KR20160075322A - 홍채 인식 장치 및 그 동작 방법 - Google Patents

홍채 인식 장치 및 그 동작 방법 Download PDF

Info

Publication number
KR20160075322A
KR20160075322A KR1020150173732A KR20150173732A KR20160075322A KR 20160075322 A KR20160075322 A KR 20160075322A KR 1020150173732 A KR1020150173732 A KR 1020150173732A KR 20150173732 A KR20150173732 A KR 20150173732A KR 20160075322 A KR20160075322 A KR 20160075322A
Authority
KR
South Korea
Prior art keywords
user
states
face
iris recognition
image
Prior art date
Application number
KR1020150173732A
Other languages
English (en)
Other versions
KR101703690B1 (ko
Inventor
모날리사 머줌다르
러빈드러 거다이
정세환
Original Assignee
(주)아이리스아이디
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 (주)아이리스아이디 filed Critical (주)아이리스아이디
Publication of KR20160075322A publication Critical patent/KR20160075322A/ko
Application granted granted Critical
Publication of KR101703690B1 publication Critical patent/KR101703690B1/ko

Links

Images

Classifications

    • G06K9/00604—
    • 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
    • G06V40/161—Detection; Localisation; Normalisation
    • G06V40/165—Detection; Localisation; Normalisation using facial parts and geometric relationships
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/29—Graphical models, e.g. Bayesian networks
    • G06F18/295—Markov models or related models, e.g. semi-Markov models; Markov random fields; Networks embedding Markov models
    • G06K9/00221—
    • G06K9/0061—
    • G06K9/4638—
    • G06K9/6296—
    • 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
    • G06V10/42—Global feature extraction by analysis of the whole pattern, e.g. using frequency domain transformations or autocorrelation
    • G06V10/422—Global feature extraction by analysis of the whole pattern, e.g. using frequency domain transformations or autocorrelation for representing the structure of the pattern or shape of an object therefor
    • G06V10/426—Graphical representations
    • 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
    • G06V10/42—Global feature extraction by analysis of the whole pattern, e.g. using frequency domain transformations or autocorrelation
    • G06V10/431—Frequency domain transformation; Autocorrelation
    • 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
    • G06V10/84—Arrangements for image or video recognition or understanding using pattern recognition or machine learning using probabilistic graphical models from image or video features, e.g. Markov models or Bayesian networks
    • G06V10/85—Markov-related models; Markov random fields
    • 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
    • G06V40/161—Detection; Localisation; Normalisation
    • G06V40/167—Detection; Localisation; Normalisation using comparisons between temporally consecutive images
    • 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

Landscapes

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

Abstract

안구의 홍채를 인식하는 홍채 인식 장치가 개시된다. 홍채 인식 장치는 사용자의 영상을 수집하는 영상 수집부; 및 상기 사용자의 영상으로부터 특징 벡터를 추출하여 복수의 상태를 가지는 은닉 마르코프 모델에 대입하여 상기 사용자의 얼굴을 검출하는 제어부를 포함한다.

Description

홍채 인식 장치 및 그 동작 방법{APPARATUS FOR RECOGNIZING IRIS AND OPERATING METHOD THEREOF}
본 발명의 기술 분야는 홍채 인식 장치 및 홍채 인식 방법에 관한 것으로서 특히 홍채 인식을 위해 홍채 인식의 대상이 되는 사용자의 얼굴을 검출하는 방법에 관한 것이다.
컴퓨터와 핸드폰 등의 전자 제품은 사용자의 개인 정보를 포함하는 경우가 많다. 또한 컴퓨터 핸드폰 등의 전자 제품을 이용한 전자상 거래가 널리 확산되고 있는 추세이다. 따라서 전자 제품은 사용자를 정확히 식별할 수 있어야 한다. 이를 위해 비밀번호와 아이디를 사용하여 사용자를 인식하는 방법이 널리 사용되어 왔다. 다만 이러한 방식은 개인 정보 유출과 해킹에 취약할 수 있는 문제가 있다. 따라서 이를 대체할 여러 가지 대안이 제시되어왔다.
이중 하나로서 생체인식시스템이 점차 상용화되고 있는 추세에 있다. 생체인식이란 사람 개개인 마다 다르게 가진 생체 정보를 추출하여 판별이 가능하도록 하는 것이다. 특히 지문 인식 장치를 포함하는 핸드폰이 상용화 되어 널리 사용되고 있다. 다만, 지문의 경우에도 어렵지 않게 복제가 가능하여 여전히 해킹 위험이 존재한다는 의견이 제시되고 있다. 따라서 이러한 문제를 해결하기 위한 방법으로 홍채 인식 장치가 주목 받고 있다.
홍채 인식 장치는 사람의 홍채를 인식함으로써 그 사람의 신원을 파악하는 장치이다. 이러한 홍채인식시스템은 지문과 달리 홍채의 복제나 위조가 불가능하다는 장점이 있다.
이러한 홍채 인식을 위해서 홍채 인식 장치는 먼저 홍채 인식의 대상이 되는 사용자의 영상으로부터 사용자의 얼굴에 해당하는 영상을 검출한다. 이후 홍채 인식 장치는 검출된 영상으로부터 홍채 영상을 검출하여 홍채 인식을 수행한다. 다만, 이러한 일련의 동작에 오랜 시간이 소요될 경우 홍채 인식의 사용자의 불편은 증가한다. 따라서 홍채 인식의 대상이 되는 사용자의 영상으로부터 사용자의 얼굴에 해당하는 영상을 효율적이고, 신속하게 검출하는 홍채 인식 장치 및 그의 동작 방법이 필요하다.
효율적이고 신속하게 사용자의 얼굴을 검출하는 홍채 인식 장치 및 그의 동작 방법을 제공한다.
본 발명의 일 실시예에 따른 안구의 홍채를 인식하는 홍채 인식 장치는 사용자의 영상을 수집하는 영상 수집부; 및 상기 사용자의 영상으로부터 특징 벡터를 추출하여 복수의 상태를 가지는 은닉 마르코프 모델에 대입하여 상기 사용자의 얼굴을 검출하는 제어부를 포함한다.
상기 제어부는 상기 은닉 마르코프 모델에 방향성 비사이클 그래프를 적용하여 상기 사용자의 얼굴을 검출할 수 있다.
이때, 상기 제어부는 상기 방향성 비사이클 그래프에 나타나는 천이 경로가 상기 복수의 상태를 모두 포함하는 경우, 상기 사용자의 얼굴을 검출한 것으로 판단할 수 있다.
또한, 상기 제어부는 상기 천이 경로의 시작 상태와 관계없이 상기 복수의 상태를 모두 포함하는 경우, 상기 사용자의 얼굴을 검출한 것으로 판단할 수 있다.
상기 제어부는 상기 복수의 상태 각각에 해당할 확률 값이 미리 설정된 기준 값보다 큰 경우, 상기 복수의 상태를 모두 포함하는 것으로 판단할 수 있다.
상기 복수의 상태는 이마에 기초한 상태, 눈에 기초한 상태, 코에 기초한 상태, 입에 기초한 상태 및 턱에 기초한 상태를 포함할 수 있다.
이때, 상기 복수의 상태 각각은 복수의 하위 상태를 포함할 수 있다.
본 발명의 일 실시예에 따른 안구의 홍채를 인식하는 홍채 인식 장치의 동작 방법은 사용자의 영상을 수집하는 단계; 상기 사용자의 영상으로부터 특징 벡터를 추출하는 단계; 및 상기 특징 벡터를 복수의 상태를 가지는 은닉 마르코프 모델에 대입하여 상기 사용자의 얼굴을 검출하는 단계를 포함한다.
본 발명의 일실시예는 효율적이고 신속하게 사용자의 얼굴을 검출하는 홍채 인식 장치 및 그의 동작 방법을 제공한다.
도 1은 본 발명의 일 실시예에 따른 홍채 인식 장치의 블락도를 보여준다.
도 2는 본 발명의 일 실시예에 따른 홍채 인식 장치가 홍채를 인식하는 동작을 보여주는 흐름도이다.
도 3은 본 발명의 일 실시예에 따른 홍채 인식 장치가 학습하는 사용자의 얼굴의 은닉 마르코프 모델을 보여준다.
도 4는 본 발명의 일 실시예에 따른 홍채 인식 장치가 사용자의 얼굴의 은닉 마르코프 모델을 학습하는 동작을 보여주는 흐름도이다.
도 5는 본 발명의 일 실시예에 따른 홍채 인식 장치가 이용하는 방향성 비사이클 그래프를 이용하여 얼굴을 탐색하는 것을 보여준다.
도 6은 본 발명의 일 실시예에 따른 홍채 인식 장치가 사용자의 얼굴을 검출하는 동작을 보여준다.
아래에서는 첨부한 도면을 참고로 하여 본 발명의 실시예에 대하여 본 발명이 속하는 기술 분야에서 통상의 지식을 가진 자가 용이하게 실시할 수 있도록 상세히 설명한다. 그러나 본 발명은 여러 가지 상이한 형태로 구현될 수 있으며 여기에서 설명하는 실시예에 한정되지 않는다. 그리고 도면에서 본 발명을 명확하게 설명하기 위해서 설명과 관계없는 부분은 생략하였으며, 명세서 전체를 통하여 유사한 부분에 대해서는 유사한 도면 부호를 붙였다.
또한 어떤 부분이 어떤 구성요소를 "포함"한다고 할 때, 이는 특별히 반대되는 기재가 없는 한 다른 구성요소를 제외하는 것이 아니라 다른 구성요소를 더 포함할 수 있는 것을 의미한다.
도 1은 본 발명의 일 실시예에 따른 홍채 인식 장치의 블락도를 보여준다.
도 1에 도시된 바와 같이, 본 발명의 일 실시예에 따른 홍채 인식 장치(100)는 조명부(151), 영상 수집부(171), 제어부(110) 및 디스플레이부(130)를 포함한다.
조명부(151)는 홍채 인식 대상인 홍채를 포함하는 안구를 향해 적외선을 조사한다. 이때 적외선은 주파수가 700 nm에서 900 nm 사이인 근 적외선(NIR)일 수 있다. 구체적인 실시예에 따라서는 홍채 인식 장치(100)는 복수의 조명 장치를 포함할 수 있다.
영상 수집부(171)는 사용자의 영상을 수집한다. 특히 영상 수집부(171)는 조명부(151)에 의해 조명된 안구의 영상을 수집할 수 있다. 영상 수집부(171)가 수집한 영상은 홍채 인식에 사용된다. 따라서 영상 수집부(171) 는 홍채 인식을 위해 좁은 범위의 고화질 영상을 수집하여야 한다. 그러므로 영상 수집부(171)는 비교적 화각이 작은 렌즈를 포함할 수 있다. 이때, 영상 수집부(171) 는 구체적인 실시예에서 카메라일 수 있다. 또 다른 구체적인 실시예에서 영상 수집부(171)는 카메라 외에 이미지 센서 또는 기타 안구의 영상을 수집할 수 있는 다른 장치일 수 있다. 또한 구체적인 실시예에서 영상 수집부(171)는 비교적 넓은 범위의 영상으로서 사용자의 안구를 포함하는 영상을 수집하는 추가적인 영상 수집부를 더 포함할 수 있다. 이때, 추가적인 영상 수집부는 홍채 인식을 위한 영상을 수집하는데 사용되는 렌즈보다 화각이 큰 렌즈를 포함할 수 있다.
디스플레이부(130)는 영상 수집부(171)가 수집한 영상을 표시하고, 사용자 인터페이스를 표시할 수 있다.
제어부(110)는 조명부(151), 영상 수집부(171) 및 디스플레이부(130)의 동작을 제어한다. 또한 제어부(110)는 영상 수집부(171)가 수집한 사용자의 영상으로부터 사용자의 얼굴을 검출할 수 있다.
홍채 인식 장치(100)의 구체적인 동작은 도 2 내지 도 6을 통하여 구체적으로 설명하도록 한다.
도 2는 본 발명의 일 실시예에 따른 홍채 인식 장치가 홍채를 인식하는 동작을 보여주는 흐름도이다.
영상 수집부(171)는 사용자의 영상을 수집한다(S101).
제어부(110)는 사용자의 영상으로부터 사용자의 얼굴을 검출한다(S103). 제어부(110)가 사용자의 영상으로부터 사용자의 얼굴을 검출하는 동작에 대해서는 도 3 내지 도 6을 통하여 설명하도록 한다.
조명부(151)는 안구에 조명을 조사한다(S105). 구체적인 실시예에서 조명부(151)는 제어부(110)가 검출한 사용자의 얼굴에 기초하여 안구에 조명을 조사할 수 있다. 구체적으로 조명부(151)는 검출한 사용자의 얼굴 중에서 안구를 검출하여 안구에 조명을 조사할 수 있다.
영상 수집부(171)는 조명된 안구의 영상을 수집한다(S107).
제어부(110)는 수집한 영상에 기초하여 안구 영역을 검출(localization)한다(S109).
제어부(110)는 홍채 인식을 수행한다(S111). 구체적으로 제어부(110)는 영상 수집부(171)가 수집한 영상으로부터 홍채의 패턴을 추출할 수 있다. 또한 제어부(110)는 추출한 홍채의 패턴과 저장부(미도시)에 저장된 홍채의 패턴을 비교하여 사용자를 식별할 수 있다. 이때 추출한 홍채의 패턴과 저장된 홍채의 패턴이 일정 비율 이상 일치하는 경우, 제어부(110)는 추출한 홍채의 패턴의 사용자와 저장된 홍채의 패턴의 사용자가 동일인으로 판단할 수 있다.
도 3 내지 도 6을 통하여 홍채 인식 장치가 홍채 인식의 대상이되는 사용자의 얼굴을 검출하는 방법을 자세히 설명하도록 한다.
도 3은 본 발명의 일 실시예에 따른 홍채 인식 장치가 학습하는 사용자의 얼굴의 은닉 마르코프 모델을 보여준다.
마르코프 모델(Markov Model)은 확률 모델의 하나로서, 미래의 사건이 일어날 확률이 현재의 사건에만 의존하고 과거의 사건에 의존하지 않는 경우를 나타낸다. 따라서 마르코프 모델에 있어서 각각의 상태간 천이(transition)가 이루어질 확률이 유일한 파라미터(parameter)이다. 은닉 마르코프 모델(Hidden Markov Model, HMM)은 이러한 마르코프 모델 중에서 상태(state)가 관찰자에게 관찰되지(observed)않는 은닉 상태(hidden state)를 포함하고, 은닉 상태에 의존하는 출력만이 관찰되는 것을 나타낸다. 이때, 각각의 상태는 가능한 출력들에 대한 확률 분포를 갖는다. 따라서 은닉 마르코프 모델에 있어서 연속된 상태 천이는 관찰되지 않더라도 은닉 마르코프 모델의 출력 값에 기초하여 은닉 패턴의 확률 값을 추출할 수 있다. 이러한 은닉 마르코프 모델은 음성 인식, 필체 인식 등의 시간적 패턴 인식에 사용될 수 있다. 본 발명의 일 실시예에 따른 홍채 인식 장치가 사용자의 얼굴을 인식하는데 이러한 은닉 마르코프 모델을 사용한다. 얼굴은 이마, 눈, 코, 입 및 턱을 포함한다. 또한 이마, 눈, 코, 입의 위치 순서는 모든 사람들에게 동일하다. 따라서 얼굴이 포함하는 복수의 신체부위를 은닉 마르코프 모델의 상태로 설정하고, 각 상태(state)간의 천이 확률을 설정할 수 있다. 이때, 각 상태(state)간의 천이 확률을 학습을 통해 설정될 수 있다. 또한 은닉 마르코프 모델은 2차원 은닉 마르코프 모델일 수 있다. 구체적인 실시예에서 사용자의 얼굴이 포함하는 신체부위인 이마, 눈, 코, 입 및 턱을 상위 상태(super state)로 설정할 수 있다. 이때 각각의 상위 상태는 하위 상태를 포함할 수 있다. 구체적으로 이마는 3개의 하위 상태를 포함할 수 있다. 또한, 눈은 6개의 하위 상태를 포함할 수 있다. 또한, 코는 6개의 하위 상태를 포함할 수 있다. 입은 6개의 하위 상태를 포함할 수 있다. 또한, 턱은 3개의 하위 상태를 포함할 수 있다. 이와 같이 복수의 상위 상태가 각각이 복수의 하위 상태를 포함할 경우, 얼굴의 특징이 자세히 얼굴 검출의 정확성을 향상 시킬 수 있다. 이러한 얼굴에 포함된 각각의 신체부위의 은닉 마르코프 모델은 다음과 같은 수식에 의하여 표현될 수 있다.
Figure pat00001
이때 a는 상태전이 확률 분포를 나타내고, b는 관측 심볼 확률 분포를 나타내고,
Figure pat00002
는 초기 상태의 확률 분포를 나타낸다.
따라서 이러한 각각의 신체부위의 은닉 마르코프 모델을 통하여 얼굴의 은닉 마르코프 모델을 다음과 같은 수식에 의하여 표현될 수 있다.
Figure pat00003

도 4는 본 발명의 일 실시예에 따른 홍채 인식 장치가 사용자의 얼굴의 은닉 마르코프 모델을 학습하는 동작을 보여주는 흐름도이다.
제어부(110)는 사용자의 얼굴을 얼굴에 포함된 복수의 신체부위에 기초하여 복수의 상위 상태로 구분한다(S301). 앞서 설명한 바와 같이 구체적인 실시예에서 제어부(110)는 얼굴을 이마, 눈, 코 입 및 턱에 기초하여 5개의 상태로 구분할 수 있다.
제어부(110) 복수의 상위 상태 각각을 복수의 하위 상태로 구분한다(S303). 앞서 설명한 바와 같이 제어부(110)는 이마에 기초한 상위 상태를 3개의 하위 상태로 구분할 수 있다. 또한 제어부(110)는 눈에 기초한 상위 상태를 6개의 하위 상태로 구분할 수 있다. 또한 제어부(110)는 코에 기초한 상위 상태를 6개의 하위 상태로 구분할 수 있다. 또한 제어부(110)는 입에 기초한 상위 상태를 6개의 하위 상태로 구분할 수 있다. 또한 제어부(110)는 턱에 기초한 상위 상태를 6개의 하위 상태로 구분할 수 있다.
제어부(110)는 각각의 하위 상태 및 각각의 상위 상태에 해당하는 확률 값을 학습을 통하여 설정한다.
이러한 은닉 마르코프 모델에 대하여 방향성 비사이클 그래프를 이용하여 복수의 상태간 경로를 획득하면 인식한 영상으로부터 얼굴을 검출할 수 있다. 이에 대하여는 도 5를 통하여 설명하도록 한다.
도 5는 본 발명의 일 실시예에 따른 홍채 인식 장치가 이용하는 방향성 비사이클 그래프를 이용하여 얼굴을 탐색하는 것을 보여준다.
방향성 비사이클 그래프(Directed Acyclic Graph, DAG)는 사이클이 존재하지 않는 방향 그래프를 나타낸다. 방향성 비사이클 그래프는 복수의 지점을 통과하는 경로를 효율적으로 산출하는데 사용될 수 있다. 홍채 인식 장치(100)는 이를 사용자의 얼굴 검출에 사용할 수 있다. 구체적으로 홍채 인식 장치(100)는 복수의 지점을 통과하는 경로대신 은닉 마르코프 모델이 포함하는 복수의 상태를 모두 포함하는 상태 천이 경로를 산출한다. 이때 복수의 상태 각각에 해당할 확률 값이 미리 설정된 기준 값보다 큰 경우, 홍채 인식 장치(100)는 복수의 상태 각각에 해당하는 것으로 판단할 수 있다. 이에 따라 상태 천이 경로가 은닉 마르코프 모델이 포함하는 모든 상태를 포함하는 것으로 판단한 경우, 홍채 인식 장치(110)는 사용자의 얼굴을 검출한 것으로 판단할 수 있다. 예컨대, 은닉 마르코프 모델이 이마, 눈, 코, 입 및 턱에 기초한 복수의 상태를 포함하는 경우, 홍채 인식 장치(100)는 이마, 눈, 코, 입 및 턱에 기초한 복수의 상태를 포함하는 것으로 검출한 경우 사용자의 얼굴을 검출한 것으로 판단할 수 있다. 또한 홍채 인식 장치(100)는 최초 상태 및 구체적인 상태의 순서에 관계 없이 은닉 마르코프 모델의 모든 상태를 포함하는 경우 사용자의 얼굴을 검출한 것으로 판단한다. 이를 통해 홍채 인식 장치(100)는 영상의 탐색 시작 위치에 관계 없이 사용자의 얼굴을 검출할 수 있다. 도 5의 그래프에서 5개의 상태에 모두 해당하는 경우. 홍채 인식 장치(100)가 사용자의 얼굴을 검출한 것으로 판단하는 것을 보여준다. 홍채 인식 장치(100)는 방향성 비사이클 그래프를 통하여 얼굴 검출을 여부를 신속하게 판단할 수 있다. 사용자의 얼굴을 검출하는 홍채 인식 장치(100)의 구체적인 동작은 도 6을 통하여 설명하도록 한다.
도 6은 본 발명의 일 실시예에 따른 홍채 인식 장치가 사용자의 얼굴을 검출하는 동작을 보여준다.
영상 수집부(171)는 사용자의 영상을 수집한다(S501).
제어부(110)는 사용자의 영상으로부터 2차원 이산 코사인 변환(Discrete Cosine Transform, DCT)을 이용하여 특징 벡터들을 추출한다(S503). 이때 추출한 특징 벡터는 다음과 같은 수식으로 표현할 수 있다.
Oi = o1, o2, o3,...,o3
제어부(110)는 얼굴의 특징을 찾기 위하여 특징 벡터들을 은닉 마르코프 모델의 관찰벡터에 대입(fit)한다(S505).
은닉 마르코프 모델에 대하여 방향성 비사이클 그래프를 적용하여 얼굴을 검출한다(S507). 구체적으로 복수의 상태 각각에 해당할 확률 값이 미리 설정된 기준 값보다 큰 경우, 제어부(110)는 복수의 상태 각각에 해당하는 것으로 판단할 수 있다. 이에 따라 상태 천이 경로가 은닉 마르코프 모델이 포함하는 모든 상태를 포함하는 것으로 판단한 경우, 제어부(110)는 사용자의 얼굴을 검출한 것으로 판단할 수 있다. 예컨대, 은닉 마르코프 모델이 이마, 눈, 코, 입 및 턱에 기초한 복수의 상태를 포함하는 경우, 제어부(110)는 이마, 눈, 코, 입 및 턱에 기초한 복수의 상태를 포함하는 것으로 검출한 경우 사용자의 얼굴을 검출한 것으로 판단할 수 있다. 이는 다음과 같은 수식으로 나타낼 수 있다.
Figure pat00004
또한 최초 상태 및 구체적인 상태의 순서에 관계 없이 은닉 마르코프 모델의 모든 상태를 포함하는 경우, 제어부(110)는 사용자의 얼굴을 검출한 것으로 판단할 수 있다. 이를 통해 홍채 인식 장치(100)는 영상의 탐색 시작 위치에 관계 없이 사용자의 얼굴을 검출할 수 있다.
이상에서 실시 예들에 설명된 특징, 구조, 효과 등은 본 발명의 적어도 하나의 실시예에 포함되며, 반드시 하나의 실시예에만 한정되는 것은 아니다. 나아가, 각 실시예에서 예시된 특징, 구조, 효과 등은 실시예들이 속하는 분야의 통상의 지식을 가지는 자에 의해 다른 실시예들에 대해서도 조합 또는 변형되어 실시 가능하다. 따라서 이러한 조합과 변형에 관계된 내용들은 본 발명의 범위에 포함되는 것으로 해석되어야 할 것이다.
이상에서 실시예를 중심으로 설명하였으나 이는 단지 예시일 뿐 본 발명을 한정하는 것이 아니며, 본 발명이 속하는 분야의 통상의 지식을 가진 자라면 본 실시예의 본질적인 특성을 벗어나지 않는 범위에서 이상에 예시되지 않은 여러 가지의 변형과 응용이 가능함을 알 수 있을 것이다. 예를 들어, 실시예에 구체적으로 나타난 각 구성 요소는 변형하여 실시할 수 있는 것이다. 그리고 이러한 변형과 응용에 관계된 차이점들은 첨부된 청구 범위에서 규정하는 본 발명의 범위에 포함되는 것으로 해석되어야 할 것이다.

Claims (14)

  1. 안구의 홍채를 인식하는 홍채 인식 장치에 있어서,
    사용자의 영상을 수집하는 영상 수집부; 및
    상기 사용자의 영상으로부터 특징 벡터를 추출하여 복수의 상태를 가지는 은닉 마르코프 모델에 대입하여 상기 사용자의 얼굴을 검출하는 제어부를 포함하는
    홍채 인식 장치.
  2. 제1항에 있어서,
    상기 제어부는
    상기 은닉 마르코프 모델에 방향성 비사이클 그래프를 적용하여 상기 사용자의 얼굴을 검출하는
    홍채 인식 장치.
  3. 제2항에 있어서,
    상기 제어부는
    상기 방향성 비사이클 그래프에 나타나는 천이 경로가 상기 복수의 상태를 모두 포함하는 경우, 상기 사용자의 얼굴을 검출한 것으로 판단하는
    홍채 인식 장치.
  4. 제3항에 있어서,
    상기 제어부는
    상기 천이 경로의 시작 상태와 관계없이 상기 복수의 상태를 모두 포함하는 경우, 상기 사용자의 얼굴을 검출한 것으로 판단하는
    홍채 인식 장치.
  5. 제3항에 있어서,
    상기 제어부는
    상기 복수의 상태 각각에 해당할 확률 값이 미리 설정된 기준 값보다 큰 경우, 상기 복수의 상태를 모두 포함하는 것으로 판단하는
    홍채 인식 장치.
  6. 제1항에 있어서,
    상기 복수의 상태는 이마에 기초한 상태, 눈에 기초한 상태, 코에 기초한 상태, 입에 기초한 상태 및 턱에 기초한 상태를 포함하는
    홍채 인식 장치.
  7. 제6항에 있어서,
    상기 복수의 상태 각각은 복수의 하위 상태를 포함하는
    홍채 인식 장치.
  8. 안구의 홍채를 인식하는 홍채 인식 장치의 동작 방법에 있어서,
    사용자의 영상을 수집하는 단계;
    상기 사용자의 영상으로부터 특징 벡터를 추출하는 단계; 및
    상기 특징 벡터를 복수의 상태를 가지는 은닉 마르코프 모델에 대입하여 상기 사용자의 얼굴을 검출하는 단계를 포함하는
    동작 방법.
  9. 제8항에 있어서,
    상기 사용자의 얼굴을 검출하는 단계는
    상기 은닉 마르코프 모델에 방향성 비사이클 그래프를 적용하여 상기 사용자의 얼굴을 검출하는 단계를 포함하는
    동작 방법.
  10. 제9항에 있어서,
    상기 은닉 마르코프 모델에 방향성 비사이클 그래프를 적용하여 상기 사용자의 얼굴을 검출하는 단계는
    상기 방향성 비사이클 그래프에 나타나는 천이 경로가 상기 복수의 상태를 모두 포함하는 경우, 상기 사용자의 얼굴을 검출한 것으로 판단하는 단계를 포함하는
    동작 방법.
  11. 제10항에 있어서,
    상기 방향성 비사이클 그래프에 나타나는 천이 경로가 상기 복수의 상태를 모두 포함하는 경우, 상기 사용자의 얼굴을 검출한 것으로 판단하는 단계는
    상기 천이 경로의 시작 상태와 관계없이 상기 복수의 상태를 모두 포함하는 경우, 상기 사용자의 얼굴을 검출한 것으로 판단하는 단계를 포함하는
    동작 방법.
  12. 제10항에 있어서,
    상기 방향성 비사이클 그래프에 나타나는 천이 경로가 상기 복수의 상태를 모두 포함하는 경우, 상기 사용자의 얼굴을 검출한 것으로 판단하는 단계는
    상기 복수의 상태 각각에 해당할 확률 값이 미리 설정된 기준 값보다 큰 경우, 상기 복수의 상태를 모두 포함하는 것으로 판단하는 단계를 포함하는
    동작 방법.
  13. 제8항에 있어서,
    상기 복수의 상태는 이마에 기초한 상태, 눈에 기초한 상태, 코에 기초한 상태, 입에 기초한 상태 및 턱에 기초한 상태를 포함하는
    동작 방법.
  14. 제13항에 있어서,
    상기 복수의 상태 각각은 복수의 하위 상태를 포함하는
    동작 방법.
KR1020150173732A 2014-12-19 2015-12-08 홍채 인식 장치 및 그 동작 방법 KR101703690B1 (ko)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
US14/576,389 US10068127B2 (en) 2014-12-19 2014-12-19 Automatic detection of face and thereby localize the eye region for iris recognition
US14/576,389 2014-12-19

Publications (2)

Publication Number Publication Date
KR20160075322A true KR20160075322A (ko) 2016-06-29
KR101703690B1 KR101703690B1 (ko) 2017-02-07

Family

ID=56129788

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020150173732A KR101703690B1 (ko) 2014-12-19 2015-12-08 홍채 인식 장치 및 그 동작 방법

Country Status (2)

Country Link
US (1) US10068127B2 (ko)
KR (1) KR101703690B1 (ko)

Families Citing this family (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR101990823B1 (ko) 2017-04-21 2019-06-20 한국과학기술연구원 얼굴정보를 이용한 위치 추정 및 신원 관리 방법, 프로그램 및 장치
US10430644B2 (en) 2017-06-06 2019-10-01 Global Bionic Optics Ltd. Blended iris and facial biometric system

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2011162548A2 (ko) * 2010-06-23 2011-12-29 주식회사 아이락 홍채 진단을 통한 건강 관리 시스템 및 방법
KR20130052432A (ko) * 2011-11-11 2013-05-22 경희대학교 산학협력단 마르코프 연쇄 은닉 조건부 랜덤 필드 모델 기반의 패턴 인식 방법

Family Cites Families (12)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US6714665B1 (en) * 1994-09-02 2004-03-30 Sarnoff Corporation Fully automated iris recognition system utilizing wide and narrow fields of view
KR100464081B1 (ko) * 2001-12-20 2004-12-30 엘지전자 주식회사 홍채 인식 시스템의 아이리스 코드 데이터베이스 자동업그레이드 방법
KR100854890B1 (ko) * 2001-12-28 2008-08-28 엘지전자 주식회사 홍채 인식 시스템의 다중 조명을 이용한 홍채 등록 및인식방법
US20030212552A1 (en) * 2002-05-09 2003-11-13 Liang Lu Hong Face recognition procedure useful for audiovisual speech recognition
US7165029B2 (en) * 2002-05-09 2007-01-16 Intel Corporation Coupled hidden Markov model for audiovisual speech recognition
US7203635B2 (en) * 2002-06-27 2007-04-10 Microsoft Corporation Layered models for context awareness
JP4345622B2 (ja) * 2003-11-05 2009-10-14 オムロン株式会社 瞳色推定装置
US8488023B2 (en) * 2009-05-20 2013-07-16 DigitalOptics Corporation Europe Limited Identifying facial expressions in acquired digital images
EP2016562A4 (en) * 2006-05-07 2010-01-06 Sony Computer Entertainment Inc METHOD FOR IMPLEMENTING AFFECTIVE PROPERTIES IN A COMPUTER GENERATED AVATAR DURING A COMPUTER GAME
US20130005443A1 (en) * 2011-07-01 2013-01-03 3G Studios, Inc. Automated facial detection and eye tracking techniques implemented in commercial and consumer environments
US20130342672A1 (en) * 2012-06-25 2013-12-26 Amazon Technologies, Inc. Using gaze determination with device input
US9549118B2 (en) * 2014-03-10 2017-01-17 Qualcomm Incorporated Blink and averted gaze avoidance in photographic images

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2011162548A2 (ko) * 2010-06-23 2011-12-29 주식회사 아이락 홍채 진단을 통한 건강 관리 시스템 및 방법
KR20130052432A (ko) * 2011-11-11 2013-05-22 경희대학교 산학협력단 마르코프 연쇄 은닉 조건부 랜덤 필드 모델 기반의 패턴 인식 방법

Also Published As

Publication number Publication date
US10068127B2 (en) 2018-09-04
US20160180147A1 (en) 2016-06-23
KR101703690B1 (ko) 2017-02-07

Similar Documents

Publication Publication Date Title
Ahmed et al. Vision based hand gesture recognition using dynamic time warping for Indian sign language
KR102465532B1 (ko) 객체 인식 방법 및 장치
JP4241763B2 (ja) 人物認識装置及びその方法
JP6577454B2 (ja) 軸上視線追跡システム及び方法
JP6809226B2 (ja) 生体検知装置、生体検知方法、および、生体検知プログラム
JP6007682B2 (ja) 画像処理装置、画像処理方法及びプログラム
KR101551576B1 (ko) 로봇 청소기, 제스쳐 인식 장치 및 방법
CN111144293A (zh) 带交互式活体检测的人脸身份认证系统及其方法
KR101640014B1 (ko) 허위 안면 이미지 분류가 가능한 홍채 인식 장치
KR20120139100A (ko) 얼굴 인증을 이용한 보안 장치 및 방법
US11756338B2 (en) Authentication device, authentication method, and recording medium
Ghanem et al. A survey on sign language recognition using smartphones
JP5061563B2 (ja) 検出装置、生体判定方法、およびプログラム
CN110796101A (zh) 一种嵌入式平台的人脸识别方法及系统
WO2020079741A1 (ja) 虹彩認証装置、虹彩認証方法および記録媒体
JP2010123019A (ja) 動作認識装置及び方法
JP2007300185A (ja) 画像監視装置
KR101703690B1 (ko) 홍채 인식 장치 및 그 동작 방법
Takeuchi et al. Multimodal soft biometrie verification by hand shape and handwriting motion in the air
KR101704717B1 (ko) 홍채 인식 장치 및 그 동작 방법
JP2006133937A (ja) 動作識別装置
JP2022048077A (ja) 画像処理装置およびその制御方法
KR101561817B1 (ko) 얼굴과 손 인식을 이용한 생체 인증 장치 및 방법
Ren et al. An improved method for Daugman's iris localization algorithm
KR20160045371A (ko) 생체 정보를 이용한 사용자 인증 방법

Legal Events

Date Code Title Description
A201 Request for examination
E902 Notification of reason for refusal
E90F Notification of reason for final refusal
E701 Decision to grant or registration of patent right
GRNT Written decision to grant
FPAY Annual fee payment

Payment date: 20191223

Year of fee payment: 4