apple Inc. Fingerprint sensing and enrollment
CN103020612A (zh) * 2013-01-05 2013-04-03 南京航空航天大学 一种虹膜图像采集装置及方法
US10068120B2 (en) 2013-03-15 2018-09-04 Apple Inc. High dynamic range fingerprint sensing
CN103824293B (zh) * 2014-02-28 2016-08-17 北京中科虹霸科技有限公司 虹膜采集设备成像质量评测系统
US9864871B2 (en) * 2015-01-24 2018-01-09 International Business Machines Corporation Masking of haptic data
KR101808256B1 (ko) * 2016-05-03 2017-12-13 액츠 주식회사 홍채 인식 장치 및 방법
WO2018013200A1 (en) 2016-07-14 2018-01-18 Magic Leap, Inc. Deep neural network for iris identification
CN115097937A (zh) 2016-11-15 2022-09-23 奇跃公司 用于长方体检测的深度学习系统
CA3057678A1 (en) * 2017-03-24 2018-09-27 Magic Leap, Inc. Accumulation and confidence assignment of iris codes
WO2019060283A1 (en) 2017-09-20 2019-03-28 Magic Leap, Inc. PERSONALIZED NEURONAL FOLLOW-UP NETWORK
KR102602117B1 (ko) 2017-10-26 2023-11-13 매직 립, 인코포레이티드 딥 멀티태스크 네트워크들에서 적응적 손실 밸런싱을 위한 그라디언트 정규화 시스템들 및 방법들
US10593024B2 (en) 2018-04-04 2020-03-17 Hong Kong Applied Science And Technology Research Institute Co., Ltd. Image inpainting on arbitrary surfaces
CN108510497B (zh) * 2018-04-10 2022-04-26 四川和生视界医药技术开发有限公司 视网膜图像病灶信息的显示方法及显示装置
CN110727532B (zh) * 2019-09-25 2023-07-28 武汉奥浦信息技术有限公司 一种数据修复方法、电子设备及存储介质
KR102286455B1 (ko) * 2020-03-31 2021-08-04 숭실대학교산학협력단 인공지능을 활용한 위조 홍채 생성 방법, 이를 수행하기 위한 기록 매체 및 장치
JPWO2023047572A1 (ko) 2021-09-27 2023-03-30
JPWO2023053359A1 (ko) * 2021-09-30 2023-04-06

Family Cites Families (20)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US5572596A (en) * 1994-09-02 1996-11-05 David Sarnoff Research Center, Inc. Automated, non-invasive iris recognition system and method
AU727389B2 (en) * 1996-08-25 2000-12-14 Sarnoff Corporation, The Apparatus for the iris acquiring images
US5963656A (en) * 1996-09-30 1999-10-05 International Business Machines Corporation System and method for determining the quality of fingerprint images
US6088470A (en) * 1998-01-27 2000-07-11 Sensar, Inc. Method and apparatus for removal of bright or dark spots by the fusion of multiple images
US7072523B2 (en) * 2000-09-01 2006-07-04 Lenovo (Singapore) Pte. Ltd. System and method for fingerprint image enhancement using partitioned least-squared filters
US7203347B2 (en) * 2001-06-27 2007-04-10 Activcard Ireland Limited Method and system for extracting an area of interest from within a swipe image of a biological surface
US6987520B2 (en) * 2003-02-24 2006-01-17 Microsoft Corporation Image region filling by exemplar-based inpainting
US20050084179A1 (en) * 2003-09-04 2005-04-21 Keith Hanna Method and apparatus for performing iris recognition from an image
US8050463B2 (en) * 2005-01-26 2011-11-01 Honeywell International Inc. Iris recognition system having image quality metrics
US8254714B2 (en) * 2003-09-16 2012-08-28 Wake Forest University Methods and systems for designing electromagnetic wave filters and electromagnetic wave filters designed using same
EP1671260B1 (en) * 2003-10-01 2014-06-11 Authentec, Inc. Methods for finger biometric processing and associated finger biometric sensors
US7230429B1 (en) * 2004-01-23 2007-06-12 Invivo Corporation Method for applying an in-painting technique to correct images in parallel imaging
US8447077B2 (en) * 2006-09-11 2013-05-21 Validity Sensors, Inc. Method and apparatus for fingerprint motion tracking using an in-line array
JP2005304809A (ja) * 2004-04-22 2005-11-04 Matsushita Electric Ind Co Ltd 照明装置付き目画像撮像装置
CN100367296C (zh) * 2006-01-18 2008-02-06 北京飞天诚信科技有限公司 指纹图像采集成像方法
US7750902B2 (en) * 2006-07-20 2010-07-06 Harris Corporation Geospatial modeling system providing non-linear inpainting for voids in geospatial model cultural feature data and related methods
US7764810B2 (en) * 2006-07-20 2010-07-27 Harris Corporation Geospatial modeling system providing non-linear inpainting for voids in geospatial model terrain data and related methods
US7881913B2 (en) * 2007-02-12 2011-02-01 Harris Corporation Exemplar/PDE-based technique to fill null regions and corresponding accuracy assessment
KR101265956B1 (ko) * 2007-11-02 2013-05-22 삼성전자주식회사 블록 기반의 영상 복원 시스템 및 방법
JP2010214634A (ja) * 2009-03-13 2010-09-30 Ricoh Co Ltd 薄膜アクチュエータ、液体吐出ヘッド、インクカートリッジ及び画像形成装置

Also Published As

Publication number Publication date
TW201106275A (en) 2011-02-16
WO2010104870A2 (en) 2010-09-16
CA2753818A1 (en) 2010-09-16
EP2406753A2 (en) 2012-01-18
BRPI1006521A2 (pt) 2017-06-06
WO2010104870A3 (en) 2010-11-04
US20100232654A1 (en) 2010-09-16
CN102349080A (zh) 2012-02-08
JP2012519927A (ja) 2012-08-30

Similar Documents

Publication Publication Date Title
KR20110127264A (ko) 부분적 수집물의 모자이킹 및 인페인팅 기술을 통하여 홍채 스캔을 복원하는 방법
US20220165087A1 (en) Systems and methods for performing fingerprint based user authentication using imagery captured using mobile devices
Bowyer et al. A survey of iris biometrics research: 2008–2010
KR101356358B1 (ko) 눈의 이미지에 기초한 바이오메트릭 인증을 위한 기기 및 컴퓨터 구현 방법
De Marsico et al. Mobile iris challenge evaluation (MICHE)-I, biometric iris dataset and protocols
CN107209848B (zh) 用于基于多模式生物识别信息的个人识别的系统和方法
Emeršič et al. The unconstrained ear recognition challenge 2019
KR20110121874A (ko) 홍채 인식 시스템, 그 방법 및 이를 이용한 무선 통신 장치 보안 시스템
CN113614731A (zh) 使用软生物特征的认证验证
Crisan et al. Low cost, high quality vein pattern recognition device with liveness Detection. Workflow and implementations
Purnapatra et al. Presentation attack detection with advanced cnn models for noncontact-based fingerprint systems
Hsieh et al. Extending the capture volume of an iris recognition system using wavefront coding and super-resolution
Pauca et al. Challenging ocular image recognition
CN116758590B (zh) 用于身份认证的手掌特征处理方法、装置、设备和介质
Kahlil et al. Generation of iris codes using 1d log-gabor filter
Li et al. Deep learning based fingerprint presentation attack detection: A comprehensive Survey
Morales et al. Introduction to presentation attack detection in iris biometrics and recent advances
Szymkowski et al. A novel approach to fingerprint identification using method of sectorization
Emeršič et al. The unconstrained ear recognition challenge 2019-arxiv version with appendix
Chhabra et al. Low quality iris detection in smart phone: a survey
More et al. A Survey on Iris Recognition Techniques
Chen A Highly Efficient Biometrics Approach for Unconstrained Iris Segmentation and Recognition
Agarwal et al. A comparative study of facial, retinal, iris and sclera recognition techniques
Kumar et al. Performance of personal identification system technique using iris biometrics technology
Chavan et al. Low-Dimensional Spectral Feature Fusion Model for Iris Image Validation

Legal Events

Date Code Title Description
A201 Request for examination
E902 Notification of reason for refusal
E601 Decision to refuse application