KR20160009972A - 허위 안면 이미지 분류가 가능한 홍채 인식 장치 - Google Patents

허위 안면 이미지 분류가 가능한 홍채 인식 장치 Download PDF

Info

Publication number
KR20160009972A
KR20160009972A KR1020140090597A KR20140090597A KR20160009972A KR 20160009972 A KR20160009972 A KR 20160009972A KR 1020140090597 A KR1020140090597 A KR 1020140090597A KR 20140090597 A KR20140090597 A KR 20140090597A KR 20160009972 A KR20160009972 A KR 20160009972A
Authority
KR
South Korea
Prior art keywords
image
iris
feature points
facial
iris recognition
Prior art date
Application number
KR1020140090597A
Other languages
English (en)
Other versions
KR101640014B1 (ko
Inventor
편백범
박성찬
김재한
Original Assignee
크루셜텍 (주)
캔버스바이오 주식회사
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 크루셜텍 (주), 캔버스바이오 주식회사 filed Critical 크루셜텍 (주)
Priority to KR1020140090597A priority Critical patent/KR101640014B1/ko
Publication of KR20160009972A publication Critical patent/KR20160009972A/ko
Application granted granted Critical
Publication of KR101640014B1 publication Critical patent/KR101640014B1/ko

Links

Images

Classifications

    • 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
    • G06V40/193—Preprocessing; Feature extraction
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/60—Analysis of geometric attributes
    • 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
    • G06V10/44—Local feature extraction by analysis of parts of the pattern, e.g. by detecting edges, contours, loops, corners, strokes or intersections; Connectivity analysis, e.g. of connected components
    • G06V10/443—Local feature extraction by analysis of parts of the pattern, e.g. by detecting edges, contours, loops, corners, strokes or intersections; Connectivity analysis, e.g. of connected components by matching or filtering
    • G06V10/449—Biologically inspired filters, e.g. difference of Gaussians [DoG] or Gabor filters
    • 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
    • G06V40/16—Human faces, e.g. facial parts, sketches or expressions
    • 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
    • G06V40/40—Spoof detection, e.g. liveness detection

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Multimedia (AREA)
  • Health & Medical Sciences (AREA)
  • General Health & Medical Sciences (AREA)
  • Human Computer Interaction (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Data Mining & Analysis (AREA)
  • Biomedical Technology (AREA)
  • Geometry (AREA)
  • Artificial Intelligence (AREA)
  • Biodiversity & Conservation Biology (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Molecular Biology (AREA)
  • Evolutionary Biology (AREA)
  • Evolutionary Computation (AREA)
  • General Engineering & Computer Science (AREA)
  • Ophthalmology & Optometry (AREA)
  • Oral & Maxillofacial Surgery (AREA)
  • Collating Specific Patterns (AREA)

Abstract

본 발명의 일 실시예에 따르면, 영상 획득 장치를 이용하여 프레임 단위로 사용자의 안면에 대한 복수의 안면 이미지들을 획득하는 단계; 서로 다른 프레임을 통해 각각 획득한 제1 및 제2 안면 이미지에서 복수 개의 특징점을 각각 추출하는 단계; 상기 제1 및 제2 안면 이미지에서 서로 매칭되는 복수 개의 특징점을 획득하고, 상기 매칭되는 특징점들의 위치관계를 바탕으로 상기 특징점들의 지-뎁스와 상기 지-뎁스들의 표준편차를 계산하는 단계; 및 상기 지-뎁스들의 표준편차가 기준값보다 큰 경우, 상기 제1 또는 제2 안면 이미지가 포함하는 홍채 이미지를 이용하여 홍채 인식을 수행하는 단계를 포함하는, 홍채 인식 장치의 허위 안면 이미지 구분 방법이 제공된다.

Description

허위 안면 이미지 분류가 가능한 홍채 인식 장치{IRIS RECOGNITION APPARATUS FOR DETECTING FALSE FACE IMAGE}
본 발명은 홍채 인식 장치에 대한 것으로, 보다 상세하게는, 2차원 이미지와 같은 허위 안면 이미지를 통하여 홍채 인식을 수행하려는 시도를 분간할 수 있는 홍채 인식 장치에 관한 것이다.
현대 사회에서 기술과 서비스가 발전함에 따라, 개개인의 식별이 필요한 활동과 거래가 급증하고 있다. 이러한 목적을 달성하기 위하여, 개인 식별 기술은 종전의 신분증이나 비밀번호 입력과 같은 방식에서 사람의 생체 정보를 이용하는 방식으로 발전하고 있다.
현재, 상용화되어 있는 생체 인식의 수단으로서는 지문, 정맥, 장문, 음성, 망막, 홍채 등이 있다.
이 중, 홍채는 사람마다 독특하고 복잡한 패턴을 가지며, 이는 수술, 외상, 질병 등의 예외적인 경우를 제외하면 사람의 일생동안 일정한 형태를 유지한다. 또한, 같은 사람일지라도 왼쪽 눈과 오른쪽 눈의 홍채 패턴이 다를 정도로 동일한 홍채 패턴이 존재할 가능성이 희박하므로, 다른 사람에 의한 도용이 거의 불가능하다.
그리고, 홍채를 통한 인식은 짧은 시간 내에 신분 판별이 가능하며, 카메라를 통해 인식이 수행되므로 센서와 신체 간의 어떠한 접촉이 필요 없어 사용자로 하여금 거부감도 덜 수 있는 장점을 가지고 있다.
이러한 장점에 따라 홍채를 통한 인식은 향후 일반적으로 사용될 생체 인식 수단으로 평가되고 있다.
그러나, 홍채 인식은 카메라를 통해 촬영되는 영상에서 식별되는 홍채를 그 인식 수단으로 하기 때문에, 기 촬영된 사진, 즉, 2차원 사진으로 표현된 안면 이미지를 카메라로 촬영하여 홍채 인식을 수행하는 등 부정한 방법으로 인식을 수행하는 방법이 존재하였으며, 이로 인해 홍채 인식 장치의 보안성에 대한 문제점이 대두되었다.
본 발명의 목적은 전술한 종래기술의 문제점을 해결하는 것을 그 목적으로 한다.
본 발명의 목적은 서로 다른 안면 이미지의 비교를 통하여 홍채 인식 장치가 사용자의 허위 이미지를 통한 인식 수행을 판별할 수 있도록 하려는 것이다.
본 발명의 다른 목적은 홍채 이미지를 3차원 좌표계로 변환한 후 이를 통한 비교로 사용자 등록 및 인식을 수행하려는 것이다.
상술한 목적을 달성하기 위한 본 발명의 일 실시예에 따르면, 영상 획득 장치를 이용하여 프레임 단위로 사용자의 안면에 대한 복수의 안면 이미지들을 획득하는 단계; 서로 다른 프레임을 통해 획득한 제1 및 제2 안면 이미지에서 복수 개의 특징점을 각각 추출하는 단계; 상기 제1 및 제2 안면 이미지에서 서로 매칭되는 복수 개의 특징점을 획득하고, 상기 매칭되는 특징점들의 위치관계를 바탕으로 상기 특징점들의 지-뎁스와 상기 지-뎁스들의 표준편차를 계산하는 단계; 및 상기 지-뎁스들의 표준편차가 기준값보다 큰 경우, 상기 제1 또는 제2 안면 이미지가 포함하는 홍채 이미지를 이용하여 홍채 인식을 수행하는 단계를 포함하는, 홍채 인식 장치의 허위 안면 이미지 구분 방법이 제공될 수 있다.
상기 지-뎁스를 계산하는 단계는, 상기 제1 및 제2 안면 이미지에서 서로 매칭되는 복수 개의 특징점들을 이용하여 호모그래피 변환 관계를 도출하고, 상기 변환 관계를 이용하여 지-뎁스를 계산할 수 있다.
상기 호모그래피 변환 관계 도출에서 이용되는 특징점들을 선택하는 기준은, 상기 특징점들과 주변 부위와의 관계를 통하여 상기 특징점들의 순위를 산정하고, 상기 순위가 높은 순서대로 선택하는 것일 수 있다.
상기 허위 안면 이미지 구분 방법은 상기 지-뎁스들의 표준편차가 상기 기준값보다 작은 경우 부적법한 홍채 인식 시도라고 판단하는 단계를 더 포함할 수 있다.
상기 허위 안면 이미지 구분 방법은 상기 특징점들의 지-뎁스를 이용하여 상기 제1 또는 제2 안면 이미지가 포함하는 홍채 이미지의 특징점을 3차원 좌표계로 변환하는 단계를 더 포함할 수 있다.
상기 허위 안면 이미지 구분 방법에서, 상기 제1 안면 이미지는 홍채가 인식되는 이미지이며, 상기 제2 안면 이미지는 눈 깜박임에 의하여 홍채가 인식되지 않는 이미지일 수 있고, 상기 홍채 인식을 수행하는 단계는, 상기 제1 안면 이미지가 포함하는 홍채 이미지를 이용하여 홍채 인식을 수행할 수 있다.
한편, 본 발명의 다른 실시예에 따르면, 프레임 단위로 사용자의 안면에 대한 복수의 안면 이미지들을 획득하는 영상 획득부; 서로 다른 프레임을 통해 획득한 제1 및 제2 안면 이미지 각각에서 복수 개의 특징점을 추출하고, 상기 제1 안면 이미지와 상기 제2 안면 이미지 간에 서로 매칭되는 특징점을 획득하는 특징점 추출부; 상기 매칭되는 특징점들의 위치관계를 바탕으로 상기 특징점들의 지-뎁스와 상기 지-뎁스들의 표준편차를 계산하는 지-뎁스 계산부; 및 상기 지-뎁스들의 표준편차가 기준값보다 큰 경우, 상기 제1 또는 제2 안면 이미지가 포함하는 홍채 이미지를 이용하여 홍채 인식을 수행하는 홍채 이미지 인식 수행부를 포함하는, 홍채 인식 장치가 제공될 수 있다.
상기 지-뎁스 계산부는, 상기 제1 및 제2 안면 이미지에서 서로 매칭되는 복수 개의 특징점들을 이용하여 호모그래피 변환 관계를 도출하는 호모그래피 변환 도출부를 더 포함하고, 상기 변환 관계를 이용하여 지-뎁스를 계산할 수 있다.
본 발명의 일 실시예에 따르면, 서로 다른 안면 이미지의 비교를 통하여 특징점을 추출하고, 특징점의 지-뎁스들에 대한 표준편차를 이용하여 2차원의 허위 홍채 이미지로 사용자 등록 및 인식을 수행하는 것을 판별할 수 있다.
본 발명의 일 실시예에 따르면, 안면 이미지 상에서 눈 깜박임을 감지하여, 눈 깜박임이 존재하지 않는 3차원 물체를 통해 허위 홍채 이미지 등록 및 인식을 수행하는 것을 방지할 수 있다.
본 발명의 일 실시에에 따르면, 안면 이미지 상에 있는 특징점들의 지-뎁스를 이용하여 홍채 이미지의 특징점을 3차원 좌표계로 변환하고, 이를 통한 사용자 등록 및 인식 수행이 가능하다.
도 1은 본 발명의 일 실시예에 따른 홍채 인식 장치를 포함하는 전자 기기의 구성을 나타낸 도면이다.
도 2는 본 발명의 일 실시예에 따른 홍채 인식 장치의 구성을 대략적으로 나타낸 도면이다.
도 3은 본 발명의 일 실시예에 따른 안면 이미지를 개략적으로 나타내는 도면이다.
도 4는 본 발명의 일 실시예에 따른 2차원 이미지가 인식되었을 때의 모습을 개략적으로 나타내는 도면이다.
도 5는 본 발명의 일 실시예에 따른 허위 안면 이미지 구분 방법의 흐름을 개략적으로 나타낸 도면이다.
이하에서는 첨부한 도면을 참조하여 본 발명을 설명하기로 한다. 그러나 본 발명은 여러 가지 상이한 형태로 구현될 수 있으며, 따라서 여기에서 설명하는 실시예로 한정되는 것은 아니다. 그리고 도면에서 본 발명을 명확하게 설명하기 위해서 설명과 관계없는 부분은 생략하였으며, 명세서 전체를 통하여 유사한 부분에 대해서는 유사한 도면 부호를 붙였다.
명세서 전체에서, 어떤 부분이 다른 부분과 "연결"되어 있다고 할 때, 이는 "직접적으로 연결"되어 있는 경우뿐 아니라, 그 중간에 다른 부재를 사이에 두고 "간접적으로 연결"되어 있는 경우도 포함한다. 또한 어떤 부분이 어떤 구성요소를 "포함"한다고 할 때, 이는 특별히 반대되는 기재가 없는 한 다른 구성요소를 제외하는 것이 아니라 다른 구성요소를 더 구비할 수 있다는 것을 의미한다.
이하 첨부된 도면을 참고하여 본 발명의 실시예를 상세히 설명하기로 한다.
본 발명에서, 홍채 인식 장치란 사람마다 고유한 특성을 가진 홍채의 패턴을 이용하여 사람을 인식하는 장치를 의미하며, 홍채 정보의 등록과 인식을 수행할 수 있다.
홍채 인식 장치는 사용자 단말기의 잠금 관리, 출입통제 관리, 근태 관리, 컴퓨터 보안 관리, 전자상거래 등과 연계되어 사용될 수 있다.
도 1은 본 발명의 일 실시예에 따른 홍채 인식 장치를 포함하는 전자 기기(100)의 구성을 나타낸 도면이다.
본 발명의 일 실시예에 따른 전자 기기(100)는 소정의 데이터 처리를 통해 사용자가 원하는 동작을 수행하는 디지털 기기일 수 있다. 전자 기기(100)는 입력부와 표시부(101)을 구비할 수 있으며, 입력부를 통한 사용자의 소정 동작 명령에 의해 이루어지는 동작에 대한 상태를 표시부(101)를 통해 사용자에게 제공할 수 있다. 또한, 전자 기기(100)는 표시부(101)를 보호하며, 전자 기기의 전면을 형성하는 커버유리를 포함할 수 있다.
도 1에서는 전자 기기(100)의 표시부(101)가 터치스크린 방식으로 구현되어 그 자체로서 입력부의 역할을 동시에 하는 것으로 도시되었으나, 입력부는 키보드 또는 키패드 방식으로 구현되어 표시부(101)와 별도로 구비될 수도 있다.
본 발명의 일 실시예에 따른 전자 기기(100)는 메모리 수단을 구비하고 마이크로 프로세서를 탑재하여 연산 능력을 갖춘, 태블릿 PC, 스마트폰, 개인용 컴퓨터, 워크스테이션, PDA, 웹 패드, 이동 전화기, 내비게이션 등과 같은 디지털 기기를 포괄하는 용어로서 이해되어야 한다.
도 1을 참조하면, 홍채 인식 장치는 소정의 영상 획득부(110)를 포함하는 전자 기기(100) 내에 탑재될 수 있다. 도면에서는 영상 획득부(110)가 전자 기기(100)의 상측 가장자리에 형성되는 것으로 도시되었으나, 어느 위치에 형성되어도 본 발명의 범위를 벗어나는 것은 아니다. 또한, 도면에서는 영상 획득부(110)가 원형의 형태로 구성되어 있으나, 다른 형태를 취할 수 있음은 물론이며, 하나의 전자 기기(100) 내에 복수개의 영상 획득부(110)가 탑재될 수도 있다.
영상 획득부(110)는 외부 환경을 프레임 단위로 촬영하여 이로부터 이미지를 획득하는 기능을 지닌 카메라 또는 캠코더 등의 영상 획득 장치일 수 있다. 또한, 영상 획득부(110)는 네트워크를 통하여 연결된 영상 획득 장치로부터 동영상 등의 데이터를 전송 받아 이미지를 획득하는 장치일 수 있다.
일 실시예에 따르면, 영상 획득부(110)는 움직이는 물체를 센서를 통해 감지하여 자동으로 촬영을 수행할 수 있으며, 움직이는 물체를 따라 촬영 범위를 조절하는 것이 가능할 수 있다.
다른 실시예에 따르면, 영상 획득부(110)는 사용자가 전자 기기(100)의 입력부를 통해 내리는 지시에 따르거나, 사용자의 음성을 전자 기기(100) 내의 음성 인식 장치가 인식함에 따라서 영상 촬영을 수행할 수도 있다.
도 1에서는 영상 획득부(110)가 휴대용 단말기와 같은 전자 기기(100) 내에 탑재 되는 것으로 도시되었으나, 건물 일면에 고정되어 출입을 관리하는 전자 기기와 같은 다른 형태의 전자 기기에 포함될 수 있음은 물론이다.
도 2는 본 발명의 일 실시예에 따른 홍채 인식 장치의 구성을 대략적으로 나타낸 도면이다.
도 2를 참조하면, 본 발명의 홍채 인식 장치는 영상 획득부(110), 특징점 추출부(120), 지-뎁스 계산부(130), 3차원 좌표 변환부(140), 홍채 이미지 인식 수행부(150), 데이터베이스(160), 제어부(170), 입력부(180) 등을 포함하여 구성될 수 있다.
영상 획득부(110)는 도 1을 통해 설명한 바와 같이, 외부 환경을 프레임 단위로 촬영하는 장치로, 홍채 인식을 위한 기초 데이터가 되는 안면 이미지의 획득을 수행하는 장치일 수 있다.
영상 획득부(110)를 통해 획득된 안면 이미지는 지문 인식 장치의 데이터베이스(160) 상에 저장될 수 있다.
특징점 추출부(120)는 영상 획득부(110)가 획득한 안면 이미지 상의 특징점들을 추출하고, 서로 다른 안면 이미지 상에서 추출된 특징점들을 매칭할 수 있다.
본 발명에서 특징점이라 함은, 주변 이미지와 구분되며 식별이 용이한 지점일 수 있다. 바람직하게는, 특징점은 서로 다른 안면 이미지 상에서 형태, 크기 및 위치가 변동하더라도 식별이 가능해야 하며, 영상을 획득하는 카메라 또는 캠코더 등의 시점이 달라지거나 조명이 변하더라도 식별이 편리해야 한다.
본 발명의 일 실시예에 따르면, 이러한 특징점을 추출하는 알고리즘은 Harris Corner, Shi-Tomasi, SIFT-DoG, FAST 등일 수 있다. 이러한 알고리즘은 이미지 상에서 특징점을 탐색하는 범위를 주변으로 이동시켰을 때의 영상 변화량이 큰 부분을 찾는 것일 수 있으며, 이미지에서 주변 픽셀들과의 명도, 채도, 색상 등의 차이를 이용하는 것일 수 있다.
안면 이미지 상에서 추출된 특징점은 눈, 귀, 눈썹, 코, 입 등의 일반적인 특징의 일부일 수 있으며, 흉터나 점과 같은 개인적인 특징의 일부일 수도 있다. 또한, 특징점의 크기는 홍채의 특징을 세분화해서 구분할 수 있을 정도로 작은 크기일 수 있다.
특징점 추출부(120)는 특징점이 추출될 제1 안면 이미지(210)와 제2 안면 이미지(220)를 선택할 수 있다. 상기 제1 및 제2 안면 이미지(210, 220)는 시간차를 두고 촬영된 프레임을 통해 획득된 이미지일 수 있다. 여기서의 프레임은, 전술한 바와 같이 영상 획득부의 촬영 단위이다. 이 때, 선택된 두 이미지가 차이가 미세한 정도일 경우, 후술할 것과 같이, 두 이미지의 비교를 통해 획득한 지-뎁스(z-depth)의 표준편차가 기준값보다 낮아, 2차원 이미지를 통한 허위로 홍채 인식을 수행하는 것을 방지하려는 본 발명의 목적을 달성하기 어려우므로, 이미지의 유사도를 판단하여 유사도가 기설정된 일정치 이상인 두 이미지를 같이 선택하는 것을 지양할 수 있을 것이다. 일 실시예에 따르면, 촬영된 시간 간격이 근접한 프레임에서 추출된 이미지는 유사도가 높을 확률이 크므로, 촬영된 시간 간격이 기설정된 임계 시간 이상인 프레임들에서 제1 및 제2 안면 이미지(210, 220)를 획득할 수 있다.
예를 들면, 영상 획득부(110)는 1초에 30프레임이 촬영 가능한 카메라일 수 있다. 이 때, 연속된 프레임에서 추출된 두 개의 안면 이미지를 선택하여 비교할 경우, 두 이미지의 촬영된 시간이 1/30초 밖에 차이가 나지 않기 때문에, 두 이미지의 유사도가 매우 높을 수 있고, 이에 따라 촬영된 시간 간격이 보다 큰 두 프레임에서 안면 이미지를 추출할 수 있다.
특징점 추출부(120)는 제2 안면 이미지(220)에서 추출된 특징점을 분석하거나, 제1 안면 이미지(210) 상의 특징점들과 비교하여, 제2 안면 이미지(220) 상에서 눈 깜박임이 존재하는지 판단할 수 있다. 제2 안면 이미지(220) 상에서의 눈 깜박임 존재 여부를 판단하는 이유는, 매 프레임마다 프레임 간의 지-뎁스를 계산할 경우 응답시간이 길어지기 때문이다. 즉, 특징점 추출부(120)는 제1 안면 이미지(210) 이후의 연속하는 프레임들 중 1차적으로 눈깜빡임 존재 여부에 기초하여 제2 안면 이미지(220)를 선택한다. 이 경우, 제2 안면 이미지(220) 상에서 제1 안면 이미지(210)와 비교하여 눈 깜박임이 존재하지 않으면, 특징점이 추출될 제2 안면 이미지(220)가 재선택될 수 있다.
특징점 추출부(120)는 제1 안면 이미지(210)의 특징점을 제2 안면 이미지(220)의 특징점과 매칭할 수 있는데, 특징점의 크기, 다른 특징점과의 위치 관계, 특징점의 명도, 채도, 색상 등을 이용하여 제1 안면 이미지(210) 상의 특징점이 제2 안면 이미지(220) 상의 특징점과 매칭되는지 판단할 수 있다.
예를 들면, 특징점 추출부(120)는 제1 및 제2 안면 이미지(210, 220) 상에서 주변 픽셀과의 색상 대비를 통하여 입술의 일부분을 각각 특징점으로 추출하여 매칭시킬 수 있으며, 유사한 방식으로 추출된 양쪽 눈과 입술과의 위치관계를 통하여 그 사이에 있는 코를 특징점으로 추출하여 매칭할 수도 있다.
영상 획득부(110)가 제1 및 제2 안면 이미지(210, 220)에 대한 프레임을 촬영할 때, 각도, 거리 또는 조명 등의 조건이 상이할 수 있으므로, 제1 안면 이미지(210) 상에서 추출된 특징점이 제2 안면 이미지(220) 상에서는 추출되지 않을 수 있다. 예를 들어, 제1 안면 이미지(210)는 얼굴의 정면 부분을 포함하고 있고, 제2 안면 이미지(220)는 얼굴의 측면 부분을 포함하고 있다면, 얼굴의 반대 측면에 있는 특징점들은 제1 안면 이미지(210) 상에서만 표시되어 추출될 수 있다. 따라서, 이러한 제1 안면 이미지(210) 상에서만 표시되는 특징점들은 제2 안면 이미지(220)상에서 매칭되는 특징점이 존재하지 않기 때문에, 매칭이 되지 않고 그에 따라 제1 및 제2 안면 이미지(210, 220)를 비교하는데 있어 사용되지 않을 수 있다.
지-뎁스 계산부(130)는 특징점 추출부(120)에서 획득된 제1 안면 이미지(210)의 특징점들과, 이와 매칭되는 제2 안면 이미지(220) 상의 특징점들의 위치관계를 이용하여, 특징점들의 지-뎁스를 계산할 수 있다.
지-뎁스(z-depth)란 이미지 상에서 기준이 되는 평면으로부터의 수직거리를 나타내는 것이다. 예를 들면, 카메라를 가지고 동굴의 입구에서 안쪽을 향하여 촬영을 실시할 때, 획득한 이미지 상에서 동굴의 안쪽 공간이 점점 더 어두워져 보일 수 있고, 동굴의 입구 부분을 기준 평면으로 설정하면, 동굴의 안쪽일수록 기준 평면으로부터의 거리가 멀어져 지-뎁스가 커질 수 있다. 다만, 하나의 이미지로부터 지-뎁스를 계산하는 것이 어렵기 때문에, 본 발명에서는 제1 및 제2 안면 이미지(210, 220)를 이용하여 지-뎁스를 계산한다.
본 발명의 일 실시예에 따르면, 지-뎁스 계산부(130)는 호모그래피 변환 도출부(132)를 포함할 수 있다.
호모그래피 변환 도출부(132)는 제1 및 제2 안면 이미지(210, 220)로부터 추출된 특징점들을 대상으로 호모그래피 변환 관계를 계산할 수 있다. 호모그래피(Homography)란, 두 개의 이미지들 사이에 매칭되는 평면의 선형 변환 관계를 의미한다. 본 발명에서는 호모그래피 변환 도출부(132)가 제1 및 제2 안면 이미지(210, 220)에서 도출된 특징점을 바탕으로, 각 이미지 간에 매칭되는 평면을 선택하게 되고, 매칭되는 두 평면에 대한 호모그래피 변환 관계를 계산할 수 있다.
상세하게는, 두 개의 이미지가 같은 물체를 포함하고 있을 때, 두 이미지 간에 서로 대응되는 평면이 존재할 수 있다. 일반적인 주사위를 예를 들어 설명하자면, 영상 획득부(110)가 주사위를 촬영하는 위치나 각도에 따라 주사위가 두 이미지 상에서 상이한 형태로 나타날 수 있다. 주사위에서 점 다섯개를 포함하여 '5'를 나타내는 눈에 해당하는 면이 제1 이미지에서는 정사각형으로 나타나 보이나, 제2 이미지에서는 정사각형이 아닌 사다리꼴 형태로 나타나 보일 수 있다. 이 경우, 제1 및 제2 이미지 상에서 '5'를 나타내는 눈에 해당하는 평면은 특징점 추출을 통해 매칭될 수 있으며, 두 평면이 갖는 매칭 관계, 즉, 호모그래피 변환 관계가 계산될 수 있다. 일 실시예에 따르면, 제1 이미지 상에 존재하는 주사위의 평면의 각 부분이, 매칭되는 제2 이미지 상에 존재하는 주사위의 평면의 어떤 부분에 대응되는지에 대한 관계가 행렬 형태로 계산되어 저장될 수 있다. 구체적으로는, 제1 이미지 상에서 선택된 평면의 각 픽셀이, 제2 이미지 상에서 매칭되는 평면의 어느 픽셀과 대응되는지를 도출된 호모그래피 변환 관계에 대한 행렬을 통하여 계산할 수 있다.
지-뎁스 계산부(130)는 호모그래피 변환 도출부(132)에 의해 계산된 호모그래피 변환 관계를 이용하여 특징점들의 지-뎁스를 계산할 수 있다. 일 실시예에 따르면, 매칭되는 평면 외의 다른 부분에 존재하는 특징점의 위치, 크기, 형태 변화 등을 분석하여, 양 이미지 간에 존재하는 서로 매칭되는 평면에서 특징점들이 카메라쪽으로 더 나와있는 것인지, 반대로 들어가 있는 것인지를 파악하게 되고 이와 관련된 특징점들의 지-뎁스를 계산할 수 있다.
일 실시예에 따르면, 호모그래피 변환의 대상이 되는 제1 및 제2 안면 이미지(210, 220)에서 매칭되는 평면을 선택하기 위해 각각의 안면 이미지에서 4개씩의 특징점을 선택하여 일대일로 매칭할 수 있다. 제1 안면 이미지(210) 상에서 선택된 4개의 특징점을 연결하면 하나의 사각형이 도출되고, 도출된 사각형을 제2 안면 이미지(220) 상에서 같은 방식으로 도출된 사각형과 매칭하여, 각각의 사각형이 나타내는 두 평면에 대한 매핑 관계인 호모그래피 변환 관계를 계산할 수 있다. 이 경우, 일대일로 매칭되는 제1 안면 이미지(210)의 특징점과 제2 안면 이미지(220)의 특징점은 안면 상에서 같은 부분이어야 하며, 예를 들어, 두 특징점이 각각의 이미지 상에서 왼쪽 눈썹의 일부일 수 있다.
다만, 본 발명에서 평면을 선택하기 위하여 선택되는 특징점의 개수는 4개에 제한되지 않음은 물론이다.
일 실시예에 따르면, 호모그래피 변환 관계를 도출하기 위하여 이용할 특징점들을 선택하는 과정에서, 특징점들은 임의로 선택될 수 있으며, 이미지 내에서 일정 거리 내의 혹은 일정 거리 이상 떨어져 있는 특징점들이 선택될 수도 있다.
일 실시예에 따르면, 특징점들을 선택하는 과정은 소정의 알고리즘을 통해 눈, 코, 입 등을 안면 이미지 상에서 분류하고, 분류된 신체부위의 일부를 특징점으로 선택하는 것일 수 있다. 예를 들면, 제1 및 제2 안면 이미지(210, 220)상에서 양쪽 눈의 눈꼬리 및 양 콧구멍을 특징점으로 선택하고 이에 따라 선택되는 양 평면의 호모그래피 변환 관계를 도출할 수 있다.
다른 실시예에 따르면, 호모그래피 변환 관계를 도출하기 위하여 이용할 특징점들을 선택하는 기준이 마련될 수 있으며, 이 기준은 특징점 추출부(120)가 특징점을 추출할 때 이용하는 기준과 연관될 수 있다. 예를 들면, 호모그래피 변환 도출부(132)는 특징점을 추출하는 과정에서 전술된 영상 변화량 또는 주변 픽셀과의 명도 차이 등을 수치화하여, 각 특징점들의 순위를 산정하고, 순위가 높은 순서대로 특징점을 선택하여 호모그래피 변환 관계를 도출할 수 있다.
3차원 좌표 변환부(140)는 지-뎁스 계산부(130)에서 계산한 지-뎁스들을 바탕으로 3차원 좌표계를 계산하여 제1 또는 제2 안면 이미지(210, 220)를 3차원 이미지로 저장할 수 있다.
3차원 좌표 변환부(140)가 3차원 좌표를 계산하는 일 실시예를 살펴보면, 호모그래피 변환 도출부(132)가 선택한 평면 상의 한 점을 좌표계의 기준점으로 설정하고, 기준점에서 상기 평면 상의 다른 점으로 향하는 방향을 X축, 상기 평면상에서 X축과 수직되는 방향을 Y축으로 설정할 수 있으며, 상기 평면과 수직되는 방향을 Z축으로 설정한 후, 설정된 좌표축에 따라 안면 이미지 상의 각 부분을 계산된 지-뎁스를 이용하여 3차원 좌표계로 변환하여 저장할 수 있다.
일 실시예에 따르면, 홍채 인식 장치는 제1 또는 제2 안면 이미지(210, 220) 상의 홍채 이미지를 이용하여 홍채 인식을 수행할 수 있으며, 이에 따라 3차원 좌표 변환부(140)는 안면 이미지 전체가 아닌, 안면 이미지 상의 홍채 이미지에 존재하는 특징점만을 3차원 좌표계로 저장할 수 있다.
홍채 이미지 인식 수행부(150)는 사용자가 등록한 홍채 이미지와 홍채 인식 수행 과정에서 획득된 홍채 이미지의 매칭 여부를 판단할 수 있다.
일 실시예에 따르면, 홍채 이미지 인식 수행부(150)는 홍채 이미지 상의 패턴들을 홍채 인식 알고리즘을 통해 분리 추출하여 홍채 이미지의 매칭 여부를 판단할 수 있다. 예를 들면, 홍채에 존재하는 무늬의 크기와 형태, 색깔 등을 패턴화하여 저장하고, 추후 홍채 인식시에 이를 이용할 수 있다.
홍채 이미지 인식 수행부(150)는 특징점 추출부(120)에 의하여 추출되어 3차원 좌표 변환부(140)에서 3차원 좌표계로 저장된 홍채 이미지 상의 특징점들을 이용하여 홍채 이미지의 매칭 여부를 판단할 수 있다.
또한, 홍채 이미지 인식 수행부(150)는 사용자의 홍채 이미지 등록 과정 또는 인식 과정에서, 지-뎁스 계산부(130)에 의해 계산된 특징점에 대한 지-뎁스들 간의 표준편차와 미리 설정되어 있던 기준값을 비교하여, 지-뎁스들의 표준편차가 기준값보다 큰 경우에만 홍채 이미지 등록 과정 또는 인식 과정을 수행할 수 있다.
표준편차란 관측값들의 평균으로부터 관측값이 얼마나 떨어져 있는지를 나타내는 특성값으로, 표준편차가 0일 때는 관측값의 크기가 모두 동일하며, 표준편차가 클수록 평균과 차이가 큰 관측값이 다수 존재하게 된다. 본 발명에서는 지-뎁스 값들이 관측값이 되어 표준편차를 구하는 대상이 된다.
지-뎁스들의 표준편차가 기준값보다 큰 경우에만 홍채 등록 과정 또는 인식 과정을 수행하는 이유는, 3차원 이미지의 경우 제1 및 제2 안면 이미지(210, 220)를 이용하여 지-뎁스를 계산하였을 때 특징점별로 지-뎁스가 상이하므로 표준편차가 커지게 되지만, 2차원 이미지의 경우에는 지-뎁스가 0에 수렴하기 때문이며, 도 3 및 도 4를 참조하여 추후 상세히 설명한다.
홍채 이미지 인식 수행부(150)는 지-뎁스들의 표준편차가 기준값보다 작은 경우에 해당 홍채 이미지 인식 시도를 부적법한 홍채 인식 시도라 판단할 수 있다. 이 경우, 특징점 추출부(120)가 제1 및 제2 안면 이미지(210, 220)를 선택하는 단계부터 홍채 인식 과정이 재시작될 수 있으며, 부적법한 홍채 인식 시도가 미리 정해진 일정 횟수 이상이 되면, 홍채 인식 장치가 홍채 인식을 종료할 수도 있다.
일 실시예에 따른, 데이터베이스(160)는 제어부(170)의 제어를 받아 저장하고 있던 정보를 다른 구성요소에 전송 하거나, 저장되어야 할 정보를 각 구성요소로부터 수신하여 저장할 수 있다. 상기 정보는 영상 획득부(110)로부터 획득한 영상 데이터, 제1 및 제2 안면 이미지(210, 220), 특징점에 대한 정보, 지-뎁스, 3차원 좌표 정보, 등록된 사용자 정보 등을 포함할 수 있다. 또한, 데이터베이스(160)에 저장되는 정보는 암호화 되어 있을 수 있다.
본 발명의 일 실시예에 따른, 제어부(170)는 홍채 인식 장치 내의 구성요소들의 동작을 제어하는 역할을 수행할 수 있다. 제어부(170)는 각각의 구성요소들이 보내주는 신호를 수신하여 해당 신호를 필요한 구성요소에게 전달 할 수 있고, 데이터베이스(160)와 각 구성요소들간 정보 교환을 제어할 수 있다.
제어부(170)는 홍채 인식 장치의 구동을 시작하거나 종료할 수 있으며, 홍채 이미지의 등록 과정과 인식 과정의 각 단계들을 총체적으로 관리할 수 있다.
일 실시예에 따르면, 홍채 인식 장치는 입력부(180)를 포함할 수 있으며, 사용자는 상기 입력부(180)를 통하여 홍채 인식 장치의 제어를 수행할 수 있다. 입력부(180)는 키보드, 마우스, 버튼, 음성 인식 장치 또는 터치 스크린 패널 등을 포함할 수 있으며, 사용자는 이를 통하여 홍채 인식 장치가 홍채 이미지의 등록 과정 또는 인식 과정을 시작하도록 할 수 있다.
일 실시예에 따르면, 사용자는 입력부(180)를 통해 지-뎁스들의 표준편차와 비교하는 기준값을 설정하여 보안 레벨을 조정할 수 있다. 예를 들어, 사용자가 실제 홍채를 통하여 홍채 인식을 시도하였는데 한 번에 인식이 되지 않고 인식 과정 중에 부적법한 인식 시도로 판단되는 단계가 포함되어 인식에 소요되는 시간이 증가한 경우에는, 기준값을 낮추어 볼 수 있을 것이다. 반대로, 2차원 이미지를 통한 반복 테스트 수행시에 조명, 영상 획득 장치의 촬영 각도, 2차원 이미지가 표시된 매체의 굴곡 등에 의하여 2차원 이미지를 통한 홍채 인식 과정이 수행된다면, 기준값을 높여 상기와 같은 오작동을 방지할 수 있다.
일 실시예에 따르면, 사용자는 입력부(180)를 통해 안면 이미지로부터 특징점을 추출하는 알고리즘을 선택하거나, 특징점 추출 알고리즘이 사용하는 상수값을 설정할 수도 있다.
도 3은 본 발명의 일 실시예에 따른 안면 이미지를 개략적으로 나타내는 도면이다.
도 3을 참조하면, 제1 안면 이미지(210)는 사람의 얼굴 정면 부분을 포함하고 있고, 제2 안면 이미지(220)는 측면 부분을 나타내고 있다. 제1 및 제2 안면 이미지(210, 220)에서의 특징점은 눈, 코, 귀, 입의 일부분을 포함할 수 있으며, 도면에 도시되지 않은 머리카락, 점, 눈썹, 흉터, 문신 등의 일부가 특징점에 포함될 수 있다.
특징점 추출부(120)는 전술한 바와 같이 특징점 추출 알고리즘을 이용하여 상기 특징점들을 추출하며, 제1 및 제2 안면 이미지(210, 220) 상에서의 특징점들을 매칭시킬 수 있다. 도 3을 참조하면, 눈, 코, 입 등이 매치 될 수 있으며, 도면 상에서 오른쪽 눈(A)의 경우 매칭이 가능하지만, 왼쪽 귀(B)는 제1 안면 이미지(210)상에서만 존재할 뿐, 제2 안면 이미지(220) 상에서는 존재하지 않으므로 매칭이 불가능할 수 있다. 이는 도 4에서 2차원 이미지가 어떤 방향에서 촬영되더라도 왼쪽 귀(D)가 항상 존재하여 매칭 가능한 것과는 차이가 있는 것이다.
특징점 추출부(120)는 추출된 특징점들을 분석하여 제2 안면 이미지(220) 상에서 눈 깜박임이 감지되는지 여부를 판단할 수 있다. 도 3의 제2 안면 이미지(220) 상에는 눈 깜박임이 존재하지 않으므로, 이 경우에 있어서 특징점 추출부(120)는 영상 획득부(110)가 촬영한 프레임으로부터 제2 안면 이미지(220)를 재선택하여 특징점을 추출할 수 있다. 일 실시예에 따르면, 이러한 과정은 제2 안면 이미지(220)에서 눈 깜박임이 감지되는 때까지 계속해서 진행될 수 있다.
지-뎁스 계산부(130)는 제1 안면 이미지(210)와 제2 안면 이미지(220) 상에서 서로 매칭되는 특징점들의 위치관계를 이용하여, 특징점들의 지-뎁스를 계산할 수 있다. 도 3을 참조하여 예를 들면, 입의 양 끝의 일부와 양 눈의 일부를 연결하는 평면을 제1 및 제2 안면 이미지(210, 220)에서 매칭시키면, 상기 두 이미지의 차이를 통하여 코가 상기 평면으로부터 튀어나와 있고, 귀는 평면 뒤로 들어가 있다는 것을 확인할 수 있다. 이러한 과정을 통해 특징점 추출부(120)에서 추출되어 매칭된 특징점들에 대한 지-뎁스를 계산할 수 있고, 이로부터 지-뎁스들 간의 표준편차를 구할 수 있다.
일 실시예에 따르면, 지-뎁스 계산부(130)는 호모그래피 변환 도출부(132)를 포함할 수 있으며, 호모그래피 변환 도출부(132)는 도 3에서 매칭되는 두 평면 상의 호모그래피 변환 관계를 도출할 수 있다. 지-뎁스 계산부(130)는 도출된 호모그래피 변환 관계를 통하여 지-뎁스를 계산할 수 있다.
일 실시예에 따르면, 계산된 지-뎁스들의 표준편차가 미리 저장된 기준값보다 큰 경우, 3차원 좌표 변환부(140)는 상기 제1 또는 제2 안면 이미지(210, 220)의 홍채 이미지 상에 있는 특징점들을 3차원 좌표계로 변환할 수 있다.
도 3의 경우에 있어, 왼쪽 귀(B)는 제1 및 제2 안면 이미지(210, 220)간의 매칭이 불가능하므로, 매칭 가능한 오른쪽 눈(A) 및 입(C)에 대한 지-뎁스 간의 표준 편차가 구해질 수 있으며, 매칭되는 평면이 두 눈을 포함하고, 사람이 서있다고 가정할 때의 지면에 수직한다고 예를 들면, 입(C)은 그 평면에서 튀어나와 있으므로 튀어나온 정도에 따른 지-뎁스 값을 가질 수 있다. 이에 따라 특징점의 지-뎁스 간 표준편차가 미리 설정된 기준값 이상이 될 수 있으며, 홍채 인식이 정상적으로 수행되게 된다.
다만, 이는 예시일 뿐이므로, 특징점의 크기는 더욱 세밀하게 설정될 수 있으며, 지-뎁스간의 표준편차를 구하기 위한 특징점의 개수도 더욱 많아질 수 있다.
도 4는 본 발명의 일 실시예에 따른 2차원 이미지가 인식되었을 때의 모습을 개략적으로 나타내는 도면이다.
도 4를 참조하면, 도 3을 참조하여 살펴본 바와 마찬가지로 안면 이미지 상의 특징점이 추출되고, 제1 및 제2 안면 이미지(210, 220)에서 특징점들이 서로 매칭될 수 있다. 그러나 도 3과는 달리, 제1 안면 이미지(210) 상의 어느 평면을 해당되는 제2 안면 이미지(220) 상의 평면에 매칭시키더라도, 이미지 상의 모든 부분이 상기 평면 상에 존재하는 것으로 판단되므로, 지-뎁스 계산부(130)에 의하여 계산된 지-뎁스는 0으로 수렴하게 된다.
따라서, 특징점들의 지-뎁스 간 표준편차를 구하여도, 특징점 각각의 지-뎁스가 모두 0에 가까운 값을 가지므로, 표준편차가 미리 설정된 기준값 이하가 되며, 그에 따라 홍채 인식은 수행되지 않고, 전술한 바와 같이 제2 안면 이미지(220)를 재획득하여 특징점 추출 및 지-뎁스 계산 단계가 반복될 수 있다.
이와 같은 차이를 통해, 홍채 인식 장치는 2차원 이미지인 사진을 촬영하여 홍채 인식을 수행하려는 시도를 판별할 수 있다.
도 5는 본 발명의 일 실시예에 따른 허위 안면 이미지 구분 방법의 흐름을 개략적으로 나타낸 도면이다.
도 5를 참조하면, 홍채 인식 장치는 영상 획득부(110)로부터 영상 데이터를 획득할 수 있다(S401). 상기 영상 데이터는 홍채 인식 장치내의 데이터베이스(160)에 저장될 수 있으며, 홍채를 등록하고 인식하는데 있어서의 기초 정보가 된다.
영상 획득부(110)는 전술한 바와 같이 사람의 움직임을 자동으로 감지하여 촬영을 시작할 수 있으며, 사용자의 입력에 의하여 촬영을 시작할 수도 있다.
또한, 홍채 인식 장치는 개인정보 보호를 위하여 등록이 되지 않은 사용자의 홍채 이미지와 이를 포함하는 안면 이미지 등을 저장해 두지 않고 촬영으로부터 일정 시간 후에 삭제할 수 있다.
홍채 인식 장치는 획득한 상기 데이터 상의 서로 다른 프레임을 통해 제1 및 제2 안면 이미지(210, 220)를 획득할 수 있다(S403). 제1 및 제2 안면 이미지(210, 220)는 사람의 안면을 직접 촬영한 이미지, 사람과 유사한 형상을 하고 있는 인형 등을 촬영한 이미지, 사람의 안면을 표시하고 있는 2차원 이미지를 촬영한 이미지 등일 수 있다.
특징점 추출부(120)는 상기 제1 및 제2 안면 이미지(210, 220)에서 특징점을 추출하여, 상기 두 이미지 간에 모두 존재하여 서로 매칭되는 특징점들에 대한 정보를 획득할 수 있다(S405). 상세하게는, 특징점 추출부(120)가 특징점 추출 알고리즘을 사용하여 제1 및 제2 안면 이미지(210, 220)에서 특징점을 추출하며, 추출된 특징점들을 비교하여 제1 안면 이미지(210)의 특징점과 매칭되는 제2 안면 이미지(220)의 특징점에 대한 정보를 획득할 수 있다.
이 과정에서, 특징점을 추출하는 알고리즘은 사용자의 선택 또는 최신 업데이트 반영 사항에 따라 변할 수 있으며, 이에 따라 동일한 제1 및 제2 안면 이미지(210, 220) 쌍을 이용하여 특징점을 추출하고 매칭하여도 특징점의 개수 및 매칭 정보가 다소 상이할 수 있다.
특징점의 추출과 매칭이 완료된 후, 특징점 추출부(120)는 제2 안면 이미지(220) 상에서 눈 깜박임이 감지되는지를 판단할 수 있다(S407). 예를 들면, 제1 안면 이미지(210)에서 추출된 특징점인 양쪽 눈과, 다른 특징점들의 위치관계를 바탕으로, 제2 안면 이미지(220)에서 눈이 존재해야 할 위치를 분석할 수 있고, 이를 통해 눈이 감겼는지 여부를 판단할 수 있다.
만약, 제2 안면 이미지(220) 상에서 눈이 감겨 있지 않으면, 눈 깜박임이 감지되지 않은 것이므로, 홍채 인식 장치는 제2 안면 이미지(220)를 영상 획득부(110)가 촬영한 프레임으로부터 재추출하여 획득하는 과정을 수행(S409)하며, 재획득된 제2 안면 이미지(220)에 대하여 특징점을 추출하고, 추출된 특징점들을 제1 안면 이미지(210)의 특징점들과 매칭하는 단계를 재수행한다(S405).
사용자는 인형과 같은 3차원 물체를 사용하여 홍채 인식을 수행하려는 시도를 수행할 수 있는데, 본 발명의 실시예에서는 이러한 시도, 즉, 입체 형상의 물체를 통한 홍채 인식 시도 또한 막기 위해 단계 제2 안면 이미지(220)에서 눈 깜박임이 감지되었는지를 판단하고, 감지되지 않은 경우에는 제2 안면 이미지(220)를 다시 추출하는 과정을 행할 수 있다.
사용자가 마네킹, 인형등과 같이 3차원 물체를 통하여 홍채 인식을 수행하려고 하더라도, 상기 물체들의 눈은 깜박임 기능을 포함하고 있지 않는 것이 일반적이므로, 이러한 물체들을 통해 홍채 인식을 수행하려는 시도가 있을 때에는 제1 안면 이미지(210)와 제2 안면 이미지(220) 모두 눈 깜박임이 없는 이미지로 획득되게 된다.
이에 따라 단계 S407에서 이후 단계로 진행되지 못하고, 제2 안면 이미지(220)를 반복하여 획득하는 S409 단계만 수행되게 된다. 일 실시예에 따르면, 제2 안면 이미지(220)가 일정 횟수 이상 획득되었으나 계속하여 제2 안면 이미지(200)상의 눈 깜박임이 감지되지 않은 경우, 최종적으로 홍채 인식이 실패하여 제2 안면 이미지(220)를 반복하여 획득 하는 단계(S409)가 종료될 수 있다.
즉, 눈 깜박임이 없는 물체를 통해 홍채 인식 시도를 하게 되면, 3차원 물체일지라도, 호모그래피 변환이 수행되지 않으며, 이에 따라, 실제 사람이 아닌 3차원 물체를 이용하여 홍채 인식을 수행하려는 시도 또한 방지할 수 있다.
이와 같이, 눈 깜빡임이 없는 물체를 통한 허위 홍채 인식 시도에 대해서는 호모그래피 변환 수행 단계까지 거치지 않더라도 그 시도를 막을 수 있게 된다.
한편, 제2 안면 이미지(220) 상에서 눈 깜박임이 감지된 경우에는, 호모그래피 변환 단계가 진행된다.
호모그래피 변환 도출부(132)는 서로 매칭되는 특징점들을 이용하여 상기 제1 및 제2 안면 이미지(210, 220)의 일부에 대한 호모그래피 변환 관계를 계산할 수 있다. 상세하게는, 제1 및 제2 안면 이미지(210,220) 각각에 존재하며 매칭되는 복수 쌍의 특징점들을 통하여 제1 및 제2 안면 이미지(210, 220) 상에서 매칭되는 평면을 도출하며, 이에 대한 호모그래피 변환 관계를 계산할 수 있다.
지-뎁스 계산부(130)는 상기 계산된 호모그래피 변환 관계를 이용하여 특징점들의 지-뎁스와 지-뎁스들의 표준편차를 계산할 수 있다(S411). 상기 호모그래피 변환 과정에서 매칭되는 평면과 수직하는 축 상에서의 위치에 따라 각 특징점들의 지-뎁스가 산정되며, 제1 또는 제2 안면 이미지(210, 220) 상의 특징점들의 지-뎁스들에 대한 표준편차가 계산될 수 있다.
홍채 인식 장치는, 지-뎁스들에 대한 표준편차가 계산되면, 미리 정해져 있던 기준값과, 계산된 상기 표준편차를 비교하여(S413), 표준편차가 기준값보다 큰 경우에는 제1 또는 제2 안면 이미지(210, 220)에 존재하는 홍채 이미지 상의 특징점들을 3차원 좌표계로 변환하고(S415), 홍채 이미지의 특징점을 사용자 정보와 매칭시켜 등록하거나, 3차원 좌표계로 변환된 홍채 이미지의 특징점과 미리 저장되어 있었던 홍채 이미지의 특징점을 비교하여 홍채 인식을 수행할 수 있다(S417).
상기 표준편차가 기준값보다 작은 경우에는, 해당하는 홍채 등록 시도 또는 인식 시도를 부적법한 시도로 판단하고(S419), 영상 데이터의 서로 다른 프레임으로부터 제1 및 제2 안면 이미지(210, 220)를 획득 하는 단계(S403)로 되돌아갈 수 있다. 일 실시예에 따르면, 홍채 등록 시도 또는 인식 시도가 일정 횟수 이상 부적법한 시도로 판단되면(S419), 최종적으로 홍채 인식이 실패하여 제1 및 제2 안면 이미지(210, 220)를 획득 하는 단계(S403)의 반복이 종료될 수 있다.
상기 표준편차가 기준값보다 같은 경우에는, 기본 설정에 따라 홍채 등록 또는 인식 과정을 수행(S417)할 수도 있고, 해당 홍채 등록 시도 또는 인식 시도를 부적법한 시도로 판단하여(S419), 이미지를 획득하는 단계(S403)로 되돌아갈 수도 있다.
표준편차가 기준값보다 작은 경우 바로 홍채 인식을 종료하지 않고 초기 단계로 돌아가는 이유를 살펴보면, 제1 및 제2 안면 이미지(210, 220)의 유사도가 매우 높은 경우에 있어서는 실제 사람의 얼굴을 통해 홍채 인식을 시도했더라도, 추출되는 지-뎁스의 값들의 표준편차가 0에 가깝게 측정되어 기준값을 넘지 못하는 경우가 생길 수 있기 때문이다.
이와 같이, 본 발명에 따르면, 홍채 인식 장치가 제1 및 제2 안면 이미지(210, 220)의 비교를 통하여 허위 안면 이미지를 구분해낼 수 있으며, 이에 따라 홍채 인식 장치의 보안성을 높일 수 있다.
전술한 본 발명의 설명은 예시를 위한 것이며, 본 발명이 속하는 기술분야의 통상의 지식을 가진 자는 본 발명의 기술적 사상이나 필수적인 특징을 변경하지 않고서 다른 구체적인 형태로 쉽게 변형이 가능하다는 것을 이해할 수 있을 것이다. 그러므로 이상에서 기술한 실시예들은 모든 면에서 예시적인 것이며 한정적이 아닌 것으로 이해해야만 한다. 예를 들어, 단일형으로 설명되어 있는 각 구성 요소는 분산되어 실시될 수도 있으며, 마찬가지로 분산된 것으로 설명되어 있는 구성 요소들도 결합된 형태로 실시될 수 있다.
본 발명의 범위는 후술하는 특허청구범위에 의하여 나타내어지며, 특허청구범위의 의미 및 범위 그리고 그 균등 개념으로부터 도출되는 모든 변경 또는 변형된 형태가 본 발명의 범위에 포함되는 것으로 해석되어야 한다.
100: 전자 기기
101: 표시부
110: 영상 획득부
120: 특징점 추출부
130: 지-뎁스 계산부
132: 호모그래피 변환 도출부
140: 3차원 좌표 변환부
150: 홍채 이미지 인식 수행부
160: 데이터베이스
170: 제어부
180: 입력부
210: 제1 안면 이미지
220: 제2 안면 이미지

Claims (10)

  1. 영상 획득 장치를 이용하여 프레임 단위로 사용자의 안면에 대한 복수의 안면 이미지들을 획득하는 단계;
    서로 다른 프레임을 통해 각각 획득한 제1 및 제2 안면 이미지에서 복수 개의 특징점을 각각 추출하는 단계;
    상기 제1 및 제2 안면 이미지에서 서로 매칭되는 복수 개의 특징점을 획득하고, 상기 매칭되는 특징점들의 위치관계를 바탕으로 상기 특징점들의 지-뎁스와 상기 지-뎁스들의 표준편차를 계산하는 단계; 및
    상기 지-뎁스들의 표준편차가 기준값보다 큰 경우, 상기 제1 또는 제2 안면 이미지가 포함하는 홍채 이미지를 이용하여 홍채 인식을 수행하는 단계를 포함하는, 홍채 인식 장치의 허위 안면 이미지 구분 방법.
  2. 제1항에 있어서,
    상기 지-뎁스를 계산하는 단계는,
    상기 제1 및 제2 안면 이미지에서 서로 매칭되는 복수 개의 특징점들을 이용하여 호모그래피 변환 관계를 도출하고, 상기 변환 관계를 이용하여 지-뎁스를 계산하는, 홍채 인식 장치의 허위 안면 이미지 구분 방법.
  3. 제2항에 있어서,
    상기 호모그래피 변환 관계 도출에서 이용되는 특징점들을 선택하는 기준은,
    상기 특징점들과 주변 부위와의 관계를 통하여 상기 특징점들의 순위를 산정하고, 상기 순위가 높은 순서대로 선택하는 것을 특징으로 하는, 홍채 인식 장치의 허위 안면 이미지 구분 방법.
  4. 제1항에 있어서,
    상기 지-뎁스들의 표준편차가 상기 기준값보다 작은 경우 부적법한 홍채 인식 시도라고 판단하는 단계를 더 포함하는, 홍채 인식 장치의 허위 안면 이미지 구분 방법.
  5. 제4항에 있어서,
    부적법한 홍채 인식 시도가 판단되면, 상기 특징점을 추출하는 단계로 되돌아가는 단계를 더 포함하는, 홍채 인식 장치의 허위 안면 이미지 구분 방법.
  6. 제5항에 있어서,
    부적법한 홍채 인식 시도가 일정 횟수 이상이면, 홍채 인식 수행을 종료하는 단계를 더 포함하는, 홍채 인식 장치의 허위 안면 이미지 구분 방법.
  7. 제1항에 있어서,
    상기 특징점들의 지-뎁스를 이용하여 상기 제1 또는 제2 안면 이미지가 포함하는 홍채 이미지의 특징점을 3차원 좌표계로 변환하는 단계를 더 포함하는, 홍채 인식 장치의 허위 안면 이미지 구분 방법.
  8. 제1항에 있어서,
    상기 제1 안면 이미지는 홍채가 인식되는 이미지이며,
    상기 제2 안면 이미지는 눈 깜박임에 의하여 홍채가 인식되지 않는 이미지이고,
    상기 홍채 인식을 수행하는 단계는,
    상기 제1 안면 이미지가 포함하는 홍채 이미지를 이용하여 홍채 인식을 수행하는, 홍채 인식 장치의 허위 안면 이미지 구분 방법.
  9. 프레임 단위로 사용자의 안면에 대한 복수의 안면 이미지들을 획득하는 영상 획득부;
    서로 다른 프레임을 통해 획득한 제1 및 제2 안면 이미지 각각에서 복수 개의 특징점을 추출하고, 상기 제1 안면 이미지와 상기 제2 안면 이미지 간에 서로 매칭되는 특징점을 획득하는 특징점 추출부;
    상기 매칭되는 특징점들의 위치관계를 바탕으로 상기 특징점들의 지-뎁스와 상기 지-뎁스들의 표준편차를 계산하는 지-뎁스 계산부; 및
    상기 지-뎁스들의 표준편차가 기준값보다 큰 경우, 상기 제1 또는 제2 안면 이미지가 포함하는 홍채 이미지를 이용하여 홍채 인식을 수행하는 홍채 이미지 인식 수행부를 포함하는, 홍채 인식 장치.
  10. 제9항에 있어서,
    상기 지-뎁스 계산부는,
    상기 제1 및 제2 안면 이미지에서 서로 매칭되는 복수 개의 특징점들을 이용하여 호모그래피 변환 관계를 도출하는 호모그래피 변환 도출부를 더 포함하고,
    상기 호모그래피 변환 관계를 이용하여 지-뎁스를 계산하는, 홍채 인식 장치.
KR1020140090597A 2014-07-17 2014-07-17 허위 안면 이미지 분류가 가능한 홍채 인식 장치 KR101640014B1 (ko)

Priority Applications (1)

Application Number Priority Date Filing Date Title
KR1020140090597A KR101640014B1 (ko) 2014-07-17 2014-07-17 허위 안면 이미지 분류가 가능한 홍채 인식 장치

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020140090597A KR101640014B1 (ko) 2014-07-17 2014-07-17 허위 안면 이미지 분류가 가능한 홍채 인식 장치

Publications (2)

Publication Number Publication Date
KR20160009972A true KR20160009972A (ko) 2016-01-27
KR101640014B1 KR101640014B1 (ko) 2016-07-15

Family

ID=55309312

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020140090597A KR101640014B1 (ko) 2014-07-17 2014-07-17 허위 안면 이미지 분류가 가능한 홍채 인식 장치

Country Status (1)

Country Link
KR (1) KR101640014B1 (ko)

Cited By (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20160026854A1 (en) * 2014-07-23 2016-01-28 Samsung Electronics Co., Ltd. Method and apparatus of identifying user using face recognition
KR20180134280A (ko) * 2017-06-08 2018-12-18 (주)이더블유비엠 3차원 깊이정보 및 적외선정보에 기반하여 생체여부의 확인을 행하는 얼굴인식 장치 및 방법
KR20190129003A (ko) * 2018-05-09 2019-11-19 아이데미아 아이덴티티 앤드 시큐리티 프랑스 홍채들로부터의 생체정보 인식 방법
CN110472582A (zh) * 2019-08-16 2019-11-19 腾讯科技（深圳）有限公司 基于眼部识别的3d人脸识别方法、装置和终端
CN112069917A (zh) * 2020-08-14 2020-12-11 武汉轻工大学 一种用于固定场景的人脸识别系统
WO2021178370A1 (en) * 2020-03-04 2021-09-10 Nec Laboratories America, Inc. Deep learning based tattoo match system

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR102160128B1 (ko) 2020-02-04 2020-09-25 주식회사 더우리 인공지능 기반 스마트 앨범 생성 방법 및 장치

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20030091345A (ko) * 2002-05-27 2003-12-03 (주)워치비젼 살아있는 얼굴의 진위 여부 검사 시스템 및 그 방법
KR20070070151A (ko) * 2004-06-21 2007-07-03 구글, 인코포레이티드 단일 이미지 기반의 다중 생체 인식 시스템 및 방법

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20030091345A (ko) * 2002-05-27 2003-12-03 (주)워치비젼 살아있는 얼굴의 진위 여부 검사 시스템 및 그 방법
KR20070070151A (ko) * 2004-06-21 2007-07-03 구글, 인코포레이티드 단일 이미지 기반의 다중 생체 인식 시스템 및 방법

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
Jin Woo Choi, Taeg Keun Whangbo, " Depth Propagation with Key-Frame Considering Movement on the Z-Axis ", Vol.47 (Culture and Contents Technology 2014), pp.131-135 (2014.04)* *

Cited By (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20160026854A1 (en) * 2014-07-23 2016-01-28 Samsung Electronics Co., Ltd. Method and apparatus of identifying user using face recognition
KR20180134280A (ko) * 2017-06-08 2018-12-18 (주)이더블유비엠 3차원 깊이정보 및 적외선정보에 기반하여 생체여부의 확인을 행하는 얼굴인식 장치 및 방법
KR20190129003A (ko) * 2018-05-09 2019-11-19 아이데미아 아이덴티티 앤드 시큐리티 프랑스 홍채들로부터의 생체정보 인식 방법
CN110472582A (zh) * 2019-08-16 2019-11-19 腾讯科技（深圳）有限公司 基于眼部识别的3d人脸识别方法、装置和终端
CN110472582B (zh) * 2019-08-16 2023-07-21 腾讯科技（深圳）有限公司 基于眼部识别的3d人脸识别方法、装置和终端
WO2021178370A1 (en) * 2020-03-04 2021-09-10 Nec Laboratories America, Inc. Deep learning based tattoo match system
CN112069917A (zh) * 2020-08-14 2020-12-11 武汉轻工大学 一种用于固定场景的人脸识别系统
CN112069917B (zh) * 2020-08-14 2024-02-02 武汉轻工大学 一种用于固定场景的人脸识别系统

Also Published As

Publication number Publication date
KR101640014B1 (ko) 2016-07-15

Similar Documents

Publication Publication Date Title
KR101640014B1 (ko) 허위 안면 이미지 분류가 가능한 홍채 인식 장치
US9785823B2 (en) Systems and methods for performing fingerprint based user authentication using imagery captured using mobile devices
CN105612533B (zh) 活体检测方法、活体检测系统以及计算机程序产品
US10423848B2 (en) Method, system, and computer-readable recording medium for long-distance person identification
US9922238B2 (en) Apparatuses, systems, and methods for confirming identity
CN105184246B (zh) 活体检测方法和活体检测系统
WO2019080580A1 (zh) 3d人脸身份认证方法与装置
US20170337441A1 (en) Systems And Methods Of Biometric Analysis With A Spectral Discriminator
CN105243386B (zh) 人脸活体判断方法以及系统
WO2019080578A1 (zh) 3d人脸身份认证方法与装置
JP4307496B2 (ja) 顔部位検出装置及びプログラム
US10127439B2 (en) Object recognition method and apparatus
WO2019080579A1 (zh) 3d人脸身份认证方法与装置
WO2019056988A1 (zh) 人脸识别方法及装置、计算机设备
CN109670390B (zh) 活体面部识别方法与系统
KR20190094352A (ko) 모바일 디바이스를 사용하여 캡처된 화상을 사용하여 지문 기반 사용자 인증을 수행하기 위한 시스템 및 방법
US11006864B2 (en) Face detection device, face detection system, and face detection method
CN104933344A (zh) 基于多生物特征模态的移动终端用户身份认证装置及方法
JP7269711B2 (ja) 生体認証システム、生体認証方法およびプログラム
JP6822482B2 (ja) 視線推定装置、視線推定方法及びプログラム記録媒体
US20120320181A1 (en) Apparatus and method for security using authentication of face
US11756338B2 (en) Authentication device, authentication method, and recording medium
US20210256244A1 (en) Method for authentication or identification of an individual
CN112949365A (zh) 活体脸部辨识系统与方法
KR101919138B1 (ko) 원거리 멀티 생체 인식 방법 및 장치

Legal Events

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